潘小芳,葉耀軍

(浙江科技學院 理學院,杭州 310023)

2020年中國脫貧攻堅戰(zhàn)迎來了最后決勝時期,健康扶貧成為實現(xiàn)全面脫貧的關(guān)鍵。健康扶貧的實現(xiàn)旨在推進全民健康與實現(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)返貧風險[1-2]。隨著健康扶貧措施的逐漸落實,醫(yī)療保健的費用支出已經(jīng)成為當前人們關(guān)注的焦點。目前,很多研究者基于健康扶貧的背景,對中國醫(yī)療保健領(lǐng)域仍然存在的衛(wèi)生資源分配不均[3]、醫(yī)療費用不合理增長[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,并從多個維度提出對策與建議。部分研究者利用統(tǒng)計學方法分別針對因疾病導(dǎo)致貧困的老年人群體[7]和貧困地區(qū)存在健康問題的青少年群體[8]進行實地調(diào)查,加強對老年人與青少年兩類群體的健康與醫(yī)療關(guān)注。張鑫等[9-11]側(cè)重對歷史相關(guān)數(shù)據(jù)做處理而建立健康扶貧與醫(yī)療保健評價體系,根據(jù)公平、效率等評價標準,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)療保健分析對全面提高醫(yī)療保障治理水平有一定的現(xiàn)實意義,但針對醫(yī)療保健支出預(yù)測的研究尚不多見。另外,從研究方法來看,灰色預(yù)測模型[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)療保健費用的變化趨勢,表明灰色預(yù)測模型對醫(yī)療衛(wèi)生領(lǐng)域費用的預(yù)測具有合理性。韋柳絲等[15-16]利用灰色預(yù)測模型對中國藥物醫(yī)療資源服務(wù)能力建設(shè)預(yù)測,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)劃與競爭力。陳維佳等[17-18]應(yīng)用灰色預(yù)測模型得出中國醫(yī)療保健費用會持續(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)有文獻中,涉及醫(yī)療保健的灰色預(yù)測模型僅考慮自身的時間序列,往往達不到預(yù)測精度要求。因此需要建立多變量的GM(1,N)灰色預(yù)測模型彌補以前方法的缺陷與不足,使預(yù)測結(jié)果可信度更高。鑒于此,本研究以安徽省阜陽市為例,借助MATLAB運算工具,結(jié)合灰色關(guān)聯(lián)分析方法[19],從影響阜陽市居民醫(yī)療保健消費支出的各個因素中篩選出關(guān)聯(lián)度較高的指標作為主要因子,建立灰色預(yù)測模型。

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

1.1 指標的篩選

醫(yī)療保健支出的變化趨勢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]。本文綜合以上文獻并對2014—2019年阜陽市統(tǒng)計年鑒[24]中有關(guān)醫(yī)療保健支出及其影響因素的數(shù)據(jù)進行分類,分別從經(jīng)濟因素、人口因素、醫(yī)療保健環(huán)境因素、社會保障因素、政策因素五個方面進行探討。

1) 經(jīng)濟因素。人均可支配收入是衡量居民對醫(yī)療衛(wèi)生服務(wù)需求的重要因素之一。這些年來,城鎮(zhèn)化率有著廣泛的社會影響力,對醫(yī)療保健支出存在明顯的促進作用。因此,本研究中的經(jīng)濟因素以阜陽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。

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

3) 醫(yī)療保健環(huán)境因素。中西藥品及醫(yī)療保健價格指數(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,用每萬人病床數(shù)和每萬人醫(yī)生數(shù)來代表醫(yī)療資源。因此,醫(yī)療保健環(huán)境因素以中西藥品及醫(yī)療保健品價格指數(shù)(X5),每萬人病床數(shù)(X6,張)和每萬人醫(yī)生數(shù)(X7,個)為指標。

4) 社會保障因素。城鄉(xiāng)居民養(yǎng)老保險政策促進了醫(yī)療保健服務(wù)水平的提高。阜陽市農(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,社會保障因素主要是從城鄉(xiāng)居民養(yǎng)老保險(X8,萬人)和新型農(nóng)村合作醫(yī)療(X9,萬人)兩個指標分析。

5) 政府因素。政府對醫(yī)療衛(wèi)生的重視與投入以確保醫(yī)療保障水平順利達到健康扶貧質(zhì)量。因此,采用政府衛(wèi)生財政支出(X10,萬元)來衡量政府支出對醫(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表示時間,根據(jù)數(shù)據(jù)無量綱化處理,采用均值化方法:

(1)

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

3) 計算關(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 阜陽市醫(yī)療保健支出的預(yù)測模型分析

2.1 GM(1,N)預(yù)測模型

(3)

為GM(1,N)模型。求解過程如下。

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)測序列

(7)

2.2 建立醫(yī)療保健支出的GM(1,5)預(yù)測模型

選取關(guān)聯(lián)度大于0.75的每萬人醫(yī)生數(shù)、人均可支配收入、總?cè)丝谖拿ぢ?、每萬人病床數(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年模擬值及相對誤差見表2,醫(yī)療保健支出GM(1,5)模型實際值與模擬值對比如圖1所示,結(jié)果顯示預(yù)測模型平均相對誤差為5.24%,可知GM(1,5)模型預(yù)測效果較好,預(yù)測精確度比較高。

表2 醫(yī)療保健支出2014—2019年模擬值及相對誤差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)模型實際值與模擬值對比Fig.1 Comparison of actual value and simulation value of medical care expenditure GM(1,5) model

2.3 模型預(yù)測

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

3 結(jié) 語

本研究使用灰色關(guān)聯(lián)分析直觀篩選出影響阜陽市居民醫(yī)療保健支出的主要因子,依次為每萬人醫(yī)生數(shù)、人均可支配收入、總?cè)丝谖拿ぢ省⒚咳f人病床數(shù)。將主要因子引進GM(1,5)預(yù)測模型,得到平均相對誤差為5.24%,不僅提高了模型的可信度,而且簡化了操作,實用性更強。將GM(1,5)預(yù)測模型對阜陽市醫(yī)療保健支出進行預(yù)測,結(jié)果顯示未來5年將以7%左右的增長率上升,可為阜陽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居民的醫(yī)療消費水平快速增長。居民醫(yī)療保健支出的增長趨勢,體現(xiàn)了人們對自身健康意識的轉(zhuǎn)變和預(yù)防疾病方面的重視程度逐步加強,也表明了在健康扶貧的背景下,其消費結(jié)構(gòu)在不斷優(yōu)化。本文醫(yī)療保健支出預(yù)測模型具有小樣本且考慮多影響因素的特殊優(yōu)勢,但也有局限性。因為模型數(shù)據(jù)都來源于歷史數(shù)據(jù),無法考慮突發(fā)性的醫(yī)療健康事件對預(yù)測數(shù)據(jù)的影響。因此,為了更準確地預(yù)測結(jié)果,在后期的研究中還需要不斷地結(jié)合實際問題更新數(shù)據(jù),進而修正與完善模型。