SPSS时间序列分析
孙源+原搏+原杰
摘 要： 收集不同城市的三家甲级医院在7年时间（2006—2012年）的所有甲状腺疾病的患者的病案数据进行整理和统计分析。利用SPSS时间序列方法建立合理的统计模型。从患者的性别、年龄和职业等常见的非生理性指标因素入手，研究甲状腺疾病的发病态势，获取甲状腺疾病的干扰因素。建立时间序列预测技术中最全面、最有效的统计方法之一——ARIMA模型，达到对疾病的预防和防控的目的。
关键词： 甲状腺； SPSS时间序列； 发病态势； ARIMA模型
中图分类号： TN964?34 文献标识码： A 文章编号： 1004?373X（2014）04?0082?02
Study on thyroid disease modeling based on SPSS time series
SUN Yuan1， YUAN Bo2， YUAN Jie2
（1. School of Mathematics and Computational Science， Sun Yat?sen University， Guangzhou 510275， China；
2. School of Basic Medicine， Harbin Medical University， Daqing 163319， China）
Abstract： The data of patient medical records of all thyroid diseases in three first class hospitals in different cities in 7 years （2006―2012） were collected and analyzed statistically. A statistic model was established with SPSS time series method. Starting with patient's common non?physiological indexes， such as gender， age， occupation， etc.， the incidence of thyroid disease was studied， the interference factors for thyroid disease were obtained， and the ARIMA model， one of the most effective and most comprehensive statistical methods in time series forecasting， was established. The purpose to prevent and control the disease was achieved.
Keywords： thyroid； SPSS time series； incidence of disease； ARIMA model
0 引 言
近几年甲状腺疾病发病率较高，人们对甲状腺疾病的预防和治疗仅在一些生理因素层上面。如：碘的营养状况、自身抗体和自身免疫力等。对非生理因素缺少一些科学性和系统性的预防和控制。因此建立统计模型[1]的方法分析和研究他们之间的关系。有利于预防和控制疾病的发生。
1 建立关系模型[2]
1.1 甲状腺疾病与性别的关系
数据统计利用Excel处理表明如图1所示。
从图1得知：女性患甲状腺疾病的比例明显高于男性，性别是影响甲状腺患病的重要因素。
1.2 甲状腺疾病与年龄的关系
各年龄段及不同年龄段的男女发病比例见表1。
图1 男女发病比例
表1 各年龄段及不同年龄段的男女发病比例
图2 各年龄段及不同年龄段的男女发病比例
从图2中得知，甲状腺疾病的高发年龄段在50～60岁之间，且女性发病数明显高于男性。
1.3 甲状腺疾病与职业的关系
甲状腺疾病的发病数与年龄的关系如表2所示。
表2 甲状腺疾病的发病数与年龄的关系
图3 甲状腺疾病的发病数与年龄的关系
根据表2及图3，工人及离退人员患病数较大，但此因素是否与甲状腺患病率有关系还需做置信区间的检查。
2 模型预测
依据以上因素的分析，从统计学的观点看，相邻的观察值具有很强的依赖性[3]。下面就2006—2012年甲状腺疾病各种非生理数据指标，利用SPSS时间序列法[4]对发病态势进行预测。
表3 每年的住院人数统计
ARIMA有6个参数，AMIMA（p，d，q）（sp，sd，sq）构成模型要素。下面构建时间序列分析的ARIMA模型图，如图4所示。
图4 时间序列分析的ARIMA模型图
3 结 论
依据时间序列分析的ARIMA模型图，可以找到多变量对目标值的影响[6]，预测2013年入院治疗甲状腺的人数的上限为1 117人，下限为598人；2014年入院治疗人数上限为1 225人，下限为490人。因此，不及时控制会有平均逐年增长的趋势。
参考文献
[1] 陈峰.现代医学统计方法与stata应用[M].北京：中国统计出版社，1999.
[2] 倪加勋，袁卫，易丹辉.应用统计学[M].北京：中国人民大学出版社，2001.
[3] 薛薇.SPSS统计分析方法及应用[M].2版.北京：电子工业出版社，2009.
[4] 高惠璇.应用多元统计分析[M].北京：北京大学出版社，2005.
[5] 刘子君，赵维波.Pass for windows 统计分析[M].沈阳：东北大学出版社，2004.
[6] 张贤达.时间序列分析高阶统计量方法[M].北京：清华大学出版社，2008.
摘 要： 收集不同城市的三家甲级医院在7年时间（2006—2012年）的所有甲状腺疾病的患者的病案数据进行整理和统计分析。利用SPSS时间序列方法建立合理的统计模型。从患者的性别、年龄和职业等常见的非生理性指标因素入手，研究甲状腺疾病的发病态势，获取甲状腺疾病的干扰因素。建立时间序列预测技术中最全面、最有效的统计方法之一——ARIMA模型，达到对疾病的预防和防控的目的。
关键词： 甲状腺； SPSS时间序列； 发病态势； ARIMA模型
中图分类号： TN964?34 文献标识码： A 文章编号： 1004?373X（2014）04?0082?02
Study on thyroid disease modeling based on SPSS time series
SUN Yuan1， YUAN Bo2， YUAN Jie2
（1. School of Mathematics and Computational Science， Sun Yat?sen University， Guangzhou 510275， China；
2. School of Basic Medicine， Harbin Medical University， Daqing 163319， China）
Abstract： The data of patient medical records of all thyroid diseases in three first class hospitals in different cities in 7 years （2006―2012） were collected and analyzed statistically. A statistic model was established with SPSS time series method. Starting with patient's common non?physiological indexes， such as gender， age， occupation， etc.， the incidence of thyroid disease was studied， the interference factors for thyroid disease were obtained， and the ARIMA model， one of the most effective and most comprehensive statistical methods in time series forecasting， was established. The purpose to prevent and control the disease was achieved.
Keywords： thyroid； SPSS time series； incidence of disease； ARIMA model
0 引 言
近几年甲状腺疾病发病率较高，人们对甲状腺疾病的预防和治疗仅在一些生理因素层上面。如：碘的营养状况、自身抗体和自身免疫力等。对非生理因素缺少一些科学性和系统性的预防和控制。因此建立统计模型[1]的方法分析和研究他们之间的关系。有利于预防和控制疾病的发生。
1 建立关系模型[2]
1.1 甲状腺疾病与性别的关系
数据统计利用Excel处理表明如图1所示。
从图1得知：女性患甲状腺疾病的比例明显高于男性，性别是影响甲状腺患病的重要因素。
1.2 甲状腺疾病与年龄的关系
各年龄段及不同年龄段的男女发病比例见表1。
图1 男女发病比例
表1 各年龄段及不同年龄段的男女发病比例
图2 各年龄段及不同年龄段的男女发病比例
从图2中得知，甲状腺疾病的高发年龄段在50～60岁之间，且女性发病数明显高于男性。
1.3 甲状腺疾病与职业的关系
甲状腺疾病的发病数与年龄的关系如表2所示。
表2 甲状腺疾病的发病数与年龄的关系
图3 甲状腺疾病的发病数与年龄的关系
根据表2及图3，工人及离退人员患病数较大，但此因素是否与甲状腺患病率有关系还需做置信区间的检查。
2 模型预测
依据以上因素的分析，从统计学的观点看，相邻的观察值具有很强的依赖性[3]。下面就2006—2012年甲状腺疾病各种非生理数据指标，利用SPSS时间序列法[4]对发病态势进行预测。
表3 每年的住院人数统计
ARIMA有6个参数，AMIMA（p，d，q）（sp，sd，sq）构成模型要素。下面构建时间序列分析的ARIMA模型图，如图4所示。
图4 时间序列分析的ARIMA模型图
3 结 论
依据时间序列分析的ARIMA模型图，可以找到多变量对目标值的影响[6]，预测2013年入院治疗甲状腺的人数的上限为1 117人，下限为598人；2014年入院治疗人数上限为1 225人，下限为490人。因此，不及时控制会有平均逐年增长的趋势。
参考文献
[1] 陈峰.现代医学统计方法与stata应用[M].北京：中国统计出版社，1999.
[2] 倪加勋，袁卫，易丹辉.应用统计学[M].北京：中国人民大学出版社，2001.
[3] 薛薇.SPSS统计分析方法及应用[M].2版.北京：电子工业出版社，2009.
[4] 高惠璇.应用多元统计分析[M].北京：北京大学出版社，2005.
[5] 刘子君，赵维波.Pass for windows 统计分析[M].沈阳：东北大学出版社，2004.
[6] 张贤达.时间序列分析高阶统计量方法[M].北京：清华大学出版社，2008.
摘 要： 收集不同城市的三家甲级医院在7年时间（2006—2012年）的所有甲状腺疾病的患者的病案数据进行整理和统计分析。利用SPSS时间序列方法建立合理的统计模型。从患者的性别、年龄和职业等常见的非生理性指标因素入手，研究甲状腺疾病的发病态势，获取甲状腺疾病的干扰因素。建立时间序列预测技术中最全面、最有效的统计方法之一——ARIMA模型，达到对疾病的预防和防控的目的。
关键词： 甲状腺； SPSS时间序列； 发病态势； ARIMA模型
中图分类号： TN964?34 文献标识码： A 文章编号： 1004?373X（2014）04?0082?02
Study on thyroid disease modeling based on SPSS time series
SUN Yuan1， YUAN Bo2， YUAN Jie2
（1. School of Mathematics and Computational Science， Sun Yat?sen University， Guangzhou 510275， China；
2. School of Basic Medicine， Harbin Medical University， Daqing 163319， China）
Abstract： The data of patient medical records of all thyroid diseases in three first class hospitals in different cities in 7 years （2006―2012） were collected and analyzed statistically. A statistic model was established with SPSS time series method. Starting with patient's common non?physiological indexes， such as gender， age， occupation， etc.， the incidence of thyroid disease was studied， the interference factors for thyroid disease were obtained， and the ARIMA model， one of the most effective and most comprehensive statistical methods in time series forecasting， was established. The purpose to prevent and control the disease was achieved.
Keywords： thyroid； SPSS time series； incidence of disease； ARIMA model
0 引 言
近几年甲状腺疾病发病率较高，人们对甲状腺疾病的预防和治疗仅在一些生理因素层上面。如：碘的营养状况、自身抗体和自身免疫力等。对非生理因素缺少一些科学性和系统性的预防和控制。因此建立统计模型[1]的方法分析和研究他们之间的关系。有利于预防和控制疾病的发生。
1 建立关系模型[2]
1.1 甲状腺疾病与性别的关系
数据统计利用Excel处理表明如图1所示。
从图1得知：女性患甲状腺疾病的比例明显高于男性，性别是影响甲状腺患病的重要因素。
1.2 甲状腺疾病与年龄的关系
各年龄段及不同年龄段的男女发病比例见表1。
图1 男女发病比例
表1 各年龄段及不同年龄段的男女发病比例
图2 各年龄段及不同年龄段的男女发病比例
从图2中得知，甲状腺疾病的高发年龄段在50～60岁之间，且女性发病数明显高于男性。
1.3 甲状腺疾病与职业的关系
甲状腺疾病的发病数与年龄的关系如表2所示。
表2 甲状腺疾病的发病数与年龄的关系
图3 甲状腺疾病的发病数与年龄的关系
根据表2及图3，工人及离退人员患病数较大，但此因素是否与甲状腺患病率有关系还需做置信区间的检查。
2 模型预测
依据以上因素的分析，从统计学的观点看，相邻的观察值具有很强的依赖性[3]。下面就2006—2012年甲状腺疾病各种非生理数据指标，利用SPSS时间序列法[4]对发病态势进行预测。
表3 每年的住院人数统计
ARIMA有6个参数，AMIMA（p，d，q）（sp，sd，sq）构成模型要素。下面构建时间序列分析的ARIMA模型图，如图4所示。
图4 时间序列分析的ARIMA模型图
3 结 论
依据时间序列分析的ARIMA模型图，可以找到多变量对目标值的影响[6]，预测2013年入院治疗甲状腺的人数的上限为1 117人，下限为598人；2014年入院治疗人数上限为1 225人，下限为490人。因此，不及时控制会有平均逐年增长的趋势。
参考文献
[1] 陈峰.现代医学统计方法与stata应用[M].北京：中国统计出版社，1999.
[2] 倪加勋，袁卫，易丹辉.应用统计学[M].北京：中国人民大学出版社，2001.
[3] 薛薇.SPSS统计分析方法及应用[M].2版.北京：电子工业出版社，2009.
[4] 高惠璇.应用多元统计分析[M].北京：北京大学出版社，2005.
[5] 刘子君，赵维波.Pass for windows 统计分析[M].沈阳：东北大学出版社，2004.
[6] 张贤达.时间序列分析高阶统计量方法[M].北京：清华大学出版社，2008.
