醫院管理中溫特斯線性和季節性指數平滑法預測模型的應用研究

摘要：目的 探究醫院管理中溫特斯線性和季節性指數平滑法預測模型的應用價值。方法 通過溫特斯線性和季節性指數平滑法測定模型，對本市屬醫院2015年1～4季度門診診次進行預測，對模型預測精度進行評價。結果 基于溫特斯線性和季節性指數平滑法測定模型下，對本市醫院2015年1～4季度門診診次進行定量預測，結果較為滿意。利用計算機反復迭代試算，得到了一組較佳的平滑常數（α、β、γ），使得預測模型預測誤差較小。在實例分析過程中，3.5714%為平均絕對百分誤差（MAPE），低于10%，由此可見，預測精度較高。結論 在醫院管理中，溫特斯線性和季節性指數平滑法預測模型應用價值較高。

關鍵詞：醫院管理；溫特斯線性和季節性指數平滑法預測模型；應用價值

隨著我國衛生改革的不斷深入，基本醫療保障體系得以建立，并在不斷發展過程中得到完善，促使人們對基本醫療衛生服務提出更高的要求。基于21世紀新背景下，采用定量方式，掌握市民對醫療衛生的需求，促使醫療衛生發展規劃達到科學化標準，促使醫療衛生資源得到優化，達到提高醫療衛生資源利用率的目的，推動我國醫療水平發展。本文以本市醫療衛生單位門診工作衛生統計資料為依據，構建溫特斯線性和季節性指數平滑預測模型，分析其應用價值。

1 溫特斯線性和季節性指數平滑預測模型

20世紀60年代初，溫特斯提出了線性和季節性指數平滑法，該方法是結合時間順序的因素分解和指數平滑的季節性預測方法。然而，溫特斯線性和季節性指數平滑預測模型，是指數平滑法的發展，兼有線性趨勢和季節變動的時間序列的短期預測較為適用。建立該模型主要分為三個步驟，一是構建趨勢直線并設置為初始逼近，二是利用指數平滑法對趨勢直線進行修正，三是結合季節性調整因子獲得未來水平預測值[1]。

對于該預測模型，可表示為如下：

α、β、γ是溫特斯線性和季節性指數平滑預測模型中所涉及的三個參數，基于實踐經驗下，常用的參數值為α=0.30、β=0.05、γ=0.10。若采用實驗法進行平滑指數選取時，應對三個平滑指數的所有可能性的搭配均考慮到，選擇效果最好的預測模型。

初始值是任何類型指數平滑法的所必備的，且平滑方法是初始值數目與確定的決定性因素。對于溫特斯線性和季節性指數平滑法，確定其初始值的方法如下所示：

SL+1=YL+1……⑤

其中，L表示季節周期長度。

指定的初始值必須蘊含意義，或者說進行的估計屬于正確的。若對初始值的正確性存在懷疑時，可通過調大平滑常數α的方式，避免各期平滑值受到影響。

若時間序列的時序號以t=0為出發點，那么，以上各算式中的St需改為S0，而且，與t相關的下標均需進行合理改動[4]。

2測定預測精度

基于社會經濟不確定性前提下，隨機性不可避免。不管預測方法有效性多高，預測模型對歷史數據擬合效果多好，觀察值與預測值間的誤差必然存在。因此，為促使誤差得到縮減，迫使誤差值處于最低狀態，促使預測精度得到提升，逐漸上升至預測方法研究和預測方案設計的關鍵性內容。對于預測精度評定指標主要包括以下幾個：平均百分誤差（MPE）、誤差平方和（SSE）、平均誤差（ME）、誤差標準差（SDE）、均方誤差（MSE）以及平均絕對百分誤差（MAPE）（%）。本次研究以均方誤差和平均絕對百分誤差為指標[5]。

3 分析實例

以本市屬醫院2013～2014年1～4季度門急診診次資料為依據，利用溫特斯線性和季節性指數平滑預測模型預測2015年1～4季度門急診診次。

基于VisualForpro5.0編程為依據， 設置0.05～0.95，0.05為步長，利用計算機獲得多個結果，通過自動化選擇和保留，最佳預測模型結果以平均絕對百分誤差（MAPE）最小為指標。在計算基礎上，得知α=0.30、β=0.20、γ=0.60時平均絕對百分誤差和均方誤差為最小值，達到了預測模型最優化效果。同時，基于α=0.30、β=0.05、γ=0.10下，進行誤差計算。另外，基于計算機編程反復迭代作用下，獲得的最佳預測模型相關誤差均明顯低于所推薦參數得到的模型誤差。其中，3.5714%為本次研究模型平均絕對百分誤差，低于10%。

在此背景下，以本市屬醫院2015年1～4季度門急診診次實際值為出發點，結合溫特斯線性和季節指數平滑預測模型預測值，對比實際值與預測值，實際值均處于預測值范圍內，見表1。可見，該預測方法預測效果較佳。

4 討論

在構建溫特斯線性和季節指數平滑法預測模型基礎上，為定量化預測本市屬醫院2015年1～4季度門急診診次提出方法，且其預測結果精準度較高，促使衛生管理決策達到科學化、合理化標準，提高管理效果。統計預測方法較多，且對于不同的預測方法，其存在不同的時間序列。指數平滑法不僅具有直觀性強的特點，而且存在操作簡單、遞推性質強的等優點，并在醫院管理中得到廣泛應用。基于連續測試時，只需對最低限度數據進行存貯，且在t時期時，無需掌握過去的觀察值，只需掌握本次研究的實際數據和預測數值即可，則可通過計算，獲得相對應的第t+1下的預測值，充分顯示了指數平滑法的優勢。總而言之，通過計算機，利用迭代模擬試算達到建模的目的，以達到獲得最優參數值得目的，促使溫特斯線性和季節指數預測模型計算更為簡單，提高預測精準度，體現其在衛生管理中的應用價值。

參考文獻：

[1]楊建南，李萍，李世云，等.溫特斯線性和季節性指數平滑法預測模型在醫院管理中的應用探討[J].中國衛生信息管理雜志，2010，06：74-77.

[2]楊建南，李世云，李萍，等.溫特斯線性和季節性指數平滑法預測模型在醫院管理中的應用探討[A]//中國醫院協會病案管理專業委員會（ChineseMedicalRecordAssociation）.中國醫院協會病案管理專業委員會第十九屆學術會議論文集.2010：5.

[3]陸波，閔思韜，閔紅星，等.應用ARIMA模型預測麻疹發病率的可行性研究[J].中國衛生統計，2015，01：106-107.

[4]余苑霖，黃穎.主成分回歸和指數平滑組合的天然氣需求預測--以四川省為例[J].企業改革與管理，2015，08：43-45.

[5]楊建南，李萍，李世云，等.溫特斯線性和季節性指數平滑法預測模型應用探討[J].中國數字醫學，2010，11：49-51.

編輯/趙恒德