因子分析法在評價城鎮職工基本醫保治理成效中的應用性研究
——基于成都市的數據分析

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成都市醫療保險信息服務中心 成都 610031；3成都數聯易康科技有限公司 成都 610031）

1 成都市基本醫保政策演進

近年來，成都市持續深入推進醫改，優化政策制度、創新體制機制，深入推進醫療保險治理能力現代化建設，充分發揮醫保在醫改中的基礎性作用，在增強公平性、保證可持續性，提升參保群眾獲得感等方面進行了一系列探索和實踐。在制度建設方面，著力完善多層次的醫保制度，同時整合經辦管理資源，實現城職城鄉醫?；鹗屑壗y籌。在待遇保障方面，著力完善提質增效政策措施，實現門診統籌報銷待遇，完善門診特殊疾病管理辦法。在經辦管理方面，著力優化精簡服務流程。在基金監管方面，以社會治理理念為指導思想，運用互聯網、大數據、云計算、人工智能等現代信息技術，著力構建現代治理體系。在深化醫改方面，著力推動三醫聯動，深化醫保支付方式改革。為定量評估近年來成都市醫保政策的治理成效，成都市醫療保險信息服務中心在構建醫保治理綜合評價體系的基礎上，運用因子分析法得到歷年治理成效指數（HIG指數）。

2 數據與方法

2.1 數據來源

本研究的數據來源于成都市醫療保險信息中心、成都市醫保局、成都市社保局、成都市統計局，主要是全市城鎮職工基本醫療保險住院結算信息表，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 指標體系

表1 成都市城鎮職工基本醫療保險治理成效評估指標體系

圖1 2010-2016年成都城鎮職工基本醫療保險參保人數及撫養比

本文結合醫療保險的業務情況以及眾多學者對于醫保治理成效的研究成果，從社會公平性、基金穩定性與可持續性、醫?；鹬Ц缎?、費用公平性四方面共選取12個指標建立了成都市城鎮職工基本醫療保險治理成效的評估指標體系（見表1）。通過評價指標體系的構建實現對2010-2016年城鎮職工基本醫療保險的治理成效評估與對比。

3 研究結果

3.1 社會公平性

由圖1可知，近年來，成都市的參保人數年均增長率達12.3%。醫?；鸬膿狃B比例整體呈現穩步、略微上升的趨勢?？傮w來說，近年來成都市城鎮職工基本醫療保險的社會公平性不斷提高。

3.2 基金穩定性與可持續性

由圖2可知，2010-2016年，成都市城鎮職工基本醫療保險基金收入逐年上升。成都市城鎮職工基本醫療保險基金結余呈現一個倒S型的趨勢?？傮w來說，最近幾年成都市城鎮職工基本醫療保險基金呈現穩中向好的趨勢。

3.3 醫保基金支付效率

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明顯下降的趨勢。總體來說，近年來成都市的醫?；鹬Ц缎什粩嗵岣?。

圖2 2010-2016年成都城鎮職工基本醫療保險基金收支余情況

圖3 2010-2016年成都城鎮職工基本醫療保險基金支付效率相關指標

圖4 2010-2016年成都城鎮職工基本醫療保險費用公平性相關指標

3.4 費用公平性

由圖4可知，2010-2016年，成都市城鎮職工基本醫療保險的全自費率逐漸上升。歷年來成都市城鎮職工基本醫療保險的政策范圍內報銷比基本維持在83%左右，人均負擔占當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、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容相關的指標，例如本文中選取12個指標來反映近年來城鎮職工醫保治理的成效，但這些指標反映的信息往往會有一定程度的重疊（指標間具有相關性），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，把原始的錯綜復雜的指標轉化為少數幾個有代表性的因子，這些因子可以代替所有指標去分析整個問題，主要用于指標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個指標轉化為少數幾個線性無關的因子，并通過公因子得分進行綜合評價，實現對成都市2010年到2016年的醫保治理效果進行對比，展現成都市城鎮職工基本醫療保險的發展水平及特點。

3.5.1 數據預處理

根據上文設計的指標體系以及研究目標，本文本來應該收集成都市2010年到2016年的相關數據，但由于算法對樣本量有一定的要求，樣本量和指標數的比例一般應在5:1以上才能得到較好的結果，所以本文將數據擴展至各區縣，即選取2010年到2016年成都21個區縣相關指標的數據，后期比較各年成都市綜合指標的時候，再根據各區縣進行匯總處理（各區縣的指標值相加）。

3.5.2 數據正向化及標準化

將成都市各區縣2010年到2016年的相關指標數據作為評估整體，變量為12個評價指標。根據表1可知，指標里面有很多屬于負向指標，因為后期我們會計算綜合得分，所以需要對負向指標進行正向化處理，才能保證綜合得分越大，代表醫保治理效果越好。本文采用取倒數的方法來正向化處理。另外，由于各指標的量綱和數量級不一樣，所以在進行計算之前還需要消除量綱的影響, 將數據進行Z-score標準化處理，經過標準化處理后的數據，更具有可比性。

3.5.3 適應性檢驗

在進行主成分提取之前，首先需要判斷，這12個指標，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。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，即這些指標通過了適應性檢驗。

3.5.4 提取主成分，確定公共因子

運用SPSS22.0軟件進行因子分析，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，并按照方差貢獻率的大小將各主成分從大到小進行排列。根據特征根大于1的原則，本應該提取排名前5的子成分作為治理成效評價指標體系的公共因子。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，分析結論具有可信度。

3.5.5 進行因子旋轉并解釋因子含義

計算機通過坐標變換挖掘出每個原始指標與公共因子之間的顯示性關系，得到旋轉成分矩陣。根據旋轉成分矩陣可知，第一個因子，主要是反映參保人數、老年人口比例和基金的收入結余情況，包括參保人數、撫養比、基金收、當年余；第二個因子，主要是反映費用公平性，包括全自費率、政策范圍內報銷比、人均負擔占市平均工資比重；第三個因子，主要是反映參保人數增長和醫療效率，包括參保人數增幅、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為各變量的線性形式，也稱為因子得分函數。根據因子得分系數矩陣可以直接寫出各公因子的表達式，其中Fi1表示第i個個體（某年某個區縣）的第一個因子得分值，例如F11指的是2010年錦江區的第一個因子得分值，i取值從1到143。X表示標準化后的原始指標值，Xi1表示i個個體的參保人數（標準化后），Xi2表示i個個體的參保人數增幅（標準化后），Xi3表示i個個體的撫養比（標準化后），之后可依次類推（公式1）。

3.5.7 構建綜合指數

在得到因子得分后，以各因子的方差貢獻度比例為權數計算各年各區縣醫保治理成效的綜合指數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縣各年的綜合指數，成都市各年綜合指數F需要將同一年各區縣（21個區縣）的得分f進行匯總。F=f1+f2+f3+…+f21。具體各年的治理指數如表3。

3.5.8 結果

從醫保治理成效指數角度出發（見表3），除了2015年略微下降，總得分呈現逐年上升的趨勢，2016年的成都市醫保治理綜合指數最高為2.499055，其次是2014年和2015年，這也說明成都市醫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得尤為突出，同時由于第一因子的指標權重最大，拉動了總得分的上升，說明成都市近年來在醫保治理方面取得了較好的成效。第三因子表現較差，是限制醫保治理成效的重要制約因素，醫保在提升醫療服務效率方面還有待進一步努力，是未來醫保政策制定的重要方向。第二因子、第四因子、第五因子表現不穩定，可考慮在相關方面加強治理。

表2 總方差分解表

表3 成都市各年醫保治理指數表

4 討論

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

結合表3，第一因子主要反映收入端情況，包括參保人數、撫養比、基金收入和結余，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一致。收入端持續向好主要表現為隨著全民參保的持續推進，參保人數逐年上升，基金收入和結余逐年穩定增長。支出端向好主要變現為在不斷強化醫療服務行為監管的嚴格管控下，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

人口老齡化對醫?；鸬臎_擊是當前和未來威脅基金可持續發展的最大考驗，人口老齡化會直接導致基金收入降低，支出增加，對收入支出端的影響都十分顯著。結合文中數據研究來看，撫養比指標作為第一因子，對收入端的影響更大。撫養比2010年的2.36為七年間最低，自2011年起到2016年則持續穩定在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年以來的總體持續上升也表明撫養比指標未對基金收入產生明顯負面影響。毋庸置疑，成都市乃至全國范圍內老齡化進程仍在持續加速推進，雖尚未通過勞動人口和老年人口結構變化傳導至醫保基金收支端，但當前宜未雨綢繆，醫保積極配合醫改、支持醫療服務能力提升、推進分級診療是防范基金風險、應對未來考驗的有效之舉。

4.3 醫保支付結構性差異明顯

成都醫保住院人均負擔占市平均工資的比重從2010年的17.0%降至2016年的13.7%，表明醫保切實降低了參保群眾的就醫支出。然而參考費用公平性，主要表現為第二因子，除人均負擔占平均工資的比重外還包括全自費率和政策范圍內報銷比。第二因子七年間表現并不穩定，且自2012年以來總體呈下降趨勢。具體到指標，醫保政策范圍內報銷比自2010年的83.09%提升至2016年的83.80%，總體穩定上升，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實層面即為在醫療事業快速發展的背景下新藥品、醫用耗材等多樣化醫療資源快速涌現，醫保目錄的擴張速度無法實現對新資源的有效覆蓋，從而間接制約了參保人個人負擔的進一步減輕。深化醫保支付方式改革，穩慎擴大醫保目錄范圍，是當前成都市醫保治理的重要方向。

4.4 醫保監管的重點是重復住院等疑似違規行為

六大因子中第三因子波動幅度最大且總體呈下降趨勢，近三年表現為七年間最差。第三因子主要反映參保人數增長和醫療效率，包括參保人數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。參保人數增幅在基金收入端和支出端影響表現相反，總體影響呈中性，而人次人頭比指標僅影響支付端，且與基金支付正相關。人次人頭比直接反映醫療服務能力，表現為重復住院的嚴重程度。近年來人次人頭比的增長體現了醫療資源運行效率的下降，應引起重視。嚴格控制次均指標，加強住院指標分析，重點打擊虛假住院、分解住院、重復診療等違規醫療行為是未來醫保監管的重點方向。

5 結論

因子分析法是從研究變量內部相關的依賴關系出發，把一些具有錯綜復雜關系的變量歸結為少數幾個綜合因子的一種多變量統計分析方法。目前，因子分析法廣泛應用于企業的經營績效評價、政策評價研究等領域的綜合評價。成都市運用因子分析法從社會公平性、基金穩定性與可持續性、醫?；鹬Ц缎?、費用公平性四方面共選取12個指標建立了成都市城鎮職工基本醫療保險治理成效的評估指標體系，此方法客觀全面的評價醫保治理成效。同時最終的評價結果顯示醫保治理指數呈現逐年變好的趨勢，與近年來成都市充分運用互聯網、大數據、云計算、人工智能等現代信息技術，緊緊圍繞“?；尽娀鶎印⒔C制”的目標，堅守基本制度，完善管理服務，創新體制機制，轉變發展方式，不斷深化醫療保險改革創新，全市醫保治理體系和治理能力現代化取得了長足的進步，醫?；鸱€定性和可持續性增強，參保群眾獲得感、滿意度明顯提高的實際情況相符，進一步體現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保治理成效方面是值得推廣應用的。

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

[2]曾晶.城鎮居民基本醫療保險制度問題研究——以南昌市東湖區為例[D].南昌:江西財經大學,2012.

[3]張文杰.城鎮職工基本醫療保險門診醫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,2016.

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

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

[6]吳先慧.基于主成分分析和DEA方法的我國區域創新效率評價[D].哈爾濱:哈爾濱工業大學,2011.

[7]王任遠.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:南京工業大學,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用[J].水利科技與經濟,2006,12(1):5-8.

[9]陳琳.上海市新能源產業政策評價研究[D].上海:上海工程技術大學,2016.

[10]趙穎.數據包絡分析及TOPSIS等方法在醫院臨床科室效率診斷性評價中的比較研究[D].沈陽:中國醫科大學,2007.

[11]王菲.資源型城市可持續發展指標體系構建及綜合評價研究[D].大慶：大慶石油學院,2006.