基于粗糙集屬性約簡和回歸模型相結合的醫(yī)保費用支出精算模型.pdf

1、隨著醫(yī)保政策的逐漸成熟和網絡技術的迅速發(fā)展，醫(yī)保數據海量積累。針對醫(yī)?；鸬氖罩С霈F了很多精算模型和方法。這些研究對醫(yī)保政策的調整和改善起到了重要的作用。但是國內醫(yī)保政策實施較晚，對醫(yī)保基金的研究還不是非常完善，模型相對簡單，方法也比較傳統(tǒng)。如何建立一個準確高效的醫(yī)保精算模型仍然是很多醫(yī)保精算類文章研究的重點。另外對醫(yī)保數據分析方法的研究也仍然有改善的空間。
　　首先，本文提出了按病種核算的醫(yī)?；鹬С龅木隳Ｐ汀Ｒ酝哪Ｐ涂紤]到

2、了職工身份、年齡等方面造成的支付比例不同，但是沒考慮到各種疾病本身的分布和均次費用的差異，要真正做到了解和控制醫(yī)療費用，必須從單病種醫(yī)療費用分析入手。所以本文將各種疾病的差異考慮進模型中，提出了按病種核算的醫(yī)保統(tǒng)籌基金支出模型。該模型的在計算過程中考慮到了起付線和部分統(tǒng)籌費用的自付比例部分，使該模型更接近實際。
　　住院統(tǒng)籌費用的支出是年度醫(yī)療統(tǒng)籌基金支出中數額最大的一部分。所以單病種的次均住院費用也是該模型中一個重要參數。以往文

3、獻中研究該指標使用最廣泛的方法是多元線性回歸?；貧w模型中自變量的選擇一直是研究者根據自己的研究目的而定，對研究者的相關領域知識有較高要求且缺乏客觀性。因此本文嘗試了利用粗糙集屬性約簡的算法在眾多的條件屬性中選擇相關的影響因素。使得該方法具有更廣泛的適用性。
　　粗糙集的屬性約簡是近年來數據挖掘領域的研究熱點。其中，RR(RandomReducts)算法是一種針對大型數據集的粗糙集約簡的較為前沿的算法，通過對條件屬性列的隨機抽取，按