应用直线回归和时间序列建立诊疗人次预测模型

●孙希蓉

应用直线回归和时间序列建立诊疗人次预测模型

●孙希蓉

目的：运用统计学方法对医院诊疗人次进行预测，为医院的现代化管理提供依据。方法：应用直线回归和时间序列建立预测模型。结果：通过时间序列算出各季度的季节比率，剔除季节比率，通过对相关系数r的检验，证明线性关系显著，建立预测模型YC=143929.8+5515.05t，在此基础上预测2017年和2018年诊疗人次的点估计值以及95%置信区间下的区间估计值。结论：该预测方法比较合理，接近实际，为医院领导各项计划的制定，各项政策的正确实施，正确的决策提供可靠的数据保证和理论支持。

诊疗人次；预测；直线回归；时间序列

现代医院管理中，统计预测已经逐渐成为一种不可或缺的工具。医院诊疗人次是反映医院工作效率的一项重要指标，诊疗人次的多少在很大程度上可以反映医院的规模、医疗质量和技术水平。对医院诊疗人次进行分析和预测，可以为制度医院工作计划和决策管理提供依据，进而最大限度的满足病人需求，以提高医院的社会效益和经济效益。[1]大家都知道诊疗人次与多种因素相互关联，既有长期趋势、季节干扰，又有随机因素，给我们的预测带来了很大难度，因此本文运用了直线回归和时间序列，考虑长期和季节两个主要因素，增加对该指标的预测精度。

1 资料来源

本文资料来源为我院2006年—2016年医院工作报表，资料可靠、准确（见表1、图1）。从图表中可以看到我院诊疗人次从2006-2016年有比较明显的季节波动和长期持续增长趋势。

图1 2006年-2016年各季度诊疗人次折线图

2 方法与结果

（1）运用时间序列算出各季度的季节比率，反映诊疗人次的季节变化规律。公式如下：季节比率=同一季度平均值/各年份总平均数。（计算结果详见表1）

表1 诊疗人次与季节比率

（2）用实际诊疗人次除以季节比率算出剔除季节因素的诊疗人次（Y）

（3）以时间序号t为自变量，剔除季节因素的诊疗人次Y为因变量，绘制散点图（见图2），我们从图中可以明显地看到各个点分布在一条直线的附近，即自变量t和因变量Y有较强的线性相关关系。在此基础上计算二者的相关系数得到r=0.981，进而对相关系数进行t检验得到P＜0.01，说明这两项指标具有高度的直线相关关系。

图2 两变量散点图

（4）根据图形以及数据资料建立剔除季节因素的诊疗人次和时间序号的直线回归方程，以此来推测诊疗人次的长期趋势。该方程为：

YC=143929.8+5515.05t

（5）对于同一资料，如果回归系数有统计学意义，那么相关系数也一定有统计学意义，反之亦然。[2]由上已知相关系数r有统计学意义，所以该直线方程有统计学意义。

3 预测

（1）从图表和直线回归方程中我们不难看出在剔除了季节波动的因素后，我院诊疗人次在这11年的时间中始终呈现比较稳定的发展态势，诊疗人次逐年呈直线上升。综上，我们可以根据直线回归方程计算出长期趋势影响下的诊疗人次，再用该诊疗人次乘以各季度的季节比率预测2017年和2018年诊疗人次的点估计值以及95%置信区间下的区间估计值（见表2）。

表2 各季诊疗人次预测值

（2）验证：我院2016年第四季度实际诊疗人次为392916人次，四季度实际诊疗人次与预测点估计值仅相差27065人次，相差6.9个百分点，而且实际诊疗人次在我们预测的区间估计范围中，由此可见，该预测方法比较合理，接近实际。

4 分析讨论

每个医院的诊疗人次都受到多种因素的影响，在此我们主要考虑了长期趋势和季节变动这两个因素，通过预测诊疗人次，不但看到了该指标的长期变动趋势，还明确地反映了季节波动情况，能更加合理地利用卫生资源及配套设施，用最少的劳动消耗，创造出更多的劳动成果，为医院领导各项计划的制定，各项政策的正确实施，正确的决策提供可靠的数据保证和理论支持。

利用本研究建立的模型，是在假设除长期趋势和季节波动以外的其他影响诊疗人次的因素呈相对稳定的基础上进行的，因此，一旦影响因素发生重大变化，需要重新分析数据，选择新的预测模型。无论完美的模型都会与实际情况有一些偏差，参考置信区间的预测结果会使具体管理、决策工作有一定的弹性空间，更符合实际工作需要。

（作者单位:天津市第五中心医院）

[1]张璟.医院门诊量的长期趋势及季节变动分析[J].中国医院统计,2011,18(3):274-276.

[2]陈峰.医用统计方法[M].上海:复旦大学出版社,2009.113.

[3]姜玉莲,胡鹏.应用马尔可夫预测模型对门诊就诊人次的预测[J].当代医学,2009,15(30):28-29.

[4]黄小琼.最小二乘法预测门诊人数[J].中国病案,2012,13(4):62-63.

[5]沈宁,段司凤,阮文宁.“十二五”期间门诊人次和住院人数的预测[J].中国病案,2011,12(10):48-50.

[6]方红.某院门诊人数与住院人数的预测与相关分析[J].中国医院统计,2011,18(4):336-338.