空氣污染對中老年人醫療支出的影響

摘 要：采用CHARLS面板數據，在理論模型的基礎上，考察了空氣污染對中老年人醫療支出的影響程度。研究發現：通過增加個人的就醫概率及就醫次數，空氣污染顯著增加了中老年人的醫療支出?？諝赓|量綜合指數每上升一個單位，將使個人醫療支出至少增加4%。空氣污染對個人醫療支出的影響顯示出一定的異質性，50—65歲群體、東部地區居民的個人醫療支出受空氣污染影響更顯著。相比PM2.5及PM10，O3污染對個人醫療支出的影響更大，O3污染濃度每提高10%將使個人醫療支出增加14.6%。政策層面，應提高對慢性病患者的關懷、補貼，完善醫療保障體系，同時加大O3污染防范力度。

關鍵詞：空氣污染;個人醫療支出;就醫概率;就醫次數

中圖分類號：C913;F241 文獻標識碼：A 文章編號：1000-4149（2020）01-0075-14

DOI：10.3969/j.issn.1000-4149.2020.00.005

收稿日期：2018-09-05;修訂日期：2018-12-29

基金項目：國家社會科學基金青年項目“優化人力資本配置研究”（16CJY015）;天津社會科學院重點課題“環境治理多元化體系：理論框架與實現機制”（18YZD-08）。

作者簡介：趙文霞，經濟學博士，天津社會科學院資源環境與生態研究所助理研究員。

The Effect of Air Pollution on Personal Health Care Expenditure of Elderly People： Evidence from CHARLS Data

ZHAO Wenxia

（Institute of Resources， Environment and Ecology， Tianjin Academy of Social Sciences， Tianjin 300191， China）

Abstract：Using ?the panel data from China Health and Retirement Longitudinal Study（CHARLS）， this paper investigates the effect of air pollution on individual medical expenditure of middle aged and elderly people based on theoretical model. It is found that air pollution significantly increases the individual medical expenditure ?of middle-aged and elderly people by increasing the probability and frequency of doctor visit. Every unit of increase in the comprehensive air quality index will increase personal medical expenditure by at least 4%. The impact of air pollution on personal medical expenditure shows a certain heterogeneity. The impact of air pollution on personal medical expenditure of 50-65 years old group and residents in eastern region is more significant. Compared with PM2.5 and PM10， the impact of ozone pollution on personal medical expenditure is greater. Every 10% increase in ozone concentration will increase personal medical expenditure by 14.6%. Government should take more relevant measures supporting the people with chronic diseases and preventing ozone pollution.

Keywords：air pollution; personal health care expenditure; doctor visit probability; frequency of doctor visit

一、引言及文獻回顧

近年來，我國各地尤其是北方地區深受空氣污染困擾，而霧霾是空氣污染的主要表現。霧霾中的可吸入顆粒物含有多種有機化合物、二氧化硫以及金屬元素和放射性物質，對人體健康具有較大影響。2017年10月27日，世界衛生組織國際癌癥研究機構公布的致癌物清單中，含顆粒物的室外空氣污染屬于一類致癌物。鑒于環境問題的影響日益受到人們關注，圍繞這一問題形成了很多有意義的研究成果，如柯里（Currie）和奈德爾（Neidell）從健康[1]、柯里等人從學校出勤[2]、張唐（Chang）等人從勞動生產率[3]、周恕弘（Chew）等人從個體決策[4]的角度探討了環境尤其是空氣污染的影響，但空氣污染對個人醫療支出影響的相關研究還不多見。醫療支出是空氣污染導致的主要成本之一，對個人來說，在收入水平一定的情況下，醫療支付的上升也會使公眾的其他消費支出降低。理解空氣污染對個人醫療支出的影響程度以及不同空氣污染物影響程度的差異，有助于我們理解空氣污染的真實經濟成本，也可以對防控空氣污染的政策制定及執行強度提供有價值的參考。

研究空氣污染的相關文獻更多關注環境污染所導致的福利成本，而近兩年學者們也注意到空氣污染可能導致公眾心理健康及主觀福利受損。張欣等人依據精確的訪問日期和地點將中國家庭追蹤調查（CFPS）數據與日均空氣污染數據相匹配，研究了空氣污染對多個維度的主觀幸福感——短期享樂幸福感、抑郁傾向和長期生活滿意度的影響，結果表明空氣污染會顯著降低人們的享樂幸福感并提高抑郁傾向，但對生活滿意度沒有顯著影響[5]。陳帥等人采用CFPS 2014的數據，發現空氣污染每增加一個標準差將導致心理疾病嚴重程度增加0.38個標準差，導致嚴重心理疾病的發病概率增加6.67%[6]。伊藤（Ito）等人從預防性投資的角度分析了公眾對清潔空氣的支付意愿，認為以淮河為界的取暖政策導致河流南北兩岸空氣質量出現間斷及長期的變化，家庭愿意每年支付32.7美元消除供暖政治造成的政策性空氣污染[7]。

環境污染問題不僅影響了人們的身心健康，還會增加居民的醫療保健支出。崔恩慧等人以2006—2012年中國31個省市（地區）為樣本，分析環境污染、商業健康保險對健康成本的影響，結果發現環境污染與人均醫療保健消費支出正相關，與人均商業健康保費負相關[8]。

近年來，很多文獻借助微觀數據探討外部因素在公眾行為決策中的作用，其中“中國健康與養老追蹤調查”（CHARLS）數據應用最多，如基于該數據劉小魯研究了城鄉居民醫療保險與醫療服務利用水平的影響[9]、楊一帆和張震檢驗了醫療保險對居民不健康行為的影響[10]、張川川等人評估了新型農村社會養老保險政策的效果[11]。

醫療服務利用以及醫療支出水平與居民的健康狀況密不可分，格羅斯曼（Grossman）認為年齡、性別、種族、教育、個人收入、婚姻狀況、醫療服務、個人行為（如喝酒、吸煙、不運動等）以及環境污染都能對健康水平產生較大且持久的影響[12]?？v觀現有文獻，居民健康影響因素的相關研究主要從以下幾個角度展開：一是從社會學角度，分析年齡、性別、婚姻狀況或受教育程度等因素對健康狀況的影響[13-14];二是從經濟學方面，研究收入、職位等因素對健康水平的影響[15];三是從環境、生活方式、生物遺傳等其他因素的角度進行分析[16-17]。這些研究因關注角度以及使用方法的不同所得結論也不盡相同，但為相關文獻的變量選擇提供了思路。

總體來看，已有研究從總體上對環境污染的影響進行了探討，但尚未發現利用微觀數據研究空氣污染對個人醫療支出影響程度及對不同群體、不同區域影響差異的分析，而弄清這一問題有利于理解空氣污染給居民個體施加的真實經濟負擔，也有助于各地政府根據地區差異制定有針對性的環保措施。鑒于此，本文對空氣污染影響個人醫療支出的機理進行刻畫，進而基于中國健康與養老追蹤調查數據，分析空氣污染對居民個人醫療支出的影響程度。因空氣污染來源具有地區差異性，所以選取空氣質量綜合指標作為各地空氣污染的代理變量，考察個人醫療支出受空氣污染的影響大小，進而分析污染物來源差異對個人醫療支出的影響。

本文的邊際貢獻主要體現在：①通過理論模型刻畫了空氣污染對個人醫療支出的影響機理，進而運用微觀數據估計了居民受到的影響程度。②空氣質量狀況不僅會影響居民健康，也會影響其醫療支出水平，而后者是實實在在由居民承擔的經濟成本，事關民生福祉，不應被忽視，而現有文獻較少涉及此類問題。本研究豐富了環境領域的研究文獻，從一個新的視角重點考察空氣污染對個體醫療支出的影響程度。③空氣污染對不同群體以及不同區域居民的影響可能存在差異，本文使用微觀數據詳細分析了空氣污染對不同年齡階段、不同區域居民的影響差異。④考慮到我國不同地區以及同一地區不同時間主要污染物來源存在差異，例如有的城市主要污染物是PM2.5，有的城市污染物主要來源于O3，本文采用城市層面的6種空氣污染物指標數據，考察污染物來源的異質性對個人醫療支出的影響差異。

二、理論分析與研究假說

本文的理論模型借鑒了張福讓（Chang）和特里維迪（Trivedi）以及埃科帕魯（Akpalu）和諾曼佑（Normanyo）的分析框架[18-19]。假設消費者的效用u取決于自身的健康狀況h及其對消費品的消費x。消費者理性并追求效用最大化。在此，本文將效用函數定義為：

u=u（x，h）（1）

其中，ux>0，uh>0，uxh=uhx>0，且uxx，uhh<0。與張福讓和特里維迪假設健康狀況的改善取決于專業護理以及自我醫療不同，本文假設健康狀況取決于個體對健康的投資水平I，其中，I屬于派生需求。由于一系列外生環境因素變化的影響，I的回報同時具有部分確定性和部分隨機性。因為長期接觸空氣中的污染顆粒會增加患病風險，所以健康狀況的不確定性可能來自長期暴露于空氣污染下的誤診、漏診以及疾病復發。個體的健康狀況定義如下：

h=h0+eI（2）

式（2）中，h0表示個體的初始健康狀況（長期健康水平），e表示個體醫療投資（或醫療支出）的回報（即邊際收益率）。將消費品x的價格標準化為1，所以，個體的預算約束如下：

B=x+I（3）

其中，B為實際預算值。相應地，個體的期望效用函數為：

Eu（x，h）=Eu（B-I，h0+eI）（4）

借鑒以往文獻，假設效用函數對x和h是加性可分的，故有：

u（x，h）=u（x）+v（h）（5）

同時，假設v（h）具有如下特殊形式：

v（h）=ln（h）（6）

結合（5）和（6）式，（4）式可以改寫為：

Eu（x，h）=u（B-I）+E（ln（h0+eI））（7）

假設e服從均值為μ的0—1分布，即μ=Ee。（7）式即為：

Eu（*）=u（B-I）+μln（h0+I）+（1-μ）ln（h0）（8）

進而得到（8）式關于醫療投資I的一階條件為：

-uI（B-I）+μ1h0+I=0（9）

式（9）說明，在均衡狀況下，投資于健康的邊際收益（即μ1h0+I）應等于投資的邊際效用成本（即uI（B-I））。可以看出，其他情況不變時，醫療支出I隨著初始健康狀況h0的提高而減少，隨預算約束B及均值μ的增加而增加。這一分析意味著，首先，初始健康狀況較好的個體將在健康上支出更少。其次，收入水平較高的個體將支出更多。同時，較高的醫療保健邊際回報率μ也會促進醫療保健支出。

最后，假設健康狀況的隨機部分取決于居民在空氣污染中的暴露水平以及其他一些個體因素（A），所以有μ=μ（z;A）。其中，z為環境外部性。這一假設與約翰遜（Johansson）的觀點[20]一致，約翰遜認為污染對個體健康的影響并不是確定性的。本文與埃科帕魯和諾曼佑的模型[19]不同之處在于，本文假定v（h）具有不同的函數形式，且e服從0—1分布，所以本文中醫療支出的表達式更加直觀。

假設外部環境污染水平上升導致醫療支出的期望邊際收益率上升，即μz>0。進而可知醫療支出I隨環境外部性z的增加而上升，設醫療保健投資方程的一般形式為：

I=f（h0，B，z;A）（10）

式（10）即為特征方程（hedonic-type equation）（特征模型屬于一種顯示性偏好法，它通過將因變量表示為個體特征的函數，來說明各特征（即自變量）對因變量的貢獻大小。本文的特征回歸模型從居民的實際醫療行為中提取相應信息，構建醫療支出與空氣質量及居民個體特征之間的計量經濟學模型，以識別居民暴露于不同空氣質量的醫療成本，進而比較不同群體的醫療支出差異。??），其中，醫療支出取決于環境污染水平以及居民的個體特質。

初始健康狀況與收入水平是個體特質中影響醫療支出最直觀的兩個因素，為了保證理論假說的表述與實證分析中所采用的指標相一致，考慮到空氣污染會對個體的呼吸系統產生直接影響[21-22]，本文使用是否患有肺部疾病代替初始健康狀況（h0），受訪者上一年稅后收入代替預算水平（B）?；谏鲜龇治觯岢鋈缦氯齻€待檢驗的理論假說：

假說1：其他條件不變的情況下，空氣污染越嚴重，個人醫療支出越高。

假說2：其他條件不變的情況下，收入較高的受訪者其醫療支出較高。

假說3：其他條件不變的情況下，患有慢性疾病的居民其醫療支出較高。

三、計量模型構建、數據來源與變量定義

1.計量模型構建

特征回歸模型的具體形式在不同的文獻中有很大差別?，F實中，模型的設定形式取決于所研究的問題以及數據的可得性。依據前面的理論分析，為了檢驗空氣污染對個人醫療支出的影響程度，構建如下計量模型：

Iijt=α0+α1·envirjt+Xit·θ+τj+ωt+εijt（11）

其中，下標i表示不同個體，j表示地區，t表示年份;因變量I為個體醫療支出、是否就醫及就醫次數;envir表示所在城市的空氣污染水平;X為個體特征變量;τ和ω分別表示地區固定效應和年份固定效應。如果被解釋變量為二值虛擬變量，則采用logit模型對其進行估計。借鑒已有的研究成果，本文選取的控制變量具體如表1所示。為消除異方差影響，估計中對醫療支出和收入都取對數形式。

2.數據來源與說明

本文所使用的微觀數據來源于北京大學國家發展研究院組織的中國健康與養老追蹤調查（CHARLS）。該數據調查范圍為全國28個省（市、自治區），覆蓋150個縣級單位，450個村級單位，約1萬戶家庭中的1.7萬人。CHARLS數據主要針對45歲及以上的中老年群體，目前更新至2015年的樣本調查數據。本文樣本的構建使用了其中的Harmonized CHARLS數據。Harmonized CHARLS綜合了CHARLS 2011（wave1）、CHARLS 2013（wave2）、CHARLS 2014（wave3）以及CHARLS 2015（wave4）的樣本，使得各期調查彼此之間具有可比性，并與國際上主要的養老調查數據相銜接。本文選取Harmonized CHARLS數據主要原因在于：首先，該數據包含多期CHARLS數據，屬于追蹤調查數據，可以建立面板模型;其次，相比其他微觀數據，該數據可以提供最新至2015年的數據集，便于與各縣市的環境數據進行匹配。在樣本的選擇上，剔除受訪者“不知道”、“拒絕回答”、“跳過未答”、“沒有子女”及其他因素導致的缺失樣本。此外，考慮到該調查數據的特殊性，僅保留35歲及以上年齡的樣本，最終得到有效樣本17874個。

關于因變量的衡量主要有兩種。一種是上個月受訪者的就診總支出（包括保險賠付的部分）;另一種是去年受訪者的就診總支出（包括保險公司負擔的部分）。考慮到今年的空氣污染不大可能影響受訪者去年的醫療支出，所以本文采用第一種衡量標準。此外，正如本文的理論分析部分所指出的，鑒于空氣污染對醫療支出的影響可能通過受訪者的健康狀況反映出來，為考察空氣污染對醫療支出的影響機制，在基本分析中，同時選取上月是否去醫院就診以及就診次數作為因變量。

對于空氣質量的測度，很多文獻都采用PM2.5濃度數據[6，21，23-24]，但PM2.5只是空氣污染的主要來源之一，綜合考慮各種污染物來源的空氣質量作為空氣污染的代理變量應更加合適?？紤]到各城市污染物來源不盡相同，為便于比較，本文采用空氣質量綜合指數來衡量各地的空氣污染情況?？諝赓|量綜合指數綜合考慮了SO2、NO2、PM10、PM2.5、CO以及O3六項污染物的污染程度，數值越大表明污染程度越重。原中華人民共和國環境保護部自2013年起開始公布74個重點城市的空氣質量綜合指數，與Harmonized CHARLS成功匹配上38個城市。2015年各省開始公布省內重點城市的空氣質量綜合指數，經過匹配獲得到123個城市的空氣質量綜合指數，數據來源于各省環保局網站。空氣質量綜合指數為月度數據，本文取月度平均值作為各個城市空氣質量的年均值。其中江西、陜西只有各類污染物指標的原始數據，本文按照污染物濃度值二級標準（GB3095-2012）進行計算。江西、山東、陜西以及黑龍江存在部分月份數據缺失的情況，本文按照可得月度的均值計算。

除了上述變量外，參照現有文獻的做法[19，25]，本文還控制了個體特征變量。具體來講，包括個人的年齡、性別、婚姻狀況、是否住在城鎮、是否有慢性肺病、是否飲酒、是否吸煙、個人收入水平、與子女距離是否接近、與子女是否經常見面。此外，為了控制時間和地區的固定效應，分別引入了時間和省份的虛擬變量。主要變量的定義與描述如表1所示。

四、回歸結果與分析

1.基本回歸結果

受訪者是否有肺部疾病不僅與受訪者的就診支出、就診次數以及是否就診有關，也在一定程度上與空氣污染水平存在關聯，遺漏這一變量可能導致系數估計值有偏;另外一些個體層面的變量，如受訪者的年齡、性別、婚姻狀況、是否住在城鎮、飲酒習慣、收入水平、距離子女遠近以及與子女聯系是否密切與受訪者是否就醫、就醫次數以及花費相關，而與空氣質量不相關，遺漏這些變量雖然不至于影響到估計系數的無偏性，但會增大標準誤，降低估計系數的顯著性。此外，受訪者所在地區以及受訪年份都與空氣質量相關，因此，在估計中同時控制了個體特征變量、地區固定效應以及年份固定效應。因本文數據屬于“寬而短”的面板數據，為避免損失較多的自由度，如未特殊說明均采用隨機效應模型進行估計。根據模型（11）得到的基本回歸結果如表2所示。

表2中模型（1）、（2）、（3）的因變量分別代表個人就診支出、就診次數及是否就診。估計結果顯示，空氣質量的系數均為正值，空氣質量對就診總花費、就診次數以及是否就診的影響均在5%水平上顯著。表2第（1）列顯示，空氣質量綜合指數每增加一個單位，將使受訪者就診支出增加約4.41%（e0.0432-1）?？諝馕廴緦е聜€人醫療支出增加的機制可能在于，空氣污染顯著增加了受訪者就診（生?。┑母怕室约熬驮\的次數，表2第（2）和第（3）列驗證了這一點。具體來說，空氣質量綜合指數每上升一個單位，將使受訪者就醫的機會比率增加約6.48%（e0.0628-1）（第（3）列）;而相比居住在空氣質量綜合指數為2的城市的受訪者來說，居住在綜合指數為12的城市的受訪者就醫次數增加了1/3次（第（2）列）（綜合指數為2或12分別表示居民所在城市空氣質量綜合指數，如2014年2月，?？诘目諝赓|量綜合指數為2.22，河北廊坊的空氣質量綜合指數為12.12;空氣質量綜合指數從2到增加12，x增加了10，即Δx=10，所以Δyzβ·Δx=0.0325×10≈0.33（次）。）。空氣質量狀況的惡化將會增加居民患病的概率以及患病的次數，進而使得就醫的概率及就醫的次數上升，造成個人醫療費用增加，假說1得到驗證。

個人收入水平對醫療支出的影響與假說2不同。其他因素不變的情況下，收入水平對醫療支出存在顯著的負向影響，估計彈性約為-0.013，這意味著居民收入每提高1%，其醫療支出將下降0.013%，表明醫療支出的收入彈性遠小于1。表2第（1）列收入系數顯著，說明醫療支出受到收入水平的顯著影響;醫療支出的收入彈性遠小于1，說明醫療支出對收入變化的反應并不敏感。與本文理論部分的分析不同，收入對醫療支出影響為負，而表2第（2）列與第（3）列顯示居民收入水平上升顯著降低了就診次數及就診概率，這表明收入影響為負的原因可能在于收入較高的受訪者有余力通過對個人健康進行其他投資（如健身、養生等），從而降低生?。ň驮\）次數及生?。ň驮\）概率。

慢性疾病對醫療支出的影響為正。表2顯示，患有肺部疾病的居民其醫療支出水平比其他居民高約96.6%（e0.6760-1），且在1%的顯著性水平上顯著?；加蟹尾考膊〉木用衿渚驮\次數以及就診概率也顯著高于其他居民，這與假說3一致。雖然女性的就診次數及就診概率明顯高于男性，但女性的醫療支出并未顯著高于男性。其他控制變量的結果顯示，年齡、是否已婚、是否住在城市、是否飲酒以及與子女是否經常聯系對受訪者醫療支出沒有顯著影響。

2.穩健性檢驗與內生性處理

（1）樣本選擇?？紤]到環保部門公布的重點城市空氣質量數據可能并未準確衡量農村的空氣質量狀況，因此采用這一指數衡量居住在農村的受訪者暴露于空氣污染的情況可能存在偏差。為此，剔除居住在農村地區的受訪者，對模型重新進行回歸，結果如表3第（1）—（3）列所示。隨機效應面板估計結果顯示空氣質量系數相比表2有所增加，顯著性水平也上升至1%?？諝赓|量綜合指數越大表明空氣質量越差，表3說明空氣質量狀況的惡化將顯著提高居民的就診概率、就診次數以及醫療支出水平。此外，為排除部分特殊地區對模型估計的干擾，第（4）—（6）列刪除觀測值最少的四個地區樣本——北京、天津、新疆和青海重新估計，結果與表2相比空氣質量指數系數正負符號、顯著性幾乎一致，說明結果穩健。

（2）關于內生性。本文構建了城市層面的空氣質量綜合指數，相對于單個空氣污染指標而言，有以下兩點優勢：其一，避免了雙向因果問題，某個地區可能采取措施影響某個具體的污染指標數據，但對空氣質量綜合指數的影響一般可以忽略不計;其二，城市空氣質量指標與個體特征無關，從而有效避免了個體特征變量對模型的干擾。此外，本文還盡可能納入了省級和時間層面的控制變量，以減小遺漏變量偏誤。然而，囿于調查數據的局限性及變量之間彼此關聯的復雜性，遺漏變量問題依然可能存在。本文嘗試選用合適的工具變量解決內生性問題。

鑒于空氣污染對個人醫療支出的作用效果可能存在一定的滯后性，本文選擇2013和2014年的空氣質量指數作為2015年空氣質量的工具變量，對2015年的數據進行單獨估計。表4為工具變量估計結果，與表2、表3的結果相比并無顯著差異。因為2013和2014年只有74個城市的空氣質量數據可得，與CHARLS數據成功匹配上38個城市，為減少樣本損失，表4第（2）列空氣質量缺失數據由2015年對應城市的數據填補。模型估計中，第一階段回歸的Cragg-Donald統計量遠大于10，也遠大于2SLS對應的10%相對偏差的臨界值19.93，故拒絕弱工具變量假設。對其中工具變量的過度識別檢驗中，Sargan統計量對應p值等于0.6051，不能拒絕原假設，說明模型也不存在過度識別問題。模型關于空氣污染作用的結論穩健成立。當然，現實中很難找到完全外生的工具變量，此處采用工具變量進行分析，也僅為結果的穩健性提供了輔助說明。

3.不同年齡群體、不同區域以及不同污染物的影響差異分析

（1）不同年齡的影響。本文按照年齡的不同，分3個子樣本進行回歸，以考察空氣污染對醫療支出的影響在不同年齡組中有何差異?；貧w結果如表5第（1）—（3）列所示。從中可知，空氣污染對醫療支出的正向影響僅在中間年齡組（50—65歲）顯著，而在較低或較高年齡組中系數為正但不顯著，且相比其他年齡組，中間年齡組回歸系數的絕對值更大。這可能由于年齡較低的群體身體素質較好，對外界污染的抵抗力較好，所以空氣污染對其影響較小;而年齡較大群體的醫療支出增加可能主要是由于自身的身體健康狀況，而非環境污染因素。

（2）區域差異的影響?？紤]到我國東、中、西部地區存在地理位置、經濟狀況以及空氣污染等較大差異，為考察空氣污染對醫療支出的影響在東、中、西部地區是否存在差異，將全部樣本按照來源省份劃分為三類地區，并進行回歸分析。估計結果如表5第（4）—（6）列所示。結果表明，在保持其他條件不變的情況下，東部地區的空氣污染每上升一個單位，該區域居民的醫療支出將上升4.93%（e0.0481-1），且該系數在5%水平上顯著。中部和西部地區空氣質量系數為正，但并不顯著。其可能的原因是：東部地區人口較為密集，空氣質量惡化導致的呼吸道疾病在東部地區更容易傳播，從而導致該地區居民醫療支出更易受空氣質量的影響。在所有回歸結果中，患有慢性肺病的居民與其他居民相比醫療支出更高，且在1%的水平上顯著，進一步驗證了假說3。

（3）污染物異質性的影響?？紤]到空氣中的不同污染物可能產生不同的影響，為考察污染物來源的異質性影響，將環境變量分別替換為PM2.5、PM10、SO2、NO2、CO及O3的濃度數據，數據來源于中華人民共和國生態環境部網站。因2013年相關數據不可得，所以表6為截面數據，結果如表6第（1）—（6）列所示。根據表6，空氣中PM2.5與CO濃度的上升對個人醫療支出的影響不顯著，但PM10、SO2、NO2及O3都對個人醫療支出有顯著影響。具體而言，PM10濃度每上升10%，將使個人醫療支出上升約4.26%（第（2）列）;SO2濃度每上升10%，將使個人醫療支出上升約3.42%，且在5%顯著性水平上顯著（第（3）列）;NO2濃度每上升10%，將使個人醫療支出上升約5.84%（第（4）列）;而O3濃度每上升10%，將使個人醫療支出上升約14.6%（第（6）列），且在1%的顯著性水平上顯著?？梢?，相比其他污染物，臭氧污染對個人醫療支出的影響更大，居民醫療支出對臭氧污染更加敏感。臭氧濃度指數1%的變化將導致醫療支出變化超過1%。同等條件下，在以臭氧為主要污染物來源的地區，居民醫療支出也將更多。

五、結論與政策啟示

環境問題是新時代面臨的重大挑戰之一，而居民健康和醫療支出關系著民生福祉，但我國關于個人醫療支出具體影響因素及影響程度的研究相對比較匱乏，尤其缺少從環境污染方面對其進行的系統分析。本文采用Harmonized CHARLS數據，在特征模型的基礎上，考察了空氣污染對個人醫療支出的影響機制。研究發現，通過增加個人的就醫概率及就醫次數，空氣污染顯著增加了個人醫療支出水平，空氣質量綜合指數每上升一個單位，個人醫療支出將至少增加4%;考慮空氣污染的城鄉差異、剔除部分特殊地區的樣本及采用空氣質量綜合指數的滯后項作為工具變量之后，結果仍然穩健。值得注意的是，空氣污染對個人醫療支出的影響顯示出一定的異質性，在患有慢性肺病、50—65歲群體、東部地區以及以臭氧為主要污染物來源的地區，空氣污染對個人醫療支出的影響更為顯著。

誠然，基于中國健康與養老追蹤調查數據分析空氣污染對個人醫療支出的影響可能存在一定缺陷（ 感謝匿名審稿人提醒作者注意。），青少年或者兒童也是容易受到空氣污染影響的群體，但限于數據可得性本文并未對此進行分析。針對少年、兒童以及中年群體分析空氣污染的具體影響程度，應是未來進一步探索的方向。另外，空氣污染不僅影響個人醫療支出，對個人行為決策以及消費特性的作用也十分重要，對這些問題的研究超出了本文的范疇，也有待繼續深入研究。

本文經驗分析的政策含義是：首先，鑒于我國某些地區空氣污染程度較高，而降低污染排放、促進經濟與環境和諧發展是一個緩慢漸進的過程，因此為了盡可能降低空氣污染對個人健康及醫療支出的負面影響，應盡快建成覆蓋全民的社會保障體系，完善醫療保險制度，減少個人醫療支出的自付部分，尤其增加對慢性病患者的醫療補貼，盡量消除環境污染通過醫療支出對個人消費水平的侵蝕。其次，考慮可能因人口密集，東部地區空氣污染對醫療支出的影響比中西部地區顯著，在空氣污染嚴重期間，應鼓勵居民少去人員密集場所，降低呼吸道疾病的感染風險。再次，本文的研究表明個人醫療支出對臭氧污染的敏感程度遠遠大于PM2.5、PM10以及其他污染物，且臭氧濃度污染每增加1%將導致個人醫療支出上升超過1%。

對此政府應加大預防臭氧污染投入及宣傳力度，提醒市民了解臭氧污染的危害，注意防范臭氧污染。

參考文獻：

[1]CURRIE J， NEIDELL M. Air pollution and infant health： what can we learn from Californias recent experience？[J]. The Quarterly Journal of Economics， 2005， 120（3）： 1003-1030.

[2]CURRIE J， HANUSHEK E A， KAHN E M， NEIDELL M， RIVKIN S G. Does pollution increase school absences？[J]. The Review of Economics and Statistics， 2009， 91（4）： 682-694.

[3]CHANG T， ZIVIN J G， GROSS T， NEIDELL M. The effect of pollution on worker productivity： evidence from call-center workers in China[R]. NBER Working Paper， No.22328， 2016.

[4]CHEW S H， HUANG W， LI X. Does haze cloud decision making？ a natural laboratory experiment[R]. SSRN Working Paper， 2018.

[5]ZHANG X， ZHANG X B， CHEN X. Happiness in the air： how does a dirty sky affect mental health and subjective well-being？[J]. Journal of Environmental Economics and Management， 2017，85（4）： 81-94.

[6]CHEN S， OLIVA P， ZHANG P. Air pollution and mental health： evidence from China[R]. NBER Working Paper， No. 24686， 2018.

[7]ITO K， ZHANG S. Willingness to pay for clean air： evidence from air purifier markets in China[R]. NBER Working Paper， No.22367， 2016.

[8]崔恩慧，江生忠，賈世彬. 環境污染、商業健康保險對健康成本的影響研究——基于省際面板數據的實證分析[J]. 南開經濟研究，2016（6）：140-150.

[9]劉小魯. 中國城鄉居民醫療保險與醫療服務利用水平的經驗研究[J]. 世界經濟，2017（3）：169-192.

[10]楊一帆，張震. 健康水平、醫療保險與不健康行為的異質性[J]. 財經科學，2017（9）：58-71.

[11]張川川，JOHN G，趙耀輝. 新型農村社會養老保險政策效果評估——收入、貧困、消費、主觀福利和勞動供給[J]. 經濟學（季刊），2014（1）：203-230.

[12]GROSSMAN M. On the concept of health capital and the demand for health[J]. The Journal of Political Economy， 1972， 80（2）： 223-255.

[13]KARMAKAR S D， BRESLIN F C. The role of educational level and job characteristics on the health of young adults[J]. Social Science and Medicine， 2008， 66（9）： 2011-2022.

[14]于曉薇，胡宏偉，吳振華. 我國城市居民健康狀況及影響因素研究[J]. 中國人口·資源與環境， 2010（2）：151-156.

[15]封進，余央央. 中國農村的收入差距與健康[J]. 經濟研究，2007（1）：79-88.

[16]VICTOR R F. The future of health economics[J]. Journal of Health Economics， 2000，19（2）： 141-157.

[17]陳丹妮. 城鎮化對居民健康的影響——基于CHARLS數據的實證研究[J]. 金融發展評論，2018（2）：101-117.

[18]CHANG F R， TRIVEDI P K. Economics of self-medication： theory and evidence[J]. Health Economics， 2003， 12（9）： 721-739.

[19]AKPALU W， NORMANYO A K. Gold mining pollution and the cost of private health care： the case of Ghana[J]. Ecological Economics， 2017， 142（6）： 104-112.

[20]JOHANSSON P O. Valuing changes in health： a production function approach[M]. Dordrecht： Kluwer Academic Publishers， 1994： 171-194.

[21]DELFINO R J. Epidemiologic evidence for asthma and exposure to air toxics： linkages between occupational， indoor and community air pollution research[J]. Environmental Health Perspectives， 2002， 110（4）： 573-589.

[22]LING S H， VAN EEDEN S F. Particulate matter air pollution exposure： role in the development and exacerbation of chronic obstructive pulmonary disease[J]. International Journal of Chronic Obstructive Pulmonary Disease， 2009（4）： 233-243.

[23]邵帥，李欣，曹建華，楊莉莉. 中國霧霾污染治理的經濟政策選擇——基于空間溢出效應的視角[J]. 經濟研究，2016（9）：73-88.

[24]董陽. 中國空氣質量對公眾健康的影響——基于與G20國家整體的比較[J]. 人口與經濟，2018（2）：57-68.

[25]李華，李志鵬. 社會資本對家庭“因病致貧”有顯著減緩作用嗎？——基于大病沖擊下的微觀經驗證據[J]. 財經研究，2018（6）：77-93.

[責任編輯 武 玉]