我国城乡居民因病返贫风险的动态变化及其影响因素

张永凯, 杨春月

(1.兰州财经大学农林经济管理学院; 2.兰州财经大学经济学院,甘肃 兰州 730020)

2020年我国实现消灭绝对贫困的目标，意味着我国贫困问题彻底由绝对贫困转变为相对贫困，2020年后将形成以相对贫困为核心的新贫困格局[1]。党中央和国务院提出必须将返贫防范摆在重要位置。我国农村常见返贫类型主要包括因病返贫、因学返贫、因劳动力弱返贫和因灾返贫等。其中，因病返贫已成为我国贫困人口产生和存在的主要原因[2]。鉴于此，应将因病返贫作为解决相对贫困的主攻方向。而要建立解决相对贫困的机制，就要了解城乡居民在稀缺资源配置下的决策行为。通过厘清城乡居民的健康水平和相对贫困的关系，以及关注城乡居民健康行为的偏好倾向，进一步探析我国城乡居民因病返贫风险的动态变化及其影响因素，这对于巩固脱贫攻坚成果具有重要的现实意义。

一、文献综述与问题的提出

因病返贫是指通过其他途径摆脱贫困，却因疾病发生重新陷入贫困状态[3]。而风险是指一切自然存在和社会存在相对于人的生存和发展而言可能形成的一种可能性[4]。因此，本研究将因病返贫风险定义为人类因受到疾病的冲击而难以满足最低生活需求的可能性。

国内外学界关于因病返贫风险的研究主要集中在因病返贫的致因、测度和治理等3个方面。具体来说：(1)因病返贫的致因。从主体来看，罗楚亮和刘建研究发现，家庭规模、家庭中不健康人数的变化、亲属朋友的非正式支持、收入结构变动等是因病返贫的重要影响因素[5-6]；从客体来看，肖泽平等研究发现，经济的脆弱性、政策体制不配套、公共服务资源(如医疗、养老等社会保障)供不应求所形成的路径依赖等是因病返贫的根本原因[7]；从载体来看，郑瑞强等研究发现，脱贫人口赖以生存的贫瘠的资源禀赋受生态保护政策制约，会增加返贫风险[8]。(2)因病返贫的测度。如贾海彦通过考察医疗支出是否达到大病风险阈值来考察贫困与健康的累积循环因果关系[9]；王怡欢等研究2018年我国农村贫困家庭灾难性卫生支出，发现家庭规模小、老年人口多和罹患慢性病的农户更容易发生灾难性卫生支出，从而增加因病返贫风险[10]。(3)因病返贫的治理。从宏观层面来看，大部分学者认为卫生医疗保障有利于降低因病返贫风险，而部分学者则认为卫生医疗保障将增加因病返贫风险。如汪三贵等研究发现，健康扶贫可以降低居民的健康脆弱性和经济脆弱性[11]；赵美英等研究发现，医疗保障和医疗救助有效减轻了健康扶贫对象的医疗费用负担[12]；丁军等研究发现，加强基础设施建设、完善扶贫资金筹措渠道和发展农村公共卫生事业等是遏制因病返贫的重要保障[13]；而Wagstaff等研究中国医保政策时则发现，补贴医疗虽然有助于提高医疗资源的使用率，但对居民医疗支出并没有明显的减少作用[14]；谷秀云等通过构建脱贫户返贫风险体系展开研究，发现健康兜底保障政策的脱贫效用呈边际效用递减，“输血式”帮扶返贫风险更大[15]。从微观层面来看，学界普遍认同提升居民可持续生计能力等能有效降低因病返贫风险。如吴本健等研究2018年全国少数民族脱贫家庭返贫风险，发现提高少数民族脱贫家庭的自然资本变现能力，以及提高电视和网络的可获得性，有助于防控脱贫户的返贫风险[16]；胡斌武等研究我国后脱贫时代的返贫风险，发现加强职业教育培训可以有效降低贫困代际传递和返贫风险[17]；万良杰等研究2019年广西省部分建档立卡已脱贫的边缘家庭与未建档立卡的贫困家庭的返贫风险，发现关注返贫子女求学、成长与就业，预防高消费等，有助于降低返贫风险[18]。

综上所述，学界关于因病返贫的内在机制尚未达成共识，但普遍认同因病返贫对脱贫具有阻碍作用。既有文献主要从整体上定性分析返贫风险，或从某一时点出发考察贫困与健康的累积循环因果关系，鲜有文献分析城乡居民因病返贫风险的动态变化。因此，对因病返贫风险进行预测，分析因病返贫风险的影响因素并有针对性地提出减少因病返贫风险的对策具有较强的实践意义。鉴于此，本研究在识别因病返贫风险影响因素的基础上，构建双变量Probit模型对我国城乡居民的因病返贫风险进行动态分析，并建立因病返贫风险预警防范机制，以期为解决相对贫困问题提供借鉴。

二、研究方法与数据来源

(一)研究方法

为了探究我国城乡居民因病返贫风险的动态变化，假设城乡居民第t期的健康水平与第t+n期的健康贫困相关，且因为因病致贫和因病返贫通常是密切相关的，若对这2个变量分开建模，则可能会损失效率，所以引入因病致贫，采用看似不相关的双变量Probit模型估计2010—2018年我国城乡居民因病返贫风险的动态变化及其影响因素。具体计量模型为：

(1)

(2)

给定第t期的健康贫困，各因素对第t+n期健康贫困的影响为：

(3)

将公式P=(Yt+n=1|Yt=1,Xt,Xt+n)，即P11，记为两期持续发生健康贫困；P=(Yt+n=0|Yt=0,Xt,Xt+n)，即P00，记为两期都未发生健康贫困;P=(Yt+n=0|Yt=1,Xt,Xt+n) ，即P01，记为第t期未发生健康贫困，第t+n期发生健康贫困;P=(Yt+n=1|Yt=0,Xt,Xt+n)，即P10，记为第t期发生健康贫困，第t+n期实现脱贫。

利用Probit模型的平均边际效应对城乡居民第t期的健康水平和第t+n期的健康贫困的关系进行验证，即对公式(1)和公式(2)进行验证，一般表示为：

(4)

因病返贫的实质是贫困与健康的累积循环因果关系，即可能存在反向因果关系。内生性问题主要来自于遗漏变量、测量误差、反向因果和样本自选择。在实证分析中，存在内生性问题将会导致估计结果的回归系数有偏且不一致，ivprobit模型和两步法是目前学界公认的检验二值选择模型最有效的2种方法，且两步法更适用于多个内生变量的情形[19]。鉴于此，本研究采用两步法来检验内生性问题, 实证分析统一采用Stata 14.0软件完成。构建的模型如下：

(5)

(6)

(7)

(二)变量选择

本研究将变量分为被解释变量、解释变量和控制变量。各变量的赋值和描述性统计详见表1。

表1 各变量的赋值和描述性统计Table 1 Assignment and descriptive statistics of variables

1.被解释变量。被解释变量为健康贫困。依据因病返贫风险的定义，选取健康贫困来表征因病返贫风险。按照我国国家贫困线(2010年标准)将城乡居民年收入扣除自付医疗花费后的家庭人均收入低于2 300元的定义为发生健康贫困，赋值为1；反之，则定义为未发生健康贫困，赋值为0。健康贫困的均值由2012年0.682 6降至2018年0.282 8，表明我国城乡居民的健康水平和收入水平有较为显著的提高。

2.解释变量。解释变量为健康水平，选取自评健康水平、是否罹患慢性病、锻炼身体次数和对未来的信心程度等4个变量进行表征。关于城乡居民身体健康的相关变量，CFPS成人数据调查中主要包含自评健康水平和是否罹患慢性病等2个指标。其中，自评健康水平能有效、全面地反映城乡居民的健康水平，且具有易得性的特征[20]，本研究选取其作为评价城乡居民身体健康的指标，将非常健康、很健康、健康、很不健康、非常不健康依次赋值为1～5；同时，既有研究表明城乡居民罹患慢性病或遭受大病冲击对城乡居民贫困具有正向影响[21]，本研究选取是否罹患慢性病作为评价城乡居民身体健康的指标，将未罹患慢性病赋值为0，罹患慢性病赋值为1。关于城乡居民心理健康的相关变量，城乡居民对未来的信心程度可以反映城乡居民对摆脱贫困的主观信心，对未来的信心程度越高，则其自评健康水平越高[22]，本研究选取其作为评价城乡居民心理健康的指标，将很没有信心、没有信心、一般、有信心、很有信心依次赋值为1～5。关于健康行为的相关变量，锻炼身体次数可以反映城乡居民对健康的重视程度，锻炼身体的次数越多，则其身体素质越好，减少疾病冲击的概率也越高，本研究选取其作为评价城乡居民健康行为的指标。具体来说，自评健康水平的均值由2010年的2.486 9升至2018年的3.293 1，表明我国城乡居民的自评健康水平不断提高；是否罹患慢性病的均值由2010年的0.301 5升至2018年的0.926 0，表明罹患慢性病成为我国城乡居民因病返贫风险的重要影响因素；锻炼身体次数的均值由2010年的1.376 4升至2018年的2.662 0，表明我国城乡居民越来越重视自身身体健康水平；对未来的信心程度的均值由2010年的3.817 4升至2018年的4.049 6，表明我国城乡居民对摆脱贫困的主观信心随着经济社会的发展不断增强。

3.控制变量。控制变量包括年龄、户口、受教育程度和婚姻状况。其中，婚姻状况侧重于考虑婚姻的稳定性对因病返贫风险的影响，参考学界既有研究将未婚、再婚、在婚赋值为0，离婚、丧偶赋值为1。具体来说，年龄的均值由2010年的50.010 3岁升至2018年的58.418 5岁，表明我国城乡居民的年龄结构逐步趋于老化；户口的均值为由2010年的0.778 1降至2018年的0.357 5，表明我国农村居民不断减少，而城镇居民不断增加；受教育程度的均值由2010年的0.598 3升至2018年的0.691 6，表明我国城乡居民的受教育程度不断提高；婚姻状况的均值由2010年的0.086 1升至2018年的0.104 9，表明我国城乡居民的婚姻状况逐步趋于不稳定。

(三)数据来源

本研究的数据来源于中国家庭追踪调查(China Family Panel Studies, CFPS)。CFPS数据覆盖25个省(市、自治区), 目标样本规模为16 000户，旨在通过追踪调查个人、家庭、社区的数据，反映中国经济、社会、健康等不同层面的变迁。本研究基于2010年、2012年、2014年、2016年、2018年的CFPS 数据，选用与因病返贫风险直接相关的自评健康水平、是否罹患慢性病、锻炼身体次数和对未来的信心程度等指标，并为了保证数据的完整性和准确性，剔除不知道、不适用和缺失的数据，最终获得有效样本1 068个。

三、实证分析

(一)实证分析结果

1.我国城乡居民因病返贫风险的影响因素分析。双变量Probit模型的因变量分别为城乡居民的因病致贫风险和因病返贫风险，考虑到健康贫困是因病致贫的构成要素，所以没有放入第t期的因病致贫风险分析中，而是放入第t+n期的因病返贫风险分析中。由表2可知，Chi2检验的1%水平上的相关系数ρ显著，即Chi2(1)显著，加入稳健标准误后与原来的估计结果相差较小，则双变量Probit模型有效。本研究将第t期因病致贫与第t+n因病返贫同时纳入一个双变量Probit模型进行分析，所以在5期的时间范围内，显示4个完整的双变量Probit模型结果，以致于模型中没有2010年因病返贫分析结果，2018年没有因病致贫分析结果。同时，本研究进一步结合Probit模型进行平均边际效应分析。2012年的平均边际效应分析由2010年我国城乡居民健康水平计算得到。以此类推，则表3所显示年份为2012年、2014年、2016年、2018年和2020年。由表3可知，城乡居民第t期的健康水平与第t+n期的因病返贫风险依旧显著相关，表明因病致贫对城乡居民并非暂时性的冲击，而是在至少2期内会对城乡居民的因病返贫风险具有显著性影响。

表2 我国城乡居民因病返贫风险影响因素的双变量Probit模型分析结果Table 2 Bivariate Probit model analysis results of factors affecting urban and rural residents′ returning to poverty due to illness

表3 我国城乡居民因病返贫风险的平均边际效应(给定第t期的健康水平)Table 3 The average marginal effect of the risk of returning to poverty due to illness (given the health level in period t)

从城乡居民的身体健康来看，自评健康水平整体上显著正向影响我国城乡居民的因病返贫风险。由表2可知，从时间序列来看，自评健康水平整体上显著正向影响我国城乡居民的因病返贫风险，且因病返贫风险随着时间的推进逐渐升高。同时，由表3可知，我国城乡居民健康水平恶化对第t+n期的因病返贫风险具有较高的边际效应；且双变量Probit模型结果表明是否罹患慢性病对城乡居民的因病返贫风险影响不显著。这可能是缘于本研究选取的是一般疾病而非重大疾病，或可能存在内生性影响。由于表2忽视了城乡居民健康水平的内生性，从而低估了罹患慢性病对因病返贫风险影响的显著性，导致估计结果有偏。而由表5可知，自评健康水平对我国城乡居民的因病返贫风险具有显著的内生性影响，罹患慢性病整体上对我国城乡居民的因病返贫风险具有显著的正向影响。

从城乡居民的健康行为和心理健康来看，锻炼身体次数和对未来的信心程度整体上显著负向影响我国城乡居民的因病返贫风险。由表2可知，从时间序列来看，锻炼身体次数整体上显著负向影响我国城乡居民的因病返贫风险，表明锻炼身体次数的增加有助于提升城乡居民的健康水平，从而减少城乡居民的因病返贫风险。这主要是缘于罹患慢性病会促使城乡居民增加锻炼身体的次数，有助于提高其身体素质，从而降低因病返贫风险。由表3可知，锻炼身体次数对我国城乡居民因病返贫风险影响的边际效应的显著性逐步变弱。这主要是缘于快节奏的城市生活压缩了城乡居民锻炼身体的时间，使得城乡居民锻炼身体的次数逐渐减少。由表2可知，对未来的信心程度整体上显著负向影响我国城乡居民的因病返贫风险，表明城乡居民对生活越积极，越不容易发生因病返贫风险。这主要是缘于对未来的信心程度的增强会促使城乡居民更加积极的生活和工作，有助于提升其可持续生计能力，从而降低因病返贫风险。由表3可知，对未来的信心程度对我国城乡居民因病返贫风险影响的边际效应整体增强。这主要是缘于城乡居民日益增大的生活压力会导致其心理问题更为突出，使得心理健康对城乡居民具有更大的影响。

从控制变量来看，控制变量对我国城乡居民因病返贫风险的影响存在差异。由表2可知，年龄整体上显著正向影响我国城乡居民的因病返贫风险，且年龄对我国城乡居民因病返贫风险的正向影响越来越显著。这主要是缘于随着年龄的增长，城乡居民更容易受到疾病的冲击，从而增加医疗消费支出，导致城乡居民的因病返贫风险提高。户口和受教育程度对我国城乡居民因病返贫风险影响的显著性逐步减弱。这主要是缘于我国农村居民的受教育程度虽然逐步提高，但总体受教育程度仍相对较低，使得受教育程度对农村居民因病返贫风险的影响不明显[11]。婚姻状况对我国城乡居民的因病返贫风险影响不显著。这主要是缘于婚姻不稳定会直接减少家庭劳动力，导致家庭收入减少，从而增加因病返贫风险；且家庭规模变大，尤其是老年人口增加会导致赡养人数增加，从而增加因病返贫风险。而本研究的婚姻状况为0、1赋值，当二者都显著时会导致婚姻状况整体对我国城乡居民的因病返贫风险影响不显著。

2.我国城乡居民因病返贫风险的动态变化分析。本研究进一步采用双变量Probit模型对我国城乡居民因病返贫风险的动态变化进行分析，由于2010年我国城乡居民因病返贫风险分析需要用2008年的数据，鉴于相关数据缺失，所以仅对2012年、2014年、2016年和2018年的城乡居民因病返贫风险进行分析。由表4可知，我国城乡居民的因病返贫风险从2012年的44.14%下降到2018年的23.50%，表明我国城乡居民的因病返贫风险随着年份的推进呈现出大幅度下降的趋势。这主要是缘于城乡居民的收入获取能力、身体素质、对未来的信心程度等逐步增加，以及医保政策覆盖率和报销比例的逐步提高，使得城乡居民自付医疗费用逐步减少。

表4 我国城乡居民因病返贫风险的动态变化分析Table 4 Analysis of the dynamic changes of the risk of urban and rural residents′ returning to poverty due to illness %

在不发生突发性公共卫生事件的前提下，从全国来看，两期持续发生健康贫困(P11)的概率分别是第t期未发生健康贫困和第t+n期发生健康贫困(P01)概率的2.189 7倍。即发生健康贫困的城乡居民在未来2年内持续发生因病返贫风险的概率是未发生健康贫困的城乡居民的2.189 7倍。而发生健康贫困的城乡居民想要摆脱因病返贫风险(P10)的概率是两期都未发生健康贫困的城乡居民(P00)的1.547 2倍。

从区域来看，我国城乡居民的因病返贫风险由小到大依次为东部地区(23.11%)、中部地区(31.04%)、西部地区(40.36%)。其中，中部地区和西部地区的因病返贫风险大于全国平均水平(28.58%)。同时，从2012年、2014年、2016年、2018年我国城乡居民因病返贫风险的整体变化趋势来看，区域差异趋于收敛。可见，我国城乡居民因病返贫风险的空间分异特征显著。这主要是缘于信息不对称、收入获取能力较弱等直接导致我国城乡居民的因病返贫风险较高，资源禀赋较贫瘠、自然条件较恶劣等间接导致我国城乡居民的因病返贫风险长期存在，从而导致高因病返贫风险区在西部地区趋同集聚。

(二)内生性检验

因病致贫、因病返贫的实质都是贫困与健康的累积循环因果关系，即可能存在反向因果关系。为了结论的严谨性，考察城乡居民健康水平对健康贫困的内生性影响。将健康贫困作为被解释变量，年龄、户口、受教育程度和婚姻状况作为内生解释变量，自评健康水平作为工具变量，进行内生性检验。由于这些变量与城乡居民的健康水平相关，满足工具变量的相关性；且这些变量不直接影响城乡居民的健康水平，满足工具变量的外生性。因此，采用两步法进行内生性检验合理。在表5中，模型(1)表示第一阶段的回归分析结果，模型(2)表示第二阶段的回归分析结果。由于2018年模型检验需要用到2020年的数据，鉴于相关数据缺失，所以仅进行2010年、2012年、2014年和2016年的内生性检验。由表5可知，2010年、2012年、2014年和2016年的Wald检验均在1%的水平上显著，即城乡居民的健康水平对健康贫困存在内生性影响。由于所选数据的内生变量小于工具变量，因此需要进行过度识别检验。由表5可知，所有工具变量都是外生变量；且根据弱工具识别检验，所有内生变量均与工具变量相关，即所选内生变量不是弱工具变量，内生性检验有效。

表5 内生性检验Table 5 Endogeneity test

四、结论与对策

(一)结论

基于2010年、2012年、2014年、2016年、2018年的CFPS数据，采用双变量Probit模型实证分析我国城乡居民因病返贫风险的动态变化及其影响因素，得出以下结论：

1.我国城乡居民的因病返贫风险不断下降。城乡居民第t期的健康水平与第t+n期的因病返贫风险显著相关，因病致贫对城乡居民并非暂时性的冲击，而是在至少2期内会对城乡居民的因病返贫风险具有显著影响。

2.健康水平对我国城乡居民因病返贫风险的影响存在差异。其中，自评健康水平整体上显著正向影响我国城乡居民的因病返贫风险，罹患慢性病整体上显著正向影响我国城乡居民的因病返贫风险，锻炼身体次数和对未来的信心程度整体上显著负向影响我国城乡居民的因病返贫风险。

3.控制变量对我国城乡居民因病返贫风险的影响存在差异。其中，年龄整体上显著正向影响我国城乡居民的因病返贫风险，户口和受教育程度对我国城乡居民因病返贫风险影响的显著性逐步减弱，婚姻状况对我国城乡居民的因病返贫风险影响不显著。

4.我国城乡居民因病返贫风险的健康贫困差异显著。在不发生突发性公共卫生事件的前提下，从全国范围来看，发生健康贫困的城乡居民在未来2年内持续发生因病返贫风险(P11)的概率是未发生健康贫困的城乡居民(P01)的2.189 7倍，而发生健康贫困的城乡居民想要摆脱因病返贫风险(P10)的概率是两期都未发生健康贫困的城乡居民(P00)的1.547 2倍。

5.我国城乡居民因病返贫风险的空间分异特征显著。从区域来看，我国城乡居民的因病返贫风险由小到大依次为东部地区(23.11%)、中部地区(31.04%)、西部地区(40.36%)，中部地区和西部地区的因病返贫风险大于全国平均水平(28.58%)。同时，从2012年、2014年、2016年和2018年我国城乡居民因病返贫风险的整体变化趋势来看，区域差异趋于收敛。

(二)对策

因病返贫是我国贫困人口产生和存在的主要因素，为了更好地巩固脱贫攻坚成果，应进一步健全因病返贫预警机制、提升可持续生计能力和推进医疗资源优化配置，以降低我国城乡居民的因病返贫风险。

1.健全因病返贫预警机制。健全因病返贫预警机制可以有效地巩固脱贫攻坚成果。具体可从以下2个方面着手：(1)健全医疗支出风险预警体系。通过科学制定医疗支出等级，并利用大数据对城乡居民的医疗支出等级和疾病类型作出精准识别，以对传染病、地方病和慢性病进行有效防控；同时，通过加大乡镇健康扶贫资金的投入，并实行差别化的医疗报销政策，即对大病、重病患者加大报销比例，让健康扶贫资金发挥最大的边际效用。(2)健全相对贫困人口识别机制。采用大数据动态监测相对贫困人口和地区的生计获取能力，并将相对贫困人口进行分类定级，因需施策，尤其是在相对贫困人口发生灾难性医疗支出时，政府应及时进行转移支付，并动员社会力量协同帮助，以防止其返贫。

2.提升可持续生计能力。提升城乡居民的可持续生计能力有助于从源头上遏制因病返贫风险的发生。具体可从以下2个方面着手：(1)提高居民文化素养。地方政府应结合当地产业发展需要，展开生产、运输、销售等专业技能培训，从根本上提升城乡居民的生计能力和风险应对能力；同时，应针对相对贫困地区的情况，增加基础教育和职业教育的投入，培育一批高素质的新型人才，从根本上提升城乡居民的生计能力和风险应对能力。(2)完善产业发展机制。地方政府应立足区域发展优势，因地制宜地发展地方特色产业，并利用大数据等拓宽特色产品销售渠道，以带动地方经济发展和城乡居民增收；同时，通过培育龙头企业、新型合作社等措施，进一步改善利益联结机制，以激发公众参与积极性，从而带动地方经济发展和城乡居民增收致富。

3.推进医疗资源优化配置。医疗资源优化配置有利于减少因病返贫风险的区域差距。具体来说，可从以下2个方面着手：(1)推进医疗资源均衡配置。地方政府应基于区域经济的快速发展，有效整合区域间的医疗资源，并结合地区发展特点逐步加大医疗资金投入力度，尤其是要加大对中部地区和西部地区的医疗资金投入，从而有效降低我国城乡居民的因病返贫风险。(2)加快医疗人才队伍建设。地方政府应进一步加大医疗研发投入力度，除了加大医疗人才引进力度外，还应加大对本地医疗人员的技能培训力度，以逐步提高区域医疗发展水平，从而有效增强我国城乡居民抵御因病返贫风险的能力。

(三)不足与展望

本研究尚存在一些不足之处，主要体现在以下2个方面：(1)本研究采用的CFPS数据库虽然调查样本数量庞大、调查指标比较详细，但由于不是专门针对居民健康水平调查的数据库，导致筛选时损失大量样本，使得部分省份存在样本量不足的情况。因此，在我国城乡居民因病返贫风险的动态变化分析时可能存在偏差。(2)我国城乡居民健康水平的影响因素涉及多个层面，本研究只分析了自评健康水平、是否罹患慢性病、锻炼身体次数和对未来的信心程度等因素对我国城乡居民因病返贫风险的影响，考察的影响因素不够全面。鉴于此，在未来的研究中，应以问题为导向考虑更多的健康水平的影响因素，并深入开展调查研究，有针对性地开展问卷调查和深度访谈，以确保样本的充分性和代表性，从而推动该领域的研究不断深入。