我国健康保险区域发展的组合模型预测

发布时间：2020-10-27 15:00

　　目前,我国社会医疗保障体系建设不够完善,保障范围十分有限,健康保险作为社会保障体系的有效补充,有利于缓解政府的负担和企业的压力,满足人们对医疗服务的不同层次要求,提高社会整体的医疗保障水平。然而,我国健康保险的发展虽然已取得较为显著的成绩,但仍存在一些问题。其中,区域发展的不平衡性,严重制约了健康保险覆盖率的提升,阻碍了健康保险异地服务的发展,不利于健康保险全面发挥其健康保障作用。本文根据相关文献研究和实验验证,选取8个指标,即国内生产总值、社会保障水平、金融就业人数比、居民可支配收入、教育水平、城镇化率、老年抚养比和预期寿命,利用K-means聚类算法,对我国健康保险区域进行重新划分。此后,根据健康保险月度保费收入数据的季节性特征,比较分析了多种模型,发现仅选择一种预测模型难以全面反映季节性数据的全部信息,而且未曾有人建立SARIMA和季节SVR组合模型预测健康保险月度保费收入。因此,在充分考虑健康保险月度保费收入中明显的季节性特征和趋势性特点后,本文选择SARIMA和季节SVR组合模型进行预测。其中,SARIMA模型是ARIMA模型考虑季节性因素后的改进模型,季节SVR模型适用于处理非线性数据,具有良好数据拟合和预测能力。本文以最小二乘法为准则,误差平方和最小为目标函数,确定组合模型的最优权重系数,得到最终的组合预测模型。经实证研究发现,SARIMA和季节SVR组合模型对季节性数据具有较好的预测效果,且提高了模型的预测精度。
【学位单位】：山东大学
【学位级别】：硕士
【学位年份】：2020
【中图分类】：C815;F842.684
【部分图文】：

趋势图,健康保险,保费收入,月度

山东大学硕士学位论文??ＭＡＥ＝?＾ｉ＝ｉ?＼ｙｔ￣ｙｔ＼?（３．３０）??ｎ??ＲＭＳＥ?＝?（３．３１）??Ｖ?ｎ??ＭＡＰＥ＾Ｔ?（３．３２）??Ｖｉ?ｎ??其中，《为模型预测值，妁为实际值。五和值越小，表明??模型的预测结果越好。??３．２全国健康保险月度保费收入的ＳＡＲＩＭＡ预测??３．２．１数据选取和处理??本文选择２００６年１月－２０２０年１月健康保险月度保费收入数据，其来源为《中国??银行和保险监督委员会》。由此，可以得到原始序列图。??２００－?ｈ．?＾??〇｛?ｉ?ｉ?ｆ?ｃ?ｉ?ｉ?ｉ?，＿??２００６－０１?２０Ｏ７－Ｗ?２３〇９－〇５?２０１１－〇１?２）１２－０９?２〇１４－〇５?２〇１６－〇１?２〇１７－〇９?２〇１９－＜？??Ｋｂｔｈ??图３．１：我国健康保险月度保费收入??如图３．１可以看出，我国健康保险保费收入具有明显的向上增长趋势和季节波动。??该序列的季节波动以１２为一个周期，且有“开门红”的普遍情况存在，即每年１月??健康保险保费收入均高于２月健康保险保费收入。对我国健康保险月保费收入数据??－１９－??

序列,保费收入,健康保险,月度

?山东大学硕士学位论文???进行对数化处理，主要有以下两个原因：其一，由于我国健康保险月度保费收入整体??上呈指数型增长；其二，对数变换可以稳定序列的波动性，有利于后续的分析和研宄。??由此得到对数化后的健康保险月度保费收入数据，其结果如下图所示??７．?◎?１??—?????］??＇—月度保费收入对致化?｜??ａ．ｏ－?ｔ?［?｜?｜?＿?ｔ?＿??２００６－０１?２０Ｏ７－Ｗ?２Ｇ０９－０５?？１１－〇１?３３１２－０９?２０１４－？?２０１６ｒ－〇１?２Ｑ１７－Ｑ９?３Ｂ１９－＾??（ｆｃｔｈ??图３．２：我国健康保险月度保费收入对数化??如图３．２所示，我国健康险保费收入数据经对数变化后，消除了序列的指数型增??长，稳定了序列的波动性。下面检验对数化月度保费收入数据的平稳性，其自相关函??数如下图所示：??Ａｕｔｏｃｏｒｒｅｌａｔｉｏｎ??１．００?－??ｆ?ｆ?ｆ?？??０．７５－?Ｔ?Ｔ?ｆ?ｆ?Ｔ?ｆ?？??０．５０－??ａ２５?－??０?ＧＯ?麵謝ｌ＿，＿ｌ，卿ｌ－ｉ丨晒ＬＪ獅Ｕ爾ＬＪ－Ｊ???－＼?＾?．．?＇?＞１?．?＾?．?ｔ??－〇Ｌ２５?■??－０?－５０?－??－０．７５?－??！?Ｉ?１?ｌ?ｉ??〇?５?１〇?１５?２）??图３．３：对数化月度保费收入数据的自相关函数图??－２０?－??

序列,保费收入,月度,对数