共同富裕目標下互聯網可及性對健康支出的影響研究

摘 要：運用兩部分模型、傾向得分匹配等方法，依據CFPS數據庫中成人與家庭數據匹配及分類處理，考量共同富裕進程中互聯網可及性對潛在因病返貧風險的阻斷效應。結果顯示，互聯網可及性引致健康支出絕對量增加，但災難性健康支出發生率顯著降低，對潛在因病返貧風險具有一定的阻斷效應。異質性分析顯示，互聯網使用對農村居民、低收入群體的健康支出影響較大。鑒于此，應加大互聯網基礎設施建設力度，引導農村居民、低收入群體更有效地利用醫療資源，阻斷其潛在因病返貧風險。

關鍵詞： 互聯網可及性；災難性健康支出；傾向得分匹配

中圖分類號：F062；F49 文獻標識碼： A 文章編號：1003-7217（2024）04-0144-09

一、引 言

黨的二十大報告提出“中國式現代化是全體人民共同富裕的現代化”。近年來，健康及醫療支出問題不僅給政府財政帶來了巨大壓力，也引致普通家庭可能出現潛在的因病返貧風險，影響共同富裕目標的實現?！吨袊l生健康統計年鑒（2022）》顯示，我國城鎮居民人均醫療保健支出由2000年的318.1元增加至2020年的2172.2元，農村居民人均醫療保健支出更是由2000年的87.6元劇增到2020年的1417.5元。同時，“互聯網+醫療健康”的普及推動了互聯網成為居民搜索健康信息的重要來源，進而影響了就醫決策和健康支出，有助于阻斷潛在的因病返貧風險。

國內外學者從宏觀和微觀兩個層面研究了健康支出的影響因素。宏觀層面側重于技術進步[1-3]、社會經濟條件[4-6]、環境污染[7，8]等因素，而微觀層面的研究則強調收入水平等家庭特征變量[9，10]、受教育程度等個體特征變量[11，12]、醫療健康需求和長期護理保險[13-16]等因素對健康支出的影響。更進一步地，當健康支出超過家庭支付能力某一臨界值時，就認為發生了災難性健康支出（catastrophic health expenditure，CHE），并用以衡量因病致貧或返貧風險（World Health Organization，2000）。相關研究主要集中在災難性健康支出的影響因素[17，18]、人群特征分析[19]及地區測算[20，21]等方面。

互聯網使用可通過在線獲取健康信息的便利性、降低信息不對稱等影響就醫決策和健康狀況。首先，大多數學者發現互聯網使用對健康具有正向促進作用。人們通過使用互聯網拓寬獲取醫療信息的途徑，更好地了解自身健康狀況，選擇合理就醫行為，使得醫療資源得以合理分配，進而改善個體健康水平[22-24]。有學者通過構建一個評價互聯網發展四維度（互聯網普及程度、基礎設施、信息資源和應用）模型發現互聯網發展顯著抑制了死亡率[25]。另外一些研究也發現互聯網使用對老年人的身心健康狀況有正向影響，尤其對低齡、男性、農村和教育程度低的中老年人的健康促進作用相對更大[26，27]。其次，互聯網使用對個體健康狀況的影響并非都是正向的。研究證實了互聯網使用對農村老年人的健康激勵效應，但存在非線性影響，過度使用互聯網會惡化健康狀況，而且會降低使用傳統信息媒介的概率、擠占其睡眠時間[28]。

綜上所述，互聯網已成為人們獲取醫療信息和專業知識的重要來源，深度影響了健康狀況，健康支出也隨之發生變化。近年來健康支出迅速上升的部分原因可能是因信息不對稱導致的病患過度醫療行為等因素[29]造成的，而互聯網的普及打破了對健康知識和健康信息的進入壁壘。一方面，居民可通過自我治療和管理而減少健康支出。另一方面，居民可通過學習、社交等途徑增加健康投資意愿，從而增加健康支出。已有文獻對互聯網可及性（包括互聯網使用及使用頻率等）雙向影響健康支出研究甚少。鑒于此，本文擬通過實證研究互聯網可及性對健康支出的絕對量和相對量兩個層面的影響，探討在共同富裕目標下互聯網可及性對潛在因病返貧風險的阻斷效應，以期為“互聯網+醫療健康”戰略的深化提供政策建議。

二、理論分析

居民會因疾病治療而受到經濟福利和勞動時間的雙重損失，產生的影響可分為“減收”與“增支”兩方面?！皽p收”是將健康作為人力資本的一部分來考慮，個體患病時勞動生產率下降、收入降低?！霸鲋А敝饕笧榱私档退劳鲲L險而在醫院看病以及交通、住宿等健康相關支出的增加。二者共同作用導致出現潛在的因病返貧風險。然而，隨著收入水平的提高和互聯網的更加普及，人們從互聯網上獲取健康相關信息、進行自我治療管理或尋求更好的醫療資源，通過健康投資激勵、自我替代等路徑影響了健康支出。一方面導致了健康支出絕對量的增加，另一方面健康支出占收入或總消費支出的比重下降，有助于阻斷潛在的因病返貧風險。

首先，健康投資激勵路徑?；ヂ摼W的使用提高了居民的健康投資意愿，增加了健康支出的絕對量，從而產生健康投資激勵效應。健康投資意愿，受收入水平、教育水平、醫療保險、自身的健康狀況等多種因素影響。相關研究發現互聯網的使用顯著增加了農村老年人的健康投資意愿[28]。同時，健康投資意愿的增加，導致健康支出增加。居民在互聯網上搜索健康信息，并利用這些信息進行健康投資。例如，隨著人們對自身健康狀況的重視，人們愿意花錢購買心理咨詢等服務，從而增加了健康支出。

其次，自我替代路徑。互聯網的使用增加了自我診療而替代醫院就醫的可能性，減少了因信息不對稱而出現的過度就醫，降低了健康支出在總收入中的相對比重。一方面，互聯網的使用有助于普通居民更快、更便利地獲取健康相關信息，可以通過自我診療和管理去替代不必要的醫院就醫，一定程度上減少了就醫行為和健康支出[30]。國內學者通過問卷調查研究發現，當前我國運用互聯網獲取健康信息的網民比例較低，互聯網健康信息對病人自我診斷的影響較大[31]。國外學者通過觀察荷蘭的一個健康信息網站啟動兩年后的就診率變化，發現初級保健的使用減少且線下咨詢人數在兩年后下降了近12%[32]。另一方面，信息不對稱性導致可能存在過度醫療現象，通過網絡搜索健康信息、增加醫療信息供給可以減少這種信息不對稱性[33]，從而減少治療過程中的不確定風險和過度醫療現象[34]。

上述影響路徑中，健康投資意愿提升強調了互聯網可及性對健康支出絕對量的正向效應，而自我替代行為增加則強調其對健康支出相對量的負向效應。正、反向兩種效應客觀存在，并無矛盾之處，互聯網可及性對健康支出的最終影響正是這兩種影響路徑交互綜合作用的結果。一方面，隨著社會進步和經濟發展水平提高，居民的健康意識和健康投資意愿必然提升，相應的健康支出也會增加。這是一個絕對數量的概念。另一方面，互聯網可及性促使居民就醫決策行為更加理性、過度醫療空間壓縮，對健康支出具有負向效應，但這種負向效應是一個相對數量的概念，需要結合經濟收入水平的不斷提升加以考量。因此，健康支出的絕對量增加與相對量減少之間并不矛盾。據此，提出：

假設1 互聯網可及性與健康支出絕對量之間存在正向關系，即互聯網使用越多則健康支出增加越多。

假設2 互聯網可及性可降低健康支出在總收入中的相對比重，對潛在因病返貧風險具有阻斷效應。

三、研究設計

（一）數據來源

研究數據來自由北京大學中國社會科學調查中心實施的中國家庭追蹤調查（China Family Panel Studies，CFPS）2018年數據庫。CFPS數據庫為研究我國個體健康支出和互聯網使用情況提供了較為充實的數據支持，契合本次研究主題。首先依據已有文獻和理論分析篩選出需要的變量，將成人與家庭數據庫的兩類數據進行匹配，然后對分類變量進行分類處理。此外，為減少異方差對模型干擾和數據波動的影響，對取值范圍較大的連續變量取對數形式。最后，剔除問卷中回答“不適用”“不知道”或“拒絕回答”而導致的缺失值。最終得到有效樣本6554個。

（二）模型設定

為了檢驗互聯網可及性對健康支出絕對量和相對量的影響，本文借鑒Xu和Huang[19]、王怡歡和張楚[21]等的研究，采取以下基準模型進行分析。

首先，利用兩部分模型（Two-part Model）分析互聯網可及性對健康支出絕對量的影響。由于數據庫樣本中的健康支出數據呈偏態分布，不滿足隨機誤差項服從正態分布的假設，因此考慮兩部分模型[35]。兩部分模型將研究分為兩個部分且相互獨立。第一部分表示是否產生健康支出，使用Probit模型來估計。第二部分選用對數線性模型來探究健康支出的影響因素。

其次，利用Logit模型討論互聯網可及性對健康支出相對量即災難性健康支出的影響。災難性健康支出與家庭的自付健康支出、消費支出及生存支出（食品支出）有關。因其是二分類變量，故選擇Logit模型進行回歸。公式如下[21]：

CHE=1，ifHCEictpi≥0.4

0，ifHCEictpi<0.4（1）

ctpi=expi－foodi（2）

其中，HCEi指個體i的自付健康支出；ctpi指個體i的可支付能力，是總消費支出expi與用于食品購買的支出foodi的差額。

另外，利用傾向得分匹配法（Propensity Score Matching， PSM）進行內生性問題討論，以解決可能存在樣本自選擇偏誤等內生性問題。

（三）變量選取

1.被解釋變量。（1）健康支出絕對量指標。根據CFPS問卷，健康支出絕對量指居民過去12個月的健康支出，是個人或家庭為了治療身體疾病以及維持當前的健康狀況而產生的費用。健康支出由醫療支出和保健支出組成。醫療支出指不包括已經報銷的和預計可以報銷的就醫支出，而保健支出指健身鍛煉及購買相關產品器械、保健品等的支出。（2）健康支出相對量指標。健康支出是否加重居民經濟壓力，體現在健康支出在收入或總消費支出中的相對比重的變化。因此，本文將與家庭可支付能力相聯系的災難性健康支出（CHE）作為第二個因變量。災難性健康支出是指在一定時期內，支付醫療費用占可支付能力的比重達到某一閾值時（一般選擇40%），該家庭就被認為發生了災難性健康支出（World Health Organization，2000）。它通常用于表示因病返貧風險。

2.解釋變量。核心解釋變量是互聯網可及性，包括“是否使用互聯網”和“互聯網使用頻率”兩方面。其中，“是否使用互聯網”是一個二分類變量。在穩健性檢驗中，選取“互聯網對獲取信息的重要性”作為對核心解釋變量的替換。

3.控制變量。參考前人文獻[23，27]，從個人特征和家庭特征角度選取控制變量。個人特征角度包含受教育水平、性別、年齡、健康狀況、婚姻狀況、一周鍛煉時長。家庭特征角度包括家庭人口規模、家庭人均純收入、家庭金融資產、醫療保險等。

（四）描述性統計

表1報告了各變量含義及其基本描述性統計。居民就診概率平均為25%，健康支出對數均值約為7.2，使用互聯網的人在樣本中的占比為47.1%，幾乎每天使用互聯網的占比為22.6%，認為互聯網上網重要的人占54.4%。樣本人群中，平均年齡為39歲，男性多于女性，有伴侶人群占比較多，平均每周鍛煉時長為7小時左右，醫療保險普及率為91.6%。

四、實證分析

（一）基準回歸

1.互聯網可及性對健康支出絕對量的影響。表2匯報了運用兩部分模型進行互聯網使用對健康支出絕對量影響的實證回歸結果。

表2列（1）、列（2）討論“是否使用互聯網”對健康支出的影響，列（3）、列（4）分析“互聯網使用頻率”對健康支出的影響?；貧w發現，使用互聯網顯著增加健康支出，且互聯網使用頻率越高則影響程度越大。

（1）就診概率分析。第一，幾乎每天使用互聯網群體的就診概率比不使用互聯網的群體高2.5% ，且通過顯著性檢驗。這說明互聯網的發展促進了對健康知識的更多了解，從而對醫療資源需求更大。第二，受教育水平顯著降低了就診概率。隨著受教育水平的提高，對疾病和就醫的認識更加理性。第三，自評健康狀況在p<1%顯著性水平下通過了檢驗。自評健康每變差一個等級，其就診概率會上升11.6%。第四，家庭特征中，家庭金融資產的增加會降低就診概率（p<10%）。同時，與沒有保險的人群相比，城鎮居民醫療保險和補充醫療保險顯著降低了就診概率，分別降低5.3%（p<5%）、9.2%（p<10%）。

（2）健康支出分析。第一，使用互聯網會顯著增加健康支出。與不使用互聯網的人群相比，使用互聯網使得健康支出增加7.1%（p<10%）。第二，年齡每增加1歲，健康支出增加0.8%（p<5%）；自評健康每惡化一個等級，健康支出增加10.4%（p<1%）。第三，家庭特征中，家庭金融資產水平和人口規模顯著負方向影響健康支出。家庭人均純收入每增加一個單位，健康支出增加15%（P<1%）。第四，不同醫療保險對健康支出影響的方向存在差異，但只有針對農村居民的新型農村合作醫療通過了顯著性檢驗。

2.互聯網可及性對健康支出相對量的影響。

為進一步檢驗互聯網可及性對健康支出相對量的影響，進行互聯網使用及使用頻率對災難性健康支出的回歸分析（表3）。由于災難性健康支出是二分類變量，故采用Logit模型進行回歸，并報告比值比（OR）。

表3中模型（1）和（3）是個體特征變量、（2）和（4）是加入家庭特征變量后的回歸結果。結果顯示：第一，使用互聯網可以顯著減少災難性健康支出的發生，其風險概率僅是未使用互聯網群體的0.8倍（OR=0.804，p<1%）。從互聯網使用頻率來看，在只考慮個人特征變量條件下，幾乎每天使用互聯網人群的災難性健康支出發生率僅是從未使用過互聯網的人的0.866倍（OR=0.866，p<10%）。第二，考慮家庭特征變量時，年齡增長會顯著增加災難性健康支出發生風險。年齡每增長一歲，災難性健康支出發生的概率增加1.7%（OR=1.017）；男性發生災難性健康支出風險是女性的1.17倍（OR=1.173）。第三，自評健康狀況評分每高一個等級，災難性健康支出發生概率則顯著增加18.2%。第四，擁有新型農村合作醫療保險個體的災難性健康支出風險是沒有醫療保險群體的80.8%（P<10%）。第五，隨著家庭人均收入和金融資產的增加，災難性健康支出發生風險減少，而隨著家庭人口規模的增加，風險變大。

（二）內生性分析

為討論內生性問題，采用傾向得分匹配法[36]。首先，依據個人和家庭特征計算處理組和控制組使用互聯網的概率，估計處理組的條件概率，得到傾向得分，盡可能消除兩組個體其他方面的差異。估計結果表明，除了家庭人口規模外，互聯網使用概率與受教育水平、年齡、性別、婚姻狀況、家庭人均純收入等顯著相關。其次，進行平衡性檢驗。匹配后各變量的標準偏差均小于10%，樣本的選擇性偏差在很大程度上得以消除。第三，共同支撐檢驗。匹配之后處理組和控制組共同區域明顯增加，假設1、假設2得到驗證，且匹配效果良好。最后，進行平均處理效應（ATT）分析。在估計互聯網使用對居民健康支出的影響時，選擇近鄰匹配、半徑匹配以及核匹配三種方法進行估計（表4）。三種匹配方法的結果基本相同且均通過了顯著性檢驗，表明具有良好的穩健性。

（三）穩健性檢驗

使用替換解釋變量的方法進行穩健性檢驗，即用“互聯網和手機對獲取信息的重要性”作為核心解釋變量加以重新回歸檢驗。

表5的回歸結果表明：認為互聯網或手機較為重要的人群，其健康支出會增加8.7%（p<1%），但是就診概率并未通過顯著性檢驗。在進一步對災難性健康支出的回歸中，結果在1%的顯著性水平下均通過了檢驗。認為手機或互聯網重要的人群顯著降低了災難性健康支出的發生率，與表3結論一致，表明上述回歸結果較為穩健。

（四）異質性分析

1.城鄉異質性分析。城鄉二元結構導致城鄉在互聯網發展方面存在客觀差異。如表6所示，與未使用互聯網的城鎮居民相比，使用互聯網的城鎮居民的健康支出增加21.9%，且在10%顯著性水平上通過了檢驗。互聯網使用使農村居民的健康支出減少7.7%，但未通過顯著性檢驗；同時，互聯網使用頻率高顯著影響健康支出，且對農村居民的影響較大。

2.收入異質性分析。按照家庭人均收入的25、50、75分位數將居民的收入水平劃分為四個層次，不同收入水平之間就互聯網可及性對健康支出的影響表現出明顯差異（表7）?；ヂ摼W使用讓中收入群體的就診概率增加了4.1%，使高收入群體的健康支出減少4%（p<10%）。幾乎每天使用互聯網群體中較低收入人群的就診概率顯著增加，較低收入和低收入人群分別增加4.9%、5.3%（p < 10%）。此外，互聯網使用對較低收入人群的健康支出影響較大，健康支出增加40.8%（p<5%）。而與不使用互聯網群體相比，幾乎每天使用互聯網使較低收入群體的健康支出增加19.9%，使高收入群體的健康支出增加16.6%，結果均在10%顯著水平上通過檢驗。

（五）機制分析

前文論述了互聯網可及性通過健康投資激勵和自我替代這兩個路徑影響健康支出，本部分實證檢驗其內在機制。

1.健康投資激勵。互聯網的使用可通過健康投資激勵路徑，提升居民健康投資意愿，從而增加了健康支出的絕對量。研究用保健支出作為居民健康投資意愿的衡量指標。根據CFPS問卷設計，相關問題是“包括健身鍛煉及購買相關產品器械、保健品等，過去 12個月，您家保健費用支出是多少？”。回歸結果見表8列（1），互聯網使用頻率對保健支出的影響顯著為正，這意味著互聯網使用可以通過健康投資激勵路徑增加健康支出。

2.自我替代?；ヂ摼W的使用提高了自我診療而替代醫院就醫的可能性，減少了因信息不對稱而出現的過度就醫，降低了健康支出在總收入中的相對比重。研究用生病處理方式作為自我替代路徑的衡量指標。根據CFPS問卷設計，相關問題是“生病如何處理：孩子生小?。ㄈ绨l熱、腹瀉等）您最常采取的處理方式是什么？”。回歸結果如表8列（2）所示，互聯網使用頻率對生病處理方式的影響顯著為負，這表示互聯網使用通過自我替代方式降低了去醫院就醫概率，減少了健康支出相對量。

五、結論與建議

日益增長的健康支出給政府衛生支出和家庭經濟開支帶來的巨大壓力，是實現“共同富?！焙汀敖】抵袊睉鹇?、推進中國式現代化進程所面臨的重要問題。本文利用CFPS數據，采用兩部分模型、傾向得分匹配等方法，探討我國在追求共同富裕進程中互聯網可及性對健康支出的影響及對潛在因病返貧風險的阻斷效應。結果顯示：（1）互聯網使用頻率越高，信息搜索經驗就越豐富，對更高層次的醫療服務需求更多，增加了健康支出絕對量。（2）高頻使用互聯網人群的災難性健康支出發生率較低，互聯網可及性降低了潛在因病返貧風險。（3）互聯網可及性對健康支出的影響存在顯著的城鄉、收入等特征差異。

建議：第一，優化互聯網信息環境，加強基礎設施建設，進一步擴大互聯網覆蓋面，為公民獲取健康信息提供更便捷的信息環境，提高醫療信息的可及性。第二，對不同健康狀況、收入狀況、年齡、性別差異的群體開展有針對性的醫療服務，加強健康知識的互聯網宣講，引導不同群體更有效地利用醫療資源。第三，加強農村地區的互聯網基礎設施建設，增加農村互聯網使用的宣傳培訓項目，提高農村居民使用互聯網獲取相關就醫、健康信息的能力。

參考文獻：

［1］ Goddeeris J H. Medical insurance， technological change， and welfare[J]. Economic Inquiry， 1984， 22（1）： 56-67.

［2］ Finkelstein A. The aggregate effects of health insurance： evidence from the introduction of medicare[J]. The Quarterly Journal of Economics， 2007， 122（1）： 1-37.

［3］ 高春亮， 余暉. 新醫改能遏制醫療支出上漲嗎[J]. 江海學刊， 2019（3）： 73-79，254.

［4］ Newhouse J P. Medical-care expenditure： a cross-national survey[J]. The Journal of Human Resources， 1977， 12（1）： 115.

［5］ Parkin D，McGuire A， Yele B. Aggregate health care expenditures and national income： is health care a luxury good？[J]. Journal of Health Economics， 1987， 6（2）： 109-127.

［6］ 柏星馳， 滿曉瑋， 程薇. 中國人口老齡化對居民醫療衛生支出的影響研究[J]. 中國衛生政策研究， 2021， 14（5）： 50-58.

［7］ 茅銘晨， 黃金印. 環境污染與公共服務對健康支出的影響——基于中國省際面板數據的門檻分析[J]. 財經論叢， 2016（1）： 97-104.

［8］ Meskarpour Amiri M， Kazemian M， Motaghed Z， et al. Systematic review of factors determining health care expenditures[J]. Health Policy and Technology， 2021， 10（2）： 100498.

［9］ 魏眾， B ·古斯塔夫森. 中國居民醫療支出不公平性分析[J]. 經濟研究， 2005（12）： 26-34.

［10］李聰， 劉喜華， 姜東暉. 居民家庭負債如何影響醫療支出？——基于門限效應模型的經驗分析[J]. 東岳論叢， 2020， 41（10）： 77-85.

［11］葉春輝， 封進， 王曉潤. 收入、受教育水平和醫療消費：基于農戶微觀數據的分析[J]. 中國農村經濟， 2008（8）： 16-24.

［12］李樂樂， 杜天天. 人口年齡變化、醫療需求行為與醫療費用增長：基于醫療保險結算數據的實證研究[J]. 當代經濟管理， 2021， 43（4）： 72-80.

［13］封進， 余央央， 樓平易. 醫療需求與中國醫療費用增長——基于城鄉老年醫療支出差異的視角[J]. 中國社會科學， 2015（3）： 85-103，207.

［14］Huang F， Gan` L. The impacts of china’s urban employee basic medical insurance on healthcare expenditures and health outcomes： impacts of china’s urban employee basic medical insurance[J]. Health Economics， 2017， 26（2）： 149-163.

［15］于新亮， 劉慧敏， 楊文生. 長期護理保險對醫療費用的影響——基于青島模式的合成控制研究[J]. 保險研究， 2019（2）： 114-127.

［16］李放，章蓉.新型農村合作醫療擠出了商業健康保險嗎？基于CHARLS數據的實證分析[J].湖南大學學報（社會科學版），2022，36（6）：65-72.

［17］丁繼紅， 游麗. 基本醫療保險對老年人災難性衛生支出的影響研究[J]. 保險研究， 2019（12）： 98-107.

［18］Shumet Y， Mohammed S A， Kahissay M H， et al. Catastrophic health expenditure among chronic patients attending dessie referral hospital， Northeast Ethiopia[J]. ClinicoEconomics and Outcomes Research， 2021， 13：99-107.

［19］Xu X C， Huang X Q. Risk characteristics of catastrophic health expenditure in multidimensional borderline poor households in China[J]. Risk Management and Healthcare Policy 2023， 16：15-29.

［20］Proao Falconi D， Bernabé E. Determinants of catastrophic healthcare expenditure in Peru[J]. International Journal of Health Economics and Management， 2018， 18（4）： 425-436.

［21］王怡歡， 張楚. 農村貧困家庭災難性衛生支出風險及影響因素研究——基于2018年CHARLS數據[J]. 中國衛生政策研究， 2021， 14（1）： 44-49.

［22］趙建國， 劉子瓊. 互聯網使用對老年人健康的影響[J]. 中國人口科學， 2020（5）： 14-26，126.

［23］陳培彬， 朱朝枝. 互聯網使用、社會資本與農戶健康[J]. 統計與信息論壇， 2022， 37（4）： 99-109.

［24］李跟強，高鵬.移動互聯網可及性、金融排斥與商業健康保險參與——來自CHFS數據的證據[J].財經理論與實踐，2022，43（6）：56-63.

［25］Wu H T， Ba N， Ren S Y， et al. The impact of internet development on the health of Chinese residents： transmission mechanisms and empirical tests[J]. Socio-Economic Planning Sciences， 2022， 81： 101178.

［26］侯建明， 周文劍. 互聯網使用對中國老年人健康狀況的影響機理及異質性分析[J]. 人口學刊， 2022， 44（3）： 73-87.

［27］范從波， 溫勇. 互聯網使用對中老年人健康的影響研究[J]. 西北人口， 2023（3）：80-92.

［28］呂明陽， 彭希哲， 張益. 互聯網與農村老年人健康——微觀證據與影響機制[J]. 中國經濟問題， 2022（4）： 156-169.

［29］劉海英. 中國存在過度醫療問題嗎？基于省際地區城市醫院醫療服務效率測度視角[J]. 社會科學， 2015（12）： 65-75.

［30］Andreassen H K， Bujnowska-Fedak M M， Chronaki C E， et al. European citizens’ use of E-health services： a study of seven countries[J]. BMC Public Health， 2007， 7（1）： 53.

［31］王學成， 劉長喜. 互聯網在健康傳播、病患醫療決策中的作用與影響研究——基于對上海中心城區居民的調查分析[J]. 新聞大學， 2012（1）： 109-115.

［32］Spoelman W A， Bonten T N， de Waal M W M， et al. Effect of an evidence-based website on healthcare usage： an interrupted time-series study[J]. BMJ Open， 2016， 6（11）： e013166.

［33］Darby M R， Karni E. Free competition and the optimal amount of fraud[J]. The Journal of Law and Economics， 1973， 16（1）： 67-88.

［34］沓鈺淇， 傅虹橋. 網絡口碑對患者就醫選擇的影響——基于在線醫生評論的實證研究[J]. 管理評論， 2021， 33（11）：185-198.

［35］Duan N H， Manning W G， Morris C N， et al. A comparison of alternative models for the demand for medical care[J]. Journal of Business & Economic Statistics， 1983， 1（2）： 115-126.

［36］Rosenbaum P R， Rubin D B. The central role of the propensity score in observational studies for causal effects[J]. Biometrika， 1983， 70（1）： 41-55.

（責任編輯：鐘瑤，鄒彬）

The Impact of Internet Accessibility on Health Expenditure

under the Goal of Common Prosperity

CHEN Linhong1，XU Xiaocang2，YANG Haoran3

（1. School of Marxism， Chongqing Technology and Business University， Chongqing 400067， China;

2. School of Economics and Management， Huzhou Normal University，Huzhou，Zhejiang 313000， China;

3. Upper Yangtze River Economic Research Center， Chongqing Technology

and Business University， Chongqing 400067， China）

Abstract：Based on the matching and classification processing of adult and household data in CFPS database， the two-part model and propensity score matching were used to study the impact of Internet accessibility on the absolute and relative amount of health expenditure， and to explore the blocking effect of Internet accessibility on the potential risk of returning to poverty due to illness in the process of common prosperity. The study found that although Internet access led to an increase in the absolute amount of health expenditure， it also significantly reduced the incidence of catastrophic health expenditure， and had a certain blocking effect on the potential risk of returning to poverty due to illness. Heterogeneity analysis shows that the frequency of Internet use has a greater impact on the health expenditure of rural residents and low-income groups. In view of this， policies such as strengthening Internet infrastructure should be adopted to guide rural residents and low-income groups to make more effective use of medical resources and block their potential risk of returning to poverty due to illness.

Key words：internet accessibility; catastrophic health expenditure; propensity score matching