基于GM_1_1_模型的我国综合医院人均医药费用预测分析
基于GM_1_1_预测模型的中药材价格指数预测_茅鸯对

越好(因为 C 值小,说明残差方差小,样本方差大)。对于建立
的灰色 GM(1,1)预测模型,一般参考精度指标0)(t)为模型预测值;当 t≤n 时,x(0)(t)为模
型拟合值。
2 基于 MATLAB 的中药材价格指数灰色 GM(1,1)
预测模型实现
“康美·中国中药材价格指数”是首个依托大型民营企业
本文在研究灰色 GM(1,1)预测模型的基础上,对“康美· 中国中药材价格指数”做预测分析,为有关部门在方法上提供 参考,也为制定和调整各项经济政策,特别是价格政策、调控 价格总水平提供依据,引导生产和消费预期。
1 灰色 GM(1,1)预测模型概述及其原理
灰色预测适合于对既含有已知信息又含有不确定信息的 系统进行预测,就是对在一定范围内变化的、与时间有关的灰 色过程进行预测[1]。尽管灰过程中所显示的现象是随机的、杂 乱无章的,但毕竟是有序的、有界的,因此得到的数据集合具 备潜在的规律。灰色预测就是利用这种规律建立灰色模型对 灰色系统进行预测[2]。结合实际情况,考虑到中药材价格指数 具有明显的动态特征和不确定性,且有诸多因素影响,符合灰 色系统的特点,并且 GM(1,1)的适用范围很广,对样本量数据 的多少和样本有无规律都适合[3],因此本研究考虑采用离散灰
· 2200 · China Pharmacy 2014 Vol. 25 No. 23
中国药房 2014 年第 25 卷第 23 期
开始
输入原始数据系统 x(0)
级比检验 不合格 合格
累加生成 x(1),紧邻生成 z(1)
建立 GM(1,1)模型
计算参数 a、b,回代
精度检验 不合格 合格
数据预测、拟合
价格指数 1 037.14 1 068.82 1 100.75 1 101.24 1 108.57
基于GM(1,1)模型的我国城镇职工基本医疗保险基金收支预测分析

32基于GM (1,1)模型的我国城镇职工基本医疗保险基金收支预测分析刘惠杰( 日照市人民医院医疗保险办公室,山东 日照 276800 )【摘 要】目的:科学预测我国城镇职工基本医疗保险基金收支情况,分析城镇职工基本医疗保险基金收支运营存在的问题,保障基金安全、平衡运营。
方法:本文基于GM(1,1)模型预测2020-2029年我国城镇职工基本医疗保险基金收支情况。
结果:我国城镇职工基本医疗保险基金收支均呈逐年上升的趋势,其中基金收入年均增长率略高于支出年均增长率。
讨论:国家应综合考虑城镇职工基本医疗保险基金收支运营过程中各环节以及所涉及的各因素带来的影响,不断探索科学合理的基金筹集和支付方式,提高医保基金收支运营的效率和效果。
【关键词】GM(1,1)模型;城镇职工基本医疗保险;基金收支基本医疗保险制度在我国社会保障制度中处于核心地位,其在抵御疾病风险、保障国民健康、提高人口素质以及促进社会公平等方面发挥着重要作用,亦是实现社会稳定和促进经济社会发展的主要手段。
随着人口老龄化进程的加快以及医疗费用的过快增长,基本医疗保险基金收支运营的问题也逐渐凸显。
城镇职工基本医疗保险(以下简称“城职保”)作为我国基本医疗保险制度的主要构成部分,其基金收支平衡运营与否关乎国家基本医疗保险制度发展的可持续性。
本文基于2010-2019年我国“城职保”基金收支数据,利用GM(1,1)模型对2020-2029年我国“城职保”基金收支进行预测,科学分析我国“城职保”基金收支运营面临的问题并提出相应对策建议,保障基金安全、平衡运营。
一、数据与方法(一)数据来源本文数据来源于国家统计局官方网站(/)2010-2019年“城职保”基金收支数据。
(二)研究方法本文基于灰色预测法GM(1,1)模型预测2020-2029年我国“城职保”基金收支情况。
灰色预测法GM(1,1)模型具有计算简便、预算较精确且所需样本量较小,样本分布不需有统计规律等优点,目前广泛运用于各个研究领域。
改进的GM(1,1)幂模型的构建与应用

often obtained by constant variation method of first-order non-homogeneous linear equation. Then, by using whitening equa tion, the calculation formula of parameters is deduced by discretization under the principle of information coverage of grey system!andtheparametersaresolvedbyleastsquaremethod.Inordertocompensateforthedefectofdecreasingprecision!the PSO algorithm is used to modify the coefficients of the prediction model. A case study shows that the traditional GM (1,1) model has the worst prediction effect and the improved GM (1,1) power model has the best prediction effect.
型白化方程的解,再利用白化方程,在灰色系统信息覆盖原理下经过离散化处理推导出参数3的计算公
式,并利用最小二乘法求解参数a,.但是在求解过程中由于离散化的处理,造成了时间响应预测函数精
GM(1,1)模型

0 引言房地产行业是国民经济的支柱产业之一,与人民生活息息相关,它的发展对国民经济的整体态势和全国人民的生活水平影响很大.近年来,我国房地产业发展迅速,既为整个国民经济的发展做出了贡献,又为改善人民居住条件发挥了决定性作用.但同时也面临较为严峻的问题和挑战,引起诸多争议,各方都坚持自己的观点,然而多是从政策层面、心理层面和资金层面等因素来考虑,定性分析多于定量分析.显然从定量角度把握各指标之间的数量关系,能较为准确的预见房地产行业的发展态势,从而进行有效地调控,进而实现可持续发展.因此通过建立数学模型定量地研究我国房地产问题是一个值得探索的方向.以下主要从未来商品房价格和房地产行业泡沫两个方面分别建立基于GM(1,1)模型和Cobweb 模型的房地产行业模型,并参考国家统计局数据,利用MATLAB 软件定量分析未来我国房地产市场的发展态势,希望对我国房地产行业的健康发展起到一定的指导作用.1 房价预测模型1.1 模型的建立与求解灰色模型[]1(Gray Model ,又称灰色理论)有严格的理论基础,其最大的优点是实用.预测结果比较稳定,既适用于大量数据的预测,数据量较少时预测结果也很准确.用文献[2]中提供的数据(即"商品房本年销售价格"1991-2009年的数据)建立灰色系统中单序列一阶线性微分方程模型——GM(1,1)模型。
这里,记原始数据列为:()()()()()00001,2,,19786,995,,4681.X x x x ==(Ⅰ) 原始数据累加以便弱化随机序列的波动性和随机性,得到新数据序列:()()()()()()11111011,2,,19,,1,2,,19.k i X x x x x k x i i ====∑(Ⅱ) 对()1x k 建立一阶线性微分方程:11dx ax u dt+=, 其中,a u 为待定系数,分别称为发展系数和灰色作用量, a 的有效区间为(-2,2),并记,a u 构成的列向量为(),L a u T =,只要能求出参数,a u 就能求出()1x k ,进而求出0X 的未来预测值.(Ⅲ) 记1Z 为1X 的紧邻均值生成序列,()()()()11111,2,,19,Z z z z = 其中()()()1110.50.51z k x k x k =+-,k=1,2,…,19.从而生成矩阵()()()()()()()()()1111110.510.5210.520.5310.5180.5191x x x x B x x ⎛⎫-+ ⎪-+ ⎪= ⎪ ⎪ ⎪-+⎝⎭与()()002996194681x Y x ⎛⎫⎛⎫ ⎪ ⎪== ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭.(Ⅳ) 用最小二乘法求灰参数L ,则()()()1,0.0768,1056.9448L B B B Y a u -T TT T ===-,将,a u 代入11dx ax u dt+=求解得 ()()()()100.0768*******.325113768.3251ak k u u x k x e e a a -⎛⎫+=-+=- ⎪⎝⎭. 由于,a u 是由最小二乘法求得的近似值,所以上式是一个近似表达式,区别于原序列记为()11x k +记为()11x k +.(Ⅴ) 将()11x k +与()1x k 作差,得到近似数据序列()()()01111x k x k x k +=+-.(Ⅵ) 对建立的灰色模型进行精度检验[][]13:模型的精度由均方差比值C 和小误差概率P 共同划分,一般将模型的精度分为好、合格、勉强合格、不合格四级,若记该模型的均方差比值C 所在等级为m ,小误差概率P 所在等级为n ,则该模型的精度等级为{}max ,m n ,精度检验等级参照表(见表1). 表1 精度检验等级参照表 指标精度等级 相对误差α 均方差比值C 小误差概率P一级(好)<0.01 <0.35 >0.95 二级(合格)<0.05 <0.50 <0.80 三级(勉强合格)<0.10 <0.65 <0.70 四级(不合格)>0.20 >0.80 <0.60 利用MATLAB 软件编程计算得,该模型的均方差比值C=0.1114<0.35,其精度为一级,小误差概率P =1.0>0.95,精度也为一级,因此所建模型的精度为一级(好).故可用如下高精度模型预测房价: ()()()0110.07680.0768(1)1114554.3251().k k x k x k x k e e ++=+-=-用该预测模型及MATLAB 编程计算1991-2009年商品房本年销售价格,并比较预测数据与原始数据,得如下图1所示. 图1 1991-2009年商品房本年销售价格预测数据与原始数据的比较图至此,未来商品房本年销售价格预测模型已经建立起来.1.2 模型的应用利用上述模型,用MATLAB 编程进行预测,得2010-2029年商品房本年销售价格预测值,如下表2所示.表2 2010-2029年商品房本年销售价格预测值年份 房价 (元/平方米) 年份 房价 (元/平方米) 年份 房价 (元/平方米) 年份 房价(元/平方米) 2010 4624.3 2015 6788.0 2020 9964.1 2025 14626.3 2011 4993.3 2016 7329.6 2021 10759.1 2026 15793.3 2012 5391.7 2017 7914.4 2022 11617.6 2027 17053.5 2013 5821.9 2018 8545.9 2023 12544.6 2028 18414.2 2014 6286.4 2019 9227.8 2024 13545.5 2029 19883.4表2中的数据表明,商品房售价大约每10年翻一番,如此发展下去,一旦与我国经济发展的步伐不一致,就很容易出现房价泡沫,需要进行调控,如政府采取对房价的调控、限购政策的引导等措施.3 结论及建议从房价预测数据我们发现:如果不实施宏观调控,商品房售价会逐年上升,大约每10年翻一番,无论其发展速度超前于或滞后于我国经济发展的速度,都会出现房价泡沫;总之,本文所建立的房价预测模型和房地产行业泡沫的评价模型可以为我们均衡发展房地产市场,减少或避免泡沫提供决策分析工具。
灰色GM(1,1)模型在综合医院业务收支预测中应用

灰色GM(1,1)模型在综合医院业务收支预测中的应用摘要:基于灰色gm(1,1)模型,对综合医院的业务收入和业务支出进行预测,从而为推进公立医院改革,理顺医院补偿机制等提供有效的参考依据。
分析结果表明,灰色gm(1,1)模型能较好地预测医院业务收支的发展趋势,具有较强的实用性。
关键词:灰色gm(1,1)模型;综合医院;业务收支;预测中图分类号:r197.3 文献标识码:a 文章编号:1001-828x(2011)09-0115-02准确预测综合医院的业务收入和业务支出水平,对于推进公立医院改革,理顺医院补偿机制等具有重要的现实意义。
影响医院业务收支水平变动的因素很多,由于客观条件的限制,一般难以得知其全面影响因素及其数量特征。
灰色动态模型(grey dynamics model,简称gm)是在系统信息不完全或不确知的情况下建立的,对数据及其分布的限制要求小。
它由华中科技大学的邓聚龙教授首先(1982年)提出,是以时间序列进行研究分析,用数列建立方程,将无规律的原始数列经过转换,使之成为较有规律的生成数列后再建模的一种预测方法。
其中较为简单的一种模型——采用一个变量的一阶微分方程gm(1,1)模型已经广泛应用于社会经济、管理决策、医学研究等众多领域,故用其对综合医院的业务收入和业务支出进行预测具有可行性和一定的现实意义。
一、灰色gm(1,1)模型的建立1.设,则为将无规律的原始数据累加生成所形成的较有规律的生成数列,其中为初始时刻的原始数据,。
2.对累加生成数据按(1,1)作移动平均数生成。
(1.1)3.建立灰色gm(1,1)模型:求解一阶微分方程,得:(1.2)根据最小二乘法,求待定系数和,得:4.因灰色gm(1,1)模型实际上是生成数列模型,对累加生成数据必须经过逆生成—累减还原后才能使用,即gm(1,1)模型计算所得结果是预测值的累加和。
设为t时刻的预测值,为预测值累加生成所形成的较有规律的生成数列,,,,则预测值。
基于广义线性模型的医疗花费预测分析

基于广义线性模型的医疗花费预测分析一、介绍近年来,随着医疗水平的不断提高和医疗保障政策的不断完善,我国医疗行业发展迅速。
然而,随着医疗费用的不断上涨,医疗保障负担也越来越重,如何有效地减轻患者的负担成为了一个亟需解决的问题。
在此背景下,医疗花费预测分析逐渐成为了医疗行业的一个热门研究方向。
基于广义线性模型的医疗花费预测分析被广泛应用于医疗保障政策的制定、医疗险的设计、医院管理等方面,取得了显著的成效。
二、广义线性模型1. 模型介绍广义线性模型(Generalized Linear Model,GLM)是一种基于线性函数的统计模型,广义线性模型是线性模型的推广,它用非线性函数代替线性函数对样本进行拟合。
广义线性模型中的函数可以是指数函数、对数函数、逆函数等。
2. 模型假设广义线性模型有三个重要的假设:(1)线性假设:模型中的自变量与因变量之间存在线性关系。
(2)独立假设:样本之间相互独立。
(3)随机假设:样本之间的差异是由于随机误差引起的,而不是由于其他因素引起的。
3. 模型应用广义线性模型可以应用于很多领域,如金融、医疗等。
在医疗花费预测中,广义线性模型可以通过选择不同的因变量和自变量,对医疗花费的情况进行预测分析。
三、医疗花费预测分析1. 数据收集在医疗花费预测分析中,数据是非常重要的。
为了准确预测医疗花费,需要收集一系列的相关数据,包括但不限于年龄、性别、疾病种类、疾病严重程度、医院等级等因素。
2. 模型选择在数据收集完成后,需要根据实际情况选择合适的广义线性模型。
数据集的特征决定了模型的选择。
3. 模型应用模型应用阶段,主要是对数据进行训练,并对新数据进行预测。
通常在模型预测阶段,需要考虑以下几个因素:(1)数据的质量。
如果数据质量不好,预测结果就很难准确,因此需要对数据进行清洗和排除异常值。
(2)模型的稳定性。
模型预测结果的稳定性对模型应用的有效性和可靠性有很大影响。
(3)模型的解释性。
GM(1,1)模型的适用范围

GM(1,1)模型的适用范围摘要GM(1,1)模型是一种常用的灰色系统数学模型,在许多领域得到了广泛的应用。
本文将介绍GM(1,1)模型的基本原理及其适用范围,并针对不同领域中GM(1,1)模型的具体应用进行详细讨论。
简介灰色系统理论是一种将统计学、数学和信息科学相结合的新兴跨学科领域,其研究的对象是具有不确定性、非完备信息的系统。
GM(1,1)模型是灰色系统理论中最常用的一种数学模型,用于预测和分析时间序列数据。
GM(1,1)模型的原理是基于灰色系统理论的灰色模型建模方法,该方法根据数据序列的变化规律,建立数据的动态变化模型,并通过建立灰色微分方程来进行预测。
GM(1,1)模型主要适用于简单的时间序列数据的预测和分析,具有简单、快速和高效等特点。
GM(1,1)模型的适用范围GM(1,1)模型适用于许多领域,主要包括以下几个方面:经济领域GM(1,1)模型在经济领域中的应用非常广泛,用于进行经济增长预测、市场趋势分析和投资策略制定等。
例如,可以将GM(1,1)模型应用于GDP季度数据的预测和分析,对经济增长趋势进行精确预测,为决策者提供科学依据。
工程领域GM(1,1)模型在工程领域中主要应用于生产和管理技术的改进、质量控制和生产计划制定等。
例如,可以将GM(1,1)模型应用于生产过程中某个指标的预测和分析,帮助工程师优化生产过程,提高生产效率。
自然科学领域GM(1,1)模型在自然科学领域中主要应用于气象、环境、水资源和地震等领域的数据分析和预测。
例如,可以将GM(1,1)模型应用于气象领域的气温预测和降雨量预测,为决策者提供准确的气象数据,为灾害防治提供科学依据。
社会科学领域GM(1,1)模型在社会科学领域中主要应用于人口、教育、医疗和农业等领域的数据分析和预测。
例如,可以将GM(1,1)模型应用于人口结构和教育发展趋势的预测和分析,帮助政府制定科学的人口和教育政策。
GM(1,1)模型的优缺点GM(1,1)模型具有以下优点:1.GM(1,1)模型具有简单、快速和高效等特点;2.GM(1,1)模型可以使用少量的数据进行分析和预测;3.GM(1,1)模型对数据的数量级和分布形态要求不高。
《安全评价与风险分析》课程综合复习试题1

《安全评价与风险分析》课程综合复习资料一、单选题1.当危险性等级为II级时,表示()。
A.安全的-不发生危险B.危险的-会造成危害C.破坏性的-会造成灾难性事故D.临界的-处于形成事故的边缘状态答案:D2.我们做任何事情,都要考虑风险的大小问题。
风险要同时考虑两个方面,可以用()这个公式表示。
A.风险=不可靠度*损害B.风险=不可靠度+损害C.风险=危险源*安全防护D.风险=不可靠度/安全防护答案:A3.FTA的优点是()。
A.既可进行定性评价,又能进行定量分析B.建树过程复杂易发生遗漏C.量化了人的失误D.需要花费人力、物力、时间少答案:A4.以下属于事件树定性分析的是()。
A.求最小割集或最小径集B.计算各基本事件的概率重要度C.计算各基本事件的关键重要度D.顶事件发生的概率答案:A5.元件故障率随时间变化有三个时期,以下哪个选项不是这三个时期?A.早期故障期B.偶然故障期C.报废期D.耗损故障期答案:C6.指数法是用火灾爆炸指数作为衡量一个化工企业安全评价的标准,以下哪个不是评价的目的?A.真实地量化事故的预测损失B.确定可能发生事故的设备C.向管理部门通报危险性D.确定安全设备答案:D7.元件故障率随时间变化有三个时期,也就是常说的“浴盆曲线”,它不包括()。
A.早期故障期B.近似稳定故障期C.耗损故障期D.老年稳定期答案:D8.在美国道化学火灾爆炸指数评价法中,一般工艺危险性是确定事故损害大小的主要因素,它不包括()。
A.物料处理和输送B.通道C.封闭单元和室内单元D.物料储存环境答案:D9.编制事故树的规则不包括()。
A.确定顶事件应优先考虑风险大的事故事件B.确切的描述基本事件C.保持门的完整性,不允许门与门直接相连D.编制过程中或编制后,需及时进行合理的简化答案:B10.安全评级的原理不包括()。
A.安全评价是系统工程B.类推和概率推断原则C.最优原理D.惯性原理答案:C11.危险性识别和等级划分后,就可采取相应的预防措施,避免它发展成为事故。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
cies,such as controlling of the total quantity of medical expenditure,adjusting the structure and charging medical expenditures by
medical insurance,will affect the total quantity and the trend of proportion of drug fee in medical expenditures medicine expendi-
2009 年“新医改”其中一亮点为公立医院在定位上回归到 公益本位,探索构 建 合 理 的 公 立 医 院 经 营 补 偿 机 制,缓 解 老 百 姓“看病贵”问题。由于长期以来医疗服务价格偏低,政府对医 院经营补偿的缺位,“以药补医”成为了弥补医疗服务亏损的主 要途径。虽然“以药补医”在特定的历史时期起到了一定的促 进作用,但随着我国市场经济体制的深化,“以药补医”机制的 弊端逐渐显现[1]。于是攻克“以药补医”成为我国医疗卫生体 制改革的重点和难点[2]。自 1997 年政府对药品价格实施政府 定价与市场调节相结合的管理模式以来,药品价格经历了 27 次最高零售价调整( 主要是药品降价) 和部分药品单独定价[3]。 本文拟通过对 2000 ~ 2013 年我国综合医院病人人均医药费用 的变化趋势进行分析,建立灰色系统预测模型 GM( 1,1) 对其进 行预测,为有效降低医药费用提供依据。 1 资料与方法 1. 1 资料来源
* 基金项目: 广东省哲学社会科学“十二五”规划 2014 年度学科共建项目( 编号: GD14XGL21) △通讯作者: 黎东生
·899·
图 1 综合医院门诊人均医药费用情况 2000 ~ 2013 年,我国综合医院住院病人人均医药费用、药 用增长 4884. 6 元,人均药品费用增长 1702. 8 元,但药占比呈下 品费用持续增长,如图 2 所示。14 年间,住院病人人均医药费 降趋势,从 2000 年的 46. 1% 降为 2013 年的 39. 2% 。
affects the hospital and the doctor's behavior orientation. The proportion of drug in medical expenditures has been declining in Chi-
nese comprehensive hospitals while drug fee and medicine expenditures have been ascending by reform. Alternatively,the new poli-
数据资料来源于 2001 ~ 2014 年《中国卫生统计年鉴》中有 关综合医院病人门诊及住院人均医药费用相关数据。
1. 2 方法 对 2000 ~ 2013 年我国综合医院人均医药费用进行描述性
统计分析,建立灰色系统预测模型 GM( 1,1) 对综合医院人均医 药费用进行预测分析。灰色系统模型是对含有不确定因素系 统进行预测的一种方法,该预测的特点是不必知道时间序列原 始数据的分布,拟 合 精 度 较 高,具 有 良 好 的 代 表 性。 当 精 度 检 验统计量均 方 差 比 重 为 C < 0. 35 时,模 型 预 测 效 果 精 度 为 1 级[4]。 2 结果 2色系统预测模型 GM( 1,1) ,见表 1。采 表 1 GM( 1,1) 拟合模型及检验结果
部门 门诊 住院
预测指标 人均医药费用 人均药品费用 人均医药费用 人均药品费用
拟合模型 Χ(t 1) = 1332. 37e0. 0678t - 1246. 57 Χ(t 1) = 877. 87e0. 057t - 827. 57 Χ(t 1) = 32943. 7e0. 1t - 29860 Χ(t 1) = 15074. 9e -0. 1t - 13653
构,重视并提高医务人员的技术劳务价值。《规范》从综合医疗 服务、病理学诊断、实验室诊断 3 个方面,纳入基本人力消耗、 技术难度和风险程度等因素进行医疗服务定价。医药费用中 诊疗费、药事服 务 费、护 理 费 等 技 术 劳 务 费 用 比 例 将 增 加。 ③ 将医院的市场体制机制搭配医疗保险的预付费方式[7],严格控 制医药费用,提高 医 保 报 销 比 例 和 扩 大 医 保 报 销 范 围 等,医 药 费用的增长将得到严格的控制,“看病贵”问题将得到缓解。
年份
2014 2015 2016
医药费用 225. 9 241. 8 258. 7
门诊 药品费用
107. 6 113. 9 120. 5
药占比 47. 6 47. 1 46. 6
医药费用 8591. 5 9239. 8 9937. 1
住院 药品费用 3467. 3 3692. 0 3931. 3
药占比 40. 4 40. 0 39. 6
中国卫生事业管理 2015 年第 12 期( 总第 330 期)
基于 GM( 1,1) 模型的我国综合医院 人均医药费用预测分析*
陈沛军,黎东生△ ,黄鹤冲 ( 广州中医药大学,广东 广州 510006)
[摘要] 目的: 分析我国综合医院人均医药费用的变化趋势,对其进行预测分析,为有效降低医药费用提供依据。
检验统计量 C 0. 021 0. 005 0. 006 0. 014
精确等级 1级 1级 1级 1级
经以上 4 个拟合模型预测,2014 ~ 2016 年也将出现综合医 逐渐下降的变化趋势。预测结果见表 2。
院门诊、住院病人 人 均 医 药 费 用、药 品 费 用 越 来 越 高 而 药 占 比 表 2 GM( 1,1) 预测结果( 单位: 元)
Model. / CHEN Pei-jun,et al. / / The Chinese Health Service Management
Abstract Objective To analyze and forecast the trend of per capita medical expenditures,and provide the basis for reducing
图 2 综合医院住院人均医药费用情况
2. 2 GM( 1,1) 预测结果
用后验差检验法对拟合结果进行检验,得出 4 个模型的检验统
以 2000 ~ 2013 年我国综合医院门诊病人人均医药费用及 药品费用、住院病 人 人 均 医 药 费 用 及 药 品 费 用 为 时 间 序 列 ,采
计量 C 均小于 0. 35,P 值均为 0. 000,即 4 个模型的拟合效果较 好,精确等级达到 1 级。
3讨论 3. 1 “旧政策”下的预测结果分析
经预测,我国综合医院人均医药费用和药品费用将持续增
长,而药占比将逐年下降。这个基于 GM( 1,1) 模型的预测结果 是在特定的“旧政策”下产生的。其中对医药费用预测结果影 响较大的是药品加成政策及“以药补医”机制。药品加成政策
·900·
促使医方倾向使用“贵药”,价格越高,加成越多。在“旧政策” 的影响下,“以药补医”成为一种普遍现象,影响着医院和医生 的行为导向。财政投入的严重不足,使得医院在竞争日益激烈 的市场经济下,为 维 持 自 身 发 展,纷 纷 把 眼 光 投 向 医 疗 服 务 和 药品的创收 上,而 医 疗 服 务 成 本 高,价 格 又 一 成 不 变,创 收 困 难,药品加成政策 却 允 许 医 药 销 售 药 品 并 获 利 ,使 得 药 品 收 入 逐渐成为医药收入的大头[5]。为降低药品费用和药占比,药品 价格经历了多次 的 政 策 调 整,主 要 目 的 是 降 低 药 品 费 用,但 其 效果不明显,药占比虽逐年下降却未能有效遏制药品费用的快 速增长。这是因为药品价格不是药品费用的唯一决定因素,而 医院用药数量和用药结构以及药企生产决定的药品供应情况 都影响着药品费 用。因 此,为 有 效 控 制 药 品 费 用 快 速 增 长,制 定的政策应正确引导医院的用药行为及药企的生产行为,而不 是简单地降低药品价格和药占比。 3. 2 “新政策”下的医药费用变化趋势分析
tures.
Author's address Guangzhou University of Chinese Medicine,Guangzhou,P. R. China
Key word medical expenditures; drug fee; proportion of drug fee in medical expenditures; GM( 1,1)
医药卫生改革使得相关政策不断变化,医药费用也随之变 化。近年来,我国对医药费用进行“总量控制,结构调整”,取消 了药品加成政策,进行医药服务价格改革,破除“以药补医”机 制、通过医保 控 制 医 药 费 用 等,影 响 着 医 药 费 用 的 变 化 趋 势。 ①取消药品加成政策,实行国家基本药物制度,改变医院“以药 补医”的经营理念,有助于医院确立医疗技术服务价值观,引导 “以药补医”向“以技养医”转变”[6],将有效遏制药品费用的不 合理增长,药占比将 逐 年 下 降。 ② 实 行《全 国 医 疗 服 务 价 格 项 目规范( 2012 版) 》( 以下简称《规范》) ,调整医药费用组成结
方法: 采用描述性统计分析、GM( 1,1) 预测模型。结果: 综合医院病人医药费用、药品费用将持续增长,药占比逐年下降。
结论: 以药养医等旧政策影响着医院和医生的行为导向,通过改革,药占比虽逐年下降,但我国综合医院人均医药费用和
药品费用将持续增长。而总量控制、结构调整、医保控费等新政策将影响着医药费用总量和药占比的变化趋势。
tures and medicine expenditures have been ascending. Conclusion Like the compensation system for the medical cost through drug-