基于大数据架构的医院财务预测技术研究

丁翠和

摘 要：随着医院规模的不断扩大，医院财务管理趋于复杂化，基于业务经费预算不当而造成的经济损失严重影响到医院运行效率和经济效益。将传递函数模型引入到医院业务收入预测中，利用传递函数对选定的参数进行稳定性处理，获得稳定的白噪声时间序列，通过确定输入时间序列和输出时间序列的动态关系，实现对输出时间序列的预测。以某一市三甲医院为对象，通过实例验证指出该医院业务收入的增长主要得益于服务质量和技术能力的提升而增长的出院人数。相较于传统ARIMA模型，传递函数模型结果更接近预测结果值，能做出较为精确的预测。

关键词：传递函数模型;业务收入;出院数量;医院财务

Abstract：With the continuous expansion of the scale of the hospital， the financial management of the hospital tends to be complicated， and the economic losses caused by the improper budget of the operational funds seriously affect the efficiency and economic benefits of the operation of the hospital. In this paper， the transfer function model is introduced into the prediction of hospital business income， and the stability of the selected parameters is processed by using the transfer function， and a stable white noise time series is obtained. By determining the dynamic relationship between the input time series and the output time series， the prediction of the output time series is realized. Taking the third grade A hospital in a city as the object， it is proved by an example that the growth of the business income of the hospital is mainly due to the improvement of service quality and technical ability. The number of people discharged from hospital has increased as a result of the rise. Compared with the traditional ARIMA model， the results of the transfer function model are closer to the predicted results and can make a more accurate prediction.

Key words：transfer function model;business income;discharge quantity;hospital finance

0 引言

随着国内医疗体制的不断发展完善，建立一个符合市场经济需要的财务管理体制，提升医疗服务效益十分必要[1]。医院运作时一些非常复杂的过程，财务管理数据量庞大，由于各类经费支出预判不当造成经济损失，制约医院的运行效率和经济效益[2]。大数据、云计算技术在医疗中的应用，通過科学、有效的获取数据、处理和分析数据，很大程度提升财务决策效率和质量，提升财务风险防范能力[3-5]。如赵丽娥等基于医疗云框架上，建立医疗财务风险模型来检测可能存在的风险，并根据风险提示结果给出合理的风险防范方案[6];王剑等通过建立Logit模型，将资产负债率、营业收入增长率、固定资产回报率等金融数据引入模型，实现对公共医疗数据大样本进行分析，提供政府合理决策方案等[7]。本文主要针对医院财务管理过程中存在的问题，通过建立传递函数模型实现对医院经营业务收支影响因素分析，并为公共医疗事业提供有效的参考价值。

1 传递函数模型建立

1.1 模型基本概念

传递函数模型是在传统的ARIMA模型基础上将输入变量的时间参数，构建的多变量时间序列模型。传递函数最早由George E.P.Box提出[8]，即对于模型中的观察值，通常对其进行排序，其中观察值排序中的第t个观察值表示为Zt，相应的后一个观察值Zt+1，对于只有一个输入变量的模型，可表示为式（1）。

1.2 模型预测流程

通常，一个传递函数中的观测值包括至少30个以上，在建模前要求序列为一个概率结构不随时间变化的平稳时间序列[9]。即均数和方差均不随时间变化，自相关系数与时间点无关，而与时间间隔相关[10]。白噪声就是该类型的平稳序列，采用自相关图检验法检验白噪声的平稳行，如其中存在不平稳，可利用对数变换、滤波法等保持序列的平稳[11]。

对于一个传递函数模型，主要包括以下3个具体步骤。

（1） 利用ARIMA拟合输入序列，获得平稳的时间序列。采用预白噪化将残差降为白噪声。通过输入和输出间的互相关函数对输入序列进行滤波处理，获得白噪声的残差序列和输出序列。并计算过滤后的输入、输出序列互相关系数。

（2） 基于极大似然法进行模型参数估计。获得模型参数中的B，σ，ω，Φ，θ的有效估计值。

（3） 分别利用AIC准则中的Q统计量和SBC准则中的S统计量对残差和白噪化输入进行自相关检验，若获得的残差和白造化输入无自相关，确定建立的模型是否正确[12]。

（4） 模型的预测，通过最小均方误差获得的模型输出时间序列的预测结果，如图1所示。

当构建完成传递函数模型后，再输入序列信息基础上对所需预测的输出时间序列相当程度进行改善，利用最小均方误差预测获得输入序列和输出序列的精确预测结果。

2 案例分析

本文以某一市三级甲等医院2016年1月～2018年12月期间的营业收入、出院人数、住院费用、手术例数等作为时间序列数据。根据传递函数模型分析，考虑到参数的局限性，仅有出院人数具备统计学意义，通过检验输入数据、残差序列验证相关行，建立最终的传递函数模型，如式（12）所示。

在进行识别前，以出院人数、住院日期、平均住院费用、药品费用为输入变量进行业务收入传递函数模型与分析，发现在业务收入方面，仅有出院人数变量具有统计学意义。获得的业务收入与出院人数数据序列统计，如图2所示。

通过分析可以看出，业务收入和出院人数二者均呈现出一个同步增长的趋势，且表现出显著的季节周期行特征。业务收入与出院人数整体呈现一个同步上述的线性趋势。其中在每个年的的2-6月阶段，出院人数与业务收入均处于年度最低谷，在每一年份的11-12月出现一个波峰，出院人数和业务量均达到最高值。其他月份均在一定范围内小幅波动。比较不同时间点的出院人数和业务收入可知，医院的经营业务和出院人数每年度均在不断增长。

首先对输入变量进行12步差分进行时间序列的预处理，利用模型拟合输出序列得到业务收入输出序列和出院人数序列的残差相关函数，获得的交互关系参数，如表1所示。

同时可获得输入序列残差标准差为246.753，输出序列参数标准差为5 035.35，并获得SBC准则中的S统计量值s<6。表明输出序列为平稳时间序列。对获得的输入序列和输出序列差分后的传递函数拟合，根据AIC准则，确定AIC=623.532，SBC=628.356，确定残差自相关函数即Q统计量，如表2所示。

可以看出，残差表现为一个典型的白噪声序列，因此上述建立的传递函数模型满足使用要求。

下面开展对医院业务收入的预测，选择2016年1月～3月份的业务收入为对象，利用传统ARIMA模型以及本文建立的传递函数模型进行模型预测分析，获得的预测结果，如表3所示。

从获得的结果可以看出，采用本文提出的传递函数和ARIMA预测或获得的预测值相较于实测值均存在一定的偏差，但相较于ARIMA预测法，采用本文提出的传递函数法获得的预测最大标准差为61.53，预测结果还是满足医院经营业务指导意义，而采用ARIMA预测发的最大预测偏差达到78.42，偏差值相对较大。

3 讨论分析

3.1 模型分析

通过对3个月的预测值和实际结果对比可以发现，传递函数预测模型获得的预测值接近于实际值，标准误差小于ARIMA模型值。由于收集时间序列数据中包含了登革热流行性疾病，导致2016年上半年业务收入出现波动，使得ARIMA模型预测结果与实际值存在较大的偏离。采用传递函数模型中，输入变量通过线性动态系统v（B）=δ1（B）Ω（B）形成了v（B）xt，并且通过线性滤波器Φ（B）=Φ1（B）θ（B）将白噪声αt滤波处理获得噪声Nt，利用处理后的v（B）xtv（B）xt和噪声Nt作为输入变量，实现了对预测结果的校正，大大降低了传递函数模型的预测结果偏差。

3.2 業务收入讨论

近些年，医疗机构业务收入迅速增长，大勃派医疗业务收入增长与GDP增长的一致原则，导致医患纠纷不断加剧。从本次收集的医院同期收入、出院人数、平均住院费用、药品收入等时间序列，分析医疗机构不断上升的业务状态，如果确定为病人数量的增势是造成业务收入的主要因素，那表明医院在提高服务质量和医疗技术水平方面取得了较大的成绩，因而吸引了周边患者进院治疗，从而带动了医疗工作量，表现出一个良性的循环。如是由于医疗费用的增加而带动的业务收入，则说明作为政府卫生行政主管部门的一项业绩考核植物，医院业务收入的增长在一定程度上市由于医务工作人员迫于业绩压力，采取多开药、多收费的手段来提高经济收入，从而导致病人平均费用上述。利用传递函数对涉及医院业务收入的多个变量时间梳理进行分析，将各因素引入模型中表明，除了出院人数这一指标外，其他变量因素并未表现出显著的统计学意义，指出出院人数的变化是造成医院业务不断上升的重要指标，即出院人数的增加显著提高业务增长量，是医院服务质量和医技水平的提高带动工作量的增加，提升业务增长。

4 总结

本文讨论了基于传递函数对医疗财务收入的预测方法，利用传递函数确定输入时间序列和输出时间序列的动态关系，实现对输出时间序列的预测，为医疗信息化提供基础支持。文章结合某一市级三级甲等医院医疗财务状况进行医疗业务收入预测，指出医院业务收入的增长主要得益于服务质量和技术能力的提升而增长的出院人数，预测结果精确，能为医疗行业的面对财务风险时提供较好的决策依据。

参考文献

[1] 王丽，沈晨，龙军.基于大数据环境的医院财务预测方法研究[J].财经界，2019（8）：146-148.

[2] 刘烨，王育婧.医疗设备采购计划制定的监督盲点及对策[J].医学争鸣，2018，9（3）：66-68.

[3] 龙学斌. 新医改背景下广西公立医院精细化成本管理研究[D].南宁：广西医科大学，2018.9（9）：122-123.

[4] 洪孔荣.公立医院成本控制中全面预算管理的实施研究[J].中国卫生标准管理，2016，7（21）：8-9.

[5] 韩家亮. CMU4H三甲医院运行数据的挖掘分析[D].大连：大连海事大学，2016.

[6] 赵丽娥，陈氤，谭警宇.云平台下基于贝叶斯的医疗财务风险预测模型[J].电子技术与软件工程，2015（22）：185-186.

[7] 李大兴.医院财务管理中存在的问题分析及对策[J].现代物业（中旬刊），2014，13（6）：16-17.

[8] 牛瑛茹.财务管理如何顺应现代医疗体系[J].中外医疗，2013，32（34）：133.

[9] 刘俊兰，李惠，刘子先，等.面向医学保障的医院物资与经费信息集成管理[J].解放军医院管理杂志，2012，19（4）：359-361.

[10] 庄惠阳.投资收益法在医疗设备投资风险评价中的应用[J].现代医院，2009，（14）：13.

[11] 王振宇，马飞，刘辉.国有医院财务盈亏平衡的微观定量分析研究[J].会计之友（下旬刊），2009（8）：24-26.

[12] 钟宜.财务管理如何顺应现代医疗体系[J].现代国企研究，2019（10）：138-139.

（收稿日期：2019.08.22）