数学建模 |
您所在的位置:网站首页 › 聚类分析法的数学模型 › 数学建模 |
东北三省数学建模竞赛,省一等奖,我主要负责模型的建立和求解。版权所有,转载请注明出处。 A题:医保欺诈行为的主动发现 摘 要 针对近年来中国医保制度的完善,医保医疗保险基金积累,在享受医疗保险的过程中可能存在一定的医疗欺诈行为,需要我们从给出的数据中找出可能的欺诈记录。本文提供了两种有效的找出欺诈记录的模型:评价类数学模型和多元统计分析模型。 本文(1)使用评价类数学模型,采用改进的主成分分析法,从明细指标中提取主成分,主成分很好地保留了明细指标所携带的信息,我们建立了一个综合评价函数,该主函数的涉及到的主成分有病人科室,医嘱子类,单价,医嘱数量,费用,核算分类。从而得到综合评价值,所给的数据求出的综合评价值的范围是-4.78708--26.49655,从而建立综合评价标准(MIF);(2)使用多元统计模型,采用系统聚类法进行聚类分析,对新加入的数据用SPSS画出聚类分析图,从而判定新加入的数据属于综合评价标准的哪一个等级;(3)使用多元统计分析模型,为了说明我们的结果有效可信,采用判别分析法中的马氏距离判别法,Fisher判别法和Bayes判别法,进行判定医疗保险记录属于哪个分类等级。同时得到相关系数得分,来验证综合评价值的准确性,因此我们认为用综合评价标准(MIF)对医疗保险明细进行分级是合理和科学,然后根据错判概率确定可能存在欺诈记录属于哪种分类级别,我们来确定哪种欺诈性质。 最后,本文对两种模型进行了比较,并对它们的优缺点进行分析,提出了改进方向。 文中分别利用上述模型对可能存在的欺诈记录进行了分级,把欺诈分为不可能存在欺诈,可能存在欺诈,存在一般欺诈,存在严重欺诈,见表1;欺诈的判断结果见附录Ⅲ。 表1 医疗保险欺诈的综合评价标准(MIF) 综合评价标准 >=21 11-20 1-10 =21 11-20 1-10 21 39629128 38195417 37031092 38480050 4 38761051 38076991 40016500 37912544 4 38228382 37606917 38935407 36542288
3 11---20 40017584 39657082 38605624 37617059 35814679 3 40022135 39631004 38345810 36711226 38483152 3 39921419 39418058 37377571 36257878 …… …… 2 1---10 39105002 38071148 37620226 37797518 37797083 2 38196937 39531565 37800314 37797463 37797104 2 38209912 37767721 37797534 37797388 …… …… 1 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |