Mục tiêu nghiên cứu chung của luận án là kiểm định và lựa chọn mô hình toán kinh tế phù hợp để ước lượng chi phí KCB do BHYT chi trả ở Việt Nam để từ đó đưa ra các gợi ý chính sách đối với việc dự phòng quỹ BHYT ở Việt Nam. Mời các bạn cùng tham khảo nội dung chi tiết.
---------------------------------
---------------------------------
i
Tôi đã đọc và hiểu về các hành vi vi phạm sự trung thực trong học thuật. Tôi cam kết bằng danh dự cá nhân rằng Luận án này do tôi thực hiện và không vi phạm yêu cầu về sự trung thực trong học thuật.
ii
LỜI CAM KẾT ........................................................................................................ i MỤC LỤC ................................................................................................................ ii CÁC THUẬT NGỮ ................................................................................................. v CÁC TỪ VIẾT TẮT ............................................................................................... v DANH MỤC BẢNG .............................................................................................. vii DANH MỤC HÌNH ................................................................................................ ix MỞ ĐẦU .................................................................................................................. 1 CHƯƠNG 1: CƠ SỞ LÝ LUẬN VÀ TỔNG QUAN NGHIÊN CỨU ............... 9 1.1. Cơ sở lý luận .................................................................................................. 9 1.1.1. Các khái niệm và lịch sử phát triển của bảo hiểm .................................... 9 1.1.2. Các loại hình bảo hiểm ........................................................................... 11
1.1.3. Các đặc trưng của bảo hiểm ................................................................... 13 1.1.4. Định phí và dự phòng bảo hiểm ............................................................. 15 1.1.5. Bảo hiểm y tế .......................................................................................... 16 1.2. Tổng quan các mô hình ước lượng, dự báo chi phí KCB ....................... 18
1.2.1. Các mô hình dự báo chi phí khám, chữa bệnh ....................................... 18 1.2.2. Các mô hình hồi quy ước lượng chi phí khám, chữa bệnh .................... 21 1.2.3. Các mô hình tổn thất ước lượng chi phí khám, chữa bệnh .................... 24
1.2.4. Các mô hình ước lượng chi phí khám chữa bệnh được áp dụng ở Việt Nam .................................................................................................................. 27 Kết luận chương 1 ................................................................................................. 28 CHƯƠNG 2: PHƯƠNG PHÁP NGHIÊN CỨU ................................................ 30 2.1. Mô hình rủi ro nhóm trong ước lượng chi phí khám chữa bệnh ........... 30 2.1.1. Mô hình hóa số lượt KCB ...................................................................... 31 2.1.2. Mô hình hóa chi phí KCB theo lượt ....................................................... 32 2.2. Phương pháp ước lượng ............................................................................. 33 2.2.1. Phương pháp tần suất ............................................................................. 33 2.2.2. Phương pháp Bayes ................................................................................ 34 2.3. Phương pháp kiểm định lựa chọn mô hình .............................................. 38
2.3.1. Kiểm định Kolmogorov – Smirnov ........................................................ 38 2.3.2. Kiểm định Anderson – Darling .............................................................. 39 2.3.3. Kiểm định Khi bình phương................................................................... 39
iii
2.3.4. Các tiêu chí so sánh ................................................................................ 40 2.4. Phương pháp mô phỏng ngẫu nhiên ......................................................... 41 2.4.1. Mô phỏng biến ngẫu nhiên rời rạc ......................................................... 41 2.4.2. Mô phỏng biến ngẫu nhiên liên tục ........................................................ 41
2.4.3. Mô phỏng tổng chi phí theo mô hình rủi ro nhóm ................................. 43 2.5. Độ đo rủi ro và ứng dụng ........................................................................... 43 2.5.1. Độ đo rủi ro dùng để tính phí (Premium – based risque measures) ....... 44
2.5.2. Độ đo rủi ro dùng để tính vốn kinh tế (Capital – based risque measure) ...... 44 Kết luận chương 2 ................................................................................................. 46 CHƯƠNG 3: THỰC TRẠNG VỀ THAM GIA VÀ SỬ DỤNG DỊCH VỤ KHÁM, CHỮA BỆNH BẰNG BẢO HIỂM Y TẾ Ở VIỆT NAM ................... 47 3.1. Bảo hiểm Y tế ở Việt Nam .......................................................................... 47 3.1.1. Một số khái niệm .................................................................................... 47 3.1.2. Quá trình ra đời và phát triển của Bảo hiểm Y tế ở Việt Nam ............... 48
3.1.3. Quỹ Bảo hiểm Y tế ................................................................................. 50 3.2. Thực trạng tham gia Bảo hiểm Y tế .......................................................... 51 3.3. Thực trạng sử dụng Bảo hiểm Y tế trong khám, chữa bệnh .................. 55 3.4. Tình hình KCB BHYT TP HCM giai đoạn 2014 - 2016 ......................... 60
3.4.1. Số lượt khám chữa bệnh Bảo hiểm Y tế................................................. 61 3.4.2. Chi phí khám chữa bệnh Bảo hiểm Y tế ................................................ 66 Kết luận chương 3 ................................................................................................. 71 CHƯƠNG 4: SỬ DỤNG MÔ HÌNH RỦI RO NHÓM ƯỚC LƯỢNG CHI PHÍ KHÁM CHỮA BỆNH BẢO HIỂM Y TẾ Ở VIỆT NAM: NGHIÊN CỨU TRƯỜNG HỢP THÀNH PHỐ HỒ CHÍ MINH ................................................ 73 4.1. Kiểm định lựa chọn mô hình phù hợp đối với từng nhóm ..................... 75
4.1.1. Mô hình cho số lượt khám chữa bệnh Bảo hiểm Y tế ............................ 75 4.1.2. Mô hình cho chi phí khám chữa bệnh Bảo hiểm Y tế ............................ 78 4.2. Ước lượng tham số cho các mô hình ......................................................... 82
4.2.1. Ước lượng tham số mô hình số lượt khám chữa bệnh Bảo hiểm Y tế ... 83 4.2.2. Ước lượng tham số cho mô hình chi phí khám chữa bệnh Bảo hiểm Y tế ... 84 4.3. Mô phỏng tổng chi phí khám chữa bệnh Bảo hiểm Y tế và đánh giá sai số của ước lượng ..................................................................................................... 86
4.3.1. Mô phỏng chi phí khám chữa bệnh Bảo hiểm y tế theo mô hình rủi ro nhóm ................................................................................................................. 86 4.3.2. Đánh giá sai số của ước lượng ............................................................... 88
iv
4.3.3. Ước lượng chi phí khám chữa bệnh bảo hiểm y tế theo đầu người cho năm 2017 .................................................................................................................. 90 4.4. Dự báo số người tham gia Bảo hiểm Y tế và ước lượng tổng chi phí khám chữa bệnh Bảo hiểm Y tế .................................................................................. 92
4.4.1. Số người tham gia Bảo hiểm Y tế .......................................................... 92 4.4.2. Ước lượng tổng chi phí khám chữa bệnh Bảo hiểm Y tế ....................... 94 4.5. Tính toán các độ đo rủi ro và ứng dụng ................................................... 95
4.5.1. Độ đo rủi ro dùng để tính phí ................................................................. 95 4.5.2. Độ đo rủi ro dùng để tính vốn kinh tế .................................................... 97 Kết luận chương 4 ................................................................................................. 98 KẾT LUẬN VÀ KHUYẾN NGHỊ ....................................................................... 99 DANH MỤC CÔNG TRÌNH ĐÃ CÔNG BỐ CỦA TÁC GIẢ LIÊN QUAN ĐẾN LUẬN ÁN ................................................................................................... 103 TÀI LIỆU THAM KHẢO .................................................................................. 104 PHỤ LỤC ............................................................................................................. 112
v
Tiếng Anh Tiếng Việt
Collective risk model Mô hình rủi ro nhóm
Conditional Tail Expectation Kỳ vọng đuôi có điều kiện
Economic capital Vốn kinh tế
Individual risk model Mô hình rủi ro đơn
Insurance premium Phí bảo hiểm
Loss model Mô hình tổn thất
Pure premium Phí thuần
Value at Risk Giá trị rủi ro VaR
Regression Model Mô hình hồi quy
Exponential Conditional Mean Trung bình mũ có điều kiện
Machine Learning Algorithm Thuật toán học máy
Nonlinear Least Squares Bình phương nhỏ nhất phi tuyến
Quasi Maximum Likelihood Tựa hợp lý tối đa
Generalised Method of Momments Phương pháp mô men tổng quát
Generalised Linear Model Mô hình hồi quy tuyến tính tổng quát
Generalised Additive Model Mô hình cộng tổng quát
Machine Learning Algorithm Thuật toán học máy
Classification And Regression Trees Mô hình cây hồi quy và phân loại
Random Forest Regression Hồi quy rừng ngẫu nhiên
Premium – based risque measure Độ đo rủi ro dùng để tính phí
Capital – based risque measure Độ đo rủi ro dùng để tính vốn kinh tế
Posterior distribution Phân phối xác suất hậu nghiệm
Prior distribution Phân phối xác suất tiên nghiệm
vi
Bảo hiểm xã hội BHXH
Bảo hiểm y tế BHYT
Khám, chữa bệnh KCB
USAID/HFG USAID/Health and Finance Governance
(Dự án Tài chính và Quản trị Y tế của USAID)
VHLSS Vietnam Household Living Standard Survey
(Điều tra mức sống hộ gia đình Việt Nam)
vii
Bảng 2.1. Bảng phân phối xác suất cho số lượt KCB ............................................. 31 Bảng 2.2. Bảng phân phối xác cho chi phí KCB theo lượt ..................................... 32 Bảng 2.3. Ước lượng hợp lý tối đa cho một số phân phối ...................................... 33 Bảng 2.4. Các phân phối liên hợp và hàm hợp lý tương ứng ................................. 37
Bảng 2.5. Các loại phí bảo hiểm ............................................................................. 44 Bảng 3.1. Nhóm đối tượng tham gia BHYT và tỷ lệ đóng ..................................... 51 Bảng 3.2. Tỷ lệ tham gia BHYT theo các nhóm đặc trưng ..................................... 54 Bảng 3.3. Tần suất sử dụng BHYT của theo các loại KCB, 2014 .......................... 56
Bảng 3.4. Số lượt khám, tổng chi và chi phí trung bình KCB của NCT ................ 58 Bảng 3.5. Năm nhóm bệnh phổ biến nhất của NCT theo số lượt KCB .................. 59 Bảng 3.6. Năm nhóm bệnh phổ biến nhất của NCT theo chi phí KCB .................. 60
Bảng 3.7. Số lượt KCB BHYT của người trên 95 tuổi so với các nhóm tuổi khác 64 Bảng 3.8. Chi phí KCB theo nhóm bệnh so với tổng chi phí ................................. 70 Bảng 4.1. Một số thống kê cơ bản của chuỗi dữ liệu về số lượt KCB .................... 75 Bảng 4.2. Kết quả kiểm định Khi bình phương ...................................................... 77
Bảng 4.3. Kết quả kiểm định Khi bình phương theo thời gian ............................... 77 Bảng 4.4. Số các nhóm đối tượng có số lượt KCB thỏa mãn các phân phối tương ứng theo năm ........................................................................................................... 78
Bảng 4.5. Một số thống kê cơ bản của chuỗi dữ liệu chi phí KCB BHYT ............. 78 Bảng 4.6. Thống kê kiểm định các phân phối ......................................................... 81 Bảng 4.7. Kết quả kiểm định Kolmogorop – Smirnov của nhóm theo thời gian ... 81 Bảng 4.8. Số các nhóm đối tượng có chi phí KCB thỏa mãn các phân phối tương
ứng theo thời gian.................................................................................................... 82 Bảng 4.9. Ước lượng hợp lý tối đa của tham số trong phân phối Poisson .............. 83 Bảng 4.10. Các tham số ước lượng của phân phối tiên nghiệm và hậu nghiệm của
trong phân phối Poisson .......................................................................................... 84 Θ Bảng 4.11. Ước lượng hợp lý tối đa của tham số trong phân phối Lognormal ...... 85
Bảng 4.12. Các tham số ước lượng của phân phối tiên nghiệm và hậu nghiệm của
trong phân phối Lognormal ..................................................................................... 86 Θ Bảng 4.13. Sai số ước lượng của một nhóm đối tượng ........................................... 89
Bảng 4.14. Số nhóm đối tượng có mô hình phù hợp .............................................. 89 Bảng 4.15. Thống kê chi phí đầu người KCB BHYT mô phỏng được .................. 90
Bảng 4.16. Bảng dự báo dân số theo giới tính và theo tuổi của GSO .................... 93 Bảng 4.17. Tỷ lệ tham gia BHYT TP. Hồ Chí Minh năm 2016 theo nhóm tuổi ... 93 Bảng 4.18. Tỷ lệ tham gia BHYT TP. Hồ Chí Minh năm 2017 theo nhóm tuổi .... 93 Bảng 4.19. Dự báo số người tham gia BHYT, năm 2017 ....................................... 94
viii
Bảng 4.20. Thống kê cơ bản của tổng chi phí KCB BHYT tại TP. Hồ Chí Minh được mô phỏng cho năm 2017 ................................................................................ 94 Bảng 4.21. Một số tham số của mức chi phí KCB BHYT theo đầu người ............. 96
Bảng 4.22. Một số độ đo rủi ro cho chi phí KCB BHYT theo đầu người .............. 97
ix
Hình 1. Khung nghiên cứu cho mô hình ước lượng chi phí KCB ............................ 3 Hình 3.1. Bảo hiểm y tế Việt Nam – Các dấu mốc quan trọng .............................. 49 Hình 3.2. Lộ trình bao phủ các đối tượng tham gia BHYT, 1992-2014 ................. 50 Hình 3.3. Dân số và tham gia BHYT qua các năm 2008-2016 .............................. 52
Hình 3.4. Tỷ lệ tham gia BHYT qua các năm 2008-2016 ...................................... 52 Hình 3.5. Tỷ lệ tham gia BHYT theo nhóm tuổi, 2006 – 2016 .............................. 53 Hình 3.6. Tần suất KCB nội trú và ngoại trú qua các năm 2008-2016 ................... 55 Hình 3.7. Chi phí KCB trung bình qua các năm 2008-2016 ................................... 56
Hình 3.8. Số lượt KCB và tổng chi phí KCB của NCT và người không cao tuổi .. 57 Hình 3.9. Chi phí trung bình một lượt KCB của NCT và người không cao tuổi .... 57 Hình 3.10. Số lượt KCB BHYT trung bình qua các năm 2014 - 2016 ................... 61
Hình 3.11. Số lượt KCB BHYT trung bình qua các năm 2014 - 2016 ................... 62 Hình 3.12. Số lượt KCB BHYT trung bình theo giới tính qua các năm 2014 - 2016 .... 62 Hình 3.13. Số lượt KCB BHYT trung bình theo nhóm tuổi, 2014 - 2016 .............. 63 Hình 3.14. Số lượt KCB BHYT trung bình theo tuổi, 2014 – 2016 ....................... 63
Hình 3.15. Số lượt KCB BHYT trung bình theo tuổi, 2014 – 2016 ....................... 64 Hình 3.16. Số lượt KCB BHYT trung bình theo loại KCB, 2014 - 2016 ............... 65 Hình 3.17. Số lượt KCB BHYT trung bình theo tuyến KCB, 2014 - 2016 ............ 65
Hình 3.18. Số lượt KCB BHYT trung bình theo nhóm bệnh, 2014 - 2016 ............ 66 Hình 3.19. Chi phí KCB trung bình, 2014-2016 ..................................................... 67 Hình 3.20. Chi phí KCB trung bình theo giới tính, 2014-2016 .............................. 67 Hình 3.21. Chi phí KCB trung bình theo nhóm tuổi, 2014-2016 ........................... 68
Hình 3.22. Chi phí KCB trung bình theo loại KCB, 2014-2016 ............................ 68 Hình 3.23. Chi phí KCB trung bình theo tuyến KCB, 2014-2016 .......................... 69 Hình 3.24. Chi phí KCB trung bình theo nhóm bệnh, 2014-2016 .......................... 69
Hình 4.1. Phân phối tần suất của số lượt KCB ....................................................... 76 Hình 4.2. Miền hệ số nhọn và bất đối xứng ............................................................ 76 Hình 4.3. Hàm mật độ và phân phối xác suất thực nghiệm .................................... 79 Hình 4.4. Miền hệ số nhọn và bất đối xứng ............................................................ 80
Hình 4.5. Hàm mật độ xác suất thực nghiệm và lý thuyết ...................................... 80 Hình 4.6. Đồ thị hàm mật độ xác suất thực tế và mô phỏng của chi phí KCB BHYT .. 88
Hình 4.7. Đồ thị hàm mật độ xác suất của chi phí đầu người KCB BHYT được mô phỏng cho năm 2017 ............................................................................................... 91 Hình 4.8. Đồ thị hàm mật độ xác suất thực nghiệm chi phí đầu người KCB BHYT, năm 2017 ................................................................................................................. 92
x
Hình 4.9. Đồ thị hàm mật độ xác suất của tổng chi phí KCB BHYT mô phỏng cho năm 2017 ................................................................................................................. 95
1
Sau hơn 30 năm thực hiện công cuộc Đổi mới, Việt Nam đã vươn lên từ một trong những nước nghèo nhất vào đầu những năm 1980 để trở thành quốc gia có thu nhập trung bình thấp từ năm 2008. Tốc độ tăng trưởng kinh tế trung bình gần 7% giai đoạn 1990 - 2018 đã tăng thu nhập bình quân đầu người theo giá hiện hành lên hơn 20 lần và đạt khoảng 2.800 đô la Mỹ vào năm 2018 (Tổng cục Thống kê, Nhiều năm). Cùng với thành tựu trong lĩnh vực kinh tế, hệ thống y tế cũng phát triển với những tiến bộ quan trọng như
số lượng đơn vị cung cấp dịch vụ y tế, đặc biệt ở tuyến cơ sở, đã tăng lên nhanh chóng và chất lượng ngày càng được cải thiện. Tỷ suất tử vong trẻ sơ sinh và trẻ em giảm và tuổi thọ trung bình dân số ngày càng cải thiện. Theo Báo cáo Các chỉ số phát triển thế giới
(WDI) năm 2016 của Ngân hàng Thế giới (2017), chi tiêu y tế bình quân đầu người của Việt Nam theo giá hiện hành vào năm 2015 là 142,4 đô la Mỹ - bằng 3,9 lần so với năm 2005 và 1,8 lần so với năm 2010.
Để đáp ứng tốt hơn nhu cầu khám, chữa bệnh (KCB) cũng như giảm chi tiêu y tế
đối với mọi người dân, Việt Nam đã áp dụng hệ thống bảo hiểm y tế (BHYT) từ năm 1992. Tính đến hết năm 2018, khoảng 85% tổng dân số (tương đương với gần 78 triệu người) đã tham gia BHYT. Tỷ lệ này có xu hướng tăng lên trong những năm gần đây
khi Việt Nam đặt mục tiêu BHYT toàn dân vào năm 2020. Cũng theo Báo cáo Các chỉ số phát triển thế giới, tỷ lệ chi tiêu tiền túi (tính bằng chi tiêu tiền túi so với tổng chi tiêu KCB) giảm từ 68% vào năm 2005 xuống 47% vào năm 2010 và xuống 36,7% vào năm 2015. Một trong những yếu tố quan trọng làm giảm chi tiêu tiền túi của người dân trong
KCB là việc BHYT ngày càng đóng vai trò quan trọng hơn trong việc giảm gánh nặng chi trả KCB cho người dân (Bộ Y tế và nhóm tác giả y tế, 2011). Tính toán gần đây cho thấy, tính trung bình, BHYT bao phủ khoảng 80-85% tổng chi phí KCB nội trú và ngoại
trú ở Việt Nam, đặc biệt là cho những nhóm NCT – nhóm với rủi ro sức khoẻ cao và tần suất và chi phí khám, chữa bệnh lớn (Long và cộng sự, 2016; Kelly và cộng sự, 2016).
Tuy vậy, một vấn đề phát sinh trong KCB bằng BHYT ở Việt Nam là có sự gia tăng đột biến về chi phí trong một vài năm gần đây. Ngay cả khi không tính tới các điều
chỉnh chính sách có liên quan trực tiếp tới việc thay đổi giá dịch vụ (như Thông tư 37/2015 ngày 29/10/2015 của Bộ Y tế về quy định giá viện phí) thì tổng chi phí do BHYT chi trả vẫn tăng tới 15-20%/năm. Một số nghiên cứu đã cho thấy rằng việc sử dụng và chi tiêu
chưa có hiệu quả cho thuốc và dịch vụ kỹ thuật là nguyên nhân chính dẫn tới việc gia tăng lớn về chi phí (Kelly và cộng sự, 2016). Mục tiêu cải cách BHYT thực chất là nhằm cung
2
cấp dịch vụ tốt hơn cho người bệnh nhưng đồng thời kiểm soát được chi phí hợp lý và
giảm tối đa tiền túi của người dân trong KCB. Do đó, việc ước lượng một cách tốt nhất chi phí KCB mà BHYT phải chi trả trong những năm tới đóng vai trò cấp thiết trong việc cân đối, đảm bảo cho quỹ BHYT hoạt động một cách bền vững. Đặc biệt, trong bối cảnh cấu trúc của việc chi trả cho KCB thay đổi khá nhanh do dân số đang già hóa, xu hướng bệnh tật chuyển từ các bệnh lây nhiễm sang không lây nhiễm và mạn tính, mức chi phí KCB khác nhau giữa các tuyến kỹ thuật KCB (trung ương, tỉnh, huyện, xã)... thì càng cần phải sử dụng những cách tiếp cận ước lượng chi phí KCB có tính đến các thay
đổi này sau khi đã loại bỏ các yếu tố nhiễu.
Cho tới nay đã có một số phân tích về chi phí KCB (ví dụ, Long và cộng sự, 2016; Kelly và cộng sự, 2016...) cũng như ước lượng và dự báo chi phí KCB do Quỹ
BHYT chi trả (ví dụ, BHXH Việt Nam & InWent, 2012; Kelly và cộng sự, 2018). Tuy nhiên, theo hiểu biết tốt nhất của NCS thì chưa có một nghiên cứu nào áp dụng các mô hình toán để ước lượng chi phí KCB có tính đến các thay đổi về cấu trúc chi trả của BHYT. Không có những mô hình ước lượng tin cậy thì rất khó có những dự báo phù
hợp với những thay đổi về nhân khẩu, kinh tế-xã hội, xu hướng bệnh tật cũng như thay đổi trong chính sách KCB bằng BHYT.
Xuất phát từ những vấn đề có cả tính thực tiễn chính sách và hàn lâm này, NCS thực hiện Luận án “Các mô hình toán kinh tế trong ước lượng chi phí khám chữa bệnh do Bảo hiểm y tế chi trả ở Việt Nam” nhằm đóng góp cả lý luận và thực tiễn về việc ước lượng chi phí KCB do BHYT chi trả.
Mục tiêu nghiên cứu chung của Luận án là kiểm định và lựa chọn mô hình toán
kinh tế phù hợp để ước lượng chi phí KCB do BHYT chi trả ở Việt Nam để từ đó đưa ra các gợi ý chính sách đối với việc dự phòng quỹ BHYT ở Việt Nam.
Để thực hiện được mục tiêu chung ở trên, Luận án có các mục tiêu cụ thể theo
các câu hỏi nghiên cứu sau đây:
(1) Để ước lượng chi phí KCB, cho đến nay các nghiên cứu đã sử dụng các mô
hình toán kinh tế nào?
(2) Với dữ liệu KCB do BHYT chi trả ở Việt Nam trong giai đoạn 2014 – 2016 thì lớp mô hình toán kinh tế nào là phù hợp để ước lượng chi phí KCB
3
BHYT?
(3) Với các mô hình toán kinh tế phù hợp, việc ước lượng chi phí KCB do
BHYT chi trả ở VN cho kết quả thế nào?
- Đối tượng nghiên cứu của Luận án là các mô hình toán kinh tế ước lượng chi
phí KCB.
- Phạm vi nghiên cứu của Luận án bao gồm các chi phí KCB do BHYT chi trả tại TP. Hồ Chí Minh trong giai đoạn 2014 – 2016. Với tổng mức chi phí KCB do BHYT chi trả chiếm gần 20% cả nước, TP. Hồ Chí Minh được chọn như một trường hợp nghiên cứu điển hình của phương pháp mô hình hóa trong Luận án. Các địa phương khác hay cả nước cũng có thể áp dụng các quy trình của phương pháp mô hình hóa này.
Để ước lượng chi phí KCB do BHYT chi trả, Luận án sẽ sử dụng khung phân tích như trong Hình 1 dưới đây. Cho từng cấu phần, Mục 4.2 dưới đây sẽ trình bày chi tiết việc thực hiện.
Hình 1. Khung nghiên cứu cho mô hình ước lượng chi phí KCB
Nguồn: Tác giả điều chỉnh từ Cichon (1999)
Từ dữ liệu dự báo dân số của Tổng cục Thống kê (theo tuổi và giới tính) và dữ
liệu về tỷ lệ bao phủ BHYT (theo nhóm tuổi) sẽ tính được số người tham gia BHYT theo từng năm (theo tuổi và giới tính). Sử dụng dữ liệu KCB BHYT (theo tuổi và giới tính cùng một số yếu tố phi nhân khẩu khác như số lượt KCB, chi phí KCB...) với việc
áp dụng mô hình rủi ro nhóm sẽ ước lượng được chi phí KCB BHYT của một người trong năm (theo tuổi, giới tính và một số dấu hiệu phi nhân khẩu). Nhân số người tham gia BHYT và chi phí ước lượng theo đầu người theo từng nhóm đặc trưng (như tuổi, giới...) rồi cộng lại sẽ thu được tổng chi phí KCB BHYT chi trả trong năm.
4
Luận án sẽ sử dụng mô hình rủi ro nhóm để ước lượng và dự báo chi phí KCB
do BHYT chi trả. Dân số và những người tham gia BHYT được chia thành các nhóm đối tượng dựa vào các yếu tố nhân khẩu, gồm có giới tính (nam, nữ) và tuổi (có 81 nhóm tuổi được xét là từng tuổi từ 0 đến 79 và nhóm từ 80 tuổi trở lên). Trong những người sử dụng các dịch vụ KCB do BHYT chi trả, ngoài việc được phân chia theo các yếu tố nhân khẩu như đã nêu, họ còn được chia theo các yếu tố phi nhân khẩu như loại KCB (nội trú, ngoại trú), tuyến kỹ thuật KCB (trung ương, tỉnh, huyện) và nhóm bệnh (11 nhóm theo phân loại nhóm bệnh quốc tế ICD). Như vậy, tổng cộng có 10.692 nhóm đối
tượng được phân chia để nghiên cứu.
Đối với mỗi nhóm đối tượng nào đó, Luận án giả định rằng tất cả các cá nhân
(cid:2)
trong nhóm đều có cùng đặc điểm nên cùng đối mặt với rủi ro như nhau và vì thế mà chi phí KCB sẽ giống nhau. Mức chi phí này được mô hình hóa bởi mô hình rủi ro nhóm,
có dạng:
(cid:4) + ⋯ + (cid:6)(cid:11)(cid:12)
(cid:4) + (cid:6)(cid:9)
,
(cid:4) (cid:3)(cid:4) = (cid:6)(cid:7) là số lượt KCB trong năm của một người trong nhóm
trong đó , nếu ,
và là chi phí của lượt KCB thứ trong năm của đối tượng thuộc nhóm . (cid:13)(cid:4) (cid:3)(cid:4) = 0 (cid:2) (cid:13)(cid:4) = 0
(cid:4) (cid:6)(cid:16)
(cid:17) (cid:2) nào đó, kí hiệu được tính Tổng chi phí KCB BHYT của cả nhóm đối tượng
bằng công thức: (cid:18)(cid:19)(cid:4) (cid:2)
,
(cid:18)(cid:19)(cid:4) = (cid:20)(cid:4) ∗ (cid:3)(cid:4) trong đó là số người tham gia BHYT thuộc nhóm , được tính toán từ dữ liệu dự báo
dân số và tỷ lệ bao phủ BHYT dự kiến. (cid:20)(cid:4) (cid:2)
Tổng chi phí KCB BHYT của tất cả các nhóm được tính bằng cách cộng tất cả
(cid:7)(cid:23).(cid:25)(cid:26)(cid:9)
tổng chi phí KCB của từng nhóm, đó là:
(cid:18)(cid:19) = (cid:22) (cid:18)(cid:19)(cid:4) (cid:4)(cid:27)(cid:7) Như vậy, để ước lượng được tổng chi phí KCB BHYT cho tất cả các nhóm, Luận
án chia thành hai phần riêng biệt: i) ước lượng chi phí KCB BHYT theo mô hình rủi ro
nhóm cho một người trong nhóm dựa vào dữ liệu KCB BHYT;
(cid:2) ( (cid:2) = 1, … , 10.692)
và ii) ước tính số người tham gia BHYT trong từng nhóm dựa vào các dữ liệu dự báo dân số và tỷ lệ tham gia BHYT.
Luận án sử dụng mô hình xác suất để ước lượng chi phí KCB BHYT, tức là mức chi phí được ước lượng dưới dạng các giá trị thực nghiệm của một biến ngẫu nhiên. Từ
phân phối xác suất thực nghiệm của biến chi phí có thể tính được các tham số đặc trưng
5
của chi phí và từ đó suy ra được những tham số phục vụ cho việc ra quyết định. Yếu tố
ngẫu nhiên của tổng chi phí KCB BHYT được Luận án khai thác từ chi phí KCB BHYT
của từng người trong từng nhóm theo mô hình rủi ro nhóm.
Phân phối xác suất của (cid:3)(cid:4) sẽ là phân phối dạng phức vì nó phụ thuộc đồng thời
vào phân phối xác suất của số lượt KCB BHYT và chi phí của lượt KCB BHYT (cid:3)(cid:4)
(cid:4) (cid:6)(cid:16) có thể kể đến là Poisson, Nhị thức (Binomial), Nhị
((cid:13)(cid:4)) ) thứ . Các phân phối xác suất của
(cid:4) (cid:6)(cid:16)
lại có thể có các phân phối như Mũ, thức âm (Negative Binomial)..., trong khi đó các (cid:13)(cid:4) (cid:17)
Log-normal, Gamma, Pareto, Weibull... Các phân phối xác suất của và cũng như
(cid:4) (cid:6)(cid:16)
(cid:13)(cid:4) các tham số tương ứng sẽ được kiểm định và ước lượng dựa vào dữ liệu KCB BHYT
của từng nhóm đối tượng. Các phương pháp kiểm định có thể kể đến là Kolmogorov – Smirnov, Anderson – Darling, Khi bình phương. Trong ước lượng các tham số của phân phối, với các ưu điểm vượt trội, phương pháp Bayes sẽ được sử dụng thay vì phương pháp ước lượng theo tần suất thông thường. Cuối cùng, từ các phân phối được lựa chọn
cùng các tham số ước lượng được theo phương pháp Bayes, Luận án mô phỏng được các
mức chi phí bằng phương pháp mô phỏng Monte-Carlo.
(cid:3)(cid:4)
Kết quả nhận được từ các mô phỏng là chi phí KCB BHYT dưới dạng phân phối xác suất thực nghiệm. Dựa vào phân phối xác suất của chi phí sẽ ước lượng được mức
phí trung bình, độ ổn định của chi phí hay các độ đo rủi ro khác nhằm tính toán mức phí thu, mức dự phòng hay một số tham số trong việc quản lý quỹ BHYT.
Luận án sử dụng bộ dữ liệu của Cơ quan Bảo hiểm Xã hội Việt Nam (BHXHVN) cung cấp cho Bộ Y tế với sự hỗ trợ về tài chính và kỹ thuật của Tổ chức USAID thông qua Dự án Quản trị và Tài chính Y tế (HFG). Thông tin cụ thể về bộ dữ liệu này được
mô tả như dưới đây. Bên cạnh đó, Luận án cũng sử dụng dữ liệu thống kê cấp tỉnh của BHXHVN về số người và tỷ lệ dân số tham gia BHYT hàng năm. Số liệu dự báo dân số Việt Nam của Tổng cục Thống kê (2016) cho giai đoạn 2014-2049 cũng được sử dụng làm cơ sở dữ liệu dân số những năm tới.
5.1.1. Dữ liệu dự báo dân số của Tổng cục Thống kê
Luận án sẽ sử dụng dữ liệu dự báo dân số trong giai đoạn 2014-2049 của Tổng cục Thống kê (TCTK, 2016). Dự báo dân số này được thực hiện với giả định mức sinh trung bình. Kết quả được thể hiện cho từng năm theo từng tuổi (từ 0 đến 79 và từ 80 trở
lên) và theo giới tính (nam và nữ).
5.1.2. Dữ liệu thẻ và sử dụng thẻ của Bảo hiểm xã hội Việt Nam
6
Đây là dữ liệu thống kê hàng năm về số người tham gia, tỷ lệ tham gia và tình
5.1.3. Dữ liệu khám, chữa bệnh do Bảo hiểm y tế chi trả
hình sử dụng thẻ BHYT của BHXHVN.
Đây là bộ dữ liệu do BHXHVN cung cấp cho Bộ Y tế với sự hỗ trợ về tài chính và kỹ thuật của Tổ chức USAID thông qua Dự án Quản trị và Tài chính Y tế (HFG) (Bộ
Y tế và HFG, 2015). Mục tiêu của việc thu thập dữ liệu là đánh giá và phân tích thống kê tình hình KCB do BHYT chi trả phân chia theo các loại KCB (nội trú và ngoại trú) được cung cấp ở các cơ sở y tế (bệnh viện, trung tâm y tế, trạm y tế) ở bốn tuyến kỹ thuật (trung ương, tỉnh/thành phố, huyện/quận và xã/phường).
Dữ liệu được sử dụng trong Luận án này là dữ liệu thống kê KCB do BHYT chi trả của TP. Hồ Chí Minh giai đoạn 2014 – 2016. Dữ liệu được phân theo loại hình KCB (ngoại trú và nội trú, tương ứng với các biểu mẫu 79b và 80b được Cơ quan BHXH Việt
Nam quy định). Các trường dữ liệu cho biết thông tin về người bệnh như ngày sinh, giới tính, mã thẻ, nơi KCB, loại bệnh, các loại chi phí cho cả đợt KCB đó và phần chi phí do BHYT chi trả. Mỗi bản ghi tương ứng với một lượt KCB của một bệnh nhân nào đó trong năm. Dựa vào bộ dữ liệu này, NCS đã phân chia người bệnh thành nhiều nhóm
dựa vào các thuộc tính khác nhau, cụ thể là theo giới tính, tuổi/nhóm tuổi, loại KCB (nội trú, ngoại trú) và tuyến kỹ thuật KCB (trung ương, tỉnh, huyện)1. Mã thẻ BHYT cho phép phân biệt từng cá nhân người bệnh nên giúp tính được số lượt KCB của mỗi người
bệnh trong năm.
• Sử dụng các phần mềm xử lý số liệu phù hợp (Stata, SPSS, MSExcel...) để có
• Sử dụng các phần mềm phù hợp (Matlab, R...) để ước lượng, kiểm định và viết
kết quả theo biểu mẫu yêu cầu đầu vào tính toán và để chạy các mô hình lựa chọn;
các chương trình mô phỏng. 6. Các kết quả nghiên cứu dự kiến
1 Do dữ liệu về chi phí KCB do BHYT chi trả ở các cơ sở y tế xã/phường tại TP. Hồ Chí Minh không được trình bày ở dạng 79b và 80b nên Luận án chỉ tập trung phân tích chi phí tại các cơ sở y tế của ba tuyến kỹ thuật là trung ương, tỉnh và huyện
• Tổng hợp được các mô hình toán kinh tế trong ước lượng và dự báo chi phí KCB;
7
• Lựa chọn các mô hình phù hợp cho số liệu KCB BHYT ở TP. Hồ Chí Minh
trong các năm 2014 - 2016;
• Đưa ra dự báo về chi phí KCB do BHYT chi trả trong ngắn hạn ở TP. Hồ Chí Minh để từ đó tính toán một số các tham số đặc trưng hỗ trợ việc ra quyết định về chính
sách liên quan đến quỹ BHYT.
• Đóng góp mới: Về mặt lý luận, Luận án đánh giá được sự phù hợp của hệ thống mô hình đối với một quốc gia đang phát triển có nhiều đặc điểm riêng biệt của hệ thống
BHYT như Việt Nam. Về mặt thực tiễn, đây là nghiên cứu đầu tiên tại Việt Nam có sử dụng các phương pháp tính toán mới nhất cho bối cảnh Việt Nam nhằm đưa ra các chính sách hiệu quả hơn cho hệ thống BHYT. Việc ước lượng chi phí KCB do BHYT chi trả giúp đưa ra các phương pháp dự phòng rủi ro cho quỹ BHYT, đảm bảo quyền lợi của
người tham gia. Ngoài ra, Luận án cũng đưa ra góc nhìn về tiếp cận và sử dụng dữ liệu hiện có với việc nhấn mạnh rằng để có được ước lượng tốt thì cần phải có hệ thống cơ sở dữ liệu đầy đủ về tình trạng sức khỏe, hành vi KCB của người dân.
• Điểm mạnh: Nghiên cứu áp dụng phương pháp mô hình toán kinh tế trong ước lượng và dự báo chi phí KCB do BHYT chi trả ở Việt Nam nên ngay cả với cùng một
bộ dữ liệu thì Luận án cũng cung cấp các kết quả chặt chẽ, logic hơn về mặt thống kê và toán học so với các nghiên cứu hiện có. Đặc biệt, Luận án áp dụng phương pháp tiếp cận ngẫu nhiên trong ước lượng chi phí KCB do BHYT chi trả nên kết quả ước lượng là phân phối xác suất của chi phí KCB và vì thế mà có thể đưa ra nhiều kết quả liên quan
đến việc ra quyết định về mặt chính sách.
• Điểm hạn chế: Do sự thiếu hụt về số liệu mà Luận án chưa áp dụng được các mô hình hồi quy trong ước lượng chi phí KCB do BHYT chi trả ở Việt Nam. Cụ thể là không có số liệu về các biến giải thích (như các đặc điểm cá nhân của người bệnh về giáo dục, việc làm... cũng như đặc điểm hộ gia đình về tình trạng nghèo, đặc điểm của
chủ hộ...) có tính quyết định tới việc tham gia BHYT và sử dụng các dịch vụ KCB do BHYT chi trả. Hơn nữa, số liệu theo thời gian không đầy đủ nên mô hình chuỗi thời gian hay số liệu mảng là không khả thi.
Ngoài phần mở đầu và kết luận, danh mục tài liệu tham khảo và phụ lục, Luận
án gồm có bốn chương chính như sau:
Chương 1: Cơ sở lý luận và tổng quan nghiên cứu
8
Chương 2: Phương pháp nghiên cứu
Chương 3: Thực trạng về tham gia và sử dụng dịch vụ khám, chữa bệnh bằng
Bảo hiểm Y tế ở Việt Nam
Chương 4: Sử dụng mô hình rủi ro nhóm ước lượng chi phí khám chữa bệnh Bảo
hiểm Y tế ở Việt Nam: Nghiên cứu trường hợp TP. Hồ Chí Minh
9
Mục tiêu của Chương 1 là trình bày cơ sở lý luận và tổng quan về vấn đề nghiên
cứu để từ đó rút ra khoảng trống nghiên cứu. Cụ thể: Phần 1.1 trình bày cơ sở lý luận về bảo hiểm nói chung và BHYT nói riêng cùng các vấn đề liên quan để từ đó cho thấy được sự cần thiết phải sử dụng các phương pháp tiếp cận hiện đại trong ước lượng chi phí khám, chữa bệnh; Phần 1.2 tổng quan các mô hình Toán kinh tế trong ước lượng chi phí KCB để từ đó lựa chọn mô hình nghiên cứu phù hợp với Việt Nam.
Mục này sẽ trình bày cơ sở lý luận về bảo hiểm nói chung và BHYT nói riêng
cùng các yếu tố liên quan.
1.1.1.1. Các khái niệm về bảo hiểm
Theo Jerome (2001, trang 11), “Bảo hiểm là tổ chức hợp lý một nhóm người có cùng chung một loại rủi ro có thể sẽ xảy ra. Các khoản đóng góp về tài chính của họ cho phép bồi thường những thiệt hại mà một số người trong nhóm phải gánh chịu khi tổn thất xảy ra”.
Một định nghĩa khác của Hemard, được trích dẫn trong Jerome (2001, trang 11) có tính pháp lý hơn, đó là “Bảo hiểm là một nghiệp vụ, qua đó, một bên là người được bảo hiểm chấp nhận trả một khoản tiền (phí bảo hiểm) cho chính mình hoặc cho một người thứ ba khác để trong trường hợp rủi ro xảy ra, sẽ được trả một khoản bồi thường từ một bên khác là nhà bảo hiểm, người chịu trách nhiệm với toàn bộ rủi ro, đền bù những thiệt hại theo các phương pháp thống kê”.
Theo các định nghĩa trên thì bốn yếu tố đặc trưng của một nghiệp vụ bảo hiểm có thể kể đến: Thứ nhất là rủi ro, đó là biến cố gây thiệt hại và để đối phó với biến cố
này người ta tìm cách phòng vệ. Thứ hai là khoản đóng góp của người được bảo hiểm trước khi rủi ro xảy ra, khoản tiền này còn được gọi là phí bảo hiểm. Thứ ba là khoản tiền mà nhà bảo hiểm bồi thường cho người được bảo hiểm hoặc người thứ ba được hưởng trong trường hợp xảy ra tổn thất. Thứ tư là sự bù trừ rủi ro trong bảo hiểm được
thực hiện trong tổ chức tương hỗ mà nhà bảo hiểm (công ty bảo hiểm hay quỹ bảo hiểm) quản lý. Những số liệu thống kê cho phép nhà bảo hiểm lập được một biểu phí chuẩn
10
1.1.1.2. Lịch sử phát triển của bảo hiểm
mực. Ở phần sau, bốn đặc trưng này sẽ được trình bày cụ thể hơn.
Ngay từ khi xuất hiện, con người đã cố gắng phòng vệ chống lại những bấp bênh và nguy hiểm đe dọa sự tồn tại. Trước tiên, con người tìm cách bảo vệ chính bản thân
mình, gia đình và người thân. Tiếp đó, sự tiến triển dần dần cho phép con người có được của cải, nhà cửa, đàn gia súc, mùa màng và tài sản. Phần lớn hoạt động của con người luôn dành cho việc phòng vệ: cúng tế, hiến sinh cho các đấng siêu nhiên (với hi vọng
chế ngự được thời tiết, bệnh tật, số phận của con người), sản xuất vũ khí, xây dựng thành quách, duy trì binh lính, tổ chức đoàn kết gia đình, thị tộc.
Bảo hiểm cũng nằm trong khuôn khổ của sự tìm kiếm phòng vệ cổ xưa này. Bảo hiểm như một tổ chức đoàn kết hiện đại và có tính khoa học, giúp các nạn nhân bất hạnh
có được một khoản bồi thường tài chính nhờ vào những khoản đóng góp của những người không gặp bất hạnh.
Từ thời tiền sử, các nhà khảo cổ đã tìm được những vết tích chứng minh sự tồn
tại của các hoạt động cứu trợ tương hỗ, phân chia các thiệt hại do bị mất cắp hay bị cướp hay trợ cấp giúp cho các thành viên trong cùng hội đoàn và những người trong gia đình của họ trong các trường hợp bị tử vong do ốm đau, bệnh tật.
Thời trung cổ, các thợ thuyền, công nhân, nhà buôn, kỹ nghệ gia cũng đã biết tổ
chức đoàn kết các thành viên của mình để khắc phục những tổn thất khi có tai nạn lao động, hỏa hoạn, mất khả năng lao động, do ốm đau hoặc già yếu. Các tổ chức này góp phần vào sự an toàn tài chính cho các thành viên của mình nhưng hoạt động nghiêng về
các nguyên tắc dựa trên tình thương và phân chia các khoản trợ cấp thiết yếu nhờ vào quỹ cứu hộ. Đây chưa thực sự là hình thức bảo hiểm vì còn thiếu sự đóng góp vào quỹ và chưa có hợp đồng giữa các bên.
Vào thế kỷ XII khi sự trao đổi buôn bán bằng đường biển phát triển thì cũng kéo
theo hình thức “cho vay trong trường hợp mạo hiểm lớn”. Cơ chế hoạt động của hình thức này là các nhà buôn đường biển có thể vay các khoản tiền lớn từ các ngân hàng. Nếu tàu bị đắm, nhà buôn không cần phải trả tiền đã vay cho chủ ngân hàng. Trong
trường hợp ngược lại, nếu việc buôn bán thành công, người cho vay có thể được hoàn trả không chỉ vốn mà còn được hưởng thêm một khoản lời rất lớn, bù trừ cho rủi ro đã phải cam kết chịu. Bảo hiểm hàng hải là loại hình bảo hiểm đầu tiên ra đời.
Tiếp theo đó, một số loại hình bảo hiểm khác cũng phát triển như bảo hiểm nhân
thọ với hợp đồng bảo hiểm đầu tiên được ký vào năm 1583 tại Luân Đôn; bảo hiểm hỏa hoạn sau vụ hỏa hoạn xảy ra ngày 2 tháng 9 năm 1666...
11
Trong suốt thế kỷ XIX, nhiều nghiệp vụ bảo hiểm khác cũng lần lượt ra đời như
bảo hiểm tai nạn, vỡ kính, mưa đá, đàn gia súc, ngựa đua, trộm cắp, trách nhiệm dân sự.
Ngày nay, bảo hiểm đã trở thành một ngành quan trọng trong nền kinh tế. Doanh số của các nhà bảo hiểm chiếm tỷ lệ ngày càng tăng trong tổng sản phẩm quốc nội (GDP), chiếm khoảng 10% ở các nước phát triển. Mặc dù các so sánh đều không hoàn hảo nhưng người ta đã chỉ ra rằng, kinh tế của một nước càng hiện đại thì tỷ lệ của bảo hiểm trong GDP càng cao.
Tùy thuộc vào đối tượng được bảo hiểm, mục đích hoạt động, kỹ thuật bảo hiểm và phương thức quản lý mà có cách phân chia thành các loại hình bảo hiểm
1.1.2.1. Bảo hiểm thiệt hại và bảo hiểm con người
khác nhau.
Căn cứ vào đối tượng được bảo hiểm thì bảo hiểm được chia thành bảo hiểm thiệt
hại và bảo hiểm con người.
Bảo hiểm thiệt hại lấy mức độ thiệt hại làm đối tượng bảo hiểm. Khi xảy ra rủi ro tổn thất về tài sản như mất mát, hủy hoại về vật chất, nhà bảo hiểm có trách nhiệm
bồi thường cho người được bảo hiểm căn cứ vào giá trị thiệt hại thực tế và mức độ đảm bảo thuận tiện hợp đồng. Bảo hiểm thiệt hại lại được chia làm hai loại là bảo hiểm tài sản và bảo hiểm trách nhiệm dân sự. Đối với bảo hiểm tài sản, đối tượng bảo hiểm là tài sản thuộc quyền sở hữu trực tiếp của người được bảo hiểm. Đối với bảo hiểm trách nhiệm dân sự, đối tượng bảo hiểm là trách nhiệm phát sinh do ràng buộc của các quy định trong luật dân sự. Theo đó, người được bảo hiểm phải bồi thường bằng tiền cho người thứ 3 những thiệt hại gây ra do hành vi của mình hoặc do sự vận hành của tài sản
thuộc sở hữu của chính mình. Bảo hiểm trách nhiệm dân sự có thể là bảo hiểm trách nhiệm nghề nghiệp hoặc bảo hiểm trách nhiệm công cộng.
Bảo hiểm con người lấy tính mạng, thân thể, sức khỏe của con người làm đối
1.1.2.2. Bảo hiểm xã hội và bảo hiểm thương mại
tượng bảo hiểm. Khi rủi ro xảy ra làm ảnh hưởng tính mạng, sức khỏe của người được bảo hiểm thì họ hoặc một người thụ hưởng hợp pháp khác sẽ nhận được khoản tiền do nhà bảo hiểm trả. Bảo hiểm con người bao gồm bảo hiểm nhân thọ và bảo hiểm y tế.
Căn cứ vào mục đích hoạt động, bảo hiểm được chia thành hai loại là bảo hiểm
xã hội và bảo hiểm thương mại.
12
Bảo hiểm xã hội nhằm phục vụ cho các chính sách xã hội của Nhà nước. Theo
luật bảo hiểm xã hội, bảo hiểm xã hội là sự bảo đảm thay thế hoặc bù đắp một phần thu nhập của người lao động khi họ bị giảm hoặc mất thu nhập do ốm đau, thai sản, tai nạn lao động, bệnh nghề nghiệp, thất nghiệp, hết tuổi lao động hoặc chết, trên cơ sở đóng vào quỹ bảo hiểm xã hội.
Ngược lại với bảo hiểm xã hội, bảo hiểm thương mại hoạt động nhằm mục tiêu lợi nhuận. Theo luật kinh doanh bảo hiểm, các doanh nghiệp bảo hiểm chấp nhận rủi ro của người được bảo hiểm, trên cơ sở bên mua bảo hiểm đóng phí bảo hiểm để doanh
1.1.2.3. Bảo hiểm nhân thọ và bảo hiểm phi nhân thọ
nghiệp bảo hiểm trả tiền bảo hiểm cho người thụ hưởng hoặc bồi thường cho người được bảo hiểm khi xảy ra sự kiện bảo hiểm. Việc cân đối nguồn thu và chi bảo hiểm tạo ra lợi nhuận cho doanh nghiệp bảo hiểm.
Căn cứ vào kỹ thuật bảo hiểm, bao gồm kỹ thuật tồn tích và kỹ thuật phân chia,
bảo hiểm được chia làm hai loại là bảo hiểm nhân thọ và bảo hiểm phi nhân thọ.
Bảo hiểm nhân thọ là các loại bảo hiểm đảm bảo cho các rủi ro có tính chất thay đổi (rõ rệt) theo thời gian và đối tượng, thường gắn liền với tuổi thọ con người (nên gọi là bảo hiểm nhân thọ). Loại bảo hiểm này được quản lý theo kỹ thuật tồn tích và được ký kết dài hạn (10 năm, 20 năm, trọn đời...). Bản thân yếu tố rủi ro không ổn định trong
suốt thời hạn của hợp đồng bảo hiểm đòi hỏi nhà bảo hiểm phải tính đến hai vấn đề trong cách quản lý của mình: Thứ nhất là để dành một phần phí bảo hiểm thu được để ứng phó với các cam kết tương lai đã được tính toán theo các phương pháp tính toán bảo
hiểm; thứ hai là phải tính đến các lãi gộp thu được từ những khoản đầu tư đại diện cho các dự phòng dài hạn.
Ngược lại với bảo hiểm nhân thọ, bảo hiểm phi nhân thọ là các loại bảo hiểm đảm bảo cho các rủi ro có tính chất ổn định (tương đối) theo thời gian và thường độc lập
với tuổi thọ con người (nên gọi là bảo hiểm phi nhân thọ). Hợp đồng bảo hiểm loại này thường là ngắn hạn (một năm). Bảo hiểm phi nhân thọ được quản lý theo kỹ thuật phân chia, trong đó các nhà bảo hiểm phân chia cho những người bị tổn thất số lượng phí do
những người được bảo hiểm đóng góp. Các nghiệp vụ bảo hiểm được quản lý theo kỹ thuật phân chia bao gồm cháy nổ, tai nạn,... Đây là các nghiệp vụ có tần suất và giá tổn thất tương đối ổn định và có thể dự báo được trước dựa vào các số liệu thống kê.
1.1.2.4. Bảo hiểm bắt buộc và bảo hiểm tự nguyện
13
Căn cứ vào phương thức quản lý, bảo hiểm được chia làm hai loại là bảo hiểm
bắt buộc và bảo hiểm tự nguyện.
Bảo hiểm bắt buộc được hình thành trên cơ sở luật định nhằm bảo vệ lợi ích của
nạn nhân trong các vụ tổn thất và bảo vệ lợi ích của toàn bộ nền kinh tế - xã hội. Các hoạt động nguy hiểm có thể dẫn đến tổn thất con người và tài chính trầm trọng gắn liền với trách nhiệm dân sự nghề nghiệp thường là đối tượng của sự bắt buộc này. Tuy nhiên,
sự bắt buộc chỉ là bắt buộc người có đối tượng phải mua bảo hiểm chứ không bắt buộc mua bảo hiểm ở đâu.
Ngược lại, bảo hiểm tự nguyện là những loại bảo hiểm mà hợp đồng được kết lập dựa hoàn toàn trên sự cân nhắc và nhận thức của người được bảo hiểm. Đây là tính chất
vốn có của bảo hiểm thương mại khi nó có vai trò như là một hoạt động dịch vụ cho sản xuất và sinh hoạt con người.
1.1.3.1. Rủi ro
Như đã đề cập ở trên, có bốn đặc trưng của một nghiệp vụ bảo hiểm: rủi ro, phí đóng của người được bảo hiểm, khoản tiền bồi thường của nhà bảo hiểm và tương hỗ bảo hiểm. Mục này sẽ phân tích rõ hơn về các đặc trưng này.
Mặc dù bảo hiểm sinh ra là để bù trừ cho các rủi ro, tuy nhiên không thể bảo hiểm
tất cả các loại rủi ro. Để bảo hiểm được, các rủi ro cần phải có các đặc trưng sau:
- Các rủi ro xảy ra trong tương lai. Một hợp đồng bảo hiểm chỉ có thể được bồi
thường cho những thiệt hại xảy ra sau khi các đảm bảo có hiệu lực.
- Các rủi ro có tính chất bấp bênh. Việc có xảy ra hay không xảy ra các rủi ro
phải hoàn toàn ngẫu nhiên, hoặc nếu có chắc chắn xảy ra thì cũng không biết trước thời điểm (bảo hiểm nhân thọ).
- Các rủi ro không phụ thuộc vào mong muốn của người được bảo hiểm. Nhà bảo hiểm sẽ không bảo hiểm cho các rủi ro do người được bảo hiểm cố ý gây ra, chẳng hạn
tự đốt nhà mình.
- Các rủi ro có thể tập hợp được thành nhóm tương hỗ. Bảo hiểm giúp một số nạn nhân được các khoản bồi thường cho những thiệt hại trầm trọng mà họ phải gánh chịu nhờ vào những khoản đóng góp của toàn bộ những người được bảo hiểm. Những khoản đóng góp này càng nhỏ thì người tham gia bảo hiểm phải càng lớn. Trường hợp phần
14
lớn các rủi ro được bảo hiểm xảy ra đồng thời như chiến tranh, nguyên tử, động đất sẽ
1.1.3.2. Phí bảo hiểm
gây khó khăn trong việc chi trả bảo hiểm.
Phí bảo hiểm là số tiền người tham gia bảo hiểm phải đóng cho nhà bảo hiểm để
có được sự bảo đảm về mặt rủi ro trong tương lai. Phí bảo hiểm được chia thành các loại như phí bảo hiểm thuần và phí bảo hiểm ròng.
Phí bảo hiểm thuần là số tiền người được bảo hiểm phải đóng, tương đương với
phần tổn thất của người đó trong hội tương hỗ do nhà bảo hiểm quản lý. Khoản phí đơn thuần này còn được gọi là phí cho rủi ro hay còn gọi là phí cân bằng hay phí kỹ thuật. Khoản phí này tương đương với phần tổn thất được nhà bảo hiểm thanh toán.
Phí bảo hiểm ròng, còn được gọi là phí thương mại, được phản ánh trên các tài
1.1.3.3. Khoản tiền bồi thường bảo hiểm
liệu thương mại và trên các biểu phí của các công ty bảo hiểm. Phí bảo hiểm ròng là tổng của phí bảo hiểm thuần và chi phí quản lý (bao gồm chi phí ký kết và quản lý hợp đồng bảo hiểm và phần lợi nhuận kinh doanh của các nhà bảo hiểm).
Khoản tiền bồi thường bảo hiểm là khoản tiền nhà bảo hiểm chi trả cho người được bảo hiểm trong trường hợp rủi ro xảy ra. Khoản tiền này có thể bằng hoặc nhỏ hơn
1.1.3.4. Tương hỗ bảo hiểm
mức độ tổn thất xảy ra thực tế, tùy thuộc vào những quy định trong hợp đồng bảo hiểm.
Sự tương hỗ các rủi ro trong bảo hiểm thể hiện ở việc nguồn thu từ phí bảo hiểm (từ số lớn) đủ chi trả cho những tổn thất trong tương lai (của số nhỏ). Áp dụng luật số lớn, chỉ một tổng lượng hợp đồng lớn mới có thể lập nên được sự tương hỗ các rủi ro. Trong quan hệ tương hỗ đó, các tổn thất được xảy ra với vài người được bảo hiểm sẽ
được bù đắp bởi số đông người không bị tổn thất.
Để các rủi ro mà nhà bảo hiểm đã ký kết có thể quản lý được theo phương pháp thống kê, cần có một số điều kiện như đồng nhất hóa các rủi ro, lựa chọn rủi ro, phân tán rủi ro và phân chia rủi ro, cụ thể là:
- Các rủi ro phải có tính đồng nhất trong từng nhóm tương hỗ. Sự mất cân bằng trong kinh doanh và sự đúng đắn của định phí sẽ bị phá vỡ khi nhà bảo hiểm để lẫn lộn các rủi ro với những đặc trưng quá khác biệt nhau. Đồng nhất rủi ro ngụ ý rằng những rủi ro có tính chất trầm trọng so với các rủi ro trung bình phải trả phí cao hơn.
- Các nhà bảo hiểm phải có sự lựa chọn rủi ro. Về cơ bản, cơ chế bảo hiểm thể
15
hiện tinh thần đoàn kết giữa các nạn nhân bị tổn thất và những người may mắn không
có rủi ro xảy ra. Lý tưởng nhất là nhà bảo hiểm không được loại trừ bất cứ rủi ro nào ra khỏi các đảm bảo của mình. Tuy nhiên, thực tế cho thấy, trong hầu hết các loại bảo hiểm, một số lượng lớn không bình thường của các loại tổn thất gây nên bởi một số ít cá nhân do cố ý gian lận nên nhà bảo hiểm có thể từ chối bảo hiểm cho một số loại rủi ro.
- Sự phân tán rủi ro thể hiện ở việc nhà bảo hiểm phải giám sát sao cho một tổn thất không thể làm thiệt hại đồng thời đến số đông các rủi ro đã được bảo hiểm. Nhà bảo hiểm phải kiểm tra các mức tích tụ giá trị cao nhất mà nhiều hợp đồng bảo hiểm có thể
phải gánh chịu cũng như nắm được toàn bộ số lượng hợp đồng để vào mọi thời điểm biết được rằng tổn thất lớn nhất có thể xảy ra và mức bồi thường gánh chịu do chính sự cố này.
- Sự phân chia rủi ro được hiểu là sự phân chia thành các lớp số tiền bảo hiểm cho các nhà bảo hiểm khác nhau. Cách làm này cho phép giảm bớt các cam kết cho các nhà bảo hiểm. Có hai hình thức phân chia rủi ro là đồng bảo hiểm và tái bảo hiểm. Đối với đồng bảo hiểm, các nhà bảo hiểm cùng nhau chia sẻ rủi ro theo các tỷ lệ ấn định
trước trong hợp đồng. Còn tái bảo hiểm là hình thức bảo hiểm cho các nhà bảo hiểm.
1.1.4.1. Định phí bảo hiểm
Định phí bảo hiểm là việc xác định mức phí cho người tham gia bảo hiểm dựa trên các dữ liệu thống kê về tần suất xảy ra rủi ro và số tiền chi phí cho thiệt hại đã xảy
ra đối với cộng đồng những người được bảo hiểm.
Do các rủi ro được bảo hiểm phải mang tính ngẫu nhiên nên thiệt hại do những rủi ro được coi như các biến ngẫu nhiên. Dựa vào số liệu thống kê về các thiệt hại trong quá khứ có thể đưa ra được các quy luật phân phối xác suất cho các tổn thất trong tương
lai. Với quy tắc hoạt động có tính tương hỗ của bảo hiểm, tổng phí thu được phải đảm bảo đủ chi trả cho các rủi ro trong tương lai. Từ việc ước lượng được mức chi dự kiến cho những tổn thất, các nhà bảo hiểm đưa ra được mức phí phải đóng cho mỗi loại bảo
hiểm.
Mức phí được ước lượng dựa vào việc cân bằng mức thu - chi chính là phí bảo
hiểm thuần được đề cập ở phần trên.
Việc phân tích các dữ liệu thống kê cho phép nhà bảo hiểm hiểu rõ hơn về giá
thành của các đảm bảo cung cấp cho từng loại khách hàng và có thể khám phá ra nhóm các sản phẩm có giá phù hợp đối với nhà bảo hiểm và có lợi cho khách hàng. Sự chuẩn
16
mực trong biểu phí đảm bảo người được bảo hiểm trả đúng giá bảo hiểm, tương đương
với tầm vóc của rủi ro, đồng thời không gây ra thiệt hại cho nhà bảo hiểm và làm tổn hại đến tất cả những người tham gia bảo hiểm.
Tuy nhiên, việc chỉ dựa vào dữ liệu thống kê cũng chưa đủ chính xác vì thống kê chỉ liên quan đến quá khứ, trong khi các nhà bảo hiểm lại bán ra các đảm bảo cho những tổn thất trong tương lai. Vì vậy, việc định phí bảo hiểm không chỉ dựa vào tần suất xuất hiện và các tổn thất trong quá khứ mà còn phải ước tính được các tổn thất cũng như khả năng xảy ra tổn thất trong tương lai. Đây chính là lý do vì sao việc áp dụng các mô hình
1.1.4.2. Dự phòng bảo hiểm
Toán – Thống kê là thực sự cần thiết trong việc định phí bảo hiểm.
Dự phòng bảo hiểm (nghiệp vụ) là khoản tiền mà doanh nghiệp bảo hiểm phải
trích lập nhằm mục đích thanh toán cho những trách nhiệm bảo hiểm đã được xác định trước và phát sinh từ các hợp đồng bảo hiểm đã giao kết (Điều 96 Luật Kinh doanh bảo hiểm). Đối với doanh nghiệp bảo hiểm phi nhân thọ, dự phòng nghiệp vụ bao gồm: dự
phòng đối phí chưa được hưởng, dự phòng bồi thường cho khiếu nại chưa giải quyết, dự phòng bồi thường cho các dao động lớn về tổn thất. Còn đối với doanh nghiệp bảo hiểm nhân thọ, dự phòng nghiệp vụ bao gồm: dự phòng toán học, dự phòng phí chưa được hưởng, dự phòng bồi thường, dự phòng chia lãi và dự phòng đảm bảo cân đối.
Như vậy, trong các loại dự phòng thì có loại là do pháp luật quy định, có loại là do ước lượng từ tổn thất. Do đó, giống như định phí, việc tính toán cho khoản dự phòng cũng cần được áp dụng phương pháp hiện đại dựa trên ước lượng mức tổn thất có thể
xảy ra trong tương lai.
1.1.5.1. Các vấn đề chung
BHYT là loại hình bảo hiểm mà nhà bảo hiểm chi trả một phần hoặc toàn bộ chi phí khám chữa bệnh cũng như chi phí thuốc men và chi phí nằm viện. BHYT thuộc loại hình bảo hiểm con người nếu căn cứ vào đối tượng được bảo hiểm và thuộc loại hình
bảo hiểm phi nhân thọ nếu căn cứ vào kỹ thuật bảo hiểm. Ngoài ra, BHYT có thể đồng thời thuộc các hình thức bảo hiểm xã hội và bảo hiểm thương mại, hay bảo hiểm tự nguyện và bảo hiểm bắt buộc.
Giống như các loại hình bảo hiểm phi nhân thọ, BHYT được quản lý theo kỹ thuật phân chia và hợp đồng bảo hiểm thông thường có kỳ hạn một năm. Do đó quỹ BHYT là quỹ ngắn hạn. Tuy nhiên, các tổn thất xảy ra trong BHYT lại gắn liền với sức
17
khỏe và tình trạng bệnh tật của con người nên việc quản lý BHYT cũng khác và khó
khăn hơn các loại bảo hiểm phi nhân thọ khác.
Ở nhiều nước trên thế giới tồn tại hình thức BHYT dưới sự quản lý của nhà nước. Theo đó các khoản thu cho quỹ BHYT ngoài phần phí đóng của người tham gia còn có các nguồn trợ cấp xã hội khác. Tuy nhiên, giống như các loại hình bảo hiểm khác, để đảm bảo cân bằng quỹ BHYT thì điều tối quan trọng là phải ước lượng được chi phí KCB mà người tham gia bảo hiểm phải đối mặt trong tương lai. Nếu việc ước lượng về chi phí hợp lý sẽ giảm gánh nặng về ngân sách của chính phủ.
Việc ước lượng này sẽ đạt được độ chính xác nhất định nếu sử dụng phương pháp Toán – Thống kê. Đó là quy trình sử dụng các dữ liệu thống kê trong quá khứ về tần suất cũng như chi phí KCB của người tham gia BHYT, tìm hoặc xây dựng các mô hình
1.1.5.2. Bảo hiểm y tế ở Việt Nam
toán phù hợp với số liệu để từ đó đưa ra các kết quả ước lượng đáng tin cậy nhất.
Ở Việt Nam hiện nay tồn tại đồng thời hai hình thức BHYT. Hình thức thứ nhất
là BHYT xã hội, do nhà nước quản lý, không vì mục tiêu lợi nhuận, được hình thành từ năm 1992 và chính thức được tổ chức thực hiện theo luận từ năm 2008. Hình thức thứ hai là BHYT thương mại, được cung cấp bởi các công ty bảo hiểm, mang mục đích kinh doanh, hoạt động theo Luật Kinh doanh bảo hiểm từ năm 2000. Cả hai loại hình BHYT
này đều hoạt động với mục đích chung là bù đắp tài chính cho các đối tượng tham gia khi gặp các rủi ro về sức khỏe như ốm đau, bệnh tật, tai nạn... Người mua bảo hiểm sẽ được cơ quan bảo hiểm chi trả một phần hay toàn bộ chi phí KCB, thuốc men điều trị.
Theo Luật BHYT do Quốc hội ban hành ngày 14/11/2008 thì “BHYT hay bảo hiểm sức khỏe là một hình thức bảo hiểm mà ở đó người mua bảo hiểm sẽ được cơ quan bảo hiểm trả thay một phần hoặc toàn bộ chi phí khám chữa bệnh cũng như chi phí mua thuốc men khám chữa bệnh.” Có hai loại BHYT, đó là BHYT công/nhà nước và BHYT
tư nhân.
Theo Luật BHYT sửa đổi năm 2014 (do Quốc hội ban hành ngày 13/6/2014) thì “Bảo hiểm y tế là hình thức bảo hiểm bắt buộc được áp dụng đối với các đối tượng theo
quy định của Luật này để chăm sóc sức khỏe, không vì mục đích lợi nhuận do Nhà nước tổ chức thực hiện”. Luận án sử dụng định nghĩa này.
Hai hình thức BHYT cũng giống nhau ở nguyên tắc có đóng có hưởng, đó là người tham gia BHYT đều phải đóng phí hàng năm để có thể nhận được sự chi trả khi
rủi ro xảy ra. Tuy nhiên, mức đóng BHYT trong chương trình BHYT xã hội thấp hơn rất nhiều so với mức đóng trong chương trình BHYT thương mại. Phí đóng khác nhau
18
giữa hai chương trình là do chương trình BHYT xã hội hoạt động với mục tiêu thực hiện
chính sách của nhà nước là an sinh xã hội, góp phần ổn định đời sống nhân dân, còn chương trình BHYT thương mại hoạt động với mục tiêu lợi nhuận. Mức đóng trong chương trình BHYT xã hội được tính dựa vào lương cơ bản của người lao động, trong khi mức đóng trong chương trình BHYT thương mại lại phải tỷ lệ thuận với mức hưởng tương ứng.
Mặc dù thị trường BHYT thương mại đã rất phát triển hiện nay, nhưng độ bao phủ của BHYT xã hội lại rất cao. Từ năm 1992, hệ thống BHYT Việt Nam được hình
thành nhưng hạn chế trong một số nhóm đối tượng. Vào đầu những năm 1990, chi phí tiền túi của người dân cho KCB chiếm tới hơn 70% tổng chi tiêu cho y tế nên có những tác động xấu về vấn đề bình đẳng và bảo vệ tài chính trong KCB. Trong gần 30 năm hình
thành và phát triển, BHYT Việt Nam đã có rất nhiều cải cách về mặt chính sách làm tăng mức bao phủ BHYT và làm giảm chi tiêu tiền túi của người dân trong KCB.
Tuy nhiên, tăng mức bao phủ BHYT đồng nghĩa với việc tăng chi tiêu từ quỹ BHYT. Nếu không ước lượng được những chi phí (tổn thất) KCB của người tham gia
BHYT một cách hiệu quả thì việc thâm hụt quỹ BHYT có thể xảy ra và gây ra những hậu quả nghiêm trọng. Vấn đề đặt ra là phải tìm ra những công cụ kiểm soát tốt mức độ thu chi BHYT và có những dự phòng phù hợp.
Mục tiếp theo sẽ tổng quan các mô hình ước lượng và dự báo chi phí KCB để
đưa ra hướng lựa chọn mô hình phù hợp bối cảnh Việt Nam.
Trong mục này, Luận án tập trung tổng quan các mô hình Toán kinh tế được sử dụng trong ước lượng chi phí KCB. Phần đầu giới thiệu các mô hình dự báo nói chung, được phân chia dựa trên phạm vi khác nhau của chi phí. Phần tiếp theo tổng quan các mô hình hồi quy trong ước lượng chi phí KCB. Và phần cuối cùng dành để phân tích
việc sử dụng các lớp mô hình tổn thất trong ước lượng chi phí KCB.
Cho tới nay, để dự báo chi phí KCB, các nghiên cứu hiện có đã áp dụng nhiều cách tiếp cận khác nhau. Theo Astolfi và cộng sự (2012) thì các mô hình dự báo chi phí KCB có thể được xây dựng ở cấp độ cá nhân theo các nhóm đặc trưng hoặc cho toàn bộ dân số. Bên cạnh đó, các mô hình cũng có thể chỉ chú trọng vào một loại chi phí KCB
cụ thể (như chi phí KCB trong khu vực công, tư nhân hoặc chi phí tiền túi của hộ gia đình cho KCB). Xét theo cách kết hợp đơn vị phân tích, mức độ chi tiết về chi phí KCB
19
cần dự báo và các câu hỏi chính sách thì có thể chia ra ba lớp mô hình dự báo chi phí
KCB, đó là:
• Các mô hình mô phỏng vi mô (Micro-simulation models) (Besseling và Shestalova, 2011; Brown và cộng sự, 2009; Fukawa, 2007; O'Hagan và cộng sự, 2007; Spielauer, 2007);
• Các mô hình ở cấp độ vĩ mô (Macro-level models) (Baltagi và Moscone, 2010; Brown và cộng sự, 2009; Oliveira Martins và De la Maisonneuve, 2006; Warshawsky, 1994); và
• Các mô hình theo thành phần (Component-based models) (Baltagi và Moscone,
1.2.1.1. Mô hình mô phỏng vi mô
2010; Przywara, 2010; Ringel và cộng sự, 2010; Vos và cộng sự, 2007; Racic, 1997).
Lớp mô hình mô phỏng vi mô là lớp mô hình tập trung vào cá nhân, coi nó như
một đơn vị phân tích và từ đó mô phỏng toàn bộ cá nhân trong một tổng thể dân số. Các cá nhân được mô phỏng mang các đặc trưng và hành vi đại diện cho tổng thể. Các vấn liên quan đến sức khỏe trong toàn bộ cuộc đời mỗi con người (như mang thai và sinh nở; đối mặt với các rủi ro (như bị huyết áp cao, cholesterol hay nghiện thuốc lá; nguy
cơ gia tăng các loại bệnh như ung thư, tiểu đường, tim mạch…) sẽ được mô phỏng lại. Các chi phí KCB liên quan cho mỗi tình huống bệnh tật cũng được mô phỏng và từ đó đưa ra được các ước lượng về chi phí KCB (Zucchelli và cộng sự, 2010).
Ưu điểm của lớp mô hình này là giúp trả lời các câu hỏi chính sách trong dài hạn vì nó tính đến sự tương tác giữa các cá nhân trong tổng thể, các rủi ro có thể xảy ra và các quá trình chuyển đổi dịch tễ học của dân số (Astolfi và cộng sự, 2012).
Lớp mô hình này yêu cầu lượng dữ liệu lớn, khá chi tiết, có thể phải lấy từ nhiều
1.2.1.2. Mô hình ở cấp độ vĩ mô
nguồn khác nhau và cần đến các kĩ thuật thống kê phức tạp để chuẩn hóa sao cho có thể mô phỏng cho toàn bộ tổng thể nghiên cứu.
Ngược lại với lớp mô hình mô phỏng vi mô, lớp mô hình ở cấp độ vĩ mô lại coi tổng chi phí KCB như một đơn vị phân tích. Mô hình dự báo ở cấp độ vĩ mô được thực hiện dựa vào việc sử dụng các mô hình hồi quy với số liệu chuỗi thời gian hoặc số liệu
mảng. Các dự báo có thể dựa vào việc ngoại suy thuần túy các mô hình thống kê hoặc có thể dựa vào giá trị dự báo của những biến giải thích quan trọng. Ví dụ, Getzen và Poullier (1992) đã đề xuất phương pháp hồi quy đơn giản để ước lượng và dự báo tổng
chi phí KCB theo tốc độ tăng trưởng GDP và tỷ lệ lạm phát trong quá khứ.
1.2.1.3. Mô hình theo thành phần
20
Lớp mô hình theo thành phần dự báo chi phí KCB dựa vào việc phân chia các đối tượng nghiên cứu theo các thành phần như theo nhóm chi trả, theo nhà cung cấp dịch vụ, theo các dịch vụ đã sử dụng hoặc theo các nhóm đối tượng cá nhân dựa vào
các yếu tố nhân khẩu và phi nhân khẩu.
Một lớp mô hình con rất quan trọng trong lớp mô hình này là lớp mô hình dự báo theo đoàn hệ (cohort-based models), trong đó các cá nhân được nhóm lại dựa theo các
đặc điểm nhân khẩu (như tuổi, giới tính) và/hoặc phi nhân khẩu (như tình trạng bệnh tật...). Các mô hình dạng này còn được gọi là mô hình Toán bảo hiểm (actuarial models) hay mô hình mô hình phân mảng/theo lát cắt đặc trưng (cell-based models). Mỗi mảng trong mô hình được liên kết với chi phí KCB trung bình ước lượng được tương ứng với
từng nhóm đối tượng. Số người trong mỗi nhóm được dự báo có tính đến sự biến động của dân số và cũng được ghi lại trong từng mảng. Tổng chi phí KCB cho mỗi nhóm đối tượng sẽ được tính bằng cách nhân chi phí trung bình với số người trong nhóm và từ đó
suy ra dự báo cho chi phí của toàn bộ tổng thể (Baltagi và Moscone, 2010; Przywara, 2010; Ringel và cộng sự, 2010; Vos và cộng sự, 2007; Racic, 1997).
Lớp mô hình dự báo theo đoàn hệ được sử dụng rộng rãi vì nhiều ưu điểm. Thứ nhất, việc thực hiện và duy trì không quá phức tạp và ít tốn kém bởi vì lớp mô hình này
được xây dựng trên những bảng tính tương tác, đòi hỏi lượng số liệu không nhiều và ít tham số. Thứ hai, ảnh hưởng của những thay đổi về mặt chính sách có thể được đánh giá một cách dễ dàng bằng cách thay đổi các tham số chính sách trong mô hình (Ringel
và cộng sự, 2010).
Bằng cách phân chia chi phí KCB theo các thành phần như chăm sóc sức khỏe ban đầu, KCB ngoại trú và nội trú, mua thuốc theo đơn, tạo hình thẩm mỹ, thai sản và các chi phí khác, Racic (1997) đã đưa ra mô hình dự báo chi phí KCB cho Croatia từ
1996 đến 2011. Trong mô hình có tính đến sự biến động về dân số và sự thay đổi chi phí theo từng năm. Tuy nhiên, mô hình không chia nhỏ các nhóm đối tượng dân số theo các yếu tố nhân khẩu hay phi nhân khẩu mà coi tất cả các đối tượng có mức chi như
nhau.
Vos và cộng sự (2007) sử dụng phương pháp phân nhóm dân số theo 20 nhóm tuổi (0-4; 5-9...), giới tính, nhóm chi phí KCB và nhóm bệnh để dự báo chi phí KCB của Úc trong vòng 30 năm (2003-2033). Chi phí KCB trung bình theo đầu người và số lượt
KCB được dự báo dựa trên sự thay đổi của tổng dân số, cấu trúc tuổi của dân số, xu hướng thay đổi của dạng bệnh tật và giá các dịch vụ y tế. Tuy nhiên, trong dự báo này
21
chưa xét đến tác động của các chính sách lên chi phí KCB trong tương lai. Tương tự,
cũng phân chia dân số thành 20 nhóm tuổi và mỗi nhóm tuổi tương ứng với 6 nhóm chi phí y tế (gồm hai thành phần chính là chăm sóc sức khỏe và KCB), Besseling và Shestalova (2011) xây dựng mô hình dự báo chi phí y tế của Hà Lan trong giai đoạn 2011-2015 để đánh giá khả năng ảnh hưởng của chính sách về việc tăng mức đồng chi trả lên ngân sách chính phủ. Mục tiêu của nghiên cứu này giống như Przywara (2010) là đánh giá tác động lên một số yếu tố với hai kịch bản là khi có và khi không có chính sách.
Các mô hình hồi quy được sử dụng như công cụ toán học hữu ích trong phân tích,
ước lượng và dự báo chi phí KCB khi có những thông tin về biến giải thích.
Mô hình hồi quy tuyến tính đối với biến chi phí KCB (y, ví dụ: ) là
& $(cid:4) = %(cid:4)
' + ((cid:4)
mô hình hồi quy đầu tiên được sử dụng trong ước lượng chi phí KCB do tính đơn giản và dễ thực hiện. Các ước lượng bằng phương pháp bình phương nhỏ nhất (OLS – Ordinary Least Squares) có thể tính toán nhanh và dễ dàng bằng các phần mềm thông
dụng ngay cả với hàng trăm biến độc lập và hàng triệu quan sát. Tuy nhiên, do đặc trưng của số liệu cấp độ cá nhân nên chi phí KCB có các giá trị tăng đột biến gần không (đối với dữ liệu điều tra hoặc dữ liệu tổng thể), có phân phối không chuẩn, lệch trái và có đuôi dày bên phải (Deb và cộng sự, 2006; Duan, 1983; Duan và cộng sự, 1983; Jones,
& ln($(cid:4)) = %(cid:4)
' + ((cid:4)
2010; Manning, 2012; Manning, 1998; Mihaylova và cộng sự, 2011; Jones, 2017). Do đó, mô hình hồi quy tuyến tính luôn tồn tại hiện tượng phương sai sai số thay đổi và sai số là không phân phối chuẩn và vì thế mà các ước lượng ít tin cậy.
Một trong những phương pháp khắc phục hiện tượng trên là biến đổi biến chi phí về dạng có phân phối đối xứng hơn (Carroll và Ruppert, 1988; Manning, 1998). Phương pháp đổi biến thông dụng nhất là lấy logarit tự nhiên (ví dụ: ). Phương pháp này giúp cho biến chi phí giảm được độ bất đối xứng, làm cho phân phối của biến
mới gần với phân phối chuẩn hơn. Các ước lượng thu được từ mô hình đổi biến loga chính xác và vững hơn mô hình với biến gốc (Jones, 2010). Tuy nhiên, một trong những vấn đề phát sinh khi sử dụng phương pháp này là trường hợp biến chi phí có giá trị bằng
0. Bên cạnh đó, giá trị ước từ mô hình là loga chi phí. Để có được giá trị ước lượng với biến gốc (chi phí), cần phải đổi biến ngược lại. Tuy nhiên, việc lấy hàm e mũ một cách đơn giản không phải lúc nào cũng cho ước lượng tốt (tức là ước lượng không chệch, vững) (Neyman và Scott, 1960). Để có được ước lượng tốt hơn cho biến chi phí, Duan
(1983) đã đưa ra một phương pháp ước lượng phi tham số (Smearing factor) vì nó giúp
22
các ước lượng của biến gốc bớt chệch hơn. Phương pháp này cũng đã được Buntin và
Zaslavsky (2004) sử dụng cho các mô hình đổi biến khác nhau, trong đó có phương pháp lấy căn bậc hai và phương pháp Box-Cox.
Để phù hợp với số liệu, nhiều biến được biến đổi về dạng có phân phối đối xứng hơn và cho kết quả ước lượng tốt hơn so với hồi quy bằng biến gốc. Tuy nhiên, cách đổi biến này không mang lại hiệu quả cao và gây ra vấn đề đổi biến ngược. Để khắc phục tình trạng này, mô hình trung bình mũ có điều kiện (ECM - Exponential Conditional
Mean với dạng hàm ) được sử dụng với giả thiết về mối
& +($(cid:4)|%(cid:4)) = -(cid:4) = .exp (%(cid:4)
quan hệ phi tuyến của biến chi phí trong mô hình hồi quy. Một trong những ưu điểm của ')
mô hình này là ta có thể ước lượng trực tiếp biến gốc mà không cần đổi biến. Tuy nhiên, cần lưu ý rằng tác động của biến độc lập trong mô hình là tác động theo tỷ lệ chứ không phải tác động có tính chất cộng (Gilleskie và Mroz, 2004). Mô hình ECM có thể được ước lượng theo nhiều cách như bình phương nhỏ nhất phi tuyến (NLS – Nonlinear Least
Squares), ước lượng tựa hợp lý tối đa (QML – Quasi Maximum Likelihood) hay phương pháp mô men tổng quát (GMM - Generalised Method of Momments) (Mihaylova và cộng sự, 2011).
Mô hình hồi quy tuyến tính tổng quát (GLM – Generalised Linear Model) (Nelder và Baker, 1972) là lớp mô hình chiếm ưu thế trong ước lượng chi phí KCB (ví dụ, xem Blough và cộng sự, 1999; Buntin và Zaslavsky, 2004; Jones, 2010; Jones, 2017; Manning, 2012; Manning và cộng sự, 2005; Martins và cộng sự, 2006). Mô hình GLM được xác định bởi hai thành phần: i) thành phần thứ nhất là hàm liên kết biểu diễn mối
quan hệ giữa kỳ vọng có điều kiện của biến phụ thuộc và các biến độc lập (
'
); và ii) thành phần thứ hai là giả thiết về phân phối xác suất của biến phụ thuộc, các 2(-(cid:4)) = & phân phối này thuộc họ phân phối mũ. Thành phần này giúp xác định mối liên hệ giữa %(cid:4) phương sai và kỳ vọng có điều kiện của biến phụ thuộc ( ). Những ưu
3($(cid:4)|%(cid:4)) = 4(-(cid:4))
điểm của mô hình GLM là giá trị ước lượng được tính trên giá trị gốc của biến, không đòi hỏi sự đổi biến ngược lại và cho phép điều chỉnh phương sai sai số thay đổi thông qua sự lựa chọn của họ phân phối. Lớp mô hình này phù hợp với mô hình hóa chi phí (chẳng hạn với lựa chọn phân phối Gamma) cũng như mô hình hóa số lượt KCB với lựa
chọn phân phối Poisson hay nhị thức âm (Cameron và Johansson, 2004; Winkelmann, 2004). Mô hình GLM với hàm liên kết loga và phân phối gamma được sử dụng phổ biến trong mô hình hóa chi phí KCB (Blough và cộng sự, 1999; Buntin và Zaslavsky, 2004; Jones, 2010; Jones, 2017; Manning, 2012; Manning và cộng sự, 2005; Martins và cộng
sự, 2006; Moran và cộng sự, 2007). Trong các nghiên cứu có sử dụng mô hình GLM để mô hình hóa chi phí KCB, Manning và cộng sự (2005) tập trung mở rộng họ các phân
23
phối; Basu và Rathouz (2005) và Blough và cộng sự (1999) lại phân tích sâu về mối liên
hệ giữa trung bình và phương sai. Để đưa ra lựa chọn hàm liên kết, Basu and Rathouz (2005) gợi ý sử dụng mở rộng bán tham số của mô hình GLM - mô hình với phương trình ước lượng mở rộng (EEE - Extended Estimating Equation models) thông qua việc
7(cid:7)
6 5(cid:12)
8
& %(cid:4)
sử dụng biến đổi Box-Cox cho hàm liên kết (với dạng mô hình là ).
' = Mô hình cộng tổng quát (GAM - Generalised Additive Model) (Hastie và
Tibshirani, 1990) là dạng mở rộng của GLM, trong đó hàm tuyến tính của các biến giải
thích được thay thế bởi tổng các hàm phi tuyến của từng biến (với dạng hàm
∑ (cid:6)(cid:16)'(cid:16) → ). Điều này cho phép xác định ảnh hưởng cụ thể của từng biến giải thích lên
∑ ;(cid:16)((cid:6)(cid:16)) biến phụ thuộc. Hơn nữa, các hàm phi tuyến này thường được biểu diễn dưới dạng các hàm số phụ thuộc phi tham số dựa vào phương pháp làm trơn. Phương pháp này giúp tạo sự linh hoạt trong việc nghiên cứu và làm cho mô hình khá phù hợp với dữ liệu.
Có rất nhiều nghiên cứu đã tổng hợp và so sánh chất lượng các mô hình ước
lượng chi phí KCB (Basu và Rathouz, 2005; Buntin và Zaslavsky, 2004; Deb và cộng sự, 2006; Duan và cộng sự, 1983; Gilleskie và Mroz, 2004; Hill và Miller, 2010; Jones, 2010; Jones, 2017; Manning và cộng sự, 2005; Manning và Mullahy, 2001; Mihaylova
và cộng sự, 2011). Các nghiên cứu này sử dụng phương pháp phân tích Monte Carlo cổ điển với giả thiết chi phí KCB được mô phỏng ngẫu nhiên từ một phân phối tham số nào đó hoặc các phương pháp nghiên cứu dựa trên số liệu mẫu điều tra hoặc mẫu có sử dụng thiết kế tựa Monte Carlo. Kết quả chính phụ thuộc vào các ứng dụng và dữ liệu thực tế
(chẳng hạn như phụ thuộc vào việc chi phí của người cao tuổi hay không cao tuổi hoặc chi phí là tổng tất cả các chi phí KCB hay chỉ một loại chi phí nào đó như thuốc hay phẫu thuật).
Cùng với sự phát triển của công nghệ 4.0, có rất nhiều dữ liệu liên quan đến chi phí KCB được quản lý bằng các phần mềm (như dữ liệu KCB của các bệnh viện ở các tuyến, dữ liệu chi trả BHYT của các công ty bảo hiểm, của bảo hiểm xã hội ở cấp quốc gia, cấp tỉnh...). Lượng số liệu được lưu lại một cách tự động theo biểu mẫu ngày càng
lớn, chứa nhiều thông tin và cần có phương pháp nghiên cứu phù hợp. Đã có những nghiên cứu sử dụng các mô hình hồi quy nâng cao và các thuật toán học máy (Machine Learning Algorithms) để đưa ra những phân tích và ước lượng cho chi phí KCB (ví dụ, xem (Sushmita và cộng sự, 2015). Các mô hình có thể kể đến là mô hình cây hồi quy và phân loại (CART – Classification And Regression Trees) (Breiman và cộng sự, 1984; Liaw và Wiener, 2002; Morgan, 2014; Yohannes và Hoddinott, 1999), mô hình rừng ngẫu nhiên (RF - Random Forest) (Breiman, 2001), mô hình GAM (Generalised
24
Additive Models) (Hastie và Tibshirani, 1990; Leathwick và cộng sự, 2006), mô hình
MARS (Multivariate Adaptive Regression Splines) (Hastie và cộng sự, 2002). Ví dụ, nghiên cứu của Sushmita và cộng sự (2015) đã sử dụng các thuật toán học máy, bao gồm RT, mô hình M5 Tree và RF để đưa ra các so sánh về các ước lượng cho chi phí KCB dựa trên bộ số liệu thống kê về yêu cầu bồi thường bảo hiểm của bang Washington (Hoa Kỳ).
Các mô hình tổn thất (Loss Models ) là các mô hình cơ bản và kinh điển trong mô hình hóa các tổn thất trong lĩnh vực bảo hiểm nhân thọ và phi nhân thọ (Tse, 2009). Bản chất các mô hình này là mô hình xác suất, tập trung nghiên cứu phân phối xác suất của tổn thất và các tham số đặc trưng của chúng. Mặc dù là loại hình bảo hiểm liên quan
đến con người nhưng BHYT chi trả các chi phí liên quan đến khám, chữa bệnh và chăm sóc sức khỏe nên BHYT có thể coi như nằm trong loại hình bảo hiểm phi nhân thọ. Các chi phí về y tế cũng được coi như những tổn thất tài chính do rủi ro về mặt sức khỏe của
con người gây ra. Có rất nhiều nghiên cứu áp dụng các mô hình tổn thất trong việc mô hình hóa chi phí y tế nói chung và chi phí KCB nói riêng.
Các mô hình phân phối xác suất cơ bản được chia thành hai loại là mô hình phân phối xác suất rời rạc và mô hình phân phối xác suất liên tục (Klugman và cộng sự, 2012).
Mô hình rời rạc dùng để mô hình hóa tổn thất dưới dạng số đếm (ví dụ như số lượt bồi thường trong năm của một công ty bảo hiểm đối với loại sản phẩm bảo hiểm nào đó hay số lượt KCB trong năm của một nhóm bệnh nhân nào đó). Mô hình liên tục thường được
sử dụng trong việc mô hình hóa độ lớn về mặt tài chính của các tổn thất (ví dụ như tổn thất về mặt tài chính do một vụ hỏa hoạn gây ra hay chi phí KCB sau một đợt điều trị của một bệnh nhân nào đó). Các mô hình phân phối xác suất rời rạc thường được sử dụng trong thực tế là Poisson, nhị thức và nhị thức âm, trong đó các mô hình phân phối
xác suất liên tục thường gặp là Log-normal, Gamma, Pareto, Weibull,...
Trong thực tế, bài toán đặt ra là phải mô hình hóa được tổng tổn thất trong một khoảng thời gian xác định (ví dụ như tổng chi trả của một công ty bảo hiểm trong năm).
Tổng tổn thất cũng được mô hình hóa bằng các mô hình phân phối xác suất và được xây dựng bằng hai cách.
- Cách thứ nhất là cộng các tổn thất theo việc xuất hiện của chúng trong năm:
,
(cid:3) = (cid:6)(cid:7) + ⋯ + (cid:6)(cid:11) trong đó là số lượt xuất hiện tổn thất và là độ lớn của tổn thất thứ trong năm. Mô
(cid:13) (cid:6)(cid:4) (cid:2)
25
hình dạng này được gọi là mô hình rủi ro nhóm.
- Cách thứ 2 là cộng các tổn thất gây ra từ một số hữu hạn các hợp đồng bảo hiểm
có trong danh mục:
,
(cid:3) = (cid:6)(cid:7) + ⋯ + (cid:6)< là tổn thất của hợp đồng bảo hiểm trong danh mục. Mô hình dạng này
trong đó được gọi là mô hình rủi ro đơn. (cid:6)(cid:4) (cid:2)
Hình thức hai mô hình trên là khá giống nhau vì cùng có dạng tổng của các biến
ngẫu nhiên. Điểm khác nhau là trong mô hình rủi ro nhóm, các được giả thiết có phân
phối xác suất như nhau và số các số hạng trong tổng là ngẫu nhiên ( ); còn trong mô (cid:6)(cid:4)
hình rủi ro đơn số lượng các là cố định ( ) và chúng có thể có phân phối khác nhau. (cid:13)
Mô hình rủi ro đơn được xem như trường hợp đặc biệt của mô hình rủi ro nhóm khi các (cid:20) (cid:6)(cid:4)
có cùng phân phối xác suất và biến ngẫu nhiên nhận giá trị với xác suất bằng 1.
(cid:6)(cid:4) (cid:13) (cid:20)
Cả mô hình rủi ro đơn và rủi ro nhóm đều dùng để mô hình hóa tổng tổn thất, nhưng mô hình rủi ro nhóm có một số ưu điểm vượt trội (Tse, 2009). Bằng việc mô hình hóa số lượt xuất hiện các tổn thất và độ lớn của mỗi tổn thất một cách riêng biệt, mô hình rủi ro nhóm sẽ tính đến được sự tác động lên từng thành phần một cách riêng rẽ.
Chẳng hạn việc mở rộng phạm vi bảo hiểm sẽ chỉ ảnh hưởng lên số lượt xuất hiện tổn thất mà không tác động gì đến độ lớn của mỗi tổn thất. Ngược lại, sự điều chỉnh về chi phí nói chung hay những tiến bộ về mặt công nghệ sẽ làm thay đổi về độ lớn của mỗi
tổn thất mà không ảnh hưởng gì đến số lần xuất hiện tổn thất. Mô hình hóa hai thành phần một cách riêng rẽ cho phép xác định được rõ ảnh hưởng của những thay đổi này lên tổng tổn thất.
Tiếp theo, Luận án sẽ tập trung tổng quan các nghiên cứu liên quan đến mô hình rủi ro nhóm. Có một lượng lớn các nghiên cứu về lớp mô hình này. Các nghiên cứu lý
dựa vào các thuyết tập trung vào xây dựng các dạng phân phối xác suất lý thuyết cho
phân phối xác suất lý thuyết của và . Phân phối Poisson là một trong những phân (cid:3)
phối được sử dụng nhiều nhất trong mô hình hóa (Klugman và cộng sự, 2012). Tuy (cid:13) (cid:6)(cid:4)
nhiên, phân phối Poisson không phải khi nào cũng phù hợp với dữ liệu thực tế (ví dụ (cid:13)
như trong trường hợp phương sai lớn hơn nhiều so với trung bình) và khi đó thì phân
phối nhị thức âm lại chiếm ưu thế. Các phân phối của cũng rất đa dạng như phân phối
(cid:6)(cid:4)
Mũ, Chuẩn, LogNormal, Weibull, Pareto... nên các lựa chọn cũng tùy thuộc vào dạng phân phối thực tế của dữ liệu (Kozubowski và Panorska, 2005; Hernández-Bastida và
cộng sự, 2011). Trong nghiên cứu của mình, Kozubowski và Panorska (2005) đã đưa ra
được dạng phân phối đồng thời cho và trong trường hợp có phân phối hình học
(cid:3) (cid:13) (cid:13)
26
còn các độc lập và cùng phân phối mũ. Bastida và cộng sự (2009) cũng dùng phân
nhưng lại giả sử có phân phối Poisson và từ đó các tác giả xây phối mũ cho các (cid:6)(cid:4)
dựng được dạng hàm mật độ xác suất cũng như đưa ra các công thức ước lượng tham số (cid:6)(cid:4) (cid:13)
cho .
(cid:3) Ngược lại với nghiên cứu lý thuyết, các nghiên cứu thực nghiệm đưa ra các phân
phối thực nghiệm của bằng các phương pháp xấp xỉ dựa vào phân phối thực nghiệm
của các thành phần . Nhiều nghiên cứu thực nghiệm áp dụng mô hình rủi ro và (cid:3)
nhóm vào lĩnh vực bảo hiểm phi nhân thọ (Hayne, 1989; Dickson và cộng sự, 1998; (cid:13) (cid:6)(cid:4)
Hernández-Bastida và cộng sự, 2011; Klugman và cộng sự, 2012; Migon và Moura, 2005; Fellingham và cộng sự, 2015; Yu, 2015; Meyers và Schenker, 1983; Meyers, 2009; Heckman và Meyers, 1983; Meyers, 2007). Về cơ bản, có ba cách tiếp cận chính
để ước lượng phân phối xác suất của dựa vào phân phối xác suất thực nghiệm của
và (cid:3)
(Hayne, 1989) là: xấp xỉ giải tích (analytic approximation), xấp xỉ phân phối (cid:13) (approximate distribution) và mô phỏng Monte-Carlo. Phương pháp xấp xỉ giải tích đưa (cid:6)(cid:4)
ra cách tính xấp xỉ hàm phân phối xác suất của dựa vào hàm phân phối xác suất thực
nghiệm của các thành phần trong mô hình (Panjer, 1981). Phương pháp xấp xỉ phân phối (cid:3)
được thực hiện bằng cách ước lượng các tham số trong phân phối của bằng cách dựa
(cid:3)
vào các thống kê mẫu như mô men hay các giá trị phân vị (Dickson và cộng sự, 1998; Beard, 2013). Không giống hai phương pháp trên, phương pháp mô phỏng Monte-Carlo được thực hiện dựa trực tiếp vào phân phối xác suất của các thành phần trong mô hình (Beekman và Fuelling, 1980) mà không cần đưa ra dạng giải tích của phân phối xác suất
của tổng chi phí và dễ dàng thực hiện ngay cả khi muốn kết hợp nhiều loại hình bảo hiểm và trong khoảng thời gian dài.
Liên quan đến các phương pháp ước lượng, phương pháp Bayes được sử dụng khá rộng rãi để ước lượng các tham số trong mô hình rủi ro nhóm (Fellingham và cộng
sự, 2015; Mildenhall, 2006; Hernández-Bastida và cộng sự, 2009; Klugman, 2013; Yu, 2015; Meyers, 2007; Meyers, 2009; Meyers và Schenker, 1983). Phương pháp này được thực hiện dựa trên phân phối xác suất hậu nghiệm của tham số cần ước lượng với điều
kiện dữ liệu mẫu đã biết và được cập nhật liên tục theo thời gian. Phương pháp này được đặc biệt sử dụng trong lý thuyết về độ tin cậy (Credibility Theory) để định giá và tính toán dự phòng cho các sản phẩm bảo hiểm. Thông tin về yêu cầu bồi thường của người được bảo hiểm được cập nhật hàng năm và làm cơ sở để định giá lại sản phẩm bảo hiểm của người đó cho năm tiếp theo. So với phương pháp ước lượng theo tần suất, ước lượng Bayes cho kết quả chính xác vượt trội (Makov, 2001; Klugman, 2013).
27
Ở Việt Nam, đã có một số phân tích thống kê về chi phí KCB BHYT (ví dụ, xem Long và cộng sự, 2016; Kelly và cộng sự, 2016...) cũng như ước lượng và dự báo chi phí KCB do Quỹ BHYT chi trả (BHXH Việt Nam & InWent, 2012; Kelly và cộng sự,
2018).
Ví dụ, Kelly và cộng sự (2018) chia người tham gia BHYT thành các nhóm nhỏ theo các tiêu chí nhân khẩu (các nhóm tuổi 0-4, 5-9,..., 80+ và giới tính) và theo các tiêu
chí phi nhân khẩu (như loại KCB nội trú và KCB ngoại trú và nhóm bệnh theo phân loại bệnh quốc tế ICD). Nhóm tác giả sử dụng chi phí KCB trung bình theo lượt của từng nhóm làm cơ sở trong tính toán nhưng chưa tính đến các biến động ngẫu nhiên của số lượt KCB cũng như chi phí KCB.
Mô hình hồi quy với hướng tiếp cận thống kê (mô hình hồi quy tuyến tính tổng quát và mô hình cộng tổng quát) cũng như hướng tiếp cận máy học (mô hình cây hồi quy và rừng ngẫu nhiên) cũng đã được thử nghiệm trong ước chi phí KCB do BHYT tri
trả ở Việt Nam (Thắm, 2017). Tuy nhiên kết quả chưa đủ tin cậy do dữ liệu về các biến giải thích chưa phong phú.
Trong nghiên cứu của mình, lần đầu tiên Thắm (2018) đã áp dụng mô hình rủi ro nhóm và phương pháp Bayes trong ước lượng chi phí KCB BHYT theo đầu người cho
một số nhóm đối tượng.
Lấy ý tưởng chia nhóm của Kelly và cộng sự (2018) cùng với phương pháp tiếp cận ngẫu nhiên của Thắm (2018), Luận án xây dựng mô hình ước lượng tổng chi phí
KCB BHYT cho tất cả các nhóm đối tượng, dựa trên dữ liệu KCB BHYT của TP. Hồ Chí Minh, dữ liệu tham gia BHYT dữ liệu dự báo dân số của Tổng cục thống kê.
28
Chương này đã trình bày cơ sở lý luận về bảo hiểm nói chung và BHYT nói riêng,
đồng thời tổng quan được các mô hình Toán kinh tế trong ước lượng và dự báo chi phí KCB.
Đối với hoạt động bảo hiểm nói chung và BHYT nói riêng, phí đóng của người được bảo hiểm phụ thuộc rất nhiều hay hoàn toàn phụ thuộc vào mức độ thiệt hại của
rủi ro mà người được bảo hiểm có thể gặp phải trong tương lai. Việc sử dụng phương pháp Toán – Thống kê là cần thiết và khoa học trong việc ước lượng các tổn thất do rủi ro mang lại.
Các mô hình Toán được sử dụng một cách phổ biến trên thế giới trong việc ước lượng và dự báo các tổn thất nói chung và chi phí KCB nói riêng. Nếu phân chia theo mức độ chi tiết về chi phí KCB thì các mô hình dự báo chi phí KCB được chia thành ba loại: mô hình mô phỏng vi mô, mô hình ở cấp độ vĩ mô và mô hình theo thành phần.
Trong đó, mô hình mô phỏng vi mô coi chi phí KCB của mỗi cá nhân là một đơn vị cần phân tích, mô hình theo thành phần thì chia các đối tượng cần nghiên cứu theo thành phần/nhóm, còn mô hình ở cấp độ vĩ mô lại coi tổng chi phí KCB như một biến cần xem
xét.
Đối với mỗi loại mô hình kể trên thì luôn có hai cách tiếp cận để ước lượng chi phí KCB: Thứ nhất, nếu coi chi phí KCB như một biến cần giải thích thì ta có lớp các mô hình hồi quy. Khi đó, chi phí KCB trung bình được ước lượng dựa vào các quan sát
về các biến độc lập, với nhiều dạng hàm hồi quy khác nhau và nhiều phương pháp ước lượng khác nhau từ đơn giản là hồi quy tuyến tính đến phức tạp như hồi quy rừng ngẫu nhiên. Thứ hai, nếu coi chi phí KCB như là tổn thất có thể xảy ra trong tương lai thì ta
có lớp các mô hình tổn thất ước lượng chi phí KCB. Khi đó, chi phí KCB sẽ đóng vai trò như một biến ngẫu nhiên với phân phối xác suất cụ thể. Theo cách tiếp cận này, khi xác định được phân phối xác suất của chi phí KCB thì ta có thể tính được tất cả các tham số đặc trưng của nó, chứ không chỉ dừng lại ở giá trị trung bình như cách tiếp
cận hồi quy.
Do tính ưu việt của cách tiếp cận phân phối xác suất nên Luận án lựa chọn lớp các mô hình tổn thất để ước lượng chi phí KCB do BHYT chi trả. Theo phương pháp
tiếp cận này, Luận án kết hợp mô hình mô phỏng vi mô và mô hình theo thành phần, để đưa ra mô hình ước lượng chi phí KCB cho mỗi nhóm đối tượng bằng cách mô phỏng chi phí KCB của từng đối tượng trong nhóm. Mô hình này còn được gọi là mô hình rủi ro nhóm (Collective Risk Model). Các đối tượng được nghiên cứu cũng được chia thành
29
các nhóm dựa vào các yếu tố nhân khẩu và phi nhân khẩu, sao cho mức độ đối với rủi
ro của mỗi đối tượng trong nhóm là tương đương nhau. Cách chia nhóm đối tượng ra nghiên cứu gần giống với nghiên cứu của Kelly và cộng sự (2018) nhưng cách tiếp cận trong Luận án hoàn toàn khác, đó là cách tiếp cận ngẫu nhiên.
30
Mục tiêu của Chương 2 là trình bày phương pháp sử dụng trong trong Luận
án để ước lượng chi phí KCB do BHYT chi trả. Mô hình được sử dụng trong nghiên cứu là mô hình rủi ro nhóm, thuộc nhóm các mô hình tổn thất. Mục 2.1 trình bày mô hình rủi ro nhóm và các mô hình phân phối xác suất liên quan. Mục 2.2 đề cập đến các phương pháp ước lượng tham số cho mô hình. Các phương pháp kiểm định lựa
chọn mô hình được trình bày trong Mục 2.3. Mô phỏng ngẫu nhiên là một phương pháp hiện đại và phù hợp trong việc mô phỏng lại các tình huống rủi ro trong tương lai sẽ được giới thiệu ở Mục 2.4. Một số độ đo rủi ro và các ứng dụng của chúng trong việc ra quyết định sẽ được đề cập đến trong Mục 2.5 như những công cụ giúp
phân tích kết quả ước lượng được.
Trong mô hình rủi ro nhóm, các đối tượng nghiên cứu được chia theo nhóm với đặc tính giống nhau, cùng đối mặt với rủi ro như nhau. Khi đó, chi phí KCB của mỗi người trong nhóm được coi là như nhau (theo ngôn ngữ xác suất thống kê thì chúng có phân phối xác suất như nhau). Tổng chi phí KCB của mỗi người trong nhóm trong năm
được biểu diễn dưới dạng tổng của các chi phí của các lần KCB khác nhau của người đó trong năm, với giả thiết số lần KCB trong năm là hoàn toàn độc lập với chi phí của mỗi lần KCB, chi phí của mỗi lần KCB là như nhau và độc lập với chi phí KCB của các lần
khác.
Theo Wuthrich (2017), mô hình rủi ro nhóm có dạng:
(cid:11)(cid:12) (cid:16)(cid:27)(cid:7)
(cid:4) (cid:6)(cid:16)
, ∑ (cid:3)(cid:4) = = 0, , (cid:13)(cid:4) ≠ 0 (cid:13)(cid:4) = 0 là biến ngẫu nhiên rời rạc không nhận giá trị âm; là với các giả thiết sau:
(cid:4) (cid:6)(cid:7)
(cid:4) , (cid:6)(cid:9)
các biến ngẫu nhiên với tập giá trị dương, độc lập và có cùng phân phối xác suất; và , …
(cid:4) ((cid:6)(cid:7)
và (cid:13)(cid:4) độc lập với nhau. (cid:13)(cid:4)
(cid:4) , (cid:6)(cid:9) Với các ký hiệu trong mô hình thì
, … ) là tổng chi phí KCB của một người thuộc
nhóm đối tượng nào đó trong một năm, là số lượt KCB trong năm của người đó và
là chi phí của người đó ở lần KCB thứ (cid:2) (cid:3)(cid:4) (cid:13)(cid:4) . Vì đại diện cho các yếu tố định lượng trong
(cid:4) (cid:6)(cid:16) tương lai nên các đại lượng
(cid:17) và được xem như các biến ngẫu nhiên và cần được
(cid:4) (cid:6)(cid:16)
(cid:3)(cid:4), (cid:13)(cid:4) mô hình hóa bởi các phân phối xác suất.
31
Phân phối xác suất của là phân phối dạng phức (compound distribution) do nó
phụ thuộc đồng thời vào phân phối xác suất của và các . Vì biểu diễn số lượt (cid:3)(cid:4)
(cid:4) (cid:6)(cid:16)
(cid:13)(cid:4) (cid:13)(cid:4)
KCB nên có thể coi là biến ngẫu nhiên rời rạc, không nhận giá trị âm và vì thế mà có bằng các phân phối đếm như phân phối Nhị thức (Binomial), thể mô hình hóa
(cid:4) (cid:6)(cid:16)
Poisson, Nhị thức âm (Negative Binomial). Các đại diện cho số tiền/chi phí của mỗi (cid:13)(cid:4)
lượt KCB nên nhận giá trị dương và vì thế được mô hình hóa bởi các phân phối xác suất
có tập giá trị dương như phân phối Mũ, Log-normal, Gamma, Weibull, Pareto... Mỗi lựa
và sẽ cho phân phối tương ứng của . chọn phân phối của
(cid:4) (cid:6)(cid:16)
(cid:13)(cid:4) (cid:3)(cid:4) Mục tiếp theo sẽ trình bày các phân phối xác suất cho chỉ số và thành phần
(cid:4) (cid:6)(cid:16)
(cid:13)(cid:4) trong mô hình rủi ro nhóm.
Mục này trình bày một số mô hình cho chỉ số trong mô hình rủi ro nhóm (2.1).
(cid:13)(cid:4)
Các mô hình là các quy luật phân phối xác suất của biến ngẫu nhiên rời rạc nhận giá trị không âm, bao gồm các phân phối Nhị thức, Poisson và Nhị thức âm. Bảng 2.1 trình bày các dạng hàm xác suất và các tham số đặc trưng (kỳ vọng toán và phương sai) của các phân phối tương ứng.
Bảng 2.1. Bảng phân phối xác suất cho số lượt KCB
Mô hình Hàm xác suất Tham số đặc trưng Tên
G
<7G
Nhị thức
+((cid:13)) = (cid:20)F (1 − F) B((cid:13) = C) = D E F (cid:20) C ?(@, A) 3JK((cid:13)) = (cid:20)F(1 − F) C = 0, … , (cid:20) trong đó,
D E = (cid:20) C Poisson
+((cid:13)) = 3((cid:13)) = O B((cid:13) = C) = N (cid:20)! C! ((cid:20) − C)! G 78 O C! L(M)
S
∀C = 0, 1, 2, … Nhị thức âm
G (1 − F )
(cid:9)
B((cid:13) = C) = D +((cid:13)) = E F C + K − 1 C KF 1 − F Q?(R, A) C = 0, 1, 2, … , K > 0, 0 < F < 1 3JK((cid:13)) = KF (1 − F) Nguồn: Tác giả tổng hợp theo Tse (2009)
32
Bảng 2.1 cho thấy kỳ vọng toán lần lượt nhỏ hơn, bằng và lớn hơn phương sai
phân phối nhị thức, Poisson và NB. Điều này là một gợi ý quan trọng cho việc khi
lựa chọn phân phối phù hợp cho chỉ số đối với từng bộ số liệu cụ thể. (cid:13)(cid:4)
(cid:13)(cid:4)
Tương tự như mục trên, các phân phối xác suất của biến ngẫu nhiên liên tục với
tập giá trị dương được sử dụng để mô hình hóa chi phí cho một lượt KCB. Các hàm mật độ xác suất và tham số đặc trưng tương ứng được cho ở Bảng 2.2.
Bảng 2.2. Bảng phân phối xác cho chi phí KCB theo lượt
Mô hình Tham số đặc trưng Hàm mật độ xác suất Tên
Y
Y7(cid:7)
7\]
Gamma
Y7(cid:7)
7a
+((cid:6)) = ;(%) = % N , % ≥ 0, α β V(W, X) ' Γ([) c
(cid:23)
Y7(cid:7)
Y
3JK((cid:6)) = N b` , [ > 0 Γ([) = _ ` α (cid:9) β Weibull
(cid:9)
(cid:9) 3JK((cid:6)) = O
(cid:9)
;(%) = D E E h +((cid:6)) = OΓ i1 + j = - 1 [ [ O % O % O exp gD− f(W, M) % ≥ 0 Γ i1 + j − - 2 [ Log-normal
(cid:9)
n
(cid:9)
w
(cid:9)5uv
v
;(%) +((cid:6)) = exp =- + t 1 k(l, m ) q 2 w = exp =− t (log % − -) 2q √2pq% 3JK((cid:6)) = N xN − 1y
Pareto % ≥ 0 Y
Yu(cid:7) , % ≥ 0
+((cid:6)) = ;(%) = [' (% + ') z(W, X) ' [ − 1 (cid:9)
3JK((cid:6)) = [' (cid:9) ([ − 1) ([ − 2) Nguồn: Tác giả tổng hợp theo Tse (2009)
Các phân phối được trình bày trong Bảng 2.2 theo thứ tự từ trên xuống có đuôi dày tăng dần. Đây đều là các phân phối xác suất của các biến ngẫu nhiên nhận giá trị dương, phù hợp để mô hình hóa chi phí KCB.
33
Sử dụng dữ liệu lịch sử về tần suất và chi phí KCB có thể đưa ra các ước lượng cho những tham số của các phân phối tương ứng. Mục này trình bày hai phương pháp ước lượng tham số, đó là phương pháp tần suất và phương pháp Bayes. Đối với phương
pháp tần suất, tham số cần ước lượng được coi như hằng số cố định. Từ số liệu mẫu sẽ đưa ra được các ước lượng điểm và khoảng tin cậy cho tham số đó. Ngược lại, phương pháp Bayes coi tham số cần ước lượng như một biến ngẫu nhiên. Với việc giả định về
phân phối xác suất của tham số, phân phối tiền nghiệm và dữ liệu quan sát được của biến ngẫu nhiên gốc, có thể suy ra được phân phối xác suất hậu nghiệm của tham số. Từ đó suy ra các ước lượng tương ứng.
Giả sử cần ước lượng tham số của biến ngẫu nhiên có hàm mật độ xác suất
. Lập mẫu dữ liệu từ tổng thể biến ngẫu nhiên gốc . Có nhiều {
(cid:6) từ số liệu mẫu, nhưng phần này chỉ trình bày phương (cid:6)
phương pháp ước lượng tham số ;|(%|{) pháp ước lượng hợp lý tối đa. (%(cid:7), %(cid:9), … , %<) {
<
<
Hàm hợp lý và logarit tự nhiên của hàm hợp lý có dạng:
(cid:4)(cid:27)(cid:7)
}({) = ~ ;|(cid:12)(%(cid:4)|{) (cid:4)(cid:27)(cid:7) Ước lượng hợp lý tối đa của tham số ; €({) = (cid:22) ln ;|(cid:12)(%(cid:4)|{) là một số, ký hiệu sao cho tại đó hàm
hợp lý đạt giá trị cực đại. {(cid:129) {
{(cid:129) = arg max… }({) = arg max… €({)
Bảng 2.3 trình bày các ước lượng hợp lý tối đa của các tham số của một số phân phối xác suất đề cập ở phần trước, trong đó một số tham số không có ước lượng dạng giải tích mà được viết dưới dạng nghiệm của một phương trình và được giải bằng phương pháp xấp xỉ số học.
Bảng 2.3. Ước lượng hợp lý tối đa cho một số phân phối
Mô hình Hàm hợp lý Ước lượng hợp lý tối đa Tên
<
<‰
G
<7G
Nhị thức
‹ G(cid:27)(cid:23) < G(cid:27)(cid:23)
G(cid:27)(cid:23)
F̂ = (1 − F) }(F) = ~ ‡D E F ˆ ∑ (cid:20) ∑ C(cid:20)G (cid:20)G (cid:20) C †((cid:20), F)
34
c
<Ž
78
]
c G(cid:27)(cid:23)
Poisson
](cid:27)(cid:23)
‹
∑ C(cid:20)G = %̅ O(cid:143) = N }(O) = ~ Œ (cid:141) (cid:20) O %! B(O) Nhị thức
S
](cid:27)(cid:23)
G − F )
âm (1 }(K, F) = ~ ‡D E F (cid:20) ln i1 + c %̅ j K̂ G7(cid:7) C + K − 1 C <Ž (cid:13)†(K, F) “ = 0; ˆ − (cid:22) (cid:20)] ](cid:27)(cid:23) ‘(cid:22) ‹(cid:27)(cid:23)
1 K̂ + ’
<
Y
Y7(cid:7)
7\](cid:12)
F̂ = %̅ K̂ Gamma
<
&(G)
'(cid:143) = ; %(cid:4) N C %̅ ' Γ([) }([, ') = ~ (cid:4)(cid:27)(cid:7) ”([, ')
ln C − = ln %̅ − 1 (cid:20) Γ Γ(C) (cid:22) ln %(cid:4) (cid:4)(cid:27)(cid:7) Weibull
Y7(cid:7)
Y
<
'(cid:143) = %̅; }([, ') <
Y < ln %(cid:4) ∑ %(cid:4) (cid:4)(cid:27)(cid:7) < Y ∑ %(cid:4) (cid:4)(cid:27)(cid:7)
<
•([, ') h i j exp gi− j − − = 0 [ ' %(cid:4) ' %(cid:4) ' = ~ (cid:4)(cid:27)(cid:7) 1 (cid:20) 1 [ (cid:22) ln %(cid:4) (cid:4)(cid:27)(cid:7) Log-
<
(cid:9)
(cid:9)
(cid:9)
normal }(-, q) = -̂ = 1 (cid:20) (cid:22) ln %(cid:4) (cid:4)(cid:27)(cid:7)
<
(cid:9)
(cid:9) (cid:22)(ln %(cid:4) − -̂) (cid:4)(cid:27)(cid:7)
<
<
<
Y
Yu(cid:7)
exp =− t ℒ(-, q ) (log %(cid:4) − -) 2q 1 √2pq%(cid:4) ~ (cid:4)(cid:27)(cid:7) q— = 1 (cid:20) Pareto
: š › [' (%(cid:4) + ') }([, ') = ~ (cid:4)(cid:27)(cid:7) (cid:22) (cid:4)(cid:27)(cid:7) − (cid:22) (cid:4)(cid:27)(cid:7) 1 %(cid:4) + '(cid:143) (cid:20) '(cid:143) 1 %(cid:4) + '(cid:143) ˜([, ')
< (cid:4)(cid:27)(cid:7)
(cid:20) − = 0; − (cid:20) ln '(cid:143) ∑ lnœ%(cid:4) + '(cid:143)(cid:157)
< (cid:4)(cid:27)(cid:7)
(cid:20) [— = − (cid:20) ln '(cid:143) ∑ lnœ%(cid:4) + '(cid:143)(cid:157) Nguồn: Tác giả tổng hợp theo Tse (2009)
Phương pháp Bayes là phương pháp tiếp cận trong việc cập nhật giá trị ước lượng
khi có thêm thông tin về dữ liệu mẫu. Phương pháp này được sử dụng rộng rãi trong
35
lĩnh vực bảo hiểm phi nhân thọ do tính ngắn hạn của sản phẩm và yêu cầu cập nhật
thông tin thường xuyên về dữ liệu. Cụ thể, phí đóng hàng năm được tính toán lại dựa trên việc cập nhật dữ liệu về yêu cầu bồi thường của người được bảo hiểm.
Phương pháp Bayes coi tham số cần ước lượng như một giá trị cụ thể của biến
ngẫu nhiên và ước lượng dựa vào phân phối xác suất hậu nghiệm của với điều {
kiện đã biết mẫu dữ liệu cụ thể của mẫu ngẫu nhiên Θ Θ Θ
. ž = (%(cid:7), %(cid:9), … , %<) Ÿ =
((cid:6)(cid:7), (cid:6)(cid:9), … , (cid:6)<) Cụ thể phương pháp ước lượng Bayes, theo Tse (2009) bao gồm các nội dung
sau:
i. Giả sử là biến ngẫu nhiên cần nghiên cứu (có thể là số lượt KCB hoặc chi
trong mô hình rủi ro nhóm), có phân phối xác suất phụ phí KCB theo lượt (cid:6) (cid:13)
(cid:6)(cid:16) , được coi như một giá trị cụ thể của biến ngẫu nhiên . thuộc vào tham số
Θ { ii. có phân phối xác suất tiên nghiệm (prior distribution) với hàm mật độ xác suất
Θ ; ({). iii. Hàm mật độ xác suất của với điều kiện , kí hiệu , được gọi là hàm
<
;|| (ž, {) { hợp lý, được xác định bởi: (cid:6)
;|| (ž, {) = ~ ;|| (%(cid:4), {) (cid:4)(cid:27)(cid:7) trong đó là mẫu cụ thể của mẫu ngẫu nhiên
được rút ra từ tổng thể có cùng phân phối xác suất với X. ž = (%(cid:7), %(cid:9), … , %<) Ÿ =
((cid:6)(cid:7), (cid:6)(cid:9), … , (cid:6)<) được cập nhật. Phân phối iv. Dựa vào dữ liệu mẫu cụ thể x, phân phối xác suất của
xác suất của với điều kiện x được gọi là phân phối xác suất hậu nghiệm Θ
(posterior distribution), với hàm mật độ xác suất được xác định bởi: Θ
; |¡({|ž)
;Ÿ| (ž, {); ({) ; |¡({|ž) = = ; |({, ž) ;|(ž) ¢ ;Ÿ| (ž, {); ({)b{ … v. Ước lượng tham số của X, là hàm của , được xác định dựa vào phân phối hậu
nghiệm của , được gọi là ước lượng Bayes. Θ
Θ Như vậy, về mặt lý thuyết, phân phối hậu nghiệm của , hoàn toàn
Θ được xác định dựa vào phân phối tiên nghiệm của nó ; |¡({|ž) và hàm hợp lý .
; ({) Việc xác định phân phối hậu nghiệm của ;|| (ž, {) là đơn giản hay phức tạp phụ thuộc vào việc
lựa chọn phân phối tiên nghiệm. Theo Tse (2009), nếu phân phối tiên nghiệm và phân Θ
36
phối hậu nghiệm có dạng giống nhau, có thể có các tham số khác nhau thì các phân phối
này được gọi là phân phối liên hợp với nhau (conjugation) và phân phối tiên nghiệm
được gọi là liên hợp với hàm hợp lý của .
(cid:6) Chẳng hạn, giả sử biến ngẫu nhiên phân phối Poisson với tham số , trong đó
phân phối Gamma . Khi đó, hàm là một giá trị cụ thể của biến ngẫu nhiên (cid:6) {
có dạng: hợp lý của { Θ £([, ')
¦§
…
< (cid:4)(cid:27)(cid:7)
Ž(cid:12)¥ ](cid:12)!
(cid:6) ,
;|| (ž, {) = ∏ và hàm mật độ xác suất tiên nghiệm có dạng:
¨
Y7(cid:7)
7\…
\ ©(Y) {
.
; ({) = với điều kiện cũng là phân N Có thể chứng minh phân phối hậu nghiệm của
∗
∗
với tham số được tính bởi: phối Gamma Θ ž
∗
∗
£([ , ' ) ,
< (cid:4)(cid:27)(cid:7) và phân phối Gamma được gọi là phân phối liên hợp với hàm hợp lý của phân phối
= [ + ∑ %(cid:4) = ' + (cid:20) ; ' [
Poisson.
Bảng 2.4 trình bày một số phân phối liên hợp với hàm hợp lý tương ứng của biến
ngẫu nhiên . Luận án sử dụng các phân phối liên hợp này trong ước lượng tham số
, theo phương pháp Bayes. Chẳng hạn, giả sử số lượt KCB có phân phối nhị thức (cid:6)
trong đó có phân phối tiên nghiệm là Beta với tham số . Khi đó, với điều kiện dữ †(’, {)
cũng là Beta với các liệu về số lượt KCB được cập nhật, phân phối hậu nghiệm của [, ' {
∗
∗
tham số được xác định bởi: {
∗
< (cid:4)(cid:27)(cid:7)
[ , ' ,
< ∗ = ' + ∑ (’ − %(cid:4)) (cid:4)(cid:27)(cid:7) [ là mẫu dữ liệu được cập nhật về số lượt KCB. Đối với các phân
= [ + ∑ %(cid:4) ; ' trong đó,
%(cid:7), %(cid:9), … , %<
phối khác của số lượt KCB (Poisson, nhị thức âm) và chi phí KCB theo lượt (Gamma, Weibull, Log-normal, Pareto), các tham số cũng được ước lượng một cách tương tự.
37
Bảng 2.4. Các phân phối liên hợp và hàm hợp lý tương ứng
Phân
Hàm hợp lý Phân phối của Tham số của phân phối liên hợp hậu nghiệm phối liên hợp tiên ;Ÿ| (ž, {) nghiệm (cid:6)
<
<
](cid:12)
‹7](cid:12)
∗
Beta Nhị thức
(cid:4)(cid:27)(cid:7)
<
∗
(1 − {) [ ; = [ + (cid:22) %(cid:4) ’ %(cid:4)E { ~ D (cid:4)(cid:27)(cid:7) ℬ(’, {) [, '
<
<
](cid:12)
7…
∗
∗
' = ' + (cid:22)(’ − %(cid:4)) (cid:4)(cid:27)(cid:7) Poisson Gamma
(cid:4)(cid:27)(cid:7)
{ ; ' [ = [ + (cid:22) %(cid:4) N %(cid:4)! ;|| (ž, {) = ~ (cid:4)(cid:27)(cid:7) ˜({) [, '
<
<
= ' + (cid:20) Beta
S
](cid:12)
∗
∗
(cid:4)(cid:27)(cid:7)
Nhị thức âm (1 − {) ; ' [ = [ + (cid:22) %(cid:4) j { %(cid:4) + K − 1 %(cid:4) ~ i (cid:4)(cid:27)(cid:7) [, '
«ℬ(K, {) = ' + (cid:20)K
<
∗
¬
Gamma Gamma
¬7(cid:7)
7…](cid:12)
<
∗
(cid:4)(cid:27)(cid:7)
[ = [ + (cid:20)J; %(cid:4) N { Γ(J) ~ (cid:4)(cid:27)(cid:7) ”(J, {) [, ' '
<
∗
¬7(cid:7)
¬
Weibull = ' + (cid:22) %(cid:4)
<
∗
\ = ' + (cid:22) %(cid:4)
(cid:4)(cid:27)(cid:7)
Inverse Gamma [ = [ + (cid:20); D E exp gD− E h J { %(cid:4) { %(cid:4) { ~ (cid:4)(cid:27)(cid:7) •(J, {) '
<
< (cid:4)(cid:27)(cid:7)
∗
[, ' Chuẩn
(cid:9)
(cid:9) (log %(cid:4) − {) 2q
(cid:9) -(cid:23), q(cid:23)
∗(cid:9)
Log- - = exp =− t normal ~ (cid:4)(cid:27)(cid:7) 1 √2pq%(cid:4)
(cid:9)
; = q -(cid:23) + ∑ ln %(cid:4) 1 + (cid:20) (cid:9) q(cid:23) 1 + (cid:20) ℒ({, q )
(cid:9) q(cid:23) (cid:9) q
=
38
<
∗
∗
…
Pareto Gamma
…u(cid:7)
(cid:4)(cid:27)(cid:7)
[ = [ + (cid:20); ' < {J (%(cid:4) + J) ;|| (ž, {) = ~ (cid:4)(cid:27)(cid:7) ˜({, J) [, ' = ' + (cid:22) ln %(cid:4) J Nguồn: Tác giả tổng hợp theo Tse (2009)
Các mục trên đã trình bày các phân phối (mô hình) khác nhau cho tần suất KCB
(cid:4) (cid:6)(cid:16)
và chi phí cho một lượt KCB trong mô hình rủi ro nhóm. Mỗi lựa chọn mô hình
(cid:13)(cid:4) cho và cho sẽ đưa ra các phân phối khác nhau cho . Vấn đề đặt ra là mô hình
(cid:4) (cid:6)(cid:16)
(cid:13)(cid:4) (cid:3)(cid:4) nào phù hợp nhất với dữ liệu hiện có?
Sử dụng công cụ đồ thị sẽ đưa ra hình dung ban đầu về phân phối. Thông thường, có thể mô tả dữ liệu bằng cách vẽ đồ thị hàm phân phối hoặc hàm mật độ xác suất thực nghiệm. Hay đồ thị miền hệ số nhọn và bất đối xứng cũng cho những gợi ý về việc lựa
chọn phân phối. Tuy nhiên, cần phải có những tính toán cụ thể, như các kiểm định thống kê mới cho kết quả chính xác hơn. Một số kiểm định về phân phối được trình bày ở mục tiếp theo là kiểm định Kolmogorov – Smirnov và kiểm định Anderson-Darling. Trong trường hợp kết quả kiểm định cho nhiều lựa chọn về phân phối thì các tiêu chí đánh giá
sẽ chỉ ra phân phối phù hợp nhất.
Các mục tiếp theo sẽ trình bày các phương pháp để kiểm định phân phối và một
số tiêu chí đánh giá lựa chọn mô hình.
Kiểm định Kolmogorov – Smirnov dùng để kiểm tra xem một mẫu có được rút
ra từ tổng thể có phân phối nào đó hay không. Xét mẫu ngẫu nhiên được rút
ra từ tổng thể có phân phối . Cặp giả thuyết cần kiểm định có dạng: ((cid:6)(cid:7), … , (cid:6)<)
£
¯(cid:23): °ẫ² bữ €(cid:2)ệ² µó Fℎâ(cid:20) Fℎố(cid:2) £ ¯(cid:7): °ẫ² bữ €(cid:2)ệ² Cℎô(cid:20)2 µó Fℎâ(cid:20) Fℎố(cid:2) £ ® Tiêu chuẩn kiểm định cặp giả thuyết có dạng:
,
»‹ = sup] |¾‹(%) − £(%)| trong đó là hàm phân phối xác suất thực nghiệm của . Cụ thể:
¾‹(%) (cid:6)(cid:4)
‹
39
¾‹(%) = 1 ’ (cid:22) ¿((cid:6)(cid:4) ≤ %) (cid:4)(cid:27)(cid:7) Với điều kiện đúng, sẽ có phân phối Kolmogorov–Smirnov. Khi đó với mức ý
nghĩa , miền bác bỏ giả thuyết có dạng: »‹ ¯(cid:23)
[ ¯(cid:23) ,
ÁY = »‹|»‹ > ÃYÄ trong đó là giá trị tới hạn Kolmogorov–Smirnov mức . Như vậy, giả thuyết sẽ
được chấp nhận, đồng nghĩa với việc mẫu dữ liệu được rút ra từ tổng thể có phân phối ¯(cid:23) [
nếu Điều kiện này tương đương với điều kiện ÃY , với mức ý nghĩa
, với »‹ < ÃY. là biến ngẫu nhiên phân phối B −
, trong đó [ £ Kolmogorov–Smirnov. B − 4J€²N = B(Ã > »‹) 4J€²N > [ Ã
Kiểm định Kolmogorov – Smirnov cũng được mở rộng cho trường hợp kiểm định hai tổng thể có cùng phân phối xác suất. Cụ thể, giả sử có hai mẫu ngẫu nhiên
và được rút ra từ tổng thể có hàm phân phối xác suất lần lượt
và là (cid:6)(cid:7), (cid:6)(cid:9), … , (cid:6)‹ . Cặp giả thuyết cần kiểm định có dạng: Å(cid:7), Å(cid:9), … , Å<
¾(%) £(%)
¯(cid:23): ¾ = £ ® ¯(cid:7): ¾ ≠ £ Tiêu chuẩn kiểm định cặp giả thuyết có dạng:
Æ w
‹<
‹u , sup] |¾‹(%) − £<(%)| trong đó và »‹< = D
tương ứng là các hàm phân phối xác suất thực nghiệm của và đúng, có phân phối Kolmogorov–Smirnov. Khi đó các kết
(cid:6)(cid:4) . Với điều kiện
¾‹(%) luận được đưa ra tương tự như trên. »‹< Å(cid:16) £<(%)
¯(cid:23) Kiểm định Anderson – Darling tương tự như kiểm định Kolmogorov – c (cid:9) Sminov nhưng chỉ thay đổi tiêu chuẩn kiểm định. Cụ thể, tiêu chuẩn kiểm định AD
có dạng: 2(%)b% Ç» = ’ _
(cid:23) Ⱦ‹(%) − £(%)É
£(%)È1 − £(%)É đúng, sẽ có phân phối Anderson – Darling. Giả thuyết sẽ bị bác Với điều kiện bỏ nếu . ¯(cid:23) Ç» ¯(cid:23) Ç» > Ç»Y 40 Đây là kiểm định phân phối xác suất dành cho biến ngẫu nhiên rời rạc hoặc rời được rút ra từ tổng thể có bảng phân phối tần số rạc hóa. Giả sử mẫu cụ thể thực nghiệm dạng: (%(cid:7), … , %<) ... %(cid:4) %G %(cid:7) %(cid:9) ... (cid:20)(cid:4) (cid:20)G (cid:20)(cid:7) với (cid:20)(cid:9)
là kích thước mẫu. (cid:20)(cid:7) + (cid:20)(cid:9) + ⋯ + (cid:20)G = (cid:20) Cặp giả thuyết cần kiểm định có dạng: ¯(cid:23): °ẫ² bữ €(cid:2)ệ² µó Fℎâ(cid:20) Fℎố(cid:2) £
¯(cid:7): °ẫ² bữ €(cid:2)ệ² Cℎô(cid:20)2 µó Fℎâ(cid:20) Fℎố(cid:2) £ ®
Nếu giả thuyết là đúng, tức là mẫu dữ liệu được rút ra từ tổng thể phân phối . Khi đó ta có thể tính các tần số lý thuyết tương ứng: . Bảng phân ¯(cid:23) &
(cid:20)(cid:4) phối tần số lý thuyết có dạng:
£ = (cid:20)B((cid:6) = %(cid:4)) ... ... G (cid:9) (cid:9) %(cid:4)
&
(cid:20)(cid:4) %G
&
(cid:20)G %(cid:7)
&
(cid:20)(cid:7) %(cid:9)
&
(cid:20)(cid:9) Tiêu chuẩn kiểm định cặp giả thuyết trên có dạng: &
((cid:20)(cid:4) − (cid:20)(cid:4)
&
(cid:20)(cid:4) ) (cid:9) Ê
là đúng, = (cid:22)
(cid:4)(cid:27)(cid:7)
sẽ phân phối Khi bình phương với bậc tự do Nếu giả thuyết là số tham số cần ước lượng của quy luật phân phối với Ê . Khi đó, miền bác bỏ
C − £ ¯(cid:23)
cặp giả thuyết có dạng:
K
K − 1, (cid:9)(G7S7(cid:7)) (cid:9) (cid:9) . |Ê > ÊY ÁY = ËÊ Ì Theo kết quả kiểm định ở mục trước, dữ liệu mẫu có thể được trích xuất ra từ
tổng thể có phân phối nào đó hoặc không. Trong trường hợp kết quả cho thấy có nhiều hơn một phân phối phù hợp với dữ liệu thì cần có phương pháp đánh giá so sánh để đưa
ra mô hình phù hợp nhất. Theo cách tiếp cận dựa vào điểm số (Scored – based approach)
của Wuthrich (2017), có thể lựa chọn mô hình theo các tiêu chí sau: i. Phân phối có thống kê Kolmogorov – Smirnov nhỏ nhất; ii. Phân phối có thống kê Anderson – Darling nhỏ nhất;
iii. Phân phối có thống kê Khi bình phương nhỏ nhất; 41 iv. Phân phối có giá trị lớn nhất. B − 4J€²N Ngoài ra, có thể sử dụng các tiêu chuẩn (Akaike Information Criterion) và (Bayesian Information Criterion) để lựa chọn mô hình. Trong đó, Ç¿(cid:19) †¿(cid:19) Í
(cid:9) log (cid:20) Ç¿(cid:19) = log }œ{(cid:129); %(cid:157) − F , †¿(cid:19) = log }œ{(cid:129); %(cid:157) − với là hàm hợp lý được tính tại , là số các tham số cần ước lượng trong mô hình và và/hoặc lớn nhất sẽ được chọn. {(cid:129)
là kích thước mẫu. Mô hình có F log }œ{(cid:129); %(cid:157) (cid:20) Ç¿(cid:19) †¿(cid:19) Sau khi đã tìm được mô hình phù hợp cho số lượt và chi phí KCB với dữ liệu quá
khứ, Luận án sẽ thực hiện các mô phỏng lại số lượt và chi phí KCB theo những mô hình
này để ước lượng cho chi phí KCB trong tương lai. Kết quả mô phỏng được sẽ là phân
phối xác suất của chi phí KCB và từ đó có thể tính toán được các tham số đặc trưng liên quan đến việc gia quyết định chính sách. Mục này trình bày phương pháp mô phỏng
biến ngẫu nhiên dựa vào các phân phối xác suất của chúng. Giả sử cần mô phỏng biến ngẫu nhiên rời rạc có hàm xác suất: (cid:6) B((cid:6) = %(cid:4)) = F(cid:4), 1 ≤ (cid:2) ≤ C, ta áp dụng thuật toán sau: (1) Mô phỏng biến ngẫu nhiên ; thì đặt (2) Nếu ;
Î~Î(0,1)
; (3) Nếu thì đặt
(cid:6) = %(cid:7) 0 ≤ Î ≤ F(cid:7)
F(cid:7) ≤ Î ≤ F(cid:7) + F(cid:9) (cid:6) = %(cid:9) ... (4) Nếu thì đặt . F(cid:7) + ⋯ + F<7(cid:7) ≤ Î ≤ 1 (cid:6) = %< Có nhiều phương pháp mô phỏng biến ngẫu nhiên liên tục tùy thuộc vào thông tin có được về biến ngẫu nhiên (chẳng hạn nếu biết hàm phân phối xác suất và hàm
ngược của nó thì có thể dùng phương pháp biến đổi ngược). Mục này trình bày phương
pháp biến đổi ngược, phương pháp chấp nhận - bác bỏ, phương pháp tích chập và 2.4.2.1. Phương pháp biến đổi ngược phương pháp thành phần. 42 Giả sử cần mô phỏng biến ngẫu nhiên có hàm phân phối xác suất . Kí hiệu 7(cid:7) hàm ngược của hàm là , trong đó (cid:6) ¾(%) 7(cid:7) ¾ ¾ 7(cid:7)
thuật toán mô phỏng biến ngẫu nhiên ¾ Khi đó, (²) = infÂ%: ¾(%) ≥ ²Ä
sẽ có cùng phân phối xác suất với , với . Từ đó ta có như sau: (Î) ¾ (cid:6) Î~Î(0,1) (cid:6) (1) Mô phỏng biến ngẫu nhiên ; 7(cid:7) (2) Đặt . Î~Î(0,1) (cid:6) = ¾ (Î)
2.4.2.2. Phương pháp chấp nhận – bác bỏ Giả sử cần mô phỏng biến ngẫu nhiên có hàm mật độ xác suất . Ngoài ra, nếu đã biết mô phỏng biến ngẫu nhiên có hàm mật độ xác suất (cid:6) thỏa mãn điều
;(%) . Khi đó, ta có thuật toán mô phỏng biến ngẫu nhiên kiện: 2(%) Å như sau: ;(%) ≤ (cid:19). 2(%), ∀%, (cid:19) ∈ ℝ (cid:6) (1) Mô phỏng biến ngẫu nhiên ; (2) Mô phỏng biến ngẫu nhiên có hàm mật độ xác suất ; Î~Î(0,1) (3) Nếu Å 2(%) Ô(Õ) Ö×(Õ) , Î ≤ thì đặt , nếu không thì quay lại bước (1). 2.4.2.3. Phương pháp thành phần (cid:6) = Å Giả sử cần mô phỏng biến ngẫu nhiên có hàm phân phối xác suất . Nếu có thể tìm được các hàm phân phối xác suất và các trọng số ¾(%) sao cho: (cid:6)
¾(cid:7)(%), ¾(cid:9)(%), … F(cid:7), F(cid:9), … , ∀%, ¾(%) = ¾(cid:7)(%) + ¾(cid:9)(%) + ⋯ trong đó . F(cid:7) + F(cid:9) + ⋯ = 1 Khi đó, ta có thuật toán mô phỏng biến ngẫu nhiên như sau: (1) Mô phỏng biến ngẫu nhiên (cid:6)
có hàm xác suất ; (2) Nếu thì mô phỏng biến ngẫu nhiên có hàm phân phối xác suất ; ¿ B(¿ = (cid:2)) = F(cid:4) (3) Đặt . Å(cid:4) ¾(cid:4)(%) 2.4.2.4. Phương pháp tích chập ¿ = (cid:2)
(cid:6) = Å(cid:4) Giả sử biến ngẫu nhiên có cùng phân phối xác suất với tổng các biến ngẫu nhiên , trong đó các biến ngẫu nhiên độc lập với cố định hữu hạn. Khi (cid:6) Å(cid:7) + ⋯ + Å< Å(cid:4) (cid:20) 43 đó ta có thuật toán mô phỏng biến ngẫu nhiên như sau: (cid:6) (1) Mô phỏng một cách độc lập; (2) Đặt . Å(cid:7), … , Å< (cid:6) = Å(cid:7) + ⋯ + Å< Giả sử biến ngẫu nhiên tuân theo mô hình rủi ro nhóm có dạng: (cid:11) (cid:3) , (cid:13) ≠ 0 (cid:3) = Ø (cid:22) (cid:6)(cid:16)
(cid:16)(cid:27)(cid:7) (cid:13) = 0
0,
được thực hiện như sau: Khi đó các bước mô phỏng (cid:3) (1) Tạo ra tham số của biến ngẫu nhiên từ phân phối xác suất của biến ngẫu ; nhiên (cid:13) (2) Tạo ra giá trị {(cid:7)
từ phân phối xác suất của biến ngẫu nhiên ; của biến ngẫu nhiên từ phân phối xác suất của biến ngẫu Θ
(3) Tạo ra tham số
(cid:20)(cid:7) (cid:13) ; nhiên Ù(cid:7) (cid:6) giá trị từ phân phối xác suất của biến ngẫu nhiên ; (4) Tạo ra
Γ
(cid:20)(cid:7) %(cid:7), %(cid:9), … , %<Æ (cid:6) cho ta một giá trị mô phỏng của . (5) Tổng Ú(cid:7) = %(cid:7) + %(cid:9) + ⋯ + %<Æ (cid:3) Lặp lại lần các bước từ (1) đến (5) sẽ nhận được một mẫu giá trị ngẫu nhiên của . Kết quả này cho ta phân phối thực nghiệm của (cid:20) .
(cid:20) (cid:3): Ú(cid:7), Ú(cid:9), … , Ú< (cid:3) Mục này trình bày một số độ đo rủi ro trong lĩnh vực bảo hiểm nói chung và
BHYT nói riêng. Rủi ro lớn nhất một công ty bảo hiểm hay quỹ bảo hiểm gặp phải chính
là rủi ro tiềm ẩn phát sinh từ các tổn thất từ phía người được bảo hiểm. Các độ đo rủi ro có thể được sử dụng với các mục đích sau: • Xác định phí bảo hiểm (Insurance premium): Đây là mức phí mà người được bảo
hiểm trả cho nhà bảo hiểm nhằm mục đích chuyển rủi ro tổn thất sang nhà bảo hiểm.
Mức phí bảo hiểm được tính toán dựa vào những tổn thất dự kiến trong tương lai. • Xác định vốn kinh tế (Economic capital): Đó là nguồn vốn mà một công ty bảo
hiểm hay một quỹ phải nắm giữ để tránh mất khả năng thanh toán. Nguồn vốn này dùng để đảm bảo cho những tổn thất không lường trước được do những rủi ro có thể xảy ra
trong tương lai. Luận án tập trung trình bày một số độ đo rủi ro được sử dụng với hai mục đích 44 trên. Ký hiệu là biến ngẫu nhiên đại diện cho tổn thất của người được bảo hiểm, , và lần lượt là giá trị kỳ vọng, phương sai và độ lệch chuẩn của . Một số (cid:3) (cid:3)
qÛ độ đo rủi ro dùng để tính phí được định nghĩa như trong Bảng 2.5.
+((cid:3)) 3((cid:3)) Bảng 2.5. Các loại phí bảo hiểm Công thức Các loại phí bảo hiểm Phí bảo hiểm thuần +((cid:3)) Phí bảo hiểm có hệ số tải (1 + {)+((cid:3)), { ≥ 0 Phí bảo hiểm theo nguyên lý phương sai Phí bảo hiểm theo nguyên lý độ lệch chuẩn +((cid:3)) + [3((cid:3)), [ ≥ 0 +((cid:3)) + -qÛ, - ≥ 0
Nguồn: Tác giả tổng hợp theo Tse (2009) Việc sử dụng công thức nào để tính phí là tùy thuộc vào mục đích và tính chất của công ty/quỹ bảo hiểm. Tùy theo quy định của pháp luật cũng như quy định của mỗi công ty mà cách tính vốn kinh tế cũng có các loại khác nhau. Mục này trình bày một số độ đo rủi ro sử dụng và . trong tính vốn kinh tế, đó là 2.5.2.1. Giá trị rủi ro 3JÜ (cid:19)(cid:18)+ 3JÜ
(Value at Risk) Giá trị rủi ro của một tổn thất là giá trị nhỏ nhất sao cho khả năng tổn thất lớn hơn giá trị đó không vượt quá một mức xác suất cho trước. Cụ thể, 3JÜ 7(cid:7)
cho ta biết mức tổn thất lớn nhất có thể xảy ra với 3JÜY((cid:3)) = ¾Û ([) = infÂ% ≥ 0: ¾Û(%) ≥ [Ä Như vậy, giá trị rủi ro một độ tin cậy nào đó. Giá trị được sử dụng một cách rộng rãi trong thực tế do sự 3JÜ đơn giản trong tính toán. Có hai phương pháp ước lượng là phương pháp tham số 3JÜ và phương pháp phi tham số (Tse, 2009). Theo phương pháp tham số, được 3JÜ 7(cid:7) xác định nếu biết hàm phân phối xác suất của , và hàm ngược của nó . Phương pháp phi tham số cho phép ước lượng chỉ cần dựa vào phân phối xác
([) (cid:3) ¾Û 3JÜY((cid:3))
¾Û suất thực nghiệm của . 3JÜY((cid:3)) (Conditional Tail Expectation) (cid:3)
2.5.2.2. Giá trị rủi ro (cid:19)(cid:18)+
đo lường mức độ tổn thất trung bình với điều kiện mức tổn thất Giá trị rủi ro đã vượt quá , được định nghĩa bởi: (cid:19)(cid:18)+ 3JÜ 45 (cid:19)(cid:18)+Y((cid:3)) = +((cid:3)|(cid:3) > 3JÜY((cid:3))) chỉ cho ta một giá trị cụ thể tương ứng với một độ tin Nếu như giá trị rủi ro cậy nào đó thì là cung cấp thông tin về phân phối đuôi của tổn thất trong trường 3JÜ . hợp tổn thất đã vượt quá giá trị rủi ro
(cid:19)(cid:18)+Y 3JÜY
Vốn chủ sở hữu tối thiểu doanh nghiệp cần phải có, với độ tin cậy , là mức vốn [ yêu cầu phải có để đảm bảo chi trả cho những tổn thất bất thường có thể xảy ra, sẽ được
tính bằng công thức: 3JÜY((cid:3)) − +((cid:3)) hoặc (cid:19)(cid:18)+Y((cid:3)) − +((cid:3)) Việc sử dụng hay là tùy thuộc vào quan điểm của nhà quản lý. Hiện . nay thước đo được ưu tiên sử dụng nhiều hơn
3JÜY (cid:19)(cid:18)+Y (cid:19)(cid:18)+Y 3JÜY 46 Chương này đã trình bày phương pháp sử dụng trong Luận án để ước lượng chi phí KCB theo mô hình rủi ro nhóm. Theo mô hình này, tổng chi phí KCB của một người
trong một nhóm đối tượng nào đó trong năm được biểu diễn dưới dạng tổng chi phí của
tất cả các lượt KCB của người đó trong năm. Trong đó, tổng số lượt KCB của người đó
được xem như biến ngẫu nhiên rời rạc có phân phối xác suất tuân theo các quy luật Nhị thức, Nhị thức âm và Poisson; và chi phí cho mỗi lượt KCB cũng được mô hình hóa
bằng các phân phối xác suất của biến ngẫu nhiên liên tục nhận giá trị dương như Gamma,
Weibull, Lognormal và Pareto. Đây là những phân phối được sử dụng rộng rãi trong mô hình hóa tổn thất trong bảo hiểm phi nhân thọ nói chung và chi phí KCB nói riêng. Chương này cũng trình bày các kiểm định thống kê để xác định phân phối phù
hợp với số lượt KCB và chi phí KCB cho từng nhóm đối tượng cụ thể. Kiểm định
Kolmogorov – Smirnov và kiểm định Anderson – Darling được dùng để lựa chọn các phân phối liên tục và kiểm định Khi bình phương được dùng trong lựa chọn các phân
phối rời rạc. Phương pháp ước lượng tham số của các phân phối được mô tả kĩ lưỡng theo phương pháp tần suất và phương pháp Bayes. Theo phương pháp tần suất, tham số cần
ước lượng được coi như hằng số, và được ước lượng dựa vào phương pháp hợp lý tối
đa. Ngược lại, phương pháp Bayes coi tham số cần ước lượng như một biến ngẫu nhiên
và ước lượng nó dựa vào phân phối xác suất hậu nghiệm khi thông tin về dữ liệu được cập nhật. Mô phỏng ngẫu nhiên là phương pháp tiếp cận số hóa trong việc ước lượng các
phân phối xác suất. Các phương pháp mô phỏng các loại biến ngẫu nhiên từ phân phối xác suất của chúng được luận án mô tả rõ ràng, để từ đó có thể mô phỏng tổng chi phí
KCB theo mô hình rủi ro nhóm. Cuối cùng, các công thức tính độ đo rủi ro và ứng dụng của chúng giúp tính toán
các tham số từ phân phối xác suất của chi phí KCB BHYT ước lượng được. Các tham số này cho thông tin về chi phí KCB BHYT trung bình hay mức độ rủi ro về chi phí
KCB BHYT và từ đó giúp tính toán được mức phí phải đóng của người tham gia bảo
hiểm cũng như mức vốn kinh tế trong việc dự phòng cân đối quỹ BHYT. 47 Mục tiêu của Chương 3 là mô tả tình hình tham gia bảo hiểm y tế (BHYT), thực trạng sử dụng các dịch vụ khám, chữa bệnh (KCB) do BHYT chi trả ở Việt Nam. Phần
đầu của chương sẽ trình bày một số khái niệm liên quan có sử dụng trong chương cũng
như trong Luận án. Phần tiếp theo trình bày tình hình tham gia BHYT của người dân. Cuối cùng, thực trạng KCB bằng BHYT như tần suất KCB, chi phí do BHYT chi trả sẽ
được mô tả chi tiết. Các kết luận rút ra từ chương thực trạng này sẽ giúp cho việc áp
dụng mô hình trong Chương 4 một cách hợp lý. 3.1.1.1. Quỹ Bảo hiểm y tế Quỹ BHYT là quỹ tài chính được hình thành từ nguồn đóng BHYT và các nguồn
thu hợp pháp khác, được sử dụng để chi trả chi phí khám bệnh, chữa bệnh cho người 3.1.1.2. Thẻ Bảo hiểm Y tế tham gia BHYT, chi phí quản lý bộ máy của tổ chức BHYT và những khoản chi phí hợp
pháp khác liên quan đến BHYT. Thẻ BHYT là do cơ quan BHXH phát hành, phản ảnh thông tin cá nhân của người
tham gia BHYT (như họ tên, giới tính, ngày tháng năm sinh, địa chỉ nơi cư trú hoặc nơi
công tác); mức hưởng BHYT theo quy định; thời điểm thẻ BHYT có giá trị sử dụng; nơi đăng ký KCB BHYT ban đầu. Mỗi thẻ BHYT có một mã riêng biệt, đó là một dãy ký
tự gồm phần chữ và phần số. Ví dụ, mã HC4010108090991 gồm có các thông tin cụ thể
với phần chữ (HC) là mã đối tượng tham gia BHYT; vị trí tiếp theo (4), được đánh số
từ 1 đến 5 là nhóm đối tượng mức hưởng BHYT; hai vị trí tiếp nữa (01), được đánh số 3.1.1.3. Tỷ lệ tham gia Bảo hiểm Y tế từ 01 đến 99 là mã tỉnh, thành phố phát hành thẻ BHYT; và mười ký tự cuối
(0108090991) là mã số BHXH. Tỷ lệ tham gia BHYT được tính bằng tỷ lệ giữa số người có thẻ BHYT và tổng
số dân số. Tỷ lệ này có thể tính chung cho toàn bộ dân số, có thể tính cho một nhóm dân
số nào đó phân chia theo các đơn vị hành chính, theo thời gian hay theo các đặc điểm 48 3.1.1.4. Tần suất khám chữa bệnh Bảo hiểm Y tế nhân khẩu như nhóm tuổi, giới tính... Tần suất KCB BHYT là số lượt KCB BHYT của một người sử dụng thẻ BHYT
trong KCB trong năm. Con số này có thể tính chung, có thể tính cho một nhóm dân số 3.1.1.5. Chi phí khám chữa bệnh Bảo hiểm Y tế có thẻ nào đó phân chia theo các đặc điểm nhân khẩu hoặc phi nhân khẩu. Chi phí KCB BHYT là số tiền mà BHYT chi trả cho việc KCB của người có thẻ 3.1.1.6. Loại khám chữa bệnh BHYT và sử dụng thẻ BHYT trong KCB. 3.1.1.7. Tuyến KCB Có hai loại KCB là KCB nội trú và KCB ngoại trú. KCB ngoại trú là việc khám
và chữa bệnh mà bệnh nhân không phải lưu lại qua đêm tại cơ sở y tế. Còn KCB nội trú
là bệnh nhân phải lưu lại cơ sở y tế ít nhất một đêm. Theo thông tư 43/2013/TT-BYT ngày 11/12/2013 của Bộ Y tế thì “Phân tuyến
chuyên môn kỹ thuật trong khám bệnh, chữa bệnh (Tuyến KCB) là phân loại cơ sở khám bệnh, chữa bệnh thành các tuyến chuyên môn kỹ thuật quy định tại Điều 81 của Luật
khám bệnh, chữa bệnh. Căn cứ vào yêu cầu về phạm vi hoạt động chuyên môn, quy mô
hoạt động, điều kiện cơ sở vật chất, trang thiết bị, nhân lực và năng lực thực hiện kỹ
thuật của cơ sở khám bệnh, chữa bệnh để phân tuyến chuyên môn, kỹ thuật”. Tuyến 3.1.1.8. Nhóm bệnh KCB bao gồm các tuyến trung ương, tỉnh, huyện và xã và mỗi tuyến có các tiêu chuẩn
cụ thể. Nhóm bệnh là nhóm các bệnh được phân chia dựa theo Bảng phân loại quốc tế
về bệnh tật ICD-10 đã được biên tập sang tài liệu song ngữ Anh - Việt (Khuê và cộng
sự, 2015), bao gồm 22 nhóm theo thứ tự có tên như trong Phụ lục 1. Chính sách BHYT của Việt Nam được bắt đầu thực hiện từ năm 1992. Theo Điều lệ BHYT được ban hành kèm theo Nghị định 299/NĐ/CP/1992 của Chính phủ, BHYT
Việt Nam trực thuộc Bộ Y tế; BHYT các tỉnh và ngành trực thuộc BHYT Việt Nam.
Đến năm 1998, thực hiện Nghị định số 58/1998/NĐ-CP của Chính phủ, BHYT Việt
Nam được thành lập trên cơ sở thống nhất hệ thống cơ quan BHYT từ trung ương đến địa phương và BHYT ngành để quản lý và thực hiện chính sách BHYT. Quỹ BHYT 49 được quản lý tập trung, thống nhất trên phạm vi cả nước. Từ ngày 01/01/2003, BHYT sát nhập vào Bảo hiểm xã hội Việt Nam (BHXHVN) và BHXHVN là cơ quan tổ chức
thực hiện chính sách BHYT. Đến ngày 08/8/2005 Chính phủ đã có Quyết định thành lập
Vụ BHYT thuộc Bộ Y tế để thực hiện chức năng quản lý nhà nước về BHYT. Trong gần 30 năm qua, Chính phủ và các bộ, ngành liên quan đã ban hành nhiều
văn bản pháp luật về BHYT, tạo cơ sở pháp lý cho việc triển khai chính sách BHYT,
góp phần tích cực tạo nguồn tài chính cho việc bảo vệ, chăm sóc và nâng cao sức khoẻ
nhân dân. Đặc biệt, tại kỳ họp thứ IV vào ngày 14/11/2008, Quốc hội khoá XII đã thông qua Luật BHYT và bắt đầu có hiệu lực từ ngày 01/7/2009 và ngày này đã được Thủ
tướng Chính phủ quyết định là Ngày BHYT Việt Nam (theo Quyết định số 823/QĐ-
TTg ngày 16/6/2009). Nội dung của Luật BHYT đã cơ bản khắc phục được những vướng mắc, tồn tại trong việc thực hiện chính sách tài chính y tế để từng bước tiến tới mục tiêu
xây dựng nền y tế Việt Nam theo định hướng công bằng, hiệu quả và phát triển. Tiếp
đó, ngày 13/6/2014, Quốc hội ban hành Luật BHYT sửa đổi, trong đó có những quy
định quan trọng nhằm mở rộng diện bao phủ và quyền lợi cho người tham gia BHYT. 2016 2014 • Thông tuyến KCB
• TT 40/2015/TT-BYT • Luật sửa đổi 46/2014/QH13 2009 2005 • Luậtt BHYT
• 823/QĐ-TTg • Mở rộng đối tượng 1998 tham gia BHYT
• Nghị định 63/CP • Quỹ BHYT quản lý tập trung • Nghị định 58/CP 1992
• BHYT ra đời
• Nghị định 299 HĐBT Hình 3.1 mô tả quá trình ra đời và phát triển BHYT với một số dấu mốc quan trọng. Hình 3.1. Bảo hiểm y tế Việt Nam – Các dấu mốc quan trọng Nguồn: Tác giả tổng hợp từ các văn bản pháp luật liên quan Về đối tượng tham gia BHYT, nhờ việc thay đổi chính sách, nên có sự thay đổi
đáng kể qua các năm. Hình 3.2 mô tả tình hình tham gia BHYT theo thời gian và ứng
với các thay đổi về mặt chính sách. Thân nhân người lao động, xã viện
HTX và các đối tượng khác 2014 Nông dân HSSV 50 Trẻ em < 6 tuổi, Người cận nghèo Người lao động trong DN ngoài nhà nước có từ 01 lao động trở lên, HTX, tổ
chức hợp pháp; cựu chiến binh; người nghèo ĐBQH, HĐND; Giáo viên màm non, Nhóm chính sách xã hội; thân nhân sĩ quan; Cán bộ, công chức, viên chức, người lao động trong DNNN; người lao động trong DN ngoài nhà
nước có > 10 lao động; người hưởng lương hưu, trợ cấp MSLĐ Hình 3.2. Lộ trình bao phủ các đối tượng tham gia BHYT, 1992-2014 Nguồn: Báo cáo BHYT toàn dân 2015 Các nguồn thu cho quỹ BHYT bao gồm Ngân sách nhà nước; Quỹ BHXHVN;
Người sử dụng lao động; Người lao động. Bảng 3.1 trình bày chi tiết về các nhóm đối
tượng tham gia BHYT và tỷ lệ đóng tương ứng. 51 Nhóm Đối tượng Tỷ lệ đóng do đối
1. Nhóm
tượng lao động và sử
dụng lao động đóng Người lao động; người quản lý doanh
nghiệp, đơn vị sự nghiệp; công chức; viên
chức; người hoạt động không chuyên
trách ở xã, phường; ... 4.5% lương tháng, hai
phần do người sử
dụng lao động đóng,
một phần do người
lao động đóng. 2. Nhóm do cơ quan
BHXH đóng Hưu trí; người đang hưởng trợ cấp như
thất nghiệp, thai sản, ốm đau, ... 4.5% lương trợ cấp
hàng tháng 3. Nhóm do ngân
sách nhà nước đóng 4.5% Người đang hưởng trợ cấp hàng tháng từ
ngân sách nhà nước; người có công với
cách mạng; cựu chiến binh; người tham
gia kháng chiến bảo vệ tổ quốc; Đại biểu
Quốc hội và Hội đồng nhân dân các cấp;
trẻ em dưới 6 tuổi; Nhóm cận nghèo; người dân sống trong
vùng khó khăn; học sinh, sinh viên; ... 4.5% lương tháng tối
thiểu 4. Nhóm được ngân
sách nhà nước hỗ trợ
mức đóng Người có tên trong sổ hộ khẩu mà không
thuộc các nhóm đối tượng khác tham gia
5. Nhóm
BHYT theo hộ gia
đình 4.5% lương tháng tối
thiểu của thành viên
đầu tiêm của gia đình do Thân nhân của công nhân viên chức quốc
phòng, công an, ... đối
6. Nhóm
tượng sử dụng lao
động đóng Bảng 3.1. Nhóm đối tượng tham gia BHYT và tỷ lệ đóng Nguồn: Nghị định 146/2018/NĐ-CP (2018) Người tham gia BHYT sẽ được thanh toán các khoản chi phí KCB khi sử dụng
thẻ BHYT trong KCB tại các cơ sở y tế có ký hợp đồng với BHXHVN. Mức hưởng
BHYT có thể 100% chi phí KCB hoặc ít hơn tùy thuộc vào nhóm đối tượng tham gia theo quy định của Luật BHYT. Luật BHYT cũng quy định rõ việc quản lý và sử dụng quỹ BHYT, trong đó 90% quỹ dành cho KCB và 10% dành cho quỹ dự phòng và chi phí quản lý quỹ BHYT. Thực trạng tham gia BHYT được mô tả qua việc sử dụng hai bộ dữ liệu: dữ liệu
điều tra mức sống hộ gia đình Việt Nam (VHLSS) và Niên giám thống kê BHYT qua 52 các năm. Với các thông tin liên quan đến chăm sóc sức khỏe và BHYT, bộ dữ liệu 100 92.44 91.46 90.73 89.71 88.81 87.86 86.93 86.02 85.12 75.67 80 68.32 64.65 61.76 57.68 55.81 60 51.14 50.07 39.75 40 20 - 2008 2009 2010 2011 2012 2013 2014 2015 2016 Dân số Số người tham gia BHYT VHLSS thu thập được các thông tin về các loại hình tham gia BHYT, tình hình KCB
(số lượt KCB và chi phí tương ứng) của người được phỏng vấn. Niên giám thống kê
cung cấp thông tin hàng năm về dân số cũng như tổng số người tham gia BHYT, tổng
chi cho KCB BHYT phân chia theo loại KCB. Hình 3.3. Dân số và tham gia BHYT qua các năm 2008-2016 Nguồn: Tự tính toán từ Niên giám Thống kê BHYT các năm 90% 81.9% 74.7% 80% 68.8% 71.3% 70% 63.5% 64.9% 58.2% 58.8% 60% 46.7% 50% 40% 30% 20% 10% 0% 2008 2009 2010 2011 2012 2013 2014 2015 2016 Để có cái nhĩn rõ nét hơn về tỷ lệ tham gia BHYT, ta lấy số người tham gia BHYT
chia cho tổng dân số. Hình 3.4 thể hiện tỷ lệ tham gia BHYT tăng theo thời gian, từ
46% vào năm 2008 lên 82% năm 2016. Hình 3.4. Tỷ lệ tham gia BHYT qua các năm 2008-2016 Nguồn: Tự tính toán từ Niên giám Thống kê BHYT các năm Dữ liệu Niên giám Thống kê cho biết xu thế về dân số, số người tham gia BHYT 53 qua các năm. Tuy nhiên, dữ liệu này không cho biết rõ về sự phân chia theo lứa tuổi. Sử 90 80 70 60 50 40 30 20 10 0 0-14 15-29 30-49 50-59 60-69 70-79 80+ 2006 2010 2014 2016 dụng bộ dữ liệu VHLSS, ta có thể thấy rõ hơn tỷ lệ tham gia BHYT qua các năm, phân
chia theo lứa tuổi. Hình 3.5 thể hiện kết quả tính toán tỷ lệ tham gia BHYT theo các
nhóm tuổi trong các năm 2006 - 2016. Hình 3.5. Tỷ lệ tham gia BHYT theo nhóm tuổi, 2006 – 2016 Nguồn: Tự tính toán từ VHLSS 2006, 2010, 2014 và 2016 Có thể thấy, tỷ lệ tham gia của toàn bộ dân số đã được cải thiện theo thời gian.
Hình dáng của đường mô tả tỷ lệ tham gia BHYT theo độ tuổi có hình chữ U, thể hiện
rằng tỷ lệ tham gia của nhóm trẻ em và nhóm NCT là cao nhất. Đáng lưu ý là nhóm chiếm
tỷ trọng lớn trong lực lượng lao động là 15-29 (thanh niên) và 30-49 (trung niên) lại có tỷ lệ tham gia thấp hơn. Riêng với NCT, tỷ lệ tham gia BHYT cải thiện rất rõ rệt, đặc biệt là
ở nhóm tuổi cao nhất (từ 80 tuổi trở lên). Cụ thể hơn, nghiên cứu của Phong và Thắm (2016)
đã phân tích rõ hơn và cho thấy trong số những NCT tham gia BHYT thì tỷ lệ người dân tộc thiểu số, sống ở nông thôn,..., là những nhóm đối tượng dễ bị tổn thương – có tỷ lệ tăng
ấn tượng. Đây là một kết quả khích lệ do những thay đổi trong chính sách gần đây về chăm
sóc sức khoẻ cho NCT, đặc biệt là những nhóm đối tượng trợ giúp xã hội. Hình 3.4 cũng
hàm ý rằng, để tiến tới bao phủ toàn dân về BHYT, các nhóm dân số trẻ tuổi và trung niên sẽ phải là đối tượng đích chủ yếu trong những năm tới đây. Bảng 3.2 minh hoạ chi tiết về tỷ lệ tham gia BHYT theo các nhóm đặc trưng về
nhóm tuổi, giới, dân tộc của chủ hộ, khu vực sống và tình trạng nghèo của hộ. Nhìn chung, tỷ lệ tham gia BHYT tăng lên nhanh chóng và đạt tới mức 78.12% vào năm 2016. 54 Bảng 3.2. Tỷ lệ tham gia BHYT theo các nhóm đặc trưng 0-14 58.80 51.70 73.09 81.35 15-39 51.54 33.19 68.95 75.04 40-59 51.22 30.61 65.96 76.78 60-69 52.60 33.89 73.82 82.01 70-79 49.42 32.50 77.93 83.63 80+ 54.26 34.11 80.73 85.54 Nữ 53.69 36.08 70.80 78.91 Nam 52.75 39.07 69.18 77.29 Kinh 49.46 35.22 66.65 75.82 Thiểu số 75.38 52.90 88.74 89.38 Nông thôn 51.90 35.14 68.24 77.63 Thành thị 56.87 44.50 73.44 79.16 Không nghèo 49.97 36.13 67.84 79.63 Nghèo 70.38 43.54 83.90 88.76 Nguồn: Tự tính toán từ VHLSS 2004, 2006, 2014 và 2016 Xét về nhóm tuổi, người dân ở nhóm tuổi cao nhất (người trên 80 tuổi) có tỷ lệ
bao phủ cải thiện nhanh. Như đã nêu trên, đây là một kết quả rõ rệt của việc thực hiện
các chính sách hỗ trợ tham gia BHYT cho những người ở độ tuổi rất cao. Giữa nam giới
và phụ nữ cao tuổi, không có sự khác biệt đáng kể về tỷ lệ tham gia. Một điểm rất đáng khích lệ là tỷ lệ tham gia BHYT của người dân tộc thiểu số đã
tăng nhanh và đạt gần 90% vào năm 2016. Đây cũng là kết quả của việc mở rộng hỗ trợ
thẻ BHYT miễn phí tới người dân tộc thiểu số trong những năm qua. Tỷ lệ tham gia BHYT của người dân ở cả khu vực nông thôn và thành thị đều 55 tăng nhanh, nhưng tỷ lệ tham gia của người dân ở nông thôn còn thấp hơn tỷ lệ tham gia của người dân ở thành thị. Có nhiều nguyên nhân của thực trạng này và một trong những
nguyên nhân quan trọng nhất được thường xuyên nhắc tới là khả năng chi trả của người
dân và hộ gia đình ở nông thôn chưa cao. Người dân nghèo có tỷ lệ tham gia BHYT cao hơn người dân không nghèo và có
tỷ lệ tham gia tăng nhanh. Đây là kết quả của việc mở rộng bao phủ BHYT đến tất cả
đối tượng các hộ nghèo trong những năm qua. Mục này mô tả thực trạng KCB bằng thẻ BHYT. Các phân tích dựa vào tần suất
KCB, chi phí cho mỗi lượt KCB và tổng chi phí KCB trong một năm. Hình 3.6 thể hiện
tần suất KCB theo thời gian và theo hình thức KCB (ngoại trú và nội trú). Tần suất KCB 2.50 0.18 0.17 0.17 0.16 2.00 0.16 0.18 0.17 0.12 0.13 1.50 1.00 1.94 1.92 1.89 1.89 1.83 1.75 1.69 1.67 1.64 0.50 0.00 2008 2009 2010 2011 2012 2013 2014 2015 2016 Tần suất KCB ngoại trú Tần suất KCB nội trú ngoại trú cao hơn rất nhiều so với KCB nội trú. Theo thời gian, tần suất KCB tăng từ
2008 đến 2012 rồi giảm dần và có vẻ tăng nhẹ vào những năm gần đây. Hình 3.6. Tần suất KCB nội trú và ngoại trú qua các năm 2008-2016 Nguồn: Tự tính toán từ Niên giám Thống kê BHYT các năm Bảng 3.4 trình bày tần suất sử dụng dịch vụ của người cao tuổi (NCT - từ 60 tuổi
trở lên) và người không cao tuổi (dưới 60 tuổi) theo tuyến kỹ thuật và theo loại KCB.
Có thể thấy, ở tất cả các tuyến, tần suất sử dụng dịch vụ trung bình của NCT cao gấp 2 - 4 lần so với người không cao tuổi. Cụ thể hơn, tần suất sử dụng BHYT trong KCB các
tuyến cho KCB nội trú của NCT cao khoảng gấp 2 lần so với người không cao tuổi. Đối
với KCB ngoại trú, sự khác biệt thể hiện rõ ở các tuyến, trong đó tần suất sử dụng BHYT ở xã là cao nhất (trung bình 1 NCT là 7 lần/năm) và cao gấp gần 4 lần so với người
không cao tuổi. Tần suất sử dụng BHYT cho KCB ngoại trú giảm dần từ tuyến xã lên 56 tuyến trung ương. Bảng 3.3. Tần suất sử dụng BHYT của theo các loại KCB, 2014 Người cao tuổi 1.16 1.61 1.56 1.22 KCB nội trú (lần/năm) 2.69 6.06 5.77 7.20 KCB ngoại trú (lần/năm) 2.21 4.84 5.14 7.14 Tổng (lần/năm) Người không cao tuổi 0.65 0.74 0.72 0.62 KCB nội trú (lần/năm) 1.16 1.97 1.93 1.88 KCB ngoại trú (lần/năm) 0.98 1.70 1.79 1.86 Tổng (lần/năm) Nguồn: Tính toán từ dữ liệu Bộ Y tế và HFG (2015) Hình 3.7 mô tả chi phí KCB trung bình qua các năm, phân chia theo loại KCB.
Nhìn chung, chi phí KCB trung bình tăng theo thời gian, nhưng vào những năm gần đây
chi phí KCB nội trú tăng nhanh hơn chi phí KCB ngoại trú. Ngoài ra, chi phí trung bình 3.00 2.52 2.50 1.97 1.79 2.00 1.71 1.69 1.45 1.50 1.28 1.17 1.11 1.00 0.76 0.72 0.58 0.54 0.52 0.44 0.37 0.31 0.50 0.24 0.21 0.18 0.14 0.13 0.13 0.11 0.10 0.09 0.07 0.00 2008 2009 2010 2011 2012 2013 2014 2015
2016
Chi phí KCB TB Chi phí KCB TB ngoại trú Chi phí KCB TB nội trú KCB nội trú cao hơn gấp nhiều lần so với chi phí trung bình KCB ngoại trú, đặc biệt
trong hai năm 2015 và 2016. Hình 3.7. Chi phí KCB trung bình qua các năm 2008-2016 Nguồn: Tự tổng hợp từ số liệu báo cáo hàng năm của Cơ quan BHXHVN 57 Hình 3.8 so sánh số lượt sử dụng dịch vụ và tổng chi phí KCB (cả KCB nội trú
và ngoại trú) của NCT với người không cao tuổi. Có thể thấy, NCT có số lần KCB chỉ
bằng 1/2 số lần KCB của người không cao tuổi (31% so với 69%), nhưng tổng chi phí
KCB chiếm tỷ trọng cao hơn (41% so với 59%). Điều này có nghĩa là chi phí trung bình
cho mỗi lần KCB của NCT cao hơn người không cao tuổi. 30.8% 41.43% 58.57% 69.2% <60 >=60 <60 >=60 Hình 3.8. Số lượt KCB và tổng chi phí KCB của NCT và người không cao tuổi Nguồn: Tính toán từ Bộ Y tế và HFG (2015) 6.00 5.01 5.00 4.00 2.84 3.00 2.00 0.67 1.00 0.46 0.29 0.21 0.00 IP OP Total <60 >=60 Để làm rõ hơn mức độ khác biệt về chi phí KCB giữa NCT và người không cao
tuổi, Hình 3.9 thể hiện chi phí trung bình một lượt KCB của hai nhóm đối tượng này và
phân chia theo loại KCB (nội trú và ngoại trú). Chú thích: Đơn vị: triệu đồng; IP - nội trú; OP: ngoại trú; Total: Tổng Hình 3.9. Chi phí trung bình một lượt KCB của NCT và người không cao tuổi Nguồn: Tính toán từ Bộ Y tế và HFG (2015)
Hình 3.9 cho thấy chi phí trung bình KCB cho mỗi NCT là 0,67 triệu đồng, gấp 58 gần 1,5 lần người không cao tuổi (ở mức 0,46 triệu đồng). Chi tiết hơn về loại KCB thì có thể thấy chi phí trung bình KCB ngoại trú cho mỗi người cao tuổi cao gấp 1,4 lần
người không cao tuổi (0,29 triệu so với 0,21 triệu), nhưng chi phí trung bình KCB nội
trú lại cao gấp 1,8 lần (5,01 triệu so với 2,84 triệu). Chi phí trung bình cho một lượt
KCB nội trú cao gấp hơn 17 lần chi phí trung bình cho một lượt KCB ngoại trú (5,01
triệu so với 0,29 triệu), trong khi chênh lệch này cho nhóm dân số không cao tuổi là
khoảng 13,5 lần. Sự khác biệt này có thể lý giải bằng những khác biệt lớn trong xu
hướng bệnh tật và sử dụng dịch vụ KCB, trong đó KCB nội trú cho những nhóm bệnh không lây nhiễm và mạn tính của NCT ngày càng tăng rõ rệt (Bộ Y tế và Nhóm đối tác
Y tế, 2018) Bảng 3.4 trình bày kết quả về số lượt KCB, tổng chi và mức chi trung bình cho
NCT theo tuổi, giới tính và loại KCB. Xét về số lượt cho tất cả các lứa tuổi và giới, tổng
số lượt KCB ngoại trú cao gấp 8 - 13 lần tổng số lượt KCB nội trú. Tuy nhiên, xét về
chi phí trung bình thì KCB nội trú gấp từ 12 - 18 lần so với KCB ngoại trú. Điều này
thể hiện sự khác biệt trong sử dụng thuốc, dịch vụ kỹ thuật… như đã nêu ở trên. Không có sự khác biệt giữa nam giới và phụ nữ cao tuổi về chi phí trung bình KCB ngoại trú
(dao động khoảng 0,23 triệu đồng đến 0,26 triệu đồng), nhưng có sự khác biệt rõ ràng
trong điều trị nội trú, trong đó nam giới cao tuổi ở tất cả các lứa tuổi có mức chi phí điều
trị cao hơn so với phụ nữ cao tuổi. Tính toán cơ cấu chi phí điều trị nội trú ở tất cả các tuyến kỹ thuật cho thấy sự khác biệt này là do chênh lệch lớn về chi phí thuốc và dịch
vụ kỹ thuật, đặc biệt là ở tuyến tỉnh và tuyến huyện. Bảng 3.4. Số lượt khám, tổng chi và chi phí trung bình KCB của NCT Số lượt 133,723 99,061 66,061 156,097 124,040 84,245 Tổng chi (triệu đồng) 654,672 474,630 313,116 604,518 475,031 348,018 Trung bình (triệu đồng) 4.90 4.79 4.74 3.87 3.83 4.13 Số lượt 1,732,697 1,016,089 482,064 2,538,687 1,484,307 627,095 Tổng chi (triệu đồng) 447,145 259,256 119,074 641,508 375,953 144,537 Trung bình (triệu đồng) 0.26 0.26 0.25 0.25 0.25 0.23 Nguồn: Tự tính toán từ dữ liệu của Bộ Y tế và HFG (2015) 59 Các nghiên cứu quốc tế cũng như của Việt Nam đều cho thấy NCT đang đối mặt với xu hướng bệnh tật thay đổi nhanh chóng từ các bệnh lây nhiễm sang các bệnh không
lây nhiễm và mạn tính với thời gian và chi phí điều trị ngày càng lớn (Hội Liên hiệp Phụ
nữ Việt Nam, 2012; WHO, 2015; Phạm Thắng và Đỗ Thị Khánh Hỷ, 2009). Tuy nhiên,
các nghiên cứu này chưa chỉ ra được chính xác những bệnh nào được coi là phổ biến
nhất với số lượt KCB cao nhất hoặc/và chi phí KCB cao nhất theo loại hình KCB. Phần
này sẽ chỉ ra những bệnh phổ biến nhất của NCT cùng với các chi phí liên quan. Ở đây,
nhóm bệnh phổ biến nhất được xác định bằng hai tiêu chí: (i) số lượt KCB cao nhất; và (ii) có chi phí cao nhất. Các nhóm bệnh này được phân loại theo Bảng phân loại thống
kê quốc tế về bệnh tật và các vấn đề sức khoẻ có liên quan (phiên bản lần thứ 10), hay
còn gọi là ICD-10. Xét theo tiêu chí thứ nhất, Bảng 3.5 trình bày 5 nhóm bệnh phổ biến nhất theo
loại hình KCB. Có thể thấy, ở cả hai loại hình KCB, các bệnh liên quan tới tuần hoàn,
hô hấp và tiêu hoá là những bệnh được lặp lại, trong đó các bệnh liên quan tới tuần hoàn
là bệnh phổ biến nhất trong cả hai loại hình KCB. Các bệnh liên quan tới ung thư, mắt là những bệnh phổ biến trong KCB nội trú, trong khi các bệnh liên quan tới dinh dưỡng,
xương khớp là những bệnh phổ biến trong KCB ngoại trú. Bảng 3.5. Năm nhóm bệnh phổ biến nhất của NCT theo số lượt KCB (1) Bệnh hệ tuần hoàn (1) Bệnh hệ tuần hoàn (2) Bệnh hô hấp (2) Bệnh nội tiết, dinh dưỡng và chuyển hóa (3) U tân sinh (3) Bệnh của hệ cơ xương khớp và mô liên kết (4) Bệnh mắt và phần phụ (4) Bệnh hô hấp (5) Bệnh hệ tiêu hóa (5) Bệnh hệ tiêu hóa Nguồn: Tự tính toán từ dữ liệu của Bộ Y tế và HFG (2015) Xét theo tiêu chí thứ hai, Bảng 3.6 liệt kê danh sách 5 bệnh có chi phí cao nhất
trong KCB cho NCT. Có thể thấy, tổng chi phí cho 5 nhóm bệnh phổ biến nhất đã chiếm tới khoảng 75% tổng chi phí cho toàn bộ 22 nhóm bệnh theo ICD-10. Rất đáng chú ý là
tất cả các bệnh phổ biến theo số lượt KCB như ở trong Bảng 7 được lặp lại ở đây. Tuy
nhiên, có sự khác biệt về vị trí của các nhóm bệnh. Cụ thể, các bệnh liên quan tới tuần hoàn xếp hàng đầu trong cả KCB nội trú và ngoại trú với tỷ lệ tương ứng trong tổng chi
phí của toàn bộ 22 nhóm bệnh là 21,5% và 36,85%. Nhóm bệnh liên quan tới ung thư
đứng hàng đầu về chi phí (chiếm 22,5% tổng chi phí). Có thể thấy, trong cả hai loại hình 60 KCB, tỷ lệ thanh toán của BHYT là khoảng 85%. Các nhóm bệnh có chi phí cao nhất trong KCB nội trú (như ung thư và tuần hoàn) và KCB ngoại trú (như tuần hoàn và
xương khớp) đều có tỷ lệ bao phủ là gần 87%. Bảng 3.6. Năm nhóm bệnh phổ biến nhất của NCT theo chi phí KCB (1) U tân sinh 873,686 22.49% 22.49% 86,63 (2) Bệnh hệ tuần hoàn 835,238 21.50% 43.98% 86,30 (3) Bệnh hô hấp 557,049 14.34% 58.32% 88,87 (4) Bệnh mắt và phần phụ 294,754 7.59% 65.90% 68,45 (5) Bệnh hệ tiêu hóa 259,029 6.67% 72.57% 86,09 Các nhóm bệnh khác 1,065,873 27.43% 100.00% 84,32 100.00% 100.00% Tổng chi phí 3,885,629 (1) Bệnh hệ tuần hoàn 960,554 36.85% 36.85% 86,70 (2) Bệnh nội tiết, dinh dưỡng và chuyển hóa 457,621 17.56% 54.41% 87,85 (3) Bệnh của hệ cơ xương khớp và mô liên kết 241,139 9.25% 63.66% 82,96 (4) Bệnh hô hấp 194,728 7.47% 71.14% 84,47 (5) Bệnh hệ tiêu hóa 164,169 6.30% 77.44% 83,80 Các nhóm bệnh khác 588,116 22.56% 100.00% 85,48 100.00% 100.00% Tổng chi phí 2,606,327 Nguồn: Tính toán từ Bộ Y tế và HFG (2015) Để có cái nhìn sâu hơn về thực trạng KCB BHYT, cụ thể là số lượt KCB và chi
phí KCB phân chia theo từng chỉ tiêu nhân khẩu và phi nhân khẩu, kết quả trình bày
trong mục này sử dụng bộ dữ liệu KCB BHYT đầy đủ chi tiết của TP. Hồ Chí Minh trong giai đoạn 2014 – 2016. Mỗi bản ghi lưu lại cụ thể từng lượt KCB ở địa bàn thành
phố trong năm với các thông tin của người bệnh về các yếu tố nhân khẩu (tên, năm sinh,
giới tính...) và phi nhân khẩu (mã thẻ BHYT, loại bệnh, nơi KCB, tuyến KCB, các loại chi phí cho cả lượt KCB như tiền khám, tiền thuốc, tiền phẫu thuật thủ thuật, tiền xét 61 nghiệm, tổng chi phí do BHYT thanh toán...). Như đã giới thiệu trong phần mở đầu, đây cũng là bộ dữ liệu được dùng trong Chương 4 khi ứng dụng mô hình rủi ro nhóm vào
ước lượng chi phí KCB do BHYT chi trả. Các phần tiếp theo phân tích số lượt KCB
trung bình và chi phí KCB trung bình theo lượt của những người sử dụng thẻ BHYT
trong KCB. Phân tích dựa trên sự phân chia các đối tượng theo tuổi/nhóm tuổi, giới tính,
loại KCB, tuyến KCB và nhóm bệnh. Sự phân nhóm này cũng sẽ được sử dụng trong
Chương 4 để ước lượng chi phí KCB do BHYT chi trả. Phần đầu đề cập đến số lượt
KCB BHYT, còn chi phí cho một lượt KCB sẽ được phân tích ở phần tiếp theo. Hình 3.10 mô tả số lượt KCB BHYT trung bình qua các năm từ 2014 đến 2016.
Có thể thấy, trong số những người dùng thẻ BHYT để KCB thì trung bình mỗi người có 4.73 5.00 4.45 4.31 4.50 4.00 3.50 3.00 2.50 2.00 1.50 1.00 0.50 0.00 2014 2015 2016 khoảng hơn 4 lượt khám (cả ngoại trú và nội trú) mỗi năm. Sự thay đổi của con số này
qua các năm là không đáng kể. Hình 3.10. Số lượt KCB BHYT trung bình qua các năm 2014 - 2016 Nguồn: Tự tính toán từ dữ liệu Bộ Y tế và HFG (2016) cho TP. HCM Thực tế thì một người bệnh nào đó có thể sử dụng thẻ BHYT trong KCB nhiều lần trong năm với nhiều loại bệnh khác nhau, ở các tuyến khác nhau và có thể vừa KCB
nội trú vừa KCB ngoại trú. Do đó, nếu tính đến các yếu tố kể trên như nhóm bệnh, tuyến
KCB và loại KCB thì người bệnh đó thuộc các nhóm đối tượng khác nhau. Bằng cách
phân chia như vậy, Hình 3.11 minh họa số lượt KCB BHYT trung bình có tính đến các
nhóm đối tượng khác nhau. Con số này cũng khá ổn định qua các năm với khoảng 2,3
lượt/năm. 2.37 2.50 2.32 2.32 2.00 1.50 1.00 0.50 0.00 2014 2015 2016 62 Hình 3.11. Số lượt KCB BHYT trung bình qua các năm 2014 - 2016 Nguồn: Tự tính toán từ dữ liệu Bộ Y tế và HFG (2016) cho TP. HCM Hình 3.12 thể hiện số lượt KCB BHYT trung bình qua các năm phân chia theo
giới tính. Trong từng năm, số lượt KCB trung bình của phụ nữ cao hơn một chút so với 3.00 2.42 2.37 2.37 2.33 2.29 2.29 2.50 2.00 1.50 1.00 0.50 0.00 2014 2016 2015 Nam Nữ nam giới. Số lượt KCB trung bình của từng giới tính cũng khá ổn định qua các năm. Hình 3.12. Số lượt KCB BHYT trung bình theo giới tính qua các năm 2014 - 2016 Nguồn: Tự tính toán từ dữ liệu Bộ Y tế và HFG (2016) cho TP. HCM Số lượt KCB BHYT theo nhóm tuổi lại cho thấy một bức tranh rõ nét hơn về thực
trạng KCB BHYT. Với nhóm tuổi có khoảng cách 10 tuổi (0-9; 10-19;...) như trong
Hình 3.13, ta thấy ở độ tuổi học sinh, sinh viên, số lượt sử dụng các dịch vụ KCB là ít
nhất, sau đó tăng dần theo thời gian và tốc độ tăng mạnh ở lứa tuổi trước khi nghỉ hưu
(50 – 59 tuổi) và cao nhất vào khoảng tuổi 70 – 79. Số lượt KCB đối với từng nhóm tuổi
qua các năm là khá ổn định. 4.00 3.50 3.00 2.50 2.00 1.50 1.00 0.50 0.00 0-9 10-19 20-29 30-39 40-49 50-59 60-69 70-79 80+ 2014 2015 2016 63 Hình 3.13. Số lượt KCB BHYT trung bình theo nhóm tuổi, 2014 - 2016 Nguồn: Tự tính toán từ dữ liệu Bộ Y tế và HFG (2016) cho TP. HCM Hình 3.13 mô tả số lượt KCB BHYT trung bình theo từng tuổi đơn lẻ và cho thấy
thực trạng rõ nét hơn về sự thay đổi số lượt KCB theo tuổi tác. Đối với lứa tuổi sơ sinh (0 tuổi), số lượt KCB được ghi lại xấp xỉ là 1, đó chính là lúc bé được sinh ra tại cơ sở y tế. Số
lượt KCB đạt điểm cực đại tại lứa tuổi 4-5 và khoảng 65 – 75. Nhóm tuổi trên 95 là nhóm
tuổi rất cao nhưng lại chiếm tỷ trọng nhỏ trong mẫu quan sát nên phân bố mẫu cho KCB 4.0 3.5 3.0 2.5 2.0 1.5 1.0 0.5 0.0 0 4 8 2
1 6
1 0
2 4
2 8
2 2
3 6
3 0
4 4
4 8
4 2
5 6
5 0
6 4
6 8
6 2
7 6
7 0
8 4
8 8
8 2
9 6
9 0
0
1 4
0
1 8
0
1 2
1
1 7
1
1 2
2
1 6
2
1 2014 2015 2016 không ổn định (cụ thể, số lượt KCB BHYT của nhóm tuổi trên 95 và từ 95 trở xuống được
thể hiện trong Bảng 3.7). Hình 3.14. Số lượt KCB BHYT trung bình theo tuổi, 2014 – 2016 Nguồn: Tự tính toán từ dữ liệu Bộ Y tế và HFG (2016) cho TP. HCM 64 Bảng 3.7. Số lượt KCB BHYT của người trên 95 tuổi so với các nhóm tuổi khác 2014 2015 2016 >95 <=95 >95 <=95 >95 <=95 7,026 14,300,063 5,375 12,329,606 7,485 13,279,950 Nguồn: Tự tính toán từ dữ liệu Bộ Y tế và HFG (2016) cho TP. HCM 4.0 3.5 3.0 2.5 2.0 1.5 1.0 0.5 0.0 50515253545556575859606162636465666768697071727374757677787980818283848586878889 2014 2015 2016 Nếu lấy ngưỡng trên 90 tuổi để tạo một nhóm riêng cho NCT thì kết quả trong
Hình 3.15 cho phân bố đồng đều hơn qua các năm. Số lượt KCB BHYT trung bình tăng
dần theo tuổi, đạt đỉnh tại lứa tuổi 67-73 rồi giảm dần. Hình 3.15. Số lượt KCB BHYT trung bình theo tuổi, 2014 – 2016 Nguồn: Tự tính toán từ dữ liệu Bộ Y tế và HFG (2016) cho TP. HCM Nếu phân chia số lượt KCB BHYT theo loại KCB, ta thấy số lượt KCB ngoại trú
trung bình lớn hơn rất nhiều so với KCB nội trú, gần gấp đôi trong năm 2014 và hơn
gấp đôi trong năm 2015 và 2016 (Hình 3.16). Trong khi số lượt KCB nội trú khá ổn
định qua các năm thì số lượt KCB ngoại trú lại tăng nhẹ theo thời gian và tăng nhiều
hơn vào năm 2016. 6.0 5.27 4.83 4.75 5.0 4.0 2.61 3.0 2.36 2.16 2.0 1.0 0.0 2014 2015 2016 Nội trú Ngoại trú 65 Hình 3.16. Số lượt KCB BHYT trung bình theo loại KCB, 2014 - 2016 Nguồn: Tự tính toán từ dữ liệu Bộ Y tế và HFG (2016) cho TP. HCM Hình 3.17 lại phân chia các nhóm đối tượng theo tuyến KCB bao gồm trung
ương, tỉnh, và huyện. Nhìn chung, theo thời gian, số lượt KCB ở tuyến tỉnh và tuyến 3.00 2.47 2.44 2.42 2.40 2.40 2.35 2.50 2.17 2.08 1.94 2.00 1.50 1.00 0.50 0.00 TW Tỉnh Huyện 2014 2015 2016 huyện cao hơn tuyến trung ương. Ở tuyến tỉnh và huyện, số lượt KCB khá đều qua các
năm. Ngược lại, ở tuyến trung ương, con số này lại có xu thế tăng từ 2014 đến 2016. Hình 3.17. Số lượt KCB BHYT trung bình theo tuyến KCB, 2014 - 2016 Nguồn: Tự tính toán từ dữ liệu Bộ Y tế và HFG (2016) cho TP. HCM Nếu nhìn số lượt KCB theo 22 nhóm bệnh, Hình 3.18 cho một thực tế hoàn toàn
khác. Mặc dù qua các năm số lượt KCB của từng nhóm bệnh tương đối giống nhau,
nhưng số lượt KCB của các nhóm bệnh khác nhau có sự chênh lệch rất lớn. Cụ thể,
nhóm bệnh 4 (Bệnh nội tiết, dinh dưỡng và chuyển hóa) và nhóm bệnh 9 (Bệnh hệ tuần
hoàn) có số lượt KCB đặc biệt cao (lên tới trên 8 lượt mỗi năm) – đây là những bệnh rất phổ biến đối với NCT (Phạm Thắng và Đỗ Thị Khánh Hỷ, 2009; TW Hội LHPN Việt
Nam, 2012; Bộ Y tế và Nhóm đối tác y tế, 2018). Trong khi đó nhóm bệnh 16 (Một số
bệnh lý xuất phát trong thời kì chu sinh) lại có số lượt rất thấp (xấp xỉ 1). Một số các 66 nhóm bệnh khác có số lượt KCB tương đối giống nhau như nhóm bệnh 2 và 6, hay 7, 8, 10.00 9.00 8.00 7.00 6.00 5.00 4.00 3.00 2.00 1.00 0.00 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 2014 2015 2016 10, 11, 12. Hình 3.18. Số lượt KCB BHYT trung bình theo nhóm bệnh, 2014 - 2016 Nguồn: Tự tính toán từ dữ liệu Bộ Y tế và HFG (2016) cho TP. HCM Như vậy, việc mô tả số lượt KCB trung bình của các đối tượng phân chia theo
các nhóm cho thấy cần thiết phải nghiên cứu các đối tượng theo các nhóm riêng biệt. Để
thêm thông tin về KCB, phần tiếp theo phân tích chi phí KCB trung bình theo lượt. Tương tự như Mục 3.4.1, mục này cũng phân tích theo thời gian các nhóm đối
tượng được phân chia lần lượt theo giới tính, nhóm tuổi, loại KCB, tuyến KCB và nhóm
bệnh. Hình 3.19 mô tả chi phí KCB trung bình theo thời gian. Khác với sự ổn định về
số lượt KCB, chi phí trung bình cho một lượt KCB lại tăng dần theo các năm. Mức chi
trung bình năm 2014 là hơn 400.000 đồng/lượt KCB và tăng lên thành gần 640.000 đồng
/lượt vào năm 2016, tăng hơn 50%. Nguyên nhân chính của xu hướng tăng này là do chi phí các nhóm dịch vụ kỹ thuật tăng và quyền lợi BHYT cũng tăng (Bộ Y tế và Nhóm
đối tác y tế, 2018). 0.800 0.639 0.531 0.600 0.402 0.400 0.200 0.000 2014 2015 2016 67 Hình 3.19. Chi phí KCB trung bình, 2014-2016 Nguồn: Tự tính toán từ dữ liệu Bộ Y tế và HFG (2016) cho TP. HCM 0.710 0.613 0.589 0.475 0.471 0.357 0.800
0.700
0.600
0.500
0.400
0.300
0.200
0.100
0.000 2014 2016 2015 Nam Nữ Giống như xu hướng số lượt KCB, Hình 3.20 cho thấy chi phí KCB trung bình
của nam giới cũng cao hơn của phụ nữ. Chi phí KCB trung bình của nam và nữ cùng
tăng theo thời gian. Hình 3.20. Chi phí KCB trung bình theo giới tính, 2014-2016 Nguồn: Tự tính toán từ dữ liệu Bộ Y tế và HFG (2016) cho TP. HCM Để nhìn tương quan giữa nhóm NCT với các nhóm khác, Hình 3.21 thể hiện chi
phí KCB trung bình theo nhóm tuổi. Có thể thấy, chi phí KCB trung bình theo lứa tuổi
ở TP. Hồ Chí Minh có dạng chữ U và tăng đều qua các năm: chi phí KCB trung bình
cho trẻ sơ sinh và người cao tuổi là cao hơn hẳn các nhóm còn lại và bằng hơn hai lần chi phí KCB trung bình cho người trong lứa tuổi cho học sinh, sinh viên và người lao
động trẻ. 1.4 1.2 1 0.8 0.6 0.4 0.2 0 0-4 5-9 10-14 15-19 20-24 25-29 30-34 35-39 40-44 45-49 50-54 55-59 60-64 65-69 70-74 75-79 80+ 2014 2015 2016 68 Hình 3.21. Chi phí KCB trung bình theo nhóm tuổi, 2014-2016 Nguồn: Tự tính toán từ dữ liệu Bộ Y tế và HFG (2016) cho TP. HCM 4.50 4.14 4.00 3.24 3.50 2.77 3.00 2.50 2.00 1.50 1.00 0.29 0.24 0.19 0.50 0.00 2014 2015 2016 Nội trú Ngoại trú Nếu như số lượt KCB ngoại trú cao gần gấp đôi số lượt KCB nội trú thì chi phí
trung bình cho một lượt KCB nội trú lại cao gấp gần 15 lần mức chi phí cho một lượt
KCB ngoại trú (Hình 3.22). Mức chi phí gần 3 triệu đồng vào năm 2014 và tăng lên
mức hơn 4 triệu đồng vào năm 2016 là con số khá lớn nếu như người bệnh phải bỏ tiền
túi ra khi KCB. Hình 3.22. Chi phí KCB trung bình theo loại KCB, 2014-2016 Nguồn: Tự tính toán từ dữ liệu Bộ Y tế và HFG (2016) cho TP. HCM Hình 3.23 mô tả chi phí KCB trung bình tăng dần tại các cơ sở y tế tuyến trung
ương, tỉnh/thành phố và huyện theo thời gian, trong đó mức tăng rõ nhất vẫn là ở tuyến
tỉnh/thành phố. 1.87 1.58 0.94 0.61 0.49 0.38 0.21 0.17 0.15 2.00
1.80
1.60
1.40
1.20
1.00
0.80
0.60
0.40
0.20
0.00 TW Tỉnh Huyện 2014 2015 2016 69 Hình 3.23. Chi phí KCB trung bình theo tuyến KCB, 2014-2016 Nguồn: Tự tính toán từ dữ liệu Bộ Y tế và HFG (2016) cho TP. HCM Chi phí KCB BHYT trung bình theo nhóm bệnh được thể hiện trong Hình 3.24.
Cũng giống như số lượt KCB, chi phí KCB cũng khác nhau giữa các nhóm bệnh. Có hai nhóm bệnh có chi phí KCB theo lượt cao hơn hẳn các nhóm khác là nhóm 2 (Bướu tân
sinh) và nhóm 17 (Dị tật bẩm sinh, biến dạng và bất thường về nhiễm sắc thể). Đặc biệt,
chi phí của nhóm bệnh 17 tăng gần gấp đôi vào các năm 2015 và 2016 so với 2014.
Ngoài một số nhóm bệnh đặc biệt thì chi phí KCB trung bình của các nhóm nói chung 5.00 4.59 4.50 4.00 3.50 3.00 2.92 2.50 2.37 2.00 1.50 1.00 0.50 0.00 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 2014 2015 2016 là tăng qua các năm với tốc độ khá giống nhau Hình 3.24. Chi phí KCB trung bình theo nhóm bệnh, 2014-2016 Nguồn: Tự tính toán từ dữ liệu Bộ Y tế và HFG (2016) cho TP. HCM Bảng 3.8. cho thống kê về tổng chi phí KCB của mỗi người phân theo nhóm bệnh
so với tổng chi phí. Đối với mỗi năm từ 2014 đến 2016, cột A là nhóm bệnh, cột B là tỷ
lệ chi phí BHYT của nhóm bệnh tương ứng so với tổng chi phí trong năm, cột C là tỷ lệ 70 cộng dồn của cột B. Kết quả cho thấy, ổn định qua các năm, có 10 nhóm bệnh có chi phí cao nhất và tổng số chiếm khoảng 86% tổng chi phí cả năm so với các nhóm bệnh khác.
Điều này gợi ý cho việc lựa chọn nghiên cứu 10 nhóm bệnh trong tổng số 22 nhóm bệnh
trong Chương 4. Cụ thể, theo Phụ lục 1 về 22 nhóm bệnh, đó là các bệnh về hệ tuần
hoàn (nhóm 9), bướu tân sinh (nhóm 2), bệnh hệ hô hấp (nhóm 10), bệnh hệ sinh dục -
tiết niệu (nhóm 14), bệnh nội tiết (nhóm 4), bệnh hệ tiêu hóa (nhóm 11), bệnh cơ xương
khớp (13), bệnh nhiễm trùng và ký sinh trùng (nhóm 1), chấn thương và ngộ độc (nhóm
19), và bệnh mắt và phần phụ (nhóm 7). 2014 2015 2016 A B C A A B C C B 9 20% 20% 9 2 20% 20% 19% 19% 2 19% 39% 2 9 17% 37% 38% 19% 10 11% 50% 10 10 11% 48% 48% 10% 14 8% 58% 14 14 8% 56% 57% 8% 4 6% 64% 4 13 7% 62% 63% 6% 11 6% 70% 11 11 6% 69% 69% 6% 13 6% 76% 13 4 6% 74% 74% 6% 1 4% 80% 1 19 4% 79% 79% 4% 19 3% 83% 19 1 4% 83% 82% 4% 7 3% 86% 7 7 3% 86% 86% 3% 4% Còn lại 4% 100% Còn lại 100% Còn lại 4% 100% Bảng 3.8. Chi phí KCB theo nhóm bệnh so với tổng chi phí Nguồn: Tự tính toán từ dữ liệu Bộ Y tế và HFG (2016) cho TP. HCM Phân tích thống kê mô tả số lượt KCB BHYT trung bình và chi phí KCB BHYT trung bình theo lượt của người KCB BHYT cho thấy việc cần thiết phải phân chia các
đối tượng theo nhóm. Hơn nữa, theo thời gian, số lượt KCB BHYT trung bình khá ổn
định, còn chi phí KCB BHYT trung bình thì luôn tăng. Điều này gợi ý cho việc sử dụng
các hệ số điều chỉnh khi sử dụng mô hình trong việc dự báo các giá trị tương lai. 71 Chương 3 đã mô tả một bức tranh khá đầy đủ về BHYT từ lúc bắt đầu hình thành vào năm 1992 cho đến giai đoạn hiện tại. Với những thay đổi về mặt chính sách, tỷ lệ
tham gia BHYT tăng dần theo thời gian. Xét theo nhóm tuổi thì tỷ lệ tham gia BHYT
có hình chữ U, thể hiện rằng tỷ lệ bao phủ ở lứa tuổi lao động còn thấp. Đây chính là
nhóm đối tượng cần hướng tới khi muốn thực hiện chính sách Y tế toàn dân. Ngoài ra, tỷ lệ tham gia BHYT không thực sự khác nhau giữa nam và nữ. Thực trạng sử dụng các dịch vụ KCB BHYT được mô tả rõ nét thông qua tần
suất KCB BHYT và chi phí trung bình KCB BHYT. Trong khi tần suất KCB BHYT không có xu thế rõ ràng theo thời gian (có giai đoạn tăng, có giai đoạn giảm) thì chi phí
trung bình KCB BHYT lại tăng một cách rõ rệt. Trong khi tần suất KCB BHYT ngoại
trú cao hơn nội trú thì đối với chi phí KCB BHYT lại hoàn toàn ngược lại, chi phí trung
bình KCB BHYT nội trú cao hơn chi phí trung bình KCB BHYT ngoại trú rất nhiều và tăng rất nhanh theo thời gian. So sánh nhóm người cao tuổi (60 tuổi trở lên) với nhóm
không cao tuổi thì cả tần suất trung bình và chi phí trung bình KCB BHYT của nhóm
NCT đều cao hơn nhóm người không cao tuổi. Tình hình KCB ở TP. Hồ Chí Minh được coi như một bức tranh thu nhỏ của Việt
Nam. Số liệu đầy đủ về KCB BHYT của thành phố cho phép mô tả rõ nét số lượt KCB
BHYT và chi phí KCB BHYT theo lượt của từng nhóm đối tượng. Số lượt trung bình
KCB BHYT không thay đổi một cách rõ ràng theo thời gian và không có khác biệt nhiều theo giới tính nhưng có khác biệt giữa các loại KCB, cụ thể số lượt KCB BHYT ngoại
trú cao hơn gấp đôi số lượt KCB BHYT nội trú. Trái lại, chi phí trung bình cho mỗi lượt
KCB BHYT theo lượt tăng theo thời gian và điều này có thể vì nhiều lý do, trong đó không thể không tính đến yếu tố lạm phát. Chi phí trung bình KCB BHYT của nam giới
cao hơn nữ giới. Chi phí KCB BHYT cũng có hình chữ U theo nhóm tuổi thể hiện rằng
người cao tuổi và trẻ em có phải chi tiêu nhiều hơn cho KCB BHYT so với nhóm người
trẻ. Ngoài ra, chi phí trung bình theo lượt đối với KCB BHYT nội trú cao hơn rất nhiều so với KCB BHYT ngoại trú mà nguyên nhân chính có thể là do bệnh nhân nằm nội trú
thường có bệnh nặng hơn, cần nhiều can thiệp về y tế hơn và thời gian nằm viện cũng
dài hơn. Trong khi số lượt trung bình KCB BHYT ở tuyến tỉnh và huyện cao hơn tuyến trung ương thì chi phí KCB BHYT ở tuyến trung ương lại cao hơn rất nhiều so với hai
tuyến còn lại. Xét theo nhóm bệnh, số lượt KCB BHYT luôn cao ở các nhóm bệnh mạn
tính (như bệnh nội tiết và hệ tuần hoàn), còn chi phí KCB BHYT lại cao nhất đối với
nhóm bệnh bướu tân sinh và bệnh dị tật bẩm sinh. 72 Như vậy, khi tính toán đến tổng chi phí KCB BHYT cần tính đến đồng thời hai
đại lượng, đó là số lượt KCB BHYT và chi phí cho mỗi lượt KCB BHYT. Hai đại lượng
này rất khác nhau giữa các nhóm đối tượng khác nhau. Việc phân chia người bệnh ra
các nhóm đối tượng theo các tiêu chí giới tính, nhóm tuổi, tuyến KCB, loại KCB và
nhóm bệnh là phù hợp; đồng thời, việc mô hình hóa số lượt KCB BHYT và chi phí cho
một lượt KCB BHYT một cách riêng rẽ là cần thiết. Ở chương tiếp theo, Luận án tập trung mô hình hóa số lượt KCB BHYT và chi phí cho mỗi lượt KCB BHYT bằng mô hình rủi ro nhóm đã trình bày ở Chương 2 và từ
đó sẽ ước lượng tổng chi phí KCB do BHYT chi trả. Dữ liệu trong Chương 4 là dữ liệu
KCB do BHYT chi trả của TP. Hồ Chí Minh. Dữ liệu này được sử dụng như một trường hợp nghiên cứu để minh họa cho phương pháp. Phương pháp này có thể áp dụng khi bộ
dữ liệu thay đổi (chẳng hạn khi dữ liệu là chi phí KCB do BHYT chi trả ở các tỉnh/thành
phố khác hay của cả nước). 73 Mục tiêu của Chương 4 là đưa ra ước lượng tổng chi phí KCB do BHYT chi trả
của TP. Hồ Chí Minh năm 2017 dưới dạng phân phối xác suất, dựa vào dữ liệu KCB
BHYT của thành phố vào các năm 2014 – 2016 để từ đó tính toán được những tham số
đặc trưng liên quan đến việc ra các quyết định về mặt chính sách. Để thực hiện mục tiêu này, Luận án sử dụng mô hình rủi ro nhóm được trình bày trong Chương 2 kết hợp với
một số dự báo dân số của Tổng cục Thống kê (2016). Việc lựa chọn bộ dữ liệu của TP. Hồ Chí Minh chỉ mang tính minh họa cho phương pháp. Bộ dữ liệu này đã được mô tả một cách kỹ lưỡng trong Mục 4 của Chương
3. Các phân tích thống kê trong Chương 3 đã chỉ rõ có sự khác biệt về số lượt KCB
BHYT và chi phí KCB BHYT theo lượt giữa nam giới và nữ giới, giữa các nhóm tuổi,
nhóm bệnh, tuyến kỹ thuật KCB cũng như loại KCB (ngoại trú và nội trú). Do đó, việc phân nhóm đối tượng ra nghiên cứu là thực sự cần thiết và việc sử dụng mô hình rủi ro
nhóm là hoàn toàn phù hợp với bối cảnh nghiên cứu. Các đối tượng KCB BHYT được chia thành nhóm dựa theo các yếu tố nhân khẩu là giới tính và tuổi, các yếu tố phi nhân khẩu là tuyến KCB, loại KCB và nhóm bệnh.
Cụ thể, giới tính bao gồm nam và nữ. Tuổi được chia thành 81 nhóm bao gồm các nhóm
tuổi đơn lẻ từ 0 (mới sinh) cho đến 79 và thêm nhóm 80+. Tuyến khám chữa bệnh bao
gồm ba tuyến (trung ương, tỉnh và huyện). Loại KCB gồm hai hình thức là KCB nội trú và KCB ngoại trú. Nhóm bệnh gồm 11 nhóm như trong Bảng 3.9, trong đó có 10 nhóm
có chi phí KCB BHYT cao nhất và ổn định qua các năm từ 2014-2016, và 1 nhóm bao
gồm tất cả các nhóm bệnh còn lại. Như vậy, về mặt lý thuyết là có tất cả 10.692 nhóm đối tượng cần nghiên cứu. Tuy nhiên, theo số liệu KCB BHYT thực tế của TP. Hồ Chí
Minh, có hai nhóm đối tượng không có lượt KCB BHYT nào trong cả ba năm từ 2014
đến 2016. Nhóm thứ nhất là nhóm nữ giới ở lứa tuổi 6, KCB nội trú tuyến tỉnh với nhóm
bệnh Mắt và phần phụ; nhóm thứ hai cũng là nữ giới ở lứa tuổi 11, KCB nội trú tuyến huyện với nhóm bệnh Hệ tuần hoàn. Ngoài ra, có những nhóm đối tượng mà số lượt
KCB BHYT lại quá ít, không đủ để thực hiện các ước lượng hay kiểm định (cụ thể là có
361 nhóm đối tượng như vậy). Do đó, Luận án loại bỏ những nhóm đối tượng này và coi như số lượt cũng như chi phí KCB BHYT của những nhóm này là không có (vì quá 74 nhỏ so với tổng số 10.692 nhóm đối tượng). Như vậy, còn lại 10.331 nhóm đối tượng được ước lượng. Đối với mỗi nhóm đối tượng trong số 10.331 nhóm, Luận án sẽ lần lượt thực hiện các bước như sau: • Bước 1: Kiểm định lựa chọn mô hình phù hợp cho số lượt KCB BHYT và chi
phí cho mỗi lượt KCB BHYT. Các tiêu chuẩn kiểm định sẽ được sử dụng để đưa ra mô hình phù hợp nhất cho mỗi nhóm đối tượng. • Bước 2: Ước lượng các tham số của các phân phối được lựa chọn ở Bước 1
theo phương pháp Bayes và phương pháp hợp lý tối đa. Luận án coi như dữ liệu KCB
BHYT năm 2014 là dữ liệu gốc. Cập nhật dữ liệu KCB BHYT năm 2015 sẽ ước lượng
được các tham số dùng trong mô phỏng cho chi phí KCB BHYT năm 2016. Cập nhật dữ liệu KCB BHYT năm 2016 sẽ ước lượng được các tham số dùng trong mô phỏng
cho chi phí KCB BHYT năm 2017. • Bước 3: Sử dụng các phân phối được lựa chọn ở Bước 1 và các tham số ước
lượng được ở Bước 2 để mô phỏng chi phí KCB BHYT cho từng đối tượng trong từng
nhóm theo mô hình rủi ro nhóm. Chi phí KCB BHYT mô phỏng được năm 2016 được dùng để so sánh với dữ liệu KCB BHYT thực vào năm 2016 để đo lường sai số của mô
hình. Chi phí KCB BHYT mô phỏng được cho năm 2017 chính là kết quả ước lượng
được từ mô hình rủi ro nhóm. Đây chính là ước lượng chi phí KCB BHYT cho từng
người trong từng nhóm đối tượng trên địa bàn TP. Hồ Chí Minh cho năm 2017. • Bước 4: Ước lượng số người tham gia BHYT dựa trên bộ dữ liệu dự báo dân
số của Tổng cục Thống kê (2016) theo các năm từ 2017 trở đi và dữ liệu về tỷ lệ bao phủ BHYT của TP. Hồ Chí Minh. Từ đó, kết hợp với chi phí KCB mô phỏng ở Bước 3
để thu được tổng chi phí KCB BHYT của từng nhóm đối tượng cũng như tổng chi phí
KCB BHYT của tất cả các nhóm. • Bước 5: Sử dụng kết quả mô phỏng của tổng chi phí KCB BHYT để tính toán các tham số phục vụ việc ra quyết định. Nội dung cụ thể của Chương này như sau: Mục 4.1 trình bày kết quả thực hiện
các kiểm định lựa chọn mô hình phù hợp cho số lượt và chi phí KCB BHYT theo lượt
trong từng nhóm. Mục 4.2 trình bày các kết quả ước lượng các tham số của các mô hình được lựa chọn theo phương pháp Bayes. Mục 4.3 trình bày các kết quả mô phỏng chi
phí KCB BHYT của từng người theo các nhóm và tính toán các sai số của kết quả thu
được so với thực tế. Mục 4.4 là các dự báo về số người tham gia BHYT theo các năm
và kết quả ước lượng tổng chi phí KCB BHYT cho cả nhóm và cho tất cả các nhóm. Cuối cùng, Mục 4.5 đưa ra các kết quả tính toán một số tham số phục vụ việc ra quyết 75 định. Trong mục này trình bày kết quả của các kiểm định về phân phối xác suất để tìm
ra mô hình phân phối xác suất phù hợp cho từng nhóm đối tượng. Hai lớp mô hình phân phối xác suất cần xác định là mô hình về số lượt KCB BHYT và mô hình cho chi phí
KCB BHYT theo lượt. Với dữ liệu KCB BHYT TP. Hồ Chí Minh trong ba năm từ 2014 đến 2016, Luận án sẽ thực hiện kiểm định phân phối xác suất của số lượt KCB cũng như chi phí KCB
của từng nhóm đối tượng theo từng năm (2014, 2015, 2016) cũng như khi dữ liệu được
cập nhật hàng năm (2014 và 2015, từ 2014 đến 2016). Dựa vào mã thẻ BHYT có thể phân biệt các cá nhân sử dụng thẻ trong KCB do
mỗi người sở hữu một số thẻ BHYT khác nhau và từ đó có thể có được quan sát về số lượt KCB cho từng người trong năm. Đối với một nhóm đối tượng nào đó, ta có mẫu
quan sát về số lượt KCB của từng người trong nhóm trong năm. Để minh họa cho
phương pháp, Luận án lựa chọn trình bày một nhóm đối tượng cụ thể, đó là nhóm nam
giới ở độ tuổi 50 đã sử dụng các dịch vụ KCB ngoại trú ở các cơ sở y tế tuyến trung
ương cho nhóm bệnh bướu tân sinh vào năm 2014. Bảng 4.1 trình bày một số thống kê
cơ bản của số lượt KCB của một người trong nhóm. Kết quả cho thấy trung bình một
năm, mỗi người trong nhóm có khoảng 1,533 lượt KCB và tối đa có 13 lượt KCB. Số lượt KCB trung bình nhỏ hơn phương sai của nó cho gợi ý về phân phối xác suất nhị
thức âm, nhưng sự chênh lệch không quá lớn nên không loại trừ phân phối Poisson. Bảng 4.1. Một số thống kê cơ bản của chuỗi dữ liệu về số lượt KCB Nhỏ nhất Trung vị Trung bình Phương sai Lớn nhất 1 1 1,533 1,736 13 Nguồn: Tự tính toán từ dữ liệu Bộ Y tế và HFG (2016) cho TP. HCM Ngoài ra, sử dụng sơ đồ hình cột cũng cho ta hình dung một cách trực quan về
phân phối của số lượt KCB trong nhóm (Hình 4.1). Hình 4.1 cho thấy dữ liệu phân phối
lệch phải nên các phân phối nhị thức, Poisson hay nhị thức âm đều có thể là gợi ý để
đưa vào kiểm định. Ngoài ra, đồ thị về hệ số nhọn và hệ số bất đối xứng cũng cho thấy
hình ảnh trực quan về sự phù hợp phân phối của dữ liệu mẫu. 0
0
1 0
8 0
6 0
4 0
2 0 0 1 2 3 4 5 6 7 8 76 Hình 4.1. Phân phối tần suất của số lượt KCB Nguồn: Tự tính toán từ dữ liệu Bộ Y tế và HFG (2016) cho TP. HCM Hình 4.2 cho thấy điểm biểu diễn cho dữ liệu mẫu nằm trên miền màu xám của 1 Observation Theoretical distributions normal 2 negative binomial Poisson 3 4 5 i 6 s
s
o
t
r
u
k 7 8 9 0
1 1
1 0 1 2 3 4 5 6 7 square of skewness phân phối nhị thức âm và nằm khá gần đường nét đứt của phân phối Poisson. Hình 4.2. Miền hệ số nhọn và bất đối xứng Nguồn: Tự tính toán từ dữ liệu Bộ Y tế và HFG (2016) cho TP. HCM 77 Để đưa ra kết luận chính xác hơn về phân phối của mẫu cần có kiểm định thống kê. Kiểm định Khi bình phương được sử dụng để đo độ phù hợp của phân phối lý thuyết
với dữ liệu. Bảng 4.2 thể hiện kết quả về các thống kê kiểm định đối với phân phối
Poisson và phân phối nhị thức âm. Bảng này cho thấy cả ba phân phối Poisson, nhị thức
và nhị thức âm đều phù hợp cho chuỗi số liệu vì giá trị P-value là khá lớn so với một mức ý nghĩa nào đó. Tuy nhiên, nếu cần lựa chọn một trong hai phân phối thì Poisson sẽ phù hợp hơn do có thống kê Khi bình phương nhỏ hơn. [ Bảng 4.2. Kết quả kiểm định Khi bình phương Phân phối Poisson Nhị thức Nhị thức âm Thống kê kiểm định (cid:9) Ê Khi bình phương 53,992 45,392 62,543 0,557 0.958 0,398 B − 4J€²N Nguồn: Tự tính toán từ dữ liệu Bộ Y tế và HFG (2016) cho TP. HCM Cũng với nhóm đối tượng này nhưng mẫu số liệu theo các năm khác nhau, các
kết quả kiểm định cho thấy phân phối Poisson là phù hợp hơn cả, do đa số các giá trị P- lại nhỏ nhất (Bảng 4.3). (cid:9) Ê value đều lớn nhất và Phân phối Nhị thức Poisson Nhị thức âm Năm P-value P-value P-value 2014 (cid:9)
Ê
53,992 Bảng 4.3. Kết quả kiểm định Khi bình phương theo thời gian (cid:9)
Ê
45,392 (cid:9)
Ê
62,543 2015 60,413 0,337 59,466 0,469 59,642 0,345 2016 64,633 0,196 58,707 0,381 75,201 0,083 2014-2015 94,975 0,266 92,719 0,172 102,234 0,067 2014-2016 107,646 0,815 85,697 0,998 99,871 0,132 0,557 0.958 0,398 Nguồn: Tự tính toán từ dữ liệu Bộ Y tế và HFG (2016) cho TP. HCM Bằng cách phân tích tương tự, Luận án mở rộng phân tích cho tất cả 10.331 nhóm
đối tượng. Kết quả thu được là số lượt KCB của tất cả các nhóm đều xác định được mô
hình phân phối xác suất trong các mô hình kiểm định là nhị thức, Poisson và nhị thức âm. Trong trường hợp số lượt KCB của nhóm nào đó cùng thỏa mãn đồng thời nhiều phân
phối, phân phối có thống kê Khi bình phương nhỏ hơn sẽ được lựa chọn. 78 Bảng 4.4 tổng hợp các kết quả kiểm định về phân phối xác suất của số lượt KCB
BHYT đối với tất cả các nhóm đối tượng. Kết quả cho thấy đa số các nhóm đối tượng
có số lượt KCB BHYT tuân theo phân phối Poisson. Đây là gợi ý lựa chọn phân phối
Poisson cho mô phỏng ở phần sau. Nhị thức Poisson Nhị thức âm Bảng 4.4. Số các nhóm đối tượng có số lượt KCB thỏa mãn các phân phối tương
ứng theo năm Phân phối Năm 2014 8.863 9.749 6.834 2015 7.851 9.644 7.201 2016 7.426 9.720 7.038 Nguồn: Tự tính toán từ dữ liệu Bộ Y tế và HFG (2016) cho TP. HCM Tương tự cách tìm ra mô hình cho số lượt KCB, mô hình cho chi phí KCB theo
lượt cũng được phân tích theo từng nhóm từ thống kê mô tả cho đến thống kê kiểm định.
Chỉ khác là phương pháp kiểm định phân phối được sử dụng trong phần này là kiểm
định Kolmogorop – Smirnov. Nhóm đối tượng được lựa chọn trong phần này vẫn là nhóm nam giới ở độ tuổi 50 đã sử dụng các dịch vụ KCB ngoại trú ở các cơ sở y tế tuyến
trung ương cho nhóm bệnh bướu tân sinh vào năm 2014. Các thống kê mô tả và đồ thị
hàm mật độ xác suất thực nghiệm cho thấy dữ liệu có phân phối lệch phải (Bảng 4.5 và
Hình 4.3). Bảng 4.5. Một số thống kê cơ bản của chuỗi dữ liệu chi phí KCB BHYT Đơn vị tính: triệu đồng Trung
bình Trung
vị Nhỏ
nhất Lớn
nhất Độ lệch
chuẩn Hệ số bất đối
xứng Hệ số
nhọn 0,079 17,508 0,939 3,883 0,217 3,704 19,108 Nguồn: Tự tính toán từ dữ liệu Bộ Y tế và HFG (2016) cho TP. HCM Bảng 4.5 cho thấy chi phí trung bình cho một lượt KCB nội trú ở cơ sở y tế tuyến
trung ương của nhóm đối tượng này là hơn 900.000 đồng. Giá trị trung vị nhỏ hơn trung
bình chứng tỏ phân phối tập trung về bên trái. Độ rộng của phân phối cho thấy chi phí
KCB của nhóm đối tượng này khá phân tán, có những lượt KCB chỉ tốn khoảng 80.000 79 đồng nhưng có những lượt KCB lại tiêu tốn đến gần 20 triệu đồng. Các giá trị của hệ số bất đối xứng và hệ số nhọn càng cho thấy dữ liệu có
phân phối lệch và tần suất tập trung khá cao ở chi phí thấp. Điều này là phù hợp với
chi phí KCB ở các tuyến nói chung. Hình 4.3 cho biểu diễn đồ thị hàm mật độ xác suất và hàm phân phối xác
suất của mức chi phí KCB của nhóm đối tượng đang xét. Hình ảnh hàm mật độ cho
thấy có một số điểm hàm mật độ đạt giá trị cực đại địa phương, chứng tỏ phân phối
xác suất của chi phí KCB không thực sự thuần nhất mà có thể là hợp của nhiều phân phối xác suất với nhau. Tuy nhiên, Luận án chỉ dừng lại ở việc xấp xỉ phân phối
thực nghiệm với một phân phối lý thuyết chứ chưa kết hợp các phân phối với nhau.
Câu hỏi đặt ra là phân phối lý thuyết nào sẽ phù hợp với chuỗi dữ liệu đang xét. Hình 4.3. Hàm mật độ và phân phối xác suất thực nghiệm Nguồn: Tự tính toán từ dữ liệu Bộ Y tế và HFG (2016) cho TP. HCM Để trả lời câu hỏi trên, trước tiên sử dụng đồ thị về miền hệ số nhọn và hệ số bất
đối xứng của một số phân phối lý thuyết để đưa ra những phán đoán cho phân phối thực
nghiệm. Hình 4.4 cho thấy điểm chấm có vị trí trong miền phân phối Beta, Gamma,
Weibull và Lognormal và có thể cho gợi ý về các phân phối được sử dụng trong lựa
chọn mô hình chi phí KCB là Lognormal, Gamma, Weibull, Pareto, Beta. 80 Hình 4.4. Miền hệ số nhọn và bất đối xứng Nguồn: Tự tính toán từ dữ liệu Bộ Y tế và HFG (2016) cho TP. HCM Hình 4.5 biểu diễn đồ thị hàm mật độ xác suất thực nghiệm của chuỗi dữ liệu
đang xét (màu đen) cùng với hàm mật độ xác suất của các phân phối Lognormal (màu
xanh lá), Gamma (xanh da trời), Pareto (xanh đỏ). Hình 4.5. Hàm mật độ xác suất thực nghiệm và lý thuyết Nguồn: Tự tính toán từ dữ liệu Bộ Y tế và HFG (2016) cho TP. HCM Trực quan cho thấy các phân phối lý thuyết đều khá gần so với phân phối thực nghiệm, trong đó phần cực đại của hàm mật độ xác suất, phân phối Lognormal có khoảng cách gần với dữ liệu nhất. 81 Tuy nhiên, giống như các mô hình với số lượt KCB, cần thực hiện các kiểm định thống kê mới cho ta kết quả chính xác hơn về sự phù hợp của các phân phối. Bảng sau cho trình bày các thống kê kiểm định cùng với các chỉ tiêu đo lường độ phù hợp của từng phân phối (Bảng 4.6). Kết quả cho thấy, chi phí KCB BHYT theo lượt của nhóm đối tượng này có phân phối xác suất phù hợp với phân phối Lognormal với mức ý nghĩa
α = 0.05, và có phân phối phù hợp thêm với phân phối Pareto với mức ý nghĩa α = 0.01. Dựa theo thống kê kiểm định KS thì Lognormal là lựa chọn tối ưu. Phân phối Lognormal Pareto Weibull Gamma Thống kê KS 0,038 0,045 0,099 0,159 P-value 0,082 0,026 0,009 0,002 Bảng 4.6. Thống kê kiểm định các phân phối Nguồn: Tự tính toán từ dữ liệu Bộ Y tế và HFG (2016) cho TP. HCM Tiếp tục thực hiện các kiểm định trên cùng nhóm đối tượng đang xét với mẫu số liệu theo các năm khác nhau cho kết quả trong Bảng 4.7. Kết quả cho thấy, các phân phối xác suất của chi phí KCB của nhóm đối tượng đang xét khá ổn định theo thời gian. Trong các phân phối được xét, phân phối Lognormal cho kết quả tốt nhất ( B − 4J€²N lớn nhất và thống kê nhỏ nhất). Phân phối Lognormal Pareto Weibull Gamma Năm KS P-value KS P-value KS P-value KS P-value 2014 Ã(cid:3) Bảng 4.7. Kết quả kiểm định Kolmogorop – Smirnov của nhóm theo thời gian 2015 0,092 0,061 0,087 0,027 0,122 0,013 0,193 0,002 2016 0,078 0,032 0,073 0,026 0,126 0,029 0,210 0,013 2014-2015 0,052 0,028 0,052 0,025 0,110 0,022 0,176 0,012 2014-2016 0,055 0,012 0,049 0,008 0,112 0,021 0,185 0,011 0,038 0,082 0,045 0,026 0,099 0,009 0,159 0,002 Nguồn: Tự tính toán từ dữ liệu Bộ Y tế và HFG (2016) cho TP. HCM Bằng cách tiếp cận tương tự, Luận án kiểm định và xác định được mô hình phân phối xác suất phù hợp nhất cho tất cả 10.331 nhóm đối tượng. 82 Bảng 4.8 tổng hợp các kết quả kiểm định về phân phối xác suất của chi phí KCB
BHYT theo lượt đối với tất cả các nhóm đối tượng. Kết quả cho thấy, phân phối
Lognormal có nhiều nhóm thỏa mãn và tăng dần theo thời gian. Trong khi đó, phân phối
Weibull và Gamma cũng có nhiều nhóm thỏa mãn nhưng lại giảm hoặc không ổn định
theo thời gian. Phân phối Pareto có ít nhóm thỏa mãn nhất. Phân phối Lognormal Pareto Weibull Gamma Năm 2014 6.541 5.531 7.072 6.624 2015 6.689 5.329 6.511 6.192 2016 6.953 5.216 6.451 6.272 Bảng 4.8. Số các nhóm đối tượng có chi phí KCB
thỏa mãn các phân phối tương ứng theo thời gian Nguồn: Tự tính toán từ dữ liệu Bộ Y tế và HFG (2016) cho TP. HCM Tóm lại, các kết quả kiểm định về mô hình phân phối xác suất cho thấy đa số các
nhóm có phân phối khá ổn định theo các năm. Số đông các nhóm đối tượng có chi phí
KCB BHYT theo lượt phân phối gần với Lognormal nhất và đa số các nhóm đối tượng
có số lượt KCB BHYT tuân theo phân phối Poisson. Tuy nhiên, vẫn có những nhóm đối
tượng mà số lượt cũng như chi phí KCB BHYT không có phân phối ổn định hoặc có
phân phối không rõ ràng. Do vậy, Luận án sẽ lựa chọn phân phối Poisson cho số lượt KCB BHYT và phân phối Lognormal cho chi phí KCB BHYT theo lượt đối với tất cả
các nhóm trong mô phỏng. Dựa trên các phân phối được lựa chọn này, các mục sau trình
bày các ước lượng tham số cho mô hình và mô phỏng chi phí KCB BHYT theo mô hình rủi ro nhóm. Với các mô hình phân phối xác suất phù hợp cho số lượt KCB BHYT và chi phí KCB BHYT theo lượt được lựa chọn trong Mục 4.1, Luận án sẽ đưa ra những ước lượng
tham số của các phân phối này theo hai phương pháp Bayes và phương pháp tần suất: i)
Phương pháp Bayes cho phép tính đến sự thay đổi theo thời gian của các tham số của các phân phối mỗi khi dữ liệu được cập nhật. Các tham số được coi như các biến ngẫu
nhiên có phân phối tiên nghiệm và sẽ có phân phối hậu nghiệm khi dữ liệu mới được
cập nhật. Do vậy, thay vì đưa ra các ước lượng cho những tham số của các phân phối
này, Luận án sẽ đưa ra những ước lượng tham số của các phân phối tiên nghiệm và hậu nghiệm của chúng; và ii) Phương pháp tần suất, cụ thể là ước lượng hợp lý tối đa, coi 83 tham số của phân phối như một giá trị cụ thể và ước lượng bằng cách làm cực đại hàm hợp lý. Các phần dưới đây sẽ trình bày các kết quả ước lượng tham số cho các phân phối
về số lượt và chi phí KCB BHYT mà sử dụng hai phương pháp ở trên với dữ liệu KCB
BHYT của TP. Hồ Chí Minh trong ba năm từ 2014 đến 2016. Dữ liệu năm 2014 có thể
được coi là dữ liệu gốc và được dùng để ước lượng các tham số của phân phối tiên
nghiệm của tham số mô hình. Khi dữ liệu năm 2015 và 2016 lần lượt được cập nhật và
các tham số của phân phối hậu nghiệm được ước lượng tương ứng. Giống như phần kiểm định mô hình, phần này cũng trình bày ước lượng tham số
cho một nhóm đối tượng cụ thể để mô tả phương pháp. Tiếp đó, phân tích lựa chọn nhóm
nam giới ở độ tuổi 50 đã sử dụng các dịch vụ KCB ngoại trú ở các cơ sở y tế tuyến trung
ương cho nhóm bệnh bướu tân sinh. Kết quả của kiểm định cho thấy số lượt KCB BHYT
của nhóm này có phân phối Poisson và ổn định qua các năm 2014 đến 2016. Ta cần ước của phân phối này. lượng tham số { B({) Theo phương pháp tần suất, ước lượng hợp lý tối đa của tham số trong phân phối chính là trung bình mẫu. Cụ thể, nếu số lượt KCB BHYT được giả thiết là có { thì tham số được ước lượng bằng số lượt KCB BHYT trung phân phối Poisson B({) bình của nhóm đối tượng tương ứng. Bảng 4.9 cho các giá trị ước lượng của tham số B({) { của phân phối Poisson theo các bộ số liệu tương ứng. { Năm 2014 2015 2016 2014-2015 2014-2016 2,9326 1,8925 2,1705 2,2879 2,2361 θ Bảng 4.9. Ước lượng hợp lý tối đa của tham số trong phân phối Poisson Nguồn: Tự tính toán từ dữ liệu Bộ Y tế và HFG (2016) cho TP. HCM Ngược lại với phương pháp tần suất, theo phương pháp Bayes, tham số là một giá trị cụ thể của biến ngẫu nhiên , được giả thiết có phân phối tiên nghiệm Gamma { ∗ ∗ và do đó phân phối hậu nghiệm của nó cũng có dạng Gamma . Ta sẽ Θ ∗ ∗ với dữ liệu cập nhật hàng năm. Từ đó suy ra các ước ”([ , ' ) bằng phương pháp mô phỏng ngẫu nhiên. Cụ thể, dựa vào dữ liệu KCB đưa ra các ước lượng cho
”([, ')
lượng của , ' [
BHYT có sẵn của năm 2014, ta ước lượng được tham số và trong phân phối tiên { của . Tham số của phân phối hậu nghiệm của khi cập nhật thêm dữ nghiệm ∗ ∗ liệu KCB BHYT năm 2015, , kí hiệu là [(cid:7)Þ
được xác định bởi công thức: ”([, ') Θ '(cid:7)Þ
Θ ∗
[(cid:7)ß ∗
, '(cid:7)ß ”([ , ' ) 84 <Æà
(cid:4)(cid:27)(cid:7) , ∗
[(cid:7)ß ∗
; '(cid:7)ß = [(cid:7)Þ + ∑ %(cid:7)ß(cid:4) = '(cid:7)Þ + (cid:20)(cid:7)ß trong đó và lần lượt là kích thước dữ liệu và số lượt KCB BHYT trong dữ liệu năm 2015.
(cid:20)(cid:7)ß %(cid:7)ß(cid:4) Tương tự, tham số của phân phối hậu nghiệm của khi cập nhật thêm dữ liệu ∗ ∗ , kí hiệu là được xác định bởi công thức: KCB BHYT năm 2016, Θ ∗
[(cid:7)(cid:25) , ' , <Æá
+ ∑ %(cid:7)(cid:25)(cid:4)
(cid:4)(cid:27)(cid:7) ∗
= '(cid:7)ß ∗
, '(cid:7)(cid:25)
∗
; '(cid:7)(cid:25) ”([
∗
[(cid:7)(cid:25) )
∗
= [(cid:7)ß + (cid:20)(cid:7)(cid:25) trong đó và lần lượt là kích thước mẫu và số lượt KCB BHYT trong dữ liệu năm 2016. (cid:20)(cid:7)(cid:25) %(cid:7)(cid:25)(cid:4) Các giá trị ước lượng và lần lượt dùng để mô phỏng tham số ∗
, '(cid:7)ß ∗
[(cid:7)(cid:25) ∗
[(cid:7)ß ∗
cho phân phối Poisson của số lượt KCB BHYT năm 2016 và 2017. Bảng 4.10
{(cid:7)(cid:25)
, '(cid:7)(cid:25)
trình bày các tham số ước lượng của các phân phối tiên nghiệm và hậu nghiệm của tham
{(cid:7)â
trong phân phối Poisson của số lượt KCB BHYT của nhóm nam giới ở độ tuổi 50 và số { đã sử dụng các dịch vụ KCB ngoại trú ở các cơ sở y tế tuyến trung ương cho nhóm bệnh
bướu tân sinh. Bảng 4.10. Các tham số ước lượng của phân phối tiên nghiệm và hậu nghiệm của
trong phân phối Poisson [(cid:7)Þ
1088 '(cid:7)Þ
392 ∗
[(cid:7)ß
2233 ∗
'(cid:7)ß
1104 ∗
[(cid:7)(cid:25)
3913 ∗
'(cid:7)(cid:25)
1978 ã Nguồn: Tự tính toán từ dữ liệu Bộ Y tế và HFG (2016) cho TP. HCM Tương tự như Mục 4.2.1 trình bày về ước lượng tham số cho mô hình số lượt
KCB BHYT, mục này trình bày kết quả ước lượng các tham số của phân phối xác suất của chi phí KCB BHYT theo lượt. Nhóm đối tượng được lựa chọn trình bày vẫn như cũ
(là nhóm nam giới ở độ tuổi 50 đã sử dụng các dịch vụ KCB ngoại trú ở các cơ sở y tế
tuyến trung ương cho nhóm bệnh bướu tân sinh). Luận án lựa chọn phân phối Lognormal (cid:9) cho chi phí KCB BHYT của nhóm đối tượng này, . Các tham số của phân phối cũng được ước lượng theo hai cách tiếp cận, tần suất và Bayes. ℒ({, q ) (cid:9) Đối với cách tiếp cận tần suất, hai tham số và q { được ước lượng theo phương
pháp hợp lý tối đa. Bảng 4.11 trình bày kết quả ước lượng hai tham số này dựa vào dữ
liệu theo các năm. 85 Năm 2014 2015 2016 2014-2015 2014-2016 -1,5039 -1,7526 -2,0484 -1,6315 -1,8104 θ 1,8026 1,7269 1,7692 1,7686 1,7809 σ Bảng 4.11. Ước lượng hợp lý tối đa của tham số trong phân phối Lognormal Nguồn: Tự tính toán từ dữ liệu Bộ Y tế và HFG (2016) cho TP. HCM (cid:9) Đối với cách tiếp cận Bayes, tham số của phân phối Lognormal được coi là một giá trị cụ thể của biến ngẫu nhiên , được giả thiết có phân phối tiên nghiệm ℒ({, q ) ∗ ∗(cid:9) là chuẩn . Các {
và do đó phân phối hậu nghiệm của nó có dạng
Θ (cid:9)
«(-(cid:23), q(cid:23)
∗ cũng được thực hiện với dữ liệu cập nhật hàng năm. Tham số ước lượng cho «(- , q ) )
∗(cid:9)
của phân phối tiên nghiệm và , q - (cid:9)
q(cid:7)Þ được ước lượng dựa vào dữ liệu về chi
-(cid:7)Þ
(cid:9)
phí KCB BHYT theo lượt năm 2014. Sau khi cập nhật dữ liệu năm 2015, tham số của
«(-(cid:7)Þ, q(cid:7)Þ ) phân phối hậu nghiệm của kí hiệu là được xác định bởi công thức: ∗
- (cid:7)ß ∗(cid:9)
, q(cid:7)ß 5Æåuæ ∑ çè ]Æà(cid:12) éÆà
(cid:12)êÆ w
vÆå w
vÆå
w (cid:7)u<Æàæ v (cid:7)u<Æàæ ; = ∗(cid:9)
; q(cid:7)ß Θ , ∗
-(cid:7)ß
lần lượt là kích thước mẫu và chi phí KCB BHYT theo lượt trong = = trong đó và (cid:9)
Lognormal với dữ liệu năm 2014 và 2015. là ước lượng hợp lý tối đa của tham số thứ hai trong phân phối dữ liệu năm 2015,
%(cid:7)ß(cid:4)
(cid:20)(cid:7)ß
q Tương tự, tham số của phân phối hậu nghiệm của khi cập nhật thêm dữ liệu KCB BHYT năm 2016, , được xác định bởi công thức: Θ ∗
«(-(cid:7)(cid:25)
∗
5Æà uæ ∑ çè ]Æá(cid:12) ∗(cid:9)
, q(cid:7)(cid:25)
)
éÆá
(cid:12)êÆ w
vÆà w
vÆà
w (cid:7)u<Æàæ v (cid:7)u<Æáæ ; = ∗(cid:9)
; q(cid:7)(cid:25) , ∗
-(cid:7)(cid:25)
lần lượt là kích thước mẫu và chi phí KCB BHYT theo lượt trong = = trong đó và dữ liệu năm 2016. (cid:20)(cid:7)(cid:25) %(cid:7)(cid:25)(cid:4) Các giá trị ước lượng và lần lượt dùng để mô phỏng tham số ∗(cid:9)
, q(cid:7)ß ∗
-(cid:7)(cid:25) ∗
-(cid:7)ß và ∗(cid:9)
trong phân phối Lognormal của chi phí KCB BHYT theo lượt năm 2016 và 2017
{(cid:7)(cid:25)
, q(cid:7)(cid:25)
của một người trong nhóm đang xét. Bảng 4.12 trình bày các tham số ước lượng của
trong phân phối Lognormal
các phân phối tiên nghiệm và hậu nghiệm của tham số {(cid:7)â của chi phí KCB BHYT theo lượt của nhóm đối tượng đang xét. { 86 Bảng 4.12. Các tham số ước lượng của phân phối tiên nghiệm và hậu nghiệm của trong phân phối Lognormal -(cid:7)Þ
-1,5039 (cid:9)
q(cid:7)Þ
3,2523 ∗
-(cid:7)ß
-1,7524 ∗(cid:9)
q(cid:7)ß
0,0028 ∗
-(cid:7)(cid:25)
-1,9283 ∗(cid:9)
q(cid:7)(cid:25)
0,0012 ã Nguồn: Tự tính toán từ dữ liệu Bộ Y tế và HFG (2016) cho TP. HCM Trong mục này, Luận án sử dụng phương pháp mô phỏng Monte-Carlo để mô
phỏng chi phí KCB BHYT cho mỗi người trong từng nhóm đối tượng theo mô hình rủi
ro nhóm, dựa vào các phân phối xác suất của số lượt KCB BHYT và chi phí KCB BHYT
theo lượt đối với từng nhóm và các tham số được ước lượng ở các mục trên. Sau đó, sử dụng kết quả mô phỏng được từ các tham số ước lượng với dữ liệu cập nhật đến năm
2015 so sánh với dữ liệu thực tế năm 2016 nhằm đánh giá sai số của ước lượng. Kết quả
mô phỏng chi phí KCB BHYT cho mỗi người từ các tham số ước lượng với dữ liệu cập
nhật năm 2016 chính là chi phí KCB BHYT ước lượng được cho năm 2017. Kết quả này sẽ được sử dụng ở mục sau để đưa ra ước lượng tổng chi phí KCB BHYT khi kết
hợp với dữ liệu dự báo số người tham gia BHYT. Đối với từng nhóm đối tượng, Luận án sử dụng phương pháp mô phỏng Monte-
Carlo để mô phỏng chi phí KCB cho từng người trong nhóm theo mô hình rủi ro nhóm.
Dựa vào kết quả kiểm định của Mục 4.1, đa số các nhóm đối tượng có số lượt KCB BHYT tuân theo phân phối Poisson, trong khi chi phí KCB BHYT theo lượt tuân theo
phân phối Lognormal. Luận án sẽ sử dụng những phân phối xác suất này cùng với các
tham số ước lượng được trong Mục 4.2 để mô phỏng chi phí KCB BHYT cho từng đối tượng cụ thể trong nhóm theo thuật toán đã được trình bày trong Mục 2.4.3. Tùy thuộc vào việc các tham số của các phân phối xác suất được ước lượng theo
phương pháp Bayes hay tần suất (hợp lý tối đa) mà các mô phỏng được thực hiện tương ë¬ì íî¥ ứng. Để phân biệt, Luận án ký hiệu và tương ứng là chi phí KCB BHYT của một người trong một nhóm mà được mô phỏng với tham số ước lượng theo phương
(cid:3) (cid:3) pháp Bayes và theo phương pháp hợp lý tối đa. Trường hợp các tham số được ước lượng theo phương pháp Bayes: số lượt KCB BHYT có phân phối Poisson trong đó phân phối Gamma ; và chi phí (cid:9) phân phối KCB BHYT theo lượt có phân phối Lognormal
O ˜(O) trong đó tham số
”([, ') ℒ({, q ) { 87 (cid:9)
«(-(cid:23), q(cid:23)
)
- Bước 1: Mô phỏng chuẩn . Thuật toán mô phỏng được thực hiện như sau: theo phân phối Gamma ; ë¬ì ”([, ') O
- Bước 2: Mô phỏng theo phân phối ; Nếu thì đặt ; Nếu thì chuyển Bước 3; (cid:13) ˜(O) (cid:13) = 0 (cid:3) = 0 (cid:13) ≠ 0 - Bước 3: Mô phỏng phân phối chuẩn ; (cid:9)
«(-(cid:23), q(cid:23)
)
theo phân phối Lognormal (cid:9) { - Bước 4: Mô phỏng , với ; ë¬ì (cid:6)(cid:16) ℒ({, q ) (cid:17) = 1, … , (cid:13) - Bước 5: Đặt ; ë¬ì được mô phỏng theo 5 bước trên chính là chi phí KCB BHYT cho một = (cid:6)(cid:7) + ⋯ + (cid:6)(cid:11) (cid:3) người trong một nhóm đối tượng cụ thể trong tổng số 10.962 nhóm đối tượng. Thực (cid:3) hiện lặp lại nhiều mô phỏng như thế (khoảng 10.000 mô phỏng) thu được chuỗi 10 nghìn ë¬ì . Các giá trị này cho dạng phân phối xác suất của chi phí KCB BHYT giá trị của của một người trong một nhóm, ước lượng được từ mô hình rủi ro nhóm và phương
(cid:3)
pháp Bayes. Trường hợp các tham số được ước lượng theo phương pháp hợp lý tối đa: số lượt tham số ; và chi phí KCB BHYT theo lượt có KCB BHYT có phân phối Poisson (cid:9)
Bảng 4.11. Thuật toán mô phỏng được thực hiện như sau:
)
theo phân phối phân phối Lognormal . Các tham số được ước lượng như trong các Bảng 4.9 và ˜(O) O íî¥ ; Nếu thì đặt ; Nếu ℒ({, q
- Bước 1: Mô phỏng thì chuyển Bước 2; (cid:13) ˜(O) (cid:13) = 0 (cid:3) = 0 (cid:9) theo phân phối Lognormal , với ; - Bước 2: Mô phỏng (cid:13) ≠ 0 íî¥ (cid:6)(cid:16) ℒ({, q ) (cid:17) = 1, … , (cid:13) - Bước 3: Đặt ; = (cid:6)(cid:7) + ⋯ + (cid:6)(cid:11) (cid:3) Thực hiện 10.000 mô phỏng theo ba bước trên thu được phân phối xác suất cho
chi phí KCB BHYT của một người trong một nhóm đối tượng đang xét theo mô hình
rủi ro nhóm với tham số được ước lượng theo phương pháp hợp lý tối đa. Hình 4.6 biểu diễn trên cùng một đồ thị hàm mật độ xác suất thực nghiệm của ba
chuỗi dữ liệu: đường màu đen là chuỗi dữ liệu gốc về chi phí KCB BHYT của một người
trong nhóm đối tượng đang xét; đường màu đỏ và đường màu xanh lá lần lượt biểu diễn
chuỗi dữ liệu mô phỏng được bằng mô hình rủi ro nhóm với tham số được ước lượng từ hai phương pháp tương ứng là Bayes và hợp lý tối đa. Trực quan cho thấy chi phí KCB
BHYT mô phỏng được theo tham số ước lượng Bayes có vẻ gần với dữ liệu thực tế hơn
so với chi phí KCB BHYT mô phỏng theo tham số ước lượng hợp lý tối đa. Để có kết
luận chính xác hơn, cần có đánh giá sai số của ước lượng. 88 Hình 4.6. Đồ thị hàm mật độ xác suất thực tế và mô phỏng của chi phí KCB BHYT Nguồn: Tự tính toán từ dữ liệu Bộ Y tế và HFG (2016) cho TP. HCM Phần tiếp theo trình bày kết quả đánh giá một cách định lượng về sai số ước lượng từ mô hình rủi ro nhóm. Đánh giá sai số của ước lượng chính là đánh giá sự phù hợp của mô hình rủi ro nhóm đối với số liệu KCB BHYT ở TP. Hồ Chí Minh. Để làm việc đó, Luận án chia bộ dữ liệu thành hai phần: i) dữ liệu các năm 2014 và 2015 được dùng để chạy mô hình (ước lượng các tham số của phân phối làm đầu vào cho các mô hình mô phỏng), từ đó đưa ra các ước lượng cho chi phí KCB BHYT; và ii) dữ liệu KCB BHYT năm 2016. Sử dụng các kiểm định phân phối xác suất để tính toán các thống kê đo lường sai lệch giữa phân phối xác suất của chi phí KCB BHYT ước lượng được từ phần dữ liệu thứ nhất với chi phí KCB BHYT thực tế ở phần dữ liệu thứ hai. Cụ thể, kiểm định Kolmororov- Smirnov được dùng để kiểm định sự phù hợp về phân phối xác suất của hai chuỗi dữ liệu này. Sai số của mô hình được đo bằng thống kê kiểm định và giá trị của kiểm định. Ước lượng có thống kê B − 4J€²N
Ã(cid:3)
càng nhỏ thì có sai số càng nhỏ. Nói cách Ã(cid:3) khác, giá trị của kiểm định càng lớn (lớn hơn mức ý nghĩa nào đó) chứng B − 4J€²N [ tỏ giá trị ước lượng được có phân phối xác suất càng gần với dữ liệu thực tế. Bảng 4.13 trình bày các thống kê và của kiểm định phân phối xác B − 4J€²N Ã(cid:3) suất giữa chi phí KCB BHYT theo đầu người thực tế trong năm 2016 so với chi phí KCB BHYT mô phỏng được từ mô hình rủi ro nhóm với các tham số ước lượng được 89 từ dữ liệu năm 2014 và 2014. Nhóm đối tượng được xét cụ thể là nam giới ở độ tuổi 50 đã sử dụng các dịch vụ KCB ngoại trú ở các cơ sở y tế tuyến trung ương cho nhóm bệnh bướu tân sinh. Các tham của mô hình được ước lượng bằng hai phương pháp, Bayes và hợp lý tối đa. Kết quả cho thấy, trong cả hai trường hợp đều lớn hơn 0,01, B − 4J€²N tức là với mức ý nghĩa 1%, chi phí KCB BHYT mô phỏng được có cùng phân phối xác suất với chi phí KCB BHYT thực tế. Điều đó chứng tỏ mô hình rủi ro nhóm là phù hợp để ước lượng chi phí KCB do BHYT chi trả đối với nhóm đối tượng này. So sánh thống kê hay trong hai trường hợp cho thấy mô hình với tham số ước lượng B − 4J€²N Ã(cid:3) theo phương pháp Bayes có sai số nhỏ hơn. Bảng 4.13. Sai số ước lượng của một nhóm đối tượng Mô hình với tham số ước Mô hình với tham số ước Sai số ước lượng lượng Bayes lượng hợp lý tối đa 0,4471 0,4562 Thống kê 0,0122 0,0114 KS P − value Nguồn: Tự tính toán từ dữ liệu Bộ Y tế và HFG (2016) cho TP. HCM Bằng cách tương tự, Luận án thực hiện đánh giá sai số ước lượng cho tất cả các
nhóm đối tượng. Bảng 4.14 cho thống kê về số nhóm đối tượng có sai số ước lượng
lớn hơn mức ý nghĩa của kiểm định, trong số 10.331
chấp nhận được, tức là nhóm đối tượng đang xét. B − 4J€²N Bảng 4.14. Số nhóm đối tượng có mô hình phù hợp Mô hình với tham số Mô hình với tham số Mức ý nghĩa Bayes hợp lý tối đa của kiểm định 5.679 5.588 0,1 6.062 6.984 0,05 7.317 7.277 0,01 Nguồn: Tự tính toán từ dữ liệu Bộ Y tế và HFG (2016) cho TP. HCM Như vậy, đa số các nhóm đối tượng cho kết quả ước lượng phù hợp. Hơn nữa,
kết quả mô phỏng từ mô hình với tham số ước lượng theo phương pháp Bayes phù hợp
hơn kết quả mô phỏng từ mô hình với tham số ước lượng theo phương pháp hợp lý tối
đa. Do đó, Luận án lựa chọn phương pháp Bayes để ước lượng tham số cho mô hình rủi 90 ro nhóm. Phần tiếp theo trình bày kết quả ước lượng chi phí KCB BHYT theo đầu người trong từng nhóm theo mô hình rủi ro nhóm, trong đó tham số của phân phối được ước
lượng theo phương pháp tiếp cận Bayes. Trong mục này, Luận án lựa chọn mô hình rủi ro nhóm mà ở đó số lượt KCB
BHYT có phân phối Poisson – Gamma và chi phí KCB BHYT theo lượt phân phối
Lognormal – Normal. Dữ liệu KCB BHYT năm 2014 được coi là dữ liệu gốc. Mỗi lần cập nhật dữ liệu theo năm (tức là năm 2015 rồi năm 2016), thông tin sẽ được phản ánh
vào tham số của ước lượng theo phương pháp ước lượng Bayes. Sử dụng phương pháp
mô phỏng Monte-Carlo theo năm bước trình bày ở trên với các tham số vừa ước lượng
được cùng với 10.000 mô phỏng ta sẽ thu được chi phí KCB BHYT theo đầu người năm 2017 dưới dạng phân phối xác suất. Với các tham số được ước lượng như trong Bảng 4.10 và 4.12, cho nhóm đối
tượng nam giới ở độ tuổi 50 đã sử dụng các dịch vụ KCB ngoại trú ở các cơ sở y tế tuyến trung ương cho nhóm bệnh bướu tân sinh, Luận án mô phỏng được một chuỗi các
giá trị của chi phí KCB BHYT năm 2017 của nhóm đối đượng này. Bảng 4.15 trình bày
một số các thống kê cơ bản về chuỗi dữ liệu mô phỏng được. Trung Nhỏ
nhất Lớn
nhất bình Độ lệch
chuẩn Trung
vị Hệ số bất đối
xứng Hệ số
nhọn 0,0245 54,467 5,139 4,5226 0,5882 11,895 31,645 Bảng 4.15. Thống kê chi phí đầu người KCB BHYT mô phỏng được Nguồn: Tự tính toán từ dữ liệu Bộ Y tế và HFG (2016) cho TP. HCM Kết quả cho thấy, chi phí KCB BHYT trung bình của nhóm đối tượng này là hơn
5 triệu đồng/người/năm. Mức chi phí có phân tán rất lớn với các giá trị trải từ hơn 200.000 đồng cho đến hơn 34 triệu đồng. Giá trị trung vị nhỏ hơn nhiều so với trung
bình cho thấy phân phối của chi phí KCB của nhóm lệch nhiều về bên phải. Để có cái
nhìn tổng thể về mặt trực quan, Hình 4.7 biểu diễn đồ thị hàm mật độ xác suất thực
nghiệm của chuỗi dữ liệu mô phỏng được. 91 Hình 4.7. Đồ thị hàm mật độ xác suất của chi phí đầu người KCB BHYT
được mô phỏng cho năm 2017 Nguồn: Tự tính toán từ dữ liệu Bộ Y tế và HFG (2016) cho TP. HCM Hình ảnh cho thấy chi phí KCB BHYT của nhóm đối tượng này rất phân tán, giá trị tập trung hầu hết vào khoảng dưới 10 triệu đồng. Tuy nhiên, vẫn có những giá trị lớn
hơn 50 triệu đồng. Bằng cách tương tự, Luận án thực hiện mô phỏng chi phí KCB BHYT theo đầu
người của tất cả 10.331 nhóm đối tượng. Kết quả được lưu lại dưới dạng ma trận 10.331 dòng và 10.000 cột, mỗi dòng tương ứng với chi phí KCB BHYT theo đầu người của
một nhóm đối tượng.2 Dựa vào số liệu mô phỏng này, có thể đưa ra một số phân tích sâu hơn đối với
các nhóm đối tượng cần quan tâm. Chẳng hạn có thể tính được chi phí KCB BHYT bình quân đầu người theo tuổi/nhóm tuổi; theo tuyến KCB; theo loại KCB cũng như theo
nhóm bệnh. Mục 4.5 sẽ phân tích sâu hơn về kết quả này. Hình 4.8 biểu diễn đồ thị hàm mật độ xác suất thực nghiệm cho chi phí KCB
BHYT theo đầu người của nhóm đối tượng là nam giới ở tuổi 60 sử dụng các dịch vụ
KCB nội trú ở tuyến trung ương với từng nhóm bệnh trong 10 nhóm bệnh được chọn
nghiên cứu. Hình này cho thấy, với cùng nhóm đối tượng theo nhân khẩu học thì chi phí
đối với các bệnh khác nhau là rất khác nhau. Có những nhóm bệnh chi phí không dao 2 Ma trận có kích thước khá lớn, không thể in hết vào Phụ lục của Luận án mà sẽ được lưu ở thư mục bên ngoài.
Tác giả sẵn sàng chia sẻ, giải trình nội dung theo yêu cầu của người đọc khi Dự án Bộ Y tế và HFG cho phép. động nhiều (bệnh nhiễm trùng, hệ tuần hoàn), nhưng có những nhóm bệnh chi phí lại
phân tán rất rõ rệt (bướu tân sinh hay cơ xương khớp). 92 Hình 4.8. Đồ thị hàm mật độ xác suất thực nghiệm
chi phí đầu người KCB BHYT, năm 2017 Nguồn: Tự tính toán từ dữ liệu Bộ Y tế và HFG (2016) cho TP. HCM Phần tiếp theo trình bày kết quả ước lượng tổng chi phí KCB BHYT của TP. Hồ Chí Minh trong năm 2017 bằng cách kết hợp kết quả mô phỏng từ mô hình rủi ro nhóm
với số liệu dự báo dân số và số người tham gia BHYT. Phần đầu của mục này trình bày dự báo về số người tham gia BHYT bằng cách
sử dụng dữ liệu dự báo dân số của Tổng cục Thống kê (2016) và tỷ lệ tham gia BHYT hàng năm từ Niên giám thống kê Y tế. Phần tiếp theo, dựa vào số người tham gia BHYT
và chi phí KCB BHYT mô phỏng được cho một người trong từng nhóm đối tượng, luận
án sẽ đưa ra tổng chi phí KCB BHYT cho cả nhóm cũng như cho tổng tất cả các nhóm đối tượng. Dựa vào dữ liệu dự báo dân số của Tổng cục Thống kê (2016), Luận án trích xuất số liệu về dân số TP. Hồ Chí Minh trong 5 năm (từ 2017 đến 2021). Sau đó, kết hợp với 93 tỷ lệ bao phủ BHYT để đưa ra dữ liệu dự báo về số người tham gia BHYT ở địa bàn
này, phân chia theo tuổi và giới tính. Bảng 4.16 trình bày dữ liệu dự báo dân số vào năm
2017 của TP. Hồ Chí Minh, phân chia theo giới tính và theo tuổi, với các lứa tuổi từ 0
đến 6. Tổng dự báo dân số TP. Hồ Chí Minh năm 2017 theo dữ liệu này là 8.314.471
người. Tuổi 0 1 2 3 4 5 6 Giới tính Nam 63.978 64.066 60.782 61.123 59.950 61.279 55.155 Nữ 55.689 55.836 53.512 53.996 53.213 55.851 50.461 Bảng 4.16. Bảng dự báo dân số theo giới tính và theo tuổi của GSO Nguồn: Tổng cục Thống kê (2016) Ngoài ra, theo dữ liệu thẻ BHYT cho thấy tỷ lệ tham gia BHYT này tăng lên theo
thời gian và tối đa là 100%. Cụ thể, Bảng 4.17 thể hiện kết quả về tình hình tham gia
BHYT ở TP. Hồ Chí Minh theo thời gian. Nhóm tuổi 0-14 15-39 40-59 60-69 70-79 80+ Tỷ lệ tham gia (%) 84,42 78,79 80,62 86,11 87,81 89,82 Bảng 4.17. Tỷ lệ tham gia BHYT TP. Hồ Chí Minh năm 2016 theo nhóm tuổi Nguồn: Tự tổng hợp từ Niên giám thống kê Y tế hàng năm Với giả định về tỷ lệ tham gia BHYT theo ý kiến chuyên gia, Luận án lựa chọn một số tình huống về tỷ lệ tham gia như các trường hợp nghiên cứu. Cụ thể, Luận án giả
định tỷ lệ tham gia BHYT của TP. Hồ Chí Minh trong năm 2017 theo các nhóm tuổi
đều cùng tăng 1 điểm phần trăm (như Bảng 4.18). Với các kịch bản tăng tỷ lệ tham gia
BHYT khác nhau, mô hình hoàn toàn có thể thực hiện tính toán được. Nhóm tuổi 0-14 15-39 40-59 60-69 70-79 80+ Tỷ lệ tham gia (%) 85,42 79,79 81,62 87,11 88,81 90,82 Bảng 4.18. Tỷ lệ tham gia BHYT TP. Hồ Chí Minh năm 2017 theo nhóm tuổi Nguồn: Giả định theo ý kiến chuyên gia Kết hợp dữ liệu dự báo dân số với tỷ lệ tham gia BHYT, Luận án đưa ra dự báo
về số người tham gia BHYT trong năm 2017. Bảng 4.19 thống kê số người tham gia
BHYT theo giới và theo tuổi với các lứa tuổi từ 0 đến 6 tuổi. 94 0 1 2 3 4 5 6 Tuổi Giới tính Nam 54.651 54.725 51.919 52.211 51.209 52.345 47.113 Nữ 47.569 47.695 45.709 46.123 45.455 47.708 43.104 Bảng 4.19. Dự báo số người tham gia BHYT, năm 2017 Nguồn: Tự tính toán dựa trên dữ liệu các Bảng 4.16 và Bảng 4.18 Dữ liệu dự báo dân số và số người tham gia BHYT được trình bày ở Phụ lục 2. Mục tiếp theo đưa ra ước lượng tổng chi phí KCB BHYT của từng nhóm và tất cả các nhóm bằng cách kết hợp kết quả mô phỏng được về chi phí KCB BHYT theo đầu
người với số người tham gia BHYT trong năm. Bằng cách nhân chi phí KCB BHYT ước lượng được theo đầu người trong mỗi
nhóm đối tượng theo mô hình rủi ro nhóm, với số người tham gia BHYT tính toán ở
mục trên thì ta sẽ thu được tổng chi phí KCB BHYT của cả nhóm đối tượng trong một năm và từ đó ước lượng của tổng chi phí KCB BHYT của cả TP. Hồ Chí Minh trong
năm 2017. Bảng 4.20 đưa ra một số thống kê cơ bản cho chuỗi giá trị ước lượng được.
Kết quả cho thấy, giá trị trung bình ước lượng được lên đến hơn 13.000 tỷ đồng. Mức
chi phí KCB BHYT nhỏ nhất ước lượng được là hơn 11.000 tỷ và mức lớn nhất lên đến hơn 23.000 tỷ. Mục sau sẽ phân tích kỹ hơn về kết quả này trong ứng dụng vào việc ra
quyết định. Bảng 4.20. Thống kê cơ bản của tổng chi phí KCB BHYT
tại TP. Hồ Chí Minh được mô phỏng cho năm 2017 Nhỏ nhất Trung bình Trung vị Lớn nhất Phân vị
thứ nhất Phân vị
thứ ba 11.301.127 13.257.272 13.883.942 13.729.671 14.290.545 23.712.641 Đơn vị: Triệu đồng Nguồn: Tự tính toán từ dữ liệu Bộ Y tế và HFG (2016) cho TP. HCM Hình 4.9 biểu diễn đồ thị hàm mật độ xác suất thực nghiệm của chuỗi số liệu mô
phỏng được. Đồ thị cho thấy hình ảnh phân phối lệch phải của tổng chi phí KCB BHYT
của cả thành phố ước lượng được cho năm 2017. 95 Hình 4.9. Đồ thị hàm mật độ xác suất của tổng chi phí KCB BHYT
mô phỏng cho năm 2017 Nguồn: Tự tính từ dữ liệu mô phỏng được cho TP. HCM Mục tiếp theo sẽ sử dụng các kết quả mô phỏng được để đưa ra một số tham số liên quan đến việc ra quyết định. Dựa vào số liệu mô phỏng được của chi phí KCB BHYT cho năm 2017 có thể tính toán được các tham số đặc trưng của nó. Các tham số này gắn liền với thông tin
giúp việc ra quyết định. Theo phần trên, Luận án đã có kết quả mô phỏng chi phí KCB
BHYT theo đầu người cho từng nhóm đối tượng cũng như chi phí KCB BHYT cho tổng tất cả các nhóm đối tượng. Tùy thuộc vào mục đích sử dụng mà có thể phân tích sâu cho
một hay một số nhóm đối tượng nào đó, hoặc cho tổng toàn bộ TP. Hồ Chí Minh. Như đã trình bày trong Chương 2, có hai nhóm độ đo rủi ro được sử dụng trong
việc ra quyết định là độ đo rủi ro dùng để tính phí và tính vốn kinh tế. Mục này chia làm hai phần: i) phần thứ nhất đưa ra các kết quả tính toán liên quan đến độ đo rủi ro dùng
để tính phí; và ii) phần thứ hai là các kết quả tính toán liên quan đến độ đo rủi ro dùng
để tính vốn kinh tế. Trong mỗi phần, Luận án sử dụng hai loại kết quả mô phỏng đó là chi phí KCB BHYT theo đầu người năm 2017 và tổng chi phí KCB BHYT cho cả TP.
Hồ Chí Minh năm 2017 để làm cơ sở tính toán. Theo Mục 2.5.1, các độ đo rủi ro dùng để tính phí và dự phòng là giá trị kỳ vọng
E(S), độ lệch chuẩn σS của chi phí KCB BHYT. Dựa vào các độ đo này có thể tính được 96 các loại phí bảo hiểm cần phải thu của người tham gia BHYT nhằm đảm bảo quỹ BHYT hoạt động được cân bằng, hay tính được mức dự phòng cho quỹ BHYT nhằm đảm bảo
chi trả cho những bồi thường phát sinh trong năm. Với chi phí KCB BHYT ước lượng được theo đầu người cho từng đối tượng trong
mục trên, Luận án có thể đưa ra giá trị kỳ vọng cho chi phí KCB BHYT theo đầu người
là 2,036 triệu/năm (Bảng 4.21). Con số này cho biết mức phí thuần phải thu theo đầu
người mỗi năm để đảm bảo cân bằng thu chi về mặt bình quân của Quỹ BHYT. Bên
cạnh đó, giá trị kỳ vọng của tổng chi phí KCB của TP. Hồ Chí Minh ước lượng được cho năm 2017 là 13.883.942 triệu đồng có thể coi là số tiền cần phải dự phòng cho các
khoản chi trả BHYT của thành phố trong năm. Cũng với chi phí KCB BHYT được ước lượng theo từng nhóm đối tượng nhỏ theo các tiêu chí nhân khẩu và phi nhân khẩu, luận án có thể đưa ra các lát cắt nghiên
cứu một cách linh hoạt. Cụ thể, Bảng 4.21 thống kê giá trị kỳ vọng và độ lệch chuẩn của
chi phí KCB BHYT cho một số nhóm đối tượng: nhóm người KCB với nhóm bệnh bướu
tân sinh; nhóm người cao tuổi (từ 60 tuổi trở lên); nhóm người KCB nội trú; nhóm người KCB ở tuyến trung ương và có thể gộp hết tất cả các đối tượng vào một nhóm. Mức chi
phí KCB BHYT này vừa được ước lượng theo đầu người vừa được ước lượng theo tổng
cả nhóm. Kết quả cho thấy, mức phí thuần cần phải thu theo đầu người của nhóm bệnh bướu tân sinh là 12,048 triệu đồng/năm và số tiền dự phòng cho cả nhóm bệnh này là 3.189.253
triệu đồng. Các kết quả được hiểu tương tự đối với các nhóm đối tượng khác. Bảng 4.21. Một số tham số của mức chi phí KCB BHYT theo đầu người Đơn vị: Triệu đồng Chi phí KCB
theo đầu người Tổng chi phí KCB
theo nhóm Nhóm đối tượng Giá trị kỳ
vọng Độ lệch
chuẩn Giá trị kỳ
vọng Độ lệch
chuẩn Nhóm bệnh bướu tân sinh 12,048 3.189.253 471.908 1,783 Nhóm người cao tuổi
Nhóm KCB nội trú
Nhóm KCB tuyến TW
Thành phố nói chung 4,162
7,683
5,805
2,036 0,543
1.521
1,501
0,243 2.928.903
8.287.681
6.099.133
13.883.942 382.096
1.640.395
1.576.907
1.662.478 Với cách làm này hoàn toàn có thể mở rộng phân tích cho bất cứ nhóm đối tượng Nguồn: Tự tính toán cho TP. HCM từ dữ liệu mô phỏng được 97 nào được quan tâm. Chẳng hạn, thay vì nghiên cứu về nhóm bệnh hiểm nghèo như bướu tân sinh, ta có thể nghiên cứu nhóm bệnh mạn tính như nhóm bệnh hệ tuần hoàn; hoặc
có thể nghiên cứu về các nhóm tuổi khác như nhóm trẻ em, nhóm người đang ở độ tuổi
lao động; nhóm KCB ngoại trú.... Bảng 4.22 thống kê các tính toán về độ đo rủi ro và cho tổng chi phí 3JÜY (cid:19)(cid:18)+Y KCB BHYT của một số nhóm đối tượng với một số mức α khác nhau. Dựa vào các độ
đo rủi ro này có thể đưa ra các mức vốn tối thiểu yêu cầu phải có để đảm bảo chi trả cho những tổn thất bất thường có thể xảy ra trong năm theo công thức: 3JÜY((cid:3)) − +((cid:3)); hoặc (cid:19)(cid:18)+Y((cid:3)) − +((cid:3)) Ví dụ, với độ tin cậy 95%, mức vốn tối thiểu yêu cầu Quy BHYT Thành phố Hồ Chí Minh cần có để đảm bảo chi trả cho những tổn thất bất thường trong năm 2017 là 1.686.984 triệu đồng nếu độ đo rủi ro là và là 2.903.511 triệu đồng nếu độ đo rủi ro là . 3JÜ(cid:23).(cid:26)ß (cid:19)(cid:18)+(cid:23).(cid:26)ß Bảng 4.22. Một số độ đo rủi ro cho chi phí KCB BHYT theo đầu người Đơn vị: Triệu đồng Nhóm bệnh bướu tân sinh Nhóm đối tượng Nhóm người cao tuổi 3.456.452 3.898.717 4.005.639 5.005.971 Nhóm KCB nội trú 9.880.500 11.665.274 12.001.574 16.142.820 Nhóm KCB tuyến TW 7.475.274 9.221.501 9.515.052 13.734.916 Thành phố nói chung 15.570.926 16.787.453 17.456.102 19.184.963 3JÜ(cid:23).(cid:26)ß
3.972.972 (cid:19)(cid:18)+(cid:23).(cid:26)ß
4.429.444 3JÜ(cid:23).(cid:26)(cid:26)
4.571.993 (cid:19)(cid:18)+(cid:23).(cid:26)(cid:26)
5.390.502 Nguồn: Tự tính toán cho TP. HCM từ dữ liệu mô phỏng được Tương tự phần tính phí và dự phòng, các kết quả tính vốn tối thiểu cũng hoàn
toàn có thể mở rộng cho bất kỳ nhóm đối tượng nào được quan tâm. Các lát cắt đối
tượng sẽ được thực hiện một cách linh hoạt tùy theo mục đích nghiên cứu. 98 Chương này đã thực hiện tất cả các bước trong việc sử dụng mô hình Toán Kinh tế, cụ thể là mô hình rủi ro nhóm trong ước lượng chi phí KCB do BHYT chi trả, dựa
vào dữ liệu KCB BHYT TP. Hồ Chí Minh. Các đối tượng sử dụng các dịch vụ KCB do BHYT chi trả được chia thành nhiều
nhóm theo các yếu tố nhân khẩu (tuổi và giới tính) và phi nhân khẩu (loại KCB, tuyến KCB và nhóm bệnh). Đây là cách chia nhỏ nhất có thể với bộ dữ liệu KCB BHYT. Với
cách phân chia này, mỗi đối tượng trong nhóm được coi là đồng nhất trong đối mặt với
các rủi ro về bệnh tật và do đó số lượt KCB cũng như chi phí KCB là như nhau, theo nghĩa có cùng phân phối xác suất. Bắt đầu từ những ước lượng, kiểm định lựa chọn các mô hình phân phối xác suất
cho các thành phần trong mô hình rủi ro nhóm (số lượt và chi phí KCB BHYT theo
lượt). Sau đó, ước lượng các tham số cho các mô hình phù hợp theo phương pháp tần suất và Bayes dựa vào dữ liệu được cập nhật hàng năm trong giai đoạn 2014-2016. Tiếp
theo, với các mô hình và tham số ước lượng được, chi phí KCB BHYT được mô phỏng
một cách ngẫu nhiên. Kết quả mô phỏng được cho biết phân phối xác suất thực nghiệm của chi phí KCB BHYT của từng đối tượng trong nhóm. Cuối cũng, kết hợp chi phí
KCB BHYT mô phỏng được và dữ liệu dự báo dân số và dữ liệu về tỷ lệ bao phủ BHYT
để đưa ra ước lượng cho chi phí KCB BHYT cho cả TP. Hồ Chí Minh trong năm 2017
và từ đó tính toán các tham số phục vụ cho việc ra quyết định. 99 Kết luận Với đề tài “Các mô hình toán kinh tế trong ước lượng chi phí khám chữa bệnh
do Bảo hiểm y tế chi trả ở Việt Nam”, Luận án đã thực hiện được các mục tiêu nghiên
cứu đặt ra. Luận án đã đạt được tất cả các mục tiêu nghiên cứu được đặt ra từ ban đầu, đó là: Thứ nhất, Luận án đã tập trung tổng quan các mô hình toán kinh tế đã được sử
dụng trong ước lượng chi phí KCB trên thế giới cũng như ở Việt Nam. Từ đó, Luận án lựa chọn kết hợp mô hình rủi ro nhóm với phương pháp ước lượng Bayes và mô phỏng
ngẫu nhiên để sử dụng trong nghiên cứu của mình. Thứ hai, Luận án tìm được một lớp các mô hình toán kinh tế phù hợp để ước
lượng chi phí KCB do BHYT chi trả bằng cách sử dụng bộ dữ liệu ở Việt Nam giai đoạn 2014 – 2016. Sau khi kiểm định sự phù hợp của các phân phối xác suất của số lượt KCB
BHYT và chi phí KCB BHYT theo lượt với dữ liệu, Luận án lựa chọn phân phối Poisson
– Gamma cho số lượt KCB BHYT và phân phối Lognormal – Normal cho chi phí KCB BHYT theo lượt. Thứ ba, từ các mô hình phù hợp đã đưa ra được các ước lượng về chi phí KCB
do BHYT chi trả cũng như đề xuất một số chính sách liên quan đến định phí và dự phòng
cho quỹ BHYT. Với chi phí KCB do BHYT chi trả ước lượng được dưới dạng phân phối xác suất, Luận án đã đưa ra kết quả tính toán cho các tham số liên quan. Giá trị
trung bình, độ lệch chuẩn được sử dụng trong việc tính phí bảo hiểm mà mỗi cá nhân
cần phải đóng, hay BHYT cần phải thu (có thể từ nhiều nguồn khác nhau) để đảm bảo và được sử dụng để tính toán cân bằng quỹ BHYT. Các tham số khác như 3JÜY (cid:19)(cid:18)+Y các mức vốn tối thiểu sao cho quỹ BHYT luôn sẵn sàng đối mặt với các rủi ro về bệnh
tật của toàn xã hội. Khuyến nghị Từ kết quả của Luận án, NCS có một số khuyến nghị sau đây: Thứ nhất, việc áp dụng mô hình toán kinh tế trong ước lượng chi phí cho thấy
được sự ưu việt so với các mô hình ước lượng truyền thống (như dự báo theo kịch bản
với các tham số được giả định trước). Do đó, chuyển từ cách thức ước lượng truyền
thống sang ước lượng bằng mô hình toán kinh tế là hết sức cần thiết nhằm tăng cường 100 chất lượng dự báo và từ đó đưa ra các khuyến nghị hoặc cảnh báo chính sách phù hợp với từng giai đoạn phát triển cũng như định hướng chính sách trong tương lai. Thứ hai, dù mô hình có ưu việt như thế nào đi nữa thì việc có được chuỗi dữ liệu
thống nhất về định dạng, định nghĩa và đo lường chỉ số cũng như theo thời gian sẽ là
yếu tố sống còn đảm bảo chất lượng tính toán và dự báo. Vì thế, tiếp tục triển khai và
phát triển cơ sở dữ liệu KCB do BHYT chi trả là yêu cầu cấp thiết với Cơ quan BHXH
Việt Nam và các bên liên quan, đặc biệt là các cơ sở y tế. Thứ ba, các mô hình ước lượng không chỉ cung cấp những thông tin về sự liên quan giữa các tham số trong ước lượng chi phí mà còn cho những cảnh báo quan trọng
về các yếu tố có thể tác động tới cân bằng quỹ BHYT cũng như xác định được mức bù
(mức đóng góp) tối thiểu để đảm bảo cân bằng quỹ BHYT khi tính tới các yếu tố tác động. Vì vậy, việc xây dựng bộ chỉ số theo dõi và đánh giá (M&E) liên quan tới độ bao
phủ, tỷ lệ sử dụng thẻ BHYT trong KCB, cân đối quỹ,... cũng hết sức cần thiết. Những ưu điểm và hạn chế của Luận án Với việc sử dụng mô hình theo phương pháp tiếp cận hiện đại, Luận án đạt được một số ưu điểm như sau: Thứ nhất, phương pháp sử dụng mô hình xác suất có ưu điểm vượt trội so với các
phương pháp ước lượng khác. Thay vì chỉ đưa ra các ước lượng cho một số tham số của
biến cần nghiên cứu như giá trị kỳ vọng hay giá trị phân vị, kết quả ước lượng theo phương pháp này được cho dưới dạng phân phối xác suất của biến đang nghiên cứu.
Dựa vào phân phối xác suất vừa dựng được, ta có đầy đủ các thông tin về biến cần
nghiên cứu, từ đó hoàn toàn có thể tính toán bất kỳ tham số đặc trưng nào của của nó. Thứ hai, tham số được ước lượng theo phương pháp Bayes. Tham số của phân
phối cần ước lượng không phải là một số cố định mà là một biến ngẫu nhiên. Điều này
cho phép tính đến sự thay đổi của tham số mỗi khi dữ liệu được cập nhật, giúp cho ước
lượng phù hợp hơn. Thứ ba, phương pháp mô phỏng Monte-Carlo với những thuật toán mô phỏng
bằng máy tính cho ra nhiều kết quả của ước lượng với nhiều kịch bản khác nhau về mô
hình cũng như về những tham số đầu vào khác. Phương pháp này mô tả được các diễn biến có tính chất ngẫu nhiên trong thực tế mà không cần phải chờ cho sự việc diễn ra,
và không tốn nhiều thời gian và công sức. Dựa vào các kết quả mô phỏng này có thể
đưa ra các hoạch định về mặt chính sách, giúp phòng ngừa được những rủi ro trong
tương lai. 101 Thứ tư, mô hình rủi ro nhóm giúp phân chia tổng chi phí KCB thành hai thành phần riêng biệt là số lượt là số lượt KCB và chi phí KCB theo lượt. Đây là cách tiếp cận
hiện đại trong mô hình hóa các tổn thất. Từ đó, các thay đổi về tổng chi phí sẽ được
phân biệt rõ là do thay đổi về mặt quy mô hay là do thay đổi về giá cả dịch vụ. Thứ năm, việc tách các đối tượng cần nghiên cứu theo các nhóm đặc trưng theo
dấu hiệu nhân khẩu và phi nhân khẩu làm cho các đối tượng trong mỗi nhóm có đặc tính
khá tương đồng. Từ đó giúp cho việc đánh giá, ước lượng các chi phí một cách chính
xác hơn. Thứ sáu, mô hình rủi ro nhóm rất phù hợp khi thực tế đòi hỏi việc nghiên cứu
riêng về một nhóm đối tượng nào đó với mục đích cụ thể. Chẳng hạn như nghiên cứu
một nhóm bệnh nào đó để đưa ra những chính sách về riêng những đối tượng thuộc nhóm bệnh đó (thiết kế các sản phẩm bảo hiểm cho những bệnh nan y,...); nghiên cứu
các đối tượng ở những nhóm tuổi khác nhau (đưa ra những ước lượng về chi phí KCB
cho nhóm trẻ em hay người già để hoạch định các chính sách hỗ trợ của chính phủ cho
nhóm đối tượng này); hoặc thiết kế các gói sản phẩm bảo hiểm ở những tuyến KCB khác nhau. Ngoài những ưu điểm nổi bật được tóm tắt ở trên, luận án còn tồn tại một số hạn chế, cụ thể: Thứ nhất, dữ liệu luận án sử dụng hạn chế về mặt thời gian, chỉ có 3 năm từ 2014 – 2016, nên kết quả ước lượng được tính cho năm 2017. Kết quả này không còn mang
tính cập nhật nữa. Tuy nhiên luận án tập trung chủ yếu vào phương pháp ước lượng.
Điều đó có nghĩa, nếu có dữ liệu cập nhật thì kết quả ước lượng cũng được cập nhật theo. Thứ hai, do thiếu dữ liệu về mặt thời gian và dữ liệu về các biến giải thích nên
luận án chưa sử dụng được các mô hình chuỗi thời gian hay mô hình hồi quy trong ước
lượng chi phí KCB do BHYT chi trả. Mặc dù các mô hình này chỉ cho kết quả ước lượng là chi phí KCB BHYT trung bình nhưng nếu thực hiện được cũng cho những kết quả
tham chiếu. Việc thiếu dữ liệu KCB BHYT của cả nước cũng làm một hạn chế không nhỏ về mặt kết quả. Sử dụng dữ liệu KCB BHYT của thành phố HCM đã mô tả được một cách
đầy đủ phương pháp mô hình rủi ro nhóm. Tuy nhiên vẫn chưa giải quyết chặt chẽ được
vấn đề đa tuyến đến và đi của toàn thành phố, cũng như vấn đề về nơi đăng ký KCB ban
đầu. Nếu tính trên dữ liệu cả nước thì những yếu tố này sẽ triệt tiêu và sẽ không còn quan trọng nữa. 102 Chưa tính đến sự phụ thuộc về số lượt cũng như chi phí KCB giữa các nhóm đối tượng. Cụ thể, cùng một người có thể KCB ở nhiều tuyến KCB khác nhau, hay cùng
KCB ở nội trú và ngoại trú cho cùng một loại bệnh, hoặc KCB nhiều lần trong năm với
nhiều loại bệnh khác nhau. Luận án chỉ sử dụng bộ dữ liệu KCB BHYT nên chưa tính toán được chi phí
KCB của người dân đối với KCB tự nguyện. Nếu tiếp cận KCB BHYT thuận lợi hơn có
thể việc sử dụng thẻ BHYT trong KCB của người dân sẽ tăng lên. Do nghiên cứu tất cả các nhóm đối tượng nên khối lượng công việc khá lớn và công phu. Việc này hạn chế sự mở rộng nghiên cứu nhiều loại mô hình phân phối xác
suất hoặc phối kết hợp các lớp mô hình với nhau. Luận án mới chỉ tập trung xét một số
phân phối xác suất phổ biến. Hướng mở rộng nghiên cứu: Từ các kết quả nêu trên, NCS dự kiến sẽ mở rộng nghiên cứu theo một số hướng sau đây: - Nghiên cứu sự phụ thuộc về chi phí KCB giữa các nhóm đối tượng; - Nghiên cứu trên dữ liệu cả nước; - Nghiên cứu sâu một số nhóm đối tượng cụ thể; - Có thể thử thêm nhiều phân phối khác hoặc kết hợp các phân phối với nhau để
tìm ra phân phối phù hợp hơn với dữ liện. Phương pháp này có thể thực hiện được, tuy nhiên cần nhiều thời gian. Đối với một nhóm nào đó thì việc tìm ra phân phối thực sự
phù hợp là khá công phu. Hơn nữa, chia các đối tượng theo các nhóm càng nhỏ càng tốt
vì sẽ loại được các yếu tố không thuần nhất. - Khi có đủ dữ liệu về mặt thời gian, nghiên cứu có thể áp dụng thêm các mô hình chuỗi thời gian trong ước lượng chi phí KCB do BHYT chi trả. - Tính đến mức thu BHYT theo mô hình và so sánh với mức thu hiện tại để đưa ra những dự báo về cân đối Quỹ BHYT. - Xây dựng nghiên cứu liên ngành: Nghiên cứu của Long và cộng sự (2019) cho
thấy hoạt động sản xuất của NCT gắn liền với vấn đề sức khỏe và NCT có BHYT thường
có tỷ lệ hoạt động sản xuất cao hơn so với NCT không có BHYT. Và vì vậy nghiên cứu các chính sách BHYT nhằm tăng cường sức khỏe và năng lực sản xuất cho một dân số
đang già hóa nhanh ở Việt Nam là hết sức cần thiết. 103 1. 3. 2. (2019), ‘Productive activities of the older people in Vietnam’, Social Science &
Medicine, Số229, pp. 32-40.
(2018), ‘Áp dụng mô hình rủi ro nhóm và phương pháp Bayes trong ước lượng chi
phí khám chữa bệnh ở Việt Nam’, Tạp chí Kinh tế & Phát triển, Số 256(II)/tháng
10/2018, tr.70-77.
(2017), ‘Prediction models for healthcare cost paid by Vietnamese Social Health
Insurance’. Vietnam International Applied Mathematics Conference, Ho Chi Minh 4. City, Dec.2017.
(2016), ‘Bảo hiểm y tế trong chăm sóc sức khỏe người cao tuổi ở Việt Nam’, Tạp
chí Kinh tế & Phát triển, Số 231 (II), tháng 9/2016, tr.38-48. (2016), ‘Tham gia BHYT & sử dụng dịch vụ y tế của người cao tuổi ở VN: Nhìn từ các cuộc điều tra hộ gia đình’, Tạp chí Bảo hiểm Xã hội, Số 298 (II), Tháng 5/2016, tr.24-25. 104 1. Astolfi Roberto, Luca Lorenzoni và Jillian Oderkirk (2012), 'A comparative
analysis of health forecasting methods', OECD Health Working Papers, (59),
OECD Publishing. 2. Baltagi Badi H và Francesco Moscone (2010), 'Health care expenditure and
income in the OECD reconsidered: Evidence from panel data', Journal of
Economic Modelling, 27(4), pp. 804-811. 3. Bastida Agustin Hernandez, Emilio Gomez Deniz và Jose Maria Perez Sanchez
(2009), 'Bayesian robustness of the compound Poisson distribution under
bidimensional prior: an application to the collective risk model', Journal of
Applied Statistics, 36(8), pp. 853-869. 4. Basu Anirban và Paul J Rathouz (2005),' Estimating marginal and incremental
effects on health outcomes using flexible link and variance function models',
Journal of Biostatistics, 6(1), pp. 93-109. 5. Beard Robert (2013), Risk theory: the stochastic basis of insurance, Springer
Science & Business Media. 6. Beekman John A và Clinton P Fuelling (1980), 'Simulation of a multi risk
collective model', Computational Probability, Elsevier, pp. 287-301. 7. Besseling Paul và Victoria Shestalova (2011), 'Forecasting public health
expenditures in the Netherlands', The Netherlands Bureau for Economic Policy
Analysis CPB Background Document, (16), pp.142-158. 8. Blough David K, Carolyn W Madden và Mark C Hornbrook (1999), 'Modeling
risk using generalized linear models', Journal of health economics, 18(2), pp. 153-171. 9. Bộ Y tế và nhóm tác giả y tế (2011), 'Strengthening management capacity and
reforming health financing to implement the five-year health sector plan 2011–
2015', Joint Annual Health Report (JAHR), (5), pp. 112-130. 10. Breiman Leo, Jerome Friedman, Charles J Stone và Richard A Olshen (1984), Classification and regression trees, CRC press. 11. Breiman Leo (2001), 'Random forests', Journal of Machine learning, 45(1), pp. 5-32. 105 12. Brown Laurie, Anthony Harris, Mark Picton, Linc Thurecht, Mandy Yap, Ann Harding, Peter Dixon và Jeff Richardson (2009), 'Linking microsimulation and
macro-economic models to estimate the economic impact of chronic disease
prevention', Journal of New Frontiers in Microsimulation Modelling. Ashgate:
European Centre Vienna, pp. 527-556. 13. Buntin Melinda Beeuwkes và Alan M Zaslavsky (2004), 'Too much ado about
two-part models and transformation: Comparing methods of modeling Medicare
expenditures', Journal of health economics, 23(3), pp. 525-542. 14. Cameron A Colin và Per Johansson (2004). 'Count data regression using series
expansions: with applications', Journal of Applied Econometrics, 12(3), pp. 203-
223. 15. Carroll Raymond J và David Ruppert (1988), Transformation and weighting in regression, CRC Press. for health care quantitative techniques 16. Cichon Michael (1999), Modelling in health care finance: A compendium of
financing, International Labour Organization. 17. Deb Partha, Willard Manning và Edward Norton (2006), 'Modeling health care
costs and counts', 8th World Congress on Health Economics, pp. 10-13. 18. Dickson David CM, Leanna M Tedesco và Ben Zehnwirth (1998), 'Predictive aggregate claims distributions', Journal of Risk and Insurance, pp. 689-709. 19. Duan Naihua (1983), 'Smearing estimate: a nonparametric retransformation
method', Journal of the American Statistical Association, 78(383), pp. 605-610. 20. Duan Naihua, Willard G Manning, Carl N Morris và Joseph P Newhouse (1983),
'A comparison of alternative models for the demand for medical care', Journal of
business & economic statistics, 1(2), pp. 115-126. 21. Fellingham Gilbert W, Athanasios Kottas và Brian M Hartman (2015), 'Bayesian
nonparametric predictive modeling of group health claims', Journal of Insurance:
Mathematics and Economics, (60), pp. 1-10. 22. Fukawa Tetsuo (2007), 'Health and long-term care expenditures of the elderly in
Japan using a micro-simulation model', The Japanese Journal of Social Security
Policy, 6(2), pp. 199-206. 106 23. Getzen Thomas E và Jean-Pierre Poullier (1992), 'International health spending
forecasts: concepts and evaluation', Journal of Social Science & Medicine, 34(9),
pp. 1057-1068. 24. Gilleskie Donna B và Thomas A Mroz (2004), 'A flexible approach for estimating
the effects of covariates on health expenditures', Journal of health economics,
23(2), pp. 391-418. 25. Hastie Trevor và Robert Tibshirani (1990), Generalized additive models, Wiley Online Library. 26. Hastie Trevor, Robert Tibshirani và Jerome Friedman (2002), 'The Elements of
Statistical Learning: Data Mining, Inference, and Prediction', Journal of
Biometrics, (13), pp. 98-115. 27. Hayne Roger M (1989), 'Application of Collective Risk Theory to Estimate
Variability in Loss Reserves', Proceedings of the Casualty Actuarial Society, pp.
77-97. 28. Heckman Philip E và Glenn G Meyers (1983), 'The calculation of aggregate loss
distributions from claim severity and claim count distributions', Proceedings of
the Casualty Actuarial Society, pp. 55-64. 29. Hernández-Bastida A, MP Fernández-Sánchez và E Gómez-Déniz (2009), 'The
net Bayes premium with dependence between the risk profiles', Journal of
Insurance: Mathematics and Economics, 45(2), pp. 247-254. 30. Hernández-Bastida A, MP Fernández-Sánchez và E Gómez-Déniz (2011),
'Collective risk model: Poisson–Lindley and exponential distributions for Bayes
premium and operational risk', Journal of Statistical Computation and
Simulation, 81(6), pp. 759-778. 31. Hill Steven C và G Edward Miller (2010), 'Health expenditure estimation and
functional form: applications of the generalized gamma and extended estimating
equations models', Journal of Health economics, 19(5), pp. 608-627. 32. Hội Liên hiệp Phụ nữ Việt Nam (2012), Điều tra người cao tuổi Việt Nam: Những kết quả chủ yếu, Nhà xuất bản Phụ nữ. 33. Jerome Yeatman (2001), Manuel International de l'Assurance, Economica. 34. Jones Andrew M (2010), Models for health care, University of York., Centre for
Health Economics. 107 35. Jones Andrew M (2017), 'Data Visualization and Health Econometrics', Journal
of Foundations and Trends in Econometrics, 9(1), pp. 1-78. 36. Kelly E., T. L. Giang và T. H. T. Pham (2016), 'Actuarial Analysis related to
Development of Vietnam’s Social Health Insurance Package', Ministry of Health
(MoH) and Health and Finance Governance Project (HFG), (5), pp. 96-105. 37. Khuê Lương Ngọc, Trần Quý Tường và Trần Hậu Khang (2015), Bảng phân loại quốc tế về bệnh tật, Bộ Y tế. 38. Klugman Stuart A, Harry H Panjer và Gordon E Willmot (2012), Loss models: from data to decisions, John Wiley & Sons. 39. Klugman Stuart A (2013), Bayesian statistics in actuarial science: with emphasis on credibility, Springer Science & Business Media. 40. Kozubowski Tomasz J và Anna K Panorska (2005), 'A mixed bivariate
distribution with exponential and geometric marginals', Journal of Statistical
Planning and Inference, 134(2), pp. 501-520. 41. Leathwick JR, J Elith và T Hastie (2006), 'Comparative performance of generalized additive models and multivariate adaptive regression splines for
statistical modelling of species distributions', Journal of Ecological modelling,
199(2), pp. 188-196. 42. Liaw Andy và Matthew Wiener (2002), 'Classification and regression by
randomForest', Journal of R news, 2(3), pp. 18-22. 43. Lightwood James, Kirsten Bibbins-Domingo, Pamela Coxson, Y Claire Wang,
Lawrence Williams và Lee Goldman (2009), 'Forecasting the future economic burden of current adolescent overweight: an estimate of the coronary heart
disease policy model', American Journal of Public Health, 99(12), pp. 2230-
2237. 44. Giang Thanh Long, Phạm Thị Hồng Thắm và Phạm Lê Tuấn (2016), 'Bảo hiểm
y tế trong chăm sóc sức khỏe cho NCT ở Việt Nam', Tạp chí Tạp chí Kinh tế và
Phát triển, Số 9/2016, Trang: 38-48. 45. Giang Thanh Long, Pham Thi Hong Tham & Phi Manh Phong (2019),
‘Productive activities of the older people in Vietnam’, Social Science &
Medicine, 229 (2019), tr. 32-40. 108 46. Makov Udi E (2001), 'Principal applications of Bayesian methods in actuarial
science: a perspective', North American Actuarial Journal, 5(4), pp. 53-57. 47. Manning Willard (2012), 'Dealing with skewed data on costs and expenditures', The Elgar companion to health economics, pp. 473-480. 48. Manning Willard G (1998), 'The logged dependent variable, heteroscedasticity,
and the retransformation problem', Journal of health economics, 17(3), pp. 283-
295. 49. Manning Willard G và John Mullahy (2001), 'Estimating log models: to
transform or not to transform?', Journal of health economics, 20(4), pp. 461-494. 50. Manning Willard G, Anirban Basu và John Mullahy (2005), 'Generalized
modeling approaches to risk adjustment of skewed outcomes data', Journal of
health economics, 24(3), pp. 465-488. 51. Martins Joaquim Oliveira, Christine de la Maisonneuve Joaquim và Simen
Bjørnerud (2006), 'Projecting OECD health and long-term care expenditures:
What are the main drivers', Economics Department Working Papers, (477), pp.152-165. 52. Meyers Glenn và Nathaniel Schenker (1983), 'Parameter Uncertainty in the Collective Risk Model', Journal of PCAS LXX, (16), pp. 111-128. 53. Meyers Glenn (2009), 'Stochastic loss reserving with the collective risk model', Journal of Variance, 3(2), pp. 239-269. 54. Meyers Glenn G (2007), 'Estimating predictive distributions for loss reserve models', Journal of Variance, 1(2), pp. 248-272. 55. Migon Helio S và Fernando AS Moura (2005), 'Hierarchical bayesian collective
risk model: an application to health insurance', Journal of Insurance:
Mathematics and Economics, 36(2), pp. 119-135. 56. Mihaylova Borislava, Andrew Briggs, Anthony O'hagan và Simon G Thompson (2011), 'Review of statistical methods for analysing healthcare resources and
costs', Journal of Health economics, 20(8), pp. 897-916. 57. Mildenhall Stephen J (2006), 'A multivariate Bayesian claim count development
model with closed form posterior and predictive distributions', CAS Forum
(Winter), pp. 451-493. 109 58. Moran John L, Patricia J Solomon, Aaron R Peisach và Jeffrey Martin (2007), 'New models for old questions: generalized linear models for cost prediction',
Journal of evaluation in clinical practice, 13(3), pp. 381-389. 59. Morgan Jake (2014), 'Classification and regression tree analysis', Report No1. Boston University School of Public Health, (14), pp. 145-155. 60. Nelder John Ashworth và R Jacob Baker (1972), Generalized linear models, Wiley Online Library. 61. Neyman Jerzy và Elizabeth L Scott (1960), 'Correction for bias introduced by a
transformation of variables', Journal of The Annals of Mathematical Statistics,
31(3), pp. 643-655. 62. O'Hagan Anthony, Matt Stevenson và Jason Madan (2007), 'Monte Carlo probabilistic sensitivity analysis for patient level simulation models: efficient
estimation of mean and variance using ANOVA', Journal of Health economics,
16(10), pp. 1009-1023. 63. Oliveira Martins Joaquim và Christine De la Maisonneuve (2006), 'The drivers of public expenditure on health and long-term care: an integrated approach',
Journal of Christine, The Drivers of Public Expenditure on Health and Long-
Term Care: An Integrated Approach, 5(6), pp. 120-135. 64. Organization World Health (2015), Global status report on road safety 2015, World Health Organization. 65. Panjer Harry H (1981), 'Recursive evaluation of a family of compound
distributions', ASTIN Bulletin: The Journal of the IAA, 12(1), pp. 22-26. 66. Phạm Thắng và Đỗ Thị Khánh Hỷ (2009), Tổng quan về các chính sách chăm
sóc người cao tuổi đáp ứng sự thay đổi cơ cấu tuổi ở Việt Nam, Quỹ Dân số Liên
Hợp Quốc. 67. Phạm Thị Hồng Thắm (2018), 'Áp dụng mô hình rủi ro nhóm và phương pháp
Bayes trong ước lượng chi phí khám chữa bệnh ở Việt Nam', Tạp chí Kinh tế &
Phát triển, 256(II), tr. 61-70. 68. Pham Thi Hong Tham (2017), ‘Prediction models for healthcare cost paid by
International Applied Insurance’. Vietnam Vietnamese Social Health
Mathematics Conference, Ho Chi Minh City, Dec.2017. 69. 110 Phí Mạnh Phong & Phạm Thị Hồng Thắm (2016), ‘Tham gia BHYT & sử dụng
dịch vụ y tế của người cao tuổi ở VN: Nhìn từ các cuộc điều tra hộ gia đình’, Tạp
chí Bảo hiểm Xã hội, Số. 298 (II), Tháng 5/2016, tr.24-25. 70. Przywara Bartosz (2010), Projecting future health care expenditure at European
level: drivers, methodology and main results, Directorate General Economic and
Financial Affairs (DG ECFIN), European Commission. 71. Quốc hội nước CHXHCN VN (2000), Luật kinh doanh Bảo hiểm. 72. Racic Tatjana (1997), 'The actual uses of health service indicators and projections
of health services expenditures in Croitia', Journal of F&R Insurance Consulting,
(8), pp. 95-106. 73. Ringel Jeanne S, Christine Eibner, Federico Girosi, Amado Cordova và Elizabeth
A McGlynn (2010), 'Modeling health care policy alternatives', Health Services
Research, 45(2), pp. 1541-1558. 74. Spielauer Martin (2007), 'Dynamic microsimulation of health care demand,
health care finance and the economic impact of health behaviours: survey and
review', International Journal of Microsimulation, 1(1), pp. 35-53. 75. Sushmita Shanu, Stacey Newman, James Marquardt, Prabhu Ram, Viren Prasad,
Martine De Cock và Ankur Teredesai (2015), 'Population cost prediction on
public healthcare datasets', Proceedings of the 5th International Conference on
Digital Health 2015, pp. 87-94. 76. Tổng cục Thống kê (Nhiều năm), Niên giám Thống kê, NXB Thống kê, Hà Nội. 77. Tse Yiu-Kuen (2009), Nonlife actuarial models: theory, methods and evaluation, Cambridge University Press. 78. Vos Theo, John Goss, Stephen Begg và Nicholas Mann (2007), 'Projection of
health care expenditure by disease: a case study from Australia', Background
paper for United Nations, (10), pp. 168-176. 79. Warshawsky Mark J (1994), 'Projections of health care expenditures as a share
of the GDP: actuarial and macroeconomic approaches', Health Services
Research, 29(3), pp. 293. 80. Winkelmann Rainer (2004), 'Health care reform and the number of doctor
visits—an econometric analysis', Journal of applied Econometrics, 19(4), pp.
455-472. 111 81. Wuthrich Mario V (2017), Non-life insurance: mathematics & statistics, SSRN
2319328 [Trực tuyến], https://papers.ssrn.com/sol3/pdf [Truy cập: 11/08/2018]. 82. Yohannes Yisehac và John Hoddinott (1999), 'Classification and regression trees:
an introduction', International Food Policy Research Institute, (2033), pp. 168-
176. 83. Yu Guang Qu (2015), 'Hierarchical bayesian modeling of health insurance claims', Master project, University of Melbourne. 84. Zucchelli Eugenio, Andrew M Jones và Nigel Rice (2010), 'The evaluation of
health policies through microsimulation methods', Health, Econometrics and
Data Group (HEDG) Working Papers, 10(03), pp. 106-115. 112 (1) Bệnh nhiễm trùng và kí sinh trùng; (2) Bướu tân sinh; Bệnh của máu, cơ quan tạo máu và các rối loạn liên quan đến cơ chế miễn (3) dịch; (4) Bệnh nội tiết, dinh dưỡng và chuyển hóa; (5) Rối loạn tâm thần và hành vi; (6) Bệnh hệ thần kinh; (7) Bệnh mắt và phần phụ; (8) Bệnh tai và xương chũm; (9) Bệnh hệ tuần hoàn; (10) Bệnh hệ hô hấp; (11) Bệnh hệ tiêu hóa; (12) Các bệnh da và mô dưới da; (13) Bệnh cơ, xương, khớp và mô liên kết; (14) Bệnh hệ sinh dục – tiết niệu; (15) Thai nghén, sinh đẻ và hậu sản; (16) Một số bệnh lý xuất phát trong thời kỳ chu sinh; (17) Dị tật bẩm sinh, biến dạng và bất thường về nhiễm sắc thể; (18) Các triệu chứng, dấu hiệu và những biểu hiện lâm sàng và cận lâm sàng bất thường, không phân loại ở phần khác; (19) Chấn thương, ngộ độc và một số hậu quả khác do nguyên nhân bên ngoài; (20) Nguyên nhân ngoại sinh của bệnh tật và tử vong; (21) Các yếu tố ảnh hưởng đến tình trạng sức khỏe và tiếp xúc dịch vụ Y tế; (22) Mã phục vụ những mục đích đặc biệt.2.3.2. Kiểm định Anderson – Darling
2.3.3. Kiểm định Khi bình phương
2.3.4. Các tiêu chí so sánh
2.4. Phương pháp mô phỏng ngẫu nhiên
2.4.1. Mô phỏng biến ngẫu nhiên rời rạc
2.4.2. Mô phỏng biến ngẫu nhiên liên tục
2.4.3. Mô phỏng tổng chi phí theo mô hình rủi ro nhóm
2.5. Độ đo rủi ro và ứng dụng
2.5.1. Độ đo rủi ro dùng để tính phí (Premium–based risque measures)
2.5.2. Độ đo rủi ro dùng để tính vốn kinh tế (Capital–based risque measure)
Kết luận chương 2
CHƯƠNG 3
THỰC TRẠNG VỀ THAM GIA VÀ SỬ DỤNG DỊCH VỤ
KHÁM, CHỮA BỆNH BẰNG BẢO HIỂM Y TẾ Ở VIỆT NAM
3.1. Bảo hiểm Y tế ở Việt Nam
3.1.1. Một số khái niệm
3.1.2. Quá trình ra đời và phát triển của Bảo hiểm Y tế ở Việt Nam
Luật
BHYT
NĐ63
NĐ58
NĐ299
1992
1998
2005
2009
2010
2012
2014
3.1.3. Quỹ Bảo hiểm Y tế
3.2. Thực trạng tham gia bảo hiểm y tế
2006
2004
2014
2016
Các nhóm đặc trưng
Chung
53.23
37.56
70.01
78.12
Nhóm tuổi
Giới tính
Dân tộc của chủ hộ
Khu vực sống
Tình trạng nghèo của hộ
3.3. Thực trạng sử dụng bảo hiểm y tế trong khám, chữa bệnh
Tuyến TW và
tương đương
Tuyến tỉnh và
tương đương
Tuyến huyện và
tương đương
Tuyến xã và
tương đương
Số lượt KCB
Tổng chi phí KCB
Nam
Nữ
60-69
70-79
80+
60-69
70-79
80+
Điều trị nội trú
KCB ngoại trú
Nội trú
Ngoại trú
Nhóm bệnh
% tổng
chi phí
% BHYT
thanh toán
% tích
luỹ
Tổng chi
phí (triệu
đồng)
84,83
Nội trú
86,03
Ngoại trú
3.4. Tình hình KCB BHYT TP HCM giai đoạn 2014 - 2016
3.4.1. Số lượt khám chữa bệnh bảo hiểm y tế
3.4.2. Chi phí khám chữa bệnh bảo hiểm y tế
Kết luận chương 3
CHƯƠNG 4
SỬ DỤNG MÔ HÌNH RỦI RO NHÓM ƯỚC LƯỢNG CHI PHÍ
KHÁM CHỮA BỆNH DO BẢO HIỂM Y TẾ CHI TRẢ Ở VIỆT NAM:
NGHIÊN CỨU TRƯỜNG HỢP THÀNH PHỐ HỒ CHÍ MINH
4.1. Kiểm định lựa chọn mô hình phù hợp đối với từng nhóm
4.1.1. Mô hình cho số lượt khám chữa bệnh bảo hiểm y tế
4.1.2. Mô hình cho chi phí khám chữa bệnh bảo hiểm y tế
4.2. Ước lượng tham số cho các mô hình
4.2.1. Ước lượng tham số mô hình số lượt khám chữa bệnh bảo hiểm y tế
4.2.2. Ước lượng tham số cho mô hình chi phí khám chữa bệnh bảo hiểm y tế
4.3. Mô phỏng tổng chi phí khám chữa bệnh bảo hiểm y tế và đánh giá sai số
của ước lượng
4.3.1. Mô phỏng chi phí khám chữa bệnh bảo hiểm y tế theo mô hình rủi ro nhóm
4.3.2. Đánh giá sai số của ước lượng
4.3.3. Ước lượng chi phí đầu người khám chữa bệnh bảo hiểm y tế năm 2017
4.4. Dự báo số người tham gia và ước lượng tổng chi phí khám, chữa bệnh
bảo hiểm y tế
4.4.1. Số người tham gia bảo hiểm y tế
4.4.2. Ước lượng tổng chi phí khám chữa bệnh Bảo hiểm Y tế
4.5. Tính toán các độ đo rủi ro và ứng dụng
4.5.1. Độ đo rủi ro dùng để tính phí
4.5.2. Độ đo rủi ro dùng để tính vốn kinh tế
Kết luận Chương 4
KẾT LUẬN VÀ KHUYẾN NGHỊ
DANH MỤC CÔNG TRÌNH ĐÃ CÔNG BỐ CỦA TÁC GIẢ
LIÊN QUAN ĐẾN LUẬN ÁN
TÀI LIỆU THAM KHẢO
PHỤ LỤC
Phân loại quốc tế về bệnh tật ICD 10
