侯小娟 鄭倩昀

中山大學 嶺南學院，廣東 廣州 510275

初可佳

廣東金融學院 保險系，廣東 廣州 510521

一、引言及文獻綜述

《我國衛(wèi)生事業(yè)發(fā)展統(tǒng)計公報》顯示，截至2012年底全國共有2566縣(市、區(qū))開展新型農(nóng)村合作醫(yī)療，參合人口數(shù)達8．05億人，參合率達98．3%，補償支出受益人次達17．45億人次，新農(nóng)合在一定程度上推動了農(nóng)村居民健康水平的提高和農(nóng)村醫(yī)療衛(wèi)生事業(yè)的發(fā)展。但由于社會經(jīng)濟發(fā)展失衡，農(nóng)村地區(qū)內(nèi)部的社會經(jīng)濟水平也存在較大差距。在農(nóng)村地區(qū)基本實現(xiàn)新農(nóng)合全覆蓋的背景下，醫(yī)療服務利用、補償受益和基金使用的公平性問題直接關乎參合人群的醫(yī)療行為選擇、健康狀況和生活水平，進而影響農(nóng)村地區(qū)“看病難、看病貴”問題的解決與新農(nóng)合制度的可持續(xù)健康發(fā)展，成為當前社會關注的熱點問題。

公平性是社會醫(yī)療保險政策制定和運行的重要原則，衛(wèi)生經(jīng)濟領域對公平性問題的研究非常活躍，并將其作為重要的政策目標。國外對于醫(yī)療保險公平性的研究比較早，也較為成熟。Sen(1973)［1］、Atkinson(1983)［2］等的研究成果為公平性度量指標與方法的確立與完善做出了重要的貢獻;Cowell(2000)［3］全面系統(tǒng)地回顧了公平性度量的理論體系。隨著社會醫(yī)療保險數(shù)據(jù)的不斷積累和統(tǒng)計、計量等定量分析方法的發(fā)展，國內(nèi)對社會醫(yī)療保險公平性的研究方法逐步從以定性分析為主轉向以定量分析為主。當前，常用的醫(yī)療保險公平性度量指標和方法包括極差法、分位數(shù)比、基尼系數(shù)、集中指數(shù)、卡瓦尼指數(shù)、阿特金森指數(shù)等。通過對上述指標和方法的利用，中國已出現(xiàn)較多對不同時期、不同地區(qū)間醫(yī)療衛(wèi)生與醫(yī)療保險公平性進行評估的實證文章(解堊，2009)［4］。而對于新農(nóng)合的公平性問題，也有部分學者進行了研究。研究主要包括兩個方面:一是對新農(nóng)合制度推行及其改革后的公平性進行評估，以此判斷新農(nóng)合是否會緩解不公平程度(李曉燕，2009)［5］;二是對新農(nóng)合制度運行的公平性進行評估，直接判斷制度本身的公平性(申曙光等，2009)［6］。

總體來看，新農(nóng)合公平性問題的相關研究較為豐富，但大多數(shù)研究僅僅停留于描述新農(nóng)合的公平性狀況，沒有進一步檢驗其變化趨勢與探討各社會經(jīng)濟變量對不公平的貢獻。從研究范圍來看，文獻主要基于全國、省、市的層面，而新農(nóng)合主要以區(qū)(縣)為統(tǒng)籌單位，現(xiàn)有研究并沒有剔除政策差異的影響，從而削弱了公平性評估的客觀性。此外，現(xiàn)有研究主要從籌資、醫(yī)療服務利用、補償受益等方面來評估公平性，而忽略了新農(nóng)合運行的另一個重要方面——基金使用的公平性評估?；诖?，本文以廣州市A區(qū)為研究范圍，首先采用概要公平性指標綜合評估新農(nóng)合的公平性狀況，并推斷和檢驗其變化趨勢;然后在此基礎上采用多因素分析方法，在控制其他變量的情況下，進一步判斷社會經(jīng)濟對于新農(nóng)合醫(yī)療服務利用、受益和基金使用的影響，以便得到更為客觀的評估結果。

二、研究設計

(一)樣本范圍與數(shù)據(jù)來源

新農(nóng)合大多以區(qū)縣為統(tǒng)籌單位，選擇區(qū)為研究范圍，可以避免政策規(guī)定、管理模式、行政能力等方面的差異對研究結果的影響，從而使得研究結果直接反映社會經(jīng)濟發(fā)展的影響。廣州市A區(qū)是全國第一批被列為新農(nóng)合試點的地方，成熟的制度運行機制、創(chuàng)新的管理體制和先進的信息系統(tǒng)使其形成了“A區(qū)模式”，并于2006年被評為廣東省新農(nóng)合示范區(qū);此外，A區(qū)社會經(jīng)濟發(fā)展較快，但其與中國大部分地區(qū)相類似，內(nèi)部發(fā)展不平衡問題仍然存在。所以，選擇A區(qū)作為研究對象，既可檢驗中國第一批新農(nóng)合試點的成效，也可為研究富裕農(nóng)村地區(qū)新農(nóng)合的發(fā)展提供范例。A區(qū)自2000年撤市設區(qū)以來，行政區(qū)劃變化較大，但2006年及其以后較為穩(wěn)定，僅在2009年和2010年各增加一個街道，所以，本文選擇2006～2011年都存在的17個鎮(zhèn)(街)作為樣本范圍。

本文所使用的數(shù)據(jù)主要包括兩類，一類是與新農(nóng)合政策運行相關的，如住院次數(shù)、次均報銷金額、基金使用率、參保人群老齡化程度等，由該區(qū)的衛(wèi)生局提供;另一類則是社會經(jīng)濟發(fā)展與人民生活水平相關的，來自于歷年《A區(qū)年鑒》和《A區(qū)統(tǒng)計年鑒》。

(二)變量選擇

衛(wèi)生經(jīng)濟的相關研究一般用一定時期內(nèi)觀察到的醫(yī)療服務消費來衡量醫(yī)療服務的利用，如過去一年或兩周的就診次數(shù)、入院次數(shù)、住院天數(shù)等(Van Doorslaer et al．，2008)［7］，所以，本文用當年新農(nóng)合參合人群的入院次數(shù)(vst)來衡量醫(yī)療服務利用。而參合人群的補償受益程度和新農(nóng)合基金的使用狀況則分別用次均補償金額(cmp)和基金使用率(fund)來衡量，其中，基金使用率用基金支出與基金收入相除計算得到。上述3個變量主要用于本文公平性指標的測算和作為回歸分析的被解釋變量。

估計醫(yī)療服務利用的解釋變量通?？梢苑譃樗念?社會經(jīng)濟、人口特征、健康狀態(tài)和醫(yī)療保險情況，其中，在人口特征變量中，年齡和性別會對醫(yī)療服務利用產(chǎn)生重要和顯著的影響(Salvado，2008)［8］。本文亦遵循這樣的思路來為3個模型選擇解釋變量。社會經(jīng)濟變量包括衡量人民生活水平的人均收入(inc)、衡量經(jīng)濟發(fā)展水平的人均國內(nèi)生產(chǎn)總值(pg)、衡量產(chǎn)業(yè)結構和農(nóng)業(yè)人口比例的第一產(chǎn)業(yè)占比(ag)和農(nóng)業(yè)人口占比(pag)。人均純收入和人均國內(nèi)生產(chǎn)總值同時也用于公平性指數(shù)的測算。人口特征變量包括衡量參合人群人口結構的老齡化程度(age)、衡量男女比例的性別比(sex)。健康狀態(tài)變量則用衡量健康程度的死亡率(dea)來表示(表1)。

由于本文的研究對象為新農(nóng)合，醫(yī)療保險情況的變量則不再包含在回歸方程中。此外，近年來該區(qū)新農(nóng)合參合率一直維持在99%及其以上，基本實現(xiàn)了對農(nóng)村居民的全覆蓋，所以本文用農(nóng)村居民的人均純收入、居民的性別比和死亡率來分別作為參合居民人均收入、性別比和死亡率的代理變量。

表1 變量描述性統(tǒng)計

(三)模型設定

基于研究思路與目的，本文首先通過相關公平度量指標來衡量公平性狀況及其變化趨勢，然后通過面板模型來分析醫(yī)療服務利用、受益和基金使用的影響因素。

1．公平性度量指標。衛(wèi)生醫(yī)療領域經(jīng)常采用分位數(shù)比、基尼系數(shù)、變異系數(shù)、泰爾指數(shù)、阿特金森指數(shù)、集中指數(shù)來作為測量公平性程度的指標和方法。前5種指數(shù)都不能反映社會經(jīng)濟狀況對公平性的影響，而集中指數(shù)取決于關注變量與社會經(jīng)濟變量的分數(shù)秩次的關系，將社會經(jīng)濟對不公平的貢獻納入考慮，反映了與社會經(jīng)濟狀態(tài)相關的不公平程度。因此，本文通過公平性指標從3個方面逐步推進來反映醫(yī)療服務利用、受益和基金使用的公平性狀況及其變化趨勢。

(1)以概要公平性指標來反映2006～2011年的整體公平性狀況，并檢驗其變化趨勢。這些指標包括分位數(shù)比、基尼系數(shù)、泰爾指數(shù)和具有不同厭惡參數(shù)的3個阿特金森指數(shù)。由于篇幅原因，本文主要分析和檢驗2006～2011年的變化趨勢。

(2)基于集中指數(shù)來分析與社會經(jīng)濟狀態(tài)相關的公平性，進一步判斷不公平的方向。

(3)按照不同的社會經(jīng)濟特征變量將群體分組，采用組分解工具來測量群體之間的差異對于不公平程度的貢獻。

2．構建面板模型。本文通過構建面板模型進一步判斷在控制其他變量時，社會經(jīng)濟對醫(yī)療服務利用、受益和基金使用的影響，已驗證不公平的方向。具體模型如下:

其中，被解釋變量yit分別為入院次數(shù)、次均補償金額和基金使用率，由此構成3個模型。通過Hausman檢驗判定，前兩個模型應采用隨機效應模型估計，第3個模型應采用固定效應模型估計。

三、實證結果分析

(一)公平性狀況及其變化趨勢

1．基于概要公平性指標的公平性狀況及其變化趨勢。概要公平性指標由P90P10(第90分位數(shù)與第10分位數(shù)之比)、基尼系數(shù)、泰爾指數(shù)和具有不同厭惡參數(shù)的3個阿特金森指數(shù)所構成，這些指標的值越大，則關注變量的公平性程度越低。如圖1所示，入院次數(shù)的5個公平性指標在2006～2011年總體上呈上升趨勢，表明參合人群醫(yī)療服務利用的不公平程度日益提高。而阿特金森指數(shù)帶有明顯的社會福利規(guī)范準則，其公式中含有的不平等厭惡參數(shù)衡量了社會對不平等的厭惡程度，它再次論證了醫(yī)療服務利用的不公平程度在上升。同時，入院次數(shù)的不公平程度隨著不平等厭惡參數(shù)的增大而變大，且不公平程度變化的絕對值也隨著不平等厭惡參數(shù)的增加而提高，但變化的百分比卻逐漸下降。次均報銷金額和基金使用的不公平程度都遠遠低于入院次數(shù)，而次均報銷金額的不公平程度略低于基金使用。除了次均報銷金額的分位數(shù)比在2009年出現(xiàn)波折外，兩個變量的5個公平性指數(shù)在2006～2011年間的變化趨勢基本一致，在2007年下降后呈上升趨勢，2011年再次下降，但總體有所下降，表明新農(nóng)合補償受益和基金使用率的不公平程度日益降低。當進一步通過假設檢驗來檢驗變化趨勢的顯著性時，會發(fā)現(xiàn)這些變化值都落在95%的置信區(qū)間內(nèi)，從而無法拒絕變化為0的原假設，即這些變化趨勢并不顯著①由于篇幅有限，文中并未列出表格，如需要可向作者索取。。

2．與社會經(jīng)濟發(fā)展相關的公平。概要公平性指標就關注變量本身進行分析，而未將社會經(jīng)濟相關變量納入分析框架，僅僅反映了不公平的程度，而不能判斷其是偏向“富人”，還是偏向“窮人”的不公平。因此，本文進一步通過集中指數(shù)來分析與收入和社會經(jīng)濟發(fā)展相關的公平性狀況。如表2所示，以農(nóng)村居民人均純收入衡量的與收入相關的集中指數(shù)，在關注變量為入院次數(shù)時，歷年都為負數(shù)，即入院次數(shù)較為集中在“窮人”，醫(yī)療服務利用是“親窮人”的;而當關注變量為次均報銷金額和基金使用時，集中指數(shù)歷年都為正數(shù)(除了基金使用的集中指數(shù)在2006年為負數(shù)外)，即關注變量較為集中在“富人”，補償受益和基金使用是“親富人”的。以人均國內(nèi)生產(chǎn)總值衡量的與社會經(jīng)濟發(fā)展相關的集中指數(shù)的計算結果和與收入相關的集中指數(shù)一樣，即醫(yī)療服務利用是“親不發(fā)達地區(qū)”的(2009年除外)，而補償受益和基金使用是“親發(fā)達地區(qū)”的。

表2 基于收入和社會經(jīng)濟發(fā)展的公平

3．社會經(jīng)濟各變量對不公平程度的貢獻。前文已通過概要公平性指標評估了新農(nóng)合醫(yī)療服務利用、受益和基金使用的總體不公平狀況。接下來，本文根據(jù)社會經(jīng)濟各變量將群體進行分組，將總體不公平程度分解為組間不公平和組內(nèi)不公平，以測量群體之間的差異對于不公平程度的貢獻。本文基于人均純收入、人均國內(nèi)生產(chǎn)總值、第一產(chǎn)業(yè)占比、農(nóng)業(yè)人口占比、死亡率、參合人群老齡化程度和性別比進行分組，其中，前5個變量按分位數(shù)將群體平均分為3組，參合人群老齡化程度以15%為界限分為兩組，而性別比則以1為界限分為兩組。由于篇幅原因，表3僅列出2006年和2011年入院次數(shù)的分解結果作為例子。如2006年，收入的組間部分對于入院次數(shù)基尼系數(shù)、泰爾指數(shù)及基于不同厭惡參數(shù)的阿特金森指數(shù)的貢獻分別為46．08%、28．36%、26．99%、2．51%和23．59%。結果顯示，對于醫(yī)療服務利用的不公平而言，第一產(chǎn)業(yè)占比、人均國內(nèi)生產(chǎn)總值和農(nóng)業(yè)人口占比的貢獻最大，而死亡率的貢獻緊隨其后。對于補償受益的不公平而言，2006年性別比、農(nóng)村居民人均純收入和第一產(chǎn)業(yè)占比的貢獻最大;而2011年則變?yōu)榈谝划a(chǎn)業(yè)占比、農(nóng)業(yè)人口占比和死亡率的貢獻最大，農(nóng)村居民人均純收入緊隨其后。對于基金使用的不公平而言，2006年性別比、農(nóng)村居民人均純收入和第一產(chǎn)業(yè)占比的貢獻最大;而2011年則變?yōu)檗r(nóng)村居民人均純收入、第一產(chǎn)業(yè)占比和參合人群老齡化結構的貢獻最大。

表3 社會經(jīng)濟各變量對不平等的貢獻(單位:%)

(二)醫(yī)療服務利用、受益、基金使用的影響因素

1．基準模型回歸結果分析。如表4所示，對于醫(yī)療服務利用的影響因素的研究發(fā)現(xiàn):(1)收入與入院次數(shù)呈負相關關系。這與前文所測算的與收入相關的集中指數(shù)所得到的結果一致，即收入更低的群體使用了更多的醫(yī)療服務利用。低收入人群可得到的公共衛(wèi)生服務水平低，其營養(yǎng)狀況和生活條件也較差，健康狀況可能處于較低水平(封進和秦蓓，2006［9］;許榮等，2013［10］)，導致更多的使用醫(yī)療服務。值得注意的是，在控制其他變量后，這種負相關關系并不顯著，這可能有兩種原因:一是因為“收入效應”與“健康效應”相抵消，凈效應表現(xiàn)為醫(yī)療服務利用與收入的不相關;二是“收入效應”與“健康效應”都不強，因而醫(yī)療服務利用與收入無關。(2)入院次數(shù)與人均gdp呈正相關關系。這與前文計算的與社會經(jīng)濟發(fā)展相關的集中指數(shù)所得到的結果一樣，即經(jīng)濟的發(fā)展會促進醫(yī)療服務的利用，而工業(yè)化程度低則會阻礙醫(yī)療服務利用，但兩者的促進或阻礙作用并不顯著。(3)農(nóng)業(yè)人口占比越高，越會促進醫(yī)療服務的利用。Henderson et al．(1998)［11］研究發(fā)現(xiàn)，盡管城市和農(nóng)村的醫(yī)療設施存在很大差別，但農(nóng)村居民更可能利用醫(yī)療服務。(4)老齡化程度越高，醫(yī)療服務利用越少。封進和秦蓓(2006)也得到年齡越大，醫(yī)療服務利用越少的結論，其可能原因是農(nóng)村資源被更多地分配給了年輕人。(5)男性越多，使用的醫(yī)療服務越少。這與Henderson et al．(1998)的研究結論一致。(6)健康程度越低，醫(yī)療服務利用越多。國外學者的研究

表明，健康狀態(tài)變量是顯著的，并能夠解釋更多與之相關的醫(yī)療服務利用，出現(xiàn)慢性病或者殘疾等不健康時，就診的次數(shù)就會增加(Lourenco et al．，2005)［12］。

表4 醫(yī)療服務利用、受益、基金使用的影響因素

對于受益的影響因素的研究發(fā)現(xiàn):(1)收入水平越高，經(jīng)濟越發(fā)達，次均補償金額越高，受益越大。這與前文計算的集中指數(shù)所得到的結果一致，即新農(nóng)合受益更為集中在富人和發(fā)達地區(qū)，存在不公平性。此時，可能是收入效應在發(fā)揮作用，收入水平越高，其健康投資越多，醫(yī)療費用支出越大，在制度規(guī)定一樣的情況下，其補償受益也越高。但在控制其他變量后，收入效應與健康效應相抵消，使得不公平性并不顯著。(2)農(nóng)業(yè)人口占比越高，次均補償金額越低，而第一產(chǎn)業(yè)占比對受益的影響并不顯著。(3)老齡化程度越高，受益越大。從理論上來說，隨著年齡增長，健康資本折舊率不斷提高，為維持健康則需要更多的醫(yī)療服務需求，從而增加醫(yī)療費用支出，Di Matteo(2005)［13］得到了類似結果。在制度規(guī)定不變的情況，醫(yī)療費用的增長就意味著補償受益的提高。(4)性別比對受益的影響并不顯著。(5)健康水平越差，補償受益越低。一般來說，健康狀況越差，其醫(yī)療服務需求和醫(yī)療費用支出會越高，所以不健康人群應該獲得更高的補償，而醫(yī)療保險目的之一也是實現(xiàn)基金由健康人群向不健康人群的轉移。本文的研究結果說明補償更多的集中在健康人群，存在著不公平現(xiàn)象。

對于基金使用的影響的研究發(fā)現(xiàn):(1)收入水平越高，經(jīng)濟越發(fā)達，其基金使用率越低。與前文所計算的集中指數(shù)所得到的結果并不一致。這說明在控制其他變量的作用后，收入與基金使用率的相關關系并不顯著，而基金使用不存在“親發(fā)達地區(qū)”的不公平。(2)第一產(chǎn)業(yè)占比與基金使用呈正比，即工業(yè)化程度越低，對醫(yī)療保險的依賴程度越高，基金使用率越高。(3)健康程度越低，基金使用越高，即不健康人群對醫(yī)療保險的依賴度更高，基金使用更多的集中在不健康人群，說明基金使用是公平的。此外，其他變量與基金使用并不存在顯著的關系。

2．內(nèi)生性檢驗。由于被解釋變量與解釋變量的相互影響，如醫(yī)療服務利用和基金使用情況可能影響收入水平和健康狀況，而次均報銷金額則可能會影響收入水平，本文可能存在內(nèi)生性問題?；诖?，本文采用兩種方式來處理內(nèi)生性問題。一是將上一期的收入水平(inct－1)和健康狀況(deat－1)作為解釋變量放入模型中，由于inct－1和deat－1反映的是上一期的信息，不會受到當期醫(yī)療服務利用、次均報銷金額和基金使用狀況的影響，因此可以避免內(nèi)生性問題。如表5所示，總體上，收入和死亡率系數(shù)的符號并沒有發(fā)生變化，但在醫(yī)療服務利用和基金使用模型中，收入的系數(shù)變得顯著。雖然在基金使用模型中，死亡率系數(shù)的符號發(fā)生了變化，但其不顯著。這與基準模型差別不大。另一種方法則是選擇收入和健康的滯后項、地理位置①根據(jù)人口分布和地理位置，將A區(qū)分為兩個區(qū)域:一是中心城區(qū)、華南板塊及其周邊;二是其他。作為工具變量，進行工具變量估計。入院次數(shù)模型的Hausman檢驗失敗，而sargan檢驗表明工具變量的設定是有效的。就變量的符號而言，人均gdp和參合人群老齡化程度發(fā)生了變化，但并不顯著，而人均收入和死亡率的顯著性發(fā)生了變化。次均補償金額模型的Hausman檢驗的卡方值為97．94，拒絕工具變量估計與普通估計不存在顯著差異的原假設。但在sargen檢驗工具變量有效的情況，工具變量估計和普通估計的結果并無太大區(qū)別?；鹗褂媚Ｐ偷腍ausman檢驗失敗，但使用David－McKinnon內(nèi)生性檢驗表明不存在內(nèi)生性，而在工具變量有效的情況得到的工具變量結果都不是顯著的。綜上所述，本文設定的模型并不存在明顯的內(nèi)生性問題，基準回歸模型得到的結果是穩(wěn)健的。

四、結論與政策建議

本文研究發(fā)現(xiàn)，總體上醫(yī)療服務利用的不公平性程度呈上升趨勢，補償受益和基金使用的不公平程度呈波動趨勢，卻有所下降，而當阿特金森指數(shù)的不平等厭惡系數(shù)達到2時，基金使用的不公平程度會上升。但通過假設檢驗發(fā)現(xiàn)這些變化趨勢并不顯著。醫(yī)療服務利用是“親窮人”和“親不發(fā)達地區(qū)”的(2009年除外)，而補償受益和基金使用是“親富人”和“親發(fā)達地區(qū)”的，但當進一步控制其他變量時，收入水平和社會經(jīng)濟發(fā)展對醫(yī)療服務利用和次均補償金額的影響并不顯著，此時，“收入效應”和“健康效應”相抵消;基金使用也并不存在“親富人”和“親發(fā)達地區(qū)”的不公平;社會經(jīng)濟各變量對不公平貢獻大小的排序變化很大，但從近年來看，第一產(chǎn)業(yè)占比、農(nóng)村居民人均純收入和農(nóng)業(yè)人口占比的貢獻較大;農(nóng)業(yè)人口占比越高，老齡化程度越低，健康狀況越差，越會促進醫(yī)療服務的利用，但補償受益越低;而工業(yè)化程度越低，健康水平越差，基金使用越多;其他變量對關注變量的影響并不顯著。

可以看出，雖然總體上A區(qū)的不公平程度較低，新農(nóng)合的運行狀況良好，但仍有不足，如補償受益并未實現(xiàn)基金由健康人群向非健康人群的轉移等。此外，新農(nóng)合不應局限于自身的發(fā)展，而應在社會醫(yī)療衛(wèi)生改革和社會醫(yī)療保險整體發(fā)展的大背景尋求新的定位和目標，以縮小與城鎮(zhèn)居民基本醫(yī)療保險、城鎮(zhèn)職工基本醫(yī)療保險的差距，真正實現(xiàn)社會醫(yī)療保險的全民覆蓋，以有效地解決農(nóng)村居民的“看病難、看病貴”問題。因此，政府應繼續(xù)采取相關措施來完善新農(nóng)合的建設:促進新農(nóng)合統(tǒng)籌單位之間的經(jīng)驗交流和借鑒，以縮小統(tǒng)籌單位間新農(nóng)合的不平衡發(fā)展，為社會醫(yī)療保險城鄉(xiāng)統(tǒng)籌奠定基礎;加大財政對新農(nóng)合建設的投入，提高新農(nóng)合的保障水平;制定并嚴格實施雙向轉診制度，合理引導不同病情的病人到相應等級的醫(yī)療機構就醫(yī)，使醫(yī)療資源的利用更科學合理。

［1］Sen，Amartya，1973．On Economic Inequality，New York:Oxford University Press．

［2］Atkinson，A．B．，1983．The Economics of Inequality，New York:Oxford University Press．

［3］Cowell，F(xiàn)．A．，2000．Measurement of Inequality，Handbook of Income Distribution，ed．A．B．Atkinson and F．Bourguignon，87－166．Elsevier B．V．

［4］解堊．與收入相關的健康及醫(yī)療服務利用不平等研究［J］．經(jīng)濟研究，2009(2)．

［5］李曉燕．從健康水平、服務利用和籌資視角看新農(nóng)合制度公平性——基于黑龍江省的實證分析［J］．中國人口科學，2009(3)．

［6］申曙光，孫健，劉巧，周堅．新型農(nóng)村合作醫(yī)療制度公平性研究——以廣東省為例［J］．人口與經(jīng)濟，2009．

［7］Van Doorslaer E．，Clarke P．，Savage E．，et al．，2008．Horizontal Inequities in Australia’s Mixed Public/Private Health Care System，Health Policy，Vol．86，No．1:97－108．

［8］Salvado J C．，2008．The Determinants of Health Care Utilization in Portugal:An Approach with Count Data Models，Swiss Journal of Economics and Statistics(SJES)，Vol．144，No．3:437－458．

［9］封進，秦蓓．中國農(nóng)村醫(yī)療消費行為變化及其政策含義［J］．世界經(jīng)濟文匯，2006(1)．

［10］許榮，張迪，吉學．新農(nóng)合對農(nóng)戶商業(yè)醫(yī)療保險需求影響的研究［J］．保險研究，2013(3)．

［11］ Henderson G．E．，Akin J．S．，and Hutchinson P．M．，1998．Trends in Health Services Utilization in Eight Provinces in China，1989－1993，Social Science ＆ Medicine，Vol．47，No．12:1957－1971．

［12］Lourenco O．D．，and Ferreira P．L．，2005．Utilization of Public Health Centres in Portugal:Effect of Time Costs and other Determinants，F(xiàn)inite Mixture Models Applied to Truncated Samples，Health E-conomics，Vol．14，No．9:939－953．

［13］Di Matteo L．，2005．The Macro Determinants of Health Expenditure in the United States and Canada:Assessing the Impact of Income，Age Distribution and Time，Health Policy，Vol．71，No．1:23－42．

(責任編輯 張 偉)