衛生籌資中社會衛生支出的預測與分析

陳 渝 張泰瑞

昆明理工大學管理與經濟學院 云南昆明 650093

1 引言

隨著優質醫療服務需求的快速增長和實際有效供給不足，增加投入以滿足服務需求成為常態，這種醫療領域的“馬太效應”造成了醫療資源配置的非均衡。［1］可以預料，隨著我國人民衛生服務需求的不斷提高，我國醫療領域的資金壓力會越來越大，如何完善籌資結構成為實現醫療機構經營戰略目標的關鍵，按照籌資來源可將衛生總費用指標體系分為政府衛生支出、社會衛生支出和居民個人衛生支出三部分［2］。

Stabile M等提出衛生籌資結構對衛生總費用的增長具有重要影響。［3］Ke X等使用從1995到2008年的143個國家的面板數據同時應用標準固定效應和動態模型進行研究，［4］探索衛生總費用增長相關因素及其主要組成部分。Lu C等人采用中低收入國家1995年至2006年的數據考察了國家經濟發展因素對衛生籌資的影響。［5］董黎明等提出政府應該優化衛生支出結構，降低個人支付比重，鼓勵和引導社會資本的介入并積極拓展衛生籌資渠道。［6］顧昕研究提出中國出現“看病貴”問題很大程度歸因于政府責任的弱化導致衛生籌資結構失調。［7］周婷研究提出政府衛生籌資對改善居民醫療服務環境，控制醫療服務價格，提高醫療服務水平具有積極意義。［8］

衛生支出毫無疑問會受到醫療改革的影響，2005年引發的政府與市場主導的討論成為新一輪醫療體制改革的起點，市場和政府的紐帶上社會衛生支出被突顯出來。社會衛生支出主要包括：社會醫療保障支出、商業健康保險、社會辦醫、社會捐贈等方面。

本文將分兩個階段分析醫療衛生籌資和社會衛生支出的變化情況。首先，從實際衛生支出和衛生支出占GDP百分比兩個維度使用ARIMA模型進行預測，ARIMA模型在衛生支出領域有許多應用［9-12］，本文利用實際衛生支出預測分析中國衛生支出結構、規模及變化率，借助衛生支出占GDP比重研究衛生支出籌資格局及水平，通過綜合分析兩個維度，顯示出社會衛生支出的重要地位，對未來醫療服務發展趨勢進行推斷，提出引入社會資本緩解我國醫療資金壓力的討論。其次，通過FDLMR模型，進一步分析醫療改革的實施對社會衛生支出各組成部分的影響，對引入社會資本發展醫療領域提供了切實的政策和經濟分析，進一步明晰社會衛生支出未來可能的發展方向。

2 衛生支出預測

2.1 模型簡介

本研究的自回歸積分滑動平均模型即ARIMA（p，d，q）模型由 AR、I、MA三部分組成。其中，AR指自回歸過程，MA指移動平均過程，I指積分過程，p表示模型的自回歸項數，q表示模型的移動平均項數，d表示時間序列平穩之前必須取其差分的次數。模型一般公式為：

其中 yt為相關時間序列；α1，α2，…，αt為自回歸系數；μt為白噪聲序列；β1，β2，…，βt為滑動平均系數。應用ARIMA模型，借助歷史時間序列數據，利用統計軟件，可以得出相應模型最終表達式。

2.2 數據收集及處理

數據來源于中國統計局發布的2017年《中國統計年鑒》，選擇1978年為研究的起始時間，2016年為數據觀測的終止時間。從中選取了一共37年的衛生支出數據分析，其中1978—2013年數據作為測試數據，剩下3年數據用作預測驗證數據。

2.3 預測

本研究利用STATA平臺，分別預測了社會、政府、個人的實際衛生支出，以及社會、政府、個人衛生支出分別占GDP的比重。因為基于同樣的理論，本文只簡略展示了對實際社會衛生支出的預測過程。

2.3.1 對實際衛生支出進行預測

本文選擇將社會衛生支出的對數序列（記作ln＿soc）作為原始序列，畫出原始數據1978—2013年的時間序列圖，顯示社會衛生支出的對數序列隨時間的變化趨勢（圖1）。

圖1 社會衛生支出對數序列的時間序列

由圖1可知，數據有明顯的增長趨勢，初步判斷非平穩序列。對原始序列取一階差分（記作d＿ln＿soc），通過單位根檢驗處理過的序列已經平穩。

通過d＿ln＿soc的自相關圖和偏自相關圖初步推斷 ARIMA模型為（1，1，0）或（1，1，1），為了選擇最佳的模型，結合單位根檢測時初步推斷的ARIMA（5，1，0）模型，利用 AIC，BIC準則進行模型篩選（表 1）。

表1 模型篩選

通過篩選，發現 ARIMA（1，1，0）更佳，于是選擇該模型進行預測。得到最終模型表達式：d＿1n＿soc＝0.1527232＋0.4860365d＿1n＿soct－1

同理，選擇 ARIMA（1，1，0）、ARIMA（1，2，0）模型，分別對2014—2016年度政府、個人實際衛生支出進行預測，并將其與實際值比較，具體內容如表2。

表2 社會／政府／個人衛生支出2014—2016年預測值與實際值

對未來4年進行預測，獲得社會衛生支出、政府衛生支出、個人衛生支出2017—2020年預測數據（表3）。

表3 社會／政府／個人衛生支出2017—2020年預測值（億元）

分析2014—2016年預測結果，社會、政府、個人的實際衛生支出預測值和實際值的平均誤差分別為2.16%、4.15%、3.49%，模型的擬合效果較好，進一步驗證了該模型預測的可靠性。

2.3.2 對支出占GDP比重進行預測

考慮多維度分析，選擇對支出占GDP百分比進行預測。經過篩選，選擇 ARIMA（1，1，0）、ARIMA（1，1，0）、ARIMA（0，1，1）模型，分別對社會、政府、個人衛生支出占GDP比重行預測，得到2014—2016年社會、政府、個人衛生支出分別占GDP比重的預測值與實際值，以及2017—2020年預測值（表4、表5）。

表4 社會／政府／個人衛生支出在GDP中占比2014—2016年預測值與實際值（%）

表5 社會／政府／個人衛生支出在GDP中占比2017—2020年預測值（%）

根據預測結果分析，社會、政府、個人衛生支出占GDP比重預測值和實際值的平均誤差分別為4.53%、3.65%、2.26%，具有較好的預測能力。結合兩種預測方式的實際誤差，認為模型具有可靠性，預測結果具有使用價值。

3 社會衛生支出影響因素分析

3.1 模型簡介

（1）有限分布滯后模型（Finite distributed lag model，FDL），即滯后期長度有限的分布滯后模型，模型一般表達式：

模型中各系數體現了解釋變量各個時期對被解釋變量的不同影響程度，即通常所說的乘數效應。其中，δ0稱為短期乘數或即期乘數，表示當期x變化一個單位對y平均值的即期影響程度，δi稱為延遲系數或動態乘數，表示過去各個時期x變化一個單位對y平均值的動態影響程度稱為長期乘數或長期傾向（long-run propensity，LRP），表示 x變動一個單位，由于滯后效應而形成的對y平均值總影響的大小。

（2）有限分布滯后多元回歸模型（finite distributed lagmultiple regression model，FDLMR），即將有限分布滯后模型與多元回歸模型相結合，模型一般表達式：

模型前半部分與有限分布滯后模型意義相同，δi＋n代表其他解釋變量系數，a、b…代表其他解釋變量，ut為誤差項。

3.2 數據收集及處理

社會衛生支出、社會保險基金支出、社會捐贈數據均來自《中國統計年鑒》，商業健康保險賠付數據來自保監會歷年《保險統計報告》，社會辦醫療機構衛生支出（以下簡稱“社會辦醫支出”）數據來自《中國衛生和計劃生育統計年鑒》，選取2005—2015年度進行匯總整理。

3.3 模型建立及分析

將社會衛生支出（social health expenditure，she）作為因變量，以盡量避免多重共線為原則，選擇社會保險基金支出（socialmedical insurance expenditure，smie）、商業健康保險賠付（commercial health insurance paid，chip）、非 公 立 醫 院 （Non-public hospitals，nh）數量、社會捐贈（social donation，sd）分別代表社會醫療保障支出、商業健康保險費、社會辦醫、社會捐贈四個方面作為自變量。考慮到醫院建立產生的影響具有滯后效應，所以向模型中加入nh的一階滯后和二階滯后項，并且時間序列數據可能存在時間趨勢，為去除趨勢選擇向模型加入時間變量t，t＝1作為起始（即2005年），建立時間序列有限分布滯后多元回歸模型，

nh從第t期開始永久性提高，會導致she的長期變化，nh的當期和滯后系數之和稱為she的長期傾向，雖然nh不同時期滯后之間存在多重共線可能，難以得到有效的δi估計值，但是通過對模型的簡單變換也能計算出LRP：

令θ0＝δ2＋δ3＋δ4表示 LRP，則δ2＝θ0－δ3－δ4

將δ2帶入模型（1）得到：

進行數學變換得：

按照（3）式進行回歸得到結果（表6）。

表6 有限分布滯后多元回歸結果

從結果可以看出，δ0在較小的顯著水平上異于0，δ5、θ0在一般顯著水平上異于 0，均非常顯著，而δ1在統計上十分不顯著。

得到模型：

4 結果與討論

4.1 從模型角度討論醫療支出的預測

在上述對中國衛生支出進行實證預測過程中，建模數據滿足平穩性的條件，模型的選取具有一定的理論基礎，通過了殘差的白噪聲檢驗，從理論上證明了ARIMA模型的有效性。從預測的結果看，2014至2020年的預測結果與實際值的誤差有限，模型在短期預測中的結果較準確，從實際的數據上驗證了模型的有效性。該模型能夠應用于對未來中國衛生支出數據的預測，其結果可以有效反映中國衛生支出發展情況。

4.2 綜合預測結果對中國衛生支出進行討論

4.2.1 三種衛生支出變化趨勢

預測結果顯示2017－2020年社會衛生支出的增長率從15%波動上升至23.2%，政府衛生支出增長率從14.9%逐漸增加到15.7%，而個人衛生支出的增長率呈現11.1%穩定增長態勢，結合各支出的歷史基數，顯示社會衛生支出正在并且將持續以超過其他兩項支出的速度和金額高速增長；個人衛生支出在增長率上低于政府衛生支出，在實際支出總額會逐漸低于政府衛生支出，但是總額并沒有降低趨勢；在4年內三種支出的關系發生變化，從社會衛生支出略高于政府和個人衛生支出，而政府與個人衛生支出相當的態勢，發展為社會衛生支出大幅超越政府和個人衛生支出，政府衛生支出逐漸超過個人衛生支出的狀況。在此基礎上，可以推斷社會衛生支出規模龐大，其籌資能力在衛生支出中占據了重要地位，并且其地位還在不斷上升，而政府會持續加大醫療投入，但是難以短時間降低個人衛生支出。

4.2.2 三種衛生支出占GDP比重的變化趨勢

衛生總費用占GDP的比重作為一個重要評價指標，向決策者展示了一個國家或地區在一定時期內全社會衛生保健籌資水平［13］，因此，衛生總費用的各組成部分占GDP的比重反映了一個國家社會、政府和個人的衛生保健籌資能力水平。觀察各項支出占GDP的比重，社會衛生支出在未來衛生支出中占比最大，并且快速增長；政府衛生支出占比最小，預測顯示未來會保持相對較快增長，并且其占比高于個人衛生支出占比；個人衛生支出的占比增速較緩，個人衛生籌資能力水平在衛生籌資格局中的影響在減弱；在現階段國家經歷產業調整，經濟增長放緩的背景下，醫療支出總體的增長沒有放緩。預測分析結果顯示，社會衛生保健籌資水平在醫療保健籌資領域最高，其籌資能力與潛力遠超政府與個人，未來可能成為醫療服務領域最重要的資金來源，對衛生事業發展產生重要推動作用。

4.2.3 結果討論

通過預測，從實際衛生支出和占GDP比重兩方面證明了社會衛生支出的重要性。在這樣的背景下，應該重視社會領域的資金引入，與此同時，不應簡單的引入醫療資金，片面地認為擴大投資就是解決醫療問題的途徑，而要考慮獲得投資以后管理的有效性。衛生投資高不代表公眾醫療水平得到了有效保障和提高，對發展中國家來說衛生支出是否有效是一個比投資規模更需考慮的問題。如何達到醫療投入的最優狀態，需要平衡三個矛盾：

（1）能解決政府醫療投入不足與民眾醫療衛生服務需求日益增高的矛盾。

（2）能處理衛生支出增加和社會邊際健康收益遞減之間的矛盾。［14］

（3）能緩解公共醫療衛生的公益性與融資資本的逐利性的矛盾。［15］

4.3 結合實際討論社會衛生支出影響

4.3.1 實際政策影響

2009年國務院向社會公布了《關于深化醫藥衛生體制改革的意見》，作為新一輪醫改的綱領，其中提到了：（1）鼓勵企業和個人通過參加商業保險及多種形式的補充保險解決基本醫療保障之外的需求；（2）積極促進非公立醫療衛生機構發展，形成投資主體多元化、投資方式多樣化的辦醫體制。適度降低公立醫療機構比重，形成公立醫院與非公立醫院相互促進、共同發展的格局；（3）制定相關優惠政策，鼓勵社會力量興辦慈善醫療機構，或向醫療救助、醫療機構等慈善捐贈。這三點為社會基本醫療保險的穩定和商業健康保險的發展打下了基礎，為社會資本辦醫提供了政策支持，并促進了社會醫療捐贈事業的健康持續發展。新醫改不僅是對政府醫療投入和體制改革的要求，也為社會衛生支出發展規劃了方向，吸引社會資本投入醫療領域。

4.3.2 實際經濟情況影響

社會保險在社會保障體系中處于核心地位，從統計結果顯示社會保險基金支出對社會衛生支出有顯著的正向影響，這符合實際經濟情況。社會保險基金作為社會醫療保險的主要資金來源，必然會對其產生影響，即保險支出的額度直接關系社會衛生支出水平，由于其保障的性質，所以會緊隨衛生支出的增減而同步變化；商業健康保險作為社會醫療保障的補充，由于其投保人自愿投保，個人向保險公司支付保險費的特征，其規模遠遠小于社會醫療保險，所以雖然對社會衛生支出產生了正向影響，但是并不顯著；非公立醫院數量一定程度上代表了社會辦醫的發展狀況，與常規經濟慣性思維不同，非公立醫院數量和社會衛生支出呈負相關，即每增加一所非公立醫院，社會衛生支出沒有因為建設花費而增加，反而會減少，因為模型考慮了滯后效應，所以有理由推斷非公立醫院的存在會在長期水平上減少衛生支出。非公立醫院服務對象主要覆蓋自費患者與商保患者，并且一般擁有先進的管理技術，所以減少了醫療服務對社會保障的資金要求，本文對lsmie（社會保險基金支出對數形式）和nh進行回歸來檢驗這一想法，如表7，統計結果顯示nh和lsmie呈負相關，即每增加一所非公立醫院，社會保險基金支出均有所減少；社會捐贈是社會團體以及愛心人士對醫療服務領域的捐贈。捐贈一般直接用于受助個人或項目，所以捐贈的增加正向影響社會衛生支出，與一般經濟事實相符。

表7 回歸結果

4.4 局限與展望

在本文中ARIMA模型預測情況良好，但其具有局限性，對未來的長期預測準確性不足，并對突發狀況模擬不足，因此，模型具有優化空間，未來可以基于ARIMA模型進行擴展研究，得到更為準確的預測結果。其次，FDLMR模型有效分析了社會衛生支出的影響因素，并結合醫療改革政策背景，對未來社會衛生支出發展做出了估計。同時，本文只通過模型對中國未來衛生支出進行了預測，簡單分析了醫療改革可能產生的影響，認為社會衛生支出將會在未來一段時間內成為衛生支出的支柱，結合衛生服務項目對有效管理以及充足投入的需求，提出引入社會資本是一個良好的選擇，并未對如何吸引資本，以及如何在尊重資本屬性的同時又約束資本等問題進行詳細討論，也未深入分析醫療改革涉及的其他因素對社會衛生支出的影響，今后研究可以從以上問題進行深入擴展。