基于省際面板分位數(shù)回歸的中國城鄉(xiāng)居民醫(yī)療保健支出影響因素分析*

謝 聰 宇傳華,2△ 張 爽 金 鐘 馬榮嫻

從現(xiàn)在到2020年是實(shí)現(xiàn)衛(wèi)生改革總體目標(biāo)的最后階段，讓城鄉(xiāng)居民享有基本公平的醫(yī)療衛(wèi)生服務(wù)是中國醫(yī)改的主要目標(biāo)之一。其中居民醫(yī)療衛(wèi)生保健的個(gè)人現(xiàn)金支出水平和承受能力是一項(xiàng)核心指標(biāo)，研究其影響因素對于縮小城鄉(xiāng)差距，提高居民健康水平，實(shí)現(xiàn)“健康中國”目標(biāo)具有重要現(xiàn)實(shí)意義。目前國內(nèi)外學(xué)者主要采用時(shí)間序列模型、分位數(shù)回歸和面板模型等方法探索醫(yī)療保健支出影響因素[1-3]，但傳統(tǒng)面板模型往往是基于服從正態(tài)分布的條件均值模型，忽略了數(shù)據(jù)在均值回歸中難以發(fā)現(xiàn)的某些信息。Koenker(2004)[4]構(gòu)建的面板數(shù)據(jù)分位數(shù)回歸模型不僅充分利用了面板數(shù)據(jù)特點(diǎn)，還分析了因變量條件分布的不同分位點(diǎn)上變量之間的關(guān)系，因此估計(jì)結(jié)果更加穩(wěn)健全面，對政策制定更具指導(dǎo)意義。本文采用面板分位數(shù)回歸模型分析中國城鄉(xiāng)居民醫(yī)療保健支出影響因素，以期為合理引導(dǎo)我國居民的醫(yī)療保健消費(fèi)提供相關(guān)信息和政策建議。

資料與方法

1.數(shù)據(jù)來源

本研究主要數(shù)據(jù)來源是2002-2015年《中國統(tǒng)計(jì)年鑒》、《中國衛(wèi)生和計(jì)劃生育統(tǒng)計(jì)年鑒》、《中國人口和就業(yè)統(tǒng)計(jì)年鑒》，部分?jǐn)?shù)據(jù)來源于《2015中國衛(wèi)生總費(fèi)用報(bào)告》。由于北京、天津、上海和重慶的農(nóng)村居民消費(fèi)者價(jià)格指數(shù)在部分年份缺失故被刪除，實(shí)際采用的是我國27個(gè)省、自治區(qū)的面板數(shù)據(jù)。

2.模型設(shè)定

目前國內(nèi)多數(shù)研究認(rèn)為我國居民醫(yī)療保健支出主要由收入水平和人口年齡結(jié)構(gòu)決定[5-6]，本文將轉(zhuǎn)移性收入和醫(yī)療保健價(jià)格指數(shù)也考慮其中進(jìn)行探索分析，因此建立如下模型：

HCMSit=α+β1INCit+β2TINit+β3PRIit+β4OLDit+uit

其中，因變量為人均醫(yī)療保健支出(HCMS，千元/人)。自變量包括居民個(gè)人收入(INC，千元/人)：利用城鎮(zhèn)人均可支配收入/農(nóng)村人均純收入(UINC/ RINC)衡量城鄉(xiāng)居民的有效收入；一般來說，政府發(fā)放的養(yǎng)老金或離退休金及各種救濟(jì)金是轉(zhuǎn)移性收入的重要組成部分，故采用城鎮(zhèn)/農(nóng)村居民人均轉(zhuǎn)移性收入(UTIN/RTIN，千元/人)來反映該地區(qū)城鄉(xiāng)社會(huì)保障水平，以上變量均是去除通貨膨脹因素后的實(shí)際值；醫(yī)療保健價(jià)格指數(shù)(PRI)：采用各省份的城鎮(zhèn)/農(nóng)村醫(yī)療保健價(jià)格指數(shù)(UPRI/RPRI)反映醫(yī)療保健價(jià)格變動(dòng)，該指標(biāo)是以2000年為基期的定基發(fā)展速度；65歲及以上人口比重(OLD，%)：采用城鎮(zhèn)/農(nóng)村65歲及以上人口比重(UOLD/ROLD)衡量城鄉(xiāng)人口老齡化程度。

3.模型簡介

固定效應(yīng)面板分位數(shù)回歸模型的一般形式如下：

i=1,2,3,…,N,t=1,2,3,…,T

(1)

(2)

其中，ρτ(u)=u(τ-I(u<0))，表示線性分段分位數(shù)損失函數(shù)，權(quán)重wk控制q分位數(shù){τ1,…,τq}對參數(shù)αi的估計(jì)值的相關(guān)影響。

Koenker(2004)[4]和Lamarche(2010)[8]證明了懲罰分位數(shù)回歸的參數(shù)估計(jì)量滿足一致性和漸近正態(tài)性，且對于所有λ>0都是漸近無偏的。

結(jié) 果

1.數(shù)據(jù)的平穩(wěn)性檢驗(yàn)

為避免偽回歸，須檢驗(yàn)各面板序列的平穩(wěn)性，選取同質(zhì)面板數(shù)據(jù)的LLC檢驗(yàn)和異質(zhì)面板數(shù)據(jù)的IPS檢驗(yàn)、ADF-Fisher檢驗(yàn)和PP檢驗(yàn)，計(jì)算過程主要基于R軟件。檢驗(yàn)結(jié)果表明，所有序列均為平穩(wěn)序列。

2.面板分位數(shù)回歸模型估計(jì)結(jié)果

為與傳統(tǒng)面板模型回歸結(jié)果進(jìn)行對比，首先利用面板數(shù)據(jù)個(gè)體固定效應(yīng)模型進(jìn)行回歸，再進(jìn)行面板分位數(shù)回歸模型的參數(shù)估計(jì)，表1和表2分別列出了城鎮(zhèn)和農(nóng)村模型0.1至0.9每隔0.1個(gè)分位點(diǎn)的系數(shù)估計(jì)結(jié)果。為進(jìn)一步觀察參數(shù)變化情況，將四個(gè)變量所有分位點(diǎn)系數(shù)估計(jì)值繪制在圖1～4中。

表1 城鎮(zhèn)面板分位數(shù)模型系數(shù)估計(jì)值

*:帶***、**和*分別表示在0.1%、1%和5%的顯著性水平下顯著，括號(hào)內(nèi)為通過bootstrap得出的系數(shù)標(biāo)準(zhǔn)誤，bootstrap次數(shù)為200次。

表2 農(nóng)村面板分位數(shù)模型系數(shù)估計(jì)值

*帶***、**和*分別表示在0.1%、1%和5%的顯著性水平下顯著，括號(hào)內(nèi)為通過bootstrap得出的系數(shù)標(biāo)準(zhǔn)誤，bootstrap次數(shù)為200次。

從參數(shù)估計(jì)結(jié)果可以看出，通過面板分位數(shù)回歸方法得到的系數(shù)符號(hào)與固定效應(yīng)模型的結(jié)論基本一致。但在面板分位數(shù)模型中，可以觀察到固定效應(yīng)模型無法反映的信息，隨著醫(yī)療保健支出在條件分布不同位置的變化，各個(gè)系數(shù)均呈現(xiàn)出一定變化規(guī)律：

(1)城鎮(zhèn)分位數(shù)回歸結(jié)果

結(jié)合表1和圖1，可以看出城鎮(zhèn)居民收入對醫(yī)療保健支出的影響在各分位點(diǎn)都顯著為正，且隨著條件分布由低到高，估計(jì)值不斷增大，說明在醫(yī)療保健支出越高的城鎮(zhèn)地區(qū)，收入的促進(jìn)作用越大。圖2顯示了城鎮(zhèn)居民轉(zhuǎn)移性收入的作用為顯著的正效應(yīng)，估計(jì)值保持在0.13左右。去除回歸在端點(diǎn)值的不穩(wěn)定性，圖3顯示了城鎮(zhèn)醫(yī)療保健價(jià)格指數(shù)的影響在各分位點(diǎn)都顯著為負(fù)，即抑制作用，估計(jì)值在-0.3上下波動(dòng)。從圖4可以看到， 隨著條件分布由低到高， 城鎮(zhèn)65歲及以上人口比重的估計(jì)值整體呈現(xiàn)出波動(dòng)遞減的正效應(yīng)，說明在城鎮(zhèn)醫(yī)療保健支出的快速增加過程中，城鎮(zhèn)人口老齡化的促進(jìn)作用是逐漸減小的。

圖1 人均收入分位數(shù)回歸系數(shù)變化情況

圖2 人均轉(zhuǎn)移性收入分位數(shù)回歸系數(shù)變化情況

圖3 醫(yī)療保健價(jià)格指數(shù)分位數(shù)回歸系數(shù)變化情況

圖4 65歲及以上人口比重分位數(shù)回歸系數(shù)變化情況

(2)農(nóng)村分位數(shù)回歸結(jié)果

結(jié)合表2和圖1，可以看出農(nóng)村人均收入的作用為不斷增大的促進(jìn)作用，但0.7分位點(diǎn)之后估計(jì)值快速波動(dòng)。去除回歸在端點(diǎn)值的不穩(wěn)定性，農(nóng)村人均轉(zhuǎn)移性收入的影響(圖2)隨著條件分布由低向高，估計(jì)值逐漸增大，如在0.1分位點(diǎn)為0.04，在0.5分位點(diǎn)增大為0.14，而在0.9分位點(diǎn)達(dá)到了0.4，且從中位數(shù)值在0.14可以看出，前半部分增速稍慢，后半部分上升較快，說明在支出較高的農(nóng)村地區(qū)，轉(zhuǎn)移性收入的繼續(xù)增加會(huì)帶來更大的邊際收益。農(nóng)村醫(yī)療保健價(jià)格指數(shù)的影響(圖3)在0.3分位點(diǎn)之前為不斷減小的正效應(yīng)，之后為不斷增大的負(fù)效應(yīng)，但影響系數(shù)均不顯著。圖4顯示了農(nóng)村65歲及以上人口比重的正效應(yīng)估計(jì)值逐漸遞減，但僅低分位的系數(shù)通過了顯著性檢驗(yàn)。

討 論

居民收入對醫(yī)療保健支出的促進(jìn)作用不斷增強(qiáng)，但對農(nóng)村的影響大于城鎮(zhèn)，且農(nóng)村高分位的估計(jì)值波動(dòng)較大。相關(guān)文獻(xiàn)表明收入水平不僅影響醫(yī)療保健消費(fèi)水平，也影響消費(fèi)結(jié)構(gòu)[1,6]。城鎮(zhèn)居民的收入較高，有能力追求潛在醫(yī)療需求和高端健康服務(wù)，受到收入約束的主要是中高階醫(yī)療需求，而農(nóng)村居民收入較低，基本醫(yī)療需求尚較難滿足，因此其醫(yī)療保健支出受收入的影響大于城鎮(zhèn)地區(qū)，那么增加農(nóng)民收入更能顯著提高農(nóng)村醫(yī)療保健支出水平；另外，在醫(yī)療保健支出較高的農(nóng)村地區(qū)，身體狀況、健康觀念等也成為約束條件，故在此階段收入的估計(jì)值波動(dòng)較大。城鎮(zhèn)轉(zhuǎn)移性收入的作用保持平穩(wěn)可能是因?yàn)槌擎?zhèn)居民社會(huì)保障較完善，而農(nóng)村轉(zhuǎn)移性收入影響系數(shù)不斷上升，尤其后半部分上升較快，這可能是因?yàn)槌青l(xiāng)經(jīng)濟(jì)水平的差異和城鄉(xiāng)分割的收入再分配制度等導(dǎo)致城鄉(xiāng)轉(zhuǎn)移性收入存在較大差異，即城鎮(zhèn)居民能享受到較多的政府轉(zhuǎn)移性支付，而廣大農(nóng)民的轉(zhuǎn)移性收入水平偏低，因此提高農(nóng)民轉(zhuǎn)移性收入水平能顯著增加其醫(yī)療保健支出。城鎮(zhèn)醫(yī)療保健價(jià)格的影響在各個(gè)分位點(diǎn)均為顯著的抑制作用，但對農(nóng)村的影響不顯著，這與羅艷虹等[1]的相關(guān)研究結(jié)論相似。不顯著的原因可能是農(nóng)村地區(qū)醫(yī)療資源相對緊缺，且農(nóng)村居民醫(yī)療保健支出大部分為基本醫(yī)療服務(wù)需求，缺乏彈性，因此醫(yī)療保健價(jià)格影響不顯著。城鎮(zhèn)和農(nóng)村地區(qū)的65歲及以上人口比重的系數(shù)均為正值，但農(nóng)村地區(qū)僅低分位的系數(shù)有統(tǒng)計(jì)學(xué)意義。人口老齡化促進(jìn)了醫(yī)療保健支出的增加，這與國內(nèi)部分研究結(jié)論一致[5]， 但農(nóng)村老年人由于受到家庭經(jīng)濟(jì)

條件和醫(yī)保報(bào)銷比例的限制，在醫(yī)療費(fèi)用較低時(shí)，他們還能負(fù)擔(dān)得起，而當(dāng)醫(yī)療費(fèi)用超出支付能力，他們不得已棄療，因此農(nóng)村老齡化的影響僅在低分位有統(tǒng)計(jì)學(xué)意義。

上述結(jié)果與分析給政策制定者帶來的啟示有，農(nóng)村方面主要在于從政策、農(nóng)業(yè)和農(nóng)村產(chǎn)業(yè)結(jié)構(gòu)等方面促進(jìn)農(nóng)民增收，從而釋放農(nóng)民醫(yī)療服務(wù)需求；大力完善農(nóng)村社會(huì)保障體制，尤其加強(qiáng)老年人群醫(yī)療保險(xiǎn)的政策扶持；優(yōu)化基層醫(yī)療資源配置、穩(wěn)定鄉(xiāng)村醫(yī)生隊(duì)伍，滿足廣大農(nóng)民的基本醫(yī)療需求。而城鎮(zhèn)方面在于控制醫(yī)療費(fèi)用的過度膨脹，經(jīng)濟(jì)、有效地利用現(xiàn)有醫(yī)療服務(wù)資源；廣覆蓋基本公共衛(wèi)生均等化中的老年人健康管理以及健全醫(yī)療服務(wù)價(jià)格體系，減輕居民醫(yī)療負(fù)擔(dān)。

本研究的不足之處在于受到數(shù)據(jù)可及性的限制，只分析了部分影響因素，給出的政策建議有限。今后將采用更多合理指標(biāo)量化其他政策關(guān)注度高的影響因素，深入探索各方面因素對醫(yī)療保健支出的影響，從而為制定相關(guān)衛(wèi)生經(jīng)濟(jì)政策提供更多的理論依據(jù)。

綜上所述，居民收入推動(dòng)了城鄉(xiāng)居民醫(yī)療保健支出增長，且對農(nóng)村的影響大于城鎮(zhèn)，轉(zhuǎn)移性收入在農(nóng)村中的邊際收益更高，醫(yī)療保健價(jià)格上升抑制了城鎮(zhèn)居民醫(yī)療保健支出，而人口老齡化促進(jìn)了城鎮(zhèn)居民醫(yī)療保健支出，但兩者對農(nóng)村影響不顯著，且各影響因素的作用大小在不同分位數(shù)水平下并不一致。故各省份在制定相關(guān)政策時(shí)，應(yīng)根據(jù)自身特征針對導(dǎo)致本省城鄉(xiāng)衛(wèi)生費(fèi)用不合理增長的因素精準(zhǔn)發(fā)力，達(dá)到“精準(zhǔn)控費(fèi)”。

[1] 羅艷虹,丁蕾,余紅梅,等.基于中國26省面板數(shù)據(jù)的城鄉(xiāng)居民醫(yī)療保健支出實(shí)證分析.中國衛(wèi)生統(tǒng)計(jì),2010,27(02):118-121.

[2] Zare H,Trujillo AJ,Leidman E,et al.Income elasticity of health expenditures in Iran.Health Policy and Planning,2013,28(6):665-679.

[3] Wang K.Health care expenditure and economic growth:Quantile panel-type analysis.Economic Modelling,2011,28(4):1536-1549.

[4] Koenker R.Quantile regression for longitudinal data.Journal of Multivariate Analysis,2004,91(1):74-89.

[5] 周鳳秀,張建華.人口年齡結(jié)構(gòu)對居民醫(yī)療保健支出影響的區(qū)域及城鄉(xiāng)差異.中國衛(wèi)生經(jīng)濟(jì),2016,35(10):48-50.

[6] 顧衛(wèi)兵,張東剛.城鄉(xiāng)居民收入與醫(yī)療保健支出關(guān)系的實(shí)證分析.消費(fèi)經(jīng)濟(jì),2008，24(1):43-46.

[7] 劉煥鵬,嚴(yán)太華.面板數(shù)據(jù)分位數(shù)回歸模型研究綜述.統(tǒng)計(jì)與決策,2014，(17):82-84.

[8] Lamarche C.Robust penalized quantile regression estimation for panel data.Journal of Econometrics,2010,157(2):396-408.