Các mô hình toán kinh tế trong ước lượng chi phí khám chữa bệnh do bảo hiểm y tế chi trả ở việt nam

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC KINH TẾ QUỐC DÂN - PHẠM THỊ HỒNG THẮM CÁC MƠ HÌNH TỐN KINH TẾ TRONG ƯỚC LƯỢNG CHI PHÍ KHÁM CHỮA BỆNH DO BẢO HIỂM Y TẾ CHI TRẢ Ở VIỆT NAM LUẬN ÁN TIẾN SĨ NGÀNH KINH TẾ HỌC HÀ NỘI – 2019 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC KINH TẾ QUỐC DÂN - PHẠM THỊ HỒNG THẮM CÁC MƠ HÌNH TỐN KINH TẾ TRONG ƯỚC LƯỢNG CHI PHÍ KHÁM CHỮA BỆNH DO BẢO HIỂM Y TẾ CHI TRẢ Ở VIỆT NAM Chuyên ngành: Toán kinh tế Mã số: 9310101 LUẬN ÁN TIẾN SĨ Người hướng dẫn khoa học: PGS TS Giang Thanh Long HÀ NỘI – 2019 i LỜI CAM KẾT Tôi đọc hiểu hành vi vi phạm trung thực học thuật Tôi cam kết danh dự cá nhân Luận án thực không vi phạm yêu cầu trung thực học thuật Nghiên cứu sinh Phạm Thị Hồng Thắm ii MỤC LỤC 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 CHƯƠNG 1: CƠ SỞ LÝ LUẬN VÀ TỔNG QUAN NGHIÊN CỨU 1.1 Cơ sở lý luận 1.1.1 Các khái niệm lịch sử phát triển bảo hiểm 1.1.2 Các loại hình bảo hiểm 11 1.1.3 Các đặc trưng bảo hiểm 13 1.1.4 Định phí dự phòng bảo hiểm 15 1.1.5 Bảo hiểm y tế 16 1.2 Tổng quan mơ hình ước lượng, dự báo chi phí KCB 18 1.2.1 Các mơ hình dự báo chi phí khám, chữa bệnh 18 1.2.2 Các mơ hình hồi quy ước lượng chi phí khám, chữa bệnh 21 1.2.3 Các mơ hình tổn thất ước lượng chi phí khám, chữa bệnh 24 1.2.4 Các mơ hình ước lượng chi phí khám chữa bệnh áp dụng Việt Nam 27 Kết luận chương 28 CHƯƠNG 2: PHƯƠNG PHÁP NGHIÊN CỨU 30 2.1 Mơ hình rủi ro nhóm ước lượng chi phí khám chữa bệnh 30 2.1.1 Mơ hình hóa số lượt KCB 31 2.1.2 Mơ 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 mơ 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 ngẫu nhiên 41 2.4.1 Mô biến ngẫu nhiên rời rạc 41 2.4.2 Mô biến ngẫu nhiên liên tục 41 2.4.3 Mô tổng chi phí theo mơ hình rủi ro nhóm 43 2.5 Độ đo rủi ro 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 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 Việt Nam 47 3.1.1 Một số khái niệm 47 3.1.2 Quá trình đời phát triển Bảo hiểm Y tế 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 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 71 CHƯƠNG 4: SỬ DỤNG MƠ HÌNH RỦI RO NHĨM 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 mơ hình phù hợp nhóm 75 4.1.1 Mơ hình cho số lượt khám chữa bệnh Bảo hiểm Y tế 75 4.1.2 Mơ hình cho chi phí khám chữa bệnh Bảo hiểm Y tế 78 4.2 Ước lượng tham số cho mơ hình 82 4.2.1 Ước lượng tham số mơ hình số lượt khám chữa bệnh Bảo hiểm Y tế 83 4.2.2 Ước lượng tham số cho mơ hình chi phí khám chữa bệnh Bảo hiểm Y tế 84 4.3 Mơ tổng chi phí khám chữa bệnh Bảo hiểm Y tế đánh giá sai số ước lượng 86 4.3.1 Mơ chi phí khám chữa bệnh Bảo hiểm y tế theo mơ hình rủi ro nhóm 86 4.3.2 Đánh giá sai số 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 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 độ đo rủi ro 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 98 KẾT LUẬN VÀ KHUYẾN NGHỊ 99 DANH MỤC CÔNG TRÌNH ĐÃ CƠNG BỐ CỦA TÁC GIẢ LIÊN QUAN ĐẾN LUẬN ÁN 103 TÀI LIỆU THAM KHẢO 104 PHỤ LỤC 112 v CÁC THUẬT NGỮ Tiếng Anh Tiếng Việt Collective risk model Mô hình rủi ro nhóm Conditional Tail Expectation Kỳ vọng có điều kiện Economic capital Vốn kinh tế Individual risk model Mơ hình rủi ro đơn Insurance premium Phí bảo hiểm Loss model Mơ hình tổn thất Pure premium Phí Value at Risk Giá trị rủi ro VaR Regression Model Mơ hình hồi quy Exponential Conditional Mean Trung bình mũ có điều kiện Machine Learning Algorithm Thuật tốn học máy Nonlinear Least Squares Bình phương nhỏ phi tuyến Quasi Maximum Likelihood Tựa hợp lý tối đa Generalised Method of Momments Phương pháp mô men tổng quát Generalised Linear Model Mơ hình hồi quy tuyến tính tổng qt Generalised Additive Model Mơ hình cộng tổng qt Machine Learning Algorithm Thuật tốn học máy Classification And Regression Trees Mơ hình hồi quy 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 CÁC TỪ VIẾT TẮT vi BHXH Bảo hiểm xã hội BHYT Bảo hiểm y tế KCB Khám, chữa bệnh USAID/HFG USAID/Health and Finance Governance (Dự án Tài Quản trị Y tế USAID) VHLSS Vietnam Household Living Standard Survey (Điều tra mức sống hộ gia đình Việt Nam) vii DANH MỤC BẢNG 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 số phân phối 33 Bảng 2.4 Các phân phối liên hợp hàm hợp lý tương ứng 37 Bảng 2.5 Các loại phí bảo hiểm 44 Bảng 3.1 Nhóm đối tượng tham gia BHYT tỷ lệ đóng 51 Bảng 3.2 Tỷ lệ tham gia BHYT theo nhóm đặc trưng 54 Bảng 3.3 Tần suất sử dụng BHYT theo loại KCB, 2014 56 Bảng 3.4 Số lượt khám, tổng chi chi phí trung bình KCB NCT 58 Bảng 3.5 Năm nhóm bệnh phổ biến NCT theo số lượt KCB 59 Bảng 3.6 Năm nhóm bệnh phổ biến NCT theo chi phí KCB 60 Bảng 3.7 Số lượt KCB BHYT người 95 tuổi so với 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 chuỗi liệu số lượt KCB 75 Bảng 4.2 Kết kiểm định Khi bình phương 77 Bảng 4.3 Kết kiểm định Khi bình phương theo thời gian 77 Bảng 4.4 Số nhóm đối tượng có số lượt KCB thỏa mãn phân phối tương ứng theo năm 78 Bảng 4.5 Một số thống kê chuỗi liệu chi phí KCB BHYT 78 Bảng 4.6 Thống kê kiểm định phân phối 81 Bảng 4.7 Kết kiểm định Kolmogorop – Smirnov nhóm theo thời gian 81 Bảng 4.8 Số nhóm đối tượng có chi phí KCB thỏa mãn phân phối tương ứng theo thời gian 82 Bảng 4.9 Ước lượng hợp lý tối đa tham số phân phối Poisson 83 Bảng 4.10 Các tham số ước lượng phân phối tiên nghiệm hậu nghiệm Θ phân phối Poisson 84 Bảng 4.12 Các tham số ước lượng phân phối tiên nghiệm hậu nghiệm Θ Bảng 4.11 Ước lượng hợp lý tối đa tham số phân phối Lognormal 85 phân phối Lognormal 86 Bảng 4.13 Sai số ước lượng nhóm đối tượng 89 Bảng 4.14 Số nhóm đối tượng có mơ hình phù hợp 89 Bảng 4.15 Thống kê chi phí đầu người KCB BHYT mơ 90 viii Bảng 4.16 Bảng dự báo dân số theo giới tính theo tuổi 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 Bảng 4.20 Thống kê tổng chi phí KCB BHYT TP Hồ Chí Minh mô cho năm 2017 94 Bảng 4.21 Một số tham số 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 98 Kết luận Chương Chương thực tất bước việc sử dụng mơ hình Tốn Kinh tế, cụ thể mơ hình rủi ro nhóm ước lượng chi phí KCB BHYT chi trả, dựa vào liệu KCB BHYT TP Hồ Chí Minh Các đối tượng sử dụng dịch vụ KCB BHYT chi trả chia thành nhiều nhóm theo yếu tố nhân (tuổi giới tính) phi nhân (loại KCB, tuyến KCB nhóm bệnh) Đây cách chia nhỏ với liệu KCB BHYT Với cách phân chia này, đối tượng nhóm coi đồng đối mặt với rủi ro bệnh tật số lượt KCB chi phí KCB nhau, theo nghĩa có phân phối xác suất Bắt đầu từ ước lượng, kiểm định lựa chọn mơ hình phân phối xác suất cho thành phần mơ hình rủi ro nhóm (số lượt chi phí KCB BHYT theo lượt) Sau đó, ước lượng tham số cho mơ hình phù hợp theo phương pháp tần suất Bayes dựa vào liệu cập nhật hàng năm giai đoạn 2014-2016 Tiếp theo, với mô hình tham số ước lượng được, chi phí KCB BHYT mô cách ngẫu nhiên Kết mô cho biết phân phối xác suất thực nghiệm chi phí KCB BHYT đối tượng nhóm Cuối cũng, kết hợp chi phí KCB BHYT mô liệu dự báo dân số liệu tỷ lệ bao phủ BHYT để đưa ước lượng cho chi phí KCB BHYT cho TP Hồ Chí Minh năm 2017 từ tính tốn tham số phục vụ cho việc định 99 KẾT LUẬN VÀ KHUYẾN NGHỊ Kết luận Với đề tài “Các mơ hình tốn kinh tế ước lượng chi phí khám chữa bệnh Bảo hiểm y tế chi trả Việt Nam”, Luận án thực mục tiêu nghiên cứu đặt Luận án đạt tất mục tiêu nghiên cứu đặt từ ban đầu, là: Thứ nhất, Luận án tập trung tổng quan mơ hình tốn kinh tế sử dụng ước lượng chi phí KCB giới Việt Nam Từ đó, Luận án lựa chọn kết hợp mơ hình rủi ro nhóm với phương pháp ước lượng Bayes mô ngẫu nhiên để sử dụng nghiên cứu Thứ hai, Luận án tìm lớp mơ hình tốn kinh tế phù hợp để ước lượng chi phí KCB BHYT chi trả cách sử dụng liệu Việt Nam giai đoạn 2014 – 2016 Sau kiểm định phù hợp phân phối xác suất số lượt KCB BHYT chi phí KCB BHYT theo lượt với liệu, Luận án lựa chọn phân phối Poisson – Gamma cho số lượt KCB BHYT phân phối Lognormal – Normal cho chi phí KCB BHYT theo lượt Thứ ba, từ mơ hình phù hợp đưa ước lượng chi phí KCB BHYT chi trả đề xuất số sách liên quan đến định phí dự phịng cho quỹ BHYT Với chi phí KCB BHYT chi trả ước lượng dạng phân phối xác suất, Luận án đưa kết tính toán cho tham số liên quan Giá trị trung bình, độ lệch chuẩn sử dụng việc tính phí bảo hiểm mà cá nhân cần phải đóng, hay BHYT cần phải thu (có thể từ nhiều nguồn khác nhau) để đảm bảo cân quỹ BHYT Các tham số khác ܸܴܽఈ ‫ܧܶܥ‬ఈ sử dụng để tính tốn mức vốn tối thiểu cho quỹ BHYT sẵn sàng đối mặt với rủi ro bệnh tật toàn xã hội Khuyến nghị Từ kết Luận án, NCS có số khuyến nghị sau đây: Thứ nhất, việc áp dụng mô hình tốn kinh tế ước lượng chi phí cho thấy ưu việt so với mơ hình ước lượng truyền thống (như dự báo theo kịch với tham số giả định trước) Do đó, chuyển từ cách thức ước lượng truyền thống sang ước lượng mơ hình tốn kinh tế cần thiết nhằm tăng cường 100 chất lượng dự báo từ đưa khuyến nghị cảnh báo sách phù hợp với giai đoạn phát triển định hướng sách tương lai Thứ hai, dù mơ hình có ưu việt việc có chuỗi liệu thống định dạng, định nghĩa đo lường số theo thời gian yếu tố sống cịn đảm bảo chất lượng tính tốn dự báo Vì thế, tiếp tục triển khai phát triển sở liệu KCB BHYT chi trả yêu cầu cấp thiết với Cơ quan BHXH Việt Nam bên liên quan, đặc biệt sở y tế Thứ ba, mơ hình ước lượng không cung cấp thông tin liên quan tham số ước lượng chi phí mà cịn cho cảnh báo quan trọng yếu tố tác động tới cân quỹ BHYT xác định mức bù (mức đóng góp) tối thiểu để đảm bảo cân quỹ BHYT tính tới yếu tố tác động Vì vậy, việc xây dựng số theo dõi đánh giá (M&E) liên quan tới độ bao phủ, tỷ lệ sử dụng thẻ BHYT KCB, cân đối quỹ, cần thiết Những ưu điểm hạn chế Luận án Với việc sử dụng mô hình theo phương pháp tiếp cận đại, Luận án đạt số ưu điểm sau: Thứ nhất, phương pháp sử dụng mơ hình xác suất có ưu điểm vượt trội so với phương pháp ước lượng khác Thay đưa ước lượng cho số tham số biến cần nghiên cứu giá trị kỳ vọng hay giá trị phân vị, kết ước lượng theo phương pháp cho dạng phân phối xác suất biến nghiên cứu Dựa vào phân phối xác suất vừa dựng được, ta có đầy đủ thơng tin biến cần nghiên cứu, từ hồn tồn tính tốn tham số đặc trưng của Thứ hai, tham số ước lượng theo phương pháp Bayes Tham số phân phối cần ước lượng số cố định mà biến ngẫu nhiên Điều cho phép tính đến thay đổi tham số liệu cập nhật, giúp cho ước lượng phù hợp Thứ ba, phương pháp mơ Monte-Carlo với thuật tốn mơ máy tính cho nhiều kết ước lượng với nhiều kịch khác mơ tham số đầu vào khác Phương pháp mơ tả diễn biến có tính chất ngẫu nhiên thực tế mà không cần phải chờ cho việc diễn ra, không tốn nhiều thời gian công sức Dựa vào kết mơ đưa hoạch định mặt sách, giúp phịng ngừa rủi ro tương lai 101 Thứ tư, mơ hình rủi ro nhóm giúp phân chia tổng chi phí KCB thành hai thành phần riêng biệt số lượt số lượt KCB chi phí KCB theo lượt Đây cách tiếp cận đại mơ hình hóa tổn thất Từ đó, thay đổi tổng chi phí phân biệt rõ thay đổi mặt quy mô thay đổi giá dịch vụ Thứ năm, việc tách đối tượng cần nghiên cứu theo nhóm đặc trưng theo dấu hiệu nhân phi nhân làm cho đối tượng nhóm có đặc tính tương đồng Từ giúp cho việc đánh giá, ước lượng chi phí cách xác Thứ sáu, mơ hình rủi ro nhóm phù hợp thực tế đòi hỏi việc nghiên cứu riêng nhóm đối tượng với mục đích cụ thể Chẳng hạn nghiên cứu nhóm bệnh để đưa sách riêng đối tượng thuộc nhóm bệnh (thiết kế sản phẩm bảo hiểm cho bệnh nan y, ); nghiên cứu đối tượng nhóm tuổi khác (đưa ước lượng chi phí KCB cho nhóm trẻ em hay người già để hoạch định sách hỗ trợ phủ cho nhóm đối tượng này); thiết kế gói sản phẩm bảo hiểm tuyến KCB khác Ngoài ưu điểm bật tóm tắt trên, luận án tồn số hạn chế, cụ thể: Thứ nhất, liệu luận án sử dụng hạn chế mặt thời gian, có năm từ 2014 – 2016, nên kết ước lượng tính cho năm 2017 Kết khơng cịn mang tính cập nhật Tuy nhiên luận án tập trung chủ yếu vào phương pháp ước lượng Điều có nghĩa, có liệu cập nhật kết ước lượng cập nhật theo Thứ hai, thiếu liệu mặt thời gian liệu biến giải thích nên luận án chưa sử dụng mơ hình chuỗi thời gian hay mơ hình hồi quy ước lượng chi phí KCB BHYT chi trả Mặc dù mơ hình cho kết ước lượng chi phí KCB BHYT trung bình thực cho kết tham chiếu Việc thiếu liệu KCB BHYT nước làm hạn chế không nhỏ mặt kết Sử dụng liệu KCB BHYT thành phố HCM mô tả cách đầy đủ phương pháp mơ hình rủi ro nhóm Tuy nhiên chưa giải chặt chẽ vấn đề đa tuyến đến toàn thành phố, vấn đề nơi đăng ký KCB ban đầu Nếu tính liệu nước yếu tố triệt tiêu khơng cịn quan trọng 102 Chưa tính đến phụ thuộc số lượt chi phí KCB nhóm đối tượng Cụ thể, người KCB nhiều tuyến KCB khác nhau, hay KCB nội trú ngoại trú cho loại bệnh, KCB nhiều lần năm với nhiều loại bệnh khác Luận án sử dụng liệu KCB BHYT nên chưa tính tốn chi phí KCB người dân KCB tự nguyện Nếu tiếp cận KCB BHYT thuận lợi việc sử dụng thẻ BHYT KCB người dân tăng lên Do nghiên cứu tất nhóm đối tượng nên khối lượng công việc lớn công phu Việc hạn chế mở rộng nghiên cứu nhiều loại mô hình phân phối xác suất phối kết hợp lớp mơ hình với Luận án tập trung xét số phân phối xác suất phổ biến Hướng mở rộng nghiên cứu: Từ kết nêu trên, NCS dự kiến mở rộng nghiên cứu theo số hướng sau đây: - Nghiên cứu phụ thuộc chi phí KCB nhóm đối tượng; - Nghiên cứu liệu nước; - Nghiên cứu sâu số nhóm đối tượng cụ thể; - Có thể thử thêm nhiều phân phối khác kết hợp phân phối với để tìm phân phối phù hợp với liện Phương pháp thực được, nhiên cần nhiều thời gian Đối với nhóm việc tìm phân phối thực phù hợp công phu Hơn nữa, chia đối tượng theo nhóm nhỏ tốt loại yếu tố khơng - Khi có đủ liệu mặt thời gian, nghiên cứu áp dụng thêm mơ hình chuỗi thời gian ước lượng chi phí KCB BHYT chi trả - Tính đến mức thu BHYT theo mơ hình so sánh với mức thu để đưa dự báo cân đối Quỹ BHYT - Xây dựng nghiên cứu liên ngành: Nghiên cứu Long cộng (2019) cho thấy hoạt động sản xuất NCT gắn liền với vấn đề sức khỏe NCT có BHYT thường có tỷ lệ hoạt động sản xuất cao so với NCT khơng có BHYT Và nghiên cứu sách BHYT nhằm tăng cường sức khỏe lực sản xuất cho dân số già hóa nhanh Việt Nam cần thiết 103 DANH MỤC CƠNG TRÌNH ĐÃ CƠNG BỐ CỦA TÁC GIẢ LIÊN QUAN ĐẾN LUẬN ÁN (2019), ‘Productive activities of the older people in Vietnam’, Social Science & Medicine, Số229, pp 32-40 (2018), ‘Áp dụng mơ hình rủi ro nhóm phương pháp Bayes ước lượng chi phí khám chữa bệnh 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 City, Dec.2017 (2016), ‘Bảo hiểm y tế chăm sóc sức khỏe người cao tuổi 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 người cao tuổi VN: Nhìn từ điều tra hộ gia đình’, Tạp chí Bảo hiểm Xã hội, Số 298 (II), Tháng 5/2016, tr.24-25 104 TÀI LIỆU THAM KHẢO Astolfi Roberto, Luca Lorenzoni Jillian Oderkirk (2012), 'A comparative analysis of health forecasting methods', OECD Health Working Papers, (59), OECD Publishing Baltagi Badi H 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 Bastida Agustin Hernandez, Emilio Gomez Deniz 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 Basu Anirban 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 Beard Robert (2013), Risk theory: the stochastic basis of insurance, Springer Science & Business Media Beekman John A Clinton P Fuelling (1980), 'Simulation of a multi risk collective model', Computational Probability, Elsevier, pp 287-301 Besseling Paul Victoria Shestalova (2011), 'Forecasting public health expenditures in the Netherlands', The Netherlands Bureau for Economic Policy Analysis CPB Background Document, (16), pp.142-158 Blough David K, Carolyn W Madden Mark C Hornbrook (1999), 'Modeling risk using generalized linear models', Journal of health economics, 18(2), pp 153-171 Bộ Y tế 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 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 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 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 Per Johansson (2004) 'Count data regression using series expansions: with applications', Journal of Applied Econometrics, 12(3), pp 203223 15 Carroll Raymond J David Ruppert (1988), Transformation and weighting in regression, CRC Press 16 Cichon Michael (1999), Modelling in health care finance: A compendium of quantitative techniques for health care financing, International Labour Organization 17 Deb Partha, Willard Manning 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 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 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 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 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 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 Robert Tibshirani (1990), Generalized additive models, Wiley Online Library 26 Hastie Trevor, Robert Tibshirani 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 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 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 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 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 chủ yếu, Nhà xuất 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 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 Trần Hậu Khang (2015), Bảng phân loại quốc tế bệnh tật, Bộ Y tế 38 Klugman Stuart A, Harry H Panjer 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 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 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 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 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 22302237 44 Giang Thanh Long, Phạm Thị Hồng Thắm Phạm Lê Tuấn (2016), 'Bảo hiểm y tế chăm sóc sức khỏe cho NCT Việt Nam', Tạp chí Tạp chí Kinh tế 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 283295 49 Manning Willard G 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 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 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 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 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 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 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 R Jacob Baker (1972), Generalized linear models, Wiley Online Library 61 Neyman Jerzy 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 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 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 LongTerm 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 Đỗ Thị Khánh Hỷ (2009), Tổng quan sách chăm sóc người cao tuổi đáp ứng thay đổi cấu tuổi Việt Nam, Quỹ Dân số Liên Hợp Quốc 67 Phạm Thị Hồng Thắm (2018), 'Áp dụng mơ hình rủi ro nhóm phương pháp Bayes ước lượng chi phí khám chữa bệnh 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 Vietnamese Social Health Insurance’ Vietnam International Mathematics Conference, Ho Chi Minh City, Dec.2017 Applied 110 69 Phí Mạnh Phong & Phạm Thị Hồng Thắm (2016), ‘Tham gia BHYT & sử dụng dịch vụ y tế người cao tuổi VN: Nhìn từ 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 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 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 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 John Hoddinott (1999), 'Classification and regression trees: an introduction', International Food Policy Research Institute, (2033), pp 168176 83 Yu Guang Qu (2015), 'Hierarchical bayesian modeling of health insurance claims', Master project, University of Melbourne 84 Zucchelli Eugenio, Andrew M Jones 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 PHỤ LỤC Phân loại quốc tế bệnh tật ICD 10 (1) Bệnh nhiễm trùng kí sinh trùng; (2) Bướu tân sinh; (3) Bệnh máu, quan tạo máu rối loạn liên quan đến chế miễn dịch; (4) Bệnh nội tiết, dinh dưỡng chuyển hóa; (5) Rối loạn tâm thần hành vi; (6) Bệnh hệ thần kinh; (7) Bệnh mắt phần phụ; (8) Bệnh tai xương chũm; (9) Bệnh hệ tuần hồn; (10) Bệnh hệ hơ hấp; (11) Bệnh hệ tiêu hóa; (12) Các bệnh da mô da; (13) Bệnh cơ, xương, khớp mô liên kết; (14) Bệnh hệ sinh dục – tiết niệu; (15) Thai nghén, sinh đẻ hậu sản; (16) Một số bệnh lý xuất phát thời kỳ chu sinh; (17) Dị tật bẩm sinh, biến dạng bất thường nhiễm sắc thể; (18) Các triệu chứng, dấu hiệu biểu lâm sàng cận lâm sàng bất thường, không phân loại phần khác; (19) Chấn thương, ngộ độc số hậu khác nguyên nhân bên ngoài; (20) Nguyên nhân ngoại sinh bệnh tật tử vong; (21) Các yếu tố ảnh hưởng đến tình trạng sức khỏe tiếp xúc dịch vụ Y tế; (22) Mã phục vụ mục đích đặc biệt ... cho mơ hình chi phí khám chữa bệnh Bảo hiểm Y tế 84 4.3 Mô tổng chi phí khám chữa bệnh Bảo hiểm Y tế đánh giá sai số ước lượng 86 4.3.1 Mơ chi phí khám chữa bệnh Bảo hiểm y tế theo... gia Bảo hiểm Y tế 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 ... ĐẠI HỌC KINH TẾ QUỐC DÂN - PHẠM THỊ HỒNG THẮM CÁC MƠ HÌNH TỐN KINH TẾ TRONG ƯỚC LƯỢNG CHI PHÍ KHÁM CHỮA BỆNH DO BẢO HIỂM Y TẾ CHI TRẢ Ở VIỆT NAM Chuyên ngành: Toán kinh tế Mã số: