目的探討利用自回歸滑動(dòng)平均模型法（ARIMA）對(duì)寧波市奉化區(qū)人口出生率數(shù)據(jù)進(jìn)行預(yù)測(cè)的可行性。方法利用R3.5.0軟件對(duì)浙江省寧波市奉化區(qū)1983—2013年出生率數(shù)據(jù)擬合ARIMA模型,對(duì)模型參數(shù)與殘差進(jìn)行統(tǒng)計(jì)學(xué)分析,并利用擬合的模型對(duì)奉化區(qū)2014—2018年的出生率進(jìn)行預(yù)測(cè)。結(jié)果擬合的模型為ARIMA（0,1,0）,模型的殘差分析表明殘差符合白噪聲過(guò)程。2014—2018年出生率預(yù)測(cè)相對(duì)誤差率最大的年份是2017年為23.40%,相對(duì)誤差率最小的是2015年為3.25%。結(jié)論 ARIMA（0,1,0）模型能較好地?cái)M合奉化區(qū)出生率的時(shí)間變化趨勢(shì),可用于未來(lái)奉化區(qū)出生率的短期預(yù)測(cè)。 

【文章來(lái)源】：國(guó)際流行病學(xué)傳染病學(xué)雜志. 2020,47(04)

【文章頁(yè)數(shù)】：3 頁(yè)

【參考文獻(xiàn)】：
期刊論文
[1]基于南昌市新建區(qū)居民傷害死亡趨勢(shì)的ARIMA模型構(gòu)建與預(yù)測(cè)[J]. 曾藝旋,周小軍,楊姣,周孔香,胡煒華.  南昌大學(xué)學(xué)報(bào)(醫(yī)學(xué)版). 2019(01)
[2]基于ARIMA模型的我國(guó)衛(wèi)生總費(fèi)用趨勢(shì)及構(gòu)成預(yù)測(cè)分析[J]. 王高玲,張怡青.  中國(guó)衛(wèi)生統(tǒng)計(jì). 2019(01)
[3]我國(guó)人口出生率預(yù)測(cè)——基于ARIMA模型分析[J]. 郭敏,田薈,張施偉.  現(xiàn)代經(jīng)濟(jì)信息. 2018(19)
[4]ARIMA模型預(yù)測(cè)職業(yè)性噪聲聾發(fā)病趨勢(shì)[J]. 李旭東,瞿紅鷹,胡世杰,余宏偉,溫賢忠,楊?lèi)?ài)初,戚亞洲,陳琳.  中國(guó)職業(yè)醫(yī)學(xué). 2018(02)
[5]VAR模型在我國(guó)人口出生率預(yù)測(cè)中的應(yīng)用[J]. 王永斌,柴峰,李向文,袁聚祥,尹素鳳,武建輝.  現(xiàn)代預(yù)防醫(yī)學(xué). 2016(02)

碩士論文
[1]南寧市江南區(qū)2008-2018年流行性腮腺炎疫情分析及ARIMA模型預(yù)測(cè)[D]. 蒙婞婞.廣西醫(yī)科大學(xué) 2019
[2]全面二孩政策下出生率預(yù)測(cè)以及對(duì)人口年齡結(jié)構(gòu)的影響[D]. 甘東海.華僑大學(xué) 2018
[3]中國(guó)人口出生率的地域差異及影響因素分析[D]. 楊曉鶴.重慶理工大學(xué) 2018



本文編號(hào)：3283777