|
预测（forecasting）是预计未来事件的一门艺术，一门科学。它可以借助大量的信息资料和现代化的计算手段，比较准确地揭示出客观事物运行中的本质联系和发展趋势。 我们这里说的预测不是封建迷信的算命，而是基于统计学的科学方法。预测包括： 定量预测：采集历史数据并用数学模型来外推将来。 定性预测：可以是对将来的主观或直觉的预期。
统计预测（statistical forecasting）：是应用最广的预测方法，通过对大量的数据资料进行统计分析，以求得比较准确的预测结果的理论和方法。在医学领域就是医学统计预测。 预测分类：
按预测时期分类：短期预测（一年以内），中期预测（1-3年），长期预测（3年以上）。预测时间越短，精度要求越高。 按预测方法分类：有定性预测和定量预测。定性预测主要包括特尔菲法，主观概率法，交叉概率法等。定量预测又称统计预测，主要包括回归分析法，时间序列法，马尔科夫预测法等。我们这里主要说说定量预测。 按预测范围分类：有静态预测和动态预测两类。静态预测是在一定时间上对事物因果关系的预测。动态预测是对事物未来发展的预测。
方法 | 时间范围 | 适用情况 | 一元线性回归方法 | 短、中期 | 自变量和应变量有线性关系 | 多元线性回归方法 | 短、中期 | 应变量与两个及以上自变量由线性关系 | 非线性方法 | 短、中期 | 应变量与自变量有非线性关系 | 趋势外推法 | 中、长期 | 被预测变量用时间表示时，用非线性回归 | 分解分析方法 | 短期 | 一次性或作为消除季节变动因素的方法 | 指数平滑法 | 短期 | 有或无季节变动的反复预测 | 灰色预测法 | 短、中期 | 时序发展为指数趋势 | ARMA预测法 | 短期 | 平稳时间预测 | ARIMA预测法 | 短期 | 不带季节变动的反复预测 | 季节变动预测 | 短、中期 | 一年内有重复出现规律的变动 | 景气预测法 | 短、中期 | 时序的延续及转折预测 | 状态空间模型 | 短、中期 | 各类时序预测 | 马尔科夫预测法 | 短期 | 连续时间变化分为多个状态，计算系统状态转移率 | 数据挖掘方法 | 多种情况 | 高维时间序列或非时间序列的判别预测 |
统计预测一般步骤
明确预测目的，筛选预测变量。明确目的才能找到相关变量，并确定预报因子。 选择预测方法，收集相关资料。资料包括历史资料和现实资料，要尽可能完整、连续、准确。同时要注意选定的预测模型的需要，如果是长期预测，则用年度资料即可，如果是季节变动，那就要按月或按季资料，最好4年以上。如果用回归模型，则至少需要两个以上变量且具有相关联系的资料。 清理统计资料，建立预测模型。统计资料的整理是所有统计任务都必须做的工作，作用是保证资料的准确性和完整性。主要方法有：1 根据统计学方法剔除离群值。2 用其预测值代替离群值。重点审核近期资料，近期资料比远期资料更重要。 考核预测结果，评价预测模型。一方面根据模型的合理性、稳定性、实用性及预测能力进行评价，另一方面用于实际预测中，观察预测误差，从而调整和选用适合的模型。
ARIMA预测方法
ARIMA（autoregressive integrated moving average）是Box-Jenkins方法中的重要时间序列分析预测模型，称为自回归滑动平均混合模型，它是多个模型的混合，解决两个问题： 分析时间序列的随机性、平稳性和季节性。 在对时间序列分析的基础上，选择适当的模型进行预测。
该方法包括三个过程：自回归、滑动平均、差分求和。 ARIMA模型分为：自回归模型（AR），滑动平均模型（MA），自回归滑动平均模型（ARMA），自回归滑动平均混合模型（ARIMA），又称差分整合自回归滑动平均模型。 
这个模型在时间序列预测方面应用非常广泛，医研云（1rcloud.net）将来会推出此模型，敬请等待。
|
