黃德斌 秦佳佳 劉一彬 陳治文 蔡江瑤

（1成都市人力資源和社會保障局 成都 610031；2成都市醫(yī)療保險信息服務(wù)中心 成都 610031；3成都數(shù)聯(lián)易康科技有限公司 成都 610031）

1 成都市基本醫(yī)保政策演進(jìn)

近年來，成都市持續(xù)深入推進(jìn)醫(yī)改，優(yōu)化政策制度、創(chuàng)新體制機(jī)制，深入推進(jìn)醫(yī)療保險治理能力現(xiàn)代化建設(shè)，充分發(fā)揮醫(yī)保在醫(yī)改中的基礎(chǔ)性作用，在增強公平性、保證可持續(xù)性，提升參保群眾獲得感等方面進(jìn)行了一系列探索和實踐。在制度建設(shè)方面，著力完善多層次的醫(yī)保制度，同時整合經(jīng)辦管理資源，實現(xiàn)城職城鄉(xiāng)醫(yī)?；鹗屑壗y(tǒng)籌。在待遇保障方面，著力完善提質(zhì)增效政策措施，實現(xiàn)門診統(tǒng)籌報銷待遇，完善門診特殊疾病管理辦法。在經(jīng)辦管理方面，著力優(yōu)化精簡服務(wù)流程。在基金監(jiān)管方面，以社會治理理念為指導(dǎo)思想，運用互聯(lián)網(wǎng)、大數(shù)據(jù)、云計算、人工智能等現(xiàn)代信息技術(shù)，著力構(gòu)建現(xiàn)代治理體系。在深化醫(yī)改方面，著力推動三醫(yī)聯(lián)動，深化醫(yī)保支付方式改革。為定量評估近年來成都市醫(yī)保政策的治理成效，成都市醫(yī)療保險信息服務(wù)中心在構(gòu)建醫(yī)保治理綜合評價體系的基礎(chǔ)上，運用因子分析法得到歷年治理成效指數(shù)（HIG指數(shù)）。

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)來源

本研究的數(shù)據(jù)來源于成都市醫(yī)療保險信息中心、成都市醫(yī)保局、成都市社保局、成都市統(tǒng)計局，主要是全市城鎮(zhèn)職工基本醫(yī)療保險住院結(jié)算信息表，時間跨度為2010年1月1日至2016年12月31日。

2.2 研究方法

描述性分析法和因子分析法。

2.3 指標(biāo)體系

表1 成都市城鎮(zhèn)職工基本醫(yī)療保險治理成效評估指標(biāo)體系

圖1 2010-2016年成都城鎮(zhèn)職工基本醫(yī)療保險參保人數(shù)及撫養(yǎng)比

本文結(jié)合醫(yī)療保險的業(yè)務(wù)情況以及眾多學(xué)者對于醫(yī)保治理成效的研究成果，從社會公平性、基金穩(wěn)定性與可持續(xù)性、醫(yī)保基金支付效率、費用公平性四方面共選取12個指標(biāo)建立了成都市城鎮(zhèn)職工基本醫(yī)療保險治理成效的評估指標(biāo)體系（見表1）。通過評價指標(biāo)體系的構(gòu)建實現(xiàn)對2010-2016年城鎮(zhèn)職工基本醫(yī)療保險的治理成效評估與對比。

3 研究結(jié)果

3.1 社會公平性

由圖1可知，近年來，成都市的參保人數(shù)年均增長率達(dá)12.3%。醫(yī)?；鸬膿狃B(yǎng)比例整體呈現(xiàn)穩(wěn)步、略微上升的趨勢。總體來說，近年來成都市城鎮(zhèn)職工基本醫(yī)療保險的社會公平性不斷提高。

3.2 基金穩(wěn)定性與可持續(xù)性

由圖2可知，2010-2016年，成都市城鎮(zhèn)職工基本醫(yī)療保險基金收入逐年上升。成都市城鎮(zhèn)職工基本醫(yī)療保險基金結(jié)余呈現(xiàn)一個倒S型的趨勢?？傮w來說，最近幾年成都市城鎮(zhèn)職工基本醫(yī)療保險基金呈現(xiàn)穩(wěn)中向好的趨勢。

3.3 醫(yī)?；鹬Ц缎?/h3>

由圖3可知，2010-2016年，成都市總住院人次增速、基金申請撥付金額增速、次均基金申請撥付金額增速整體呈現(xiàn)明顯下降的趨勢。總體來說，近年來成都市的醫(yī)?；鹬Ц缎什粩嗵岣?。

圖2 2010-2016年成都城鎮(zhèn)職工基本醫(yī)療保險基金收支余情況

圖3 2010-2016年成都城鎮(zhèn)職工基本醫(yī)療保險基金支付效率相關(guān)指標(biāo)

圖4 2010-2016年成都城鎮(zhèn)職工基本醫(yī)療保險費用公平性相關(guān)指標(biāo)

3.4 費用公平性

由圖4可知，2010-2016年，成都市城鎮(zhèn)職工基本醫(yī)療保險的全自費率逐漸上升。歷年來成都市城鎮(zhèn)職工基本醫(yī)療保險的政策范圍內(nèi)報銷比基本維持在83%左右，人均負(fù)擔(dān)占當(dāng)年市平均工資比重基本維持在0.14左右。

3.5 因子分析情況

在實際研究中，為了系統(tǒng)、全面地分析問題，我們通常會考慮眾多的影響因素，即選取很多與研究內(nèi)容相關(guān)的指標(biāo)，例如本文中選取12個指標(biāo)來反映近年來城鎮(zhèn)職工醫(yī)保治理的成效，但這些指標(biāo)反映的信息往往會有一定程度的重疊（指標(biāo)間具有相關(guān)性），而因子分析法可以為這種問題提供很好的解決思路。因子分析法以降維的思想為依據(jù)，把原始的錯綜復(fù)雜的指標(biāo)轉(zhuǎn)化為少數(shù)幾個有代表性的因子，這些因子可以代替所有指標(biāo)去分析整個問題，主要用于指標(biāo)綜合評分和重要性分析。因此，本文中我們利用因子分析法，將原有的12個指標(biāo)轉(zhuǎn)化為少數(shù)幾個線性無關(guān)的因子，并通過公因子得分進(jìn)行綜合評價，實現(xiàn)對成都市2010年到2016年的醫(yī)保治理效果進(jìn)行對比，展現(xiàn)成都市城鎮(zhèn)職工基本醫(yī)療保險的發(fā)展水平及特點。

3.5.1 數(shù)據(jù)預(yù)處理

根據(jù)上文設(shè)計的指標(biāo)體系以及研究目標(biāo)，本文本來應(yīng)該收集成都市2010年到2016年的相關(guān)數(shù)據(jù)，但由于算法對樣本量有一定的要求，樣本量和指標(biāo)數(shù)的比例一般應(yīng)在5:1以上才能得到較好的結(jié)果，所以本文將數(shù)據(jù)擴(kuò)展至各區(qū)縣，即選取2010年到2016年成都21個區(qū)縣相關(guān)指標(biāo)的數(shù)據(jù)，后期比較各年成都市綜合指標(biāo)的時候，再根據(jù)各區(qū)縣進(jìn)行匯總處理（各區(qū)縣的指標(biāo)值相加）。

3.5.2 數(shù)據(jù)正向化及標(biāo)準(zhǔn)化

將成都市各區(qū)縣2010年到2016年的相關(guān)指標(biāo)數(shù)據(jù)作為評估整體，變量為12個評價指標(biāo)。根據(jù)表1可知，指標(biāo)里面有很多屬于負(fù)向指標(biāo)，因為后期我們會計算綜合得分，所以需要對負(fù)向指標(biāo)進(jìn)行正向化處理，才能保證綜合得分越大，代表醫(yī)保治理效果越好。本文采用取倒數(shù)的方法來正向化處理。另外，由于各指標(biāo)的量綱和數(shù)量級不一樣，所以在進(jìn)行計算之前還需要消除量綱的影響, 將數(shù)據(jù)進(jìn)行Z-score標(biāo)準(zhǔn)化處理，經(jīng)過標(biāo)準(zhǔn)化處理后的數(shù)據(jù)，更具有可比性。

3.5.3 適應(yīng)性檢驗

在進(jìn)行主成分提取之前，首先需要判斷，這12個指標(biāo)，是否適合展開因子分析，主要是通過KMO值和Bartlett球度概率這兩項指標(biāo)。通過SPSS22.0運算求解，KMO的值為0.592>0.5，Bartlett球形檢驗概率值為0.000<0.05，即這些指標(biāo)通過了適應(yīng)性檢驗。

3.5.4 提取主成分，確定公共因子

運用SPSS22.0軟件進(jìn)行因子分析，本文采用主成分分析方法來提取公因子，得到如表2總方差分解表，并按照方差貢獻(xiàn)率的大小將各主成分從大到小進(jìn)行排列。根據(jù)特征根大于1的原則，本應(yīng)該提取排名前5的子成分作為治理成效評價指標(biāo)體系的公共因子。但由于前5個主成分只包含了原始變量的76%的信息，小于80%，所以本文最終取前6個子成分，包含了原始變量的83%的信息，滿足了因子分析用變量子集來解釋整個問題的要求，分析結(jié)論具有可信度。

3.5.5 進(jìn)行因子旋轉(zhuǎn)并解釋因子含義

計算機(jī)通過坐標(biāo)變換挖掘出每個原始指標(biāo)與公共因子之間的顯示性關(guān)系，得到旋轉(zhuǎn)成分矩陣。根據(jù)旋轉(zhuǎn)成分矩陣可知，第一個因子，主要是反映參保人數(shù)、老年人口比例和基金的收入結(jié)余情況，包括參保人數(shù)、撫養(yǎng)比、基金收、當(dāng)年余；第二個因子，主要是反映費用公平性，包括全自費率、政策范圍內(nèi)報銷比、人均負(fù)擔(dān)占市平均工資比重；第三個因子，主要是反映參保人數(shù)增長和醫(yī)療效率，包括參保人數(shù)增幅、住院人次人頭比；第四個因子，主要是反映基金次均支付增長情況，包括次均基金申請撥付金額增速；第五個因子，主要是反映住院量增長情況，包括總住院人次增速；第六個因子，主要是反映基金總體支付增長情況，包括基金申請撥付金額增速。

3.5.6 計算公因子得分

在確定公共因子后，可以利用回歸法將公共因子表達(dá)為各變量的線性形式，也稱為因子得分函數(shù)。根據(jù)因子得分系數(shù)矩陣可以直接寫出各公因子的表達(dá)式，其中Fi1表示第i個個體（某年某個區(qū)縣）的第一個因子得分值，例如F11指的是2010年錦江區(qū)的第一個因子得分值，i取值從1到143。X表示標(biāo)準(zhǔn)化后的原始指標(biāo)值，Xi1表示i個個體的參保人數(shù)（標(biāo)準(zhǔn)化后），Xi2表示i個個體的參保人數(shù)增幅（標(biāo)準(zhǔn)化后），Xi3表示i個個體的撫養(yǎng)比（標(biāo)準(zhǔn)化后），之后可依次類推（公式1）。

3.5.7 構(gòu)建綜合指數(shù)

在得到因子得分后，以各因子的方差貢獻(xiàn)度比例為權(quán)數(shù)計算各年各區(qū)縣醫(yī)保治理成效的綜合指數(shù)f，具體如下計算公式，其中λ1、λ2、λ3、λ4、λ5、λ6分別為6個主成分特征根（公式2、見表2）。

按照以上步驟計算得到的是各區(qū)縣各年的綜合指數(shù)，成都市各年綜合指數(shù)F需要將同一年各區(qū)縣（21個區(qū)縣）的得分f進(jìn)行匯總。F=f1+f2+f3+…+f21。具體各年的治理指數(shù)如表3。

3.5.8 結(jié)果

從醫(yī)保治理成效指數(shù)角度出發(fā)（見表3），除了2015年略微下降，總得分呈現(xiàn)逐年上升的趨勢，2016年的成都市醫(yī)保治理綜合指數(shù)最高為2.499055，其次是2014年和2015年，這也說明成都市醫(yī)保治理取得較為明顯成效。具體來說，從各因子來看，第一因子和第六因子升高的趨勢表現(xiàn)得尤為突出，同時由于第一因子的指標(biāo)權(quán)重最大，拉動了總得分的上升，說明成都市近年來在醫(yī)保治理方面取得了較好的成效。第三因子表現(xiàn)較差，是限制醫(yī)保治理成效的重要制約因素，醫(yī)保在提升醫(yī)療服務(wù)效率方面還有待進(jìn)一步努力，是未來醫(yī)保政策制定的重要方向。第二因子、第四因子、第五因子表現(xiàn)不穩(wěn)定，可考慮在相關(guān)方面加強治理。

表2 總方差分解表

表3 成都市各年醫(yī)保治理指數(shù)表

4 討論

4.1 成都市城職醫(yī)?；鸬目沙掷m(xù)性提升，集中表現(xiàn)在基金收入端和支出端的持續(xù)向好

結(jié)合表3，第一因子主要反映收入端情況，包括參保人數(shù)、撫養(yǎng)比、基金收入和結(jié)余，第六因子集中反映支出端，包括基金支出增速。第一因子與第六因子七年得分情況均表現(xiàn)為總體上升趨勢，同時2014年-2016年得分最高，基本與總得分趨勢表現(xiàn)一致。收入端持續(xù)向好主要表現(xiàn)為隨著全民參保的持續(xù)推進(jìn)，參保人數(shù)逐年上升，基金收入和結(jié)余逐年穩(wěn)定增長。支出端向好主要變現(xiàn)為在不斷強化醫(yī)療服務(wù)行為監(jiān)管的嚴(yán)格管控下，總住院人次增速、次均基金申請撥付金額增速皆呈放緩趨勢，基金申請撥付金額增速總體不斷下降。

4.2 人口老齡化對基金安全的考驗還未明顯顯現(xiàn)

人口老齡化對醫(yī)保基金的沖擊是當(dāng)前和未來威脅基金可持續(xù)發(fā)展的最大考驗，人口老齡化會直接導(dǎo)致基金收入降低，支出增加，對收入支出端的影響都十分顯著。結(jié)合文中數(shù)據(jù)研究來看，撫養(yǎng)比指標(biāo)作為第一因子，對收入端的影響更大。撫養(yǎng)比2010年的2.36為七年間最低，自2011年起到2016年則持續(xù)穩(wěn)定在3.00到3.08之間，波動幅度極小。而第一因子反映的收入端自2010年以來的總體持續(xù)上升也表明撫養(yǎng)比指標(biāo)未對基金收入產(chǎn)生明顯負(fù)面影響。毋庸置疑，成都市乃至全國范圍內(nèi)老齡化進(jìn)程仍在持續(xù)加速推進(jìn)，雖尚未通過勞動人口和老年人口結(jié)構(gòu)變化傳導(dǎo)至醫(yī)?；鹗罩Ф?，但當(dāng)前宜未雨綢繆，醫(yī)保積極配合醫(yī)改、支持醫(yī)療服務(wù)能力提升、推進(jìn)分級診療是防范基金風(fēng)險、應(yīng)對未來考驗的有效之舉。

4.3 醫(yī)保支付結(jié)構(gòu)性差異明顯

成都醫(yī)保住院人均負(fù)擔(dān)占市平均工資的比重從2010年的17.0%降至2016年的13.7%，表明醫(yī)保切實降低了參保群眾的就醫(yī)支出。然而參考費用公平性，主要表現(xiàn)為第二因子，除人均負(fù)擔(dān)占平均工資的比重外還包括全自費率和政策范圍內(nèi)報銷比。第二因子七年間表現(xiàn)并不穩(wěn)定，且自2012年以來總體呈下降趨勢。具體到指標(biāo)，醫(yī)保政策范圍內(nèi)報銷比自2010年的83.09%提升至2016年的83.80%，總體穩(wěn)定上升，而全自費率也從2010年的15.78%升至2016年的21.26%，也呈上升趨勢且增幅更大。兩者之間的明顯倒掛反映到現(xiàn)實層面即為在醫(yī)療事業(yè)快速發(fā)展的背景下新藥品、醫(yī)用耗材等多樣化醫(yī)療資源快速涌現(xiàn)，醫(yī)保目錄的擴(kuò)張速度無法實現(xiàn)對新資源的有效覆蓋，從而間接制約了參保人個人負(fù)擔(dān)的進(jìn)一步減輕。深化醫(yī)保支付方式改革，穩(wěn)慎擴(kuò)大醫(yī)保目錄范圍，是當(dāng)前成都市醫(yī)保治理的重要方向。

4.4 醫(yī)保監(jiān)管的重點是重復(fù)住院等疑似違規(guī)行為

六大因子中第三因子波動幅度最大且總體呈下降趨勢，近三年表現(xiàn)為七年間最差。第三因子主要反映參保人數(shù)增長和醫(yī)療效率，包括參保人數(shù)增速和住院人次人頭比。參保人次增速自2010年的13.9%降至2016年的6.8%，而住院人次人頭比從2010年的1.337增至2016年的1.378。參保人數(shù)增幅在基金收入端和支出端影響表現(xiàn)相反，總體影響呈中性，而人次人頭比指標(biāo)僅影響支付端，且與基金支付正相關(guān)。人次人頭比直接反映醫(yī)療服務(wù)能力，表現(xiàn)為重復(fù)住院的嚴(yán)重程度。近年來人次人頭比的增長體現(xiàn)了醫(yī)療資源運行效率的下降，應(yīng)引起重視。嚴(yán)格控制次均指標(biāo)，加強住院指標(biāo)分析，重點打擊虛假住院、分解住院、重復(fù)診療等違規(guī)醫(yī)療行為是未來醫(yī)保監(jiān)管的重點方向。

5 結(jié)論

因子分析法是從研究變量內(nèi)部相關(guān)的依賴關(guān)系出發(fā)，把一些具有錯綜復(fù)雜關(guān)系的變量歸結(jié)為少數(shù)幾個綜合因子的一種多變量統(tǒng)計分析方法。目前，因子分析法廣泛應(yīng)用于企業(yè)的經(jīng)營績效評價、政策評價研究等領(lǐng)域的綜合評價。成都市運用因子分析法從社會公平性、基金穩(wěn)定性與可持續(xù)性、醫(yī)?；鹬Ц缎省①M用公平性四方面共選取12個指標(biāo)建立了成都市城鎮(zhèn)職工基本醫(yī)療保險治理成效的評估指標(biāo)體系，此方法客觀全面的評價醫(yī)保治理成效。同時最終的評價結(jié)果顯示醫(yī)保治理指數(shù)呈現(xiàn)逐年變好的趨勢，與近年來成都市充分運用互聯(lián)網(wǎng)、大數(shù)據(jù)、云計算、人工智能等現(xiàn)代信息技術(shù)，緊緊圍繞“?；?、強基層、建機(jī)制”的目標(biāo)，堅守基本制度，完善管理服務(wù)，創(chuàng)新體制機(jī)制，轉(zhuǎn)變發(fā)展方式，不斷深化醫(yī)療保險改革創(chuàng)新，全市醫(yī)保治理體系和治理能力現(xiàn)代化取得了長足的進(jìn)步，醫(yī)?；鸱€(wěn)定性和可持續(xù)性增強，參保群眾獲得感、滿意度明顯提高的實際情況相符，進(jìn)一步體現(xiàn)此研究方法的可行性與可靠性，并充分說明此方法在評價醫(yī)保治理成效方面是值得推廣應(yīng)用的。

[1]段欲軍.成都市基本醫(yī)療保險政策及實施情況評估研究[D].成都:四川大學(xué),2005.

[2]曾晶.城鎮(zhèn)居民基本醫(yī)療保險制度問題研究——以南昌市東湖區(qū)為例[D].南昌:江西財經(jīng)大學(xué),2012.

[3]張文杰.城鎮(zhèn)職工基本醫(yī)療保險門診醫(yī)療保險政策運行效果分析——以南京的門診保險政策實踐為例[D].南京:東南大學(xué),2016.

[4]王文博，陳秀芝.多指標(biāo)綜合評價中主成分分析和因子分析方法的比較[J].統(tǒng)計理論與方法,2006,21(5):19-22.

[5]甘甜.湖北省“科技十條“政策效果研究[D].武漢:湖北工業(yè)大學(xué)，2016.

[6]吳先慧.基于主成分分析和DEA方法的我國區(qū)域創(chuàng)新效率評價[D].哈爾濱:哈爾濱工業(yè)大學(xué),2011.

[7]王任遠(yuǎn).江蘇省科技政策效果評估研究——基于政策績效的視角[D].南京:南京工業(yè)大學(xué),2014.

[8]張君偉,邵蔚.模糊綜合評價法在水庫移民后評價中的應(yīng)用[J].水利科技與經(jīng)濟(jì),2006,12(1):5-8.

[9]陳琳.上海市新能源產(chǎn)業(yè)政策評價研究[D].上海:上海工程技術(shù)大學(xué),2016.

[10]趙穎.數(shù)據(jù)包絡(luò)分析及TOPSIS等方法在醫(yī)院臨床科室效率診斷性評價中的比較研究[D].沈陽:中國醫(yī)科大學(xué),2007.

[11]王菲.資源型城市可持續(xù)發(fā)展指標(biāo)體系構(gòu)建及綜合評價研究[D].大慶：大慶石油學(xué)院,2006.