丁翠和

摘 要：隨著醫(yī)院規(guī)模的不斷擴大，醫(yī)院財務管理趨于復雜化，基于業(yè)務經(jīng)費預算不當而造成的經(jīng)濟損失嚴重影響到醫(yī)院運行效率和經(jīng)濟效益。將傳遞函數(shù)模型引入到醫(yī)院業(yè)務收入預測中，利用傳遞函數(shù)對選定的參數(shù)進行穩(wěn)定性處理，獲得穩(wěn)定的白噪聲時間序列，通過確定輸入時間序列和輸出時間序列的動態(tài)關系，實現(xiàn)對輸出時間序列的預測。以某一市三甲醫(yī)院為對象，通過實例驗證指出該醫(yī)院業(yè)務收入的增長主要得益于服務質(zhì)量和技術能力的提升而增長的出院人數(shù)。相較于傳統(tǒng)ARIMA模型，傳遞函數(shù)模型結果更接近預測結果值，能做出較為精確的預測。

關鍵詞：傳遞函數(shù)模型;業(yè)務收入;出院數(shù)量;醫(yī)院財務

Abstract：With the continuous expansion of the scale of the hospital， the financial management of the hospital tends to be complicated， and the economic losses caused by the improper budget of the operational funds seriously affect the efficiency and economic benefits of the operation of the hospital. In this paper， the transfer function model is introduced into the prediction of hospital business income， and the stability of the selected parameters is processed by using the transfer function， and a stable white noise time series is obtained. By determining the dynamic relationship between the input time series and the output time series， the prediction of the output time series is realized. Taking the third grade A hospital in a city as the object， it is proved by an example that the growth of the business income of the hospital is mainly due to the improvement of service quality and technical ability. The number of people discharged from hospital has increased as a result of the rise. Compared with the traditional ARIMA model， the results of the transfer function model are closer to the predicted results and can make a more accurate prediction.

Key words：transfer function model;business income;discharge quantity;hospital finance

0 引言

隨著國內(nèi)醫(yī)療體制的不斷發(fā)展完善，建立一個符合市場經(jīng)濟需要的財務管理體制，提升醫(yī)療服務效益十分必要[1]。醫(yī)院運作時一些非常復雜的過程，財務管理數(shù)據(jù)量龐大，由于各類經(jīng)費支出預判不當造成經(jīng)濟損失，制約醫(yī)院的運行效率和經(jīng)濟效益[2]。大數(shù)據(jù)、云計算技術在醫(yī)療中的應用，通過科學、有效的獲取數(shù)據(jù)、處理和分析數(shù)據(jù)，很大程度提升財務決策效率和質(zhì)量，提升財務風險防范能力[3-5]。如趙麗娥等基于醫(yī)療云框架上，建立醫(yī)療財務風險模型來檢測可能存在的風險，并根據(jù)風險提示結果給出合理的風險防范方案[6];王劍等通過建立Logit模型，將資產(chǎn)負債率、營業(yè)收入增長率、固定資產(chǎn)回報率等金融數(shù)據(jù)引入模型，實現(xiàn)對公共醫(yī)療數(shù)據(jù)大樣本進行分析，提供政府合理決策方案等[7]。本文主要針對醫(yī)院財務管理過程中存在的問題，通過建立傳遞函數(shù)模型實現(xiàn)對醫(yī)院經(jīng)營業(yè)務收支影響因素分析，并為公共醫(yī)療事業(yè)提供有效的參考價值。

1 傳遞函數(shù)模型建立

1.1 模型基本概念

傳遞函數(shù)模型是在傳統(tǒng)的ARIMA模型基礎上將輸入變量的時間參數(shù)，構建的多變量時間序列模型。傳遞函數(shù)最早由George E.P.Box提出[8]，即對于模型中的觀察值，通常對其進行排序，其中觀察值排序中的第t個觀察值表示為Zt，相應的后一個觀察值Zt+1，對于只有一個輸入變量的模型，可表示為式（1）。

1.2 模型預測流程

通常，一個傳遞函數(shù)中的觀測值包括至少30個以上，在建模前要求序列為一個概率結構不隨時間變化的平穩(wěn)時間序列[9]。即均數(shù)和方差均不隨時間變化，自相關系數(shù)與時間點無關，而與時間間隔相關[10]。白噪聲就是該類型的平穩(wěn)序列，采用自相關圖檢驗法檢驗白噪聲的平穩(wěn)行，如其中存在不平穩(wěn)，可利用對數(shù)變換、濾波法等保持序列的平穩(wěn)[11]。

對于一個傳遞函數(shù)模型，主要包括以下3個具體步驟。

（1） 利用ARIMA擬合輸入序列，獲得平穩(wěn)的時間序列。采用預白噪化將殘差降為白噪聲。通過輸入和輸出間的互相關函數(shù)對輸入序列進行濾波處理，獲得白噪聲的殘差序列和輸出序列。并計算過濾后的輸入、輸出序列互相關系數(shù)。

（2） 基于極大似然法進行模型參數(shù)估計。獲得模型參數(shù)中的B，σ，ω，Φ，θ的有效估計值。

（3） 分別利用AIC準則中的Q統(tǒng)計量和SBC準則中的S統(tǒng)計量對殘差和白噪化輸入進行自相關檢驗，若獲得的殘差和白造化輸入無自相關，確定建立的模型是否正確[12]。

（4） 模型的預測，通過最小均方誤差獲得的模型輸出時間序列的預測結果，如圖1所示。

當構建完成傳遞函數(shù)模型后，再輸入序列信息基礎上對所需預測的輸出時間序列相當程度進行改善，利用最小均方誤差預測獲得輸入序列和輸出序列的精確預測結果。

2 案例分析

本文以某一市三級甲等醫(yī)院2016年1月～2018年12月期間的營業(yè)收入、出院人數(shù)、住院費用、手術例數(shù)等作為時間序列數(shù)據(jù)。根據(jù)傳遞函數(shù)模型分析，考慮到參數(shù)的局限性，僅有出院人數(shù)具備統(tǒng)計學意義，通過檢驗輸入數(shù)據(jù)、殘差序列驗證相關行，建立最終的傳遞函數(shù)模型，如式（12）所示。

在進行識別前，以出院人數(shù)、住院日期、平均住院費用、藥品費用為輸入變量進行業(yè)務收入傳遞函數(shù)模型與分析，發(fā)現(xiàn)在業(yè)務收入方面，僅有出院人數(shù)變量具有統(tǒng)計學意義。獲得的業(yè)務收入與出院人數(shù)數(shù)據(jù)序列統(tǒng)計，如圖2所示。

通過分析可以看出，業(yè)務收入和出院人數(shù)二者均呈現(xiàn)出一個同步增長的趨勢，且表現(xiàn)出顯著的季節(jié)周期行特征。業(yè)務收入與出院人數(shù)整體呈現(xiàn)一個同步上述的線性趨勢。其中在每個年的的2-6月階段，出院人數(shù)與業(yè)務收入均處于年度最低谷，在每一年份的11-12月出現(xiàn)一個波峰，出院人數(shù)和業(yè)務量均達到最高值。其他月份均在一定范圍內(nèi)小幅波動。比較不同時間點的出院人數(shù)和業(yè)務收入可知，醫(yī)院的經(jīng)營業(yè)務和出院人數(shù)每年度均在不斷增長。

首先對輸入變量進行12步差分進行時間序列的預處理，利用模型擬合輸出序列得到業(yè)務收入輸出序列和出院人數(shù)序列的殘差相關函數(shù)，獲得的交互關系參數(shù)，如表1所示。

同時可獲得輸入序列殘差標準差為246.753，輸出序列參數(shù)標準差為5 035.35，并獲得SBC準則中的S統(tǒng)計量值s<6。表明輸出序列為平穩(wěn)時間序列。對獲得的輸入序列和輸出序列差分后的傳遞函數(shù)擬合，根據(jù)AIC準則，確定AIC=623.532，SBC=628.356，確定殘差自相關函數(shù)即Q統(tǒng)計量，如表2所示。

可以看出，殘差表現(xiàn)為一個典型的白噪聲序列，因此上述建立的傳遞函數(shù)模型滿足使用要求。

下面開展對醫(yī)院業(yè)務收入的預測，選擇2016年1月～3月份的業(yè)務收入為對象，利用傳統(tǒng)ARIMA模型以及本文建立的傳遞函數(shù)模型進行模型預測分析，獲得的預測結果，如表3所示。

從獲得的結果可以看出，采用本文提出的傳遞函數(shù)和ARIMA預測或獲得的預測值相較于實測值均存在一定的偏差，但相較于ARIMA預測法，采用本文提出的傳遞函數(shù)法獲得的預測最大標準差為61.53，預測結果還是滿足醫(yī)院經(jīng)營業(yè)務指導意義，而采用ARIMA預測發(fā)的最大預測偏差達到78.42，偏差值相對較大。

3 討論分析

3.1 模型分析

通過對3個月的預測值和實際結果對比可以發(fā)現(xiàn)，傳遞函數(shù)預測模型獲得的預測值接近于實際值，標準誤差小于ARIMA模型值。由于收集時間序列數(shù)據(jù)中包含了登革熱流行性疾病，導致2016年上半年業(yè)務收入出現(xiàn)波動，使得ARIMA模型預測結果與實際值存在較大的偏離。采用傳遞函數(shù)模型中，輸入變量通過線性動態(tài)系統(tǒng)v（B）=δ1（B）Ω（B）形成了v（B）xt，并且通過線性濾波器Φ（B）=Φ1（B）θ（B）將白噪聲αt濾波處理獲得噪聲Nt，利用處理后的v（B）xtv（B）xt和噪聲Nt作為輸入變量，實現(xiàn)了對預測結果的校正，大大降低了傳遞函數(shù)模型的預測結果偏差。

3.2 業(yè)務收入討論

近些年，醫(yī)療機構業(yè)務收入迅速增長，大勃派醫(yī)療業(yè)務收入增長與GDP增長的一致原則，導致醫(yī)患糾紛不斷加劇。從本次收集的醫(yī)院同期收入、出院人數(shù)、平均住院費用、藥品收入等時間序列，分析醫(yī)療機構不斷上升的業(yè)務狀態(tài)，如果確定為病人數(shù)量的增勢是造成業(yè)務收入的主要因素，那表明醫(yī)院在提高服務質(zhì)量和醫(yī)療技術水平方面取得了較大的成績，因而吸引了周邊患者進院治療，從而帶動了醫(yī)療工作量，表現(xiàn)出一個良性的循環(huán)。如是由于醫(yī)療費用的增加而帶動的業(yè)務收入，則說明作為政府衛(wèi)生行政主管部門的一項業(yè)績考核植物，醫(yī)院業(yè)務收入的增長在一定程度上市由于醫(yī)務工作人員迫于業(yè)績壓力，采取多開藥、多收費的手段來提高經(jīng)濟收入，從而導致病人平均費用上述。利用傳遞函數(shù)對涉及醫(yī)院業(yè)務收入的多個變量時間梳理進行分析，將各因素引入模型中表明，除了出院人數(shù)這一指標外，其他變量因素并未表現(xiàn)出顯著的統(tǒng)計學意義，指出出院人數(shù)的變化是造成醫(yī)院業(yè)務不斷上升的重要指標，即出院人數(shù)的增加顯著提高業(yè)務增長量，是醫(yī)院服務質(zhì)量和醫(yī)技水平的提高帶動工作量的增加，提升業(yè)務增長。

4 總結

本文討論了基于傳遞函數(shù)對醫(yī)療財務收入的預測方法，利用傳遞函數(shù)確定輸入時間序列和輸出時間序列的動態(tài)關系，實現(xiàn)對輸出時間序列的預測，為醫(yī)療信息化提供基礎支持。文章結合某一市級三級甲等醫(yī)院醫(yī)療財務狀況進行醫(yī)療業(yè)務收入預測，指出醫(yī)院業(yè)務收入的增長主要得益于服務質(zhì)量和技術能力的提升而增長的出院人數(shù)，預測結果精確，能為醫(yī)療行業(yè)的面對財務風險時提供較好的決策依據(jù)。

參考文獻

[1] 王麗，沈晨，龍軍.基于大數(shù)據(jù)環(huán)境的醫(yī)院財務預測方法研究[J].財經(jīng)界，2019（8）：146-148.

[2] 劉燁，王育婧.醫(yī)療設備采購計劃制定的監(jiān)督盲點及對策[J].醫(yī)學爭鳴，2018，9（3）：66-68.

[3] 龍學斌. 新醫(yī)改背景下廣西公立醫(yī)院精細化成本管理研究[D].南寧：廣西醫(yī)科大學，2018.9（9）：122-123.

[4] 洪孔榮.公立醫(yī)院成本控制中全面預算管理的實施研究[J].中國衛(wèi)生標準管理，2016，7（21）：8-9.

[5] 韓家亮. CMU4H三甲醫(yī)院運行數(shù)據(jù)的挖掘分析[D].大連：大連海事大學，2016.

[6] 趙麗娥，陳氤，譚警宇.云平臺下基于貝葉斯的醫(yī)療財務風險預測模型[J].電子技術與軟件工程，2015（22）：185-186.

[7] 李大興.醫(yī)院財務管理中存在的問題分析及對策[J].現(xiàn)代物業(yè)（中旬刊），2014，13（6）：16-17.

[8] 牛瑛茹.財務管理如何順應現(xiàn)代醫(yī)療體系[J].中外醫(yī)療，2013，32（34）：133.

[9] 劉俊蘭，李惠，劉子先，等.面向醫(yī)學保障的醫(yī)院物資與經(jīng)費信息集成管理[J].解放軍醫(yī)院管理雜志，2012，19（4）：359-361.

[10] 莊惠陽.投資收益法在醫(yī)療設備投資風險評價中的應用[J].現(xiàn)代醫(yī)院，2009，（14）：13.

[11] 王振宇，馬飛，劉輝.國有醫(yī)院財務盈虧平衡的微觀定量分析研究[J].會計之友（下旬刊），2009（8）：24-26.

[12] 鐘宜.財務管理如何順應現(xiàn)代醫(yī)療體系[J].現(xiàn)代國企研究，2019（10）：138-139.

（收稿日期：2019.08.22）