健康扶貧背景下居民醫(yī)療保健支出的預(yù)測(cè)分析
——以安徽省阜陽(yáng)市為例

潘小芳,葉耀軍

(浙江科技學(xué)院 理學(xué)院,杭州 310023)

2020年中國(guó)脫貧攻堅(jiān)戰(zhàn)迎來(lái)了最后決勝時(shí)期,健康扶貧成為實(shí)現(xiàn)全面脫貧的關(guān)鍵。健康扶貧的實(shí)現(xiàn)旨在推進(jìn)全民健康與實(shí)現(xiàn)醫(yī)療保障可持續(xù)發(fā)展,以免人民因醫(yī)療保障體系的不健全出現(xiàn)返貧風(fēng)險(xiǎn)[1-2]。隨著健康扶貧措施的逐漸落實(shí),醫(yī)療保健的費(fèi)用支出已經(jīng)成為當(dāng)前人們關(guān)注的焦點(diǎn)。目前,很多研究者基于健康扶貧的背景,對(duì)中國(guó)醫(yī)療保健領(lǐng)域仍然存在的衛(wèi)生資源分配不均[3]、醫(yī)療費(fèi)用不合理增長(zhǎng)[4]、城鄉(xiāng)醫(yī)療保障存在差異[5]及因病致貧[6]等做現(xiàn)狀分析,并從多個(gè)維度提出對(duì)策與建議。部分研究者利用統(tǒng)計(jì)學(xué)方法分別針對(duì)因疾病導(dǎo)致貧困的老年人群體[7]和貧困地區(qū)存在健康問(wèn)題的青少年群體[8]進(jìn)行實(shí)地調(diào)查,加強(qiáng)對(duì)老年人與青少年兩類群體的健康與醫(yī)療關(guān)注。張?chǎng)蔚萚9-11]側(cè)重對(duì)歷史相關(guān)數(shù)據(jù)做處理而建立健康扶貧與醫(yī)療保健評(píng)價(jià)體系,根據(jù)公平、效率等評(píng)價(jià)標(biāo)準(zhǔn),提升醫(yī)療保健扶貧成效?？傮w而言,以上基于健康扶貧的醫(yī)療保健分析對(duì)全面提高醫(yī)療保障治理水平有一定的現(xiàn)實(shí)意義,但針對(duì)醫(yī)療保健支出預(yù)測(cè)的研究尚不多見。另外,從研究方法來(lái)看,灰色預(yù)測(cè)模型[12]在醫(yī)療保健領(lǐng)域中得到廣泛的應(yīng)用。陳倩等[13-14]用GM(1,1)模型分析了區(qū)域性醫(yī)療保健費(fèi)用的變化趨勢(shì),表明灰色預(yù)測(cè)模型對(duì)醫(yī)療衛(wèi)生領(lǐng)域費(fèi)用的預(yù)測(cè)具有合理性。韋柳絲等[15-16]利用灰色預(yù)測(cè)模型對(duì)中國(guó)藥物醫(yī)療資源服務(wù)能力建設(shè)預(yù)測(cè),建議醫(yī)療保健行業(yè)應(yīng)注重藥物產(chǎn)業(yè)的資源規(guī)劃與競(jìng)爭(zhēng)力。陳維佳等[17-18]應(yīng)用灰色預(yù)測(cè)模型得出中國(guó)醫(yī)療保健費(fèi)用會(huì)持續(xù)性增加,從而為醫(yī)療事業(yè)部門制定有效措施提供依據(jù)?，F(xiàn)有文獻(xiàn)中,涉及醫(yī)療保健的灰色預(yù)測(cè)模型僅考慮自身的時(shí)間序列,往往達(dá)不到預(yù)測(cè)精度要求。因此需要建立多變量的GM(1,N)灰色預(yù)測(cè)模型彌補(bǔ)以前方法的缺陷與不足,使預(yù)測(cè)結(jié)果可信度更高。鑒于此,本研究以安徽省阜陽(yáng)市為例,借助MATLAB運(yùn)算工具,結(jié)合灰色關(guān)聯(lián)分析方法[19],從影響阜陽(yáng)市居民醫(yī)療保健消費(fèi)支出的各個(gè)因素中篩選出關(guān)聯(lián)度較高的指標(biāo)作為主要因子,建立灰色預(yù)測(cè)模型。

1 阜陽(yáng)市醫(yī)療保健支出影響因素的灰色關(guān)聯(lián)分析

1.1 指標(biāo)的篩選

醫(yī)療保健支出的變化趨勢(shì)受多種宏觀因素作用,目前研究者分析醫(yī)療保健支出的影響因素主要集中在地域因素、政府因素、老齡化因素、經(jīng)濟(jì)因素、教育因素、醫(yī)療設(shè)施因素和醫(yī)生誘導(dǎo)需求因素等[20-23]。本文綜合以上文獻(xiàn)并對(duì)2014—2019年阜陽(yáng)市統(tǒng)計(jì)年鑒[24]中有關(guān)醫(yī)療保健支出及其影響因素的數(shù)據(jù)進(jìn)行分類,分別從經(jīng)濟(jì)因素、人口因素、醫(yī)療保健環(huán)境因素、社會(huì)保障因素、政策因素五個(gè)方面進(jìn)行探討。

1) 經(jīng)濟(jì)因素。人均可支配收入是衡量居民對(duì)醫(yī)療衛(wèi)生服務(wù)需求的重要因素之一。這些年來(lái),城鎮(zhèn)化率有著廣泛的社會(huì)影響力,對(duì)醫(yī)療保健支出存在明顯的促進(jìn)作用。因此,本研究中的經(jīng)濟(jì)因素以阜陽(yáng)市的人均可支配收入(X1,元)和城鎮(zhèn)化率(城鎮(zhèn)常住人口占比)(X2,%)為指標(biāo)。

2) 人口因素。隨著老年人口比例越來(lái)越高,需要大量的醫(yī)療衛(wèi)生資源。一般認(rèn)為,教育水平也會(huì)潛在地影響醫(yī)療保健的支出。因此,選取阜陽(yáng)市老年撫養(yǎng)比(X3,%)和總?cè)丝谖拿ぢ?X4,%)作為人口因素指標(biāo)。

3) 醫(yī)療保健環(huán)境因素。中西藥品及醫(yī)療保健價(jià)格指數(shù)與居民的醫(yī)療保健生活之間有著明顯的相關(guān)性;另外,考慮醫(yī)療資源與醫(yī)療保健兩者間的供需關(guān)系,用每萬(wàn)人病床數(shù)和每萬(wàn)人醫(yī)生數(shù)來(lái)代表醫(yī)療資源。因此,醫(yī)療保健環(huán)境因素以中西藥品及醫(yī)療保健品價(jià)格指數(shù)(X5),每萬(wàn)人病床數(shù)(X6,張)和每萬(wàn)人醫(yī)生數(shù)(X7,個(gè))為指標(biāo)。

4) 社會(huì)保障因素。城鄉(xiāng)居民養(yǎng)老保險(xiǎn)政策促進(jìn)了醫(yī)療保健服務(wù)水平的提高。阜陽(yáng)市農(nóng)村人數(shù)占總?cè)丝诘拇蟛糠?其中新型農(nóng)村合作醫(yī)療將釋放居民潛在的醫(yī)療保健需求。因此,社會(huì)保障因素主要是從城鄉(xiāng)居民養(yǎng)老保險(xiǎn)(X8,萬(wàn)人)和新型農(nóng)村合作醫(yī)療(X9,萬(wàn)人)兩個(gè)指標(biāo)分析。

5) 政府因素。政府對(duì)醫(yī)療衛(wèi)生的重視與投入以確保醫(yī)療保障水平順利達(dá)到健康扶貧質(zhì)量。因此,采用政府衛(wèi)生財(cái)政支出(X10,萬(wàn)元)來(lái)衡量政府支出對(duì)醫(yī)療保健的影響。

1.2 灰色關(guān)聯(lián)分析

1) 確定參考序列(X0(k))及影響因素的比較序列(Xi(k)),其中k表示時(shí)間,根據(jù)數(shù)據(jù)無(wú)量綱化處理,采用均值化方法:

(1)

2) 求Δi(k)=|X′i(k)-X0(k)|,并標(biāo)記出最大絕對(duì)差Δmax(k)與最小絕對(duì)差Δmin(k)。

3) 計(jì)算關(guān)聯(lián)系數(shù)εi(k)及關(guān)聯(lián)度βi(k):

(2)

式(2)中:ρ為分辨系數(shù)(0<ρ<1)。

4) 關(guān)聯(lián)度排序,由式(1)～(2)計(jì)算灰色關(guān)聯(lián)度并排序,見表1。

表1 居民醫(yī)療保健支出各因素關(guān)聯(lián)度及排序Table 1 Correlation degree and sequencing of various factors of residents’ medical care expenditure

2 阜陽(yáng)市醫(yī)療保健支出的預(yù)測(cè)模型分析

2.1 GM(1,N)預(yù)測(cè)模型

(3)

為GM(1,N)模型。求解過(guò)程如下。

第一步:構(gòu)造數(shù)據(jù)矩陣

(4)

(5)

(6)

第三步:累減還原后得到模型的預(yù)測(cè)序列

(7)

2.2 建立醫(yī)療保健支出的GM(1,5)預(yù)測(cè)模型

選取關(guān)聯(lián)度大于0.75的每萬(wàn)人醫(yī)生數(shù)、人均可支配收入、總?cè)丝谖拿ぢ省⒚咳f(wàn)人病床數(shù)作為影響醫(yī)療保健支出主要因子,建立GM(1,5)預(yù)測(cè)模型。

求解式(3)～(5)得到GM(1,5)模型的系向量

(8)

因此,根據(jù)式(6)～(7)得到GM(1,5)模型的解為

(9)

由式(8)～(9)得到醫(yī)療保健支出2014—2019年模擬值及相對(duì)誤差見表2,醫(yī)療保健支出GM(1,5)模型實(shí)際值與模擬值對(duì)比如圖1所示,結(jié)果顯示預(yù)測(cè)模型平均相對(duì)誤差為5.24%,可知GM(1,5)模型預(yù)測(cè)效果較好,預(yù)測(cè)精確度比較高。

表2 醫(yī)療保健支出2014—2019年模擬值及相對(duì)誤差Table 2 Simulation value and relative error of medical care expenditure from 2014 to 2019

圖1 醫(yī)療保健支出GM(1,5)模型實(shí)際值與模擬值對(duì)比Fig.1 Comparison of actual value and simulation value of medical care expenditure GM(1,5) model

2.3 模型預(yù)測(cè)

表3 未來(lái)5年居民醫(yī)療保健支出的預(yù)測(cè)Table 3 Prediction of medical care expenditure in the next five years

3 結(jié) 語(yǔ)

本研究使用灰色關(guān)聯(lián)分析直觀篩選出影響阜陽(yáng)市居民醫(yī)療保健支出的主要因子,依次為每萬(wàn)人醫(yī)生數(shù)、人均可支配收入、總?cè)丝谖拿ぢ?、每萬(wàn)人病床數(shù)。將主要因子引進(jìn)GM(1,5)預(yù)測(cè)模型,得到平均相對(duì)誤差為5.24%,不僅提高了模型的可信度,而且簡(jiǎn)化了操作,實(shí)用性更強(qiáng)。將GM(1,5)預(yù)測(cè)模型對(duì)阜陽(yáng)市醫(yī)療保健支出進(jìn)行預(yù)測(cè),結(jié)果顯示未來(lái)5年將以7%左右的增長(zhǎng)率上升,可為阜陽(yáng)市健康扶貧策略提供數(shù)據(jù)支撐,反映出健康扶貧政策將促進(jìn)居民的醫(yī)療消費(fèi)水平快速增長(zhǎng)。居民醫(yī)療保健支出的增長(zhǎng)趨勢(shì),體現(xiàn)了人們對(duì)自身健康意識(shí)的轉(zhuǎn)變和預(yù)防疾病方面的重視程度逐步加強(qiáng),也表明了在健康扶貧的背景下,其消費(fèi)結(jié)構(gòu)在不斷優(yōu)化。本文醫(yī)療保健支出預(yù)測(cè)模型具有小樣本且考慮多影響因素的特殊優(yōu)勢(shì),但也有局限性。因?yàn)槟Ｐ蛿?shù)據(jù)都來(lái)源于歷史數(shù)據(jù),無(wú)法考慮突發(fā)性的醫(yī)療健康事件對(duì)預(yù)測(cè)數(shù)據(jù)的影響。因此,為了更準(zhǔn)確地預(yù)測(cè)結(jié)果,在后期的研究中還需要不斷地結(jié)合實(shí)際問(wèn)題更新數(shù)據(jù),進(jìn)而修正與完善模型。