《表1 A型识别模型和最优模型参数估计及假设检验》
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
《基于时间序列分析的悬浮红细胞临床需求预测模型研究》
A型识别模型的参数估计与假设检验见表1。A型识别模型ARIMA(3,1,0)(1,1,1)12的参数显著性检验未通过(P>0.05)[2],故需重新选定模型。A型ACF在滞后1、5、10、11、12、13阶显著不为0,考虑q取1、5、10、11、12、13;PACF在滞后1~3、5、9、10、11、12阶显著不为0,故考虑p取3、5、9、10、11、12;为了将模型考虑得更加全面,尝试p和q取0的情况。相关学者认为P、D、Q三者取值一般不大于2[3-4],即取0、1或2,并考虑p、q、P、D、Q取不同值的各种模型。将残差不是白噪声(Ljung-Box Q检验,P<0.05)和参数显著性检验未通过的模型除去,再根据贝叶斯判定准则[5],最终选定A型的最优模型为ARIMA(0,1,1)(0,1,1)12。
图表编号 | XD00179731000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.30 |
作者 | 彭荣荣、刘芸男、杨冬燕、王含柔、赵明烽、杨小丽 |
绘制单位 | 重庆医科大学公共卫生与管理学院医学与社会发展研究中心健康领域社会风险预测治理协同创新中心、重庆医科大学公共卫生与管理学院医学与社会发展研究中心健康领域社会风险预测治理协同创新中心、重庆市血液中心、重庆医科大学公共卫生与管理学院医学与社会发展研究中心健康领域社会风险预测治理协同创新中心、重庆医科大学公共卫生与管理学院医学与社会发展研究中心健康领域社会风险预测治理协同创新中心、重庆医科大学公共卫生与管理学院医学与社会发展研究中心健康领域社会风险预测治理协同创新中心 |
更多格式 | 高清、无水印(增值服务) |