深圳人口与医疗需求预测模型

1、深圳人口与医疗需求预测摘要：深圳是我国经济发展最快的城市之一，30多年来，卫生事业取得了长足发展，形成了市、区及社区医疗服务系统，较好地解决了现有人口的就医问题。但是，随着城市的发展，深圳市未来人口预测及医疗需求预测是保证深圳社会经济可持续发展的重要条件。经典的预测方法有很多，如灰色预测模型，逻辑斯蒂模型，一元线性回归模型等等。根据题目给出的已有数据以及深圳市统计局，深圳市卫生和人口计划生育网站给出的相关数据，本文运用了一元线性回归及时间序列模型，以SPSSSASEXCE等统计软件进行拟合，并对各模型的拟合结果进行加权组合，对深圳市未来十年的人口数给出了以下预测：单位:（万人）年份（年）201

2、1年2012年2013年2014年2015年2016年2017年2018年2019年2020年深圳市1066.561101.451135.211168.181200.611232.651263.931296.031327.521358.93基于这个，给出了未来十年深圳市及各区的床位需求：单位：（人）年份（年）2011201220132014201520162017201820192020深圳市24060253002650127674288272996631079322203334034457同时，以5年为一个年龄段的长度，依据已经给出的各年龄段的男女比例计算出了2010年的深圳市各年龄段的男女

3、比例，再运用以LESLIE矩阵推算出2015年和2020年深圳市的人口结构，并依据某些病的发病情况和发病年龄特征，以推测出的人口结构和2010年的不同医疗结构的床位数，预测了未来十年内不同机构的床位需求量。关键字：深圳人口预测医疗卫生时间序列一、问题重述1.1问题背景：深圳市自从改革开放之后，一直迅猛发展，成为我国经济发展最快的城市之一。随着经济和人口的增长，深圳市卫生医疗事业也在长足发展。随着时代的发展，人们生活水平不断提高，对健康的要求也随之提高，所以医疗水平也必须不断提高。如果能够对人口结构，变化趋势及常见疾病发病率有较准确的预测，将有利于制定更合理的人口计划，更合理的人口布局，同时对于

4、制定更适当的医疗发展计划有着重大意义。二、模型假设1）不考虑战争，瘟疫，大规模流行病对人口的影响。2）假设同一年龄段的人死亡率相同，同一年龄段的育龄女性生育率相同3）假设当地人们的生育观念不发生太大变化。4）假设各年龄段的育龄女性生育率成正态分布。5）假设本问题中采用的数据均真实有效。6）假设深圳市的产业结构不发生巨大变化。7）在短期内，人口的生育率、死亡率的总体水平可看成不变。三、符号假设具体见各预测方法四、模型建立与求解一元线性回归：由题目，得到最近十年的户籍人口及非户籍人口的相关信息，通过EXCEI#算，得到如下相关表格：户数、人口、出生、死亡及自然增长年份年末户籍人口户数（万户）年末常

5、住人口数（万人）户籍人口（万人）非户籍人口（万人）200141.14724.57132.04592.53200244.73746.62139.45607.17200347.55778.27150.93627.34200452.04800.8165.13635.67200557.01827.75181.93645.82200661.37871.1196.83674.27200764.88912.37212.38699.99200867.1954.28228.07726.21200969.81995.01241.45753.56201071.441037.2251.03786.17算术平均57.7

6、07864.797189.924674.873力差118.5343566711508.0864461832.59051564205.5316678标准差10.887348468107.2757495742.80876680764.850070684几何平均56.740748487858.88264996185.50071222672.12322676中位数59.19849.425189.38660.045对近十年深圳的年末总人口、户籍人口及非户籍人口，作柱状图:通过柱状图，可以看出，最近十年，深圳市年末常住人口数，户籍人口及非户籍人口都呈现着随时间的推移而递增的趋势，且增长趋势基本相同，所以，

7、对年末常住人口数及年份作一元线性回归，用SPS欹件实现，得到如下表格模型汇总模型RR方调整R方标准估计的误差1_-.a.994.988.98612.56785a.预测变量：（常量），年份。AaAnova模型平方和df均方FSig.1回归102309.1711102309.171647.728.000b残差1263.6078157.951总计103572.7789a.因变量：年末常住人口数b.预测变量：（常量），年份。系数a模型非标准化系数标准系数tSig.B标准误差试用版1（常量）-69759.3112774.963-25.139.000年份35.2151.384.99425.450.000a

8、.因变量：年末常住人口数由表，可得调整后的R方=0.986,从相对水平上看，回归方程能够减少因变量y的98.6%的方差波动，由ANOV",F=647.728,sig=0.000,说明y对x的线性回归高度显著，有系数中可得回归方程为y（t）=-69759.311+35.215t,其中y（t）表示t时刻深圳市的年末常住人口数。由该模型，可以预测未来十年的深圳市常住人口数：单位（万人）年份（年）2011201220132014201520162017201820192020常住人口1058.0551093.271128.4851163.71198.9151234.131268.345130

9、4.561339.7751374.99时间序列建模：深圳市历年年末常住人口数时序图由序列的时序图可以看出，序列存在明显的递增趋势，且递增趋势基本符合线性趋势，故对原序列作一阶差分，即可实现平稳。TheARIMAProcedureAutocorrelationCheckforWhiteNoiseToChi-Pr>LagSquareDFChiSqAutocorrelations6118.916<.00010.9230.8420.7580.6720.5850.49812134.0312<.00010.4090.3160.2210.1240.027-0.063数列平稳后，对平稳序列进

10、行白噪声检验，PV0.0001,拒绝原假设，该人口序列为非白噪声序列，建模继续；AutocorrelationsLagCovarianceCorrelation-198765432101234567891StdError0387.8961.00000|*101257.5360.66393|*|0.1796052180.7280.46592|*.|0.2463673143.3130.36946|*.|0.273317470.8242210.18259|*.|0.288979546.0432530.11870|*.|0.292677678.2236500.20166|*.|0.294225716.

11、8657310.04348|*.|0.2986518-41.983495-.10823|*|.|0.2988559-41.585584-.10721|*|.|0.30011710-108.845-.28060|*|.|0.30135011-148.403-.38259|.*|.|0.30966312-116.068-.29923|.*|.|0.324553"."markstwostandarderrorsPartialAutocorrelationsLagCorrelation-19876543210123456789110.66393|.|*|20.04492|.|*.|

12、30.07920|.|*.|4-0.18120|.*|.|50.06234|.|*.|60.21949|.|*.|7-0.28446|*|.|8-0.19395|.*|.|90.06136|.|*.|10-0.23080|.*|.|MinimumInformationCriterionLagsMA0MA1MA2MA3MA4MA5AR05.4928235.4257865.4506635.5128245.4349675.538662AR15.2286675.3394345.4473865.5530735.4359745.508633AR25.3388195.4493535.5581335.6628

13、785.5438385.591231AR35.4458825.5562255.6421395.7528955.5194485.541168AR45.2853495.3950045.4578465.3781425.4340425.500542AR55.3721725.4827325.5413875.4113685.5138985.611257Errorseriesmodel:AR(8)MinimumTableValue:BIC(1,0)=5.228667确定数列为AR(1)模型;,拒绝原假设，既两参数由序列的自相关图和偏自相关图及最小信息量准则,参数估计TheARIMAProcedureCond

14、itionalLeastSquaresEstimationStandardApproxParameterEstimateErrortValuePr>|t|LagMU26.967888.155503.310.00250AR1,10.707100.136795.17<.00011参数检验可以看出，均值u以及？1的|P|<0.005均不为零；残差白噪声检验ToChi-Pr>LagSquareDFChiSqAutocorrelations8.0250.1551-0.052-0.0350.201-0.109-0.1390.3571215.87110.14600.014-0.185

15、0.231-0.138-0.2300.0621820.70170.2399-0.110-0.1010.2230.049-0.003-0.0482422.80230.4726-0.013-0.0850.109-0.017-0.0340.007残差的白噪声检验可以看出，残差为白噪声，估计模型：(1-0.7071B)*x(t)=u+a(t)-x=u+0.7071x(t-1)+a其中B为延迟算子，X(t)为t时刻常住人口总数，u为序列均值，a(t)为t时刻的随机扰动。预测2011年至2020年的深圳市常住人口总数如下表：年份预测的常住人口数标准偏差95%置信区间20111074.931415.0765

16、1045.38201104.480920121109.510229.82781051.04871167.971720131141.859844.68711054.27461229.445020141172.633159.05351056.89031288.375820151202.291772.68361059.83451344.749020161231.162385.50711063.57151398.753020171259.475597.53621068.30811450.642920181287.3947108.82091074.10961500.679720191315.035311

17、9.42571080.96521549.105320201342.4788129.41791088.82441596.1332加权处理两种预测，得到如下结果:年份ARIMA一元线性P1P2加权的常住人口数20111074.93141058.0550.50395604960.49604395041066.559963920121109.51021093.270.503686296070.496313703931101.449966220131141.85981128.4850.502945543780.497054456221135.211796120141172.63311163.70.501

18、911777910.498088222091168.183628120151202.29171198.9150.500703125640.499296874361200.605724220161231.16231234.130.499398103830.500601896171232.647936220171259.47551268.3450.498245623060.501754376941263.925810420181287.39471304.560.496688734570.503311265431296.034188920191315.03531339.7750.4953405898

19、70.504659410131327.520422420201342.47881374.990.494018109790.505981890211358.9288784其中P1表示ARIMAS测在各年份预测中所占的权重值，P2表示一元线性预测在各年份预测所占的权重值，加权的常住人口数表示经过加权处理后，综合两种方法对未来十年的深圳市年末常住人口数的预测。下面对深圳市未来十年的人口结构进行预测：根据2010年深圳人口总数是1037.2万，按照每五岁为一个年龄组，把099岁划分成20个年龄组，即04岁为第1个年龄组,59岁为第2个年龄组,1014岁为第3个年龄组，？,9599岁组第20个年龄组，1

20、00岁以上为第21个年龄组，并设各年龄组人口构成的初始人口列向量为X(0)=x1(0),x2(0),x3(0),?,x21(0)T;第5t年各年龄组人口构成的人口列向量为X(t)=x1(t),x2(t),x3(t),?,x21(t)T,称X(t)为人口状态向量。如果设所有年龄组女性人口占同一组总人口比例的系数向量为C=c1,c2,c3,?,c21T,那么在5t年时，女性人口的列向量应为CX(t)=c1x1(t),c2x2(t),c3x3(t),?,c21x21(t)T。各年龄组妇女在五年内的平均生育率向量为B=b1,b1,b2,?,b21T;由于在2000年以后，随着独生子女群体结婚高峰的到来

21、，按照我国现行计划生育政策，这一群体允许生育第二胎，因此育龄妇女的生育率将会上升，其上升幅度现在很难准确估计，但总和生育率R应满足不等式:1<R<2,(即平均一对夫妇终生只能生育R个孩子)。如果2000年以后按2000年总和生育率(1125%)的a(0.9<a<1.3)倍进行估算，那么可取B=ab1,b1,b2,?,b21T。若把t阶段存活的全部新生儿划分到第t+1阶段的第一年龄组，并设各年龄组人口在五年期内的自然存活率向量为S=s1,s2,s3,?,s21T。由于第t阶段k-1年龄组的人存活到第t+1阶段就是k年龄组的人，(k=2,3,4,?,20),且第21年龄组(

22、即100岁以上)的老年人五年后存活下来的仍然属于第21年龄组。由此可得人口系统状态X(t)关于离散时间变量t(t=1,2,3,?,n,?)的状态转移方程组21Xt1=ackbkxktk1Xk，1=Skxk3tx21(t+1)=S20x20(t)+S21x21(t)(1)引进系数矩阵:aobaC2b2ac3b3,aC19b19aC20b20ac21b21Si00000000S2000000a=00S300000H00000000S1900、000000S20S21则方程组(1)可用矩阵形式表示成X(t+1)=AX(t)t=0,1,2,3,?(2)矩阵A为Leslie矩阵2,以A为系数矩阵的人口状

23、态向量X(t)的转移方程(2),就是人口增长的动力学模型。若以2010年的人口向量为初始向量X(0),把X(0)代入方程(2)可依次求得2015年、2020年等以后第5t年的人口向量X(t)的预测值。由于方程(2)以五年为一个时间单位，故应根据表2中的数据计算出五年内各年龄组的死亡率与生育率。假设第k组人口年平均死亡率为入k，则由于单位dxH)(t)时间dt内的死亡人数与人口总数x"t)成正比，即有dtkXk，解止匕微分方程可得五年的人口存活率为Sk=e'k(k=1,2,3,.21)。但当第k组育龄妇女的年平均生育率为fk时，五年的平均生育率就是bk=5fk(1,2,3,?,

24、21)。经计算可得以五年为一个单位时间时这两组数据组成的向量分别为S=0.970009,0.997553,0.997802,0.996357,0.994068,0.993372,0.992578,0.991189,0.987973,0.982161,0.971999,0.955042,0.924641,0.872406,0.774103,0.672032,0.505554,0.396135,0.275891,0.313627,0.301194T;B0,0,0,0.0034,0.06014,0.09029,0.036,0.0093,0.0018,0.00048,0,0,0,0,0,0,0,0,0

25、,0,0T;C=0.4520,0.4169,0.4162,0.5829,0.5435,0,4727,0.4542,0.4298,0.4270,0.4207,0.4268,0.5065,0.5275,0.4967,0.5107,0.5277,0.5672,0,7708,0.7442,0.9091,1经计算得到未来十年的人口人口结构:2015各年龄段人口数2025各年龄段人口数0-4岁54.2880947452.8525005325-9岁46.6948754175814岁36.04096514652.81789121315-19岁33762264

26、07720-24岁25-29岁89.509349076228.4631741937.535809407101.2657913330-34岁211.04900857258.4495743735-39岁155.79323252238.6948397540-44岁136.80112721176.0547521345-49岁105.20608279154.3476965750-54岁64.736217831118.068439655-59岁30.2453767472.51043560160-64岁22.83712278533.69294955565-69岁13.46742568825.11790464

27、70-74岁7.760633524214.33847468975-80岁5.45299924737.675480745380-84岁3.09929006555.1555362638>84岁1.32318045632.6299973943由表格，对比2010年的年龄结构，可以看出，深圳市将面临老龄化严重的问题，并且中青年人口也在总人口中的比重降低。通过深圳卫生和人口计划生育网址，可以得到床位数的相关资料，通过简单的观察，可以发现，床位数随着时间推移以及人口的增加，呈现递增趋势，则依旧常住人口数对医疗床位做最小二乘估计，估计参数：模型汇总方程1复相关系数.989R方.978调整R方.975估

28、计的标准误609.103ANOVA平方和df均方FSig.方程1回归130989608.9291130989608.929353.066.000残差2968051.1718371006.396总计133957660.1009系数未标准化系数BetaTSig.B标准误方程1(常数)-13870.8791648.044-8.417.000年末常住人口35.5631.893.98918.790.000可以看出，调整完的R方=0.975,方程回归的显著性检验sig=.0000,说明年末常住人口对全市床位需求的线性回归高度显著，这与相关系数的检验是一致的，从而可以得出回归方程：Y(t)=-13870.8

29、79+35.563x(t),其中Y(刻t)表示t时深圳市全市的床位数，x(t)表示t时刻深圳市年末常住人口数；则可得出未来10年内全市床位需求：年份(年)2011201220132014201520162017201820192020床位240602530026501276742882729966310793222033340344572010年各区床位总数:深圳市罗湖区福田区南山区与上十幺区光明新区龙冈区坪山新区盐田区床位数22482.000003326.000005416.000002035.000006272.00000583.000004175.00000310.00000365.00

30、000比例1.000000.147940.240900.090520.278980.025930.185700.013790.01624未来十年全市及各区的床位需求:年份深圳市罗湖区福田区南山区宝安区光明新区龙岗区坪山新区盐田区201124060355957962178671262444683323912012253003743609522907058656469834941120132650139216384239973936874921365430201427674409466672505772071851393824492015288274265694426098042748535339

31、74682016299664433721927128360777556541348720173107945987487281386708065771429505201832220476777622916898983659834445232019333404932803230189301865619146054120203445750988301311996138946399475559根据综合医院的结构配置：临床科室设置1 .内科系统：内科心血管专业、内科呼吸专业、内科肾病专业、内科消化专业、内科血液病专业、内科内分泌专业、内科神经内科专业。2 .外科系统：普通外科专业、肝胆外科专业、胃肠外科

32、专业、痔痿外科专业、心胸外科专业、骨科专业、神经外科专业、泌尿外科专业、整形外科专业、烧伤科专业。3 .妇产科系统：妇科专业、产科专业、生殖健康与不孕专业。4 .儿科专业（含新生儿）5 .眼科专业6 .口腔科专业7 .耳鼻喉科专业8 .皮肤科专业9 .麻醉科专业10 .急诊科专业11 .中医科专业12 .传染科13 .医疗美容科主要床位分配需求是在内科，外科，妇产科，儿科和传染科占主要部分，假定各综合医院这些科室的床位分配是评价分配，且这五个科室的床位数占总床位的90%预测分娩在不同机构类型的医疗床位需求：根据收集的资料，及本文全面预测的年龄结构，预测分娩在不同机构类型的医疗床位需求。根据收集

33、到的女性在不同年龄的生育率如下表：15-19岁20-24岁25-29岁30-34岁35-39岁40-44岁45-49岁3.460.1490.29369.31.820.48可以看出，妇女生育率再25-29岁生育率最高，在20-24岁生育率也较高,在其他年龄段的生育率较低。假定深圳市未来十年的男女比例没有太大变化。由年龄结构，2015年适龄女性与2010年的比为：15-19岁20-24岁25-29岁30-34岁35-39岁40-44岁45-49岁2.69909972.55358170.92428050.73875740.87950480.77150190.620597230738448275495

34、565628780751可以看出，未来适龄女性的占总人口的比例比2010年有增加，故相关妇科专科医院和综合医院的妇科床位应该增加相对应的比例，且增加的床位数为2010年妇科专科及综合医院的妇科床位总数的8.12%,计算方法如下y=x(t)*(z(t)-1)其中y为增加床位的百分比，x(t)为t年龄段妇女的生育率,z(t)为t年龄段2015年适龄女性与2010年的比例。同理可以的2020年适龄妇女与2015年的比例为：15-19岁20-24岁25-29岁30-34岁35-39岁40-44岁45-49岁1.0854950.3704930.3916061.0819221.3536241.137003

35、1.29617325659052981053584924238610395则相应的，2020年相关妇科专科医院和综合医院的妇科床位应该相应减少,减少的床位数为2015年妇科专科及综合医院的妇科床位总数的8.59%。预测脑血管在不同机构类型的医疗床位需求：1528例脑血管发病年龄的分布年龄<3030-3940-4950-5960-69>70脑血管发病数2186349357567148比例1.45.622.823.437.19.7由上表，可以看出，脑血管疾病的高发年龄段为40-69岁期间，对比2015年该年龄段人口占总人口的比例与2010该年龄段人口占总人口的比例得到如下比值表：年龄3

36、0-3940-4950-5960-69比例1.25229940061.41663087641.76653561061.6420245833由深圳市卫生和计划生育网站可以得到脑血管的发病率0.005981o则同分娩情况计算方法相同，计算出脑血管相关专科医院与综合医院的脑学管科室应该相对2010年的该种病病床位数增加52.67%。同样，得2020年该年龄段的人口占总人口的比例与2015该年龄段人口占总人口的比例得到如下表格：年龄30-3940-4950-5960-69比例1.19731082191.20619808381.77271526661.4311993469则，可以计算出，2020年脑血管

37、相关专科医院与综合医院的脑学管科室应该相对2010年该病病床数增加39.88%。总结一下其他相关病种，结合年龄结构比例表:0-4岁5-9岁10-14岁15-19岁20-24岁2015年各年龄结构比例0.0450.0390.0300.0280.0752020年各年龄结构比例0.0390.0430.0390.0300.0282010年各年龄结构比例0.0410.0300.0280.0750.1902015年/2010年1.1001.2951.0850.3700.3922020年/2015年0.8601.1001.2951.0850.37025-29岁30-34岁35-39岁40-44岁45-49岁

38、2015年各年龄结构比例0.1900.1760.1300.1140.0882020年各年龄结构比例0.0750.1900.1760.1300.1142010年各年龄结构比例0.1760.1300.1140.0880.0542015年/2010年1.0821.3541.1371.2961.6112020年/2015年0.3921.0821.3541.1371.29650-54岁55-59岁60-64岁65-69岁70-74岁2015年各年龄结构比例0.0540.0250.0190.0110.0062020年各年龄结构比例0.0870.0530.0250.0180.0112010年各年龄结构比例0

39、.0250.0190.0120.0070.0052015年/2010年2.1181.3031.6481.6321.2442020年/2015年1.6112.1181.3031.6481.63275-80岁80-84岁>84岁2015年各年龄结构比例0.0050.0030.0012020年各年龄结构比例0.0060.0040.0022010年各年龄结构比例0.0030.0010.0012015年/2010年1.4701.7561.0062020年/2015年1.2441.4701.756再依据不同病种每个年龄段的发病率进行计算，就可以得出该病种相对应的床位数的增加与减少的百分比。即可得出不

40、同医疗机构就医的床位需求。五、模型优缺点优点：1、具有良好的创造性，在对传统模型的理解的基础，利用加权法对模型进行组合预测，提高了预测准确度。2、本模型采用多种专业统计软件对模型进行求解，如：SAS,SPSS,Excel等。进一步提高模型求解的准确度。3、本模型中采用的数据来源广泛。数据较权威，较全面。4、本模型在短期预测内预测结果准确。缺点：1、影响人口变动有很多因素，不可能见这些因素都考虑到模型中，所以模型从某种程度上来说是不全面的。2、数据纵观时间比较短，对于人口预测会造成误差。3、模型只适合做短期预测，在长期预测中不适用。六、全文总结人口预测是一个极其复杂的过程，当中考虑的因素极为复杂

41、，有人口迁移，经济变化，自然灾害等等。深圳是一个告诉发展的城市，经济体制，产业体制，政府政策等等都会影响人口预测，对此造成极大的影响。本文人口预测是建立在深圳的产业结构，政府政策等等不发生太大变化，允许存在小范围的变动，运用一元线性及时间序列建模，模拟估计。并以此为依据对医疗需求进行了相关的预测。由于作者能力有限，知识水平有限，故模型可能存在问题，希望各位给予指出，进行指导，本人定会对模型进行完善修改。参考文献：1中国人口增长预测2大型综合医院病床分配方法初探3基于Leslie矩阵模型的中国人口总量与年龄结构预测4脑血管病1528例患者发病年龄分析5时间序列分析在人口预测问题中的应用6陕西省人

42、口老龄化发展趋势的数学模型与统计预测7人口预测模型（优秀论文）附录附录关于年末常住人口数、户籍人口及非户籍人口的Q-Q图尔木常住人LI教的正否Q-Q图，户人口的il涌QQ图非户籍人口的趋降正态QQ图2000观iH值Jh态的偏差-1512014016D190200220240260观测值户籍人口的起降正态Q.Q图15时间序列建模SAS的程序段：dataIzm.shijian;inputrenkoushu;year=intnx('year','1jan79'd,_n_-1);formatyearyyqc.;cards;31.4133.2936.6944.9559.5

43、274.1388.1593.56105.44120.14141.6167.78226.76268.02335.97412.71449.15482.89527.75580.33632.56701.24724.57746.62778.27800.8827.75871.1912.37954.28995.011037.2；run;procgplotdata=lzm.shijian;symbol1i=spline;plotrenkoushu*year=1;run;procarimadata=lzm.shijian;identifyvar=renkoushunlag=12;run;identifyvar=

44、renkoushu(1)nlag=12minicp=(0:5)q=(0:5);run;estimateP=1plot;run;forcastlead=10interval=qtrid=dateout=results;run;dataresults;setresults;u95=exp(u95);forecast=exp(forecast+std*std/2);run;procprintdata=results;vardyearforcast;whereyear>='1jan10'd;run;时间序列建模SAS运行输出结果：TheARIMAProcedureNameofVa

45、riable=renkoushuMeanofWorkingSeries445.6878StandardDeviation339.0812NumberofObservations32AutocorrelationsLagCovarianceCorrelation-198765432101234567891StdError01149761.00000|*|011061300.92306|*|0.176777296829.9730.84218|*|0.290693387155.9840.75804|.|*|0.358930477246.6260.67185|.|*.|0.405888567265.7

46、030.58504|.|*.|0.439268657302.0590.49838|.|*.|0.462977747022.3730.40898|.|*.0.479450836288.3500.31562|.|*.|0.490231925420.5810.22109|.|*.|0.4965401014282.1000.12422|.|*.|0.499607113061.7600.02663|.|*.|0.50057112-7239.447-.06296|.*|.|0.500615markstwostandarderrorsPartialAutocorrelationsLagCorrelation

47、-19876543210123456789110.92306|*2-0.06665|*|.|3-0.06538|*|.|4-0.06085|*|.|5-0.05487|*|.|6-0.05314|*|.|7-0.07656|.*|.|8-0.09019|.*|.|9-0.07789|.*|.|10-0.09297|.*|.|11-0.09075|.*|.|12-0.03837|.*|.|TheARIMAProcedureAutocorrelationCheckforWhiteNoiseToChi-Pr>LagSquareDFChiSqAutocorrelations6118.916<

48、;.00010.9230.8420.7580.6720.5850.49812134.0312<.00010.4090.3160.2210.1240.027-0.063SAS系统2012年04月04日星期三下午12时13分3刑3TheARIMAProcedureNameofVariable=renkoushuPeriod(s)ofDifferencingMeanofWorkingSeries32.44484StandardDeviation19.69508NumberofObservations31Observation(s)eliminatedbydifferencing1AutocorrelationsLagCovarianceCorrelation-198765432101234567891StdError0387.8961.00000|L*m01257.5360.66393|*|0.17960