2030年中國(guó)成年居民畜肉攝入量預(yù)測(cè)

逯曉娣 房玥暉 連怡遙 張繼國(guó) 張曉帆 樸瑋 何宇納

摘 要：目的：預(yù)測(cè)2030年中國(guó)成年居民的畜肉平均攝入量。方法：以2000—2018年7輪分城鎮(zhèn)和農(nóng)村中國(guó)健康與營(yíng)養(yǎng)調(diào)查（CHNS）中20歲及以上成年居民畜肉平均攝入量數(shù)據(jù)為基礎(chǔ)，比較ARIMA、灰色模型和趨勢(shì)外推法3種模型的精度，并對(duì)2030年我國(guó)成年居民畜肉攝入量進(jìn)行預(yù)測(cè)。結(jié)果：城鎮(zhèn)居民畜肉平均攝入量的擬合預(yù)測(cè)中，ARIMA模型的擬合精度和預(yù)測(cè)精度均優(yōu)于趨勢(shì)外推法和灰色模型。農(nóng)村居民畜肉平均攝入量的預(yù)測(cè)，ARIMA模型的擬合精度優(yōu)于趨勢(shì)外推法和灰色模型;預(yù)測(cè)精度則為第二，略低于灰色模型，綜合擬合精度和預(yù)測(cè)精度，ARIMA模型優(yōu)于其他2種模型。ARIMA模型預(yù)測(cè)到2030年城鎮(zhèn)居民和農(nóng)村居民的畜肉平均攝入量將分別達(dá)到131.0、130.6 g/d，比2018年分別增加37.2%、43.5%，將高于膳食指南推薦量。結(jié)論：ARIMA模型對(duì)畜肉攝入量的長(zhǎng)期預(yù)測(cè)效果最理想。依據(jù)預(yù)測(cè)結(jié)果，需采取措施引導(dǎo)居民適量攝入畜肉，以達(dá)到平衡膳食的目標(biāo)。

關(guān)鍵詞：ARIMA;灰色模型;趨勢(shì)外推法;畜肉攝入量;預(yù)測(cè)

畜肉含有豐富的蛋白質(zhì)、脂肪、礦物質(zhì)和維生素，是居民膳食優(yōu)質(zhì)蛋白質(zhì)、鐵、B族維生素、維生素A的主要來(lái)源[1]。研究發(fā)現(xiàn)，過(guò)多畜肉攝入可增加代謝綜合征、2型糖尿病和結(jié)直腸癌的發(fā)病和死亡風(fēng)險(xiǎn)[2-7]。2016年全球疾病負(fù)擔(dān)表明，中國(guó)因畜肉攝入過(guò)多造成了0.9萬(wàn)人死亡，43.8萬(wàn)人年DALYs損失[8]。通過(guò)對(duì)畜肉攝入量的預(yù)測(cè)，可以動(dòng)態(tài)地掌握觀察對(duì)象的畜肉攝入量變化趨勢(shì)，為制定相應(yīng)的營(yíng)養(yǎng)和健康改善策略，降低因畜肉攝入過(guò)量所產(chǎn)生的疾病負(fù)擔(dān)提供科學(xué)依據(jù)。

決定研究對(duì)象過(guò)去發(fā)展的因素，在很大程度上也決定該研究對(duì)象未來(lái)的發(fā)展。因此，應(yīng)用合適的方法找出研究對(duì)象過(guò)去的發(fā)展規(guī)律并進(jìn)行推導(dǎo)，就可以預(yù)測(cè)它的未來(lái)發(fā)展趨勢(shì)。求和自回歸滑動(dòng)平均模型（ARIMA）的基本思想是將具有一定增長(zhǎng)趨勢(shì)的非平穩(wěn)時(shí)間序列，進(jìn)行差分運(yùn)算變成平穩(wěn)序列，再用數(shù)學(xué)模型近似描述原始序列[9]。灰色模型的主要思想是通過(guò)累加和累減計(jì)算，使原始數(shù)據(jù)序列的隨機(jī)性弱化，確定性增強(qiáng)，最后構(gòu)建成一個(gè)僅含時(shí)間變量的連續(xù)微分方程，應(yīng)用數(shù)學(xué)方法求解微分方程中的參數(shù)，從而實(shí)現(xiàn)對(duì)未來(lái)數(shù)據(jù)預(yù)測(cè)的目的。趨勢(shì)外推法預(yù)測(cè)是在對(duì)研究對(duì)象過(guò)去和現(xiàn)在的發(fā)展作出全面分析之后，利用線性函數(shù)、對(duì)數(shù)函數(shù)、逆函數(shù)、二次曲線、三次曲線、復(fù)合函數(shù)、冪函數(shù)、S曲線、增長(zhǎng)曲線、指數(shù)曲線和邏輯函數(shù)等11種函數(shù)對(duì)研究對(duì)象的變化規(guī)律進(jìn)行描述并外推。

目前，已有ARIMA[10-12]、灰色模型[13]和趨勢(shì)外推法等[14]方法應(yīng)用于畜肉消費(fèi)量的預(yù)測(cè)研究，但已有研究是基于國(guó)家統(tǒng)計(jì)局和FAOSTAT的畜肉消費(fèi)量數(shù)據(jù)，對(duì)2025年及之前年份畜肉消費(fèi)量的預(yù)測(cè)，且已有研究尚無(wú)對(duì)畜肉攝入量進(jìn)行預(yù)測(cè)。本研究基于中國(guó)健康與營(yíng)養(yǎng)調(diào)查2000—2018年7輪分城鎮(zhèn)和農(nóng)村調(diào)查數(shù)據(jù)，構(gòu)建ARIMA、灰色模型和趨勢(shì)外推法3種預(yù)測(cè)模型，比較3種模型的精度后，對(duì)中國(guó)成年人畜肉平均攝入量進(jìn)行預(yù)測(cè)研究。通過(guò)對(duì)畜肉攝入量的預(yù)測(cè)，探索中國(guó)居民2030年畜肉攝入量和中國(guó)居民膳食指南推薦量之間的差距，進(jìn)而為開(kāi)展促進(jìn)居民攝入適量畜肉的營(yíng)養(yǎng)健康教育提供數(shù)據(jù)參考。

1 數(shù)據(jù)來(lái)源與研究方法

1.1 數(shù)據(jù)來(lái)源

數(shù)據(jù)來(lái)源于中國(guó)健康與營(yíng)養(yǎng)調(diào)查，該項(xiàng)目是中國(guó)疾病預(yù)防控制中心營(yíng)養(yǎng)與健康所與美國(guó)北卡羅來(lái)納大學(xué)人口中心合作開(kāi)展的中國(guó)居民營(yíng)養(yǎng)狀況隊(duì)列研究。研究采用分層多階段整群隨機(jī)抽樣的方法完成抽樣[15]。調(diào)查通過(guò)中國(guó)疾病預(yù)防控制中心營(yíng)養(yǎng)與健康所倫理審查，所有調(diào)查對(duì)象均在調(diào)查前簽署知情同意書(shū)。本研究選取2000年、2004年、2006年、2009年、2011年、2015年、2018年7輪調(diào)查中20歲及以上分年齡（5歲1個(gè)組）、分性別、分城鎮(zhèn)農(nóng)村人群的膳食調(diào)查數(shù)據(jù)，膳食調(diào)查中個(gè)體的平均每日畜肉攝入量通過(guò)連續(xù)3 d的24 h膳食回顧法獲得。按照2010年人口加權(quán)獲得各年度城鄉(xiāng)居民畜肉的平均攝入量。

1.2 研究方法

1.2.1 數(shù)據(jù)插補(bǔ) 采用線性插值的方法將7輪調(diào)查中非調(diào)查年份數(shù)據(jù)補(bǔ)齊，最終獲得2000—2018年完整的畜肉平均攝入量數(shù)據(jù)。

1.2.2 ARIMA模型[16] ARIMA模型的建模過(guò)程：（1）獲得觀察值序列;（2）判斷序列的平穩(wěn)性;（3）對(duì)非平穩(wěn)的序列進(jìn)行差分運(yùn)算;（4）對(duì)平穩(wěn)的差分后序列進(jìn)行白噪聲檢驗(yàn);（5）對(duì)平穩(wěn)的非白噪聲差分序列擬合ARIMA模型;（6）對(duì)殘差序列進(jìn)行檢驗(yàn);（7）應(yīng)用擬合的ARIMA模型進(jìn)行預(yù)測(cè)。

1.2.3 灰色GM（1，1）模型[17] 灰色模型的建模過(guò)程：（1）在原始數(shù)據(jù)序列基礎(chǔ)上生成一階累加序列;（2）確定相應(yīng)的白化微分方程;（3）求解上述一階線性微分方程，得到預(yù)測(cè)模型;（4）生成原始序列預(yù)測(cè)模型。

1.2.4 趨勢(shì)外推法 趨勢(shì)外推法的建模過(guò)程為：（1）收集所需的數(shù)據(jù);（2）利用Linear、Logarithmic、Inverse、Quadratic、Cubic、Compound、Power、S、Growth、Exponential、Logistic等11種數(shù)學(xué)模型擬合預(yù)測(cè);（3）趨勢(shì)外推;（4）判斷預(yù)測(cè)結(jié)果在進(jìn)行決策中應(yīng)用的可能性。

1.2.5 預(yù)測(cè)精度比較 用ARIMA、灰色模型和趨勢(shì)外推法3種模型分別對(duì)2000—2015年畜肉平均攝入量進(jìn)行擬合，對(duì)2018年畜肉平均攝入量進(jìn)行預(yù)測(cè)。將2018年畜肉攝入量預(yù)測(cè)值與2018年CHNS畜肉攝入量實(shí)際值進(jìn)行比較，判斷3種模型的擬合精度和預(yù)測(cè)精度。MAPE用來(lái)評(píng)估3種模型的擬合精度和預(yù)測(cè)精度[18]，計(jì)算公式如式（1）：

MAPE=1n∑1i=1x～i-xixi×100%（1）

式（1）中，x～i表示預(yù)測(cè)值、xi表示實(shí)際值。

1.3 膳食指南推薦量

《中國(guó)居民膳食指南（2016版）》[19]推薦，居民畜禽肉攝入量為40～75 g。畜肉攝入量與膳食指南推薦量比較采用推薦量的上限值。

1.4 統(tǒng)計(jì)學(xué)分析

使用Excel 2010整理數(shù)據(jù)和制圖，使用SAS 9.4進(jìn)行灰色模型擬合和預(yù)測(cè)分析，使用SPSS 21.0進(jìn)行ARIMA和趨勢(shì)外推法預(yù)測(cè)分析。

2 結(jié)果與分析

2.1 城鎮(zhèn)和農(nóng)村居民畜肉攝入量趨勢(shì)

2000—2018年城鎮(zhèn)居民的畜肉平均攝入量高于農(nóng)村居民。城鎮(zhèn)居民的畜肉平均攝入量在2000—2011年間呈緩慢下降趨勢(shì)，在2012—2018年間呈緩慢上升趨勢(shì)。農(nóng)村居民的畜肉平均攝入量在2000—2018年間呈明顯上升趨勢(shì)，城鄉(xiāng)之間的差距顯著縮小。與膳食指南每日畜禽肉推薦量上限75 g相比，城鎮(zhèn)居民2000—2018年的畜肉平均攝入量已高于膳食指南推薦量。農(nóng)村居民的畜肉平均攝入量在2000—2012年間達(dá)到了膳食指南推薦量水平，2013年后則高于膳食指南推薦量（圖1）。

2.2 ARIMA模型、灰色模型和趨勢(shì)外推法擬合精度比較

2.2.1 城鎮(zhèn)居民畜肉攝入量的3種模型擬合精度和預(yù)測(cè)精度比較 城鎮(zhèn)居民2000—2015年畜肉平均攝入量數(shù)值經(jīng)三階差分運(yùn)算后序列平穩(wěn)，根據(jù)自相關(guān)和偏自相關(guān)圖的特點(diǎn)，對(duì)城鎮(zhèn)居民2000—2015年畜肉平均攝入量建立ARIMA（4，3，0）模型。統(tǒng)計(jì)檢驗(yàn)顯示，擬合模型有統(tǒng)計(jì)學(xué)意義（P值小于0.05），擬合模型R2=0.937，標(biāo)準(zhǔn)化BIC=0.841。城鎮(zhèn)居民2000—2015年畜肉平均攝入量數(shù)值經(jīng)趨勢(shì)外推法11種曲線擬合后，擬合曲線的R2由大到小依次是：三次曲線（0.965）>二次曲線（0.908）>對(duì)數(shù)函數(shù)（0.830）>線性（0.826）>冪函數(shù)（0.824）=復(fù)合函數(shù)（0.824）=增長(zhǎng)函數(shù)（0.824）=指數(shù)函數(shù)（0.824）=Logistic函數(shù)（0.824）>逆函數(shù)（0.531）>S曲線（0.523）。趨勢(shì)外推法擬合結(jié)果表明，三次曲線擬合最好。城鎮(zhèn)居民2000—2015年畜肉攝入量數(shù)值經(jīng)一階累加生成相應(yīng)數(shù)據(jù)序列后，基于累加數(shù)據(jù)構(gòu)建白化微分方程，經(jīng)最小二乘法求解得灰色模型GM（1，1）預(yù)測(cè)模型。城鎮(zhèn)居民畜肉攝入量的3種模型擬合精度和預(yù)測(cè)精度比較顯示，ARIMA模型在擬合精度及預(yù)測(cè)精度上均優(yōu)于灰色模型和趨勢(shì)外推模型。因此，應(yīng)選用ARIMA模型對(duì)2030年中國(guó)城鎮(zhèn)成年居民畜肉消費(fèi)量進(jìn)行預(yù)測(cè)（表1）。

2.2.2 農(nóng)村居民畜肉攝入量的3種模型擬合精度比較農(nóng)村居民2000—2015年畜肉平均攝入量數(shù)值經(jīng)一階差分運(yùn)算后序列平穩(wěn)，根據(jù)自相關(guān)和偏自相關(guān)圖的特點(diǎn)，對(duì)農(nóng)村居民2000—2015年畜肉平均攝入量建立ARIMA（0，1，0）模型。統(tǒng)計(jì)檢驗(yàn)顯示，擬合模型有統(tǒng)計(jì)學(xué)意義（P值小于0.05）。擬合模型R2=0.940，標(biāo)準(zhǔn)化BIC=1.408。農(nóng)村居民2000—2015年畜肉平均攝入量數(shù)值經(jīng)趨勢(shì)外推法11種曲線擬合后，擬合曲線的R2由大到小依次是：二次曲線（0.914）>線性（0.913）>三次曲線（0.908）>復(fù)合函數(shù)（0.907）=增長(zhǎng)函數(shù)（0.907）=指數(shù)函數(shù)（0.907）=logistic函數(shù)（0.907）>冪函數(shù)（0.840）>對(duì)數(shù)函數(shù)（0.825）>S曲線（0.506）>逆函數(shù)（0.485）。趨勢(shì)外推法擬合結(jié)果表明，二次曲線擬合最好。農(nóng)村居民2000-2015年畜肉攝入量數(shù)值經(jīng)一階累加生成相應(yīng)數(shù)據(jù)序列后，基于累加數(shù)據(jù)構(gòu)建白化微分方程，經(jīng)最小二乘法求解得灰色模型GM（1，1）預(yù)測(cè)模型。農(nóng)村居民畜肉攝入量的3種模型擬合精度和預(yù)測(cè)精度比較顯示，ARIMA模型的擬合精度優(yōu)于灰色模型和趨勢(shì)外推模型，預(yù)測(cè)精度則略差于灰色模型。綜合擬合精度和預(yù)測(cè)精度來(lái)看，在對(duì)2030年中國(guó)農(nóng)村成年居民畜肉消費(fèi)量預(yù)測(cè)時(shí)，應(yīng)選用ARIMA模型（表2）。

2.3 2030年城鄉(xiāng)居民畜肉攝入量預(yù)測(cè)

城鎮(zhèn)居民和農(nóng)村居民2000—2018年畜肉攝入量數(shù)值分別經(jīng)二階差分和一階差分運(yùn)算后序列平穩(wěn)，分別建立ARIMA（4，2，1）和ARIMA（0，1，1）模型，統(tǒng)計(jì)檢驗(yàn)顯示，兩個(gè)擬合模型均有統(tǒng)計(jì)學(xué)意義（二者的P值均<0.05）。城鎮(zhèn)居民畜肉攝入量的擬合模型R2=0.981，標(biāo)準(zhǔn)化BIC=1.004;農(nóng)村居民畜肉攝入量的擬合模型R2=0.945，標(biāo)準(zhǔn)化BIC=0.635。ARIMA模型預(yù)測(cè)結(jié)果顯示，城鎮(zhèn)居民和農(nóng)村居民2030年的畜肉平均攝入量與2018年的畜肉平均攝入量相比均呈顯著上升趨勢(shì)。2030年城鎮(zhèn)居民和農(nóng)村居民畜肉平均攝入量分別達(dá)到131.0、130.6 g/d，將比2018年分別增加37.2%、43.5%，均高于膳食指南推薦量上限值（圖2）。

3 討論

本研究基于中國(guó)健康與營(yíng)養(yǎng)調(diào)查7輪分城鎮(zhèn)和農(nóng)村畜肉攝入量數(shù)據(jù)，比較了ARIMA、灰色模型和趨勢(shì)外推法3種方法的擬合精度和預(yù)測(cè)精度，并預(yù)測(cè)了2030年中國(guó)城鄉(xiāng)成年居民畜肉的平均攝入量。

城鎮(zhèn)居民2000—2015年畜肉平均攝入量的3種模型擬合精度為：ARIMA的MAPE最小，為0.37%;趨勢(shì)外推擬合的MAPE居中，為0.41%;灰色模型擬合的MAPE最大，為1.06%。以2000—2015年城鎮(zhèn)居民畜肉平均攝入量，預(yù)測(cè)2018年城鎮(zhèn)居民畜肉平均攝入量，與2018年實(shí)際值比較后，得到的預(yù)測(cè)精度為：ARIMA的MAPE最小，為3.84%;趨勢(shì)外推擬合的MAPE居中，為6.06%;灰色模型擬合的MAPE最大，為8.89%。無(wú)論是擬合精度還是預(yù)測(cè)精度，在預(yù)測(cè)城鎮(zhèn)居民畜肉平均攝入量時(shí)，ARIMA模型均優(yōu)于趨勢(shì)外推法和灰色模型。

農(nóng)村居民2000—2015年畜肉平均攝入量的3種模型擬合精度為：ARIMA的MAPE為1.70%，趨勢(shì)外推法和灰色模型的MAPE分別是2.24%、2.32%。2018年農(nóng)村居民畜肉平均攝入量預(yù)測(cè)值與2018年實(shí)際值比較后，得到的預(yù)測(cè)精度為：灰色模型的MAPE最小，為4.50%，ARIMA模型的MAPE居中，為4.64%，趨勢(shì)擬合的MAPE最大，為9.18%。盡管ARIMA模型的預(yù)測(cè)精度略低于灰色模型，但二者相差不多，結(jié)合畜肉平均攝入量的擬合精度可知，ARIMA模型用來(lái)預(yù)測(cè)農(nóng)村居民畜肉平均攝入量最合適。

ARIMA模型的預(yù)測(cè)結(jié)果顯示，城鎮(zhèn)居民和農(nóng)村居民2030年的畜肉平均攝入量與2018年的畜肉平均攝入量相比將呈上升趨勢(shì)，且高于膳食指南推薦量。這可能與我國(guó)城鎮(zhèn)化率不斷上升[20]，居民飲食逐漸傾向于高脂肪、高糖、低膳食纖維的西方化飲食模式[21]有關(guān)。目前，我國(guó)膳食結(jié)構(gòu)處于變遷階段，以糧谷類(lèi)和蔬菜為主的植物性食物攝入呈下降趨勢(shì)，以畜禽肉為主的動(dòng)物性食物攝入呈上升趨勢(shì)，這一變遷在一定程度上增加了居民優(yōu)質(zhì)蛋白質(zhì)的攝入并提升了居民的膳食質(zhì)量[22]。但是，膳食結(jié)構(gòu)中畜肉攝入量的持續(xù)性上升會(huì)增加心血管疾病、2型糖尿病和結(jié)直腸癌的發(fā)生風(fēng)險(xiǎn)[23-24]。根據(jù)ARIMA模型預(yù)測(cè)結(jié)果，2030年我國(guó)城鎮(zhèn)居民和農(nóng)村居民畜肉攝入量將比2018年分別增加37.2%、43.5%。有研究報(bào)道，60歲以上老年人人口比例每增加1%，人均肉類(lèi)消費(fèi)量將減少0.5%，如果不考慮人口老齡化這一因素，我國(guó)2030年的畜禽肉類(lèi)消費(fèi)需求將被高估5.6%[25]。除去被高估的比例，依據(jù)ARIMA模型，2030年我國(guó)城鎮(zhèn)居民和農(nóng)村居民畜肉平均攝入量的增幅也很大，若不采取措施及時(shí)加以干預(yù)改善，到2030年因畜肉攝入過(guò)多將會(huì)導(dǎo)致更嚴(yán)重的疾病負(fù)擔(dān)。

綜上所述，應(yīng)用ARIMA、灰色模型和趨勢(shì)外推法3種模型對(duì)畜肉攝入量進(jìn)行預(yù)測(cè)，ARIMA模型的長(zhǎng)期預(yù)測(cè)效果最理想。依據(jù)2000—2018年畜肉攝入量的自然趨勢(shì)發(fā)展，ARIMA模型預(yù)測(cè)結(jié)果顯示，2030年城鎮(zhèn)居民和農(nóng)村居民的畜肉平均攝入量與2018年的畜肉平均攝入量相比將呈上升趨勢(shì)，且高于膳食指南推薦量，應(yīng)采取措施提高居民的健康意識(shí)，引導(dǎo)居民適量攝入畜肉，以達(dá)到均衡膳食、合理營(yíng)養(yǎng)的目標(biāo)。

參考文獻(xiàn)

[1]孫長(zhǎng)顥，凌文華，黃國(guó)偉.營(yíng)養(yǎng)與食品衛(wèi)生學(xué)[M].北京：人民衛(wèi)生出版社，2017：148.

[2]Salter A M.The effects of meat consumption on global health[J].Rev Sci Tech，2018，37（1）：47-55.

[3]Luan D，Wang D，Campos H，et al.Red meat consumption and metabolic syndrome in the Costa Rica Heart Study[J].Eur J Nutr，2020，59（1）：185-193.

[4]Huang L N，Wang H J，Wang Z H，et al.Association of red meat usual intake with serum ferritin and the risk of metabolic syndrome in Chinese adults：a longitudinal study from the China Health and Nutrition Survey[J].Biomed Environ Sci，2020，33（1）：19-29.

[5]Du H，Guo Y，Bennett D A，et al.Red meat，poultry and fish consumption and risk of diabetes：a 9 year prospective cohort study of the China Kadoorie Biobank[J].Diabetologia，2020，63（4）：767-779.

[6]De Oliveira M J，Boue G，Guillou S，et al.Estimation of the burden of disease attributable to red meat consumption in France：influence on colorectal cancer and cardiovascular diseases[J].Food Chem Toxicol，2019（130）：174-186.

[7]S D M，El K K，Huybrechts I，et al.Consumption of meat，traditional and modern processed meat and colorectal cancer risk among the Moroccan population：a large-scale case-control study[J].Int J Cancer，2020，146（5）：1333-1345.

[8]何夢(mèng)潔，蘇丹婷，鄒艷，等.1990年和2016年中國(guó)膳食相關(guān)慢性病疾病負(fù)擔(dān)比較[J].衛(wèi)生研究，2019，48（5）：817-821.

[9]豆智慧.ARIMA模型[J].疾病預(yù)防控制通報(bào).2018，33（2）：96.

[10]吉敏，李卓.基于灰色關(guān)聯(lián)分析和支持向量回歸機(jī)組合模型的我國(guó)畜產(chǎn)品消費(fèi)量預(yù)測(cè)[J].上海第二工業(yè)大學(xué)學(xué)報(bào)，2018，35（4）：285-291.

[11]徐琛卓.基于組合模型的我國(guó)畜產(chǎn)品消費(fèi)量預(yù)測(cè)[D].北京：中國(guó)農(nóng)業(yè)科學(xué)院，2015.

[12]鄭莉，段冬梅，陸鳳彬，等.我國(guó)豬肉消費(fèi)需求量集成預(yù)測(cè)——基于ARIMA、VAR和VEC模型的實(shí)證[J].系統(tǒng)工程理論與實(shí)踐，2013，33（4）：918-925.

[13]Zeng B，Li S，Meng W，et al.An improved gray prediction model for China's beef consumption forecasting[J].PLoS One，2019，14（9）：e221333.

[14]李哲敏.中國(guó)城鄉(xiāng)居民食物消費(fèi)與營(yíng)養(yǎng)發(fā)展的趨勢(shì)預(yù)測(cè)分析[J].農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2008（6）：57-62.

[15]中國(guó)健康與營(yíng)養(yǎng)調(diào)查項(xiàng)目組.1989—2009年中國(guó)九省區(qū)居民膳食營(yíng)養(yǎng)素?cái)z入狀況及變化趨勢(shì)（一）健康與營(yíng)養(yǎng)調(diào)查項(xiàng)目總體方案[J].營(yíng)養(yǎng)學(xué)報(bào)，2011，33（3）：234-236.

[16]王燕.應(yīng)用時(shí)間序列分析[M].北京：中國(guó)人民大學(xué)出版社，2008：149.

[17]顏杰，相麗馳，方積乾.灰色預(yù)測(cè)模型及SAS實(shí)現(xiàn)[J].中國(guó)衛(wèi)生統(tǒng)計(jì)，2006（1）：75-85.

[18]Alim M，Ye G H，Guan P，et al.Comparison of ARIMA model and XGBoost model for prediction of human brucellosis in mainland China：a time-series study[J].BMJ Open，2020，10（12）：e39676.

[19]中國(guó)營(yíng)養(yǎng)學(xué)會(huì).中國(guó)居民膳食指南（2016版）[M].北京：人民衛(wèi)生出版社，2016：334.

[20]金言.我國(guó)城鎮(zhèn)化率的提升[J].中國(guó)金融，2021（8）：104.

[21]琚臘紅，于冬梅，房紅蕓，等.2010—2012年中國(guó)居民膳食結(jié)構(gòu)狀況[J].中國(guó)公共衛(wèi)生，2018，34（10）：1373-1376.

[22]中國(guó)營(yíng)養(yǎng)學(xué)會(huì).中國(guó)居民膳食指南科學(xué)研究報(bào)告[M].北京：人民衛(wèi)生出版社，2021：18.

[23]Wolk A.Potential health hazards of eating red meat[J].Journal of Internal Medicine，2017，281（2）：106-122.

[24]Feskens E J，Sluik D，van Woudenbergh G J.Meat consumption，diabetes，and its complications[J].Curr Diab Rep，2013，13（2）：298-306.

[25]白軍飛，閔師，仇煥廣，等.人口老齡化對(duì)我國(guó)肉類(lèi)消費(fèi)的影響[J].中國(guó)軟科學(xué)，2014（11）：17-26.

Meat Intake Forecast of Chinese Adults in 2030

LU Xiao-di，F(xiàn)ANG Yue-hui，LIAN Yi-yao，ZHANG Ji-guo，ZHANG Xiao-fan，PIAO Wei，HE Yu-na

（National Institute for Nutrition and Health，Chinese Center for Disease Control and Prevention，Beijing 100050，China）

Abstract：Objective To predict the average meat intake of Chinese adult residents in 2030.Method Based on the 7 rounds of intake data about adults aged 20 years and older in China Health and Nutrition Survey（CHNS）from 2000 to 2018，the accuracy of ARIMA，Grey Model and Trend Extrapolation Method was compared，and the meat intake of Chinese adults aged 20 and older in 2030 was predicted.Result In the prediction of the average meat intake of urban residents，the fitting accuracy and prediction accuracy of ARIMA Model were better than Trend Extrapolation Method and Grey Model.In the prediction of the average meat intake of rural residents，the fitting accuracy of ARIMA Model is better than Trend Extrapolation Method and Grey Model，while the prediction accuracy of ARIMA is second，slightly lower than the Grey Model.Combined the fitting accuracy with the prediction accuracy，ARIMA Model is better than the other two models.ARIMA Model predicts that by 2030，the average meat intake of urban residents and rural residents will reach 131.0 and 130.6 g/d，respectively，an increase of 37.2% and 43.5% compared with 2018，respectively，which will be higher than the dietary guidelines recommendations.Conclusion ARIMA model has the best long-term prediction effect on meat intake.According to the prediction results，measures should be taken to guide the residents to take meat in moderation in order to achieve the goal of a balanced diet.

Keywords：ARIMA;Grey Model;Trend Extrapolation Method;meat intake;forecast

基金項(xiàng)目：國(guó)家重點(diǎn)研發(fā)計(jì)劃（項(xiàng)目編號(hào)：2018YFC 1315303）。

作者簡(jiǎn)介：逯曉娣（1996— ），女，在讀碩士研究生，研究方向：營(yíng)養(yǎng)流行病學(xué)。

通信作者：何宇納（1967— ），女，博士，研究員，研究方向：營(yíng)養(yǎng)流行病學(xué)。