基本醫療保險患者住院費用因子分析模型

張玲　徐勃興

【摘要】 針對基本醫療保險患者住院費用上漲趨勢并未得到有效遏制的現狀，基于因子分析法展開研究，為加強患者住院費用管理和相關制度制定提供理論方法。以因子分析基本原理為依據，建立患者住院醫療費用構成體系，對初始數據進行KMO檢驗，運用SPSS 19.0軟件對所得數據進行統計分析，根據結果構建了因子分析模型。通過降維將12個費用構成指標抽象為化驗手術、藥品診察、麻醉輸血、護理治療和床位其他等5個因子表示，以較少的維度整合資料，能更好地簡化和解釋問題。

【關鍵詞】 基本醫療保險； 住院； 醫療費用； 因子分析； 降維

【Abstract】 For the present situation that the rising trend of basic medical insurance patients' hospitalization costs has not been effectively curbed，launching the research based on factor analysis methods to provide theoretical methods to strengthen patients hospitalization expenses management and related system formulation.Taking factor analysis basic principle as basis，established patients hospitalization medical expense constitution system，KMO test was carried out on the initial data，using SPSS 19.0 statistical software to carry out the data calculation，according to the calculation results constructed the factor analysis model.Through dimension twelve costs constitute indicators are abstracted as five factors of chemical examination surgery，medicine diagnosis，anesthesia and blood transfusion，nursing treatment and bed to express，integrating information in a lesser dimension，which is better able to simplify and explain problems.

【Key words】 Basic medical insurance； Hospitalization； Medical expense； Factor analysis； Dimensionality reduction

First-authors address：Jinzhou Central Hospital，Jinzhou 121000，China

doi：10.3969/j.issn.1674-4985.2017.25.038

我國醫療費用增長速度已經超過了國內生產總值的增長速度，“看病貴”和“看病難”問題日益嚴重，高級別醫療機構的醫療費用增長尤為突出，給國家、單位和個人造成了沉重的經濟負擔，制約著衛生事業的發展[1]。基本醫療保險保障了參保人員的基本醫療需求，但醫療費用上漲趨勢并未得到有效遏制，存在著醫療保險費用增長過快、醫療保險費用控制制度缺陷和費用支付結構不合理等問題[2-3]。本文將關系密切的醫療保險患者住院醫療費用構成指標歸在一類中，用少數幾個因子描述多個醫療費用指標之間的關系，簡化統計分析工作，為加強基本醫療保險患者住院費用管理和相關制度制定提供理論方法。

1 因子分析基本原理

因子分析就是基于降維的思想，把一些有錯綜復雜關系的變量歸結為少數幾個綜合因子的多變量統計分析方法[4-6]。從研究變量內部相關的依賴關系出發，將相關性較高、聯系比較緊密的分在同一類中，而不同類變量之間的相關性則較低，每一類變量代表一個基本結構，即公共因子。因子分析的核心目標是濃縮原有變量抽取因子，包括：（1）前提條件：因子分析要求變量之間存在較強的相關關系。如果原有變量之間相互獨立，就無法進行因子分析。因此，需要檢驗原始數據是否適合進行因子分析，通常使用KMO測度檢驗統計量。（2）因子抽取：在樣本數據的基礎上抽取和綜合因子，關鍵是通過樣本數據求解因子載荷矩陣，通常使用主成分分析法，使用相關性矩陣進行分析，基于特征值進行抽取，最大收斂性迭代次數為25。（3）使因子有命名可解釋性：對原有變量綜合為少數幾個因子后，如果因子的實際含義不清晰，則不利于進一步分析。因此要將抽取出來的因子深入分析，使命名有可解釋性，使人一目了然。（4）計算各樣本的因子得分：通常使用回歸方法，產生的因子分值均值為0，方差等于估計因子值與真實因子值多元相關的平方。輸出結果可以保存為變量，也可以是得分系數矩陣，為進一步分析奠定基礎[7-8]。

2 患者住院醫療費用構成體系

患者住院醫療費用構成較為復雜，目前尚沒有統一的統計標準。用單一指標或少數幾個指標不能反映費用構成全貌，必須構建科學規范的指標體系。《中國衛生統計年鑒》的“各級綜合醫院收入與支出”表中將住院患者人均醫藥費用分為床位費、檢查費、治療費、手術費、護理費、衛生材料費和藥品費等7類，這種分類方法雖然類別較少，但對醫療費用構成分析具有一定的參考價值，結合文獻[9-15]，構建的患者住院醫療費用構成體系，見圖1。endprint

3 初始數據獲取與KMO檢驗

假定A、B、C、D、E、F、G、H等為8家二級甲等以上醫院，2016年第一季度基本醫療保險患者住院費用各項指標的費用統計平均值，見表1。

4 SPSS因子分析過程與結果

依據因子分析基本原理，使用SPSS 19.0軟件對表1中的數據基于主成份進行抽取，最大特征值大于0.6，最大收斂迭代次數為25。

4.1 公因子方差 公因子方差表示提取公因子后的公因子方差共同度，共同度大于0.5就可以進行因子分析，小于0.3則不適合進行因子分析。結果顯示，12個指標的公因子方差值均大于0.5，除了U10<0.8和U7<0.9外，其他都大于0.9，平均值達到0.946，表明提取的公因子能夠很好地反映原始變量的主要信息，非常適合進行因子分析，見表2。

4.2 解釋的總方差 包括初始特征值、提取平方和截入以及旋轉平方和載入，初始特征值包括12行數據，后五行的累積%都為100故省略[16-17]。選取因子時，主要看前幾個公因子方差的累計貢獻率，累計貢獻率越高效果越好，累計貢獻率越低效果越差。本文以90%為標準，即取5個因子，累積貢獻率達到94.631%，即表示5個公共因子可以解釋約95%的總方差，結果非常理想，見表3。

4.3 旋轉因子載荷矩陣 對因子載荷矩陣進行旋轉，使旋轉后的因子載荷矩陣結構簡化，以便對公共因子做出更合理的解釋。本文基于方差最大正交旋轉法，將各因子載荷的總方差最大作為因子載荷矩陣結構簡化的準則，見表4。

4.4 因子分析模型 根據表4構建因子分析模型[18-19]，在式（1）中5個主因子構成12個相互垂直的坐標關系，主因子前的系數大小反映了變量在主因子上的相對重要性。

（1）

4.5 結論與分析 原有12個基本醫療保險患者住院費用構成指標歸納為5個因子，因子個數少于原有的構成指標個數。5個因子簡要分析如下：（1）是最重要的影響因子，主要反映“化驗費U9和手術費U8”兩項指標，稱化驗手術因子，與“藥品費U3”呈負相關性，表明采用手術治療方法，雖然化驗費和手術費較高，但可以節省藥品費用。（2）是第二重要的影響因子，主要反映“藥品費U3和診察費U1”兩項指標，稱藥品診察因子，與“麻醉費U7”呈負相關性，表明采用保守治療方法，雖然藥品費和診察費較高，但可以節省手術費用。（3）是第三重要的影響因子，主要反映“麻醉費U7、輸血費U6和材料費U10”等三項指標，稱麻醉輸血因子，這三項費用有很強的正相關性。當麻醉費較高時，輸血費也較高。（4）是第四重要的影響因子，主要反映“護理費U11和治療費U5”兩項指標，稱護理治療因子，當護理費提高時，治療費也相應提高。（5）是第五重要的影響因子，主要反映“床位費U2和其他費U12”兩項指標，稱床位其他，當床位費用高時，住院天數增加或病房等級提高，引起其他費用提高。

4.6 成分得分系數矩陣 確定了因子后，計算各因子得分，利用因子變量進行回歸分析，不再使用原始12個指標，見表5。根據表5得出5個主成分的方程表達式，方程組式（2）分別表示每個因子與所有指標之間的線性關系，包括正相關關系和負相關關系，以及權重，這與4.5基本類似。

（2）

5 討論

控制基本醫療保險患者住院費用和為患者提供更加優質的醫療服務，是醫療保險機構和政府衛生管理部門面對的難題，調結構是有效遏制費用不合理上漲的關鍵環節[20]。本文基于因子分析法，將基本醫療保險患者住院費用構成的12個指標按相關性大小分為5組，同組間相關性較高，不同組間相關性較低，用較少的新變量集替代原始多個變量集，能更好地簡化和解釋問題。應用時要根據實際建立科學合理的費用構成體系，選取適當的相關矩陣和因子載荷矩陣計算方法，這樣才能使分析結果更接近實際。

參考文獻

[1]張愛琴，蘇虹，沈愛宗.某三甲醫院城鄉居民2013年住院患者疾病構成及費用分析[J].安徽醫學，2016，37（2）：220-223.

[2]王雪蝶，曹高芳.我國基本醫療保險異地就醫結算問題研究[J].山東社會科學，2015，29（10）：139-143.

[3]侯建森，張羽.基于道德風險視角的我國社會醫療保險費用控制研究[J].現代管理科學，2015，34（8）：85-87.

[4] Pavia L，Cavani P，Blasi M D，et al.Smartphone Addiction Inventory （SPAI）：Psychometric properties and confirmatory factor analysis[J].Computers in Human Behavior，2016，63（10）：170-178.

[5]萬國峰，李玉青，劉秀榮.因子分析在職工食堂滿意度評價中的應用[J].職業與健康，2015，31（11）：1485-1487.

[6]顏錦江，姜浩亮，程永忠.供給側結構性改革背景下醫院投入產出效率評價—基于因子分析和DEA模型[J].財經科學，2016，60（9）：112-123.

[7]時立文.SPSS19.0統計分析從入門到精通[M].北京：清華大學出版社，2012.

[8] Gaskin C J，Happell B.On exploratory factor analysis：A review of recent evidence，an assessment of current practice，and recommendations for future use[J].International Journal of Nursing Studies，2014，51（3）：511-521.

[9]王鳳明.醫療保險醫療費用分析控制指標的構成及內涵[J].山東人力資源和社會保障，2016，25（3）：24-26.

[10]譚禮萍.住院醫療費用構成的結構變動度分析[J].中國衛生統計，2015，32（3）：441-443.

[11]王建平，劉茵，楊云，等.我國醫療費用總體構成情況分析及醫改建議[J].中國藥房，2014，25（17）：1554-1557.

[12]李靜，馬效恩，華永新，等.基于結構變動度的不同付費方式住院醫療費用控制研究[J].中國醫院管理，2015，35（12）：65-67.

[13]羅雪燕.醫保兒童住院醫療費用的影響因素分析[J].重慶第二師范學院學報，2016，29（4）：137-140.

[14]張澤洪.住院醫療費用控制的系統規制與微觀治理分析[J].財經論叢，2016，32（4）：105-112.

[15]郝潔靚，吳群紅，李葉.黑龍江省鄉鎮衛生院住院醫療費用醫保補償水平研究[J].中國醫院管理，2016，36（6）：44-46.

[16]黃濤，張勇.基于因子分析模型的我國城鎮居民小康水平評價研究[J].統計與管理，2016，31（10）：50-52.

[17]袁曉.基于因子分析模型上市公司財務經營效率研究[J].西南師范大學學報（自然科學版），2016，41（9）：56-60.

[18]孫麗，梁力中，吳進軍.基于大數據的基本醫療保險患者住院醫療費用因子分析[J].齊齊哈爾醫學院學報，2016，37（18）：2326-2327.

[19]陳沛軍，翟理祥，黃鶴沖.基于因子分析模型的我國衛生事業發展綜合評價測量研究[J].中國社會醫學雜志，2016，34（4）：397-400.

[20]吳奎，劉一彬，吳剛.基于結構變動度的住院醫療費用控制研究[J].中國醫療保險，2017，10（1）：34-36.

（收稿日期：2017-03-29） （本文編輯：周亞杰）endprint