医疗保险时间序列数据统计分析

医疗保险时间序列数据统计分析

论文摘要

近几年,医疗保险一直是国家和人民所关注的社会焦点话题。看病难,看病贵和医患纠纷的频繁发生使得医疗改革变得刻不容缓。医疗改革对全世界而言都是一个难以解决的问题,它涉及到很多方面,特别是医疗管理和费用控制更是需要处理的重点和难点。科学合理的进行费用控制可以使医保基金更加充分的发挥作用,为患者提供更加规范的医疗服务,最终保证了地区乃至国家医保资金的收支平衡,从而保证社会的富强安定。到目前为止,在国际上已经提出了很多费用结算的方法,例如按服务项目支付,按病种支付等,但对于中国这个医疗改革初期的国家而言,这些方法并不太适用。而吉林省与其他省区又有所不同,这就迫使我省需要提出适合于本省的费用结算方法。在对费用的分析中,我们发现人次人数比和次均费用通常近乎一个常量,而人数相较于费用要更加稳定,于是对于门诊就诊人数的预测就显得尤为重要。本文通过比较ARIMA模型,Prophet模型和GRU模型这三种模型在门诊就诊人数上的预测,发现传统的ARIMA模型因为不能充分考虑医保数据的内部特征,并且预测的置信区间相对较大,导致了对中小医院有的时候会预测的不太准。而Prophet模型在进行预测时,可以充分考虑到数据中的趋势性,季节性和节假日等因素,从而与ARIMA模型相比更加适用于医保数据的分析。最后介绍了GRU模型,近年来随着深度学习的不断深入,这种模型已被广泛应用于各个领域。这种模型具有长期记忆的功能,通过内部学习机制可以达到不错的预测效果。但由于目前医保数据量的限制,导致了GRU模型预测的效果并不理想。相信随着时间的积累和数据量的增加,可以实现更好的预测效果。本文最后将这几种模型预测结果进行了分析,得出Prophet模型对于我省门诊就诊人数的预测效果更好。

论文目录

  • 摘要
  • Abstract
  • 第一章 引言
  •   1.1 研究背景和意义
  •   1.2 国内外研究现状
  •   1.3 本文研究内容
  •   1.4 数据介绍
  • 第二章 ARIMA模型
  •   2.1 ARIMA模型相关基本概念
  •   2.2 ARIMA模型相关基本方法
  • 第三章 Prophet模型
  •   3.1 Prophet模型介绍
  •   3.2 基本模型
  •   3.3 结果读取与分析
  •   3.4 Prophet模型的建模过程
  • 第四章 GRU模型
  •   4.1 RNN(循环神经网络)
  •   4.2 LSTM(长短期记忆)
  •   4.3 GRU(门控制循环单元)
  • 第五章 实际数据分析
  •   5.1 ARIMA预测及结果分析
  •   5.2 Prophet模型预测及结果分析
  •   5.3 GRU模型预测及结果分析
  •   5.4 3种模型预测结果对比
  • 第六章 结论
  • 参考文献
  • 致谢
  • 文章来源

    类型: 硕士论文

    作者: 付江浩

    导师: 黄伟

    关键词: 医疗保险,时间序列预测,模型

    来源: 东北师范大学

    年度: 2019

    分类: 基础科学,医药卫生科技,经济与管理科学

    专业: 数学,医药卫生方针政策与法律法规研究,宏观经济管理与可持续发展,保险

    单位: 东北师范大学

    分类号: F842.684;R197.1;F224

    总页数: 49

    文件大小: 4974K

    下载量: 280

    相关论文文献

    • [1].浅析医疗保险档案管理的实践应用[J]. 人力资源 2019(20)
    • [2].人力资源管理中医疗保险工作的问题与对策研究[J]. 河北能源职业技术学院学报 2019(04)
    • [3].医疗保险与中老年人的健康状况——兼论生活方式的中介作用[J]. 社会政策研究 2020(01)
    • [4].基于网络编码技术的医疗保险数据更新方法[J]. 信息技术 2020(04)
    • [5].莆田市医疗保险基金实行会计集中核算的优势与不足[J]. 中国市场 2020(14)
    • [6].基于关键数据要素的医疗保险预算影响分析质量评价体系[J]. 卫生经济研究 2020(07)
    • [7].如何促进医疗保险业务档案规范化管理[J]. 办公室业务 2020(12)
    • [8].发展长期医疗保险的探讨[J]. 上海保险 2020(07)
    • [9].医疗保险法律适用问题分析[J]. 法制与社会 2020(22)
    • [10].医疗费用增长对医疗保险基金的影响与应对方案[J]. 中国市场 2020(24)
    • [11].试论医疗保险基金运行中的风险与对策[J]. 财经界 2020(25)
    • [12].医疗保险档案管理中存在的问题与解决措施探讨[J]. 中国卫生产业 2020(19)
    • [13].医疗保险治理现代化:内在逻辑和路径推演[J]. 四川大学学报(哲学社会科学版) 2019(02)
    • [14].医疗保险基金财务核算的不足和建议[J]. 财会学习 2019(08)
    • [15].探析医疗保险对医疗费用的影响[J]. 天津社会保险 2018(05)
    • [16].探析医疗保险基金的监管机制[J]. 劳动保障世界 2019(18)
    • [17].医疗保险与医疗救助:理论、现实与政策[J]. 中国医疗保险 2019(07)
    • [18].医疗保险差异对健康绩效的影响效应研究[J]. 保险职业学院学报 2019(03)
    • [19].医疗保险档案管理在新形势下的强化策略[J]. 办公室业务 2019(12)
    • [20].医疗保险态势与结构优化影响探讨[J]. 临床医药文献电子杂志 2019(55)
    • [21].对城镇医疗保险制度改革发展的思考[J]. 发展 2019(09)
    • [22].现阶段医疗保险基金财务核算的不足和改进方法[J]. 科技经济导刊 2019(27)
    • [23].如何提高医疗保险基金的使用效率[J]. 纳税 2019(33)
    • [24].全面推进医疗保险依法治理[J]. 中国医疗保险 2017(12)
    • [25].煤炭企业医疗保险特点分析及相关建议[J]. 中国集体经济 2018(11)
    • [26].提高医疗保险基金使用效率的措施研究[J]. 行政事业资产与财务 2018(06)
    • [27].医疗保险对农民工城市融入的影响分析[J]. 财会学习 2018(10)
    • [28].审时度势 持之以恒 将医保研究进行到底 2018年医疗保险研究工作会在南京召开[J]. 中国医疗保险 2018(05)
    • [29].大数据视角下的医疗保险全民覆盖[J]. 江汉学术 2018(03)
    • [30].福建省城乡居民养老和医疗保险经办服务将进村入户[J]. 就业与保障 2018(07)

    标签:;  ;  ;  

    医疗保险时间序列数据统计分析
    下载Doc文档

    猜你喜欢