因子分析法在评价城镇职工基本医保治理成效中的应用性研究
——基于成都市的数据分析

黄德斌 秦佳佳 刘一彬 陈治文 蔡江瑶

（1成都市人力资源和社会保障局 成都 610031；2成都市医疗保险信息服务中心 成都 610031；3成都数联易康科技有限公司 成都 610031）

1 成都市基本医保政策演进

近年来，成都市持续深入推进医改，优化政策制度、创新体制机制，深入推进医疗保险治理能力现代化建设，充分发挥医保在医改中的基础性作用，在增强公平性、保证可持续性，提升参保群众获得感等方面进行了一系列探索和实践。在制度建设方面，着力完善多层次的医保制度，同时整合经办管理资源，实现城职城乡医保基金市级统筹。在待遇保障方面，着力完善提质增效政策措施，实现门诊统筹报销待遇，完善门诊特殊疾病管理办法。在经办管理方面，着力优化精简服务流程。在基金监管方面，以社会治理理念为指导思想，运用互联网、大数据、云计算、人工智能等现代信息技术，着力构建现代治理体系。在深化医改方面，着力推动三医联动，深化医保支付方式改革。为定量评估近年来成都市医保政策的治理成效，成都市医疗保险信息服务中心在构建医保治理综合评价体系的基础上，运用因子分析法得到历年治理成效指数（HIG指数）。

2 数据与方法

2.1 数据来源

本研究的数据来源于成都市医疗保险信息中心、成都市医保局、成都市社保局、成都市统计局，主要是全市城镇职工基本医疗保险住院结算信息表，时间跨度为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 指标体系

表1 成都市城镇职工基本医疗保险治理成效评估指标体系

图1 2010-2016年成都城镇职工基本医疗保险参保人数及抚养比

本文结合医疗保险的业务情况以及众多学者对于医保治理成效的研究成果，从社会公平性、基金稳定性与可持续性、医保基金支付效率、费用公平性四方面共选取12个指标建立了成都市城镇职工基本医疗保险治理成效的评估指标体系（见表1）。通过评价指标体系的构建实现对2010-2016年城镇职工基本医疗保险的治理成效评估与对比。

3 研究结果

3.1 社会公平性

由图1可知，近年来，成都市的参保人数年均增长率达12.3%。医保基金的抚养比例整体呈现稳步、略微上升的趋势。总体来说，近年来成都市城镇职工基本医疗保险的社会公平性不断提高。

3.2 基金稳定性与可持续性

由图2可知，2010-2016年，成都市城镇职工基本医疗保险基金收入逐年上升。成都市城镇职工基本医疗保险基金结余呈现一个倒S型的趋势。总体来说，最近几年成都市城镇职工基本医疗保险基金呈现稳中向好的趋势。

3.3 医保基金支付效率

由图3可知，2010-2016年，成都市总住院人次增速、基金申请拨付金额增速、次均基金申请拨付金额增速整体呈现明显下降的趋势。总体来说，近年来成都市的医保基金支付效率不断提高。

图2 2010-2016年成都城镇职工基本医疗保险基金收支余情况

图3 2010-2016年成都城镇职工基本医疗保险基金支付效率相关指标

图4 2010-2016年成都城镇职工基本医疗保险费用公平性相关指标

3.4 费用公平性

由图4可知，2010-2016年，成都市城镇职工基本医疗保险的全自费率逐渐上升。历年来成都市城镇职工基本医疗保险的政策范围内报销比基本维持在83%左右，人均负担占当年市平均工资比重基本维持在0.14左右。

3.5 因子分析情况

在实际研究中，为了系统、全面地分析问题，我们通常会考虑众多的影响因素，即选取很多与研究内容相关的指标，例如本文中选取12个指标来反映近年来城镇职工医保治理的成效，但这些指标反映的信息往往会有一定程度的重叠（指标间具有相关性），而因子分析法可以为这种问题提供很好的解决思路。因子分析法以降维的思想为依据，把原始的错综复杂的指标转化为少数几个有代表性的因子，这些因子可以代替所有指标去分析整个问题，主要用于指标综合评分和重要性分析。因此，本文中我们利用因子分析法，将原有的12个指标转化为少数几个线性无关的因子，并通过公因子得分进行综合评价，实现对成都市2010年到2016年的医保治理效果进行对比，展现成都市城镇职工基本医疗保险的发展水平及特点。

3.5.1 数据预处理

根据上文设计的指标体系以及研究目标，本文本来应该收集成都市2010年到2016年的相关数据，但由于算法对样本量有一定的要求，样本量和指标数的比例一般应在5:1以上才能得到较好的结果，所以本文将数据扩展至各区县，即选取2010年到2016年成都21个区县相关指标的数据，后期比较各年成都市综合指标的时候，再根据各区县进行汇总处理（各区县的指标值相加）。

3.5.2 数据正向化及标准化

将成都市各区县2010年到2016年的相关指标数据作为评估整体，变量为12个评价指标。根据表1可知，指标里面有很多属于负向指标，因为后期我们会计算综合得分，所以需要对负向指标进行正向化处理，才能保证综合得分越大，代表医保治理效果越好。本文采用取倒数的方法来正向化处理。另外，由于各指标的量纲和数量级不一样，所以在进行计算之前还需要消除量纲的影响, 将数据进行Z-score标准化处理，经过标准化处理后的数据，更具有可比性。

3.5.3 适应性检验

在进行主成分提取之前，首先需要判断，这12个指标，是否适合展开因子分析，主要是通过KMO值和Bartlett球度概率这两项指标。通过SPSS22.0运算求解，KMO的值为0.592>0.5，Bartlett球形检验概率值为0.000<0.05，即这些指标通过了适应性检验。

3.5.4 提取主成分，确定公共因子

运用SPSS22.0软件进行因子分析，本文采用主成分分析方法来提取公因子，得到如表2总方差分解表，并按照方差贡献率的大小将各主成分从大到小进行排列。根据特征根大于1的原则，本应该提取排名前5的子成分作为治理成效评价指标体系的公共因子。但由于前5个主成分只包含了原始变量的76%的信息，小于80%，所以本文最终取前6个子成分，包含了原始变量的83%的信息，满足了因子分析用变量子集来解释整个问题的要求，分析结论具有可信度。

3.5.5 进行因子旋转并解释因子含义

计算机通过坐标变换挖掘出每个原始指标与公共因子之间的显示性关系，得到旋转成分矩阵。根据旋转成分矩阵可知，第一个因子，主要是反映参保人数、老年人口比例和基金的收入结余情况，包括参保人数、抚养比、基金收、当年余；第二个因子，主要是反映费用公平性，包括全自费率、政策范围内报销比、人均负担占市平均工资比重；第三个因子，主要是反映参保人数增长和医疗效率，包括参保人数增幅、住院人次人头比；第四个因子，主要是反映基金次均支付增长情况，包括次均基金申请拨付金额增速；第五个因子，主要是反映住院量增长情况，包括总住院人次增速；第六个因子，主要是反映基金总体支付增长情况，包括基金申请拨付金额增速。

3.5.6 计算公因子得分

在确定公共因子后，可以利用回归法将公共因子表达为各变量的线性形式，也称为因子得分函数。根据因子得分系数矩阵可以直接写出各公因子的表达式，其中Fi1表示第i个个体（某年某个区县）的第一个因子得分值，例如F11指的是2010年锦江区的第一个因子得分值，i取值从1到143。X表示标准化后的原始指标值，Xi1表示i个个体的参保人数（标准化后），Xi2表示i个个体的参保人数增幅（标准化后），Xi3表示i个个体的抚养比（标准化后），之后可依次类推（公式1）。

3.5.7 构建综合指数

在得到因子得分后，以各因子的方差贡献度比例为权数计算各年各区县医保治理成效的综合指数f，具体如下计算公式，其中λ1、λ2、λ3、λ4、λ5、λ6分别为6个主成分特征根（公式2、见表2）。

按照以上步骤计算得到的是各区县各年的综合指数，成都市各年综合指数F需要将同一年各区县（21个区县）的得分f进行汇总。F=f1+f2+f3+…+f21。具体各年的治理指数如表3。

3.5.8 结果

从医保治理成效指数角度出发（见表3），除了2015年略微下降，总得分呈现逐年上升的趋势，2016年的成都市医保治理综合指数最高为2.499055，其次是2014年和2015年，这也说明成都市医保治理取得较为明显成效。具体来说，从各因子来看，第一因子和第六因子升高的趋势表现得尤为突出，同时由于第一因子的指标权重最大，拉动了总得分的上升，说明成都市近年来在医保治理方面取得了较好的成效。第三因子表现较差，是限制医保治理成效的重要制约因素，医保在提升医疗服务效率方面还有待进一步努力，是未来医保政策制定的重要方向。第二因子、第四因子、第五因子表现不稳定，可考虑在相关方面加强治理。

表2 总方差分解表

表3 成都市各年医保治理指数表

4 讨论

4.1 成都市城职医保基金的可持续性提升，集中表现在基金收入端和支出端的持续向好

结合表3，第一因子主要反映收入端情况，包括参保人数、抚养比、基金收入和结余，第六因子集中反映支出端，包括基金支出增速。第一因子与第六因子七年得分情况均表现为总体上升趋势，同时2014年-2016年得分最高，基本与总得分趋势表现一致。收入端持续向好主要表现为随着全民参保的持续推进，参保人数逐年上升，基金收入和结余逐年稳定增长。支出端向好主要变现为在不断强化医疗服务行为监管的严格管控下，总住院人次增速、次均基金申请拨付金额增速皆呈放缓趋势，基金申请拨付金额增速总体不断下降。

4.2 人口老龄化对基金安全的考验还未明显显现

人口老龄化对医保基金的冲击是当前和未来威胁基金可持续发展的最大考验，人口老龄化会直接导致基金收入降低，支出增加，对收入支出端的影响都十分显著。结合文中数据研究来看，抚养比指标作为第一因子，对收入端的影响更大。抚养比2010年的2.36为七年间最低，自2011年起到2016年则持续稳定在3.00到3.08之间，波动幅度极小。而第一因子反映的收入端自2010年以来的总体持续上升也表明抚养比指标未对基金收入产生明显负面影响。毋庸置疑，成都市乃至全国范围内老龄化进程仍在持续加速推进，虽尚未通过劳动人口和老年人口结构变化传导至医保基金收支端，但当前宜未雨绸缪，医保积极配合医改、支持医疗服务能力提升、推进分级诊疗是防范基金风险、应对未来考验的有效之举。

4.3 医保支付结构性差异明显

成都医保住院人均负担占市平均工资的比重从2010年的17.0%降至2016年的13.7%，表明医保切实降低了参保群众的就医支出。然而参考费用公平性，主要表现为第二因子，除人均负担占平均工资的比重外还包括全自费率和政策范围内报销比。第二因子七年间表现并不稳定，且自2012年以来总体呈下降趋势。具体到指标，医保政策范围内报销比自2010年的83.09%提升至2016年的83.80%，总体稳定上升，而全自费率也从2010年的15.78%升至2016年的21.26%，也呈上升趋势且增幅更大。两者之间的明显倒挂反映到现实层面即为在医疗事业快速发展的背景下新药品、医用耗材等多样化医疗资源快速涌现，医保目录的扩张速度无法实现对新资源的有效覆盖，从而间接制约了参保人个人负担的进一步减轻。深化医保支付方式改革，稳慎扩大医保目录范围，是当前成都市医保治理的重要方向。

4.4 医保监管的重点是重复住院等疑似违规行为

六大因子中第三因子波动幅度最大且总体呈下降趋势，近三年表现为七年间最差。第三因子主要反映参保人数增长和医疗效率，包括参保人数增速和住院人次人头比。参保人次增速自2010年的13.9%降至2016年的6.8%，而住院人次人头比从2010年的1.337增至2016年的1.378。参保人数增幅在基金收入端和支出端影响表现相反，总体影响呈中性，而人次人头比指标仅影响支付端，且与基金支付正相关。人次人头比直接反映医疗服务能力，表现为重复住院的严重程度。近年来人次人头比的增长体现了医疗资源运行效率的下降，应引起重视。严格控制次均指标，加强住院指标分析，重点打击虚假住院、分解住院、重复诊疗等违规医疗行为是未来医保监管的重点方向。

5 结论

因子分析法是从研究变量内部相关的依赖关系出发，把一些具有错综复杂关系的变量归结为少数几个综合因子的一种多变量统计分析方法。目前，因子分析法广泛应用于企业的经营绩效评价、政策评价研究等领域的综合评价。成都市运用因子分析法从社会公平性、基金稳定性与可持续性、医保基金支付效率、费用公平性四方面共选取12个指标建立了成都市城镇职工基本医疗保险治理成效的评估指标体系，此方法客观全面的评价医保治理成效。同时最终的评价结果显示医保治理指数呈现逐年变好的趋势，与近年来成都市充分运用互联网、大数据、云计算、人工智能等现代信息技术，紧紧围绕“保基本、强基层、建机制”的目标，坚守基本制度，完善管理服务，创新体制机制，转变发展方式，不断深化医疗保险改革创新，全市医保治理体系和治理能力现代化取得了长足的进步，医保基金稳定性和可持续性增强，参保群众获得感、满意度明显提高的实际情况相符，进一步体现此研究方法的可行性与可靠性，并充分说明此方法在评价医保治理成效方面是值得推广应用的。

[1]段欲军.成都市基本医疗保险政策及实施情况评估研究[D].成都:四川大学,2005.

[2]曾晶.城镇居民基本医疗保险制度问题研究——以南昌市东湖区为例[D].南昌:江西财经大学,2012.

[3]张文杰.城镇职工基本医疗保险门诊医疗保险政策运行效果分析——以南京的门诊保险政策实践为例[D].南京:东南大学,2016.

[4]王文博，陈秀芝.多指标综合评价中主成分分析和因子分析方法的比较[J].统计理论与方法,2006,21(5):19-22.

[5]甘甜.湖北省“科技十条“政策效果研究[D].武汉:湖北工业大学，2016.

[6]吴先慧.基于主成分分析和DEA方法的我国区域创新效率评价[D].哈尔滨:哈尔滨工业大学,2011.

[7]王任远.江苏省科技政策效果评估研究——基于政策绩效的视角[D].南京:南京工业大学,2014.

[8]张君伟,邵蔚.模糊综合评价法在水库移民后评价中的应用[J].水利科技与经济,2006,12(1):5-8.

[9]陈琳.上海市新能源产业政策评价研究[D].上海:上海工程技术大学,2016.

[10]赵颖.数据包络分析及TOPSIS等方法在医院临床科室效率诊断性评价中的比较研究[D].沈阳:中国医科大学,2007.

[11]王菲.资源型城市可持续发展指标体系构建及综合评价研究[D].大庆：大庆石油学院,2006.