碳排放对居民医疗卫生支出的空间溢出效应

蒋自程,李德勋,傅志婷,叶贻忠

(1.安徽中医药大学 医药经济管理学院,安徽 合肥 230012;2.安徽中医药大学 数据科学与中医药创新发展安徽省哲学科学重点实验室, 安徽 合肥, 230012)

我国政府历来重视环境问题与健康问题。2020年9月,在联合国大会上,国家主席习近平向世界庄严宣布:“中国二氧化碳排放力争于2030年前达到峰值,争取在2060年前实现碳中和”[1]。二氧化碳等温室气体造成的温室效应会使气候发生一定的改变,进而对人体健康产生负面影响[2]。根据英国国家卫生服务局的数据,2009年发达国家8%的卫生支出是由气候变化引起的。《中国卫生健康统计年鉴》显示,2011—2019 年,我国个人医疗卫生支出从8465.28元增加到 18673.87元,年均增长12.06%。碳排放对居民医疗卫生支出的影响成为政府部门和学术界共同关注的热点问题。同时,碳排放带来的环境污染具有外溢特征[3],这种特征对邻近地区的居民医疗卫生支出是否会带来影响?又是否会存在长短期效应的差异?为解决这些问题,本文运用动态空间杜宾模型探究碳排放对居民医疗卫生支出的空间溢出效应,并进一步分析长短期效应,指出减少碳排放的重要性以及降低碳排放对减少居民医疗卫生支出的现实意义,助力实现“环境友好型社会”和“健康中国”战略目标。

1 文献综述

有关医疗卫生支出影响因素的研究。截至目前,国内学者对医疗卫生支出影响因素的研究主要集中在居民收入水平、政府补贴、老龄化水平、医疗保险以及受教育水平等方面。蔡晓珊等[4]通过研究政府医疗卫生支出对个人医疗卫生支出的影响,发现政府医疗卫生支出对个人医疗卫生支出具有明显的“挤入”效应,并且这种效应在农村和低收入群体中更为明显。高瑗等[5]通过研究老龄化对医疗卫生支出的影响,发现随着老年人口数量的增加,医疗卫生支出费用也在显著增加。王晓亚等[6]通过研究医疗保险对医疗卫生支出的影响,得出医疗保险与城镇居民个人医疗卫生支出之间呈“倒U曲线”的关系,即只有当医疗保险提高到一定水平的时候才能发挥“减负效应”。肖琴等[7]对城乡居民医疗卫生支出情况及影响因素进行调查发现:城乡居民医疗卫生支出存在显著差异,收入、受教育水平、健康状况等是城乡居民医疗卫生支出产生差异的主要影响因素。贾慧萍等[8]通过对我国居民医疗卫生支出的影响因素进行研究,得出人均GDP、65岁及以上人口比例和医院的床位密度等对居民医疗卫生支出具有显著影响。

有关碳排放对医疗卫生支出影响的研究。国内外学者通过实证分析得出碳排放对医疗卫生支出具有正向影响关系。Yazdi等[9]通过研究收入、CO2和PM10排放量对医疗卫生支出的影响,发现收入、CO2和PM10排放量对居民医疗卫生支出具有统计意义上的积极影响。Apergis等[10]对美国50个州的CO2排放及其对医疗卫生支出的影响进行了讨论,得出CO2排放量的增加导致了医疗卫生支出的增加,进一步调查发现,医疗卫生支出较高的州,影响程度更深。Abdullah等[11]等过研究发现,CO2排放与医疗卫生支出和经济增长之间存在正相关关系。但Usman等[12]进一步研究认为,从长期效应上看,CO2排放对政府医疗卫生支出具有正向影响,但是对居民医疗卫生支出却存在负向影响。国内学者关于碳排放对医疗卫生支出的相关研究起步较晚。从碳排放对居民健康的直接影响研究上看,叶巾祁等[13]利用微观调查数据得出,空气污染对中老年人健康水平存在不容忽视的长期负面影响,且随着污染程度的加重,负面效应呈非线性增加趋势。陈志永等[14]研究得出,常州市大气污染物PM2.5会增加居民脑血管病死亡的风险。空气污染还会间接作用于居民医疗卫生支出,学者们进一步分析了碳排放对居民医疗卫生支出的间接影响。关楠等[15]通过研究得出,当空气污染指数API超过100、150、200和300的天数每增加1天,与此对应的医疗费用支出就会分别增加5.5%、7.6%、9.1%和10.3%。田理[16]利用面板数据构建了计量模型,得出碳排放和医疗卫生支出呈现显著的正相关关系。赵强等[17]也发现,在空气污染背景下,空气污染会增加居民医疗卫生支出。

综上所述,二氧化碳排放会通过直接损害健康而间接影响居民医疗卫生支出。此外,欧元明等[18]发现,一个地区的健康风险与邻近地区的碳排放量有一定的关系,这意味着碳排放量具有一定的空间传输和扩散效应。因此,本文在已有研究的基础上,首先,运用面板计量模型分析碳排放对居民医疗卫生支出的空间溢出效应。其次,通过构建静态空间杜宾模型和动态空间杜宾模型,对碳排放对居民医疗卫生支出的空间溢出效应进行长短期的区分,以分析碳排放在不同阶段对居民健康水平和医疗卫生支出的影响差异,并对结论进行稳健性检验,确保结论的可靠性。

2 研究设计

2.1 空间权重矩阵

参考现有研究[19],本文构建了地理距离倒数空间权重矩阵。具体表达公式如下:

(1)

其中Wij代表空间地理距离倒数空间权重矩阵;dij代表两个不同省份之间的地理距离,用省会城市之间的直线欧式代替距离;0代表对角线元素。当空间距离越远,区域间影响就越小,权重值也就越小。

2.2 空间自相关检验

能否选择空间计量方法的一个基本前提,是数据之间是否存在空间关联性,包括全域的空间自相关和局域的空间自相关[20]。因为本研究样本是全国层面的,因此采用全局莫兰指数(Moran′s I)研究整体是否存在空间自相关,全局莫兰指数计算公式为:

(2)

(3)

2.3 空间计量模型

相比于空间误差模型(SEM)、空间滞后模型(SAR),空间杜宾模型(SDM)能够同时解释空间自回归效应和空间溢出效应,所得出的解释效果更好。基于此,本文初步构建了空间杜宾模型,实证分析碳排放对居民医疗卫生支出影响的空间溢出效应。公式如下:

LnMEit=ρWiLnMEt+βxit+δWiXt+ui+γt+εit

(4)

εit=λwεit+uit

(5)

其中,LnMEit表示被解释变量居民医疗卫生支出;Wij表示空间权重矩阵,反映区域间的空间相关关系;xit表示解释变量;Xt表示解释变量的空间滞后项;ui表示空间固定效应;γt表示时间固定效应;εit表示随机误差项;ρ表示被解释变量的空间滞后项系数;δ表示解释变量的空间滞后项系数;λ表示随机误差项的空间滞后项系数。

本文同时构建了动态空间杜宾模型,模型如下:

(6)

其中,LnMEit-1表示被解释变量居民医疗卫生支出滞后一期,其他变量解释含义与上文相同。但相较于静态SDM,动态SDM不仅包括了空间滞后项,还包括了被解释变量居民医疗卫生支出的时间滞后项,对模型的内生性问题有所缓解,因此,选择动态空间杜宾模型更为合理。

2.4 变量选取

本文选取的被解释变量为居民医疗卫生支出。参照陶春海等[21]的研究,采用《中国统计年鉴》中的人均医疗卫生支出作为居民医疗卫生支出的衡量指标。

本文选取的核心解释变量为碳排放量。参照尹迎港、吴永娇等[22-23]的研究以及丛建辉等[24]的碳排放核算分析,从生产视角核算碳排放量,核算过程遵循 IPCC清单指南,与国家层面的核算方法相一致,方便城市之间的横向比较。根据《2006年IPCC国家温室气体清单指南》和《中国能源统计年鉴》数据计算碳排放量。具体计算公式为:

(7)

其中,C为碳排放总量;Ei为能源的消费量;δi为能源的碳排放系数;i表示原油、煤油、柴油、汽油、焦炭、原煤和天然气7种主要消耗化石燃料。

本文选取的控制变量为人均GDP、城镇化率、政府卫生支出、人口老龄化、人均受教育年限等。①人均GDP。经济水平通常用人均GDP来测量,它可以反映某一地区的经济发展水平。人均GDP增加一定程度上会促进个人医疗消费,进而提高个人医疗卫生支出[25]。②城镇化率。城镇化率可以衡量区域经济发展程度,本文用城镇人口占区域总人口比重表征。③政府卫生支出。政府医疗卫生支出可以体现公共医疗卫生服务的政府供给情况[26],在此采用《中国统计年鉴》中的政府卫生支出作为衡量指标。④人口老龄化。人口老龄化是指因年轻人口数量减少、年长人口数量增加而导致的老年人口比例相应增长的动态[27],在此采用学界的普遍做法,将 65岁以上人口占比作为衡量人口老龄化的指标。⑤人均受教育年限。已有研究[28]表明,是否接受过高等教育对一个人的健康水平具有显著的影响作用,本文选取人均受教育年限作为衡量指标。

3 实证分析

3.1 数据来源及处理

本文以2011—2019年为研究期,选取我国30个省(自治区、直辖市)(港澳台地区、西藏自治区除外)面板数据作为考察样本。样本及相关变量等数据选自《中国卫生统计年鉴》《中国统计年鉴》《中国能源统计年鉴》《2006年IPCC国家温室气体清单指南》。变量及变量的描述性统计结果如表1所示。

表1 变量及变量的描述性统计

另外,为降低异方差对回归结果的影响,对所选的居民医疗卫生支出、碳排放量、人均GDP、城镇化率、政府卫生支出、人口老龄化、人均受教育年限等变量进行对数化处理,分别以LnME、LnCM、LnPCG、LnUR、LnGHE、LnAOP、LnYEP来表示。本文利用LLC检验进行单位根检验,以保证数据的平稳性,避免伪回归结果,最终数据都通过了平稳性检验,具体结果如表2所示。

表2 单位根检验

3.2 空间自相关检验

为了考察居民医疗卫生支出和碳排放的整体空间关联性,首先利用公式(2)测算我国2011—2019年30个省(自治区、直辖市)的居民医疗卫生支出和碳排放的全局莫兰指数,从中得出全局莫兰指数均值及各项指标的显著性水平(表3)。从表3可以看出,2011—2019年间,我国居民医疗卫生支出的全局莫兰指数值均大于0,并且在5%水平上显著。这说明,我国各地区居民医疗卫生支出具备显著的空间正相关性,即考察期内居民医疗卫生支出高的地区会显著影响邻边地区。2011—2019年间,我国碳排放的全局莫兰指数值均大于0,并且在1%水平上显著。这说明,我国各地区碳排放具备显著的空间正相关性,碳排放高的地区会显著影响邻边地区。

表3 2011—2019 年我国居民医疗卫生支出与碳排放的全局莫兰指数

全局莫兰指数已经表明居民医疗卫生支出、碳排放分别存在空间自相关性。为进一步考察两者空间分布的集聚特征,分别绘制了2011年、2019年居民医疗卫生支出与碳排放的局部莫兰指数散点图(图1、图2)。局部莫兰指数散点图中,居于一、三象限的地区在空间上呈显著正相关,处于二、四象限的地区在空间上呈显著负相关。由图1可知,散点图代表的大部分地区落在第一和第三象限内,表明居民医疗卫生支出存在正向空间相关性,居民医疗卫生支出的高值地区与碳排放的高值地区对应,反之,居民医疗卫生支出的低值地区与碳排放的低值地区对应,两者呈现明显的正相关关系。由图2可知,碳排放也具有正相关特征,散点图主要集中在一、三象限,反映出碳排放存在“高—高集聚”和“低—低集聚”的分布特点。根据上述分析,我们必须重视空间因素对结果的影响,需要结合空间计量模型进一步分析。

图1 2011年、2019年居民医疗卫生支出局部莫兰指数散点图

图2 2011年、2019年碳排放局部莫兰指数散点图

3.3 空间溢出效应分析

3.3.1 模型选择

根据空间效应的差异,空间面板数据模型包括空间自回归模型和空间杜宾模型两种类型。前文已经分析了空间自相关检验,在此将上文构建的广义空间计量模型作为一般形式的基准模型,然后按照Vega、马嘉莹等[29-30]提出的检验步骤,判断最优计量模型。空间计量模型选取检验结果见表4。由表4可知,由LM检验发现,LM-err(P=0.000)和 RLM-err (P=0.000)以及 LM-Lag(P=0.000)和 RLM-Lag(P=0.000)在1%显著性水平上拒绝原假设,存在空间滞后效应与空间误差效应,因此,应选择空间杜宾模型。Hausman检验结果的卡方值为46.11,可看出在1% 水平上拒绝原假设,故选择固定效应的SDM模型。LR空间滞后检验和LR空间误差检验为45.61和44.23,均在1%的水平上拒绝原假设;WALD空间滞后检验和WALD空间误差检验结果为38.55和33.34,均在1%的水平上拒绝原假设,表明SDM模型不会退化为SLM模型和SEM模型。

表4 空间计量模型选取检验结果

3.3.2 空间杜宾模型结果分析

通过计算模型的拟合优度R2可知,静态SDM和动态SDM的R2分别是为0.70和0.68,两个模型的拟合程度相差不大;从对数似然 Log-likelihood 值来看,动态空间SDM比静态SDM高,说明动态SDM的稳健性更好(表5)。因此,本文主要分析动态SDM的回归结果。

表5 静态、动态空间杜宾模型回归结果

主要变量的分析。就被解释变量居民医疗卫生支出而言,居民医疗卫生支出滞后一期(LnMEt-1)的系数在5%的水平下显著为负,说明本地区的居民医疗卫生支出在时间上具有相关性;动态空间杜实模型下,居民医疗卫生支出空间滞后项(W*LnME)的系数在5%的水平下显著为正,说明居民医疗卫生支出的空间集聚特征为高居民医疗卫生支出的地区被高居民医疗卫生支出的地区包围,低居民医疗卫生支出的地区被低居民医疗卫生支出的地区包围,与空间相关分析的结果一致。就核心解释变量碳排放量而言,碳排放量(W*LnCM)的估计系数在 1%的水平下显著为正,碳排放的增加造成居民医疗卫生支出的增加,其系数的绝对值与静态空间杜宾模型相差不大;碳排放的空间滞后项(W*LnCM)的系数在1%的水平下显著为正,说明本地区碳排放的增加对邻近地区的居民医疗卫生支出能够产生正向影响,初步证明碳排放对居民医疗卫生支出存在空间溢出效应。

控制变量的分析。人均GDP(W*LnPCG)、城镇化率(W*LnUR)、人均受教育年限(W*LnYEP)对居民医疗卫生支出会产生显著的正向影响,即本地区的城镇化水平提高、人均GDP增加以及教育水平的提高都会对邻近地区的居民医疗卫生支出产生正向影响;人口老龄化(LnAOP)对邻近地区居民医疗卫生支出存在促进作用,增加了邻近地区的居民医疗卫生支出;政府卫生支出(LnGHE)对居民医疗卫生支出能够产生显著的抑制作用,即本地区的政府卫生支出会对邻近地区的居民医疗卫生支出产生负向影响。可能原因是,本地区的经济发展水平、城镇化率越高,居民医疗卫生支出的能力越强;受教育水平越高,就医意识越高,从而居民医疗卫生支出就越高;人口老龄化程度越高,居民医疗需求就越大,在本地区医疗资源不足时,就会转向其他地区寻求医疗服务;政府卫生支出对本地区和邻近地区的居民医疗卫生支出都存在“挤出”效应,表明完善政府医疗保障制度,可以减轻居民个人医疗负担。

由于存在变量的空间滞后项,导致模型的估计值对碳排放效应的解释能力较低,不能通过SDM模型直接说明碳排放对居民医疗卫生支出的影响程度。因此,利用空间自回归的偏微分方法,将碳排放对居民医疗卫生支出的总效应分解成直接效应和间接效应。在此过程中,直接效应表示碳排放对本地区居民医疗卫生支出的总体影响;间接效应也可称为空间溢出效应,表示邻近地区的碳排放对本地区居民健康的影响。

动态SDM模型可以同时分析短期效应与长期效应,在地理倒数距离权重矩阵下的短期和长期效应分解如表6所示。就短期效应而言,碳排放对医疗卫生支出的短期直接效应(0.109)在5%的水平上显著,短期间接效应(0.942)在1%的水平上显著。这表明,本地区碳排放水平的提高不仅会增加本地区居民医疗卫生支出,同时也会增加邻近地区的居民医疗卫生支出,即碳排放存在空间溢出效应,且间接效应大于直接效应。就长期效应而言,碳排放的长期直接效应(0.091)在10%的水平上显著,长期间接效应(0.698)均在1%的水平上显著。碳排放的短期总效应系数和长期总效应系数分别为1.050和0.789,均在1%的水平下显著,表明无论是短期效应还是长期效应,碳排放强度的提升均会增加居民医疗卫生支出,加重居民就医负担。究其原因,可能是:从短期来看,碳排放量大的企业,在生产前期很少考虑环境保护,对环境保护的重视度不足;从长期来看,企业受政府环境规制的影响,注重发展的质量和工艺改进,从而减少了碳排放量;从环境污染治理的循环累积效应上看,碳排放成效显现需要一个过程,是长时间治理效果的循环积累,因而能够实现长期效应明显优于短期效应。综上,碳排放对居民医疗卫生支出存在正向空间溢出效应,且主要体现为短期效应。

表6 地理距离权重矩阵下短期效应和长期效应的分解

3.3.3 稳健性分析

为了保证回归结果的稳健性,本文使用地理距离权重矩阵(W2)和经济距离权重矩阵(W3)进行稳健性检验。

(8)

(9)

由表7可以看出,虽然估计系数大小与前文模型分解结果存在不同,但除地理距离矩阵的长期直接效应不显著外,方向和显著性水平不变。证明实证结果具有较强的稳健性。

表7 回归结果的稳健性检验

4 结论与建议

4.1 结论

本文将静态和动态空间杜宾模型引入碳排放对居民卫生支出影响研究中,以2011—2019年30个省(自治区、直辖市)为样本,充分考虑空间联动因素,并将总效应分解为直接效应和间接效应,最后采用替换空间权重矩阵方法对结果进行稳健性检验。

第一,我国碳排放和居民医疗卫生支出均存在显著的正向空间相关性,且具有显著的空间聚集特征,地区之间的空间位置影响必须重视。

第二,碳排放对居民医疗卫生支出的正向空间溢出效应明显,表明碳排放量增加不仅会提高本地区居民医疗卫生支出,也会提高邻近地区居民医疗卫生支出。值得注意的是,碳排放对邻近地区带来的健康损害比本地区更严重,因此,应重视空气污染物的空间溢出效应。

第三,动态空间计量分析表明,减少碳排放在短期和长期均能有效缓解环境污染问题,而且短期效应比长期效应更显著。如果忽略空气污染的空间溢出效应,工业空气污染对卫生保健支出的负面影响被大大低估。直接和间接空间估计结果表明,一个地区的空气污染不仅增加了当地居民的医疗卫生支出,而且导致了邻近地区居民医疗卫生支出的增加。

第四,控制变量分析表明,人均GDP、城镇化率、人均受教育年限、人口老龄化等能够对居民医疗卫生支出产生显著的正向影响,政府卫生支出能够对居民医疗卫生支出产生显著的抑制作用。

4.2 建议

第一,企业应优化能源结构和产业结构,减少碳排放对健康的危害。首先,应当对我国的能源结构进行优化。一方面提高传统能源的利用效率,减少传统能源消耗;另一方面,政府应促进清洁能源的开发与利用,减少碳排放和烟尘排放总量。其次,优化产业结构,提高第三产业比重,降低能源消耗型产业比重,最终通过减少高污染产业的碳排放,减少环境污染带来的健康危害,促进健康。

第二,统筹区域碳排放空间结构,加强政府联动治理,降低负向溢出效应。地方政府之间应加强区域合作,以控制和减少碳排放对邻近地区医疗卫生支出的空间溢出效应。可以通过建立碳排放协同治理委员会、监管机构和制定法律法规等措施突破传统行政边界束缚,统一规划和制定碳排放标准。同时,相邻地区应采取配套措施,实现区域间共同监管、共同治理,促进环境改善,实现居民健康、居民医疗卫生支出减少。

第三,认识不同时期的长短期效应,实施差异化治理,促进居民长期健康。政府应兼顾碳排放的长短期效应,对于污染排放较为突出的产业在短期内快速治理,对于污染排放较低的产业进行逐步优化。减少碳排放对居民医疗卫生支出的长期影响,实现居民的长期健康。

第四,提高经济发展水平和政府卫生支出,增强居民医疗卫生支付能力。政府应制定合理的经济发展规划,提高城市化水平,使居民有足够的收入用来增加健康投入。同时,完善医疗保障制度,提高居民卫生消费水平。政府应针对低收入人群、老年人群等的卫生消费水平和消费特点,多举措满足居民医疗服务需求。通过完善医疗保障制度,加大医保支持力度,提高医疗费用报销比例,从而提高居民医疗卫生支付能力。