基本医疗保险的资料来源与研究方法

（一）资料来源

本研究数据资料来源于“四川统计年鉴”。

（二）研究方法

根据四川省城镇职工医疗保险基金运行特点，初步分析数据发现基金收入和支出能够使用时间序列分析。时间序列指的是同一个体在不同时间点上的数据。美国学者博克斯（Box）和英国统计学者詹金斯（Jenkins）于1976年提出时间序列分析方法。这种建模方法的特点是不考虑其他解释变量的作用，而是根据变量本身的变化规律，利用外推机制描述时间序列的变化。其中ARIMA模型是应用最为广泛的一类时间序列分析模型，是由自回归模型AR（p）与移动平均模型MA（q）组合而成。自回归是指利用该变量的过去值来预测其未来值。一般来说，p阶自回归模型AR（P）可以记为：yt=φ1yt-1+…+φpyt-p+ut 。式中，p指滞后期，ut为白噪声，表示由p个滞后项的加权和以及白噪声构成。q阶移动平均模型MA（q）可以记为：yt=ut+θ1ut-1+θ2ut-2+…+θqut-q ，其中θ1，θ2，…，θq 是回归参数，ut为白噪声过程。为了使模型更好地拟合数据，可以将 AR（p）和MA（q）结合在一起，得到ARMA（p，q），其中p，q分别表示自回归和移动平均的最大滞后阶段。模型记为：yt=φ1yt-1+…+φpyt-p+ut +θ1ut-1+θ2ut-2+...+θqμt-q 。p和q取值的确定通过自相关函数、偏自相关函数和部分统计标志量来判断。在使用时间序列分析时，要求时间序列是平稳的。如果原始数据为非平稳数据，经过d阶差分后的数据为平稳序列，模型写作ARIMA（p，d，q）。(www.xing528.com)

（三）时间序列模型分析的步骤

ARIMA方法建模共有四个步骤。第一步，序列平稳性处理。首先对数据进行图示分析，从图形上来观察是否为平稳序列，或者做单位根检验，观察统计量是否显著。如果为非平稳序列，可以首先进行对数变换，再来做单位根检验。如果还是非平稳序列，可以做多阶差分，直到平稳为止。第二步，模型参数识别。根据自相关函数和偏自相关函数来判断在相关阶数p和偏自相关阶数q，以及差分阶数d。第三步，估计模型参数并进行假设检验。通过ARIMA的拟合图观察拟合效果，观察假设检验的参数是否有统计学意义。第四步，预测。利用建立的模型对未来数据进行预测。采用 Eviews 7.2来完成模型构建和预测。