我國家庭食物中毒事件的時間序列分析

時艷華

（德州學院 物理與電子信息學院，山東 德州 253023）

我國家庭食物中毒事件的時間序列分析

時艷華

（德州學院 物理與電子信息學院，山東 德州 253023）

近年來食品安全事件層出不窮，染色饅頭、有毒奶粉、灌水豬肉等頻繁發生的食品問題引發了人們對食品安全的反思，食品安全已成為全社會關注的熱點話題。文章使用了文獻綜述法、案例法、ARIMA模型法等方法進行了分析，闡述了食品安全理論和時間序列相關理論，剖析了我國食品安全問題的現狀。

食品安全；中毒事件；時間序列

民以食為天，食以安為先。食品是國民生存的物質基礎，食品安全關乎國計民生。近年來，隨著我國經濟的飛速發展，人們在解決溫飽問題的基礎上，對食品安全的關注度也越來越高。同時，食品安全領域出現了令人心憂的現象，如“蘇丹紅咸鴨蛋”、“三聚氰胺超標奶粉”等嚴重威脅人們的身心健康。

正所謂“防患于未然”，如果對可能發生的問題作風險評估分析，能夠在不安全事件將要發生給予及時準確的警示，則可將問題消滅在萌芽狀態。在此背景下，建立ARIMA模型對未來的食品安全走勢進行預測 ，可以為我國食品安全事件的預警與處理提供參考。

1 研究思路與研究方法

（1）研究思路。文章首先簡要概述我國2004～2013年十年間的家庭食物中毒事件，在此基礎上建立了ARIMA序列模型，通過對建立的模型進行檢驗，預測食品安全事件的未來走勢，最后得出結論。

（2）研究方法。本論文的寫作主要運用以下方法：①文獻研究法。通過圖書館查閱相關書籍、網絡檢索等渠道收集了詳實的文獻資料,較為廣泛的了解了時間序列分析方面的資料。②ARIMA模型法。通過2004～2013年全國食物中毒數據，建立ARIMA模型，總結問題所在，得出結論。

2 2004～2013年我國家庭食物中毒事件情況

（1）食物中毒概況，根據衛生部公告的全國食物中毒數據顯示。2004年，家庭食物中毒報告起數共188，中毒4299人，死亡232人。2005年，家庭食物中毒報告起數共123，中毒1907人，死亡201人。2006年，家庭食物中毒報告起數、中毒人數、死亡人數分別為181、3263、162。2007年，家庭食物中毒報告起數219，中毒人數2657，死亡人數228人。與2007年相比，2008年總報告起數有所下降，為147起，中毒人數上升到3110，死亡人數比去年同期低，為132人。2009年，中毒情況有所緩和，報告起數和死亡人數分別為145和154，但中毒人數和近幾年相比達到最高值4139。2010年，從我國家庭食物中毒情況看，中毒人數為歷年最低，共1260人，報告起數為106起，比2009年少39起，死亡145人。2011年，家庭食物中毒報告起數共86起，中毒人數和死亡人數分別是2576和99人。2012年，我國家庭食物中毒相關數據為：報告起數96，中毒人數1615，死亡人數128。2013年，家庭食物中毒報告起數和死亡人數達到歷年來的最低值，分別是81和95，中毒人數為1563。

（2）中毒原因。根據食物中毒原因分析，微生物性食物中毒事件的中毒人數最多，主要是由沙門氏菌、副溶血性弧菌、蠟樣芽孢桿菌、葡萄球菌腸毒素等引起。

3 2004～2013年我國家庭食物中毒時間序列分析

（1）時間序列建模過程。ARIMA模型具體建模過程如下：步驟一∶根據原始數據繪制序列圖，觀察其是否有季節變化規律，大致估計周期。步驟二：對原始數據進行季節差分處理，觀察差分后的序列圖是否平穩，若不平穩，應進行非季節差分，差分往往要求大樣本的特性，即至少7個季節周期的序列值。步驟三：確定相應ARIMA模型的階數。步驟四：對建立的模型作診斷檢驗。對乘積模型的殘差序列做自相關和偏自相關圖，若得到自相關和偏自相關圖均在可信區間內，說明建立的模型是合適的。步驟五：通過建立最優ARIMA模型，對家庭食物中毒事件的未來走勢進行預測。

（2）家庭食物中毒事件實例分析。①對非平穩序列進行平穩化處理。如果數據序列是非平穩的，并存在一定的增長或下降趨勢，則需要對數據進行差分處理。②根據時間序列模型的識別規則，建立相應的模型。③模型檢驗的診斷。對ARIMA（1，1，0）×（1，1，0）4進行診斷。殘差自相關函數在可信區間內，且Box-Ljung統計量尚不能認為有差異，可認為殘差序列呈白噪聲，因此，構建的ARIMA（1，1，0）×（1，1，0）4模型成立。④模型預測。利用ARIMA（1，1，0）×（1，1，0）4模型對我國2013年家庭食物中毒事件進行預測。

4 結語

導致家庭食物中毒的因素有很多，如果采用多元回歸等靜態模型對其進行預測比較困難，而時間序列模型則是采用外推數據的方法，不再專注于變量間的因果關系，而是從變量在事件方面的發展規律入手來建立數學模型。時間序列分析方法是一種很好的預測經濟時間序列走勢的方法，適用于短期預測，在進行長期預測時，隨著時間長度的增加，預測的精度會降低。預測過程是一個動態修正過程。隨著食品安全預警監測對象的不同，統計數據也在不斷積累和完善，對預測模型的精確度和準確性要求也在不斷提高。

ARIMA模型有一個缺陷，隨著預測時間的延長，預測誤差會越來越大，但總體來說，與其他方法相比，其預測的準確性還是比較高的，尤其是短期預測。文章建立的食物中毒報告起數時間序列模型可用于預測我國近幾年來的食物中毒事件發生的水平。該模型較好的擬合了近幾年食物中毒事件的變化規律，預測精度高、效果好。

中國乃至各國食品安全問題近年來不減反增，嚴重威脅人類的身體健康，近年來發生的食品安全事件，讓食品行業遭遇信用危機，制約了國外市場對我國食品的進口需求。目前，加工生產劣質食品、違法經營、違法行政、地方保護等，使得守信者吃虧、失信者得不到懲處，致使造假成風，不講良心道德、不守信用的企業為數不少。在此背景下，只有通過建立合理的ARIMA模型進行預測，并在此基礎上加強預防與防治，盡快建立與完善食源性疾病主動檢測系統，并尋找可行的途徑加強對食品安全問題的監管與控制，才能更好促進國民經濟的平穩運行，有利于消費者合法權益的維護，有利于推進社會和諧。

［1］數據來源于國家食品藥品監督管理總局辦公廳［J］.食藥監辦食監三函，2013，21（5）：297.

［2］薄今綱，于敏芳，劉嘉焜，等.基于季節ARIMA模型的GSM話務量建模和預報［J］.數理統計與管理，2004，24（6）：11.

［3］張蔚，張妍琦，楊旭.時間序列資料ARIMA季節乘積模型及其應用［J］.第三軍醫大學學報，2002，24（8）：955.

［4］李娜，殷菲，李曉松.事件序列分析在結核病發病預測應用中的初步探討［J］.現代預防醫學，2010，37（8）：1426～1428.

［5］項靜恬，杜金觀，史久恩.動態數據處理——時間序列分析［M］.北京：氣象出版社，1986.

［6］陶金，金高水.時間序列分析簡明要略［J］.中國衛生統計，2003，20（3）：151.

［7］戚建江，王旭初.浙江省食物中毒死亡人數的時間序列分析［J］.浙江預防醫學，2009，（10）：16.

Time Series Analysis of Family Food Poisoning Events in China

SHI Yan-hua
（College of Physics and Electronic Information，Dezhou University，Dezhou，Shandong 253023，China）

In recent years,food safety incidents have been endless,and food problems such as pollinated bread，poisonous milk powder and irrigated pork have caused people's reflection on food safety.Food safety has become a hot topic in the whole society.This paper analyzes the theory of food safety and the theory of time series，and analyzes the current situation of food safety in China.

food safety；poisoning event；time series

R155.3

A

2095-980X（2017）02-0122-01

2017-02-07

時艷華，女，大學本科，主要研究方向：時間序列分析。