论文部分内容阅读
2020年是我国全面建成小康社会的决胜之年,而关乎国家民族未来的儿童健康状况水平也受到社会各界越来越多的关注。2019年国家卫健委员召开《中国妇幼健康事业发展报告(2019)》新闻发布会,发布会报告显示,新生儿死亡率、婴儿死亡率和5岁以下儿童死亡率分别较1991相比下降了85%以上。同时五岁以下儿童死亡率也是我国政府部门进行妇幼工作计划、管理和决策依据的重要指标。本文资料来源于2019年国家统计年鉴发布的1991-2018年监测地区5岁以下儿童死亡率,其中包括新生儿死亡率(全国、农村、城市)、婴儿死亡率(全国、农村、城市)以及5岁以下儿童死亡率(全国、城市、农村)。首先本文对各项死亡率时间序列进行描述性统计分析,通过Cochran-Armitage趋势检验得出各区域儿童健康发展指标还将继续呈现出下降趋势的结论。以往我国儿童健康指标的制定只是在历史已有数据做简单的外推,所以有时会存在目标制定不太合理的现象。虽然已有学者利用单一预测模型对五岁以下儿童死亡率进行预测,但是缺少传统时间序列预测模型与机器学习模型之间横向综合的比较。为了在预测中反映我国五岁以下儿童各项健康发展指标受到众多因素的影响,本文采取分层预测的思路,即分别对城市、农村不同经济社会发展水平的地区进行预测。利用GM(1,1)模型、径向基函数神经网络模型和支持向量回归机模型对死亡率进行定量预测分析,对各模型的预测结果从回代拟合效果和点预测效果进行综合评价,并将机器学习模型的预测效果与灰色模型的预测效果进行横向的比较,从而为合理制定我国儿童发展状态的目标提供方法理论参考。结果表明,对于本文儿童健康发展指标的预测,机器学习模型的预测效果要好于传统的时间序列预测方法,其中,支持向量回归机模型的预测效果在大多情况下是最佳的,从模型自身角度可以减少过拟合,具有较好的泛化能力。预测结果显示,2020年我国五岁以下儿童健康发展指标依然会呈现下降趋势,但同时城乡差距依然还是明显,城乡收入差距和医疗卫生条件的差距是原因之一,从而提高我国农村地区儿童健康水平是实现纲要的重心工作。本文创新之处在于通过引入支持向量回归机模型对全国五岁以下儿童死亡率时间序列展开预测,从而证明了支持向量回归机对于短期五岁以下儿童死亡率时间序列预测的通用性,进一步拓宽了SVR模型的应用领域,并将机器学习模型的预测效果与传统时间序列预测方法如灰色模型的预测效果从模型鲁棒性以及预测准确性等方面进行了综合横向的比较。