Page 24 - 南京医科大学社科版

南
南京医科大学学报（社会科学版）京医科大学学报（社会科学版） 第2期 总第127期
· 122 ·
Journal of Nanjing Medical University（Social Sciences）of Nanjing Medical University（Social Sciences） 2025年4月
Journal
（0）
（0）
（0）
生率下降、老龄化等社会问题及乡村振兴时代需求 X =［X （1），X （2），……X （n）］
（0）
所导致的结构性风险。本文提出，应重视以“长期 对原始数据开展级比检验。原始数据与其前
护理保险”为代表的新险种、数字化孕育的医疗技 一数据之比即为级比，级比λ用公式表示如下：
（0）
术以及区域医疗保障风险调剂金等医保制度对现 X （i - 1）
λ（i）= （0）
行医保运行的补充调整，以期为我国医保制度乃至 X （i）
2 2
社会保障制度的可持续发展提供参考，为“十五五” 若级比值均位于区间（e- ， e+ ），则原
n + 1 n + 2
规划提供借鉴。 数据通过级比检验，证明原数据适合进行灰色预测
一、资料来源和方法 分析；若未通过级比检验，则应增加平移转化常数 c
以使通过检验，平移转化过程如下：
（一）资料来源 X （0） =X +c
（0）
1
数据资料来源于 2009—2022 年《中国卫生健康 X =［X （1），X （2），……X （n）］
（0）
（0）
（0）
（0）
统计年鉴》《中国劳动统计年鉴》和国家医疗保障局 构造数据矩阵B和数据向量Y：
公布的《全国医疗保障事业发展统计公报》。基于
æ 1 （1） （1） 1 ö
- ［X （1） + X （2）］
现有数据资料，在不考虑今后政策调整的前提下， ç ç 2 ÷ ÷
参照 2022 年基本医保组成，收集城镇职工医保、生育 ç ç 1 （1） （1） 1 ÷ ÷ ÷ ÷
- ［X （2） + X （3）］
ç
ç
保险、城乡居民医保、城镇居民医保、新型农村合作医 B= ç 2 ÷ ÷
ç
疗的基金收入和基金支出指标数据，并基于医保政策 ç ç ︙ ︙ ÷ ÷
ç 1 （1） （1） ÷ ÷
调整进程对相应险种数据进行合并运算。基于最新 ç- ［X （n - 1） + X （n）］ 1
è 2 ø
的医保制度整合方式及基金收支情况的历史发展趋 （0）
ö
æX （2）
÷
势，对未来基本医保基金收支情况进行预测。 ç çX （3）
÷
（0）
（二）研究方法 Y= ç ç ç ︙ ÷ ÷ ÷
面对“部分已知、部分未知”的系统时，传统统 ç （0） ÷
ø
计学方法难以开展有效分析，灰色系统理论为研究 è X （3）
求解GM（1，1）模型的核心为求解灰参数。灰参
“小样本、贫信息”的不确定性系统提供了科学、高
数是由发展系数 a 和灰色作用量μ所构成的矩阵，其
效的研究方法 ［11］ 。该理论认为，在面对系统的复杂
数学表达式为：
性时，可以通过分析已知信息来弱化系统的未知
a
性，实现灰色系统的“淡化”以展开分析。如灰色 a= æ ö ，或写作a=［a，μ］ T
è ø
u
GM（1，1）预测模型，其核心思想即通过对时间序列上
在矩阵a中，发展系数 a 反映该灰色系统的整体
的离散数据进行累加累减，强化已知因素的影响力，
发展趋势：若 a<0，则系统呈现指数增长趋势，反之
生成较为规律的数据，从而找出系统内在的特征及逻
则呈现指数衰减趋势；a 的绝对值大小则代表该趋
辑 ［12］ 。我国医保制度发展较晚，发展初期坚持了城乡
势变化的速率，绝对值越大说明变化速率越快。灰
分立、职工居民分立原则 ［13］ ，后续经过多轮险种调整
与合并，存在统计数据时间跨度短、单险种数据缺失 色作用量μ反映该灰色系统外部因素或未知因素对
现象。对医保展开预测，需选用适宜处理“小样本、不 该系统的影响，是对该系统进行调节的基准值。
完全信息”的时间序列预测模型。 基于最小二乘法可得如下公式：
T
T
T
T
T
-1
-1
在中短期时间序列预测的研究中，ARIMA 模 a=（B B）B Y，即［a，μ］=（B B）B Y
型与 GM（1，1）模型均得到广泛使用，ARIMA 模型 经过计算得到 a、μ，最终得到基本医保基金收
的优势在于将季节等变化趋势的综合效应融入时 入的预测模型为：
μ μ
间序列中，基于对模型的持续修正得出满意模型； X （k+1）=［X （1）- a ］e -a（k-1） + a
（1）
（0）
̬
GM（1，1）模型优势则在于可利用较少数据实现对
若未通过级比检验，则构建预测模型：
复杂系统主要变量特征值的拟合 ［14］ 。既有研究证 （1） （0） μ -a（k-1） μ
明，当预测所拥有的数据量较少时，GM（1，1）模型 X （k+1）={［（X （1）- a ）］e + a ）}-c
̬
平均误差小于 ARIMA 模型 ［15-16］ 。我国基本医保发 最终得到预测值：
（1）
（1）
（0）
展历史不长，原始数据较少。因此，本研究通过构 X （k）=X （k）-X （k+1）
̬
̬
̬
建灰色 GM（1，1）模型对我国医保基金发展规模进
二、预测结果
行预测分析，运用 Stata 软件进行数据的统计分析
和处理。 （一）我国基本医保基金现状
建立基本医保基金收入的时间序列： 我国基本医保制度历经多轮改革调整。2016年