医疗欺诈的主动发现数模论文.docx

2015暨南大学珠海校区数学建模竞赛编 号 专 用 页 我们参赛选择的题号是（从A/B/C/D中选择一项填写）： A 姓 名专业、班级联系电话(长号)参赛队员1胡壁君 13金融工程赛队员2殷佳飞 14软件工程赛队员3何雪 13包装工程阅记录：评阅人评分备注医保欺诈行为的主动发现摘要 本文所致力于解决的问题为“摘取可能的医保欺诈记录”，而在解决问题的过程中最大的难点在于数据中有可能混杂着大量的虚假数据，对分析有着较大的影响。我们对问题进行了全面的分析，将问题化解为三个阶段，化繁为简进行分析。 首先，我们对研究对象进行了分类。我们查询了多份权威论文，对可选择影响因素进行了查找与筛选，并利用SPSS，对数据进行了整理、选择、分析，得到了年龄与医保消费最为相关的结论。然后，我们以年龄为自变量，套用样本选择模型、二部模型，并利用MATLAB对数据进行拟合、求解未知系数，并得到了最接近于正常消费的“费用年龄关系”和“频率-年龄关系”。以此为基础，我们初步筛选出了可能的医保欺诈数据。最后，我们参考了“接近死亡效应假说”，进一步建立模型，对得出的结论进行修正，得到最准确的结论。【1】本文的亮点在于，一是利用统计学知识，对给出的数据进行了一定的整理与筛选，对一部分无效数据进行了舍弃；二是在样本中可能充斥着大量虚假数据的情况下，选择样本选择模型来处理数据，使得结果最接近于真实【2】；三是加入了“接近死亡效应假说”，对于现有的医保欺诈计算模型进行了一定的修正。目录医保欺诈行为的主动发现1摘要1关键词2问题重述2问题分析3数据处理4一影响医保消费因素研究5软件应用5模型假设与符号说明6模型求解7结果分析8二“医保消费年龄关系”的准确关系及初步结论8模型假设与符号说明9模型求解10模型的优缺点13结果分析13三模型结果的稳健性检验和模型修正14数据筛选14结果分析15结果分析15参考文献18附录19附录一19附录二19附录三19附录四22关键词医保欺诈，“医保消费年龄模型”，样本选择模型，接近死亡效应假说，SPSS，MATLAB。问题重述医疗保险欺诈，是指公民、法人或者其他组织在参加医疗保险、缴纳医疗保险费、享受医疗保险待遇过程中，故意捏造事实、弄虚作假、隐瞒真实情况等造成医疗保险基金损失的行为。骗保人进行医保欺诈时通常使用的手段，一是拿着别人的医保卡配药，二是在不同的医院和医生处重复配药。下面这些情况都有可能是医保欺诈：单张处方药费特别高，一张卡在一定时间内反复多次拿药等。请根据附件中的数据，找出可能的欺诈记录。注：数据中病人姓名、身份证号、电话号码、医保卡号为非真实数据。数据见2.1 2.2 2.3 2.4 2.5 2.6问题分析问题的要求为：在给出的大量信息中，建立模型，对数据进行分析，通过对医保单张消费金额和医保消费的频率进行统计学计算，得到大致的医保欺诈数据，最后修改模型，确定可能的医保欺诈数据。因此，我们对问题进行了初步分解：第一步，大量查阅专业医学资料，尽力对正常状态下病人的消费情况进行了解。对相关的研究进行总结，总结出可能的影响因子，对影响因子进行筛选，对一些确定为欺诈的数据进行舍弃，利用SPSS对数据进行初步统计与处理，求得影响因子与正常的医保消费单张费用及频率的关系。第二步，参考“样本选择模型”建立模型，用MATLAB对数据进行处理，初步筛选出可能的医保欺诈数据。第三步，参考“接近死亡效应假说”，将上一步得到的结果代入原数据中，查看其死亡时间，对已死亡的数据进行舍弃，对模型进行修正。进而，我们对各步骤进行了深入的思考。第一步，为了更好的对数据进行筛选，我们需要对研究主体进行分类。在查阅了大量相关文献之后，我们发现医学上认为，可能影响一个人的医疗消费单张费用及频率的因素有年龄、收入、性别、是否参加医疗保险、婚姻状况、当地医疗资源丰富程度、医学发达程度、教育程度等。阅读题目可以知道，在我们的分析中，不需要考虑当地医疗资源丰富程度、医学发达程度、是否参加医疗保险，因为这些是该医院中每个患者所共享的一致因素，是非变量因素。在给出的信息中，并没有关于收入、婚姻状况教育程度的数据，因此我们不得不放弃了对这些影响因素的讨论。然后我们又阅读了大量论文，发现性别对于医保消费的费用及频率的影响非常小，并且是否有影响争议较大，因此在我们的数据拟合中可以忽略。在我们参考的大多数论文中，作者都认为年龄与医保消费费用及频率有极大的相关性，为了确定我们所持有的数据中年龄是否与医保消费的单张消费额和频率有关，我们抛弃了一部分明显欺诈的数据 ，然后利用SPSS专业数据统计软件对数据进行了分析拟合，得到了大概的对应关系，建立“医保消费年龄模型”。第二步，在进行深入的模型建设的过程中，我们发现了一个问题，那就是数据中可能存在一部分的虚假信息，我们不能够预知它的规模，对我们的分析结果会造成比较大的影响。因此，我们选择了样本选择模型，并反其道而用之，用现有的所有数据推测原有的可靠数据。我们又加入了二部模型，以追求数据的更加准确。与一般使用的筛选模型不同的是，样本选择模型不是先计算，再筛选出不符合的数据，而是先对数据进行筛选，得出不正确的数据，然后再进行计算，从而得到最终的结果。因为我们已经得知了医保消费单张费用及频率与年龄的相关性很好，并初步得知了两者之间的对应关系，所以，我们套用样本选择模型和二部模型的公式进行计算。又由于在第一步中我们已经初步求得了两者之间的数据关系，因此可以通过MATLAB进行拟合，求解出准确的未知系数，得到准确的“单张费用年龄关系”和“消费频率年龄关系”。在得到两个准确的公式组之后，我们对现有的全部数据进行筛选，然后初步确定了可能的欺诈数据。第三步，在得到可能的欺诈数据之后，我们将其代回到原数据中，考察可能的异常因素，尤其参考“接近死亡效应假说”，对已死亡的数据进行抛弃。综合考量，对原有的模型进行修正。数据处理 在我们对问题进行分析的过程中，发现庞杂的数据是我们首先要解决的难点。在附件中给出的数据容量大，专业程度高，文件之间难以找到联系，存在一定的关键数据缺失情况。在这种原始数据情况复杂的条件下，想要进行下一步的数据分析筛选工作，无疑是困难重重的。因此，我们做出了大量的工作，使得数据更加结构清晰，关系明确，并以此为基础来进行接下来的工作【3】。首先，我们将Excel中的数据进行了一定的整合。我们将病人资料和费用明细表进行了一定的合并，以病人ID为关联项，将ID相同的病人的信息整合到同一行中，这样，病人各项指标，如我们所要求的年龄与单次消费总费用的联系就更加明确了，这也大大简化了我们接了下来的工作。其次，我们舍弃了出现在病人资料表而没有出现在费用明细表中的病人的信息，即有医保而未在本时间内看病的人的信息。这些人虽然是医保欺诈的研究对象，但并不是我们能够研究的对象。我们并没有任何关于这些人单张费用或消费频率的数据，因此我们依照统计学的知识，对这些无用数据进行了舍弃。紧接着，我们又对重复的信息如住院ID和就诊ID等进行了合并。这些重复的数据，我们仅拥有一个就可以进行计算，不需要占用一列，使得数据分析更加复杂。再者，在我们对年龄的计算中，因为原题目中中仅仅有每个患者的出生年月日，因此，我们在考虑到实事背景后，决定以2015年为年龄的计算标准，每个人的年龄都是2015年的年龄。因为年龄是相对而言的，所以基准时间的确定并不会对最后医保欺诈者的筛选造成影响。同时，在频率的计算中，我们决定用频数来代替频率进行计算。频数，就是在我们所掌握的数据中，患者总共去往医院的次数。频率则指的是患者平均每天去医院的次数。相对于频率而言，频数总是整数，更好计算，不易出现误差，而且数值大，不需要对数值进行约分，并且无论是使用频率还是频数，在我们最终对数据的筛选中，不会对筛选出的患者发生影响。因此，我们使用了频数来代替频率。接着，在单张费用的求值过程中，我们采用了一种想法，将每一次的就诊都当做是不同的人来就诊，以就诊ID作为每个患者的代号，而不是将每个患者的总就诊费用加和。也就是说，即使是3万人就诊了10万次，那么我们也要按照10万人在就诊来看待，求出每个年龄的平均单张费用。这种思想大大简化了我们的数据处理进程。然后，在数据分析中，我们发现有些人的医保消费金额是负的，即医院付给了患者药费，这显然是错误的数据。我们统计了这些数据，发现一共有400多例，而且每一例都存在一个价格相同的正值，因此有可能是抵消错账，我们对这一部分的数据也进行了处理。【4】 最后，在我们将Excel中的数据导入到SPSS后，观察散点图，发现了几个异常数据，三个是医保消费频率极端高的，三个是单次医保消费金额极端高的，还有一位年龄为140岁，这显然是不可能存在的。因此我们将这七个数据从模型源数据中筛选了出去，在最终结果中加入这些明显诈骗的数据。(年龄超过人类可能) （出现次数过多）（单次消费过高） 在进行完这些数据处理后，我们的数据已经比较清楚，数据之间的联系比较清晰，也更加的接近可靠数据，比较容易进行数据分析。详尽的数据分析不仅锻炼了我们的思考能力和软件应用能力，更为我们研究的简便性和研究结果的可靠性提供了方便。一 影响医保消费因素研究 在我们对问题的求解过程中，不能够简单地把价格最高的，或是频率最大的作为诈骗数据，进行筛选，从而得出结论。我们需要将被研究的数据单张消费金额、消费频率与某一患者特质联系起来，对每个人进行特定的分析，从而得到准确的结论【5】。 在我们参考了大量文献并深入的思考分析后，我们最终选择了年龄这一可能的印象因素进行分析。下面我们将对医保消费与年龄到底有没有关系进行分析。软件应用 面对大量复杂的数据，显然，常用软件Excel已经不能满足我们的需求。Excel的运行速度较为缓慢，而且，关键的是它在处理大量数据时，容易出现较大的误差。因此，我们接触并学习了专业统计软件SPSS。在这一步，我们使用SPSS，对大量的数据进行了处理。SPSS作为专业统计软件，它的特点是可以进行回归分析、拟合等专业统计。 SPSS虽然不如MATLAB在矩阵计算上的精确程度，却在大量数据需要统计的情况下有着很大的作用。与MATLAB需要编程的特性相比，SPSS更加的视图清晰，简单易用。在本次的数据处理与结果求得中，我们将熟练地大量使用SPSS来进行分析求解。模型假设与符号说明 在我们不能明确医保消费与年龄的关系的情况下，我们首先利用软件SPSS对数据的相关性进行综合比较，力图求得拟合效果最好的模型，用来对数据之间的关系进行初步探索。我们首先将处理好的单张消费（消费频率）与患者年龄数据导入到SPSS中，在删除了明显诈骗的数据后，先进行了相关性分析，得到如下结果（第一个表格是“单张消费年龄”的相关性分析，第二张是“频率年龄”的相关性分析）：观察表格可知，我们得到的R平方数据都偏小，一方面是因为在我们的原始数据中，依旧存在很多虚假的数据，这些数据在这一步骤中难以排除，大量的虚假数据存在使得年龄与单张费用（消费频率）之间的联系被一定程度上抵消了，导致了很小的相关程度。另一方面而言也可能是患者的单张消费（消费频率）与外界因素的相关性不强的，医疗消费对于每个人而言都有一定的刚性，受外界因素的影响较为微弱，这也一定程度上导致了相关程度比较低。可以看出，两张表格的数据都显示出，在所有的拟合方法中，三次曲线模型是R平方比较大的，且F比较小的，即拟合效果最好的。因此，利用年龄的三次方与医保消费的单张消费及消费频率相关程度最大的特点，我们对年龄与单张消费和消费频率进行模型建立，模型如下所示：符号说明为：医保消费的单张费用或消费频率：年龄：未知常数系数：误差项模型求解在SPSSS中，我们按照以上模型对两个数据进行了大致的拟合，得到图形及拟合公式如下图所示（上图为单张消费与年龄的关系，下图为消费频率与单张消费之间的频率）：因此，模型分别为：单张消费： 消费频率：结果分析从拟合的图形中可以看出，“医保消费年龄模型”拟合效果还是比较好的，说明年龄与医保消费之间的相关关系是比较强的，可以用年龄来对医保消费进行计算。在SPSS中，通过对数值的统计，我们初步得知了年龄与单张费用（消费频率）之间的关系式，但是，SPSS毕竟只是一个统计学软件，它求出来的值可能并不准确。因此，我们只将这一公式作为关系表示式，并不以此为最终的消费与年龄关系公式。具体的公式我们会在下一步中，运用MATLAB进行精确的求解。二“医保消费年龄关系”的准确关系及初步结论 再上一步中，我们得出了简单的年龄与医保消费之间的数据关系。因此，我们在这一步骤中选择使用MATLAB，对其编程然后对数据进行处理。 在选择模型时，我们发现了一个重大问题：显然，在我们获得的数据中，有着非常多的虚假数据，然而，我们不知道到底存在多少虚假数据，更不能知道那些虚假数据在哪里。这就导致我们如果简单地对数据进行拟合，然后求解未知变量，求得的数据必定有非常大的误差。为了解决这一问题，我们选择了“样本选择模型”来进行求解。在本题目中，它的优势是先对数据的真实性进行判断，然后才会对数据进行计算，这大大减少了虚假数据对结果的影响，大大提高了结果的可信性。该模型的原本使用方向是，当我们所获得的样本数据在某一方面有缺失，如难以获得某类人群的调查数据时，用已经获得的数据求得未知的数据。在本题目中，我们反其道而用之，用我们现有的掺杂着虚假信息的数据，融入二部模型的判断结构，求解出真实的数据，即用多的有虚假的总体去求解少的真实的部分数据。模型假设与符号说明 在样本选择模型中，基础的公式及其符号意义是这样的： (1)是研究所需的结果等式,(2)是潜变量为受限形式的选择等式。 和 分别是与因变量 和指示变量 相联系的潜变量。 和 是自变量向量, 和 是未知参数向量,而 和 是可观测到的因变量。(3)和(4)分别反映了和以及和的对应关系, 为界值。当 时,因变量是可以观测到的，即 ,则 ;否则,因变量是无法观察到的，即 ,则。 代表理论上存在的随机样本含量。此外,样本选择模型要求 和 相关且 。 本题中，出于现有数据的约束和对模型可靠性的偏重，并且，在我们建立的模型中，由于存在年龄与正常单张消费及消费频率的正比例关系，我们将c定义为与年龄有关的方程式，添加到原有的模型中对模型作出适应性改变，我们将适用的模型定义为： 各符号的意义为：医保消费的单张费用或频数：现有的存在部分虚假的单张费用及频数：是否进行了医保欺诈：进行或没有进行医保欺诈：患者年龄、：未知常数参数：正常单张费用或频率，用以判断是否进行了医保欺诈模型求解单张消费： 首先，我们在MATLAB中对数据进行了更精确的模型拟合，以对单张消费与年龄的关系有更深入的了解。得到图形、拟合程度的相关数据如下表所示。在拟合过程中，我们选择了Robust的LAR筛选方法，这种方法可以自动的将过于远离正常数据的异常点筛除，不计入拟合数据内，在本题目中比较有效，可以得出比较接近于真实数据的拟合模型。从拟合的图像可以看出，点的分布比较接近于拟合曲线，拟合效果比较好【6】。另一方面，我们从拟合程度数据表中也可以看出，多元回归系数R-sqare为0.8578，接近于一，这说明两者之间的相关程度比较大。因此，我们在MATLAB上以为自变量，进而编写程序，对已知的数据进行计算，求得了所需的未知常量、(代码见附录一)。运行得到结果为：其中，这样，我们就得到了公式一的参数，也就得知了单张消费与年龄的准确关系。然后，我们以MATLAB给出的置信区间，求得其置信区间的上限，加上在SPSS中的统计运算估计的，求得判断是否为欺诈的标准值的公式为：单张消费总结（消费频率总结） 有欺诈可能 无欺诈可能同一ID一个月内账单数 有欺诈可能 无欺诈可能然后将c的表达公式带入到公式中，运行SPSS，筛选出了可能的诈骗数据（见附录三）。频率 频率的模型求解与单张费用的求解类似，都是先对数据进行拟合，再度确认年龄与频率的关系，然后再以x为自变量，编写程序，求解未知常数系数的准确值。求得的拟合图像和相关度数据如下图、表所示。可以看出，与单张消费相似，拟合程度比较好，可以用为自变量，求解未知系数（代码见附录二）。求解过程与单张消费额相似，求得的结果为其中，这样，我们就得到了公式一的参数，也就得知了频率与年龄的准确关系。然后，我们以MATLAB给出的置信区间，求得其置信区间的上限，加上在SPSS中的统计运算估计的，求得判断是否为欺诈的标准值的公式为：单张消费总结（消费频率总结） 有欺诈可能 无欺诈可能同一ID一个月内账单数 有欺诈可能 无欺诈可能然后将c的表达公式带入到公式中，运行SPSS，筛选出了可能的诈骗数据（见附录四）。模型的优缺点优点：1. 在数据存在一部分虚假信息的情况下，选择使用样本选择模型，先将虚假信息筛选出去，再对数据进行运算，大大降低了虚假信息对最终结果的影响程度，结果更加可靠。2. 对数据的利用能力强，选取年龄作为自变量，大部分数据都参与到预测中来，使得最终的结果更加全面、客观。3. 数据分析细致，以年龄为自变量，一年一分，相较于性别等更加有可变性，拟合的相关性更强。缺点 我们只选取了年龄这一单一变量，相较于多变量、多关系的复杂判断方法不够全面。缺乏对现实生活中一些客观极端情况的考虑，虽然较为简单易行，但是也可能过于武断。结果分析 利用单张消费的可能欺诈数据，可作出如下图表。观察易知，在进行欺诈的人中，2040的青中年人比例较为突出，近似的呈现一种钟形分布。这有可能是因为中年人对于医疗保险金的利用较少，存在一定的套现行为。这种结果表示我们应该做的是，改变人们的想法，加强医保相关知识的教育，让人们了解到医保的重要性，让人们拒绝短视，不会为了蝇头小利而取出医保账户中的钱。利用消费次数的可能欺诈数据，可作出如下图表：可以看出，2040的可能欺诈人群进行了占所有欺诈数量近一半的欺诈.可见青中年进行医保欺诈的后果之严重，他们创造了近一半的欺诈额。这也就说明我们国家需要改变医保补助的年龄结构，将这种社会福利更多的偏向需求较大的婴幼儿和老年人，让社会收入的二次分配更加人性化，更少的让人们能够用医保卡套现。三模型结果的稳健性检验和模型修正“接近死亡效应假说”认为，濒临死亡的病人可能倾向于支付高额医疗费用以延长存活时间,由于老年人的死亡风险较高,因此更有可能发生这种情况。这种动机导致大量医疗卫生资源被用于高死亡风险的患者身上,从而导致了医疗费用及频率的快速增加。也就是说，存在这样一种异常情况，许多面对死亡的老年人，他们会选择在短时间内大量支出医保费用，他们的就医频率、单张医保消费都会异常的高。因此，我们参考这一假说，建立模型，对上一步中筛选出来的可能医保欺诈人群进行选择，从而得到最真实可靠的医保欺诈数据。数据筛选 将上一步骤求得的可能涉及医保欺诈的患者数据导入到SPSS中，然后对“死亡标志”项进行筛选，找出已经死亡的数据。这些病人的消费总价高，频数大，但是考虑到“接近死亡效应假说”，我们认为他们并没有进行医保欺诈，因此将其排除在可能医保欺诈的患者之外。结果分析 在本步骤中筛选出来的数据非常少，一方面是一般而言，死亡人数占人群总比例非常小，导致了已死亡的数据非常少，另一方面，说明我们上一步骤的模型拟合比较成功，模型的稳健性较强，出现误差的数据比较少。 从这几个已经死亡的患者的数据中也可以看出，其消费金额的确比较高，就诊次数的确比较多，这也反过来证明了“接近死亡效应假说”的正确性，我们需要在诈骗数据筛选时考虑临近死亡因素。结果分析下图为欺诈金额与非欺诈金额的比例图。从图中可以直观的看出，虽然人数仅仅有300余人，但是医保欺诈的金额占到了总体医保费用的接近十分之一。也就是说，社会上很少的一部分人正在消耗着大量的医保资源，耗费这大量的医保补贴来中饱私囊。社会医疗保险是由国家立法强制实行的一种非盈利性社会事业，是中国社会保障制度的重要组成部分,在中国，现行的医疗保险体制存在的种种缺陷加之医疗保险市场三方存在显著的信息不对称，滋生了医疗保险市场上严重的道德风险，从而造成了医疗卫生资源低效甚至无效利用和医疗费用的非理性增长。目前，医保道德风险已经以一种愈演愈烈的趋势威胁着国家的财政体系。【】这段话并不是虚谈。从我们的图中可以直观的看出来，国家的补贴，正在由于监管体制、惩罚体制的不完善而源源不断的流向少数人的腰包。医保本是国家的公民福利的一大体现，每年都在财政支出中占据一定比例，被以这样的方式成为某些人的私人福利甚至维生途径，显然不是任何人想要看到的。医保资金亟需监管。下图为欺诈者的总计就诊次数与非欺诈者的总计就诊次数的比例图。 很明显可以看出，仅仅200余医保欺诈可能患者，就进行了约二十分之一的就诊，这无疑是对医院就诊资源的极大浪费。在医疗资源如此昂贵的当下，很多医院一号难求，然而，如此紧张的就诊资源，却有不少的一部分被耗用在医保诈骗上。山东省拥有不同床位数量的综合医院中,其中医院床位数300张的平均床护比例是1:0.42(卫生部颁布的统一标准为1:0.40-0.46),医院床位数为300-500张的平均床护比例是1:0.49 (卫生部颁布的统一标准为1:0.50-0.52),医院床位数500张的平均床护比例是1:0.48(卫生部颁布的统一标准为1: 0.58-0.61); 116所不同规模的专科性医院中,医院床位数300张的平均床护比例是1:0.36,300-500张床位卫生机构的平均床护比为1:0.35,500张床位以上卫生机构的平均床护比为1:0.47.【7】这些数字都说明了，在中国的现状下，我们的医疗资源是异常紧缺的。很难想象，这些原本就不满足国家要求的资源配置其中还有一部分被医保欺诈人员抢占了。对于那些对医疗有需求，希望能够获得医疗的人们而言，这无疑是极大的不公平。他们所亟需的，却是别人所为了金钱而利用的。为了让医疗更加公平，我们需要对医保进行监管。从下图中可以看出，可能存在医保诈骗的患者中，2040年龄段的人占到了近乎一半之多。很显然，这个年龄段的人身体更加健康，对于医疗的需求更小。他们有更多的理由与动机去进行医保欺诈。 首先，我们需要改变的是医保的运行结构。在我们第一、二步求得的公式中可以看出，医保消费与年龄有着比较密切的联系，对于幼儿和老年人而言，他们患病的几率更大，患病周期更长，对于医疗资源的需求更高，医保消费费用高，频率高。我们的医保更应该向他们倾斜。这一方面是出于医保消费的考虑，另一方面也可以减少青中年人的医保诈骗可能性。这是对于社会资源的有效的二次分配。 其次，我们需要改变的是人们的思想。青中年人更多地将医保费用用于套现，而不考虑会发生在自己身上的意外。当意外真的发生的时候，他们往往难以有一个好的治疗自己的方法。这是深植在我们民族的侥幸心理中的。身体健康的时候不考虑医疗的需要，当医疗的需要突然而至时就无法应对。我们需要对人民进行教导，解除这种投机心理，让大家能正当的使用医保，让国家的福利能够真正的造福人民。我国医疗保险事业的快速发展在保障和改善民生、促进社会公平、维护社会和谐稳定方面发挥了重要作用,对于在运行中存在的安全问题,一是要提高医务工作者及参保人员的诚信意识;二是随着医疗保险管理政策的不断完善,应进一步加大医疗保险监管力度。随着计算机网络技术的发展,信息化是医疗保险精细化管理的必由之路,加大医疗保险信息系统软硬件的投人,使医疗保险信息系统逐渐成熟和完善,将有助于减少医疗保险管理的漏洞。【8】 “不患贫而患不均”只有进一步缩小不同群体在医疗保险缴费标准和享受待遇上的差距特别是注重对弱势群体参保情况的帮扶才是我国医保欺诈问题最根本的解决之道.虽然前路漫漫,但我们希望天下大同、和谐统一的全民医保将是我国医疗保险制度的最终归宿。【9】参考文献【1】兰烯，人口老龄化对医疗费用的影响及其机制的实证研究，博士学位论文，西南财经大学，21-97页，2014-04-01。【2】张磊，样本选择模型及其在医疗费用研究中的应用，硕士学位论文，山西医科大学，3-4页，2007-05-08。【3】何俊华，数据挖掘技术在医保领域中的研究与应用，硕士学位论文，复旦大学，2-4页及37-38页，2011-04-20.【4】石卓越，基于外部