保险论文范文社会医疗保险论文我国社会医疗保险费用的实证与分析

《保险论文范文社会医疗保险论文我国社会医疗保险费用的实证与分析》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、保险论文范文社会医疗保险论文我国社会医疗保险费用的实证与分析摘要：目的：为控制社会医疗保险费用的过快增长提供建议。方法：基于1995~2008年的相关数据，运用主成分综合模型和灰色关联分析对影响我国社会医疗保险费用增长的因素进行研究。结果：由主成分综合模型可知我国社会医疗保险费用支出逐年递增且增长幅度越来越大，由灰色关联分析可知医保支出的影响因素中政府预算卫生支出、参保人数、城镇居民可支配收入和医院床位数等4个指标较其他指标与医保支出的关联性更强。结论：继续加强对我国医疗服务的监督和管理，依据影响因素与医保支出的关联性提出控制社会医保费用支出过快增长的建议。关键词：医疗保险；主成分分析；灰

2、色关联分析社会医疗保险费用过快增长，速度已经超过GDP的增长速度，财政无力承担，这是世界面临的共同问题。社会医疗保险费用的过快增长，不可避免的带来了一些严重的后果：对于政府，迫使其将越来越多的公共资源用于医疗保健支出，使财政不堪重负。因此，研究社会医疗保险费用增长的情况以及其相关因素，有其必要性。1指标的确定一般来说，我们将影响社会医疗保险费用因素分为人口因素、收入因素、社会经济发展因素以及社会医疗保险政策因素。参保人数越多，人口老龄化程度越高，支出的社会医疗保险总费用就越多；当人们的可支配收入增加时，人们的健康意识越来越强烈，对于医疗服务这一特殊消费品的需求将增多，用于医疗服务这一消费品

3、的支出也将增加；医院是医疗服务提供者，直接影响医疗服务的总费用；消费品价格水平变化也直接影响到人们的消费支出；政府投入同样会改变医疗消费总量；而社会医保政策因素的影响与参保人数以及政府投入有较强的相关性。根据上述分析，以及考虑到数据的可获得性和科学性，本文主要选取以下9个指标：参保人数、城镇居民可支配收入、老年人口抚养比、医院收入及数量、居民消费价格指数、医疗保健消费价格指数、医院床位数及政府预算卫生支出。这些指标较全面的表现了人口、收入、社会经济发展以及医保政策对医疗保险费用变化的影响。但是由于我国的基本社会医疗保险实行的比较晚，数据方面在年份上就比较靠后。在这里，我们的数据是从1995

4、年开始的。2基于主成分综合模型分析我国社会医疗保险费用的增长形式根据所选取的影响社会医疗保险费用的9个指标，利用统计软件SPSS15.0进行主成分综合模型分析。由于所选取指标的有限性和年份的限制会给分析的准确性带来一定的影响，我们采取针对小样本分析的主成分综合模型方法，尽量降低其影响程度；同时选取主成分综合模型来分析我国社会医疗保险费用的增长形式是为了避免单纯以医保支出来衡量增长形式的不全面性，难以看出我国社会医疗保险费用增长的严峻形势。主成分分析适用于综合评价分析，旨在利用降维的思想，把多指标转化为少数几个综合指标。主成分分析的基础思想：将数据原来的p个指标做线性组合，作为新的综合指标（

5、F1，F2…，Fp）。其中F1是“信息最多”的指标，即原指标所有线性组合中使var（F1）最大的组合对应的指标，称为第一主成分；F2为除F1外信息最多的指标，即cov（F1，F2）=0且var（F2）最大，称为第二主成分；依次类推，易知F1，F2，…，Fp之间互不相关且方差递减。实际处理中一般只选取前几个最大的主成分（总贡献率达到85%），就达到了降维的目的[1]。然后我们依据提取出来的主成分建立主成分综合模型，从而对社会医疗保险费用的历年变化进行综合评价。对应p个变量的m个主成分数学模型如下：设样本资料矩阵为：x=（x1，x2，…，xp）=x11…x1p………xn1…xnp!""""""

6、""#$%%%%%%%%&综合指标为：F1=α11x1＋α21x2+…+αp1xp……Fm=α1mx1＋α2mx2+…+αpmxp简写为：F1=α1ix1＋α2ix2+…+αpixp；i=1，2，…，m；并取α1i2+…+αpi2=1其中：（1）Fi，Fm不相关；（2）F1是x1，…，xp的线性函数中方差最大的，依此类推然后以每个主成分所对应的特征值占所提取主成分总的特征值之和的比例作为权重计算主成分综合模型：y=λ1λ1+λ2F1+λ2λ2+λ1F2以消除不同指标之间量纲的不可共度性。此步骤可在spss15.0中直接进行。然后我们依据方差分解的主成分分析结果提取主成分。第一主成分的贡献率

7、为73.670%，第二主成分加上后的累积贡献率达到92.819%，这个贡献率已经达到了主成分分析法所要求的85.000%。因此，我们提取前面两个主成分。横轴为公共因子，纵轴为特征值。当提取1和2公共因子时，特征值的变化非常明显，当提取3以上的公共因子时，特征值的变化就很小，基本趋于平缓。由此说明，提取1~2个公共因子对原变量信息的刻画有显著的作用。而提取3个以上的公共因子对原变量信息的刻画已经无显著作用了，因此，这里我们