ARIMA模型、BP神经网络及其组合模型在卫生政策评估中的实证比较:以公立医院价格改革为例
摘要:
目的:探索不同反向事实构建方法对医院财务数据预测的效率,以期对政策进行更有效的评估.方法:借助R软件,用南京市公立医院A在2011—2016年的药品收入、医疗服务收入建立测试数据集,分别用ARIMA模型、BP神经网络、ARIMA+BP组合模型进行预测并与实际拟合,并比较改革前后补偿率.结果:三个模型对药品收入的均方根误差分别为692.82、501.44、380.80,医疗服务收入的均方根误差分别为184.04、215.63、168.65,组合模型预测效率更高.用组合模型计算改革后A医院药品收入净损失为12044.03万元,医疗服务收入净增长为18532.60万元,为药品收入损失的153.87%.结论:医院财务数据因其线性与非线性的组合特征,使用组合预测模型的预测效果最佳.但在实际应用中,ARIMA模型操作简单,与组合模型预测趋势也较为一致,在实际卫生政策评估中也推荐使用.
-
doi:
-
关键词:
ARIMA模型
BP神经网络
组合模型
药品收入
医疗服务收入
政策评价
-
Keyword:
ARIMA model
BP neural network
Combined model
Drug revenue
Medical service revenue
Policy evaluation
-
作者:
马爱霞
谢静
唐文熙
-
Author:
MA Ai-xia
XIE Jing
TANG Wen-xi
-
作者单位:
-
刊名:
中国卫生政策研究
-
Journal:
-
年,卷(期):
-
所属期刊栏目:
-
基金项目
-
在线出版日期:
-
页码: