【摘要】 针对基本医疗保险患者住院费用上涨趋势并未得到有效遏制的现状，基于因子分析法展开研究，为加强患者住院费用管理和相关制度制定提供理论方法。以因子分析基本原理为依据，建立患者住院医疗费用构成体系，对初始数据进行KMO检验，运用SPSS 19.0软件对所得数据进行统计分析，根据结果构建了因子分析模型。通过降维将12个费用构成指标抽象为化验手术、药品诊察、麻醉输血、护理治疗和床位其他等5个因子表示，以较少的维度整合资料，能更好地简化和解释问题。
【关键词】 基本医疗保险； 住院； 医疗费用； 因子分析； 降维
【Abstract】 For the present situation that the rising trend of basic medical insurance patients" hospitalization costs has not been effectively curbed，launching the research based on factor analysis methods to provide theoretical methods to strengthen patients hospitalization expenses management and related system formulation.Taking factor analysis basic principle as basis，established patients’ hospitalization medical expense constitution system，KMO test was carried out on the initial data，using SPSS 19.0 statistical software to carry out the data calculation，according to the calculation results constructed the factor analysis model.Through dimension twelve costs constitute indicators are abstracted as five factors of chemical examination surgery，medicine diagnosis，anesthesia and blood transfusion，nursing treatment and bed to express，integrating information in a lesser dimension，which is better able to simplify and explain problems.
【Key words】 Basic medical insurance； Hospitalization； Medical expense； Factor analysis； Dimensionality reduction
First-author’s address：Jinzhou Central Hospital，Jinzhou 121000，China
doi：10.3969/j.issn.1674-4985.2017.25.038
我国医疗费用增长速度已经超过了国内生产总值的增长速度，“看病贵”和“看病难”问题日益严重，高级别医疗机构的医疗费用增长尤为突出，给国家、单位和个人造成了沉重的经济负担，制约着卫生事业的发展[1]。基本医疗保险保障了参保人员的基本医疗需求，但医疗费用上涨趋势并未得到有效遏制，存在着医疗保险费用增长过快、医疗保险费用控制制度缺陷和费用支付结构不合理等问题[2-3]。本文将关系密切的医疗保险患者住院医疗费用构成指标归在一类中，用少数几个因子描述多个医疗费用指标之间的关系，简化统计分析工作，为加强基本医疗保险患者住院费用管理和相关制度制定提供理论方法。
1 因子分析基本原理
因子分析就是基于降维的思想，把一些有错综复杂关系的变量归结为少数几个综合因子的多变量统计分析方法[4-6]。从研究变量内部相关的依赖关系出发，将相关性较高、联系比较紧密的分在同一类中，而不同类變量之间的相关性则较低，每一类变量代表一个基本结构，即公共因子。因子分析的核心目标是浓缩原有变量抽取因子，包括：（1）前提条件：因子分析要求变量之间存在较强的相关关系。如果原有变量之间相互独立，就无法进行因子分析。因此，需要检验原始数据是否适合进行因子分析，通常使用KMO测度检验统计量。（2）因子抽取：在样本数据的基础上抽取和综合因子，关键是通过样本数据求解因子载荷矩阵，通常使用主成分分析法，使用相关性矩阵进行分析，基于特征值进行抽取，最大收敛性迭代次数为25。（3）使因子有命名可解释性：对原有变量综合为少数几个因子后，如果因子的实际含义不清晰，则不利于进一步分析。因此要将抽取出来的因子深入分析，使命名有可解释性，使人一目了然。（4）计算各样本的因子得分：通常使用回归方法，产生的因子分值均值为0，方差等于估计因子值与真实因子值多元相关的平方。输出结果可以保存为变量，也可以是得分系数矩阵，为进一步分析奠定基础[7-8]。
2 患者住院医疗费用构成体系
患者住院医疗费用构成较为复杂，目前尚没有统一的统计标准。用单一指标或少数几个指标不能反映费用构成全貌，必须构建科学规范的指标体系。《中国卫生统计年鉴》的“各级综合医院收入与支出”表中将住院患者人均医药费用分为床位费、检查费、治疗费、手术费、护理费、卫生材料费和药品费等7类，这种分类方法虽然类别较少，但对医疗费用构成分析具有一定的参考价值，结合文献[9-15]，构建的患者住院医疗费用构成体系，见图1。
3 初始数据获取与KMO检验
假定A、B、C、D、E、F、G、H等为8家二级甲等以上医院，2016年第一季度基本医疗保险患者住院费用各项指标的费用统计平均值，见表1。
4 SPSS因子分析过程与结果
依据因子分析基本原理，使用SPSS 19.0软件对表1中的数据基于主成份进行抽取，最大特征值大于0.6，最大收敛迭代次数为25。
4.1 公因子方差 公因子方差表示提取公因子后的公因子方差共同度，共同度大于0.5就可以进行因子分析，小于0.3则不适合进行因子分析。结果显示，12个指标的公因子方差值均大于0.5，除了U10<0.8和U7<0.9外，其他都大于0.9，平均值达到0.946，表明提取的公因子能够很好地反映原始变量的主要信息，非常适合进行因子分析，见表2。
4.2 解释的总方差 包括初始特征值、提取平方和截入以及旋转平方和载入，初始特征值包括12行数据，后五行的累积%都为100故省略[16-17]。选取因子时，主要看前几个公因子方差的累计贡献率，累计贡献率越高效果越好，累计贡献率越低效果越差。本文以90%为标准，即取5个因子，累积贡献率达到94.631%，即表示5个公共因子可以解释约95%的总方差，结果非常理想，见表3。
4.3 旋转因子载荷矩阵 对因子载荷矩阵进行旋转，使旋转后的因子载荷矩阵结构简化，以便对公共因子做出更合理的解释。本文基于方差最大正交旋转法，将各因子载荷的总方差最大作为因子载荷矩阵结构简化的准则，见表4。
4.4 因子分析模型 根据表4构建因子分析模型[18-19]，在式（1）中5个主因子构成12个相互垂直的坐标关系，主因子前的系数大小反映了变量在主因子上的相对重要性。
（1）
4.5 结论与分析 原有12个基本医疗保险患者住院费用构成指标归纳为5个因子，因子个数少于原有的构成指标个数。5个因子简要分析如下：（1）是最重要的影响因子，主要反映“化验费U9和手术费U8”两项指标，称化验手术因子，与“药品费U3”呈负相关性，表明采用手术治疗方法，虽然化验费和手术费较高，但可以节省药品费用。（2）是第二重要的影响因子，主要反映“药品费U3和诊察费U1”两项指标，称药品诊察因子，与“麻醉费U7”呈负相关性，表明采用保守治疗方法，虽然药品费和诊察费较高，但可以节省手术费用。（3）是第三重要的影响因子，主要反映“麻醉费U7、输血费U6和材料费U10”等三项指标，称麻醉输血因子，这三项费用有很强的正相关性。当麻醉费较高时，输血费也较高。（4）是第四重要的影响因子，主要反映“护理费U11和治疗费U5”两项指标，称护理治疗因子，当护理费提高时，治疗费也相应提高。（5）是第五重要的影响因子，主要反映“床位费U2和其他费U12”两项指标，称床位其他，当床位费用高时，住院天数增加或病房等级提高，引起其他费用提高。
4.6 成分得分系数矩阵 确定了因子后，计算各因子得分，利用因子变量进行回归分析，不再使用原始12个指标，见表5。根据表5得出5个主成分的方程表达式，方程组式（2）分别表示每个因子与所有指标之间的线性关系，包括正相关关系和负相关关系，以及权重，这与4.5基本类似。
（2）
5 讨论
控制基本医疗保险患者住院费用和为患者提供更加优质的医疗服务，是医疗保险机构和政府卫生管理部门面对的难题，调结构是有效遏制费用不合理上涨的关键环节[20]。本文基于因子分析法，将基本医疗保险患者住院费用构成的12个指标按相关性大小分为5组，同组间相关性较高，不同组间相关性较低，用较少的新变量集替代原始多个变量集，能更好地简化和解释问题。应用时要根据实际建立科学合理的费用构成体系，选取适当的相关矩阵和因子载荷矩阵计算方法，这样才能使分析结果更接近实际。
参考文献
[1]张爱琴，苏虹，沈爱宗.某三甲医院城乡居民2013年住院患者疾病构成及费用分析[J].安徽医学，2016，37（2）：220-223.
[2]王雪蝶，曹高芳.我国基本医疗保险异地就医结算问题研究[J].山东社会科学，2015，29（10）：139-143.
[3]侯建森，张羽.基于道德风险视角的我国社会医疗保险费用控制研究[J].现代管理科学，2015，34（8）：85-87.
[4] Pavia L，Cavani P，Blasi M D，et al.Smartphone Addiction Inventory （SPAI）：Psychometric properties and confirmatory factor analysis[J].Computers in Human Behavior，2016，63（10）：170-178.
[5]万国峰，李玉青，刘秀荣.因子分析在职工食堂满意度评价中的应用[J].职业与健康，2015，31（11）：1485-1487.
[6]颜锦江，姜浩亮，程永忠.供给侧结构性改革背景下医院投入产出效率评价—基于因子分析和DEA模型[J].财经科学，2016，60（9）：112-123.
[7]时立文.SPSS19.0统计分析从入门到精通[M].北京：清华大学出版社，2012.
[8] Gaskin C J，Happell B.On exploratory factor analysis：A review of recent evidence，an assessment of current practice，and recommendations for future use[J].International Journal of Nursing Studies，2014，51（3）：511-521.
[9]王凤明.医疗保险医疗费用分析控制指标的构成及内涵[J].山东人力资源和社会保障，2016，25（3）：24-26.
[10]谭礼萍.住院医疗费用构成的结构变动度分析[J].中国卫生统计，2015，32（3）：441-443.
[11]王建平，刘茵，杨云，等.我国医疗费用总体构成情况分析及医改建议[J].中国药房，2014，25（17）：1554-1557.
[12]李静，马效恩，华永新，等.基于结构变动度的不同付费方式住院医疗费用控制研究[J].中国医院管理，2015，35（12）：65-67.
[13]罗雪燕.医保儿童住院医疗费用的影响因素分析[J].重庆第二师范学院学报，2016，29（4）：137-140.
[14]张泽洪.住院医疗费用控制的系统规制与微观治理分析[J].财经论丛，2016，32（4）：105-112.
[15]郝洁靓，吴群红，李叶.黑龙江省乡镇卫生院住院医疗费用医保补偿水平研究[J].中国医院管理，2016，36（6）：44-46.
[16]黄涛，张勇.基于因子分析模型的我國城镇居民小康水平评价研究[J].统计与管理，2016，31（10）：50-52.
[17]袁晓.基于因子分析模型上市公司财务经营效率研究[J].西南师范大学学报（自然科学版），2016，41（9）：56-60.
[18]孙丽，梁力中，吴进军.基于大数据的基本医疗保险患者住院医疗费用因子分析[J].齐齐哈尔医学院学报，2016，37（18）：2326-2327.
[19]陈沛军，翟理祥，黄鹤冲.基于因子分析模型的我国卫生事业发展综合评价测量研究[J].中国社会医学杂志，2016，34（4）：397-400.
[20]吴奎，刘一彬，吴刚.基于结构变动度的住院医疗费用控制研究[J].中国医疗保险，2017，10（1）：34-36.
（收稿日期：2017-03-29） （本文编辑：周亚杰）