ARIMAX 모형을 적용한 건강보험지출 장기전망
An Application of ARIMAX for Predicting Long-Term National Health Insurance Expenditure in Korea
0
조회
0
다운로드
7
인용
0
참고문헌
키워드
초록
본 연구는 지금까지 건강보험지출의 장기재정추계 방법론으로 적용된 요인별 예측방법과 조성법의 한계점을 보완하기 위하여 독립변수를 고려한 시계열 방법론인 ARIMAX 모형을 적용하여 건강보험지출을 장기추계하였다. ARIMAX 모형의 다양한 변형을 위하여 자기회귀항 및 독립변수의 지체항을 고려하였으며 또한 로그변환 ARIMAX 모형 및 시계열 회귀모형을 고려하였다. 여러 ARIMAX 모형을 적용한 결과 건강보험지출의 추계결과는 큰 차이를 보였다. 자기회귀항을 고려한 모형에서는 2050년 기준 561.37조 원으로 추계된 반면, 독립변수의 지체항을 고려한 모형의 경우 433.18조 원으로 추계되었다. 로그변환 ARIMAX 모형의 경우에는 430.42조 원으로 추계되었다. 이처럼 모형 간 추계 차이는 조성법이나 OECD의 요인별 예측방법에서도 발생하고 있으며 이는 모형 간의 기본 가정의 차이뿐만 아니라 수십 년 후 미래에 대한 장기 추계로 인하여 불가피하게 발생한다. 본 연구는 건강보험지출의 자기상관적 특성을 고려하는 시계열 분석 방법론 및 모형을 적용하고 다양한 시계열 모형에 따라 건강보험지출의 장기추계 결과를 도출하였다는 점에서 기존연구와는 차별되며, 더욱 정교한 건강보험지출 장기전망을 위해 확장된 형태의 다변량 ARIMAX 모형과 같은 방법론에 대한 가능성을 제시하고자 한다.
Abstract
This study is aimed at applying the ARIMAX model—a time-series forecasting approach that takes into account relevant independent variables—to overcome some of the limitations of such traditional approaches as component method and driver-based simulation in forecasting National Health Insurance expenditure. The versions of the ARIMAX approach that we used in this study include first-order autoregressive model, multiple regression model, log ARIMAX model, and autoreg model. The results were that the projected expenditures differed widely depending on the forecasting versions used. For example, the National Health Insurance expenditure in 2050 was projected to be anywhere between KRW430.42 trillion and KWR561.37 trillion. Such differences are traceable in large part to the differences in the assumptions each version incorporates. This study presents the possibility of the future application of an extended multivariate ARIMAX model for long-term projection of National Health Insurance expenditure.
참고문헌 (24)
- 건강보험공단, "의료보험통계연보, 건강보험통계연보", ~
- 사회보장 재정추계모형 개발 연구, "신화연", 보건복지부, 한국보건사회연구원, ~ (2013)
- 사회보장 재정추계 기반강화 연구, "신화연", 보건복지부, 한국보건사회연구원, ~ (2014)
- 사회복지 재정추계 모형개발 연구, "원종욱", 한국보건사회연구원, ~ (2011)
- 사회보장 재정추계 방법론 개발을 위한 기초연구, "원종욱", 한국보건사회연구원, ~ (2012)
- 유금록, "한국과 일본의 중앙정부 세출예산에 있어서 단절균형분석", 정책분석평가학회보, 17(3), pp.221~249 (2007), 한국정책분석평가학회
- 의료장비에 관한 적정 공급체계 연구, "이근찬", 건강보험심사평가원, ~ (2013)
- 이상규, "우리나라 고가 의료장비 현황과 정책대안: 정책의 수직적, 수평적 동기화", 대한의사협회지, 55(10), pp.950~958 (2012), 대한의사협회[DOI]
- ETS를 이용한 시계열분석(third edition), "SAS", pp.2009, 조신섭
- Alberto Andreoni, "A Multivariate Arima Model to Forecast Air Transdport Demand", European transport conferecne; ETC proceedings (2006)
- Projecting Future Health Care Expenditure at European Level : Drivers, Methodology and Main Results, "Bartosz Przywara", European Economy, ~, pp.Economic Papers 417 (2010)
- Box, G. E. P., "Time series analysis: Forecasting and control" (2008), John Wiley & Sons Inc
- Building ARIMA and ARIMAX Models for Predicting Long-Term Disability Benefit Application Rates in the Public, "Private Sectors", Bruce H. Andrews, 2013
- Chaleampong Kongcharoen, "Autoregressive Integrated Moving Average with Explanatory Variable (ARIMAX) Model for Thailand Export", ISF 2013 Conference Paper (2013)
- Durka Peter, "ARIMA vs. ARIMAX – which approach is better to analyze and forecast macroeconomic time series?", Proceeding of 30th International Conference Mathematical Methods in Economics (2011)
- Economics Department, Economic Policy Committee, "Public Spending on Health and Long-Term Care : A New Set of Projection", Working Party No.1 on Macroeconomics and Structural Policy Analysis, ECO, WPI(2012)23, pp.2012, ~
- Hyndman, R.J., "Forecasting: principles and practice" (2013), OTexts
- Joyeux, R., "Forecasting Demand for Austrailian Passports", Asia Pacific Journal of Tourism Research, 17(1), pp.100~119 (2012)
- Li, C., "Traffic Accident Macro Forecast Based on ARIMAX Model", 2009 International Conference on Measuring Technology and Mechatronics Automation (2009)
- Mark J. Warshawsky, "An Enhanced Macroeconomics Approach to Long-Range Projections of Health Care and Social Security Expenditures as a Share of GDP", Journal of Policy Modeling, 21(4), pp.413~426 (1997)
- Pankratz, A., "Forecasting with Univariate Box-Jenkins Models: Concepts and Cases" (1983), John Wiley
- Pankratz, "Forecasting with dynamic regression models" (1991), Wiley-Interscience
- Paul S.P. Cowpertwait, "Introductory Time Series with R" (2009), Springer
- SAS Institute Inc, "SAS", ETS 9.2, Cary, 2014