疾病、經(jīng)濟增長與相對貧困的復(fù)雜系統(tǒng)建模研究

劉 勇

(四川大學(xué)經(jīng)濟學(xué)院，成都 610065)

0 引言

中國的脫貧攻堅戰(zhàn)不斷取得實質(zhì)性進展，特別是相對貧困人口集中、連片的少數(shù)民族地區(qū)，通過發(fā)展生產(chǎn)、易地搬遷、生態(tài)補償、發(fā)展教育和社會保障等一系列政策極大地減少了相對貧困人口的數(shù)量，根據(jù)國務(wù)院的數(shù)據(jù)，2020年貧困人口從9 899萬人減少到551萬人，減幅達到94.43%。但是，還有部分人口仍然處于相對貧困狀態(tài)，需要構(gòu)建長效減少相對貧困的機制。這種機制的構(gòu)建涉及多個經(jīng)濟主體和多層面的影響因素，其中因為疾病導(dǎo)致貧困是突出的原因之一，來自國務(wù)院扶貧辦的數(shù)據(jù)表明，2015年中國“建檔立卡”貧困人口中“因病致貧”占44.1%。疾病不但導(dǎo)致患者及其家庭陷入貧困的概率增加，而且還通過貶損人力資本作用于經(jīng)濟增長，三者之間的互動機制具有非線性、異質(zhì)性和涌現(xiàn)性等典型的復(fù)雜適應(yīng)系統(tǒng)特征，進而使得以線性分析為基礎(chǔ)的數(shù)理模型，以及忽略系統(tǒng)動態(tài)涌現(xiàn)特征的計量經(jīng)濟學(xué)模型無法對此進行有效研究。

因此，運用多主體建模與仿真方法對疾病、經(jīng)濟增長和相對貧困進行仿真研究，在整個系統(tǒng)的仿真運行過程中捕捉涌現(xiàn)出的規(guī)律，識別主導(dǎo)演化路徑的關(guān)鍵因子，進而設(shè)計不同的政策情境，并篩選出最優(yōu)的政策組合，有利于破解“疾病-經(jīng)濟滯后-貧困”之間的惡性循環(huán)，進一步減少因病致貧的發(fā)生率，促進長效扶貧機制的構(gòu)建。

1 文獻綜述

1.1 疾病、經(jīng)濟增長與貧困的相關(guān)性

疾病可以直接導(dǎo)致貧困[1]，特別是大病對于農(nóng)村人均純收入有顯著負面影響且可持續(xù)約15年[2]，進而導(dǎo)致其家庭持續(xù)貧困。基于中國西部的實證研究表明因病致貧是貧困的重要原因，特別是患慢性病致貧的比重最高[3]。在日本，不斷有證據(jù)表明貧困和疾病之間的密切關(guān)系[4]。

疾病導(dǎo)致貧困，進而導(dǎo)致人力資本的貶損，最終作用于經(jīng)濟增長。疾病不但貶損了患者的健康人力資本,還會減少其子女的人力資本投資[5]，而健康水平對人均GDP增長有顯著的影響。事實上，Barro提出對新古典增長模型的補充,把健康資本納入模型，產(chǎn)生作用的機制包括勞動生產(chǎn)率、勞動供給、生育率、教育和儲蓄等[6]。在葡萄牙、西班牙、希臘和意大利，研究表明有效控制瘧疾對經(jīng)濟發(fā)展有顯著影響[7]。基于印度的實證研究也表明經(jīng)濟增長和民眾健康以及人力資本積累的相互促進[8]。盡管健康人力資本增長與經(jīng)濟增長正相關(guān)，但健康投資會擠占物質(zhì)資本積累導(dǎo)致對經(jīng)濟增長的負面影響[9]。

貧困的減少和經(jīng)濟增長之間不存在必然的聯(lián)系。既有的國外研究表明經(jīng)濟增長對減少貧困有促進作用，但是不存在必然的關(guān)系，其中涉及經(jīng)濟增長的方式、貧困的衡量，以及貧困人口自身的能力等因素。隨著經(jīng)濟的增長，有可能出現(xiàn)富者更富和窮者更窮的現(xiàn)象[10]，比如在莫桑比克，盡管經(jīng)濟快速增長和國際援助增加，但是農(nóng)村的貧困卻更加嚴重[11]。來自南非的數(shù)據(jù)表明經(jīng)濟增長在長期內(nèi)可以減少貧困，特別是在高度不平等和高失業(yè)的背景下所需的周期會更長。有案例表明即使經(jīng)濟沒有增長，但是貧困人口卻在減少，還有研究表明經(jīng)濟增長和貧困人口的數(shù)量之間存在“U”形關(guān)系[12]。

1.2 影響因素

疾病、貧困與經(jīng)濟增長三者之間的關(guān)聯(lián)機制具有典型的復(fù)雜性，涉及多種影響因素。疾病導(dǎo)致貧困的影響因素涉及醫(yī)療救助制度、新農(nóng)合制度、醫(yī)療大病保險、疾病應(yīng)急救助、商業(yè)健康保險、慈善救助[13]。Anser等人[12]的研究表明增加健康服務(wù)的供給會減少疾病導(dǎo)致的貧困。來自中國的實證研究表明貧困家庭缺乏抵御風(fēng)險的手段,具有典型的脆弱性，進而導(dǎo)致因病致貧，提供必要的健康保險可有所緩解[5]。因為疾病失去勞動力以及自費醫(yī)療花銷高、醫(yī)療保險報銷比例低、范圍小、程序復(fù)雜[14]，并且救助政策申請困難和宣傳不到位都加劇了疾病導(dǎo)致貧困的概率[3]。貧困地區(qū)基本醫(yī)療服務(wù)差[14]也是主要的影響因素之一。

既有研究還表明社會資本對因病致貧具有減緩作用[15]。識字率和工業(yè)化可以提升健康水平、減少貧困和促進經(jīng)濟增長[8]。來自南非的數(shù)據(jù)表明不平等和高失業(yè)背景下的經(jīng)濟增長會弱化對貧困人口數(shù)量的減少[16]。

1.3 研究方法

既有研究采用了多種研究方法對疾病、貧困和經(jīng)濟增長之間的關(guān)聯(lián)機制進行研究，其中收集數(shù)據(jù)并運用計量經(jīng)濟模型進行分析是主要的研究方法，包括固定效應(yīng)計量模型[2]、Probit和工具變量模型[15]，在進行實證研究方面，問卷調(diào)查也是較為常用的研究方法[3]。

1.4 小結(jié)

就收集到的文獻而言，還沒有發(fā)現(xiàn)運用多主體建模和仿真的方法對疾病、經(jīng)濟增長與貧困之間的動態(tài)互動機制進行研究，也沒發(fā)現(xiàn)有研究將多種因素納入到一個復(fù)雜系統(tǒng)中進行分析，在動態(tài)的涌現(xiàn)過程中識別其中的關(guān)鍵變量。為此，采用多主體建模與仿真方法顯得尤為必要，得出的研究結(jié)論將有利于阻斷疾病、貧困與經(jīng)濟增長之間的惡性傳導(dǎo)機制，減少疾病與貧困，促進經(jīng)濟增長。

2 多主體建模與仿真

2.1 方法適用性

多主體建模與仿真是跨學(xué)科交叉的研究方法，涉及復(fù)雜系統(tǒng)論、計算機仿真、經(jīng)濟學(xué)和管理學(xué)，已經(jīng)成功地運用于包括經(jīng)濟學(xué)在內(nèi)的多個領(lǐng)域的研究[17-19]。特別是在經(jīng)濟學(xué)領(lǐng)域，有研究認為復(fù)雜性已經(jīng)催生出不同的經(jīng)濟學(xué)分支，包括計算機仿真經(jīng)濟學(xué)、不確定性經(jīng)濟學(xué)、非線性經(jīng)濟學(xué)和復(fù)雜性經(jīng)濟學(xué)[20]。這種研究方法突破了傳統(tǒng)研究方法以線性、可逆、均衡范式為特征的牛頓力學(xué)體系，轉(zhuǎn)變?yōu)殛P(guān)注經(jīng)濟主體之間的互動過程以及涌現(xiàn)性[21]，有研究表明這意味著新古典主義的研究范式面臨著復(fù)雜性研究范式的挑戰(zhàn)[22]。該方法不依賴于數(shù)學(xué)方程和計量模型，而是采取計算機程序研究非線性的、具有異質(zhì)性的經(jīng)濟主體，特別突出的功能是可以同時仿真眾多異質(zhì)經(jīng)濟主體互動導(dǎo)致的復(fù)雜性和具有反饋環(huán)的經(jīng)濟系統(tǒng)動態(tài)變化導(dǎo)致的復(fù)雜性，進而能更有效地解剖其中的運行機制并提煉關(guān)鍵影響因子。因此，有研究認為運用復(fù)雜性來分析經(jīng)濟學(xué)將會是經(jīng)濟學(xué)發(fā)展的主流之一[23]。

疾病、經(jīng)濟增長與貧困之間的互動關(guān)系具有典型的復(fù)雜系統(tǒng)特征，受到來自內(nèi)部和外部的多種因素影響，無論是系統(tǒng)本身，還是影響因素，都會隨著時間的變化而變化，具有不同的演化軌跡。因此，需要對其進行動態(tài)仿真分析。如果在研究方法上沒有將“外部與內(nèi)部復(fù)雜性”綜合于一個系統(tǒng)，不但會導(dǎo)致分析動態(tài)性的不足，還無法在眾多影響因素中，識別出關(guān)鍵因子。多主體建模與仿真方法的另外一個顯著功能是能在“政策實驗”和“政策情景仿真優(yōu)化”方面進行突破。不同于將各種政策單一分析，有必要將眾多的政策進行“組合”，并基于仿真平臺進行動態(tài)的“情景模擬實驗”，根據(jù)實驗結(jié)果，在各種備選政策組合中，篩選出最優(yōu)的組合。

綜上所述，多主體建模與仿真方法可以有效地分析疾病、經(jīng)濟增長與貧困之間的互動關(guān)系，提煉主導(dǎo)因子，優(yōu)化政策組合。

2.2 理論模型

多主體建模和仿真以理論模型為基礎(chǔ)。正如第一部分的文獻分析表明，疾病和貧困之間有著密切的關(guān)聯(lián)[1,3-4]，通過內(nèi)部和外部因素，導(dǎo)致因病致貧，更為嚴重的是家庭主要成員患病還會導(dǎo)致其子女的健康資本貶損。一旦健康資本被貶損，既有研究表明經(jīng)濟增長會受到影響，主要通過勞動生產(chǎn)率、勞動力供給、生育率等因素作用于經(jīng)濟增長[5-8,24]。經(jīng)濟增長與減少貧困之間沒有確定的正向互動機制，經(jīng)濟增長不一定會減少貧困，其中經(jīng)濟增長的方式以及不平等狀況等都會影響貧困人口的數(shù)量[10-12]。基于這些研究成果，構(gòu)建理論模型框架(見圖1)。

圖1 理論模型框架

疾病、健康資本貶損、貧困、經(jīng)濟增長作為理論模型的4個支撐點，再綜合各個傳導(dǎo)路徑的變量，共同演繹出整個理論框架。首先，疾病與貧困之間具有互動關(guān)系，無論是內(nèi)部原因還是外部原因?qū)е碌募膊。紩沟眉兪杖霚p少，非常容易導(dǎo)致貧困，而貧困往往伴隨著醫(yī)療和營養(yǎng)的缺乏，免疫力下降導(dǎo)致疾病，使得二者之間呈現(xiàn)惡性累積。其次，健康資本的貶損、疾病和貧困之間也具有密切聯(lián)系。疾病不僅僅貶損患者自身的健康資本，還因為家庭醫(yī)療費用的支出和純收入的減少，導(dǎo)致貧困，進而影響患者子女的生活條件，因此貶損了患者子女的健康資本。然后，經(jīng)濟增長會受到健康資本貶損的影響。一旦健康資本被貶損，會直接影響勞動生產(chǎn)率，并通過影響生育率作用于勞動力供給，并且還會引至影響教育和儲蓄。最后，經(jīng)濟增長和貧困之間的關(guān)聯(lián)。盡管有證據(jù)表明二者之間沒有必然的正相關(guān)，但是經(jīng)濟增長方式不同而導(dǎo)致的不平等和失業(yè)對貧困有著顯著的影響。

基于理論模型，仿真模型將對其進行“仿真設(shè)計”，對理論模型涉及的各個主體和各種影響因素進行細化，使其成為計算機程序可以識別的變量，并以復(fù)雜適應(yīng)系統(tǒng)理論中強調(diào)的主體“能動適應(yīng)性”為基礎(chǔ)，將所有的主體和影響因素納入一個三維的仿真系統(tǒng)。

2.3 仿真模型

仿真模型的構(gòu)建基于NetLogo仿真平臺。以該平臺為仿真工具，發(fā)表了大量的涉及各個學(xué)科領(lǐng)域的論文和專著[19,25]。

設(shè)計變量。針對理論模型構(gòu)建的框架，設(shè)計仿真變量，并搭建三維的仿真系統(tǒng)。仿真系統(tǒng)中的變量分為三種類型包括“全系統(tǒng)變量”(Global Variable)、模塊變量(Patches Variable)、主體變量(Turtles Variable)。其中全系統(tǒng)變量是從整個仿真系統(tǒng)的層面進行設(shè)計并且在全系統(tǒng)范圍發(fā)生作用。模塊變量針對具體的系統(tǒng)區(qū)域或者子系統(tǒng)模塊發(fā)生作用，主體變量是針對系統(tǒng)中的各個能動主體而設(shè)計的調(diào)控變量。這些變量的主要設(shè)計依據(jù)是理論模型，通過對理論模型的細化，進而設(shè)計出各類變量(見表1)。這些變量之間的作用機理都是以理論模型為基礎(chǔ)，并綜合實證分析進行設(shè)計，比如：作為“全系統(tǒng)變量”的“疾病概率”、“健康資本”、“貧困”、“經(jīng)濟增長”都是以理論模型的4個支撐點為依據(jù)，它們之間的關(guān)系也是靠理論模型支撐。這些關(guān)系的進一步仿真分析，則是通過編寫仿真程序?qū)崿F(xiàn)。

表1 仿真系統(tǒng)變量

編寫仿真程序。為了將各個變量之間的關(guān)系進行動態(tài)仿真，需要采用模塊化的設(shè)計思路來編寫仿真程序，采用命令“globals”、“patches-own”、“turtles-own”三種命令分別將“全系統(tǒng)變量”、“模塊變量”、“主體變量”納入仿真系統(tǒng)。變量之間的互動行為以“to setup”命令開始，以“end”結(jié)束程序。主體的行為模式直接采用各種行為指令，比如：to go；ask turtles；[轉(zhuǎn)向-定位-收入]；工作；ask turtles；[行動-消費-變老-死亡]。通過這種指令，實現(xiàn)主體的能動行為，也即是實現(xiàn)各個變量之間作用機理的仿真。影響主體行為的變量作為滑動模塊進行調(diào)節(jié)，以體現(xiàn)出不同的變量值對整個系統(tǒng)的作用機理。

2.4 數(shù)據(jù)輸入

以四川涼山彝族自治州為案例，該地區(qū)位于四川盆地西南部，是典型的相對貧困地區(qū)，存在因病致貧的情況。因此，選擇該地區(qū)為案例進行分析，有利于破解疾病、貧困、經(jīng)濟發(fā)展滯后的惡性循環(huán)，促進該地區(qū)民眾增收致富。模型的初始數(shù)據(jù)除有特別說明以外，都是以四川涼山彝族自治州的數(shù)據(jù)進行計算，主要來源是四川省統(tǒng)計年鑒(見表2)。

表2 主要初始變量值

2.5 模型有效性分析

完成初始數(shù)據(jù)的輸入后就可以運行仿真程序，進而對模型的有效性進行檢驗。針對復(fù)雜系統(tǒng)仿真模型有效性的檢驗沒有統(tǒng)一的標準。通常從以下幾個方面進行:1)模型結(jié)構(gòu)的有效性。仿真模型的系統(tǒng)結(jié)構(gòu)以既有的研究成果為基礎(chǔ)，各類變量的設(shè)計也是從既有研究成果中提取，最大程度確保了仿真模型架構(gòu)的有效性。2)仿真程序的有效性。對仿真程序進行了多次修改和調(diào)試，包括極端值和敏感性的測試，以確保程序本身的有效性。同時，仿真程序的設(shè)計模塊以理論模型為基礎(chǔ)，真實地再現(xiàn)了理論模型的架構(gòu)，確保對理論模型的真實仿真。3)仿真數(shù)據(jù)的有效性。仿真程序采用的數(shù)據(jù)來自統(tǒng)計年鑒的數(shù)據(jù)，最大程度減少了假設(shè)和隨機賦值給變量帶來的失真，進一步確保了仿真結(jié)果的有效性。因此，可以運用該仿真系統(tǒng)進行情境仿真，進而篩選出最佳的政策情境。

3 仿真情境設(shè)計

仿真程序最突出的特點就是可以調(diào)整核心變量，設(shè)計不同的政策情境，以挖掘影響系統(tǒng)的關(guān)鍵變量，然后對這些變量進行調(diào)控，實現(xiàn)“政策實驗”，進而最終確定最佳的政策組合。根據(jù)初步提煉出的備選變量，總共設(shè)計了10個仿真情境。

初始情境(S0)的設(shè)計依據(jù)。以程序的初始輸入值為基準，體現(xiàn)的是仿真案例四川涼山彝族自治州的現(xiàn)實情況，直接用于S0中的各類變量的賦值,以現(xiàn)實的情況奠定對未來趨勢的仿真分析。

其他情境(S1至S9)的設(shè)計依據(jù)。在四川涼山彝族自治州的現(xiàn)實數(shù)據(jù)的基礎(chǔ)上，為了仿真動態(tài)的變化趨勢，采用統(tǒng)一的遞增或者遞減規(guī)律進行不同情境的設(shè)計，對于“正向”變量均采用遞增規(guī)律，對于“負向”變量均采用遞減規(guī)律。具體數(shù)值以50%遞減或者遞增，比如疾病概率在初始情境中的值為6.19，在設(shè)計的情境S1中減少50%，為3.095。健康資本的初始情境值為7.226，在情境S2中增加50%，為10.839。其中基本醫(yī)療保障除外，因為初始情境的值為96.94%，所以設(shè)計的情境值只能是100%(見表3)。至于遞增或者遞減的具體數(shù)值不必拘泥，根據(jù)具體的現(xiàn)實數(shù)據(jù)的量綱可以靈活設(shè)計，但是為了明顯展現(xiàn)變動趨勢和影響力度，建議設(shè)計比較大的變動比例。這種以現(xiàn)實的基準情境數(shù)據(jù)為基礎(chǔ)，基于一定的趨勢變動規(guī)律來設(shè)計不同的仿真情境，已經(jīng)有效地運用于復(fù)雜系統(tǒng)的研究[19]。

表3 仿真情境設(shè)計

仿真周期考慮到既有文獻表明疾病對收入的影響可以持續(xù)約15年[2]，而且還能影響其子女的預(yù)期收入，再加之政策變量產(chǎn)生作用的時滯性，因此選擇“長經(jīng)濟周期”的時間50年。

4 仿真結(jié)果與分析

運行仿真程序，收集50年相對貧困人口的數(shù)據(jù)并計算洛倫茲曲線。由于相對貧困人口的數(shù)據(jù)不符合正態(tài)分布，因此使用配對樣本的秩和檢驗進行數(shù)據(jù)分析。采用Wilcoxon符號秩檢驗計算Z值和顯著性P值。選擇0.01的顯著性水平，情境S8和情境S9的顯著性水平分別為0.70和0.52，情境S2和S5的顯著性水平分別為0.05和0.02，均大于選定的0.01的顯著性水平，表明這四種情境與初始情境相比，并沒有顯著差異，沒有使得案例四川涼山彝族自治州的情況得以改善，因此刪除。

剩下的政策組合情境分別是S1、S3、S4、S6、S7。從表4中可見，情境S1、S3、S4、S6、S7的相對貧困人口與初始情境相比均減少而且在0.01的水平上顯著差異，比如情境S1，在仿真周期的50年中，有45個年份的相對貧困人口數(shù)量都少于初始情境。

表4 仿真情境篩選

情境S1、S3和S4的仿真結(jié)果表明：降低疾病概率和增加醫(yī)療保障可以顯著減少相對貧困人口數(shù)量。正如既有研究不斷證實的那樣，疾病與貧困之間具有密切關(guān)系，通過減少患病家庭的純收入、貶損其健康資本等渠道導(dǎo)致貧困。如果能夠從根本上減少疾病的發(fā)生概率，則必然會減少因病致貧的發(fā)生率，仿真結(jié)果表明與初始情境相比，減少50%的疾病發(fā)生率，將有45個年份的貧困人口數(shù)量少于初始情境，其中，醫(yī)療保障有著非常重要的作用。盡管有研究表明基本的醫(yī)療保障比如新農(nóng)合，存在諸如報銷比例低、程序復(fù)雜等問題[14,26]，但是仿真結(jié)果表明分別增加基本醫(yī)療保障和額外醫(yī)療保障，相對貧困人口數(shù)量分別有40和42個年份的下降，這些醫(yī)療保障緩解因病致貧方面仍然具有顯著作用。在基本的醫(yī)療保障已經(jīng)基本普及的情況下，增加額外的醫(yī)療保障有著更大的空間緩解因病致貧。

情境S6的仿真結(jié)果表明：增強家庭抗風(fēng)險能力可以顯著減少相對貧困人口數(shù)量。家庭的抗風(fēng)險能力主要體現(xiàn)在家庭的可支配收入數(shù)量方面，收入的增加不但可以用于平時的保健，減少患大病的概率，而且還可以運用于增加額外的醫(yī)療保障，包括購買商業(yè)保險、大病保險等，這些都可以減少因病致貧的概率。

情境S7的仿真結(jié)果表明：綠色經(jīng)濟增長方式可以顯著減少相對貧困人口數(shù)量。正如既有研究結(jié)論所揭示的那樣，不是所有的經(jīng)濟增長都會減少相對貧困人口[10-11]，但是仿真結(jié)果表明在不擴大收入不平等的條件下(洛倫茲曲線優(yōu)于初始情境)，綠色經(jīng)濟增長方式有利于相對貧困人口數(shù)量的減少。相對貧困人口集中的地區(qū)往往伴隨著生態(tài)脆弱性和環(huán)境污染，粗放式的經(jīng)濟增長方式，會進一步惡化這種脆弱性和污染，而環(huán)境污染導(dǎo)致的各種健康風(fēng)險會因此加劇[25]，使得相對貧困地區(qū)的民眾患病概率增加，非常容易陷入環(huán)境污染、疾病、貧困、粗放式發(fā)展的惡性循環(huán)。綠色經(jīng)濟增長方式以環(huán)境友好為典型特征，可以有效避免這種惡性循環(huán)，并且從長期而言有利于減少相對貧困人口的數(shù)量。

這些仿真結(jié)果為最優(yōu)仿真情境的選擇以及由此設(shè)計引導(dǎo)政策，均奠定了堅實基礎(chǔ)。

5 結(jié)論與政策建議

5.1 結(jié)論

疾病、經(jīng)濟增長與貧困之間的關(guān)系不但具有非線性特征，而且還呈現(xiàn)出動態(tài)性和異質(zhì)性。不斷有證據(jù)表明疾病可以直接導(dǎo)致貧困，進而導(dǎo)致人力資本貶損，最終作用于經(jīng)濟增長，但是，經(jīng)濟增長不會必然導(dǎo)致相對貧困人口的減少，其中涉及經(jīng)濟增長方式以及收入分配的平等性等因素的影響。鑒于這種典型的復(fù)雜適應(yīng)系統(tǒng)特征，使得構(gòu)建多主體建模與仿真模型來動態(tài)分析疾病、經(jīng)濟增長與貧困之間的互動機理成為有效選擇。

通過構(gòu)建理論模型、仿真模型、編寫仿真程序，并以典型的相對貧困人口集中區(qū)域——四川涼山彝族自治州為案例，以2019年的數(shù)據(jù)為基礎(chǔ)設(shè)計了初始情境，然后，為了篩選出主導(dǎo)因子構(gòu)成最優(yōu)政策組合，設(shè)計了9種不同的政策情境，并以相對貧困人口的數(shù)量和洛倫茲曲線為篩選標準，最終篩選出最優(yōu)的政策組合情境。在NetLogo仿真平臺上的運行結(jié)果表明疾病、經(jīng)濟增長與相對貧困人口的數(shù)量有顯著的相關(guān)性，其中降低疾病概率、增加醫(yī)療保障，特別是額外醫(yī)療保障，增加家庭抗風(fēng)險能力以及促進綠色經(jīng)濟發(fā)展都可以顯著減少相對貧困人口的數(shù)量。

5.2 政策建議

為了篩選出最優(yōu)的政策組合情境，進而得出政策建議，采用以下兩個標準進行選擇：相對貧困人口的數(shù)量和洛倫茲曲線的變化。以初始仿真情境的結(jié)果為基準，如果設(shè)計的仿真情境中得出的貧困人口數(shù)量比初始情境的少，而且洛倫茲曲線位于初始情境的洛倫茲曲線上方，也即不平等程度降低，則表明該情境優(yōu)于初始情境，政策調(diào)控是有效的。仿真結(jié)果表明情境S1、S3、S4、S6、S7均優(yōu)于初始情境，因此，可以用這些情境組合成為最優(yōu)情境，進而確定了最優(yōu)情境的各個變量值：疾病概率為3.095；基本醫(yī)療保障為100；額外醫(yī)療保障為9.105；抗風(fēng)險能力為3.222；經(jīng)濟增長為0.153。這些變量值組合起來的最優(yōu)情境，其仿真結(jié)果表明：有46個年份的相對貧困人口數(shù)少于初始情境，優(yōu)于所有其他的政策情境。從圖2可以看出，情境S1、S3、S4、S6、S7以及最優(yōu)情境的洛倫茲曲線均優(yōu)于初始情境，因此，這些組合在減少相對貧困人口數(shù)量的同時，并沒有導(dǎo)致收入差距的增加。因此，最優(yōu)政策組合的效果是顯著的，即降低疾病概率、增加醫(yī)療保障，特別是額外醫(yī)療保障，增加家庭抗風(fēng)險能力以及促進綠色經(jīng)濟發(fā)展。

圖2 各種情境的洛倫茲曲線

首先，減少疾病發(fā)生概率與增加醫(yī)療保障同時并舉，特別是鼓勵發(fā)展多種渠道的醫(yī)療保障服務(wù)。研究結(jié)論表明從根本上減少各類疾病的發(fā)生概率會顯著減少相對貧困人口的數(shù)量。基本的醫(yī)療保障體系，包括新農(nóng)合以及城鎮(zhèn)居民醫(yī)療保險體系已經(jīng)基本健全，覆蓋率較高，但是額外的醫(yī)療保障，比如工傷保險、健康保險等的覆蓋率較低，積極發(fā)展類似的額外醫(yī)療保障有利于和基本醫(yī)療保障進行組合，進一步減少因病致貧的發(fā)生率。然后，多途徑增加可支配收入以增強家庭抗風(fēng)險能力。研究結(jié)論表明家庭抗風(fēng)險能力的提升有利于減少因病致貧的人口數(shù)量。在目前的醫(yī)療保障體系之下，家庭仍然需要承擔(dān)治病所需的費用，如果家庭的儲蓄較多，則可在一定程度上減少因病致貧的發(fā)生率，應(yīng)該多途徑增加家庭的可支配收入，從強化主體自身的抗風(fēng)險能力方面減少因病致貧的發(fā)生率。最后，堅持綠色經(jīng)濟增長。綠色經(jīng)濟增長模式在發(fā)展經(jīng)濟的同時，極力控制污染的產(chǎn)生，使得相對貧困地區(qū)的生態(tài)環(huán)境承載力維持在一定范圍之內(nèi)，減少因為環(huán)境污染增加而帶來的健康風(fēng)險，直接從根本上減少疾病的發(fā)生率。并且，綠色經(jīng)濟增長方式有利于形成優(yōu)質(zhì)的生態(tài)產(chǎn)品，促進相對貧困地區(qū)收入的增加，增強家庭的抗風(fēng)險能力，也能促進相對貧困人口數(shù)量的減少。