农村居民医疗消费支出影响因素分析

吉 媛，蒋崧韬

（1.四川工商学院 经济与管理学院，四川 眉山 620000；2.四川大学 经济学院，四川 成都 610000）

农村居民医疗消费支出影响因素分析

吉 媛1，蒋崧韬2

（1.四川工商学院 经济与管理学院，四川 眉山 620000；2.四川大学 经济学院，四川 成都 610000）

文章采用中国1999—2014年的省际面板数据，运用双向固定效应模型分析我国农村居民医疗消费支出影响因素。估计结果表明：政府医疗卫生支出、老年抚养比、少儿抚养比、医疗消费价格指数均与农村居民医疗消费支出正相关。而G D P增长率、农村居民人均纯收入与农村居民医疗消费支出显著负相关。

医疗消费；农村居民医疗消费支出；影响因素；面板数据

改革开放以来，我国医疗卫生事业取得了长足的进步，但也存在医疗费用上涨过快、人民医疗消费支出负担过重等问题。如果居民医疗消费支出的快速上涨趋势无法得到有效的抑制，不仅会使人民群众无法正常享有健康的权利，居民快速上涨的医疗消费支出还会增加居民未来预期的不确定性，进而降低整个社会的消费率，这与党中央《关于制定国民经济和社会发展第十三个五年规划的建议》强调的“要发挥消费对增长的基础作用，着力扩大居民消费”要求不符。因此，本文将对影响我国城乡居民医疗消费支出的因素进行分析。由于我国城乡二元经济制度的存在，使得我国城乡在消费环境、消费水平以及相应的制度环境等方面存在一定的差异，本文将只针对农村居民的医疗消费影响因素进行分析。

一、农村居民医疗消费支出影响因素分析的研究设计

（一）模型设定

本文在模型设定时将农村居民医疗消费占比medratio作为被解释变量（农村居民医疗消费占比=农村居民人均医疗消费支出/农村居民人均消费支出）。由于医疗消费是居民消费中的一类，因此采用医疗消费占比能够很好的反映出农村居民医疗消费在预算约束内的变化情况，同时还避免了物价指数变动所带来的估计误差。结合农村居民消费实际情况，本文将解释变量设定如下：

medratioit农村居民人均医疗消费支出在人均总消费支出中的占比

explainvarit解释变量：

oldit省际老年抚养比

youthit省际少儿抚养比

goeit省际政府医疗卫生支出

medpricit省际医疗消费价格指数

insuratit省际医疗保险参保率

Zit其他控制变量：

inflait省际通货膨胀率（居民消费价格指数）

growthit省际年度GDP增长率

dincoit省际农村居民人均纯收入

模型中，i、t分别表示地区和年份。被解释变量medratio为各地区农村居民人均医疗消费支出在人均总消费支出中的占比。本文选取的解释标量包括：

old为各省的老年抚养比，youth为各省少儿抚养比。虽然年龄本身并不会必然引起医疗消费，但一般认为，人在少年时由于心智和身体均未发育成熟，因此自身抵抗力和抗风险能力较弱，容易引起健康状况的波动；同样随着人们年龄步入老年阶段，各项机能开始退化，这同样增加了疾病的风险。而年龄所代表的健康状况很可能会引起居民医疗消费支出的变动。本文将少儿抚养比和老年抚养比同时纳入模型解释变量，分析年龄结构对农村居民医疗消费的影响。goe为各地区政府医疗卫生支出。理论上来说，医疗消费问题实际上是全社会医疗支出成本在不同主体之间的分配问题，如果政府的医疗卫生支出增加必然会减轻公众（社会和个人）的医疗支出负担。根据既有文献的研究结论，医疗消费价格指数也是影响居民医疗消费支出的因素，此外，农村居民无论是收入水平还是消费水平相较于城镇居民都更低，因此农村居民对医疗消费价格的变动可能会更敏感，本文医疗消费价格指数变量仍为medpric。为了控制宏观因素，模型还加入了其他宏观因素控制变量，包括各省居民消费价格指数infla，用以衡量地区的通货膨胀率；各省的GDP增长率growth，以控制各地区的经济增长情况；由于多数研究都证实了收入与医疗消费支出之间存在正向关系，因此本文亦将农村居民人均纯收入变量dinco纳入了控制变量当中。

我国农村在20世纪80年代推广家庭联产承包责任制后，由于集体经济的不断衰退，原有的合作医疗保障体系也随之瓦解，因此我国广大农村实际上长期处于自费医疗的状态，直到2003年新型农村合作医疗开始试点，原有的自费医疗状态才逐步得到缓解，而新型农村合作医疗2003年开始试点后，直到2007年才在全国普及，因此农村居民新型农村合作医疗参保人数的全国数据只能从2007年后才能获得。有鉴于此，本文在分析农村居民医疗消费影响因素时亦将新农合参保率作为被解释变量，但该数据的时间跨度仅为2007—2014年。

（二）样本数据来源

根据本文的研究目的和数据的可得性，本文采用1999—2014年间中国31个省级行政单位的面板数据对模型进行估计。本文使用的数据中，除了特别说明之外，均来自中国统计年鉴或根据中国统计年鉴相关数据计算而来。其中，农村居民人均纯收入数据根据各省居民消费价格指数，以1999年为100进行了调整。此外，由于《中国统计年鉴》统计口径调整，该变量2014年数据为农村居民人均可支配收入。政府医疗卫生支出数变量goe，亦根据居民消费价格指数以1999年为100进行了调整。为了消除模型估计过程中可能出现的异方差问题，本文对政府医疗卫生支出变量goe做取对数处理。取对数后该变量用lngoe表示。本文所用数据的描述性统计如表1所示。

二、农村居民医疗消费支出影响因素实证分析过程

（一）模型参数估计

由于本文实证分析所采用的是面板数据，首先对模型采用混合回归的方式进行估计，估计结果如表3中model1所示。从model1的估计结果可以看出，老年抚养比、少儿抚养比、政府医疗卫生投入、各地区GDP增长率以及农村居民人均纯收入与被解释变量显著负相关，而医疗消费价格指数以及通货膨胀率与被解释变量显著正相关。模型估计的可决系数为0.54，调整后的为0.53。虽然model1的估计结果较为理想，且无论是变量显著水平还是模型整体显著水平都较为显著，但由于我国幅员辽阔、各地区差异较大加之本文采用的是全国31个省的面板数据进行分析，因此在对模型估计时有必要考虑对各地区之间的个体差异进行控制。而model1中由于采用的是混合回归的估计方法，未对各地区的个体差异进行控制，因此可能会导致模型估计结果的偏误。

表1 样本描述性统计

接下来，本文对模型采用固定效应回归的方法来进行估计。这一方法的优势在于可以控制那些不随时间变化但在省际之间存在差异的不可观测因素。如各省之间不同的经济发展情况、财政支出情况以及要素禀赋等的差异很可能会对被解释变量产生影响，对每一个省赋予一个截距项能够很好的控制省际之间的这些个体差异。本文中，采用固定效应的估计结果如表3中model2所示。在固定效应估计结果中，各地区的个体效应F统计量为F（30，458）=26.11，Prob＞F=0.0000。这表明模型中各地区的个体效应是显著的，在这种情况下使用混合OLS估计方法是不合适的[1]。

此外，由于面板数据模型根据估计方法对个体效应的假设不同而分为固定效应模型和随机效应模型。因此在估计面板数据时除了检验个体效应是否显著以外，还应确定是使用固定效应模型还是使用随机效应模型。本文采用Hausman检验结果来判断，其检验的基本思想为：在随机效应假设成立的前提下，固定效应和随机效应的估计结果都是一致的，但随机效应的估计结果比固定效应更有效，如果随机效应的假设不成立则固定效应的估计结果仍然是一致的，随机效应的估计结果不一致。因此可以通过判断固定效应模型估计结果与随机效应估计结果是否存在统计意义上的显著差异来判断该使用固定效应模型还是随机效应模型。本研究中的Hausman检验结果为负。根据经验判断，Hausman检验的原假设不成立，也就是说应采用固定效应对模型进行估计。为了进一步验证这一判断，本文继续在Hausman检验时运用固定效应的方差-协方差矩阵和随机效应的方差-协方差矩阵来计算卡方统计量，Hausman检验的详细结果如表2所示，表2的系列检验结果表明，应拒绝Hausman检验的原假设而选择固定效应模型。因此表3中model2选择固定效应回归来对模型进行估计是合适的。

表2 Hausman检验结果汇总表

根据表3中model2的估计结果，在加入个体效应后模型的可决系数较model1有所上升，model2中的Within-R2为0.66。而model2中的估计系数与model1也有所不同，其中老年抚养比的估计系数为0.001 6且在1%显著水平上显著；少儿抚养比的估计系数为-0.000 1但不显著；政府医疗卫生支出的系数估计值为0.01在1%显著水平上显著；医疗消费价格指数的系数估计值为0.283并在5%显著水平上显著；而在宏观控制变量中，GDP增长率、居民消费价格指数与被解释变量负相关，农村居民人均纯收入与被解释变量正相关，但宏观控制变量的估计系数均不显著。

model2所采用的固定效应模型虽然控制了样本中由不同截面所产生的不随时间变化的异质性，但由于本文所采用的数据横跨了1999—2014年十余年时间，期间中国经济体制改革仍然在不断的深入，制度的变革无论是对宏观环境还是微观个体的决策都产生着较大的影响，因此为了进一步提高模型估计的准确性，除了控制不同截面所产生的异质性以外，还应对不同时期所产生的异质性进行控制。基于此本节文在model2的基础上加入时间固定效应即双向固定效应，估计结果如表3中model3所示。双向固定效应的优点在于其不仅控制了不同截面间的异质性，还能有效的控制组内不同时期所产生的异质性。由于model3加入了时间固定效应，因此有必要对时间效应的整体显著进行检验。通过构建时间虚拟变量的F统计量，其检验结果表明（时间效应F（15，443）=5.78，Prob＞F=0.0000），时间效应整体显著。说明在模型估计时控制时间效应是合理的。表3中model3的估计结果显示，老年抚养比与少儿抚养比均与被解释变量正相关，其估计系数均在5%显著水平上显著。政府医疗卫生支出与被解释量正相关且在1%显著水平上显著。医疗消费价格指数与被解释变量正相关并在10%显著水平上显著。宏观控制变量中，各地区GDP增长率和农村居民人均纯收入与被解释变量负相关，且在5%以上显著水平上显著，而居民消费价格指数的系数估计值不显著。此外，model3的Within-R2相较于model2也有所提升，由model2中的0.66上升为0.71。随后本文在model3的基础上进行稳健性分析。

（二）稳健性分析

基于model3的估计结果，首先对模型进行异方差检验。由于本文采用固定效应估计面板数据，因此重点关注各组数据间的组间异方差问题。对于异方差的检验，此处采用White（1980）[2]的检验方法，检验结果详见表4。从表4可以看出，检验结果强烈拒绝了原假设：同方差假定，说明模型存在显著异方差问题。本文随后对模型进行了相关性检验。

根据实证研究的一般经验，面板数据在大N小T的情况下出现截面相关的可能性较大，而出现序列相关的情况相对较少。因此先采用Frees（1995）[3]的方法对模型进行截面相关检验。检验结论如表4所示，检验结果大于1%显著水平的临界值，故拒绝无截面相关的原假设，认为模型存在截面相关。最后本文根据Wooldridge（2002）[4]的方法对模型进行了序列相关检验（见表4）。检验结果无法在1%的显著水平上拒绝没有一阶自相关的原假设，因此有必要对模型的估计结果进行序列相关修正。

表4 稳健性检验结果

表3中model4的估计是在Model3的基础上进行了异方差、截面相关以及序列相关修正修正后的估计结果，model3的估计方法来自于Daniel Hoechle（2007）[5]。可以看出model4与model3相比其估计系数未发生实质性改变，仅部分估计系数的显著水平发生了改变。其中，政府医疗卫生支出的估计系数仍与被解释变量正相关，且在1%显著水平上显著。老年抚养比系数估计值的显著水平由model3中的在5%显著水平上显著上升为在1%显著水平上显著，而少儿抚养比系数的估计值的显著水平则有所下降，仅在10%显著水平上显著。同时，医疗消费价格指数变量系数估计值的显著水平也由model3中的10%上升为model4中的5%。而各地区GDP增长率的显著水平有所下降，由model3中的1%下降为model4中的5%。model4的估计结果表明，政府医疗卫生支出的增加会增加农村居民医疗消费支出，这可能是由于我国农村医疗卫生事业长期缺乏投入，导致农村居民医疗消费由于受医疗条件限制而被长期抑制，因此在政府增加对医疗卫生的投入后，农村居民原来被抑制的医疗消费需求得到释放，进而导致农村居民医疗消费支出增加。model4中老年抚养比和少儿抚养比的估计系数均为正，且不显著。这与本文之前的预判相符，65岁以上人群由于年龄步入老年阶段，各项机能开始退化，因此疾病的风险会上升；同样少年儿童由于心智和身体均未发育成熟，因此其自身抵抗力和卫生防范意识较差，也会导致患病风险的增加。由于我国农村居民的医疗消费基本为患病后的治疗支出，健康保健类消费很少，因此患病概率的增加必然导致医疗消费支出的增加。医疗消费指数的估计系数在model4中与被解释变量正相关，这表明农村居民的医疗消费支出受医疗消费价格指数的显著影响，如果医疗服务和药品的价格上升会导致农村居民医疗消费支出压力的增大。在宏观控制变量中，各地区GDP增长率和农村居民人均纯收入两个变量的系数估计值均与被解释变量负相关，且都在5%显著水平上显著，这说明随着经济的发展和农村居民收入的提高，其医疗消费支出的占比会下降。model4中的另一个宏观控制变量居民消费价格指数的系数估计值不显著。

由于居民医疗消费与政府的卫生投入息息相关，为了检验该变量对被解释变量影响的稳健性，本文在接下来的model5和model6中重点对政府卫生支出变量进行了变量替换。在model5中本文用各地区政府医疗卫生投入占比变量goeratio替换了各地区政府医疗卫生支出变量lngoe。政府医疗卫生投入占比变量由于采用了政府医疗卫生支出与政府财政总支出的比值相较于政府医疗卫生支出变量来说消除了各地区政府卫生投入在规模上的差异。从model5的估计结果可以看出，在采用了各地区政府医疗卫生投入占比变量goeratio后，该变量的估计值仍然与被解释变量正相关，且在1%的显著水平上显著。此外，model5中的老年抚养比仍然与被解释变量正相关，且在1%显著水平上显著，而少儿抚养比虽然也和被解释变量正相关但其估计系数不显著。医疗消费价格指数与被解释仍然显著正相关，各地区GDP增长率与被解释变量显著负相关，其余变量的系数估计值不显著。

由于我国统计年鉴仅公布了各地区政府医疗卫生支出的总数据，未公布各地区政府医疗卫生支出在农村和城镇的分配比例，因此本文在model6中采用各地区农村人口占比数对政府医疗卫生支出数据进行了初略的划分，并在此基础上对该变量做取对数处理，该变量用lnrugoe表示。从model6的估计结果可以看出，lnrugoe的估计系数仍然与被解释变量正相关，但并不显著。model6中老年抚养比和少儿抚养比仍然与被解释变量正相关，其估计系数分别在1%和10%显著水平上显著。医疗消费价格指数与被解释变量正相关，且在5%显著水平上显著。此外，宏观控制变量均与被解释变量负相关，且其系数估计值均显著。

从model5和model6的估计结果可以看出，虽然本文对政府医疗卫生支出的变量形式进行了替换，但该变量始终与被解释变量正相关，因此可以认为，政府医疗卫生支出的增加会使农村居民医疗消费支出增加这一结论是稳健的。

农村居民医疗消费支出除了受政府医疗卫生投入影响较大外，还受到医疗基础设施建设情况的影响。因此本文在model4的基础上加入了各地区医疗资源供给情况的变量，包括各地区乡镇卫生机构数、卫生机构床位数以及卫生人员数，估计结果如model7所示。为了消除地区间的规模差异，对上述变量均以各地区农村人口规模进行平均化处理，处理后各地区乡镇卫生机构数、卫生机构床位数以及卫生人员数分别用avhospital、avbed、avstaff来表示。各地区乡镇医疗资源供给情况的数据来自中国农村统计年鉴，由于该年鉴中北京和上海两个地区因统计口径变化导致部分年份的数据有所缺失，因此model7的样本个数较之前略少，但上述样本数据的缺失并不影响面板数据的估计。model7的估计结果显示，各地区乡镇人均卫生机构数与被解释变量正相关，并在1%的显著水平上显著。而各地区乡镇人均卫生人员数与被解释变量负相关，并在5%显著水平上显著。而各地区乡镇人均床位数的估计值不显著。这一估计结果表明，乡镇卫生机构的增加会使农村居民医疗消费支出增加。造成这一现象的原因可能是由于卫生机构的增加使得农村居民获得医疗资源的便利性得到提升，进而使原本被抑制的医疗消费需求得到释放，这与政府医疗卫生投入与农村居民医疗消费支出之间正相关的原因类似。而各地区乡镇人均卫生人员数与被解释变量负相关的原因可能是乡镇卫生人员与原来农村医疗保障体系中的“赤脚医生”类似，在解决农村居民常见的医疗需求时，其成本必然低于正规的医疗机构。从宏观层面看，在患病概率既定的情况下，农村居民日常的医疗消费需求仍然集中于常见疾病的预防和治疗。而乡镇卫生人员的增加可以使农村居民所面对的大量常见疾病能够就近低价的购买到其需要的医疗服务，进而降低了农村居民的医疗消费支出。

最后，由于我国从2003年开始在农村推广新型农村合作医疗，根据既有文献的研究结论，医疗保障制度的建立对居民医疗消费具有显著影响。因此在分析农村居民医疗消费影响因素时有必要将新型农村合作医疗这一因素纳入模型之中。本文选择的变量是各地新农合参合率，即各地区新农合参合人数与农村常驻人口的比值。加入新农合参合率变量后的模型估计结果如model8所示。我国新型农村合作医疗虽然于2003年开始试点，但直到2007年才在全国普及，因此model8所使用的数据其时间跨度仅为2007—2014年。此外，由于天津、山东和广东部分年份的新农合参合人数数据缺失，model8的样本观测值为227个。由于本文是从宏观的角度分析农村居民人均医疗消费支出的影响因素，因此model8中样本观测值的缺失不会对模型的估计结论产生实质性影响。model8的估计结果显示，政府医疗卫生支出变量与医疗消费价格指数仍然与被解释变量正相关且在1%显著水平上显著。老年抚养比与被解释变量显著正相关，而少儿抚养比的系数估计值不显著。而model8中新加入的新农合参合率变量与被解释变量正相关，且在1%显著水平上显著。这表明医疗保障体制的加入也会使农村居民的医疗消费支出增加。作者认为，造成这一现象的原因很可能是农村居民由于收入水平偏低，使得部分医疗消费需求得不到满足，而新农合的推广使得农村居民医疗支付水平有了一定的提升，因此原本被限制的医疗消费需求得到了释放，进而使农村居民人均医疗消费支出增加，这点与政府医疗卫生投入与被解释变量正相关的原因类似。model8中各地区GDP增长率变量、农村居民人均纯收入变量以及居民消费价格指数变量均与被解释变量显著负相关。而医疗资源供给变量，包括各地区乡镇人均卫生机构数、卫生机构床位数以及卫生人员数变量的系数估计值均不显著。由于model8中加入的变量较多，有必要对model8各变量间是否存在严重的多重共线性进行检验。Modl8中各变量的膨胀因子如表5所示。

由表5可以看出，model8中各变量的 VIF最大值为3.28，全部变量的VIF平均值为2.26，因此可以认为模型不存在严重的多重共线性。

表5 model5中各变量膨胀因子

三、结论与讨论

从model4的估计结果可以看出，政府医疗卫生的投入变量估计系数为0.012，且在1%显著水平上显著，这表明政府医疗卫生支出与农村居民医疗消费正相关。本文在model5和model6中分别采用各地区政府医疗卫生投入占比数据和经过各地区农村人口占比数调整后的政府医疗卫生投入数据作为政府医疗卫生投入的代理变量来对模型进行估计。其中，model5中的政府医疗卫生投入占比数据的系数估计值为0.419，且在1%显著水平上显著；而model6中经过各地区农村人口占比数调整后的政府医疗卫生投入数据仍与被解释变量正相关，但并不显著。

老年抚养比变量和少儿抚养比变量在model4中均与被解释变量正相关，并分别在1%和10%显著水平上显著。说明年龄结构的变化对我国农村居民医疗消费支出是有显著影响的，具体来说，老年抚养比和少儿抚养比的上升会导致农村居民医疗消费支出的增加。这与本文之前的假设相符。而在年龄结构变量中，老年抚养比在model5-model8中的系数估计值均显著，而少儿抚养比的系数估计值仅在model6中显著。

医疗消费价格指数在 model4中的参数估计值为0.021，并在5%显著水平上显著。这说明医疗消费价格指数的上升会导致农村居民医疗消费支出压力的增加。一般来说，商品价格上升会降低对该商品的需求，但医疗消费品不是一般的商品，其存在不确定性和紧迫性的特点，一旦居民产生了医疗消费的需求，只要其预算允许，就会优先满足医疗消费需求，而这时居民只能通过挤占其他消费需求预算的方式来满足医疗消费需求。从本文的估计结果来看，医疗消费价格指数的系数值在model1-model8中均与被解释变量显著正相关，因此医疗消费价格指数上升会导致农村居民医疗消费支出压力提高这一结论是相对稳健的。

从model4的估计结果来看，本文所选取的宏观控制变量中，各地区GDP增长率变量和农村居民人均纯收入变量与被解释变量显著负相关。这表明，随着经济的发展和农村居民收入的增加，农村居民医疗消费支出的占比会降低，医疗消费品更倾向于是必需品。由于各地区GDP增长率变量在model5-model8中均显著，而农村居民人均纯收入变量在model5-model8的估计中除了model5中的系数估计值不显著外其余均显著，因此，本文关于各地区GDP增长率变量和农村居民人均纯收入变量与被解释变量负相关的结论是相对稳健的。

本文在model7中加入了医疗资源供给情况的变量，包括各地区乡镇人均卫生机构数、人均卫生机构床位数以及人均卫生人员数。从model7的估计结果来看，乡镇人均卫生机构数的系数估计值为0.011，并在1%显著水平上显著。各地区乡镇人均卫生人员数的系数估计值为-0.000 3，并在5%显著水平上显著。而各地区卫生机构床位数的系数估计值不显著。此外，本文在model8中加入的新农合参合率变量的系数估计值为0.005，并在1%显著水平上显著。

通过对表3中model1-model8的估计结果分析，本文得出以下结论：

第一，我国农村居民医疗消费支出影响因素中国家政策扮演着重要角色。从表3的估计结果来看，政府医疗卫生支出无论是取对数形式还是采用与政府财政总支出比值的形式，其估计结果均与被解释变量显著正相关。这表明，我国农村居民人均医疗消费支出的增加与政府医疗卫生投入增加有关。从医疗资源供给情况的角度来看，各地区乡镇人均医疗机构数与被解释变量显著正相关，而人均卫生人员数与被解释变量显著负相关。除此之外，新型农村合作医疗参合率的系数估计值也显著为正。无论是国家医疗卫生投入、各地区乡镇医疗资源的供给还是新农合参合的推广都是由政府主导并受国家政策选择影响的，换言之，全社会的医疗成本在国家、社会以及个人之间分配的过程必然为国家政策选择所主导，Getzen（1992）的研究也持有类似观点。

第二，年龄结构的变化对农村居民医疗消费支出也会产生影响。根据表3中的估计结果，老年抚养比和少儿抚养比对我国农村居民人均医疗消费支出有显著影响，其中老年抚养比的系数估计绝对值较少儿抚养比更大，显著水平也更高。这意味着，随着我国农村老龄化程度的提高，医疗消费负担将会加重。

第三，经济发展水平的提高和农村居民收入的增加会降低农村居民医疗消费支出的占比。从本文模型的估计结果来看，各地区GDP增长率变量和农村居民人均纯收入变量均与被解释变量显著负相关，这表明，医疗消费之于农村居民是必需品而非奢侈品。

第四，农村居民医疗消费需求将有一个释放的过程。从本文模型的估计结果来看，农村居民由于受医疗服务的可及性和便利性的制约其医疗消费需求被长期抑制。随着我国农村社会保障体系的进一步健全以及国家对医疗卫生事业的持续投入，农村居民的医疗消费需求将由原来的被抑制转变为逐步被释放。此外，由于农村居民消费往往受城镇居民消费示范作用的影响，现阶段我国农村居民医疗消费水平在质和量上均与城镇居民存在一定差距。因此，可以预见，随着我国经济社会的发展我国农村居民的医疗消费需求将出现一个快速增长的过程。农村居民医疗消费需求的快速增长过程必然对农村居民的整体消费需求产生一定的冲击。此外，由于消费需求对资源配置具有引导作用，农村居民占我国人口一半以上，因此如何通过宏观调控对农村医疗资源和医疗市场进行优化，从而满足广大农村居民的基本医疗服务需求，避免由于供需失衡造成农村医疗市场的大幅波动，是我国政府在制定宏观经济政策时需要考虑的问题。

[1]Christopher F.Baum.An introduction to Modern Econometrics Using Stata[M].Stata Press，2006：224.

[2]White H.A heteroskedasticity-consistent covariance matrix estimator and a direct test for heteroskedasticity[J].Econometrica，1980，48（4）：821-827.

[3]Rafael.D.Hoyos，Vasilis Sarafidis（2006）.Testing for Cross-Sectional Dependence in Panel-Data Models STATA JOURNAL，2006（2）：6（4）：488-496.

[4]Wooldridge，J.M.（2002）.Econometric Analysis of Cross Section and Panel Data.Cambridge，Massachusetts：The MIT Press：319-320.

[5]HOECHLE D.Robust standard errors for panel regressions with crosssectional dependence[J].Stata Journal，2007，7（3）：282-285.

（责任编辑：D 校对：T）

F323.89

A

1004-2768（2017）04-0037-06

2017-01-17

吉媛（1981-），女，重庆人，博士，四川工商学院经济与管理学院讲师，研究方向：宏观经济学；蒋崧韬（1982-），男，四川成都人，四川大学经济学院博士研究生，研究方向：政治经济学。吉媛为通讯作者。