运用时间序列模型分析新发传染病网络舆情变化规律的研究

摘要

目的了解新发传染病引起的网络舆情变化的趋势和规律,为舆情监测预警和实施早期舆论引导提供针对性的依据及方向。方法利用百度指数收集网络用户对寨卡、埃博拉两起新发传染病疫情报告后相关信息的搜索量,形成时间序列数据,应用ARIMA模型对数据分析并建立预测模型,对建立的预测模型进行参数估计、模型诊断、模型评价和比较,选择最优预测模型。结果网络舆情前驱期平均4 d,暴发期平均9.5 d,波动期平均13.5 d,消退期平均29 d,到达峰值的时间平均12.5 d。广州市寨卡相关舆情拟合的ARIMA(3,1,0)模型和全国寨卡相关舆情拟合的ARIMA(1,1,1)模型的赤池信息准则(AIC)分别为747.85和689.81,预测的误差的标准差(SDE)分别为27.05和1388.97;埃博拉相关舆情拟合的ARIMA(3,2,1)模型和全国埃博拉相关舆情拟合的ARIMA(3,2,1)模型的AIC分别为850.05和1 150.65,预测的SDE分别为70.87和1 283.21。结论舆情搜索量与该传染病在本地是否出现病例、发病规模、疾病严重程度有关,疾病预防机构在疫情舆情发展中的暴发期进行疾病宣教效果更好,ARIMA模型能较好地模拟新发传染病网络舆情变化趋势,且局部地区的数据拟合模型预测效果优于全国数据拟合模型。