時間序列分析法在突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿情分析中的應(yīng)用研究*

山東濰坊醫(yī)學(xué)院(261053) 滕文杰

近年來，突發(fā)公共衛(wèi)生事件頻繁發(fā)生，嚴重損害公眾生命健康，危及社會安全穩(wěn)定。在突發(fā)公共衛(wèi)生事件發(fā)生發(fā)展過程中，網(wǎng)民關(guān)注與傳播成為主要推進因素，往往迅速演化為網(wǎng)絡(luò)輿情，并引發(fā)和帶動社會輿情的升溫。由于突發(fā)公共衛(wèi)生事件具有明顯的時間節(jié)點，網(wǎng)民的關(guān)注也隨著時間的推進而出現(xiàn)量的變化，由此引發(fā)的網(wǎng)絡(luò)輿情的變化可以看做一組時間序列資料。本研究運用時間序列分析中的ARIMA(p,d,q)模型[1](差分自回歸移動平均模型，autoregressive integrated moving average)，對突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿情網(wǎng)民關(guān)注度進行趨勢分析和預(yù)測，分析網(wǎng)絡(luò)輿情的傳播規(guī)律，提出針對性的應(yīng)急策略。

資料與方法

1.研究對象

選取2011年以來發(fā)生的典型突發(fā)公共衛(wèi)生事件作為研究對象，分析其網(wǎng)絡(luò)輿情的變化。事件的選擇參考了原國家衛(wèi)生部發(fā)布的2012年中國衛(wèi)生十大新聞[2]、中華醫(yī)學(xué)會公共衛(wèi)生分會等機構(gòu)評出的2011年～2012年十大公共衛(wèi)生事件[3]等，遴選確定了11個典型事件：瘦肉精、染色饅頭、地溝油、皮革奶、蒙牛黃曲霉素、碘鹽防輻射、白酒塑化劑、毒膠囊、黃金大米、塵肺鄉(xiāng)、毒生姜。

2.數(shù)據(jù)來源

利用百度指數(shù)搜索指數(shù)(即用戶關(guān)注度)[4]收集數(shù)據(jù)。搜索指數(shù)反映了網(wǎng)民對相應(yīng)關(guān)鍵詞在一定時期的關(guān)注度。搜索指數(shù)關(guān)注度指標(biāo)能夠比較有效地反映突發(fā)事件網(wǎng)絡(luò)輿情的變化情況[5]。分別以11個典型事件作為關(guān)鍵詞，利用百度搜索指數(shù)，收集各事件在事件發(fā)生前一天開始、到事件發(fā)生后60天內(nèi)的網(wǎng)絡(luò)關(guān)注度數(shù)據(jù)，構(gòu)成11組時間序列資料。

3.研究方法

(1)構(gòu)建平均數(shù)時間序列

為分析11組時間序列資料的發(fā)展規(guī)律，采用事件發(fā)生點作為統(tǒng)一的時間點，組成一一對應(yīng)的數(shù)據(jù)點，分別取各對應(yīng)點的均值，構(gòu)成平均數(shù)時間序列。平均數(shù)時間序列能夠反映現(xiàn)象一般水平的發(fā)展變化過程和趨勢[6]。

(2)ARIMA(p,d,q)模型[1]

ARIMA(p,d,q)模型主要用于非平穩(wěn)時間序列的隨機分析，實質(zhì)上是差分運算和ARMA模型(自回歸移動平均模型，autoregressive moving average)的組合，p，q為自相關(guān)和移動平均階數(shù)，d為差分次數(shù)。任何非平穩(wěn)序列只要通過適當(dāng)階數(shù)的差分實現(xiàn)差分后平穩(wěn)，就可以對差分后序列進行ARMA模型擬合。

ARIMA(p,d,q)模型建模主要包括以下步驟：對原始序列進行平穩(wěn)性檢驗；對非平穩(wěn)序列進行差分運算；對平穩(wěn)d階差分序列進行白噪聲檢驗；對平穩(wěn)非白噪聲差分序列擬合ARMA模型；對殘差序列進行檢驗。整個統(tǒng)計分析借助SAS軟件實現(xiàn)。

模型是指d階差分后自相關(guān)最高階數(shù)為p，移動平均最高階數(shù)為q的模型，通常包含p+q個獨立的未知系數(shù)：φ1,…,φp，θ1,…,θq。如果模型中有部分自相關(guān)系數(shù)φj(1≤j

結(jié)果與分析

1.原始序列時序圖

根據(jù)11組原始時間序列數(shù)據(jù)，構(gòu)建平均數(shù)時間序列做時序圖，顯示該序列有明顯遞減趨勢、無周期波動，為非平穩(wěn)序列(圖1)。

圖1 突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿情關(guān)注度時序圖

2.差分運算及白噪聲檢驗

對原始序列進行1階差分，差分后序列在均值附近比較穩(wěn)定地波動，沒有明顯趨勢，基本認為是平穩(wěn)的。對平穩(wěn)的一階差分序列進行白噪聲檢驗可以看出延遲6階和12階時，P值均<0.05，說明差分后序列不是純隨機序列，具有短期相關(guān)性，可以進行建模分析(見表1)。

表1 突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿情關(guān)注度1階差分后序列白噪聲檢驗

3.相對最優(yōu)定階及模型建立

考察1階差分后序列的自相關(guān)圖和偏自相關(guān)圖，由于隨機性影響并沒有呈現(xiàn)明顯的截尾性，因此采用最小信息準則BIC進行最優(yōu)定階，從所有階數(shù)范圍內(nèi)采用SAS程序MINIC定階命令進行最優(yōu)定階。經(jīng)分析，發(fā)現(xiàn)自回歸階數(shù)p=5時，移動平均階數(shù)為4時，BIC為最小(11.87294)。因此，嘗試構(gòu)建ARIMA(5,1,4)模型。采用條件最小二乘法識別模型系數(shù)，進行參數(shù)顯著性檢驗發(fā)現(xiàn)，p=1,3,4,5，q=4時，參數(shù)都不顯著。p=2，q=1,2,3時，參數(shù)顯著。因此，需要建立一階差分自回歸移動平均疏系數(shù)模型即ARIMA((2),1,(1,2,3))。

4.構(gòu)建疏系數(shù)模型ARIMA((2),1,(1,2,3))

用SAS軟件重新進行模型定階運算，構(gòu)建一階差分自回歸移動平均疏系數(shù)模型即ARIMA((2),1,(1,2,3))，參數(shù)估計結(jié)果見表2，P值均<0.05。模型表達式為(1-0.4616B2)(1-B)xt=(1+0.69127B-0.81438B2-0.79934B3)εt。

表2 突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿情關(guān)注度ARIMA((2),1,(1,2,3))參數(shù)估計結(jié)果

對模型進行殘差純隨機性檢驗，發(fā)現(xiàn)延遲6,12,18,24階時P值分別為0.1545,0.7884,0.9819,0.9995，均>0.05，也就是模型通過殘差自相關(guān)性檢驗，可以認為模型擬合效果良好。模型擬合效果見圖2。

圖2 突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿情關(guān)注度ARIMA((2),1,(1,2,3))模型擬合效果圖

5.網(wǎng)絡(luò)輿情傳播規(guī)律分析

根據(jù)危機生命周期理論，突發(fā)性公共衛(wèi)生危機通常遵循特定的生命周期，經(jīng)典的是美國危機管理學(xué)家Steven Fink 1986年提出的四階段模型：前驅(qū)階段、急性階段、慢性階段、治愈階段[7]。根據(jù)這一理論，分析擬合曲線的轉(zhuǎn)折、降消特點，呈現(xiàn)明顯的上升、達到高峰，下降、反復(fù)波動，消退、低位震蕩、趨于穩(wěn)定的特征，因此將突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿情分為四個階段：前驅(qū)期、爆發(fā)期、波動期、消退期。前驅(qū)期指事件發(fā)生節(jié)點到網(wǎng)絡(luò)輿情急劇升溫前的折點；爆發(fā)期指網(wǎng)絡(luò)輿情出現(xiàn)第一個完整高峰的時長；波動期指輿情反彈、高位波動、表現(xiàn)第2峰或多峰的時長；消退期指持續(xù)下降、低位震蕩、趨于穩(wěn)定的時長。網(wǎng)絡(luò)輿情的消退呈現(xiàn)一個長尾特性，而且網(wǎng)絡(luò)輿情關(guān)注度很難下降到發(fā)生前的水平。從網(wǎng)絡(luò)輿情的監(jiān)控來講，將輿情下降到接近事件發(fā)生前的水平并趨于穩(wěn)定作為消退期的終結(jié)。示意圖如圖3。

圖3 突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿情傳播階段示意圖

6.網(wǎng)絡(luò)輿情傳播階段的時長分析

根據(jù)傳播階段的劃分和11組突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿情關(guān)注度原始數(shù)據(jù)時序圖，分別統(tǒng)計各階段的時長，用均值(反映集中趨勢)和四分位數(shù)(反映離散趨勢)表示11組數(shù)據(jù)總體傳播階段的變化情況。結(jié)果顯示，突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿情前驅(qū)期很短，平均0.6天，有一半事件沒有前驅(qū)期，呈現(xiàn)急劇升溫現(xiàn)象；爆發(fā)期平均4.4天，多數(shù)為4天；波動期平均6.5天；消退期平均27.6天；到達峰值的時間平均3.2天，多數(shù)為3天(表3)。

表3 突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿情傳播階段時長(天數(shù))

討論與建議

1.ARIMA模型的應(yīng)用

ARIMA模型是經(jīng)典的時間序列分析方法，主要用于隨機平穩(wěn)時間序列擬合建模和外推預(yù)測。由于ARIMA模型是對連貫的歷史數(shù)據(jù)的分析，數(shù)據(jù)量越大，模型越準確。差分運算是非平穩(wěn)序列平穩(wěn)化的主要途徑，差分階數(shù)的選擇主要依據(jù)原始序列的特定規(guī)律，識別線性趨勢、曲線趨勢、固定周期趨勢選擇合適的差分方式，但差分運算的階數(shù)要適當(dāng)，避免過差分，而導(dǎo)致大量信息的損失。另外，疏系數(shù)模型的選擇，要在傳統(tǒng)定階方法的基礎(chǔ)上，進行反復(fù)嘗試，刪除不顯著的參數(shù)，逐步優(yōu)化模型，構(gòu)造疏系數(shù)模型。本例中，突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿情作為時間序列的大數(shù)據(jù)資料，ARIMA模型能夠得到很好的應(yīng)用，擬合效果較好。

2.突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿情的應(yīng)急策略

根據(jù)突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)輿情的傳播規(guī)律，危機應(yīng)對應(yīng)把握以下幾點：①前驅(qū)期很短，事件發(fā)生第一天是輿情應(yīng)對的“黃金期”。應(yīng)對時間越早、措施越得當(dāng)、聲音越及時，影響越小，整個周期越短。②高峰期是網(wǎng)絡(luò)輿情監(jiān)控和應(yīng)對的關(guān)鍵期，呈現(xiàn)“4天規(guī)律”。在高峰期的上升期，即事件發(fā)生的第2、3天，是危機應(yīng)對的“第一關(guān)鍵期”，處理及時，應(yīng)對得當(dāng)，可以使輿情產(chǎn)生“拐點”，降低峰值，縮短時長。在高峰期的下降期，即事件發(fā)生的第4、5天，是危機應(yīng)對的“第二個關(guān)鍵期”，處理得當(dāng)，可以迅速降低輿情熱度，縮短波動期時長，甚至可以阻止波動期出現(xiàn)，直接進入消退期。③波動期表現(xiàn)為輿情的反復(fù)，是危機應(yīng)對的“強化期”，相關(guān)處理措施應(yīng)及時跟進，盡快推進輿情進入消退期。④前三個階段是危機應(yīng)對的重點階段，總體呈現(xiàn)“10天規(guī)律”，應(yīng)把握關(guān)鍵環(huán)節(jié)，綜合應(yīng)對，主導(dǎo)網(wǎng)絡(luò)話語權(quán)，引導(dǎo)事件和輿情發(fā)展方向。但應(yīng)注意，網(wǎng)絡(luò)輿情的四階段傳播，僅是一般規(guī)律的反映，會受到危機應(yīng)對等因素的影響，可能帶來某一階段時長的縮短甚至消除，應(yīng)根據(jù)特定事件具體分析。

參 考 文 獻

1.王燕.應(yīng)用時間序列分析.北京:中國人民大學(xué)出版社,2008:146.

2.國家衛(wèi)生計生委.2012年中國衛(wèi)生十大新聞[EB/OL].(2013-01-10)[2014-3-20].http://www.moh.gov.cn/wsb/pxwfb/201301/d184d25bce2040abb9553606e658fd2c.shtml.

3.人民網(wǎng).2011-2012年公共衛(wèi)生十大新聞熱點[EB/OL].(2012-05-11)[2014-3-20].http://medicine.people.com.cn/GB/135395/17860890.html.

4.百度.百度搜索指數(shù)[EB/OL].[2014-3-20].http://index.baidu.com/Helper/?tpl=help&word=%CA%DD%C8%E2%BE%AB.

5.陳濤,林杰.基于搜索引擎關(guān)注度的網(wǎng)絡(luò)輿情時空演化比較分析-以谷歌趨勢和百度指數(shù)比較為例.情報雜志,2013,32(3):7-10.

6.楊國良.統(tǒng)計學(xué)原理.第1版.重慶:重慶大學(xué)出版社,2006:159.

7.葉金珠.網(wǎng)絡(luò)突發(fā)事件蔓延及干預(yù)研究.武漢:華中科技大學(xué),2012:40.