重庆市人均医疗卫生费用影响因素的计量研究

刘　贞，郭　伟，吕指臣，朱开伟

(重庆理工大学 管理学院，重庆　400054)



重庆市人均医疗卫生费用影响因素的计量研究

刘贞，郭伟，吕指臣，朱开伟

(重庆理工大学 管理学院，重庆400054)

为了探究地方性医疗卫生费用的影响因素，以重庆市为研究对象，采用重庆市1997—2014年时间序列数据，通过协整分析、误差修正模型等方法研究变量之间的长期和短期关系。结果表明：重庆市人均医疗卫生费用与人均总收入、每千人口卫生技术人员之间存在长期的均衡关系，而短期影响不大；重庆市人均总收入与人均医疗卫生费用之间具有正相关关系，而每千人口卫生技术人员与人均医疗卫生费用之间具有负相关关系。

医疗卫生费用;重庆市;协整分析

一、引言

医疗费用占GDP的比重实际上在每个发达国家都呈现出一种日益上升的趋势。在美国，医疗费用占GDP的比重从1960年的5%上升到2010年的18%，涨了3倍多。在同一时期，其他发达国家也达到2倍多。在一些发达国家，医疗费用的相当大一部分由公众来承担，医疗费用的急剧上升已经演变成中央财政面临的主要挑战之一[1-2]。当前，我国也存在严重的医疗费用不断上涨的问题。研究显示：我国的人均预期寿命和一些其他的健康指标都取得了重大突破。然而，像高血压、糖尿病以及脑血管等疾病的发病率却大幅度地增加。日益增加的疾病负担从另一个侧面显示出我国医疗费用正不断上升[3]。“看病难，看病贵”一直是困扰我国政府的一大难题。医疗费用的不合理上升在给政府财政和人民带来沉重的经济负担的同时，也造成社会医疗资源的巨大浪费[4]。因此，探究医疗费用上升的原因具有重大意义。

自从Newhouse最早于1977年发表了关于医疗费用影响因素的论文以来，国内外学者在此方面展开了大量的研究[5]。早期的研究主要是讨论医疗费用的收入弹性问题[6]。近年来，国外学者大多数都采用面板数据的分析方法来研究发达国家的医疗费用问题。如：TomokoTamakoshi等采用日本47个行政区的2001—2010年的面板数据，研究了日本的医疗费用、GDP以及老年人口比例之间的关系，结果发现：GDP对日本医疗费用的影响因素不大，而人口老龄化才是最主要的影响因素[7]。SilviaFedeli采用意大利1982—2009年的面板数据对意大利医疗费用的影响因素进行研究，结果表明：意大利的医疗费用长期主要受GDP的影响[8]。

我国于20世纪80年代初开始进行卫生总费用的测算工作,并试图探讨我国卫生总费用的决定因素。中国卫生总费用课题组利用1978—1995年中国卫生总费用的数据并建立多元线性回归模型,得出结论：我国真实人均卫生支出相对于真实人均GDP的弹性为0.53[9]。何平平利用协整的分析方法对我国1978—2003年数据进行证实，其结论为：经济增长是中国卫生费用增长的最主要因素[10]。除了经济增长这一因素之外，近年来，我国学者对医疗费用的影响因素进行了进一步的研究。陶春海从供给和需求两个角度对我国医疗费用过度增长进行了分析，结果发现人口老龄化、价格、医疗技术水平等在一定程度上造成了医疗费用的过快增长[11]。刘莉云等运用Eviews统计分析软件对中国农村人均卫生费用的影响因素进行回归分析，研究发现每千人口卫生技术人员数与农村人均卫生费用具有正相关关系[12]。王雅萱从供给和需求两个方面，运用计量经济学的协整分析和误差修正模型等原理，定量研究我国医疗费用上涨的各种因素，结果发现：除了经济增长和人口老龄化之外，城镇化对医疗卫生费用的正向推动作用已越来越明显[13]。徐长生等基于2003—2013年我国31个省人均GDP、老龄化以及城镇化等指标，运用多元线性回归进行定量分析和检验，结果发现这3个因素当中城镇化的影响最大[14]。王肖南等运用向量自回归(VAR)模型研究了国内生产总值(GDP)、人口老龄化、政府卫生支出比例以及我国的城镇化水平这4个因素对我国卫生总费用的影响，研究表明：对我国卫生总费用影响最大的城镇化率和国内生产总值，其次是政府卫生支出比例，从长期影响来看，人口老龄化也是一个不可忽略的影响因素[15]。

大部分学者都采用国家的数据对我国整体医疗卫生费用问题展开研究。但是，很少有学者采用地方性数据对地方性的医疗费用问题展开进一步研究。廖宇航等根据海南省1978—2013年时间序列数据，采用协整分析的方法发现人均GDP、人口老龄化、每千人口医生数对人均卫生费用有显著影响[16]。基于以上文献考虑，为了进一步探究地方性卫生费用问题，本文以重庆市为研究对象，采用重庆市最新的数据来分析重庆市的医疗卫生费用问题。本文选取重庆市城镇人均总收入、每千人口床位数、每千人口卫生技术人员、老年人口比例、城镇化等影响因素作为解释变量进行分析，以探究其对重庆市人均医疗卫生费用的影响。

二、数据来源与变量描述

(一)数据来源

重庆市城镇人均医疗卫生费用、人均总收入、每千人口床位数、每千人口卫生技术人员、老年人口比例以及城镇化的数据均来源于1998—2015年的《重庆统计年鉴》。值得说明的是，由于重庆市城镇人均医疗卫生保健支出(RJFY)和人均总收入(RJSR)的数据在历年统计年鉴中是按“城镇”和“农村”分别进行统计的，无法实现两者的统一。对此，本文只针对重庆市城镇的医疗卫生费用问题进行研究。

(二)变量选择

1.被解释变量

RJFY：人均医疗卫生费用。地区卫生总费用代表当地的医疗服务总需求，为了消除人口因素对卫生总费用的影响，故采用重庆市城镇的人均医疗卫生费用这一指标作为被解释变量。

2.解释变量

RJSR:人均总收入。大部分学者都选取人均GDP这一因素来探讨收入对人均医疗卫生费用的影响。继2014年GDP增速领跑中国各省市后，重庆在2015年上半年又以11%的GDP增长继续保持全国第一的增速[17]。然而,人均GDP并不能代表实际的人均收入，而且GDP只能反映经济增长的数量，不能反映成本和效益，以及结构和分配等。故本文选用人均总收入这一指标作为解释变量。

OLD:老年人口比例。相关研究表明，65岁以上老年人的患病率是年轻人的6.5倍[18]。按国际惯例，一般以65周岁以上人口数占总人口的比率作为老龄化的指标。因此，本文选取这一指标用以度量人口老龄化对医疗费用的影响。

MQW:每千人口卫生技术人员。一般而言，一个地区的卫生技术人员的数量代表着该地区医疗卫生服务的供给水平。本文选取这一指标用以度量其对医疗费用的影响。

CZH:城镇化。有学者选取该变量来探究其对医疗费用上涨的影响。但并没有得出一致的结论，故本文选取这一变量进行进一步探究。

三、模型设定与估计

(一)单位根检验

为了减少模型的异方差性，本文对得到的实际数据进行对数处理，分别记为lnRJFY、lnRJSR、lnOLD、lnMQW、lnCZH。本研究分别对各个变量进行了ADF的单位根检验。经检验lnRJFY、lnRJSR、lnMQW为2阶单整，而lnOLD、lnCZH仅为1阶单整,不能满足同阶单整的条件，故将lnOLD、lnCZH舍弃。检验结果见表1。

表1　人均医疗卫生费用及其相关影响因素ADF检验结果

注：检验形式(C,T,L)中，C、T、L分别代表常数项、时间趋势和滞后阶数。*** 表示在1%显著水平上拒绝零假设。

由于lnRJFY、lnRJSR和lnMQW均为时间序列,可能存在单位根问题。根据单位根检验结果，水平序列和一阶差分后的ADF值均在1%的显著性水平上大于Mackinnon临界值，不能拒绝单位根假设，即：lnRJFY、lnRJSR、lnMQW均存在单位根。但是二阶差分后lnRJFY、lnMQW和lnRJSR均在1%水平下通过平稳性检验。

(二)协整检验-Johansen实证

单位根检验的结果显示:lnRJFY、lnRJSR和lnMQW都服从I(2)过程,符合展开协整检验的前提条件。Johansen于1988年以及与Juselius一起于1990年提出了一种基于向量自回归模型的协整检验方法，通常称为JJ检验，是一种进行协整检验的较好方法[19]。因此，本文采用此方法来检验协整关系。

1.确定协整滞后阶数

协整检验首先需要确定合理的协整滞后阶数,以保证协整关系统计上的可信度。在无约束(unrestricted)VAR(P)模型条件下，可根据LR、FPE、AIC、SC、HQ等多种检验准则，通过测试不同VAR(P)模型对应的值，得出VAR(P)的最优自回归阶数。本文通过逐一测试，表2给出了滞后阶数L从0到2所对应的各检测值，在5%显著性水平下，LR、FPE、AIC、SC、HQ全都表明最佳滞后阶数为1。

2.非约束协整关系检验

已知最佳滞后阶数L=1，基于Johansen的特征根协整检验原理，还需要确定检验假设。非约束Johansen协整检验结果见表3。

表2　水平VAR模型的最佳滞后阶数

注：**代表5%显著性水平上显著。

表3　Johansen非约束协整关系检验结果

注：*** 表示在1%显著性水平上拒绝零假设；** 代表在5%显著性水平上拒绝零假设。

表3中，r表示协整关系个数。在1%的临界水平下：轨迹(Trace)统计量表明(69.77>42.92)，应该拒绝没有协整关系(r=0)原假设，对应地接受存在一阶协整关系。最大特征值统计量(34.76>25.82)也拒绝r=0,接受r≤1，即最多存在一阶协整关系。结论是：在1%显著水平下，lnRJFY、lnMQW、lnRJSR之间存在一阶协整关系。

3.协整方程

由表3可以看出各个变量之间具有一阶协整关系。由此，根据Eviews6.0软件可以测算出具体的协整方程。其协整方程为：

lnRJFYt=1.46lnRJSRt-0.85lnMQWt+CtlnRJFYt

(0.034 4)(0.048 4)

对变量进行单整性检验以确保其序列平稳后，接着检验变量之间是否存在协整关系，如果存在协整关系则可以建立误差修正模型。

4.误差修正模型

误差修正模型(ErrorCorrectionModel,简记为ECM)是一种具有特定形式的计量经济学模型。它的主要形式是由大卫德森(Davidson),亨格瑞(Hendry),斯巴(Srba)和耶(Yeo)于1978年提出的，称为DHSY模型[19]。若一个内生变量yt只被表示成同一时点的外生变量xt的函数,xt对yt的长期影响则可以求出。然而，每个变量的滞后项也出现在模型之中，其长期影响将通过分布滞后函数反映，这就是ADL模型。对于一阶自回归分布滞后模型，记为ADL(1，1)。因此,可以建立如下方程：

环渤海是我国大气污染治理的首要地区，能源消费总量占全国的18.9%，其中山东省能源消费总量位居全国第一，河北省位居第三；煤炭消费总量占能源消费总量的72.4%，其中北京、天津煤炭消费占比较低，河北达到86%，山东为79%；北京天然气消费占比达到29%，天津达到10%以上，河北和山东天然气消费占比不足4%。根据大气污染治理“控制煤炭消费量，提高天然气等清洁能源消费占比”的总体方向，该地区是未来天然气发展的潜力市场。

yt=k0+k1yt-1+k2xt+k3xt-1+εt

t=1,2,…,T

(1)

其中，记y*=E(yt), x*=E(xt),由于E(εt)=0,在式(1)两边取期望得

y*y*=k0+k1y*+k2x*+k3x*

(2)

进而有

(3)

y*=β0+β1x*

(4)

Δyt=k0+k2Δxt+(k2+k3)xt-1+

(k1-1)yt-1+εt

(5)

利用k2+k3=β1(1-k1),k0=β0(1-k1),式(5)又可以改写成

Δyt=(k1-1)[yt-1-β0-β1xt-1]+

k2Δxt+εt

(6)

令θ=k1-1 ，则 式(6)可写成

Δyt=θ(yt-1-β0-β1xt-1)+k2Δxt+εt

(7)

该式被称为误差修正模型，进而得出重庆市人均医疗卫生费用的误差修正模型的具体形式：

ΔlnRJFYt=-0.449 4ΔlnRJSRt-0.676 7ΔlnMQWt-

(0.436 9)(0.387 2)

0.209 0ECMt-1+5.165 2

(8)

(0.2246)

R2=0.436 0,Adj.R2=0.136 2

AIC=-2.186 6, SC=-1.809 0

在式(8)中ECMt-1为误差修正项。误差修正项的系数为负，符合反向调整机制。表明重庆市每年实际发生的人均医疗卫生费用的短期波动偏离长期时将以21%的力度将非均衡拉回到均衡状态。

四、结论

本文运用计量经济学的相关理论与研究方法，对重庆市医疗费用增长的相关因素进行了尝试性实证研究并得到如下结论：① 经ADF单位根检验，重庆市人均医疗卫生费用、人均总收入与每千人口卫生技术人员都是非平稳变量，并且它们之间存在长期的均衡关系；而误差修正项的系数仅为-0.21，说明短期影响不显著。② 重庆市人均总收入与人均医疗卫生费用之间存在正相关关系。重庆市人均总收入每上升1个百分点会引起人均医疗费用上升1.46个百分点。由此可见：收入仍然是影响人均医疗卫生费用上涨的重要因素。随着收入的增加，人们愿意选择相对更多的医疗服务。③ 重庆市每千人口卫生技术人员与人均医疗卫生费用之间存在负相关关系。由此可见，从医疗市场供给角度而言，卫生技术人员的增加可以为更多的患者提供医疗服务，有助于减轻医疗卫生费用上涨的情况。

重庆市于1997年成立直辖市，因此未采用1997年以前的数据。由于数据来源的问题，本文的样本容量受到一定限制。同时，本文采用重庆市城镇的数据，因而只针对重庆市城镇进行研究，不包括周边的农村。在我国医疗卫生费用的研究方面，地区性的研究还很不足。我国地大物博，各个地区在地理位置、人口因素、经济发展以及国家政策等方面存在不同。所以，医疗费用的影响因素在我国各个省份、地区之间存在不同程度的差异。总而言之，未来应更加注重地区性的研究以及区域之间的对比性研究。

[1]JOCHEN H,JAN-EGBERT S.Robust determinants of health care expenditure growth[J].Applied Economics,2014,46(36):4455-4474.

[2]吉富星，程丽君，李枢川.我国新型农村合作医疗制度的思考——基于机制设计的视角[J].重庆理工大学学报(社会科学)，2014(9)：81-86.

[3]JIN F.Macro determinants of health expenditure in China[J].Fudan Journal of the Humanities and Social Science,2011,4(3):18-36.

[4]张羽,张晓芬.我国医疗费用不合理上升的原因探析——基于信息不对称视角[J].科技与企业,2014,1(1):15-18.

[5]何平平.医疗费用增长因素研究[M].长沙：湖南大学出版社,2012.

[6]SANTIAGO L.On the relationship between GDP and health care expenditure:a new look[J].Economic Modelling,2013,32:124-129.

[7]TOMOKO T,SHIGEYUKI H.Health-care expenditure,GDP and share of the elderly in Japan:a panel cointegration analysis[J].Applied Economics Letters,2015,22(9):725-729.

[8]SILVIA F.The impact of GDP on health care expenditure:the case of Italy (1982—2009)[J].Social Indicators Research,2015,122(2):347-370.

[9]中国卫生总费用课题组.中国卫生总费用影响因素的计量经济学分析[J].中国卫生经济,1996(12):27-28.

[10]何平平.协整分析与误差修正模型——经济增长、人口老龄化与我国医疗费用增长的实证研究[J].工业技术经济，2006,25(1)：37-41.

[11]陶春海.我国医疗费用过度增长的经济分析[J].江西财经大学学报,2010(3):11-15.

[12]刘莉云,王悦.农村人均卫生费用的影响因素研究[J].中国农村卫生事业管理,2012,32(6):553-555.

[13]王雅萱.我国医疗费用影响因素的计量研究[J].忻州师范学院学报,2015,31(2):42-45.

[14]徐长生,张泽栋.城镇化、老龄化及经济发展对我国医疗费用影响回归分析[J].中国卫生经济，2015,34(6):54-55.

[15]王肖南,黄叶金.基于VAR模型对影响我国卫生费用增长因素的实证分析[J].中国卫生经济，2015,34(6):54-55.

[16]廖宇航,黄晓玲,罗丽娟,等.海南省人均卫生费用影响因素研究[J].中国卫生经济，2014(8):58-60.

[17]曾睿.上半年重庆GDP增长11%全国第一[J].重庆与世界，2015(9):26-27.

[18]祁金华，周成超，薛青云.我国卫生总费用影响因素分析[J].中国卫生经济，2012,31(1):10-12.

[19]李子奈，潘文卿.计量经济学[M].3版.北京：高等教育出版社，2009.

(责任编辑冯军)

AnEconometricStudyontheContributoryFactorsofPerCapitalMedicalExpenditureinChongqing

LIUZhen,GUOWei,LYUZhi-chen,ZHUKai-wei

(CollegeofManagement,ChongqingUniversityofTechnology,Chongqing400054,China)

Inordertoexplorethecontributoryfactorsofregionalmedicalexpenditure,thispapertakesChongqingastheresearchobjectandadoptsthetimeseriesdatafrom1997to2014.Toanalysisthelong-termandshort-termrelationshipbetweenvariables,weusethemethodsofcointegrationanalysisanderrorcorrectionmode.Theresultsshowthatthereexistslong-termandshort-timerelationshipbetweenvariables.However，theshort-termimpactwasnotsignificant.Thereisapositivecorrelationbetweenthepercapitalincomeandpercapitalmedicalexpenditure.Meantime,thereisalsoanegativecorrelationbetweenperthousandmedicalpersonnelandpercapitalmedicalexpenditure.

medicalexpenditure;Chongqing;cointegrationanalysis

2015-11-19；

2016-08-10

刘贞(1973—)，男，河南上蔡人，教授，清华大学博士后，研究方向：可再生能源。

format：LIUZhen,GUOWei,LYUZhi-chen,etal.AnEconometricStudyontheContributoryFactorsofPerCapitalMedicalExpenditureinChongqing[J].JournalofChongqingUniversityofTechnology(SocialScience)，2016(9):69-73.

10.3969/j.issn.1674-8425(s).2016.09.011

F222.31

A

1674-8425(2016)09-0069-05

引用格式：刘贞，郭伟，吕指臣，等.重庆市人均医疗卫生费用影响因素的计量研究[J].重庆理工大学学报(社会科学)，2016(9):69-73.