监测预警基础50-这次学透 ARIMA之第11讲：收官、避坑、总结、进阶|arima|差分|序列|拟合|残差|监测预警

系列简介

这是我们一系列原创技术贴，从易到难，每天学习一点。所有内容均为疾控数据分析、科研论文相关，或者说很多和现在的热门监测预警相关，所以我们这个系列就叫“监测预警基础”。

今天是第50节，最近这算是我们一个小专题吧，大概11讲，我们细化，短篇化，彻底把ARIMA模型搞懂。

今天是学透ARIMA专题第11讲的内容，终于结束了，这一篇做一些总结。

从基础原理到实操建模，从季节性模型到协变量扩展，从模型诊断到预警落地，前面 10 篇我们把 ARIMA 从入门到疾控落地的全流程彻底讲透了。

不少同行跟着代码一步步跑通了自己单位的手足口、流感预测模型，也在后台留言问了很多实操里的踩坑问题：为什么模型拟合很好预测却不准？为什么加了协变量效果反而变差？预警线用多久需要更新？

这最后一篇收官篇，我们就把整个系列收束落地，做三件事：

第一，一张表总结全系列模型选型，对照场景直接用；

第二，梳理疾控建模新手最容易踩的 8 个高频坑，提前避坑少走弯路；

第三，给出疾控场景的进阶学习路线，明确后续提升方向。

很多人学完所有模型反而会纠结 “到底该用哪个”，这里我们直接整理成疾控场景选型对照表，对应需求直接选即可：

绝大多数疾控常规监测、预测、预警场景，SARIMA 模型就完全够用。它也是国内传染病预测类论文、监测方案里最常用的时间序列模型，吃透它完全能覆盖日常工作和职称论文的核心需求，不用为了 “高级” 强行堆复杂模型。

以下都是疾控同行实操里最常踩的坑，每一个都直接影响模型结果的可靠性，建议建模前对照排查。

坑 1：数据不做校验，时间顺序与周期错配比如周次排序错误、跨年 53 周未处理、周度数据frequency错设为 12，数据导入后直接建模。产生的后果就是季节性规律完全错位，模型输出的结果没有任何参考价值。需要我们第一，建模第一步先画时序图，肉眼核对趋势、周期是否符合疾病流行规律，和业务认知对齐；第二，周度数据统一剔除每年第 53 周数据，保证所有年份都是标准 52 周，周期长度固定。
坑 2：数据泄露，全量建模后再拆分测试集比如用全部数据定阶、拟合模型，再拆分训练集和测试集算误差。产生的后果就是测试集误差虚低，看起来模型效果很好，实际外推预测完全不准，属于典型的 “自欺欺人”。

需要我们严格遵循「先拆分，后建模」的黄金原则，所有定阶、拟合、调参步骤只使用训练集数据，测试集全程不碰，只用来做最终的效果验证。

坑 3：过度差分，追求 “绝对平稳”比如为了通过 ADF 检验，做 2 阶、3 阶差分，信奉 “差分越多越平稳”。结果导致过度差分会抹掉序列里的有效流行信息，反而让模型拟合和预测效果大幅下降。需要我们差分遵循「宁少勿多」原则，疾控场景的传染病数据，普通差分d和季节差分D基本都不超过 1，优先用 1 阶差分，绝不用 2 阶以上。
坑 4：跳过残差检验，拟合完就直接用比如我们跑出模型参数就直接做预测，完全跳过残差白噪声检验。结果模型可能根本没提取干净序列的有效规律，预测结果不可靠，相当于 “黑箱瞎猜”。这就需要我们必须做残差白噪声检验，这是模型合格的最低门槛，Ljung-Box 检验 P 值 > 0.05 是必过标准；通不过就回去调整模型阶数，不要硬用。
坑 5：只看训练集拟合，不看测试集外推效果比如我们经常看到历史数据拟合得严丝合缝，就觉得是好模型。结果模型严重过拟合，历史拟合越完美，未来预测越离谱，完全没法落地。这就需要我们做测试集的外推，外推误差才是评价模型好坏的核心指标，优先看测试集的 MAPE、RMSE；训练集拟合再好，测试集误差大也不能用。
坑 6：预测期太长，指望 ARIMA 预测半年一年比如直接预测 52 周、半年甚至一年的病例数，用来做全年发病预判，结果置信区间越来越宽，甚至出现负数下限，预测结果完全没有参考价值。我们使用的时候，ARIMA/SARIMA 本质是短期预测模型，周度数据推荐预测 1-4 周，最多不超过 8 周；月度数据推荐 1-3 个月，预测越久误差越大。
坑 7：协变量滥用，为了加而加比如随便找一堆变量全塞进模型，不管有没有流行病学依据，也不管有没有对应的未来数据。结果变量之间出现多重共线性，模型系数失真、稳定性变差，预测效果反而不如纯 SARIMA。我们使用这个模型的时候，协变量优先选有明确业务逻辑的 2-3 个核心变量，不是越多越好；统计不显著、不符合业务认知的变量及时剔除；做预测必须有对应预测期的协变量数据，否则不要用 ARIMAX 做预测。
坑 8：预警阈值一次建模用到底比如用前 3 年数据建一次模型，预警阈值一用就是一整年。这导致的后果就是流行强度、病毒毒株、防控环境变化后，阈值完全错位，要么频繁误报，要么漏报异常升高。