医疗保险参保人数的贝叶斯预测分析
参见附件。
【摘要】医疗保险基金的收支是医疗保险改革能否持续健康发展的关键，在医疗保险基金的收支的影响因素中，参保人数是一个重要的参数，本文采用贝叶斯方法估计了城镇职工参保人数，并通过其他模型来进行循环预测。
【关键词】医疗保险；参保人数；贝叶斯；预测
1.贝叶斯常均值折扣模型
贝叶斯常均值折扣模型对于预测随机波动、变化相对稳定的数据是比较精确的，与传统的预测方法相比有明显优势。通过数据搜集，我们发现，从西安市人口现状、人口老龄化进一步加剧、多种大病年轻化、经济发展对医保参保企业影响等因素考虑，西安市城镇职工参保人数处于一个相对稳定、随机波动的状态，适合采用常均值折扣贝叶斯模型来进行预测。
对于每一时刻t，贝叶斯动态线性模型DLM{1，1，Vt，Wt}，定义如下：
其中是t时刻序列的水平，是观测误差项或噪声项，是状态误差项。
对于每一时刻t，假定μt-1的后验分布，则μt的先验分布，其中Rt＝Ct-1+Wt。而在实践中，V和Wt一般未知，因此在模型中引进了折扣因子δ，通常0<δ<1，并且有，以及令。
【摘要】医疗保险基金的收支是医疗保险改革能否持续健康发展的关键，在医疗保险基金的收支的影响因素中，参保人数是一个重要的参数，本文采用贝叶斯方法估计了城镇职工参保人数，并通过其他模型来进行循环预测。
【关键词】医疗保险；参保人数；贝叶斯；预测
1.贝叶斯常均值折扣模型
贝叶斯常均值折扣模型对于预测随机波动、变化相对稳定的数据是比较精确的，与传统的预测方法相比有明显优势。通过数据搜集，我们发现，从西安市人口现状、人口老龄化进一步加剧、多种大病年轻化、经济发展对医保参保企业影响等因素考虑，西安市城镇职工参保人数处于一个相对稳定、随机波动的状态，适合采用常均值折扣贝叶斯模型来进行预测。
对于每一时刻t，贝叶斯动态线性模型DLM{1，1，Vt，Wt}，定义如下：
其中是t时刻序列的水平，是观测误差项或噪声项，是状态误差项。
对于每一时刻t，假定μt-1的后验分布，则μt的先验分布，其中Rt＝Ct-1+Wt。而在实践中，V和Wt一般未知，因此在模型中引进了折扣因子δ，通常0<δ<1，并且有，以及令。
您现在查看是摘要介绍页，详见PDF附件。