ARIMA모델에 의한 피용자(被傭者) 의료보험(醫療保險) 수진율(受診率), 건당진료비(件當診療費) 및 건당진료일수(件當診療日數)의 추이(推移)와 예측(豫測)

장규표,감신,박재용,Jang, Kyu-Pyo,Kam, Sin,Park, Jae-Yong 대한예방의학회 1991 예방의학회지 Vol.24 No.3

공무원 및 사립학교교직원 의료보험과 직장의료보험에서 입원, 외래별 수진을, 건당진료비 (1985년 기준 불변가격), 건당진료일수 등의 장래예측을 통해 의료보험 진료비 안정화 방안을 마련하는데 기초자료로 제시하기 위하여, 이들의 $1979{\sim}89$년간 월별 통계자료를 이용, Box-Jenkins model인 ARIMA 모델을 적용하여 1994년 까지의 수진을, 건당진료비 및 건당진료일수를 예측한 결과를 요약하면 다음과 같다. 수진을, 건당진료비 및 건당진료일수의 ARIMA 모형을 제시하면 다음 표와 같다. 상기의 ARIMA 모형을 기초로하여 향후 5년간의 수진율을 예측한 결과, 공교의료보험 입원의 경우, 1989년의 실측치는 0.068건 이었으며, 1990년과 1991년은 0.068건, 1992년과 1993년은 0.069건, 1994년은 0.070건으로 연평균 0.7%정도 증가될 것으로 예측되었으며, 외래의 경우, 1989년의 실측치는 3.487건이었으나 1990년은 3.530건, 1994년은 3.668건으로 연평균 1%정도 증가될 것으로 예측되었다. 직장의료보험 입원의 경우, 1989년의 실측치는 0.063건이었으며, 1990년부터 1994년까지 모두 0.063건으로 안정될 것으로 예측되었으며, 외래의 경우 1989년의 실측치는 2.984건이었으나, 1990년은 3.016건, 1994년은 3.154건으로 연평균 1.1% 정도 증가될 것으로 예측되었다. 건당진료비의 향후 예측치는 12월을 기준으로하여 1985년 불변가격으로 공교의료보험 입원의 경우, 1989년의 실측치는 332,751원이었으나, 1990년은 345,938원, 1994년은 354,511원으로 연평균 0.6%정도 증가될 것으로 예측되었으며, 외래의 경우, 1989년의 실측치는 11,925원이었으나, 1990년은 12,638원, 1994년은 12,904원으로 연평균 0.5%정도 증가될 것으로 예측되었다. 직장의료보험 입원의 경우, 1989년 실측치는 281,835원이었으나, 1990년은 282,524원, 1994년은 293,973원으로 연평균 1%정도 증가될 것으로 예측되었으며, 외래의 경우, 1989년 실측치는 11,599원이었으나, 1990년부터 1994년까지 11,585원으로 안정될 것으로 예측되었다. 건당진료일수의 향후 예측치는 12월을 기준으로 하여 공교의료보험 입원의 경우, 1989년의 실측치는 13.79일이었으며, 1990년은 13.82일, 1993년과 1994년은 13.85일로 거의 안정될 것으로 예측되었으며, 외래의 경우, 1994년까지 5일 정도로 안정될 것으로 예측되었다. 직장의료보험 입원의 경우, 1989년의 실측치는 12.23일이었으나, 1990년은 12.30일, 1994년은 12.85일로 연평균 1.1%정도 증가될 것으로 예측되었으며, 외래의 경우 1989년의 실측치는 4.61일이었으며 1990년부터 1994년까지 4.60일로 안정될 것으로 예측되었다. The objective of this study was to provide basic reference data for stabilization scheme of medical insurance benefits through forecasting of the medical care utilization rate, the medical expence per case, and the treatment days per case in medical insurance program for government employees & private school teachers and for industrial workers. For the achievement of above objective, this study was carried out by Box-Jenkins time series analysis (ARIMA Model), using monthly statistical data from Jan. 1979 to Dec. 1989, of medical insurance program for government employees & private school teachers and for industrial workers. The results are as follows ; ARIMA model of the medical care utilization rate in medical insurance program for government employees & private school teachers was ARIMA (1, 1, 1) and it for outpatient in medical insurance program for industrial workers was ARIMA (1, 1, 1), while it for inpatient in medical insurance program for industrial workers was ARIMA (1, 0, 1). ARIMA model of the medical expense per case in medical insurance program for government employees & private school teachers and for outpatient in medical insurance program for industrial workers were ARIMA (1, 1, 0), while it for inpatient in medical insurance program for industrial workers was ARIMA (1, 0, 1). ARIMA model of the treatment days per case of both medical insurance program for government employees & private school teachers and industrial workers were ARIMA (1, 1, 1). Forecasting value of the medical care utilzation rate for inpatient in medical insurance program for government employees & private school teachers was 0.0061 at dec. 1989, 0.0066 at dec. 1994 and it for outpatient was 0.280 at dec. 1989, 0.294 at dec. 1994, while it for inpatient in medical insurance program for industrial workers was 0.0052 at dec. 1989, 0.0056 at dec. 1994 and it for outpatient was 0.203 at dec. 1989, 0.215 at 1994. Forecasting value of the medical expense per case for inpatient in medical insurance program for government employees & private school teachers was 332,751 at dec. 1989, 354,511 at dec. 1994 and it for outpatient was 11,925 at dec. 1989, 12,904 at dec. 1994, while it for inpatient in medical insurance program for industrial workers was 281,835 at dec. 1989, 293,973 at dec. 1994 and it for outpatient was 11,599 at dec. 1989, 11,585 at 1994. Forecasting value of the treatment days per case for inpatient in medical insurance program for government employees & private school teachers was 13.79 at dec. 1989,13.85 at an. 1994 and in for outpatient was 5.03 at dec. 1989, 5.00 at dec. 1994, while it for inpatient in medical insurance program for industrial workers was 12.23 at dec. 1989, 12.85 at dec. 1994 and it for outpatient was 4.61 at dec. 1989, 4.60 at 1994.

ARIMA모형을 적용한 외국인 이용객 호텔객실 수요예측모형 선정

김태구(Tae Goo Kim),송두석(Doo Suk Song) 한국호텔외식관광경영학회 2006 호텔경영학연구 Vol.15 No.5

This paper presents the use of time series seasonal ARIMA and ARIMA with intervention in forecasting room demand of foreigners. The most suitable forecasting model was investigated. With MAPE as the basis, the seasonal ARIMA and ARIMA with intervention were found to forecast at within 10% error (seasonal ARIMA: 5.84%, ARIMA with intervention: 5.70%). On one side, the ARIMA with intervention uses the March 2003 SARS (severe acute respiratory syndrome) and the December 2003 pathogenic avian influenza of interventions, and the error of forecasting for the time period afterwards, from March 2003 to December 2005, has been found to be lower by a narrow margin as compared to the seasonal ARIMA. In addition, it was founded that the error of the forecasting in the ARIMA with intervention was superior to the seasonal ARIMA for the entire sample analysis of the time period of January 1997 to December 2005. Hence, in this study, ARIMA with intervention was found to have higher accuracy.This paper presents the use of time series seasonal ARIMA and ARIMA with intervention in forecasting room demand of foreigners. The most suitable forecasting model was investigated. With MAPE as the basis, the seasonal ARIMA and ARIMA with intervention were found to forecast at within 10% error (seasonal ARIMA: 5.84%, ARIMA with intervention: 5.70%). On one side, the ARIMA with intervention uses the March 2003 SARS (severe acute respiratory syndrome) and the December 2003 pathogenic avian influenza of interventions, and the error of forecasting for the time period afterwards, from March 2003 to December 2005, has been found to be lower by a narrow margin as compared to the seasonal ARIMA. In addition, it was founded that the error of the forecasting in the ARIMA with intervention was superior to the seasonal ARIMA for the entire sample analysis of the time period of January 1997 to December 2005. Hence, in this study, ARIMA with intervention was found to have higher accuracy.

ARIMA모형을 이용한 2011년 BDI의 예측

모수원(Soo-Won Mo) 한국항만경제학회 2010 韓國港灣經濟學會誌 Vol.26 No.4

2011년 세계경기는 그리 밝지 않은 것으로 전망되고 있다. 금년 11월 미국 정부가 6,000억 달러라는 천문학적 규모의 양적 완화를 발표하였음에도 별다른 효과를 기대하지 않을 정도로 세계경제에 대한 전망이 흐린 것이다. 글로벌 불균형과 환율문제에서의 국가간 갈등, 국제통화제도의 불안정 등도 경기회복을 더디게 하는 요인으로 지목되고 있다. 그런데 해운경기와 세계경제는 밀접한 연관성을 갖기 때문에 당연히 해운경기에 대한 전망이 밝지 않다. 본고는 2011년의 해운경기를 예측하기 위하여 단변량 모형인 4개의 ARIMA 모형과 6개의 개입ARIMA모형을 이용한다. 먼저 사후적 예측을 하여 10개의 모형의 RMSPE가 비교적 높을 뿐만 아니라 RW 모형의 그것보다 높아 동 모형을 이용한 예측이 부정확할 수 있음을 보인다. 그러나 이러한 점은 예측치에 대한 부정확을 의미하는 것이지 2011년 해운경기의 흐름에 대한 예측을 거부하는 것은 아니다. 사전적 예측을 통해 모형간 예측치가 비교적 큰 차이를 보이나 2011년 내내 침체 상태에 있거나 2011년 후반기에 침체상태로 접어든다는 것을 밝힌다. 해운업계에 어려운 시기가 될 수 있다는 것을 시사한다. The purpose of the study is to predict the shipping business during the period of 2011 using the ARIMA-type models. This include the ARIMA and Intervention-ARIMA models. The multivariate cause-effect econometric model is not employed for not assuring a higher degree of forecasting accuracy than the univariate variable model. Such a cause-effect econometric model also fails in adjusting itself for the post-sample. This article introduces the four ARIMA models and six Intervention-ARIMA models. The monthly data cover the period January 2000 through October 2010. The out-of-sample forecasting performance is compared between the ARIMA-type models and the random walk model. Forecasting performance is measured by three summary statistics: root mean squared percent error, mean absolute percent error and mean percent error. The root mean squared percent errors of all the ARIMA-type models are somewhat higher than normally expected. Furthermore, the random walk model outperforms all the ARIMA-type models. This reveals that the BDI is just a random walk phenomenon and it's meaningless to predict the BDI using various econometric techniques. The ARIMA-type models show that the shipping market is expected to be bearish in 2011. These pessimistic ex-ante forecasts are supported by the Hodrick-Prescott filtering technique.

단일변량 모형을 이용한 토지가격 예측력 비교

최차순 한국부동산경영학회 2022 부동산경영 Vol. No.

The Purpose of this paper is to compare different models’ forecasting performance of ARIMA, ARIMA-GARCH, ARIMA-RS models in Korean land market covering the period from the first quarter of 1987 to the first quarter of 2022. I carry out in-sample and out-of-sample forecasting power to Korean land price index. For the comparison of forecast powers, I calculate root mean squared forecast errors and mean absoute forecast errors for each forecasting horizon of the second quarter of 2021 to the first quarter of 2022. I test the statistical signification of the predictive comparison results using DM test. The empirical results are as follows: First, the forecasting power of the ARIMA(1,1,0)-GARCH model is the best in all horzions in- and out-of-sample. Second, within the sample, the forecasting power of the ARIMA(1,0) model is relatively better than that of the ARIMA(2,1,0) model, but outside the sample, it is the opposite. In addition, within the sample, the forecasting power of the ARIMA(3,1,0)-RS model is relatively better than that of the ARIMA(1,0)-RS model, but it is contrary to the sample. Third, it is found that the predictive power of the regime-switching model(RSM) is significantly decreased in all predictive horzions in- and out-of-sample. In order to stabilize the real estate market, it is necessary to consider the ARIMA(1,0)-GARCH model as an alternative to the prediction model. 본 연구에서는 ARIMA, ARIMA-GARCH, ARIMA-RS 모형들의 토지가격 예측력을 비교하였다. 분석에 사용된 자료는 1987년 1분기부터 2022년 1분기까지 토지가격지수이며, 예측시계별로 표본내(in-sample)와 표본외(out-of-sample) 예측력을 추정하였다. 예측력은 평균제곱오차제곱근(RMSFE)와 평균절대오차(MAFE)를 적용하였고 각 모형들의 예측력이 통계적 유의성이 있는지 여부에 대해 DM 검정 수행하였다. 분석 결과는 다음과 같다. 첫째, 표본내외의 모든 시계에서 ARIMA(1,1,0)-GARCH 모형의 예측력 가장 우수하게 나타났다. 둘째, 표본내에서는 ARIMA(1,1,0) 모형의 예측력이 ARIMA(2,1,0) 모형보다 상대적으로 더 우수하게 나타났지만, 표본외에서는 반대로 나타났다. 또한 표본내에서는 ARIMA(3,1,0)-RS 모형의 예측력이 ARIMA(1,1,0)-RS 모형의 예측력보다 상대적으로 더 우수하게 나타났지만, 표본외에는 반대로 나타났다. 셋째, 표본내외의 모든 예측시계에서 국면전환모형(RSM)예측력이 현저히 떨어지는 것으로 나타났다. 부동산시장의 안정화를 위해 이분산성의 특징을 잘 표착할 수 있는 ARIMA(1,1,0)-GARCH 모형을 예측 모형의 대안으로 고려할 필요성이 있다.

단일변량 모형을 이용한 토지가격 예측력 비교

최차순 한국부동산경영학회 2022 부동산경영 Vol.26 No.-

본 연구에서는 ARIMA, ARIMA-GARCH, ARIMA-RS 모형들의 토지가격 예측력을 비교하였다. 분석에 사용된 자료는 1987년 1분기부터 2022년 1분기까지 토지가격지수 이며, 예측시계별로 표본내(in-sample)와 표본외(out-of-sample) 예측력을 추정하였 다. 예측력은 평균제곱오차제곱근(RMSFE)와 평균절대오차(MAFE)를 적용하였고 각 모 형들의 예측력이 통계적 유의성이 있는지 여부에 대해 DM 검정 수행하였다. 분석 결과 는 다음과 같다. 첫째, 표본내외의 모든 시계에서 ARIMA(1,1,0)-GARCH 모형의 예측 력 가장 우수하게 나타났다. 둘째, 표본내에서는 ARIMA(1,1,0) 모형의 예측력이 ARIMA(2,1,0) 모형보다 상대적으로 더 우수하게 나타났지만, 표본외에서는 반대로 나 타났다. 또한 표본내에서는 ARIMA(3,1,0)-RS 모형의 예측력이 ARIMA(1,1,0)-RS 모 형의 예측력보다 상대적으로 더 우수하게 나타났지만, 표본외에는 반대로 나타났다. 셋 째, 표본내외의 모든 예측시계에서 국면전환모형(RSM)예측력이 현저히 떨어지는 것으 로 나타났다. 부동산시장의 안정화를 위해 이분산성의 특징을 잘 표착할 수 있는 ARIMA(1,1,0)-GARCH 모형을 예측 모형의 대안으로 고려할 필요성이 있다. The Purpose of this paper is to compare different models’ forecasting performance of ARIMA, ARIMA-GARCH, ARIMA-RS models in Korean land market covering the period from the first quarter of 1987 to the first quarter of 2022. I carry out in-sample and out-of-sample forecasting power to Korean land price index. For the comparison of forecast powers, I calculate root mean squared forecast errors and mean absoute forecast errors for each forecasting horizon of the second quarter of 2021 to the first quarter of 2022. I test the statistical signification of the predictive comparison results using DM test. The empirical results are as follows: First, the forecasting power of the ARIMA(1,1,0)-GARCH model is the best in all horzions in- and out-of-sample. Second, within the sample, the forecasting power of the ARIMA(1,0) model is relatively better than that of the ARIMA(2,1,0) model, but outside the sample, it is the opposite. In addition, within the sample, the forecasting power of the ARIMA(3,1,0)-RS model is relatively better than that of the ARIMA(1,0)-RS model, but it is contrary to the sample. Third, it is found that the predictive power of the regime-switching model(RSM) is significantly decreased in all predictive horzions in- and out-of-sample. In order to stabilize the real estate market, it is necessary to consider the ARIMA(1,0)-GARCH model as an alternative to the prediction model.

시계열 모형을 활용한 일사량 예측 연구

서유민,손흥구,김삼용 한국통계학회 2018 응용통계연구 Vol.31 No.6

With the development of renewable energy sector, the importance of solar energy is continuously increasing. Solar radiation forecasting is essential to accurately solar power generation forecasting. In this paper, we used time series models (ARIMA, ARIMAX, seasonal ARIMA, seasonal ARIMAX, ARIMA GARCH, ARIMAX-GARCH, seasonal ARIMA-GARCH, seasonal ARIMAX-GARCH). We compared the performance of the models using mean absolute error and root mean square error. According to the performance of the models without exogenous variables, the Seasonal ARIMA-GARCH model showed better performance model considering the problem of heteroscedasticity. However, when the exogenous variables were considered, the ARIMAX model showed the best forecasting accuracy. 신재생에너지 산업이 발전함에 따라 태양광 발전에 대한 중요성이 확대되고 있다. 태양광 발전량을 정확히 예측하기 위해서는 일사량 예측이 필수적이다. 본 논문에서는 태양광 패널이 존재하는 청주와 광주 지역을 선정하여 기상포털에서 제공하는 시간별 기상 데이터를 수집하여 연구하였다. 일사량 예측을 위하여 시계열 모형인 ARIMA, ARIMAX, seasonal ARIMA, seasonal ARIMAX, ARIMA-GARCH, ARIMAX-GARCH, seasonal ARIMA-GARCH, seasonal ARIMAX-GARCH 모형을 비교하였다. 본 연구에서는 모형의 예측 성능을 비교하고자 mean absolute error와 root mean square error를 사용하였다. 모형들의 예측 성능 비교 결과 일사량만 고려하였을 때는 이분산 문제를 고려한 seasonal ARIMA-GARCH 모형이 우수한 성능을 나타냈고, 외생변수를 활용한 ARIMAX 모형으로 일사량 예측을 한 경우가 가장 좋은 예측력을 나타냈다.

최적 시계열 수요예측 모델선정에 관한 연구

이충기,송학준 한국관광학회 2007 관광학연구 Vol.31 No.6

This study aims to develop four time-series models in order to select the best model among the time-series models based on MAPE(mean absolute percentage error). The time-series models include various ones including ARIMA model. The first three models have been most popularly used for forecasting tourism demand, whereas the last model of ARIMA Intervention is reported to be more logical and accurate than any other time-series models since special events such as terrorism and mega-events can be incorporated into the model. The results of model estimation indicate that all the four forecasting models were found most accurate in terms of MAPE(Lewis, 1982). Of them the ARIMA Intervention model(MAPE=4.48) appeared to perform best in terms of forecasting accuracy, followed by ARIMA(MAPE=4.96), Winters(5.67), and Stepwise Autoregressive(8.55).핵심용어(Key words):예측정확도(Forecasting accuracy), 윈터스지수평활모델(Winters Exponential Smoothing model), 단계적 자기회귀모델(Stepwise Autoregressive model), ARIMA모델(ARIMA model), ARIMA 개입모델(ARIMA Intervention model). 방한 일본인 관광객은 외래관광객 중 가장 큰 비중을 차지하면서 총 방한 외래관광객의 증감에 주도적 영향을 미치고 있다. 또한, 최근 경제성장과 국가간 교류증가에 따라 중국인 관광객이 미국인 관광객을 제치고 제2의 인바운드 시장으로 부상하고 있는데, 이러한 추세는 <그림 1>을 통해서도 가시적으로 확인할 수 있다.<표 1> 방한 외래객 방문현황과 관광환경 변화연도외래관광객성장률관광환경 변화19902,958,8398.5%-19913,196,3408.0%걸프전19923,231,0811.1%-19933,331,2263.1%대전엑스포 개최19943,580,0247.5%한국방문의 해19953,753,1974.8%-19963,683,779-1.8%-19973,908,1406.1%아시아 금융위기와 IMF19984,250,2168.8%한국경제위기 및 원화약세 지속 19994,659,7859.6%-20005,321,79214.2%인천국제공항개항20015,147,204-3.3%9.11 테러 발생 및 한국방문의 해20025,347,4683.9%한일 월드컵 공동개최20034,753,604-11.1%SARS 발병, 이라크전쟁20045,818,13822.4%한류열풍20056,021,7643.5%한일공동방문의 해 20066,155,0462.2%

지가변동률 예측을 위한 시계열 모형 분석

우경(Woo Kyoung),이성석(Rhee Sung Suk) 한국부동산학회 2015 不動産學報 Vol.60 No.-

본 연구는 1987년 1/4분기부터 2014년 2/4분기까지 분기별 전국 지가변동률을 이용하여 200만호 주택건설, IMF 외환위기 그리고 미국 서브프라임 모기지 여파를 반영한 개입 ARIMA 모형을 구축하고 이들 세 번의 외부 충격효과가 전국 지가변동률에 미친 영향을 분석하였고, 구축된 모형을 이용하여 2015년도 분기별 전국 지가변동률을 예측하였다. 그 결과 200만호 건설은 1분기의 시차를, IMF 외환위기는 2분기의 시차를, 그리고 미국 서브프라임모기지 위기는 1분기의 시차를 가지고 전국 지가변동률에 영향을 주었음을 확인하였다. 또한 2015년도 분기별 전국 지가변동률을 예측한 결과 1/4분기에는 0.20%, 2/4분기에는 0.15%, 3/4분기에는 0.11% 4/4분기에는 0.08%가 상승할 것으로 예측되었다. 지가에 관한 국내의 연구들은 주로 거시계량경제 모형이나 VAR 모형 등을 이용하여 거시경제지표 중 한 지표로 지가변동률을 포함하여 각 지표 간 상호 인과관계를 규명한 연구가 주를 이루어 왔다. 본 연구는 우리나라의 토지시장에 큰 영향을 미친 세 번의 사건을 고려한 개입 ARIMA 모형을 처음으로 구축하고 분석하였다는데 그 의미가 크다고 할 수 있다. 1. CONTENTS (1) RESEARCH OBJECTIVES The purpose of this study is to analyze the effects of two million houses supply plan in 1989, economic crisis in 1997 and USA subprime mortgage crisis occurred in 2008, and to predict the land price change rate of Korea in 2015. (2) RESEARCH METHOD In this study, a time-series analysis was conducted by using intervention ARIMA model with the quarterly data of land price change rate in Korea from 1987 to 2014. In order to build the intervention ARIMA model as modeling steps, classification, identification and selection of ARIMA model were proceeded. Also with the selected ARIMA model, Intervention ARIMA model was fitted and forecasted for the land price change rate in 2015. SPSS win 12.0 was used for this study. (3) RESEARCH FINDINGS The result of this study can be summarized as follows : the intervention effects of two million houses supply plan occurred after one quarter from the time of the plan announced. The intervention effects of economic crisis occurred after two quarters after Korean Government announced IMF bailout loan are necessary. Finally, the effects of subprime mortgage crisis in USA were occurred after one quarter. 2. RESULTS The results of forecasting quarterly change rate of land price with intervention ARIMA model, the predicted land price change rates are as follows : the land price change rates are predicted as 0.20% in first quarter, 0.15% in the second quarte, 0.11% in the third quarter and 0.08% in fourth quarter. There are few land price studies by using intervention ARIMA in Korea. This study carries an important means from the point of first attempt to forecast land change rate with intervention ARIMA model.

ARIMA모델 기반 생활 기상지수를 이용한 동 · 하계 최대 전력 수요 예측 알고리즘 개발

정현철(Hyun Cheol Jeong),정재성(Jaesung Jung),강병오(Byung O Kang) 대한전기학회 2018 전기학회논문지 Vol.67 No.10

This paper proposes Autoregressive Integrated Moving Average (ARIMA)-based forecasting algorithms using meteorological indices to predict seasonal peak load. First of all, this paper observes a seasonal pattern of the peak load that appears intensively in winter and summer, and generates ARIMA models to predict the peak load of summer and winter. In addition, this paper also proposes hybrid ARIMA-based models (ARIMA-Hybrid) using a discomfort index and a sensible temperature to enhance the conventional ARIMA model. To verify the proposed algorithm, both ARIMA and ARIMA-Hybrid models are developed based on peak load data obtained from 2006 to 2015 and their forecasting results are compared by using the peak load in 2016. The simulation result indicates that the proposed ARIMA-Hybrid models shows the relatively improved performance than the conventional ARIMA model.

ARIMA모형을 이용한 한국 아동·청소년의 체격과 BMI 장기 예측

채진석 ( Jin-seok Chae ),송종국 ( Jong-kook Song ) 한국스포츠정책과학원(구 한국스포츠개발원) 2016 체육과학연구 Vol.27 No.3

본 연구는 시계열모형인 ARIMA모형을 이용하여 아동·청소년의 체격과 BMI를 장기 예측하는 것을 목적으로 수행되었다. 최적의 시계열 예측모형을 선택하기위해 1965년부터 2015년까지의 연간평균자료인 키, 몸무게, BMI자료를 이용하여 SPSS22.0 통계프로그램의 시계열분석방법 중 입력계열(체육시설, 체육시간, 동물성식품, GDP디플레이터, 동물성식품섭취분율)이 있는 다변량ARIMA(p,d,q)모형을 선택하였다. 예측변인이 있는 ARIMA모형에서 여러 가지 적합도 측도 중 제곱근평균제곱오차(RMSE)를 고려한 최적의 모형을 선택하도록 하였다. 이 모형을 적용하여 아동·청소년의 키, 몸무게, BMI의 예측모형과 예측값을 나이 별로 제시하였다. 결론은 다음과 같다. 키의 예측추세 특징은 남·여 모두 증가추세로 로지스틱 곡선을 따르고 있었다. 체중은 키보다는 증가율이 높은 추세가 있었으며, BMI도 체중과 비슷한 추세곡선을 나타내고 있었다. 예측모형은 대부분 ARIMA(0,1,0)모형 이였고 특히 2030년의 초6, 중2, 중3, 고2, 고3 남학생의 평균 BMI가 22-23이상을 예측한 것은 최근 아동·청소년들의 집에서 컴퓨터게임, 핸드폰 게임, 오락기기게임 등 신체활동과 거리가 먼 놀이문화로 이들의 하루시간을 대부분 차지하고 있는 현실에서 비만의 증가를 대변하고 있다. The present study has been carried out with a purpose of a long term estimation for the body size and BMI (Body Mass Index) of Korean children and youth using ARIMA, a time series model. In order to select an estimation model for the optimum time series, among the time series analysis method of SPSS22.0 statistic programs, a multivariate ARIMA (p,d,q) model has been selected that has an input series (physical education facility, time spent for physical education, animal source foods, GDP deflator, animal source food intake ratio), using annual average data of height, weight, and BMI data from 1965 to 2015. Among the several optimal measurements in ARIMA model with estimation variables, an optimal RMSE-based model (RMSE: Root Mean Square Error) has been selected. Using this model, the estimation model and estimated values of children`s height, weight, and BMI have been suggested for each age group. The results are as the following. The trend estimation of height follows a logistic curve, with both male and female groups showing increasing trends. The weight has a trend of increasing ratio higher than height. BMI also shows a trend curve similar to weight. The estimation model has been mostly ARIMA(0,1,0). In particular, the average BMI has been estimated as 22-23 for male students in 6th, 8th, 9th, 11th and 12th grade in 2030. This indicates the recent increasing obesity as children and youth occupy most of daily time for play culture that is far from physical activities, such as computer games, smartphone games, and video games at home.