传递函数模型及其在医院业务收入分析中的应用(pdf 41页)

内容摘要
任何时间序列数据都可以看作是由一个随机过程产生的，看作是一个基本的随机过程
的实现，这个随机过程所反代表的概率结构，就是时问序列的概率结构。时间序列数据与
随机过程的关系如同样本数据与总体分布的关系。对随机过程所作的统计推断，J下是藉着
时间序列数据而实现的。
在许多实际问题中，我们观察时闻序列数据进行分析的目的，就是要确定出相应的模
型及参数，然后对未来可能出现的结果进行预报。遮就是说，要根据现在与过去观察序列
的样本值，对该序列未来时刻的取值进行估计。时间序列模型通常就是为了预测而建立的，
在应用中参数的估计和显著性检验的目的都是为了进行预测，以求由最佳参数估计产生最
佳预测。同时时间序列模型的建立及参数估计几乎不需要依赖任何理论，模型参数一般都
不需要有明确的实际意义。平稳时间序列模型建模的一种很流行的方法是自回归求和滑动
平均(autoregressive integrated moving average简称ARIMA)方法，因为时间序列模型是
由美国统计学家George E。EBox和Gwilym M．Jenkins于1970年首次系统提出的，所以时
间序列模型通常也称作Box--Jenkins模型。该模型有三种基本模式：自回归模型(AR)、移
动平均模型(MA)、自回归移动平均模型(AR／VIA)。作为～种预测方法，ARIMA方法的重
点在于在让数据为自身说话的信念之下分析序列本身的概念和随机性质。
另外，从系统的角度而言，变量间的动态关系就是指系统的记忆性，即在某一时亥0进
入系统的输入对系统后继输出的影响。由于ARIblA模型不包含输入变量，所以当需要表达
系统中变量问相互影响的动态关系时，ARIMA模型就显得无能为力了。那么，如果时间序
列模型描述某一时间序列的性态是由另一些时间序列来解释的，则称这一模型为传递函数
模型(transfer function model)、多变量时间序列模型(multivariate time series model)、
AP,I／vlAX模型或Box．Tiao模型。传递函数模型由George E．EBox和Gwilym M．Jenkins于
七十年代在ARIMA模型的基础上提出，在形式上可以看作是ARIMA模型与回归模型的结
合，这种模型能清晰的刻画变量问动态影响的过程。
..............................