模型参数估计的方法有矩估计法，极大似然法，非线性最小二乘法等。矩估计发比较简单但精度较低，极大似然法比较精确，但是要求对样本的分布函数已知。非线性最小二乘法过程包含运筹学中的迭代搜索技术，具有较高的准确度。所以我们选用了非线性最小二乘法(NLS）来估计参数。使用经济计量软件Eviews对模型进行参数估计。估计结果如下所示：
即
（三）模型检验
我们对所得模型的残差序列ｅ进行平稳性和随机性检验。结果证明残差序列是白噪声，所以我们接受这个具体的拟合。
（四）模型预测
我们利用Eviews软件，预测出04-14年实际需要的医疗保障金如下：
以相同的方法，我们得到A.C.D三家公司０４－１４年实际需要的医疗保障金如下：
A C
D
各公司乘以通货膨胀指数之后，每年所需医疗保障金见附表３。
对于每年总公司能够支出的医疗总费用的预测。
由问题可知，每个子公司的雇员人数以及每一年龄段的雇员比例，在各个年度都保持相对稳定，所以公司每年的医疗费用支出应该满足同一分布。
把医疗总费用当作一个随机变量，影响它的因素有多个，所以医疗费用支出可以看做是多个独立的随机变量之和，设它们的期望和方差分别为，记。
根据李雅普诺夫定理[2]：假如存在正数，使得当的时候，，
则随机变量之和的标准化变量
的分布函数对于任意x，满足
。
即无论各个因素自身的分布如何，只要当n足够大，那么因素总体的分布始终呈现正态分布。所以我们认为医疗总费用服从正态分布。
我们对1980－2003年度间各个子公司的医疗保障金额进行分组，偶数年度的数据为一组，进行参数估计；奇数年度的样本值为一组，进行假设检验。
我们用偶数年数据的样本均值37.82作为 值，样本方差2.46作为 值，即
接下来，我们对均值进行假设检验，构造统计量
所以我们接受＝37.82的假设。用类似的方法，我们得到=2.46的假设是可以接受的。
