居民医疗保健消费与医药产业发展的关联性——基于向量自回归模型的实证分析*

雒敏，黄亚新

(1.南京医科大学医政学院，南京 211166；2.南京医科大学第一附属医院人事处，南京 210029)

随着我国居民消费结构的改变，近年来居民医疗保健消费支出不断增加，从1995年的人均110.11元上涨到2017年的1 777.40元，增长了约16倍。在医疗保健消费成为新经济增长点的同时[1]，医药产业规模也在不断扩大，产品销售收入从1995年的902亿元上涨到2017年的29 826亿元，增长了约33倍。居民医疗保健消费支出的不断增加和医药产业的快速发展使得这两个领域的研究成为理论界关注的热点，相关的成果也较为丰富，但两者之间相关性的研究却较为鲜见，目前只有少量学者从“消费决定生产”这一角度进行了初步探究，如MORAN 等[2]、刘旭宁[3]、田晓玉[4]分别用美国和中国的数据证实了居民医疗保健消费需求影响医药产业发展，但是影响的具体程度如何，反过来医药产业的发展是否也是居民医疗保健消费变化的动因，这些问题的研究目前还比较缺乏。基于此，笔者运用政策分析领域广泛采用的向量自回归模型，将居民医疗保健消费和医药产业同时纳入分析体系，从需求和供给的角度探讨两者之间的长期动态关系，从而为消费升级和医药产业发展提供相关的政策建议。

1 资料与方法

1.1资料来源 数据主要来自《中国统计年鉴》和《中国高技术产业统计年鉴》，由于产品销售收入直接反映了供需双方围绕产品价值上下波动的结果，与消费有较为直接的关联，因此本文选取医药制造业(包括化学药品制造、中成药生产、生物药品制品制造)规模以上企业的销售收入作为医药产业发展水平的代理指标，本文数据的时间跨度为1995—2017年。此外为避免数据可能出现的异方差问题，对两个变量取自然对数，居民医疗保健消费支出(指全国居民人均每年门诊、住院以及医药费用和健身锻炼及购买相关产品器械、保健品等支出的合计)记为LNHC，医药产业销售收入(化学药品、中成药和生物药品的销售收入之和)记为LNMIS。

1.2向量自回归模型

1.2.1模型基本原理 向量自回归也称为VAR模型(vector auto regression model)，是研究两个及以上时间序列变量动态关系的系统[5]，在系统中因变量是每一个内生变量，而自变量是全部内生变量的滞后项，这样用单一时间序列对每个变量进行回归的系统就演变为用两个及以上时间序列组成的向量进行回归的系统，VAR模型的一般数学表达式为：

Yt=c+Π1Yt-1+Π2Yt-2+…+ΠkYt-k+ut

并且cov(ut，us)=0(t≠s)。

VAR模型很好地处理了传统计量经济学难以解决的变量内生性问题，更好地呈现出变量间的动态变化规律，在政策分析领域被广泛运用。

1.2.2模型构建 以LNHC、 LNMIS从1995—2017年的两组时间变量序列进行单位根检验、确定最优滞后期数和协整检验的基础上构建VAR模型，并采用格兰杰因果检验分析变量之间是否存在因果关系。在VAR模型通过稳定性检验的基础上，进一步运用脉冲响应函数分析各变量之间互相冲击的动态影响关系，并将VAR模型中变量的方差分解到不同的扰动因素上，探究LNHC和LNMIS两个变量对模型影响的贡献程度。使用的软件为STATA13.0版。

2 实证分析

2.1平稳性检验 为确定两个时间序列数据是原序列平稳还是差分后平稳，本文采用ADF单位根检验法，结果见表1。从检验结果的P值可以发现，原序列INMIS和INHC都是非稳定的，但经过一阶差分处理后得到的数列D (INMIS)和D(INHC)均在5%显著性水平下通过了平稳性检验，同为一阶单整序列。

表1 平稳性检验结果 Tab.1 Results of stationarity test

2.2最优滞后阶数选取 由于VAR模型包含滞后项，因此需要确定最优滞后阶数以提高模型的估计效果，本文同时选用LR、FPE、AIC、HQIC、SBIC 5种信息准则进行最优滞后阶数的选择，结果见表2。从表2可以看出5个准则同时选择lag(3)，因此本文建立的VAR模型滞后阶数为三阶。

表2 最优滞后阶数选取结果 Tab.2 Selection results of optimal lag order

2.3协整检验 虽然本文所用数据的原序列是非平稳的，但这两个序列之间仍然可能存在共同的随机趋势，即存在协整关系，此时可以通过线性组合消除此随机趋势，因此协整检验是对非平稳序列进行回归的必要前提。本文运用Johansen检验法计算迹统计量(trace statistic)，对INMIS和INHC这两个非平稳序列进行协整检验，结果见表3。从表3可以看出，当假定INMIS和INHC之间不存在协整关系时，迹统计量值为30.85，>1%临界值30.45，P值为0.009，表明拒绝原假设，即INMIS和INHC之间存在协整关系。当假定INMIS和INHC之间存在协整关系时，迹统计量为7.089，<5%水平临界值12.25，P值0.215，表明接受原假设，即INMIS和INHC之间存在协整关系。由此可见两种假设下迹统计量的结果均表明INMIS和INHC之间存在协整关系。

表3 协整检验的结果 Tab.3 Results of co-integration test

2.4格兰杰因果关系 为了进一步确定INMIS和INHC之间的协整关系表现为单向因果关系还是双向因果关系，本文进行了用于因果关系证明的格兰杰检验，结果见表4。从表4可以看出2个检验结果F统计量对应的P值均<0.05，说明均拒绝原假设，也就是表示INMIS与INHC之间存在因果关系，而且是双向因果关系，即INMIS与INHC互为因果关系。

表4 格兰杰因果检验结果 Tab.4 Results of granger causality test

2.5VAR模型的估计 建立的滞后三阶VAR模型的回归结果如下所示：

INMIS=0.889 2×L.INMIS+0.444 2×L2.INMIS-0.437 5×L3.INMIS-0.258 2×L.INHC-0.281 1×L2.INHC+0.635 3× L3.INHC+1.456 1

INHC=-0.455 7×L.INMIS+0.218 9×L2.INMIS+0.261 3×L3.INMIS+0.361 4×L.INHC+0.256 2×L2.INHC+0.270 4×L3.INHC+0.619 3

此外两个方程的R2分别为0.999 3和0.997 1，F值分别为4 472.351和1 149.671，具有很高的拟合优度，表明模型设定是合理的，INHC和INMIS存在较为明显的相关关系。

2.6VAR模型平稳性检验 为了在VAR模型基础上进行脉冲响应函数和方差分解分析，需要先检验VAR模型的平稳性。由图1可以看出模型的6个特征根均在单位圆之内，表明模型通过平稳性检验。

图1 特征根检验结果 Fig.1 Results of characteristic root test

2.7脉冲响应函数分析 脉冲响应函数是在VAR模型估计的基础上，反映一个变量受到“外生冲击”会对其他变量产生怎样的动态影响。为更好反映INHS和INMIS的变化趋势，本文采用正交分解技术，设定滞后期为20年，以横轴表示滞后期，纵轴表示变量的变化值，实线代表脉冲影响函数，阴影部分代表95%置信区间。图2表明当医药产业销售收入LNMIS标准差当期受到一个单位正向冲击时，一开始对人均医疗保健消费LNHC有较为明显的负向影响，第5期后负向影响逐步减弱，10期之后表现为正向影响，从第13期后正向影响减弱，逐步向0轴靠近，影响程度逐步减少。这说明医药产业发展，一开始有可能引起人均医疗保健消费的减少，这可能是由于医药产业的发展，特别是医药研发技术的不断进步，大量“缓解、治疗”肿瘤、遗传性疾病、心血管疾病方面的新药、特效药不断面市，在一定时期有效地提高了人民健康水平，随之降低了居民在医疗保健方面的支出，但随着疾病谱的不断变化，以及居民医疗保健意识的不断提高，从长期来看，医药产业的发展能促进居民医疗保健支出的增长。图3是LNHC对LNMIS的脉冲响应，可以看出当人均医疗保健消费LNHC标准差当期受到一个单位正向冲击时，医药产业销售收入LNMIS出现波动，第1～2期LNMIS受到短暂的负向影响，但从第3期后LNMIS虽然波动，但一直受到正向影响，随着时间的推移，这种正向影响也趋于减弱。这表明人均医疗保健支出的增加，短期会使医药产业收入受到负向影响，但长期来看会带来医药产业收入的增长，从而促进医药行业发展，这个和政治经济学“消费生产着生产”和西方经济学“消费是生产目的”的观点一致，也和当前政府的以消费带动产业发展的政策相吻合。

图2 LNMIS对LNHC的脉冲响应函数 Fig.2 Impulse response function of LNMIS to LNHC

图3 LNHC对LNMIS的脉冲响应函数 Fig.3 Impulse response function of LNHC to LNMIS

2.8方差分解 通过方差分解可以看出LNHC和LNMIS在不同滞后期对自身和对方变化的贡献度，模型方差分解情况表5，可以看出居民医疗保健消费LNHC的波动第一期只受到自身冲击的影响，后期医药产业发展的贡献率从0逐渐开始增加，到第5期后基本稳定在21%左右的水平，说明医药产业的发展对居民医疗保健支出有较为稳定的正向影响。医药产业销售收入LNMIS受到居民医疗保健消费LNHC的影响，前五期保持不断增加的正向影响，第五期达到峰值36.03%，从第六期开始下降，并一直处于波动状态，说明居民医疗保健消费对医药产业发展有明显的正向影响，但是影响程度不稳定，医药产业销售收入LNMIS很大程度上受到医药产业自身因素的影响，这和脉冲响应分析的结果基本一致。

表5 VAR模型方差分解 Tab.5 Variance decomposition of VAR model %

3 讨论

本文基于1995—2017年我国居民医疗保健消费支出和医药产业销售收入数据构建VAR模型，以验证两者之间的动态关系，结果表明，居民医疗保健消费支出与医药产业销售收入之间存在长期均衡关系，同时存在双向的格兰杰因果关系；医药产业的发展在前期由于提高了居民健康水平，因此减少了居民的医疗保健支出，但后期对人均医疗保健消费的增长起到一定的促进作用；反过来居民医疗保健消费支出的增长短期内减少了医药产业的销售收入，但在长期居民医疗保健消费对医药产业销售收入的增长有明显的正向影响，但这种正向影响是波动的，医药产业的发展也受到自身因素的影响。2017年之后，政府也分别采取了一系列新的举措，如医疗保障制度改革、药物审评审批制度改革等，使得近几年我国居民的医疗消费支出和医药产业的发展仍保持一定的增长趋势，但基于本文对两者之间的动态关系的检验结果，本文提出如下政策建议。

第一，进一步激发居民医疗保健消费潜力，有效带动医药产业发展。脉冲响应和方差分解的结果表明医疗保健消费支出对医药产业销售收入的最高贡献率达到36.03%，居民医疗保健消费的增长是驱动医药行业发展的重要因素，而2017年我国居民医疗保健消费占国民生产总值的比例为6.2%，美国达到16.2%，说明我国居民医疗保健消费未来增长和发展空间较大[6]，应多管齐下，充分激发其增长潜力以带动医药产业进一步发展。

首先，充分发挥收入与消费的联动作用，提升居民医疗保健消费的能力。在合理提高居民收入可支配水平的同时，通过不断完善医疗保险等社会保障制度，增加政府公共卫生服务领域的投入，合理降低居民的医疗负担[7]，减少居民消费的“挤出效应”，提高居民医疗保健消费的购买力[8]。

其次，大力推动医疗保健消费升级，从“医疗消费”逐步转型为“健康消费”。我国目前的医疗保健消费仍以“以疾病的治疗”为主，而发达国家更重视疾病的预防、健康促进、慢性病管理等健康管理工作，据哈佛大学统计，80%糖尿病和心脏病、70%卒中、50%癌症都是可以通过健康管理避免的。目前，我国居民进行健康消费的比例大大低于发达国家水平，医疗保健消费升级有巨大发展空间。

最后，培育和发展新的医疗保健消费热点，进一步拓展消费需求。随着我国城镇化、老龄化程度的加深，居民的健康意识和需求不断变化，政府和社会各界应该积极引导，培育医疗保健消费热点，例如新型冠状病毒肺炎疫情流行期间互联网医疗成为快速发展的新业态，下一步应加快发展线上问诊、线上药店等服务，在常见病、慢性病“互联网+”复诊服务基础上，探索扩大可纳入医保基金支付的医疗服务范围，将互联网医疗服务培育为新的消费热点。

第二，推动医药产业创新发展，满足居民医疗保健消费需求。脉冲响应和方差分解的结果表明，医药产业销售收入在经过一定时期后对居民医疗保健消费的贡献率基本保持在21%的水平，说明医药产业发展对居民医疗保健支出有较为稳定的正向影响。近年来我国恶性肿瘤、糖尿病等重大疾病的发病率和死亡率正呈现出持续上升和年轻化趋势，而在我国医药市场上，国内医药企业化学药品以仿制药为主，普通类药品缺乏创新，常用药、廉价药却经常出现短缺，疑难杂症等罕见病用药供需严重失衡。近几年来药品带量采购、一致性评价等一系列监管政策的不断调整，医药行业要适应人民群众的需求，就必须加强创新能力建设，重视首仿药、原研药等化学药的研制开发，进一步巩固生物医药在疫苗、血液制品方面的创新优势，加快发展中药现代化，推动已获得专利保护的国产原研药开展国际临床研究和注册，加快品牌仿制药物国际注册认证，逐步实现心脑血管疾病、肿瘤、糖尿病等多发病和罕见病药物集约化生产。

第三，持续加大政府扶持力度，促进医药产业可持续发展。脉冲响应和方差分解的结果表明，经过一段时期后内部动因对医药产业销售收入的贡献率不断波动，最高峰时贡献率达到81.11%，说明促进产业发展的重要因素来自于医药产业自身，而建立一个以需求为导向、集中度更高、良性竞争和可持续发展的医药产业需要全面的政策支撑。政府应当加大对医药产业的财政投入力度，拓展金融支持手段，加快建立市场化、多元化相结合的专项资金扶持体系，充分发挥社会资本作用，积极吸引产业投资基金和创业投资机构，建立覆盖全链条的资本支持体系；鼓励药物创新，加快药物审评审批，优化创新资源配置，支持创新平台和新型研发机构建设，提升产业核心竞争力；支持龙头企业做大做强，重点扶持中小型企业，培育一批具有自主知识产权和核心竞争力的领军企业，打造特色突出、结构合理、梯次分明的医药企业群体，推动医药产业规模进一步扩大；加快人才队伍建设，健全医药人才引进、培养、激励机制，充分调动人才的积极性和创造性。

第四，营造良好市场环境，促进医疗保健消费需求和医药产业供给的有效耦合。格兰杰因果检验的结果表明，居民医疗保健消费和医药产业发展互为因果关系，两者的良性互动需要需求与供给的有效耦合，而需求与供给的有效耦合离不开规范有效的市场。市场主管部门应当实时关注居民医疗保健方面消费需求变动和药物市场动态的变化，制定严格的市场准入和监管制度；进一步深化医疗服务体系改革，加快公立医院改革，提升基层医疗机构服务能力，优化社会力量举办医疗机构的发展环境，加快形成多元化医疗服务格局；充分发挥市场作用，推动“医疗、医保、医药”三医联动改革，有效衔接药品招标采购、医保支付、价格改革等相关政策，强化医药费用和价格监测监管，实行价格信息公开制度；建立健全医药市场供需监测机制，实时掌握重点企业生产情况，提高医药市场产品供给能力；强化医药知识产权保护，整顿规范医药市场，对药价虚高、假冒伪劣医药产品的现象进行严厉处罚，为居民放心地进行医疗保健消费和医药企业良性竞争创造良好的外部条件。