目的:探讨基于R语言构建的自回归滑动平均模型(autoregressive integrated moving average model,ARIMA)对医用耗材消耗量的预测效果。方法:选取某类预冲式冲管注射器2018年7月至2023年6月月度消耗量数据作为样本数据,利用R语言对样本...目的:探讨基于R语言构建的自回归滑动平均模型(autoregressive integrated moving average model,ARIMA)对医用耗材消耗量的预测效果。方法:选取某类预冲式冲管注射器2018年7月至2023年6月月度消耗量数据作为样本数据,利用R语言对样本数据进行平稳性检验、差分运算等处理,根据赤池信息准则和贝叶斯信息准则,构建ARIMA模型并确定最优模型。以2023年第三季度相应数据作为验证集进行消耗情况预测,并与实际使用情况进行对比,评价ARIMA模型的预测效果。结果:拟合最优的ARIMA模型为ARIMA(0,1,1)(1,0,0)12,预测数据均在95%置信区间,其平均绝对百分比误差为9.92%,使用Ljung-Box统计量对残差序列进行检验时P>0.05,预测结果较为理想。结论:基于R语言的ARIMA模型对医用耗材消耗量预测效果较好,为医用耗材的需求计划制订、预算、采购、管理等工作提供了参考。展开更多
文摘目的:探讨基于R语言构建的自回归滑动平均模型(autoregressive integrated moving average model,ARIMA)对医用耗材消耗量的预测效果。方法:选取某类预冲式冲管注射器2018年7月至2023年6月月度消耗量数据作为样本数据,利用R语言对样本数据进行平稳性检验、差分运算等处理,根据赤池信息准则和贝叶斯信息准则,构建ARIMA模型并确定最优模型。以2023年第三季度相应数据作为验证集进行消耗情况预测,并与实际使用情况进行对比,评价ARIMA模型的预测效果。结果:拟合最优的ARIMA模型为ARIMA(0,1,1)(1,0,0)12,预测数据均在95%置信区间,其平均绝对百分比误差为9.92%,使用Ljung-Box统计量对残差序列进行检验时P>0.05,预测结果较为理想。结论:基于R语言的ARIMA模型对医用耗材消耗量预测效果较好,为医用耗材的需求计划制订、预算、采购、管理等工作提供了参考。
