Forecasting Medical Time Series Data Using the ARIMA Model
Article Sidebar
Published:
Oct 1, 2021
Keywords:
Forecast; time series data; ARIMA model; IBM SPSS program; Box-Jenkins method Forecast time series data ARIMA model IBM SPSS Program Box-Jenkins method
Main Article Content
Abstract
Medical time series data forecasting with the Box-Jenkins method (the ARIMA model) is a quantitative prediction method with high accuracy and precision. It is a simple method by using the IBM SPSS software to analyze the data. There are only four steps to creating a suitable model for that serial data. The least forecast error occurs for forecasting future time series data.
Article Details
How to Cite
1.
Vongswanich W. Forecasting Medical Time Series Data Using the ARIMA Model. Siriraj Med Bull [Internet]. 2021 Oct. 1 [cited 2024 Nov. 22];14(4):38-49. Available from: https://he02.tci-thaijo.org/index.php/simedbull/article/view/249858
Section
Review Article
References
เอกสารอ้างอิง
1. สำนักโรคระบาด. จำนวนผู้ป่วย-เสียชีวิตรายเดือนโรคอาหารเป็นพิษ (Food poisoning) [อินเตอร์เน็ต]. 2563. [เข้าถึงเมื่อ 1 กรกฎาคม 2563]. เข้าถึงได้จาก http://www.boe.moph.go.th/boedb/surdata/
2. ทรงศิริ แต้สมบัติ. เทคนิคการพยากรณ์เชิงปริมาณ. ภาควิชาสถิติ มหาวิทยาลัยเกษตรศาสตร์ กรุงเทพมหานคร: สำนักพิมพ์ฟิสิกส์เซ็นเตอร์, 2539.
3. ศิริลักษณ์ สุวรรณวงศ์. เทคนิคการพยากรณ์เชิงปริมาณ: การวิเคราะห์อนุกรมเวลา. นครปฐม: สำนักพิมพ์มหาวิทยาลัยมหิดล, 2556.
4. สุพรรณี อึ้งปัญสัตวงศ์. เทคนิคการพยากรณ์เชิงสถิติ. ขอนแก่น: โรงพิมพ์มหาวิทยาลัยขอนแก่น, 2555.
5. Makidakis, S., Wheelright, S. C. and Mogee, V.E. Forecasting Method and Application 2nd edition, New York: John Wiley & Son; 1983.
6. Vongspanich, J. A Comparison on Statistical Techniques between Single and Combined Forecast: A Case Study on Traffic Accident Data in Bangkok. [M.S.Thesis in Biostatistics]. Bangkok: Faculty of Graduate Studies, Mahidol University, 2000.
1. สำนักโรคระบาด. จำนวนผู้ป่วย-เสียชีวิตรายเดือนโรคอาหารเป็นพิษ (Food poisoning) [อินเตอร์เน็ต]. 2563. [เข้าถึงเมื่อ 1 กรกฎาคม 2563]. เข้าถึงได้จาก http://www.boe.moph.go.th/boedb/surdata/
2. ทรงศิริ แต้สมบัติ. เทคนิคการพยากรณ์เชิงปริมาณ. ภาควิชาสถิติ มหาวิทยาลัยเกษตรศาสตร์ กรุงเทพมหานคร: สำนักพิมพ์ฟิสิกส์เซ็นเตอร์, 2539.
3. ศิริลักษณ์ สุวรรณวงศ์. เทคนิคการพยากรณ์เชิงปริมาณ: การวิเคราะห์อนุกรมเวลา. นครปฐม: สำนักพิมพ์มหาวิทยาลัยมหิดล, 2556.
4. สุพรรณี อึ้งปัญสัตวงศ์. เทคนิคการพยากรณ์เชิงสถิติ. ขอนแก่น: โรงพิมพ์มหาวิทยาลัยขอนแก่น, 2555.
5. Makidakis, S., Wheelright, S. C. and Mogee, V.E. Forecasting Method and Application 2nd edition, New York: John Wiley & Son; 1983.
6. Vongspanich, J. A Comparison on Statistical Techniques between Single and Combined Forecast: A Case Study on Traffic Accident Data in Bangkok. [M.S.Thesis in Biostatistics]. Bangkok: Faculty of Graduate Studies, Mahidol University, 2000.