《表2 模型定阶与模型检验》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于ARIMA模型对四川省医疗机构卫生资源需求预测分析》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

确定模型阶数可以通过ACF图和PACF图判断模型阶数，也可通过AIC和BIC值选取模型，R语言中auto.arima（）函数通过AIC和BIC值最小选取模型。本例调用model1=auto.arima(Xt）命令得到最优模型；模型残差检验通过调用命令qqnorm(model1$residuals）和qqline(model1$residuals）画出QQ图判断残差的正态性，QQ图显示，医疗卫生机构、医疗卫生机构床位、技术人员、执业（助理）医师和注册护士的残差图均分布在第一象限y=x直线附近，可以认为残差服从正态性，数据通过正态性检验；Box.test(model1$residuals，type=\""Ljung-Box\""）命令计算LB值进行白噪声检验。最优模型和残差检验见表2；以上auto.arima（）函数建立的模型残差白噪声检验，P值均大于0.05，说明所建立的模型残差通过白噪声检验，认为模型拟合数据比较充分；注册护士模型ARIMA(0，2，1）系数为-0.49，标准差为0.30，计算得t=-5.43，P<0.05，模型参数通过显著性检验，以上模型可以用来进行下一步预测。