
期刊简介
《山西医药杂志》是山西省创刊最早的综合医学期刊,有近四十年的历史,具有载文量大、信息面广、内容丰富、印刷质量上乘的特点,是全国中文核心期刊之一,在省内多次被评为优秀期刊和一级期刊。《山西医药杂志》的前身为《山西医学杂志》,创刊于1957年6月,由中华医学会山西分会主办,山西医学杂志社出版发行。该刊为综合性医学期刊,16开,64页,全国公开发行。总编邵象伊,副总编3人,常务编辑4人。1966年9月《山西医学杂志》停刊,10年间,编辑出版10卷38期。1972年,恢复《山西医学杂志》并更名为《山西医药》,以内部期刊赠送全省各级医疗卫生单位。1974年2月,《山西医药》更名为《山西医药杂志》,继续以内部刊物向全省各地发送。1976年10,《山西医药杂志》(双月刊)向全国公开发行,发行量达到1万多册。1984年《山西医药杂志》从山西卫生报刊编辑部独立,定编5人/1985年,该刊增设胶印插页,主要文章附中、英文摘要,质量明星提高。1989年《山西医药杂志》被评为山廿省优秀科技期刊,同日本东洋医学社建立互换关系,发行量每期突破2万册,居国内省级医学期刊之首。《山西医药杂志》现为双月刊,大16开,88页,期定价为3.50元,双月15日出版,国内外公开发行,国际标准刊号 ISSN 0253-9926 中国标准刊号CN14-1108/R 邮发代号22-38 编辑部地址:山西省太原市华门23号 邮编030013。本刊由中华医学会山西分会主办,山西省卫生厅主管,现任社长兼总编:董海原,主要读者对象为各级医疗卫生技术人员和医学院校师生。多年年,《山西医药杂志》在“党的路线方针政策指引下,坚持普及与提高相结合,侧重普及;坚持理论与实用相结合,注重实用;坚持百花齐放,百家争鸣,立足山西,面向全国,为山西能源重化工基地建设股务,为全国股务”的办宗旨引导下,为宣传和政府的科技方针政策,传递医学信息,开展学术交流,促进医学科技成果转化为生产力做出了一定的贡献。《山西医药杂志》1992年9月被《中文核心期刊要目总览》列为综合性医药、卫生类核心期刊(第32位);1989年被评为山西省优秀期刊;1990年获优秀期刊提名奖;1992、1993年被评为山西省一级期刊;1995-2002年连续被评为山西省一级期刊;1998年被共青力省委、山西省卫生厅授予“青年文明号”称号;1999年获山西省第二届书刊装帧艺术作品三等奖。2002年获国家级“青年文明号”。
如何识别时间序列数据中的偏差?
时间:2024-11-28 17:51:39
可视化方法
绘制时间序列图:将时间序列数据绘制成折线图,直观地观察数据随时间的变化趋势。如果数据存在偏差,可能会出现不符合预期规律的情况。
季节性和周期性分解图:对于具有季节性或周期性的时间序列,可以使用季节性分解或周期图来观察。如果分解后的季节性成分或周期成分出现异常的形状、强度或相位变化,可能提示数据偏差。
平稳性检验(针对非季节性数据):常用的方法有 ADF(Augmented Dickey - Fuller)检验和 KPSS(Kwiatkowski - Phillips - Schmidt - Shin)检验。如果数据应该是平稳的,但检验结果显示非平稳,且通过观察序列图没有发现明显的趋势或结构变化,可能是数据存在偏差。
白噪声检验:白噪声序列是指序列中的各项是相互独立且均值为零、方差恒定的随机变量。通过 Ljung - Box 检验等方法来检查时间序列是否为白噪声。如果数据应该不是白噪声(如存在趋势或季节性),但检验结果显示是白噪声,或者反之,可能是数据存在偏差。例如,在分析气温的时间序列时,正常情况下气温序列不是白噪声,因为有明显的季节性和趋势,如果检验结果显示是白噪声,可能是数据记录的时间间隔错误或者数据缺失导致的。
正态性检验(如果适用):对于一些时间序列模型(如基于正态分布假设的模型),可以使用 Shapiro - Wilk 检验或 QQ 图来检查数据的正态性。如果数据严重偏离正态分布,且这种偏离不符合数据的实际性质,可能是数据偏差。与行业数据对比:将自己的时间序列数据与同行业的其他可靠数据来源进行对比。如果差异显著,可能存在数据偏差。
与历史数据对比(如果有):如果有同一变量的历史数据,比较当前时间序列和历史数据的特征。
与预期模式对比:根据业务知识、领域理论或经验预期,判断时间序列数据是否符合正常模式。残差分析(针对拟合模型):在拟合时间序列模型(如 ARIMA 模型、指数平滑模型等)后,检查模型残差。残差应该是随机分布且均值接近零、方差相对稳定。如果残差呈现出明显的趋势、周期性或自相关性,可能是数据存在偏差或者模型设定错误。
参数稳定性检查(针对动态模型):对于具有自适应或动态参数的时间序列模型(如时变参数模型),检查参数是否在合理范围内稳定变化。如果参数出现突然的跳跃、不合理的增长或衰减,可能是数据偏差导致模型过度拟合或错误估计。例如,在卡尔曼滤波模型用于跟踪目标位置的时间序列时,如果位置参数出现不合理的突变,可能是传感器数据的偏差导致的。