很不幸地，真相是台灣正面臨嚴峻的醫療生態失衡問題，醫療保健人力短缺的問題遠遠比健保財政失衡的問題還要棘手。醫護人力大量流失，人力大斷層已形成，國人未來恐面臨病痛無人處置照護的慘況。另一方面，長期照護資源極為匱乏，許多中下階層家庭為此奔波，生活陷入困境。很諷刺，台灣醫療保健國際評比之好，但醫療保健環境卻像一面正在崩解的山壁。
台灣的公共衛生學界嚮往斯堪地那維亞的醫療體制，前衛生署長更呼籲年輕人探索瑞典的全民健康照護體系，以供台灣政府借鏡。台灣醫療服務產業的效率蔚為世界奇觀，必然遠勝北歐，台灣人可以隨心所慾地前往最高層級的醫療院所。然而，如此卓越的醫療服務效率沒換來理想中的全民健康水平，反倒造成醫護人力短缺。同樣是追求全民健康，北歐打造覆蓋率極廣的公共體療體系，重視醫護人員的權益，台灣卻選擇走向討好私人醫療財團的路線──社會醫療保險制度，政府以最少的社會安全攤付收入期待佔多數的私人醫療院所提供普及的醫療服務，代價便是犧牲醫護人員的權益。
社會醫療保險制度是否能實現公衛界的理想？或許醫療保健跨國統計資料可以給我們一些暗示。
★ 相關文章：
➀ 本文使用的一些數據，說明可參閱「性別友善促進健康」
➂ 本文的圖表，各國圖示說明請見〈生育率與社會模式〉一文
★ 資料表：Health
根據〈運動習慣與老年健康歲數〉一文，歐盟統計局指出「預期壽命增加，健康人年不必然增加」。在很多國家，延長的是人民的病痛歲數，而非「健康歲數」。歐盟統計局編製「健康人年」來衡量各國國民的健康餘命。與平均餘命的數據相比，兩者跨時走勢並非一致，就如前述所言，平均餘命較高的國家，健康人年不見得較高。從健康人年的數據，我們不難發現為什麼公共衛生學界會如此推崇斯堪地那維亞。
從〈運動習慣與老年健康歲數〉與〈社會永續發展指數〉兩篇文章的數據來看，斯堪地那維亞在「健康人年」、「運動習慣」、與「醫療保健指標」方面，皆位居歐洲之首，當然也是全球之首。有趣的是，平均而言，採公共醫療制度的國家，在這三方面的表現比採社會醫療保險制度的國家還要出色許多。
圖一、健康人年與運動習慣
橫座標：下表之(6)
縱座標：下表之(7)
斯堪地那維亞──挪威、瑞典、丹麥──表現最出色，實現禮運大同篇「老有所終」的理想可見一斑！
圖二、健康人年與醫療保健指標
橫座標：下表之(6)
縱座標：NORMSDIST(z)×100，其中 z 為下表之(1)
平均而言，採公共醫療體制的國家（圖中紅藍黃三色）──北歐、英國、愛爾蘭、南歐，健康人年比採社會醫療保險體制的國家（圖中綠橙兩色）──荷蘭、德國、奧地利、瑞士、法國、比利時、盧森堡──還高，斯堪地那維亞更是替這套醫療體制模型加了許多分。採社會醫療保險體制的國家，只有瑞士與盧森堡能達到英愛兩國的水準，而德國僅有中東歐的水準。
| 國家 | SSDI 1b. excl. A5 (1) |
HAIC ph PPP US$ (2) |
HAIC /AIC % (3) |
HPLI US=100 (4) |
HrPLI US=100 (5) |
HLY65 年 (6) |
運動習慣 % (7) |
|---|---|---|---|---|---|---|---|
 挪威 | 1.09 | 4,890 | 13.1 | 130.9 | 78.3 | 15.1 | 75 |
 瑞典 | 1.21 | 4,275 | 12.1 | 98.5 | 72.5 | 14.8 | 72 |
 冰島 | 1.63 | 4,590 | 12.4 | 99.6 | 72.8 | 14.1 | .. |
 丹麥 | 0.22 | 4,429 | 12.5 | 118.1 | 71.7 | 12.3 | 64 |
 馬爾他 | 0.20 | 2,780 | 9.7 | 52.4 | 62.1 | 11.9 | 48 |
 瑞士 | 0.32 | 5,051 | 13.2 | 106.5 | 70.3 | 11.8 | .. |
 盧森堡 | 0.50 | 4,872 | 10.4 | 105.0 | 72.2 | 11.4 | 51 |
 英國 | 0.36 | 4,017 | 10.0 | 83.6 | 70.8 | 11.3 | 46 |
 愛爾蘭 | 0.40 | 3,833 | 12.8 | 123.6 | 81.2 | 11.1 | 58 |
 比利時 | 0.10 | 4,164 | 13.9 | 105.0 | 79.9 | 10.0 | 50 |
 義大利 | 0.67 | 3,582 | 12.1 | 92.4 | 77.3 | 10.0 | 29 |
 法國 | -0.27 | 4,268 | 12.1 | 90.9 | 70.5 | 9.4 | 48 |
 荷蘭 | 0.68 | 4,145 | 11.0 | 85.0 | 69.6 | 9.4 | 56 |
 西班牙 | -0.01 | 3,542 | 11.3 | 76.1 | 69.6 | 9.2 | 39 |
 賽普勒斯 | 0.37 | 2,167 | 6.9 | 78.0 | 74.7 | 9.1 | 41 |
 芬蘭 | 0.10 | 4,208 | 11.9 | 96.0 | 69.2 | 8.8 | 72 |
 捷克 | -0.46 | 3,107 | 11.4 | 45.6 | 58.9 | 8.6 | 28 |
 希臘 | 0.43 | 3,303 | 8.9 | 67.9 | 64.8 | 8.4 | 18 |
 奧地利 | -0.07 | 3,437 | 10.6 | 96.7 | 76.9 | 8.2 | 38 |
 德國 | 0.08 | 4,296 | 12.0 | 83.8 | 70.8 | 7.0 | 49 |
 斯洛維尼亞 | -0.14 | 3,110 | 11.0 | 61.3 | 65.5 | 6.9 | 52 |
 葡萄牙 | -1.06 | 3,247 | 12.1 | 69.3 | 69.7 | 6.4 | 33 |
 愛沙尼亞 | -3.59 | 2,191 | 8.4 | 44.2 | 54.1 | 5.4 | 34 |
 斯洛伐克 | -1.99 | 2,853 | 10.3 | 41.5 | 56.7 | 3.0 | 30 |
 澳洲 | 0.73 | 4,022 | 11.3 | 85.3 | 69.5 | ||
 加拿大 | -0.14 | 4,066 | 12.3 | 92.1 | 79.0 | ||
 以色列 | 0.83 | 2,437 | 8.8 | 70.0 | 62.7 | ||
 日本 | 0.67 | 4,351 | 11.7 | 70.2 | 60.9 | ||
 韓國 | -0.79 | 2,507 | 9.6 | 45.0 | 60.8 | ||
 紐西蘭 | 0.47 | 3,411 | 11.3 | 70.5 | 70.0 | ||
 美國 | -1.63 | 6,557 | 18.1 | 100.0 | 100.0 | ||
 台灣 | -1.09 | 5,278 | 8.7 | 18.6 | 31.3 | ||
 新加坡 | 0.18 | 3,686 | 8.6 | 39.6 | 42.6 |
-
Note:
- 醫療保健指標：取自 SSDI 2012 (rev3)，為 1b. 主項目底下除基本項目 A5 之外之加總，詳細說明請見〈社會永續發展指數〉一文。在此以標準分數呈現此綜合指標。
- 平均每人醫療之實際個體消費：取自 SSDI 2012 (rev3)，即 1b. 主項目底下之基本項目 A5 之原始數值。單位為美元，經購買力平價指數平減。指標反映一國之市場、非營利機構、或政府所提供每位家戶之醫療保健財貨與服務之數量，但無法反映品質，且在平均每人的概念下也看不出醫療資源之分配情形。更多說明請見該文。
- 醫療保健之實際個體消費佔整體比率：資料來源與年份同前者。此數據反映家戶獲取之財貨與服務中，醫療保健相關之數目所佔比率。
- 醫療保健之實際個體消費之價格水平：為其購買力平價指數與匯率之比值乘以100，說明請見〈購買力平價指數計算方法簡介〉一文。此指標反映醫療保健財貨與服務之價格與數量的比值，並透過匯率呈現價格水平以供跨國比較。
- 醫療保健之實際個體消費之價格相對於整體價格之水平：為醫療保健實際個體消費 PPP 與實際個體消費整體 PPP 之比值。此數值消除匯率以及整體消費水準的影響，反映各國和美國相比，醫療保健價格高出或少於整體家戶消費價格的程度。
- 65歲健康人年：在65歲以後，預期能活得沒有任何中度或嚴重健康問題的餘年。此為2010年男女幾和平均值。資料來源請見〈運動習慣與老年健康歲數〉一文。
- 運動習慣：每週至少運動一次的民眾所佔比率。資料取自〈運動習慣與老年健康歲數〉一文。
圖三、醫療保健指標與平均每人醫療保健消費量
橫座標：上表之(1)
縱座標：上表之(2)
醫療保健指標由擁有健全高品質普及醫療的冰島、瑞典、挪威包下前三名，而缺乏普及醫療的美國則位居後段，而台灣的表現與前述國際評比有所出入，台灣擁有普及醫療，從指標來看，卻藏有不少全民健康問題。從國民所得統計數據來看，美國與台灣之平均每人實質醫療消費支出遠遠高出其他國家。美國存在嚴重的防衛性醫療，因醫療糾紛甚多而出現電腦斷層掃描的濫用情形，醫療開銷必然龐大，而且醫療輻射造成許多病人健康或生命損失一直是熱門的辯論議題。台灣欠缺理想的醫療分級制度，民眾可以任意到最高層級之醫療院所享受服務，不難理解台灣人享受低價格而高數量的醫療服務。相對地，因為台灣的社區基層醫療非常不健全，這使得政府難以達成全民健康的目標。
圖四、醫療保健消費比率與價格水平
橫座標：上表之(5)
縱座標：上表之(3)
美國的家戶消費，將近二成是醫療保健的項目，這個比率高過其他先進國家甚多。而台灣能以這麼低的比率創造出僅次美國的人均醫療保健消費數量，當然是價格極低的醫療保健消費水平所創造出來的。與其他國家相比，台灣的醫療保健格價水平最低，而台灣的醫療保健價格與家戶消費平均價格的落差也是最低。
圖五、醫療保健消費之價格水平
橫座標：上表之(5)
縱座標：上表之(4)
北歐的醫療保健消費價格水平最高，這是整體消費水準極高的結果，政府給予廠商與醫護人員合理的報酬，自然使得醫療價格高昂，但是民眾負擔極少，因為高昂的醫療由政府透過稅收維持。台灣的價格最低，應考量到這當中受到低匯率與低消費水準的成份。台灣政府嚴格限制保險支出，壓低整體醫療價格，廠商與醫護人員得到較差的報酬，民眾同樣負擔極少，因為低廉的醫療由政府透過社會醫療保險攤付收入維持。美國的醫療價格比整體消費水準高出最多，而台灣最少。
迴歸分析
從表中數據來看，健康人年與醫療保健指標的確存在很高的相關性。在此故以 SSDI 2012 (rev3) 資料表之數據與本文中新加入之數據建立迴歸式來估算表中欠缺此統計數據的九個國家，以思考兩個問題：台灣與歐洲國家相比，健康人年達到哪些國家的水準？採公共醫療體制的紐澳兩國，其健康人年是否如預料般地勝過絕大多數採社會醫療保險體制的國家？
一、因子總覽
觀測點為歐洲國家。考量的因子如下表所示，同時呈現其簡單迴歸分析結果。結果達顯著之因子才納入複迴歸分析。
| 因子 | 數據 | 判定係數 | 顯著值 |
|---|---|---|---|
| HAIC | A5 | 0.330 | 0.003 |
| LE0 | B1 | 0.487 | 0.000 |
| LEGG | B2 | 0.536 | 0.000 |
| IMR | B3 | 0.208 | 0.025 |
| AMRf | B4a | 0.272 | 0.009 |
| AMRm | B4b | 0.528 | 0.000 |
| AMRb | GM(B4a, B4b) 幾何平均 | 0.473 | 0.000 |
| AMRm/f | B4a / B4b 比值 | 0.552 | 0.000 |
| ADP | C1 | 0.353 | 0.002 |
| PM10 | 4a.1 | 0.028 | 0.434 |
| HPLI | 本文 | 0.497 | 0.000 |
| HrPLI | 本文 | 0.313 | 0.004 |
| PLI | 本文 | 0.510 | 0.000 |
| PEE | D1 | 0.564 | 0.000 |
| SSDI2a | 2a. | 0.596 | 0.000 |
| Note: 數據之編號與名稱請見「SSDI 指標總表」 | |||
PMI10 之簡單迴歸分析未達顯著，故不納入複迴歸分析
二、自變項
對剩餘因子兩兩間進行皮爾森積差相關分析。相關係數太高者，若一併納入複迴歸分析，會有嚴重共線性的問題。相關分析結果顯示：
- HAIC、IMR、ADP、SSDI2a 與其他因子之相關係數皆未達 0.8；
- 而 IMR、ADP 皆未達 0.6，故這兩者直接選入複迴歸分析。
- AMR 四者、LE0、LEGG 與其他因子之相關係數未達 0.8，但這六者彼此之間有些會達 0.8 以上，而這六者之間若要納入二者以上，考慮：
➀ AMRf, AMRm/f, LEGG（四種組合）、
➁ AMRb, AMRm/f、與
➂ LE0, LEGG 共六種組合。 - HPLI、HrPLI、PLI、PEE 與其他因子之間之相關係數未達 0.8，但這四者之間有些會達 0.8 以上，且未達 0.8 者皆在 0.7 以上，故這四者只擇一。
- HAIC 與 SSDI2a 之相關係數達 0.7 以上，故這兩者只擇一。
- HAIC 與 AMRm/f、PLI 之相關係數皆達 0.7 以上，若選入 HAIC，剩 (6-3)×(4-1)=9 種組合。
- SSDI2a 與 PLI、PEE 之相關係數皆達 0.7 以上，且 AMRm/f 與 HPLI、HrPLI 之相關係數皆達 0.7 以上，若選入 SSDI2a，剩 6×(4-2)-2=10 種組合。故考慮 19 種複迴歸分析之自變項選擇。
在這 19 種自變項選擇當中，要求：
- 六個參數估計值皆為正數，
- 且調整後之複判定係數達 0.75 以上，
LE0 + LEGG + IMR+ ADP + (HPLI, HrPLI, or PLI) + SSDI2a
-
再進一步要求：
- 依變數超出其依變數平均值95%信賴區間的觀測點少於五個，
自變項包含 LE0、LEGG、IMR、ADP、HPLI、SSDI2a 六者。
三、複迴歸分析結果
迴歸式包含截距，分析結果如下所示：
| 解釋力 | ANOVA表 | 參數 | ||||||
|---|---|---|---|---|---|---|---|---|
| 自變項 | 估計值 | 標準誤 | t | Sig. | ||||
| 複相關係數 | 0.911 | SSR | 161.2 | （常數項） | -0.184 | 1.254 | -0.147 | 0.885 |
| 複判定係數 | 0.830 | SSE | 33.1 | LE0 | 3.748 | 1.980 | 1.892 | 0.076 |
| 調整後之複判定係數 | 0.770 | df1 | 6 | LEGG | 2.846 | 1.988 | 1.432 | 0.170 |
| df2 | 17 | IMR | 0.479 | 1.693 | 0.283 | 0.781 | ||
| F | 13.81 | ADP | 3.124 | 1.536 | 2.033 | 0.058 | ||
| Sig. | 0.000 | HPLI | 0.676 | 2.112 | 0.320 | 0.753 | ||
| SSDI2a | 5.246 | 2.380 | 2.205 | 0.042 | ||||
四、共線性診斷
由 VIF 檢查共線性，結果發現六個自變項之 VIF 皆未超過 10，介於 1.40 至 2.60 之間，也不及 5，沒有明顯的共線性問題，因此不須加以留意共線性的問題。
| LE0 | LEGG | IMR | ADP | HPLI | SSDI21 | |
|---|---|---|---|---|---|---|
| VIF | 2.425 | 2.343 | 1.493 | 1.402 | 2.564 | 2.476 |
五、迴歸基本假設檢驗
在顯著水準 α =0.05 之下，此迴歸式並未違反線性、等分散性、與常態性之基本假設
| 迴歸基本假設 | 檢驗 | 計算結果 | 違反與否 |
|---|---|---|---|
| Linearity | Ramsey's RESET test | F=0.582 Sig.=0.636 | 否 |
| Homoscedasticity | Breusch-Pagan LM test | R2=0.304 LM=7.29 Sig.=0.295 | 否 |
| Normality | Jarque-Bera test | JB=0.527 Sig.=0.768 | 否 |
六、異常觀測值診斷
診斷結果：無離群值、一個高槓桿值、兩個具影響力之值
| 離群值與異常觀測值 | 數值 | 結果 | 觀測點 |
|---|---|---|---|
| Outliers | Standardized residual Studentized residual | 絕對值皆小於 2 絕對值皆小於 2 | 無 無 |
| High-leverage points | Leverage value | 一點大於 2×7/24=0.583 | SK |
| Influential points | Cook's distance | 兩點大於 FINV(0.5,7,17)=0.943 | SK, EE |
| Pay attention to influence | Cook's distance DFFITS | 兩點大於 FINV(0.9,7,17)=0.382 四點之絕對值大於 1 | SK, EE SK, EE, MT, CY |
| Note: SK 斯洛伐克、EE 愛沙尼亞、MT 馬爾他、CY 賽普勒斯 | |||
圖六、觀測點：歐洲國家
如圖所示，此迴歸式嚴重低估斯堪地那維亞的模範國──挪威與瑞典──以及地中海島國──馬爾他──與愛沙尼亞，而嚴重高估荷蘭、芬蘭、德國、與斯洛伐克。瑞典的依變數落在其依變數平均值95%信賴區間下界之下，而荷蘭、芬蘭、與德國則落在上界之上，此迴歸式難以解釋這四個觀測點。
若檢視歐盟統計局健康人年統計的歷年數據，便發現每年數值的波動很大。再加上本文使用的健康人年數據最新年份是2010年，與選用的各項參數數據年份界於2008至2011年之間，可見時間上並沒有非常一致，但這是資料難以同時發布的限制所在。考量到此迴歸式的複相關係數高達 0.911，且除了具影響力觀測值的問題沒解決以外，並沒有其他問題，因此參考價值是有的。
圖七、歐洲外之 OECD 會員國與台灣
＊ 超出觀測範圍，為外插點
＊＊ 將超出觀測範圍之數值以最接近的觀測範圍邊界值替換，替換後並非隱藏之外插點
＊！ 將超出觀測範圍之數值以最接近的觀測範圍邊界值替換，替換後為隱藏之外插點
可由槓桿值 Xh'(X'X)ˉ¹Xh 是否大於觀測點最大槓桿值來判斷是否為隱藏外插點
從圖四與圖五可發現美國、台灣、與新加坡與其他國家的差異太大，而由歐洲國家數據所建立的迴歸式的預測結果發現此迴歸式完全不適用於美國與新加坡這兩個資本主義極大化的國家。這兩個國家超出觀測範圍的下界甚多，有表現極不理想的數據，如美國有最嚴重的 ADP，新加坡有第二嚴重的 ADP、第二低的 HPLI、以及最差的 SSDI2a。這兩國的外插預測值是這九國中當中最低的，而且就算以觀測範圍下界之數據替換後，仍然是外插點。有趣的是，台灣雖然是外插點，但以觀測範圍邊界值替換超出範圍之值之後，不僅不再是外插點，而且預測值與外插預測值差異很小。以色列與日本的情形也和台灣一樣，但這兩國是超出觀測範圍上界，各有一項表現出色的數據，即日本的 LE0 與以色列的 LEGG，而台灣則是超出觀測範圍下界，有一項表現不理想的數據，即 HPLI。
此迴歸式相當適用於澳洲、紐西蘭、加拿大、與韓國，而預測結果顯示採公共醫療制度的紐澳兩國，表現確實比採社會醫療保險體制的加拿大與韓國還要出色許多，與歐洲國家的情形一樣。日本是所有採社會醫療保險體制的國家當中表現最好的，但仍不及紐澳兩國。以色列採社會醫療保險體制，也是不及紐澳兩國。但結果指出日本與以色列達皆達比利時的水準，皆勝過同樣採社會醫療保險體制的法國、荷蘭、奧地利、與德國。台灣的預測值與葡萄牙的預測值相當，低於德國的預測值但略高於其健康人年。台灣的表現是否比德國好，或比德國差，在此並無法斷定。
惡性循環的醫療環境
從 SSDI 的資料來看，加拿大的發展與紐澳相當，甚至比紐澳還出色，但醫療保健的表現卻比紐澳遜色。德國的表現比發展較差的義大利遜色甚多。這些數據呈現出來的面貌似乎指出公共醫療體制是比社會醫療保險體制更好的的體制。台灣的全民健保有加拿大的影子，當然也有德國的影子，但是台灣的全民健保並沒有延長民眾就醫的等待時間，結果是創造出比加拿大與德國高出許多的人均醫療保健消費數量與非常低落的醫療保健消費價格水平。然而，從 SSDI 的資料來看，台灣的醫療保健指標卻只有美國那般低落的水準。台灣的全民健保實現了社會醫療保險體制的精神，讓為病所困的中下階層脫離崩潰的處境，但台灣政府卻無視保險收支平衡與醫護人員的處境，讓醫療便利性無限擴張，遠遠偏離加拿大與德國的模式，創造出「台灣式」的獨特醫療體制，即在「社會保險的外表下從事資本主義叢林競爭」的醫療體制，讓具有競爭力的私人醫療院所從無限擴張的醫療便利性中獲利，導致既有的公共醫療院所面臨強烈競爭，也讓許多競爭力不足的區域私人醫院倒閉或是被大型私人醫療財團兼併。
很諷刺，即使在大型私人醫療院所任職的醫護人員，也沒得到對等的報酬。政府並沒有投入更多資源培育更多的醫護專業人力，既有的人力在不流失的情況下也無法應付無限擴張的醫療便利性。高工時必然衍生更多的醫療糾紛。預期的高工時與不對等的報酬，醫護人力自然流失。一旦流失，工作負擔更重，工時更長，導致更多的醫療糾紛。再加上整體大環境每況愈下，許多法界人士靠著醫療糾紛獲利，醫療糾紛官司的頻率已追上美國。然而台灣政府並沒有透過補償病患與其家屬的方式減少官司的頻率，因此醫護人力在有所擔憂的情況下大量退出高醫療糾紛風險的單位，使得醫護人力出現大斷層。結果就是醫護人力流失的惡性循環。一旦惡性循環產生，政府若不從關鍵點介入，即使投入更多資源培育更多的醫護專業人力也是亡羊補牢。
獨善其身的社會價值觀
為什麼最近前衛生署署長特別提到瑞典醫療模式？除了提供台灣社區基層醫療發展的模範以外，長期照護資源更是重點所在。前署長感嘆台灣人不信任政府，而使政府無力增加稅收而建立更完善的社會福利制度。這句話似乎暗示台灣長期照護資源的匱乏是台灣人獨善其身的後果。日後，台灣政府很可能會推動普及長期照護服務。但受限於財政，普及長期照護很可能會複製全民健康保險的模式，到時候很可能同樣會出現惡性競爭的後果。在台灣的現實環境之下，只要獨善其身的社會價值觀沒有走向信任而樂於分享的社會價值觀，任何社會福利體制都會走向絕路。
黑暗中的光芒
台灣醫療模式讓公共醫療院所面臨前所未見的強烈競爭，公立醫學中心照顧更多的重症病患就會折損更多的競爭力，只能透過國家給予醫學中心的資源維持永續經營。區域公立醫院若沒有得到政府的支持，就會在競爭當中倒下。這套醫療模式衰敗的關鍵就是社區基層醫療沒有落實，而啟動後續一連串的後果。為什麼政府不願這麼做？難倒是屈服於醫療財團？社區基層醫療沒有若實，全民健康的理想就無法達成，慢性病與其危險因子就不可能得到很好的控制，這反映在台灣極高的成人死亡率之上。這也是為什麼台灣的醫療保健評比只有美國那般的低落水準。
在充滿無奈的現實環境中，很慶幸還有一群人堅持著全民健康的理念而努力著。公視非常有遠見，曾經在2009年介紹挪威的老人照護，以「活躍老挪威」為主題，挪威果然在2010年超過瑞典成為全歐洲也是全世界最「老當益壯」的國家，健康的老人當志工照顧病痛的老人，維持全民健康照護體系的永續經營。影片連結請見〈醫療服務平等〉一文。影片特別提到挪威的醫療體制特色是「沒有 VIP」。
非常諷刺，台灣的公立醫學中心竟然需要透過提供充滿階級意識的 VIP 服務來維持其永續經營，這個國家的高層到底在想什麼？公衛界到底在做什麼？當最高層的公立醫療機構必須向惡性競爭低頭，已經宣告整個醫療環境在惡性循環下即將崩落。很慶幸，在絕望之中還有一點光芒，在民間團體的努力下，積極說服政府考慮引入瑞典在三十年前建立的醫療糾紛補償機制。
〈附錄〉迴歸分析公式一覽
一、迴歸式
Y=Xβ+ε，共有 n 個觀測值，p-1 個預測變數
Y 為反應向量 (n×1)
X 為設計矩陣 (n×p)
β 為參數向量 (n×p)
ε 為獨立常態隨機變數向量 (n×1)，其期望值 E{ε}=0，且其共變異矩陣 σ²{ε} = σ²I
E{Y}=Xβ，且 Y 之共變異矩陣 σ²{Y} = σ²{ε} = σ²I
迴歸係數最小平方估計值向量 b=(X'X)ˉ¹(X'Y)
配適值向量 Y^=Xb=HY，其中帽子矩陣 H=X(X'X)ˉ¹X'
殘差向量 e=Y-Y^=Y-Xb 或 (I-H)Y，
其共變異矩陣 σ²{e} = σ²(I-H)，估計式 s²{e}=MSE(I-H)
二、變異數分析
SSTO=Y'Y-(1/n)Y'JY=Y'[ I-(1/n)J ]Y， df=n-1
SSE=e'e=(Y-Xb)'(Y-Xb)=Y'Y-b'X'Y=Y'(I-H)Y， df=n-p，MSE=SSE/(n-p)
SSR=b'X'Y-(1/n)Y'JY=Y'[ H-(1/n)J ]Y， df=p-1，MSR=SSR/(p-1)
J 為元素全為 1 之 n×n 方陣
反應變數與預測變數間之迴歸關係 F 檢定：
H0: β0=β1=β2=..βp-1=0
Hα: βj (j=1,2,...,p-1) 非全為零
檢定統計量 F*=MSR/MSE
若 F* ≦ F(1-α; p-1, n-p)，則結論為 H0
若 F* > F(1-α; p-1, n-p)，則結論為 Hα
三、解釋力與參數估計
複判定係數 R² = SSR/SSTO = 1 - SSE/SSTO
複相關係數 R= Sqrt(R²)
迴歸參數：
E{b}=β，σ²{b}=σ²(X'X)ˉ¹，s²{b}=MSE(X'X)ˉ¹
βj 在信心水準 1-α 下之信賴區間為 bj ± t(1-α/2; n-p) s{bj}
βj 之檢定：
H0: βj=0
Hα: βj≠0
檢定統計量 t*=bj/s{bj}
若 |t*| ≦ t(1-α/2; n-p)，則結論為 H0
若 |t*| > t(1-α/2; n-p)，則結論為 Hα
四、平均反應的信賴區間
向量 Xh 依序由 1 與 X1, X2, ...Xp-1 的值所組成
其平均反應 E{Yh}=Xh'β
其平均反應之估計 Yh^=Xh'b，且 E{Yh^}=Xh'b=E{Yh}
其變異數 σ²{Yh^}=σ²Xh'(X'X)ˉ¹Xh=Xh'σ²{b}Xh
其估計之變異數 s²{Yh^}=MSE(Xh'(X'X)ˉ¹Xh)=Xh's²{b}Xh
E{Yh} 在信心水準 1-α 下之信賴區間為 Yh^ ± t(1-α/2; n-p) s{Yh^}
五、新觀測值的預測區間
對應於一個特定 Xh 的一個新觀測值 Yh 在信心水準 1-α 下之預測區間為
Y0^ ± t(1-α/2; n-p) s{pred}
其中 s²{pred} = MSE + s²{Yh^} = MSE(1+Xh'(X'X)ˉ¹Xh)
對應於一個特定 Xh 的 m 個新觀測值 Yh 在信心水準 1-α 下之預測區間為
Y0^ ± t(1-α/2; n-p) s{predmean}
其中 s²{predmean} = MSE/m + s²{Yh^} = MSE(1/m+Xh'(X'X)ˉ¹Xh)
六、共線性診斷
變異數 σ²{bj} = σ²{e}/[(n-1)σ²{Xj}] ‧ 1/(1-Rj²)
估計之變異數 s²{bj} = s²{e}/[(n-1)s²{Xj}] ‧ 1/(1-Rj²)
而 VIFj = 1/(1-Rj²) = s²{Xj}(n-1)s²{bj}/s²{e}
若 VIFj > 10，則第 j 自變項與其他自變項間存在高度共線性
亦可使用更嚴格的判斷值 5
七、迴歸基本假設檢驗
線性檢驗：Ramsey's RESET test
y = β0 + β1 x1+ β2 x2 + ... + βk xk + ε → 求得 SSRr
y = β0 + β1 x1+ β2 x2 + ... + βk xk + δ1 y^²+ δ2 y^³+ δm y^(m+1) + ε → 求得 SSRur
通常 m 取 3，取太大並沒有什麼意義
H0: δ1 = δ2 = δ3 = ... = δm
檢定統計量 F = (SSRr - SSRur)/SSRur ‧ m/(n-(k+m)-1)
若 F > F(1-α; m, n-(k+m)-1)，則拒絕虛無假設，表示違反線性
等分散性檢驗：Breusch-Pagan LM test
ε² = δ0 + δ1 x1+ δ2 x2 + ... + δk xk + ν
H0: δ0 = δ1 = δ2
估計式 ε^² = δ0 + δ1 + δ2 + ... + δk + ν （ε 以 e 估計）
LM = n ‧ R²
若 LM > χ²(1-α; k)，則表示違反線性
常態性檢驗：Jarque-Bera test
m2=Σei²/n
m'3=(Σei³/n)/m23/2
m'4=(Σei4/n)/m2²
BJ = n [ (m'3)²/6 + (m'4-3)²/24 ]
若 BJ > χ²(1-α; 2)，則表示違反常態性
八、異常觀測值診斷
Leverage value = 帽子矩陣之對角元素 hii = Xh'(X'X)ˉ¹Xh
－當 hii > 2p/n，即為高槓桿值
Studentized residual = ti = e/( RMSE ‧ sqrt(1-hii) )
－當 |ti| ≧ 2，即為離群值
Cook's distance = Di = e²/( p ‧ MSE ) ‧ hii/(1-hii)² = ti²/p ‧ hii/(1-hii)
－當 Di > F(0.5, p, n-p)，即為具有影響力之值
－當 Di > F(0.9, p, n-p)，應留意其影響力
DFFITS = Sqrt( hii/(1-hii) ) ‧ ti
－對於小樣本而言，當 DFFITS > 1，應留意其影響力
－對於大樣本而言，當 DFFITS > 2sqrt(p/n)，應留意其影響力
0 意見:
張貼留言