ARIMA模型预测麻疹免疫覆盖率：精准预估与策略支持

本研究论文《使用ARIMA模型预测麻疹免疫覆盖率》发表在2019年的《计算机与通信杂志》(Journal of Computer and Communications)第7卷，第10期，157-168页，ISSN Online:2327-5227，ISSN Print:2327-5519，DOI:10.4236/jcc.2019.710015。研究由Rachel T. Alegado、Gilbert M. Tumibay两位作者共同完成，他们分别来自菲律宾新埃西哈科学与技术大学和安吉利斯大学基金会。 该研究的主要目标是利用自回归综合移动平均值(ARIMA)模型来分析和预测月度麻疹免疫接种率。研究团队基于2014年1月至2018年12月期间收集的详细数据，通过统计方法筛选出最合适的模型。经过模型评估，归一化贝叶斯信息准则(BIC)最小值为8.673的模型被确认为ARIMA(0,1,0)，这表明这个模型具有较高的准确性和稳定性。 ARIMA(0,1,0)模型的特点在于它没有自回归项(AR)和差分项(I)，但包含一个移动平均项(MA)。这意味着模型仅依赖于当前的观测值以及前一期的数据，而不需要考虑更早的历史数据。这一特性使其适用于时间序列数据，特别是对于波动性相对较小且存在趋势的麻疹免疫覆盖率这类数据。 通过ARIMA(0,1,0)模型，研究者能够预测从2018年1月到2020年12月接下来的36个月里每月的麻疹免疫覆盖率。研究结果证实，该模型在预测未来免疫接种覆盖率方面表现出良好的性能，这对于公共卫生决策者来说是一个重要的工具。他们可以根据这些预测调整疫苗分配策略，确保资源的有效利用，并有针对性地实施免疫接种计划，从而降低麻疹发病率，提高公众健康水平。 总结来说，这篇论文不仅提供了关于如何运用ARIMA模型进行疾病预防策略预测的方法，也为公共卫生政策制定者提供了一种实用的工具，以应对未来可能的公共卫生挑战。通过量化分析和预测，本文的研究成果有助于提升公共卫生系统的响应能力和效率。