《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》

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

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。