人口流动对地方医疗卫生支出影响的实证分析——基于空间面板模型

史桂芬，王 佳

(东北师范大学 经济学院，吉林 长春 130117)

人口流动对地方医疗卫生支出影响的实证分析
——基于空间面板模型

史桂芬，王 佳

(东北师范大学 经济学院，吉林 长春 130117)

在劳动力大规模流动的背景下，随着流动人口家庭化、高龄化特征的加强，医疗卫生服务成为流动人口最关心的公共服务之一。本文将采用2007—2014年省际面板数据，通过构建具有固定效应的空间面板模型，从全国、人口流入地区和人口流出地区三个角度实证分析人口流动对地方政府人均医疗卫生支出的影响。结果表明，一方面人口流入地和人口流出地的人均医疗卫生支出均呈现显著增加趋势；另一方面空间自相关系数显著不为0，相邻省份间存在空间溢出效应。

人口流动；医疗卫生支出；空间面板模型

尊重人口流动背后的经济规律，实现以人为主体的公共服务供给是中国城镇化健康可持续发展的需要，也是补足中国经济发展短板、提高社会福利水平的重要举措。受经济体制和户籍制度因素影响，改革开放前除国家政策要求外，自发性人口流动现象甚微。改革开放后，伴随着工业化和城镇化的推进，流动人口规模快速上升，2015年已达2.47亿人，较1982年增长37倍，约占总人口的六分之一①《中国流动人口发展报告2016》。，对不同地区公共服务需求产生了明显的差异化影响，表现为人口流入地公共服务需求增加及人口流出地需求的减少。而流动人口结构的变化，也必将对地方公共服务需求结构特征产生进一步的影响。一方面流动人口老龄化趋势增强，高龄化问题突出，总体健康水平下降，患有慢性病比例高达22%；另一方面儿童抚养比增长较快，2015年为56.6%，较2010年上升29.1%，引起医疗卫生服务需求的快速增加。而在我国现行体制下，受地方政府财力限制及官员考核机制影响，地方医疗卫生支出和服务供给体制不能适应人口跨地区迁移趋势，医疗卫生服务供需出现空间不匹配问题②陆铭.供求的空间匹配[J].上海国资，2016(1)：17.。“以人为本”的城镇化思想及供给侧改革的本质要求各地区应依据常住人口配置城镇基本医疗卫生服务资源③《国家新型城镇化规划(2014—2020)》。，打破传统的依靠户籍制度的医疗卫生供给机制。因此，探求人口流动对不同地区医疗卫生支出的影响，进而根据人口规模配置医疗卫生资源，实现医疗卫生服务供需空间匹配是亟待解决的关键问题，也是深化供给侧改革，实现城镇化健康可持续发展的重要保障。

本文的基本结构安排如下，第一部分对国内外研究现状进行回顾与梳理；第二部分为理论模型的构建与数据说明；第三部分为实证分析，通过相关检验确定空间面板模型类型，进而得到实证结果并进行分析；第四部分为本文的结论与对策建议。

一、文献综述

早在19世纪80年代，Ravenstein[1]167-235利用英国人口迁移的普查数据对人口迁移的特征与影响因素进行分析，他认为人口迁移常表现为阶梯形迁移，即乡村人口迁往大商业中心，且主要受距离、迁移成本、性别、年龄、经济发展水平等因素的影响。在我国，改革开放前受计划经济体制与户籍管理体制的影响，1982年全国流动人口数仅为657万，占总人口的0.66%[2]30-43。改革开放后，我国流动人口规模不断扩大，2010年增长到22 143万，占总人口的16.53%*中国2010年人口普查资料。，从流动范围看，主要以跨省流动为主[3]1-7，具体表现为流动人口多从经济水平较低的中西部人口大省流向经济发展水平较高的东部沿海地区[4]4-11[5]129-137；从流动人口结构来看，男性比重较大，且受教育程度普遍较低。究其原因，国内外学者均认为影响人口流动的决定性因素是经济要素，具体包括：经济发展水平、就业机会、收入差距等。而部分学者则基于Tiebout[6]416-424的“用足投票”理论，认为地方公共服务水平是影响人口流动的重要因素[7]380-392[8]40-50[9]61-79。其中Janeba、Petters用两阶段博弈模型对国家间税收竞争进行分析，发现税收竞争将会降低公共品的支出，使得公共服务的质量下降，进而影响人们的迁移意愿。也有学者发现地区福利支出增加对人口迁移有显著影响，且两者呈正相关关系。

Schultz从成本—效益角度出发，发现不同地区的社会、经济因素推动了人口流动，而人口流动也在一定程度上影响地区社会、经济格局。我国大规模人口流动在加速中国城镇化水平的同时，还会促使各地经济增长趋同，地区差异缩小[10]82-89，但部分学者认为，两者之间并没有显著关系，甚至还会导致地区差异扩大，给地区经济增长造成负面影响。加之流动人口规模的扩大及家庭化特点的突出，必然对地方政府公共服务提出更高的要求。在流动人口平均年龄不断上升、家庭化迁居趋势突出的背景下，地方政府医疗卫生支出相对不足，因此，受户籍制度的影响，人口的流入会降低当地医疗卫生服务的供给水平与社会总福利效用[11]87-101[12]41-53。采用广义最小二乘法(GLS)对我国人口流动与地方公共品供给的拥挤效用进行分析结果表明，地方政府在文教卫服务的支出相对居民需求还比较滞后。同时，李成宇、史桂芬等(2016)发现居民对医疗卫生的需求偏好较大，并认为地方政府应加大医疗卫生支出。

综上所述，我国大规模的人口流动必然会给流入地、流出地医疗卫生支出的有效性带来多重影响，但国内外学者的研究多集中于分析人口流动对流入地医疗卫生支出的影响，而研究人口流动对流出地医疗卫生支出影响的文献较少。同时，随着流动人口规模的不断扩大及其老龄化趋势不断加强，其对医疗卫生服务的需求也不断增加，进而研究人口流动对医疗卫生支出的影响从而实现医疗卫生供需的空间匹配具有重要意义。从研究方法上看，多数学者运用普通面板模型进行估计，但人口流动具有明显的空间溢出效应，因此，本文采用2007—2014年我国省际面板数据，通过构建空间面板模型，从全国、人口流入地区和人口流出地区三个角度实证分析人口流动对地方政府人均医疗卫生支出的影响。

二、模型设定及数据说明

(一)空间面板模型的设定

空间计量模型中具有三种不同的交互效应：被解释变量(Y)之间存在的内生交互效应、解释变量(X)之间的外生交互效应和误差项(ε)之间的交互效应。具有所有交互效应的模型作为一般的嵌套空间模型(GNS)。具体结构如下：

Y=δWY+ατN+Xβ+WXθ+u

(1)

u=λWu+ε

其中W为N×K阶对角线元素为零的非负矩阵，即空间权重矩阵；Y为N×1阶向量的被解释变量，δ为空间自回归系数，λ为空间自相关系数，u是一个N×1阶单位向量，α和θ为K×1阶未知的待估计参数，X为N×K阶解释变量矩阵，ε为N×1阶干扰项向量，且满足零均值同方差条件。

在此基础上常见的模型有空间杜宾模型(SDM)、空间滞后模型(SAR)、空间误差模型(SEM)。其中空间杜宾模型具有内生交互效应和外生交互效应，空间滞后模型仅具有外生交互效应，空间误差模型仅具有误差项之间的交互作用。具体形式如下：

1.当模型(1)中的λ=0时：

Y=δWY+ατN+Xβ+WXθ+ε空间杜宾模型

(2)

2.当模型(1)中的λ=θ=0时：

Y=δWY+ατN+Xβ+ε空间滞后模型

(3)

3.当模型(1)中的δ=θ=0时：

Y=ατN+Xβ+u空间误差模型

(4)

u=λWu+ε

空间面板模型首先要判断收集的数据间是否存在空间上的交互作用，国内文献多采用拉格朗日乘数检验[13]267-284[14]1-17，及稳健的拉格朗日乘数检验；其次分析检验统计的结果确定模型的形式是SAR或SEM，若无法判断模型形式，则需进一步建立SDM模型，通过观察Wald检验统计量的结果确定模型形式；最后通过Hausman检验判定选取随机效应模型或固定效应模型。

(二)数据说明

本文将利用2007—2014年全国30个省份的面板数据*由于西藏数据缺失，因此本文将其舍弃。，通过实证模型分析人口流动和医疗卫生支出之间的关系。其中，被解释变量为人均医疗卫生支出，解释变量分别为：流动人口、常住人口数、人口密度和城镇化率。然而关于人口流动指标的衡量并不唯一[12]41-53，采用移民率*移民率=1-住本乡、镇、街道，户口在本乡、镇、街道的人口数/抽样人口数。[8]40-50，采用净迁移人口*净迁移人口=当年常住人口-上一年常住人口-当年人口自然增长率×上一年常住人口。[11]87-101，采用常住人口和户籍人口之比*RPR=常住人口/户籍人口。RPR大于1表示流入地；RPR小于1表示流出地。，在此基础上，本文为凸显流入、流出地的流动人口规模，将采用常住人口数与户籍人口数之差作为衡量人口流动变量的指标。人口密度指单位面积土地上居住的人口数，城镇化率为当年城镇人口与总人口之比。空间权重矩阵W，相邻省份取值为1，不相邻省份取值为0。以上数据均来自《中国统计年鉴》(2008—2015)及《中国人口和就业统计年鉴》(2008—2015)。

如图1，描述了全国30个省市人口流入地、人口流出地的分布情况，主要表现为沿海地区多为人口流入地。本文按照9年流动人口数均值的正负将全国30个省市分为人口流入地和人口流出地，基于此本文将全国30个省份分为两组：即人口流入地区(16个)和人口流出地区(14个)*人口流入地区：北京、天津、山西、内蒙古、辽宁、吉林、黑龙江、上海、江苏、浙江、福建、山东、广东、云南、青海、新疆；人口流出地区：河北、安徽、江西、河南、湖北、湖南、广西、海南、重庆、四川、贵州、陕西、甘肃、宁夏。。其中由于西藏数据缺失，最终得到N为30，T为9的共1 350 个观察值的平衡面板数据。

图1 全国30个省人口流入地、人口流出地分布

三、实证结果分析

空间面板模型首先通过LM检验，或者稳健的LM检验来确定数据间是否存在空间交互效应；其次通过Hausman检验来确定模型中应包含固定效应还是随机效应；最后将从全国、人口流入地区和人口流出地区三个角度分别进行空间面板模型估计。

表1所示为不包含空间依赖性的传统面板回归估计结果。本文对混合模型、个体固定效应模型、时间固定效应模型和个体时间固定效应模型分别进行回归，观察(稳健的)LM空间滞后检验统计量和(稳健的)LM空间误差检验统计量的结果确认模型的形式。

表1 不包含空间依赖性的传统面板回归估计结果

注：***、**、*分别表示显著性水平为1%、5%和10%；同时括号内的值为t值。

为了检验数据中的空间交互效应，Burridge[13]267-284和Anselin[14]1-17提出了对空间滞后被解释变量和空间误差自相关进行检验的拉格朗日乘子(LM)检验法，及Anselin et al.[15]77-104提出了稳健的LM检验。两者都是基于具有(或没有)空间固定效应和时间固定效应的非空间模型的残差，它服从χ2分布，相应检验值如表1所示。

从回归结果来看：首先，LM空间滞后检验统计量在混合模型和个体固定效应模型中均在1%显著水平下显著，在时间固定效应模型及个体时间固定效应模型中不显著；稳健的LM空间滞后检验统计量在混合模型、个体固定效应模型中均在1%显著水平下显著，个体时间固定效应模型则在10%显著水平下显著，时间固定效应模型则不显著。其次，LM空间误差检验统计量在混合模型、个体固定效应模型中均表现在1%显著水平下显著，而在时间固定效应模型及个体时间固定效应模型中不显著；稳健的LM空间误差检验统计量在个体固定效应模型在1%显著水平下显著，个体时间固定效应模型在5%显著水平下显著，而混合模型及时间固定效应模型均不显著。最后，具有个体固定效应的模型和具有时间固定效应的模型的R2均比混合模型大。因此，从检验结果可以看出，变量存在空间溢出效应，该样本适用空间面板模型进行实证研究。通过表1回归结果进行分析可知，虽然样本存在空间交互作用，但无法判定模型的形式是空间自回归模型(SAR)还是空间误差项模型(SEM)。为了进一步确定空间面板模型的形式，还需采用同时含有因变量和自变量空间滞后作用的空间Durbin模型(SDM)进行估计，结果显示为Wald检验统计量分别为6.827 4(0.145 3)和5.198 1(0.267 6)，即不显著，说明SDM模型既可以简化为SAR模型也可以简化为SEM模型。但从表1的结果中可以发现SEM模型比SAR模型更显著，因此采用空间误差模型(方程4)可以更好反映我国流动人口是如何通过空间效应影响其他地区的。空间误差模型(SEM)的空间依赖作用存在于误差项中，即描述的是某地区的误差冲击对其他地区行为的影响，具体形式如下：

yit=Xitβ+uit

(5)

其中，yit为被解释变量(人均医疗卫生支出)，描述了x对y的影响，λ为空间误差相关系数，即度量相邻地区被解释变量的误差冲击对本地区观察值的影响程度，w为二进制的地理空间权重矩阵，即相邻地区权重取1，否则取0，且设定地区与自身的权重取0，描述了地区间误差项之间的相关性，εit为正态分布的随机误差项。

表2 具有固定效应的空间误差模型估计结果

注：***、**、*分别表示显著性水平为1%、5%和10%；同时括号内的值为t值。

首先，从全国角度来看，由于Hausman检验统计量为-14.039 3，P值为0.015 4。当Hausman检验统计量为负数时表明原假设不合理，即此时应采用具有固定效应的模型进行估计[16]394-405。同理，流入地区与流出地区也应采用具有固定效应的SEM模型进行估计。其实证结果如表2中第二列所示。

结果表明：(1)从全国角度来看，人口流动对人均医疗卫生支出的影响显著为正(0.103 4)，且在5%的显著水平下通过检验，这说明随着流动人口的增加，人均医疗卫生支出随之增加，即流动人口在一定程度上影响了地方政府医疗卫生支出；(2)常住人口对人均医疗卫生支出有着显著为负(-0.191 7)的影响，说明随着常住人口的增多，地区居民医疗卫生服务质量下降，但同时人口密度及城镇化率对人均医疗卫生支出的影响则不显著；(3)空间误差相关系数(λ)在1%的显著水平上为正(0.933 9)，这表明相邻省份间存在显著的空间交互效应，即空间溢出效应是我国地方政府提供医疗卫生服务中不可忽视的重要因素。但由于本文人口流动指标的数据有正有负，因此将全国30个省份分为人口流入地区和人口流出地区做进一步回归分析。

其次，从流入地区与流出地区角度来看，本文将全国30个省份按照流动人口指标的正负分为人口流入地区和人口流出地区。其中就人口流出地区的云南省和人口流入地区的海南省而言，在地区的空间权重矩阵中其行与列的元素均为零，表示在小组里没有与云南省和海南省相邻的地区，因此本部分将云南省和海南省相关数据舍弃后再进行估计。估计结果如表2中第三、四列所示。

结果表明：(1)人口流入地区及人口流出地区两个实证模型的R2值分别为0.751 1、0.937 4，两者均大于全国R2值(0.262 2)，且近乎为1，说明模型对观测值拟合程度较高；(2)从人口流入地区估计结果来看，一方面人口流动对人均医疗卫生支出的影响在1%显著水平显著，且系数为正(0.640 6)，表明流入地区地方政府有效调整医疗卫生支出规模，使得人均医疗卫生支出随流入人口数量的增加而增加；另一方面城镇化率指标在1%的水平上显著为正(30.503 1)，这说明随着地区城镇化水平的不断提高，地方政府医疗卫生支出不断增加；(3)从人口流出地区估计结果来看，一方面人口流动对人均医疗卫生支出的影响系数在5%水平下显著为负(-0.122 6)，但由于人口流出地区人口流动指标数据为负，因此说明随着流出人口的不断增加(即人口流动指标数值不断减少)，人均医疗卫生支出增加；(4)两个模型中的空间误差相关系数(λ)均在1%的显著水平上为正(0.652 9、0.659 0)，这表明人口流入地区与人口流出地区的人均医疗卫生支出及流动人口数均存在显著的空间交互特征。

四、结论及建议

伴随中国城镇化的快速发展，人口大规模流动已成显著特征，为贯彻“以人为本”的新型城镇化思想，研究流动人口的医疗卫生服务供给问题具有重要的现实意义。传统的面板模型忽略了中国相邻地区间的交互影响，因此，本文通过构建具有固定效应的空间误差模型，在考虑地区间溢出效应的基础上，分析各省2007—2014年人口流动对人均医疗卫生支出的具体影响，得到以下结论：

第一，从人口流入地区角度来看，人口流入会带来地方人均医疗卫生支出的增加，表明地方政府在医疗卫生支出方面已按要求调整支出规模，在医疗卫生服务均等化方面取得显著成果。第二，从人口流出省份角度来看，流出人口的增加使得地方人均医疗卫生支出显著增加，说明人口流出省份的地方政府在医疗卫生服务供给职能履行的缺位问题较严重，致使医疗卫生服务供给过剩，财政支出低效，造成一定的资源浪费。第三，空间误差相关系数(λ)显著不为零，说明我国相邻省份间人均医疗卫生及流动人口均存在显著空间交互效应，即存在外部效应。

在人口流动背景下，本文的研究结论对地方政府调整医疗卫生支出规模，实现资源有效配置及完善政府考核机制有一定的政策启示。首先，财政体制改革方面，中央政府应加强地区间的横向转移支付力度[12]41-53，以缓解人口流入地政府的财政支出压力，确保居民的公共服务水平，并提高财政资金的使用效率。其次，改革和完善我国现有的地方官员考核制度，将反映居民福利的公共服务供给效率作为考核的重要指标，减少地方官员在资源配置上的扭曲现象。

[1] Ravenstein E G.The laws of migration [J].Journal of the Statistical Society of London，1885，48(2).

[2] 段成荣，杨舸，张斐，等.改革开放以来我国流动人口变动的九大趋势[J].人口研究，2008(11).

[3] 段成荣，袁艳，郭静.我国流动人口的最新状况[J].西北人口，2013(6).

[4] 王桂新，潘泽瀚.我国流动人口的空间分布及其影响因素——基于第六次人口普查资料的分析[J].现代城市研究，2013(3).

[5] 刘晏伶，冯健.中国人口迁移特征及其影响因素——基于第六次人口普查数据的分析[J].人文地理，2014(2).

[6] Tiebout C M.The Pure Theory of Local Expenditure [J].Journal of Political Economy，1956(64).

[7] Boadway R.On the Method of Taxation and the Provision of Local Public Goods: Comment[J].American Economic Review，1980(70).

[8] 董理，张启春.我国地方政府公共支出规模对人口迁移的影响——基于动态空间面板模型的实证研究[J].财贸经济，2014(12).

[9] 杨菊华.中国流动人口的社会融入研究[J].中国社会科学，2015(2).

[10] 王金营，李庄园.快速成长城市流动人口对财政支出规模影响研究——以宁波市为例[J].财政研究，2015(12).

[11] 甘行琼，刘大帅，胡朋飞.流动人口公共服务供给中的地方政府财政激励实证研究[J].财贸经济，2015(10).

[12] 付文林.人口流动、增量预算与地方公共品的拥挤效应[J].中国经济问题，2012(1).

[13] Burridge P.On the Cliff-Ord test for spatial autocorrelation among regression residuals[J].Geographical Analysis，1980(4).

[14] Anselin L.Lagrange Multiplier Test Diagnostics for Spatial Dependence and Spatial Heterogeneity[J].Geographical Analysis，1988，20(1).

[15] Anselin L，Bera A K，Florax R，et al.Simple diagnostic tests for spatial dependence[J].Regional Science & Urban Economics，1996，26(1).

[16] Schreiber S. The Hausman test statistic can be negative even asymptotically[J]. JahrbücherfürNational?konomie und Statistik，2008，228(4).

[责任编辑：秦卫波]

AnEmpiricalAnalysisoftheImpactofPopulationFlowonLocalMedicalExpenditure——Based on Spatial Panel Model

SHI Gui-fen，WANG Jia

(School of Economics，Northeast Normal University，Changchun 130117，China)

In the context of large-scale labor mobility，medical and health services have become one of the most popular public services of the floating population as the floating population has become family and aging.In this paper，the spatial panel model with fixed effect is constructed from 2007 to 2014，and the impact of population flow on the per capita medical and health expenditure of local governments is analyzed from three perspectives: national，population inflow area and population outflow area.The results show that there are significant increases in the per capita medical and health expenditure on the one hand and the population outflow area.On the other hand，the spatial autocorrelation coefficient is not zero，and there is a spatial spillover effect between adjacent provinces.

Migration；Medical and Health Expenditure；Spatial Panel Model

10.16164/j.cnki.22-1062/c.2017.05.004

2017-05-12

国家社会科学基金项目(15BJY138)。

史桂芬(1972-)，女，吉林长春人，东北师范大学经济学院教授，博士；王佳(1993-)，女，黑龙江齐齐哈尔人，东北师范大学经济学院硕士研究生。

F812.45

A

1001-6201(2017)05-0025-06