1、目的:河北省麻疹疫情在密集地粗放性控制措施下，達到了2012年消除麻疹所要求的發(fā)病率低于1/100萬的目標，但是成績未能保持，發(fā)病率來年即達10倍的上漲，而且上漲勢頭在2014年更加猛烈。本文旨在已有的工作經驗基礎上，建立河北省量化的麻疹疫情預測模型，設立量化指標的預警機制，配合和指導現行的工作方法，為真正實現消除麻疹目標制定更為精細有效的策略與措施提供依據。
　　方法:利用EViews8.0軟件，采用自回歸滑動平均混合（ARIM

2、A）模型法，對河北省1979-2013年麻疹年發(fā)病率和2001至2014年第三季度的季、月和周麻疹發(fā)病數進行分析和預測，過程主要包括模型的識別;模型中參數的估計和模型的檢驗;預測應用三個階段。建立河北省麻疹疫情年、季、月和周四層時間序列模型，以適應不同的工作目的和滿足不同工作人員的需要。將預測值的95％可信限作為麻疹疫情的預警線，并以此來評估歷史數據和警戒當前和即將發(fā)生的疫情。
　　結果:
　　1、河北省麻疹疫情特征

3、　　河北省麻疹發(fā)病率自1950年以來整體上呈現波浪式下降趨勢，但是1979年之前發(fā)病率處于高位且起伏較大，而1979年及以后的發(fā)病率表現出比較穩(wěn)定的低位水平。每年發(fā)病均有高峰和低谷，為單峰曲線，高峰跨度主要在3-6月間，最高點出現在4、5月份，以5月份為主。即使在2011-2013年這些低發(fā)病水平年份，發(fā)病的周期性特點依然明顯。
　　2、年發(fā)病率ARIMA模型估計和預警建立年發(fā)病率序列yt，對檢驗后的平穩(wěn)序列yt識別模型為ARIM

4、A(1，0，0);經過參數、模型和殘差檢驗，最后選定的模型為無常數項ARIMA(1，0，0)模型，方程式為:(1-0.73B)yt=et。預測評價指標Theil不等式系數=0.33，BP和VP分別等于0.04和0.07，CVP=0.89，可認為模型的擬合和預測結果良好。擬合值和實際值曲線基本吻合，預測樣本外2013年發(fā)病率0.04/10萬，實際發(fā)病率為0.54/10萬，落在預測值95％可信限范圍內（9.76/10萬），2014年發(fā)病率預

5、測值為0.39/10萬，預警線為10.11/10萬，與前期發(fā)病比較，呈現上升趨勢，需要警惕。
　　3、季發(fā)病數SARIMA模型估計和預警
　　建立季發(fā)病數序列qt，對qt序列直接擬合的SARIMA(0，0，1)(0，1，3)4模型擬合值和實際值曲線不太吻合，而且2010年末至2013年預測值出現負數。對qt序列對數轉換后重新擬合的模型為SARIMA(0，1，2)(0，1，3)4，方程式為:▽▽4ln(qt)=(1-0.31B

6、2)(1+1.26B4-0.32B12)et。前后模型的Theil不等式系數分別為0.42和0.21，系數成倍減小;前模型BP、VP和CVP分別為0、0.07和0.93，現模型分別為0.01、0.03和0.96，改進后現模型的擬合和預測結果有所提升。相比前模型，現模型的擬合值和實際值曲線更為吻合，沒有出現負的預測值。預測樣本外2014年第三季度發(fā)病數249例，實際發(fā)病數182例，落在95％可信限范圍內（897例）。2014年第四季度發(fā)病

7、數預測值為97例，預警線為326例，與前期發(fā)病比較，呈現下降趨勢，與往年的發(fā)病周期性趨勢基本吻合。
　　4、月發(fā)病數SARIMA模型估計和預警
　　建立月發(fā)病數序列mt，對數轉換為序列l(wèi)n(mt+1)，一階差分平穩(wěn)后模型識別為SARIMA(3，1,2)(2，1，2)12。經過參數、模型和殘差檢驗，最后選定的模型為SARIMA(2，1，2)(1，1，2)12，方程式為:(1-0.73B2)(1+0.73B12)▽▽12ln(m

8、t+1)=(1+0.75B2)(1+0.85B24)et。預測評價指標Theil不等式系數=0.13，BP≈0，VP=0.05，CVP=0.95，可認為模型擬合和預測結果良好。預測樣本外2014年9月發(fā)病數63例，實際發(fā)病數18例，落在95％可信限范圍內（155例）。2014年10月發(fā)病數預測值為18例，預警線為45例，與前期發(fā)病比較，呈現下降趨勢，與往年的發(fā)病周期性趨勢基本吻合。
　　5、周發(fā)病數SARIMA模型估計和預警

9、>　　建立周發(fā)病數序列wt，對數轉換為序列l(wèi)n(wt+1)，一階差分平穩(wěn)后模型識別為SARIMA(1，1，1)(2，1，2)52。經過參數、模型和殘差檢驗，最后選定的模型為SARIMA(1，1，1)(2，1，2)52模型，方程式為:(1+0.24B)(1+0.83B52)(1+0.17B104)▽▽52ln(wt+1)=(1+0.33B)(1+0.87B104)et。預測評價指標Theil不等式系數=0.11，BP≈0，VP=0.01，

10、 CVP=0.99，可認為模型擬合和預測結果良好。預測樣本外2014年第38周發(fā)病數6例，實際發(fā)病數6例，落在95％可信限范圍內（14例）。2014年第39周發(fā)病數預測值為7例，預警線為16例，與前期發(fā)病比較，呈現上升趨勢。
　　結論:
　　1、麻疹疫情四層時間序列模型的聯合使用，在一定程度上提升了預測的精度和延長了預測時長，彌補了單一模型的這種不足。
　　2、配合常規(guī)的評價方法，即時地利用麻疹時間序列模型評價現行的疫