论文部分内容阅读
[目的]：医药行业是我国经济的重要组成部分,与人民群众的生命健康和生活质量等切身利益密切相关,是评价我国社会发展水平的重要指标之一。目前,我国的医疗体制改革正处于关键阶段,而卫生总费用的变化对整个医改结果有着至关重要的影响,回顾以往卫生总费用占GDP比重的历史数据显示,其比重存在波动现象,这应引起我们足够的重视,因此,有必要对其变动趋势进行分析,以便掌握其变化规律,为政府制定适合我国国情的医改政策提供理论依据。本文将采用线形回归、时间序列和灰色理论三种预测模型分析卫生总费用占GDP比重的变化趋势。[方法]：本文采用1990年至2009年20年间的数据建立时间序列,从统计角度看,时间序列可分为平稳时间序列和非平稳时间序列两大类。经散点图分析显示,卫生费用支出比重为非平稳时间序列,具有线形趋势,因此利用该趋势通过线形回归的方法对序列发展做出合理预测。其优势是方法简单,计算简便,但线形拟合可能更多的提取了确定性信息,而损失随机信息。同时,采用灰色理论中的常见模型GM(1,1)建模,其模型的构造思想是把随机性较强的原始数据按时间累计后形成新的时间序列,新序列所呈现的规律即可用一阶线形微分方程的解来拟合,一定程度上有助于减少时间序列的随机性和提高预测精度。因此,当样本量较小或呈现指数变化规律时,灰色模型理论尤其适用。ARIMA模型则主要是根据微积分和数理统计的思想建立起的一大类预测模型中最为成熟、完善的时间序列预测方法之一,其发挥了回归分析的优点,同时又借助了差分和移动平均的方法,根据序列的自相关函数和偏相关函数建立了数据间相互依赖的定量模型。ARIMA模型主要与时间t相关,不需要依赖其他经济指标,即可进行相应的统计学研究。本文数据为非平稳序列,因此首先通过一阶差分的方式进行平稳化处理,并通过自相关和偏相关系数的截尾和拖尾性,根据时间序列模型的识别规则,建立了相应的参数模型。并对残差进行白噪声检验。[结论]：在卫生费用比重的预测精度上,3种模型比较显示,ARIMA模型的相对误差绝对值、残差的绝对值均值和残差方差最小,表明ARIMA建模效果最佳,预测准确性和稳定性更高。从ARIMA模型的理论基础看,ARIMA模型对噪声进行了分析处理,并对残差进行白噪声检验,使其成为线形模型的最优预测。