时间序列分析是专门用于分析时间序列资料的统计模 型。它主要分析变量间的因果关系，重点观察变量随时间变 化的发展规律。时间序列分析方法( ARIMA) 模型在国内外 被广泛应用于很多领域中，利用ARIMA 模型，美国进行了 2010 年人群平均寿命预测^〔1〕，在中国ARIMA 被用于月门诊 量的预测^〔2〕和乙型肝炎发病率的分析^〔3〕。本研究利用 2007 - 2009年吉林省风疹监测系统月发病数据，建立风疹 ARIMA 预测模型并进行风疹疫情的预测，获得较好效果。结 果报告如下。

(1)资料来源:吉林省风疹监测系统数据库中获取吉林省2007-2009年风疹月发病数。(2)方法:利用SPSS13.0统计软件中ARIMA分析方法，通过数据处理及模型识别、模型参数估计、模型检验和产生预测4个步骤对吉林省2007-2009年风疹月发病数时间序列进行分析。

(1)2007～2009年风疹月发病数(表 1)。(2)数据处理及模型确认:根据对数转换后的月发病数，绘制自相关函数和偏自相关函数图与ARIMA模型自相关分析标准图进行对照，可以初步确定此序列符合ARIMA(1，0，1)模型。(3)模型参数估计(表 2):模型适合度统计量采用Ljung-Box方法，模型符合较好(P=0.96)。按α=0.001的水准，常数U、自相关函数、滑动平均数等参数与“0相关”比较差异有统计学意义(P＜0.001)，表明风疹月发病数之间有相关性。(4)模型检验:利用第2步所建模型，得到残差，计算残差相关系数，如果模型合适，则残差应是随机序列。对残差进行自相关和偏自相关分析显示，自相关系数均未超出±0．5，因此不能认为残差序列各数值间有相关性。(5)产生预测(表 3):根据以上模型，对2007年9-12月份的发病进行预测。结果显示，实际发生病例数与预测发生的病例数比较吻合，实际发生病例数均落入预测值的95%CI内。

表 1

表 1 吉林省2007 -2009 年风疹月发病数

表 1 吉林省2007 -2009 年风疹月发病数

表 2

表 2 ARIMA( 1，0，1) 模型参数估计表

表 2 ARIMA( 1，0，1) 模型参数估计表

表 3

表 3 ARIMA 模型预测值

表 3 ARIMA 模型预测值

本次分析结果表明，风疹疫情人数有增加趋势，各地不断出现风疹爆发疫情^〔4〕，建立一种新的及时准确的风疹预测预警模型对控制风疹非常必要。建立风疹疫情预测数学模型科学可信，为风疹预测预警增加一个全新的预测方式和技术手段，使风疹预测预警更加科学、准确。

风疹是一种传染性极强的疾病，但通过接种疫苗可以得到持久的免疫力，在爆发地区进行有效的应急接种可以减少传播、蔓延^〔5〕。通过ARIMA模型可对未来几个月风疹的发病进行精确的预测，对提前发现风疹疫情、提出预警并制定相应的控制策略措施提供了依据。ARIMA模型对风疹疫情预测效果较好。