劉　貞，郭　偉，呂指臣，朱開偉

(重慶理工大學 管理學院，重慶　400054)

?

重慶市人均醫(yī)療衛(wèi)生費用影響因素的計量研究

劉貞，郭偉，呂指臣，朱開偉

(重慶理工大學 管理學院，重慶400054)

為了探究地方性醫(yī)療衛(wèi)生費用的影響因素，以重慶市為研究對象，采用重慶市1997—2014年時間序列數據，通過協(xié)整分析、誤差修正模型等方法研究變量之間的長期和短期關系。結果表明：重慶市人均醫(yī)療衛(wèi)生費用與人均總收入、每千人口衛(wèi)生技術人員之間存在長期的均衡關系，而短期影響不大；重慶市人均總收入與人均醫(yī)療衛(wèi)生費用之間具有正相關關系，而每千人口衛(wèi)生技術人員與人均醫(yī)療衛(wèi)生費用之間具有負相關關系。

醫(yī)療衛(wèi)生費用;重慶市;協(xié)整分析

一、引言

醫(yī)療費用占GDP的比重實際上在每個發(fā)達國家都呈現(xiàn)出一種日益上升的趨勢。在美國，醫(yī)療費用占GDP的比重從1960年的5%上升到2010年的18%，漲了3倍多。在同一時期，其他發(fā)達國家也達到2倍多。在一些發(fā)達國家，醫(yī)療費用的相當大一部分由公眾來承擔，醫(yī)療費用的急劇上升已經演變成中央財政面臨的主要挑戰(zhàn)之一[1-2]。當前，我國也存在嚴重的醫(yī)療費用不斷上漲的問題。研究顯示：我國的人均預期壽命和一些其他的健康指標都取得了重大突破。然而，像高血壓、糖尿病以及腦血管等疾病的發(fā)病率卻大幅度地增加。日益增加的疾病負擔從另一個側面顯示出我國醫(yī)療費用正不斷上升[3]。“看病難，看病貴”一直是困擾我國政府的一大難題。醫(yī)療費用的不合理上升在給政府財政和人民帶來沉重的經濟負擔的同時，也造成社會醫(yī)療資源的巨大浪費[4]。因此，探究醫(yī)療費用上升的原因具有重大意義。

自從Newhouse最早于1977年發(fā)表了關于醫(yī)療費用影響因素的論文以來，國內外學者在此方面展開了大量的研究[5]。早期的研究主要是討論醫(yī)療費用的收入彈性問題[6]。近年來，國外學者大多數都采用面板數據的分析方法來研究發(fā)達國家的醫(yī)療費用問題。如：TomokoTamakoshi等采用日本47個行政區(qū)的2001—2010年的面板數據，研究了日本的醫(yī)療費用、GDP以及老年人口比例之間的關系，結果發(fā)現(xiàn)：GDP對日本醫(yī)療費用的影響因素不大，而人口老齡化才是最主要的影響因素[7]。SilviaFedeli采用意大利1982—2009年的面板數據對意大利醫(yī)療費用的影響因素進行研究，結果表明：意大利的醫(yī)療費用長期主要受GDP的影響[8]。

我國于20世紀80年代初開始進行衛(wèi)生總費用的測算工作,并試圖探討我國衛(wèi)生總費用的決定因素。中國衛(wèi)生總費用課題組利用1978—1995年中國衛(wèi)生總費用的數據并建立多元線性回歸模型,得出結論：我國真實人均衛(wèi)生支出相對于真實人均GDP的彈性為0.53[9]。何平平利用協(xié)整的分析方法對我國1978—2003年數據進行證實，其結論為：經濟增長是中國衛(wèi)生費用增長的最主要因素[10]。除了經濟增長這一因素之外，近年來，我國學者對醫(yī)療費用的影響因素進行了進一步的研究。陶春海從供給和需求兩個角度對我國醫(yī)療費用過度增長進行了分析，結果發(fā)現(xiàn)人口老齡化、價格、醫(yī)療技術水平等在一定程度上造成了醫(yī)療費用的過快增長[11]。劉莉云等運用Eviews統(tǒng)計分析軟件對中國農村人均衛(wèi)生費用的影響因素進行回歸分析，研究發(fā)現(xiàn)每千人口衛(wèi)生技術人員數與農村人均衛(wèi)生費用具有正相關關系[12]。王雅萱從供給和需求兩個方面，運用計量經濟學的協(xié)整分析和誤差修正模型等原理，定量研究我國醫(yī)療費用上漲的各種因素，結果發(fā)現(xiàn)：除了經濟增長和人口老齡化之外，城鎮(zhèn)化對醫(yī)療衛(wèi)生費用的正向推動作用已越來越明顯[13]。徐長生等基于2003—2013年我國31個省人均GDP、老齡化以及城鎮(zhèn)化等指標，運用多元線性回歸進行定量分析和檢驗，結果發(fā)現(xiàn)這3個因素當中城鎮(zhèn)化的影響最大[14]。王肖南等運用向量自回歸(VAR)模型研究了國內生產總值(GDP)、人口老齡化、政府衛(wèi)生支出比例以及我國的城鎮(zhèn)化水平這4個因素對我國衛(wèi)生總費用的影響，研究表明：對我國衛(wèi)生總費用影響最大的城鎮(zhèn)化率和國內生產總值，其次是政府衛(wèi)生支出比例，從長期影響來看，人口老齡化也是一個不可忽略的影響因素[15]。

大部分學者都采用國家的數據對我國整體醫(yī)療衛(wèi)生費用問題展開研究。但是，很少有學者采用地方性數據對地方性的醫(yī)療費用問題展開進一步研究。廖宇航等根據海南省1978—2013年時間序列數據，采用協(xié)整分析的方法發(fā)現(xiàn)人均GDP、人口老齡化、每千人口醫(yī)生數對人均衛(wèi)生費用有顯著影響[16]。基于以上文獻考慮，為了進一步探究地方性衛(wèi)生費用問題，本文以重慶市為研究對象，采用重慶市最新的數據來分析重慶市的醫(yī)療衛(wèi)生費用問題。本文選取重慶市城鎮(zhèn)人均總收入、每千人口床位數、每千人口衛(wèi)生技術人員、老年人口比例、城鎮(zhèn)化等影響因素作為解釋變量進行分析，以探究其對重慶市人均醫(yī)療衛(wèi)生費用的影響。

二、數據來源與變量描述

(一)數據來源

重慶市城鎮(zhèn)人均醫(yī)療衛(wèi)生費用、人均總收入、每千人口床位數、每千人口衛(wèi)生技術人員、老年人口比例以及城鎮(zhèn)化的數據均來源于1998—2015年的《重慶統(tǒng)計年鑒》。值得說明的是，由于重慶市城鎮(zhèn)人均醫(yī)療衛(wèi)生保健支出(RJFY)和人均總收入(RJSR)的數據在歷年統(tǒng)計年鑒中是按“城鎮(zhèn)”和“農村”分別進行統(tǒng)計的，無法實現(xiàn)兩者的統(tǒng)一。對此，本文只針對重慶市城鎮(zhèn)的醫(yī)療衛(wèi)生費用問題進行研究。

(二)變量選擇

1.被解釋變量

RJFY：人均醫(yī)療衛(wèi)生費用。地區(qū)衛(wèi)生總費用代表當地的醫(yī)療服務總需求，為了消除人口因素對衛(wèi)生總費用的影響，故采用重慶市城鎮(zhèn)的人均醫(yī)療衛(wèi)生費用這一指標作為被解釋變量。

2.解釋變量

RJSR:人均總收入。大部分學者都選取人均GDP這一因素來探討收入對人均醫(yī)療衛(wèi)生費用的影響。繼2014年GDP增速領跑中國各省市后，重慶在2015年上半年又以11%的GDP增長繼續(xù)保持全國第一的增速[17]。然而,人均GDP并不能代表實際的人均收入，而且GDP只能反映經濟增長的數量，不能反映成本和效益，以及結構和分配等。故本文選用人均總收入這一指標作為解釋變量。

OLD:老年人口比例。相關研究表明，65歲以上老年人的患病率是年輕人的6.5倍[18]。按國際慣例，一般以65周歲以上人口數占總人口的比率作為老齡化的指標。因此，本文選取這一指標用以度量人口老齡化對醫(yī)療費用的影響。

MQW:每千人口衛(wèi)生技術人員。一般而言，一個地區(qū)的衛(wèi)生技術人員的數量代表著該地區(qū)醫(yī)療衛(wèi)生服務的供給水平。本文選取這一指標用以度量其對醫(yī)療費用的影響。

CZH:城鎮(zhèn)化。有學者選取該變量來探究其對醫(yī)療費用上漲的影響。但并沒有得出一致的結論，故本文選取這一變量進行進一步探究。

三、模型設定與估計

(一)單位根檢驗

為了減少模型的異方差性，本文對得到的實際數據進行對數處理，分別記為lnRJFY、lnRJSR、lnOLD、lnMQW、lnCZH。本研究分別對各個變量進行了ADF的單位根檢驗。經檢驗lnRJFY、lnRJSR、lnMQW為2階單整，而lnOLD、lnCZH僅為1階單整,不能滿足同階單整的條件，故將lnOLD、lnCZH舍棄。檢驗結果見表1。

表1　人均醫(yī)療衛(wèi)生費用及其相關影響因素ADF檢驗結果

注：檢驗形式(C,T,L)中，C、T、L分別代表常數項、時間趨勢和滯后階數。*** 表示在1%顯著水平上拒絕零假設。

由于lnRJFY、lnRJSR和lnMQW均為時間序列,可能存在單位根問題。根據單位根檢驗結果，水平序列和一階差分后的ADF值均在1%的顯著性水平上大于Mackinnon臨界值，不能拒絕單位根假設，即：lnRJFY、lnRJSR、lnMQW均存在單位根。但是二階差分后lnRJFY、lnMQW和lnRJSR均在1%水平下通過平穩(wěn)性檢驗。

(二)協(xié)整檢驗-Johansen實證

單位根檢驗的結果顯示:lnRJFY、lnRJSR和lnMQW都服從I(2)過程,符合展開協(xié)整檢驗的前提條件。Johansen于1988年以及與Juselius一起于1990年提出了一種基于向量自回歸模型的協(xié)整檢驗方法，通常稱為JJ檢驗，是一種進行協(xié)整檢驗的較好方法[19]。因此，本文采用此方法來檢驗協(xié)整關系。

1.確定協(xié)整滯后階數

協(xié)整檢驗首先需要確定合理的協(xié)整滯后階數,以保證協(xié)整關系統(tǒng)計上的可信度。在無約束(unrestricted)VAR(P)模型條件下，可根據LR、FPE、AIC、SC、HQ等多種檢驗準則，通過測試不同VAR(P)模型對應的值，得出VAR(P)的最優(yōu)自回歸階數。本文通過逐一測試，表2給出了滯后階數L從0到2所對應的各檢測值，在5%顯著性水平下，LR、FPE、AIC、SC、HQ全都表明最佳滯后階數為1。

2.非約束協(xié)整關系檢驗

已知最佳滯后階數L=1，基于Johansen的特征根協(xié)整檢驗原理，還需要確定檢驗假設。非約束Johansen協(xié)整檢驗結果見表3。

表2　水平VAR模型的最佳滯后階數

注：**代表5%顯著性水平上顯著。

表3　Johansen非約束協(xié)整關系檢驗結果

注：*** 表示在1%顯著性水平上拒絕零假設；** 代表在5%顯著性水平上拒絕零假設。

表3中，r表示協(xié)整關系個數。在1%的臨界水平下：軌跡(Trace)統(tǒng)計量表明(69.77>42.92)，應該拒絕沒有協(xié)整關系(r=0)原假設，對應地接受存在一階協(xié)整關系。最大特征值統(tǒng)計量(34.76>25.82)也拒絕r=0,接受r≤1，即最多存在一階協(xié)整關系。結論是：在1%顯著水平下，lnRJFY、lnMQW、lnRJSR之間存在一階協(xié)整關系。

3.協(xié)整方程

由表3可以看出各個變量之間具有一階協(xié)整關系。由此，根據Eviews6.0軟件可以測算出具體的協(xié)整方程。其協(xié)整方程為：

lnRJFYt=1.46lnRJSRt-0.85lnMQWt+CtlnRJFYt

(0.034 4)(0.048 4)

對變量進行單整性檢驗以確保其序列平穩(wěn)后，接著檢驗變量之間是否存在協(xié)整關系，如果存在協(xié)整關系則可以建立誤差修正模型。

4.誤差修正模型

誤差修正模型(ErrorCorrectionModel,簡記為ECM)是一種具有特定形式的計量經濟學模型。它的主要形式是由大衛(wèi)德森(Davidson),亨格瑞(Hendry),斯巴(Srba)和耶(Yeo)于1978年提出的，稱為DHSY模型[19]。若一個內生變量yt只被表示成同一時點的外生變量xt的函數,xt對yt的長期影響則可以求出。然而，每個變量的滯后項也出現(xiàn)在模型之中，其長期影響將通過分布滯后函數反映，這就是ADL模型。對于一階自回歸分布滯后模型，記為ADL(1，1)。因此,可以建立如下方程：

環(huán)渤海是我國大氣污染治理的首要地區(qū)，能源消費總量占全國的18.9%，其中山東省能源消費總量位居全國第一，河北省位居第三；煤炭消費總量占能源消費總量的72.4%，其中北京、天津煤炭消費占比較低，河北達到86%，山東為79%；北京天然氣消費占比達到29%，天津達到10%以上，河北和山東天然氣消費占比不足4%。根據大氣污染治理“控制煤炭消費量，提高天然氣等清潔能源消費占比”的總體方向，該地區(qū)是未來天然氣發(fā)展的潛力市場。

yt=k0+k1yt-1+k2xt+k3xt-1+εt

t=1,2,…,T

(1)

其中，記y*=E(yt), x*=E(xt),由于E(εt)=0,在式(1)兩邊取期望得

y*y*=k0+k1y*+k2x*+k3x*

(2)

進而有

(3)

y*=β0+β1x*

(4)

Δyt=k0+k2Δxt+(k2+k3)xt-1+

(k1-1)yt-1+εt

(5)

利用k2+k3=β1(1-k1),k0=β0(1-k1),式(5)又可以改寫成

Δyt=(k1-1)[yt-1-β0-β1xt-1]+

k2Δxt+εt

(6)

令θ=k1-1 ，則 式(6)可寫成

Δyt=θ(yt-1-β0-β1xt-1)+k2Δxt+εt

(7)

該式被稱為誤差修正模型，進而得出重慶市人均醫(yī)療衛(wèi)生費用的誤差修正模型的具體形式：

ΔlnRJFYt=-0.449 4ΔlnRJSRt-0.676 7ΔlnMQWt-

(0.436 9)(0.387 2)

0.209 0ECMt-1+5.165 2

(8)

(0.2246)

R2=0.436 0,Adj.R2=0.136 2

AIC=-2.186 6, SC=-1.809 0

在式(8)中ECMt-1為誤差修正項。誤差修正項的系數為負，符合反向調整機制。表明重慶市每年實際發(fā)生的人均醫(yī)療衛(wèi)生費用的短期波動偏離長期時將以21%的力度將非均衡拉回到均衡狀態(tài)。

四、結論

本文運用計量經濟學的相關理論與研究方法，對重慶市醫(yī)療費用增長的相關因素進行了嘗試性實證研究并得到如下結論：① 經ADF單位根檢驗，重慶市人均醫(yī)療衛(wèi)生費用、人均總收入與每千人口衛(wèi)生技術人員都是非平穩(wěn)變量，并且它們之間存在長期的均衡關系；而誤差修正項的系數僅為-0.21，說明短期影響不顯著。② 重慶市人均總收入與人均醫(yī)療衛(wèi)生費用之間存在正相關關系。重慶市人均總收入每上升1個百分點會引起人均醫(yī)療費用上升1.46個百分點。由此可見：收入仍然是影響人均醫(yī)療衛(wèi)生費用上漲的重要因素。隨著收入的增加，人們愿意選擇相對更多的醫(yī)療服務。③ 重慶市每千人口衛(wèi)生技術人員與人均醫(yī)療衛(wèi)生費用之間存在負相關關系。由此可見，從醫(yī)療市場供給角度而言，衛(wèi)生技術人員的增加可以為更多的患者提供醫(yī)療服務，有助于減輕醫(yī)療衛(wèi)生費用上漲的情況。

重慶市于1997年成立直轄市，因此未采用1997年以前的數據。由于數據來源的問題，本文的樣本容量受到一定限制。同時，本文采用重慶市城鎮(zhèn)的數據，因而只針對重慶市城鎮(zhèn)進行研究，不包括周邊的農村。在我國醫(yī)療衛(wèi)生費用的研究方面，地區(qū)性的研究還很不足。我國地大物博，各個地區(qū)在地理位置、人口因素、經濟發(fā)展以及國家政策等方面存在不同。所以，醫(yī)療費用的影響因素在我國各個省份、地區(qū)之間存在不同程度的差異?？偠灾?，未來應更加注重地區(qū)性的研究以及區(qū)域之間的對比性研究。

[1]JOCHEN H,JAN-EGBERT S.Robust determinants of health care expenditure growth[J].Applied Economics,2014,46(36):4455-4474.

[2]吉富星，程麗君，李樞川.我國新型農村合作醫(yī)療制度的思考——基于機制設計的視角[J].重慶理工大學學報(社會科學)，2014(9)：81-86.

[3]JIN F.Macro determinants of health expenditure in China[J].Fudan Journal of the Humanities and Social Science,2011,4(3):18-36.

[4]張羽,張曉芬.我國醫(yī)療費用不合理上升的原因探析——基于信息不對稱視角[J].科技與企業(yè),2014,1(1):15-18.

[5]何平平.醫(yī)療費用增長因素研究[M].長沙：湖南大學出版社,2012.

[6]SANTIAGO L.On the relationship between GDP and health care expenditure:a new look[J].Economic Modelling,2013,32:124-129.

[7]TOMOKO T,SHIGEYUKI H.Health-care expenditure,GDP and share of the elderly in Japan:a panel cointegration analysis[J].Applied Economics Letters,2015,22(9):725-729.

[8]SILVIA F.The impact of GDP on health care expenditure:the case of Italy (1982—2009)[J].Social Indicators Research,2015,122(2):347-370.

[9]中國衛(wèi)生總費用課題組.中國衛(wèi)生總費用影響因素的計量經濟學分析[J].中國衛(wèi)生經濟,1996(12):27-28.

[10]何平平.協(xié)整分析與誤差修正模型——經濟增長、人口老齡化與我國醫(yī)療費用增長的實證研究[J].工業(yè)技術經濟，2006,25(1)：37-41.

[11]陶春海.我國醫(yī)療費用過度增長的經濟分析[J].江西財經大學學報,2010(3):11-15.

[12]劉莉云,王悅.農村人均衛(wèi)生費用的影響因素研究[J].中國農村衛(wèi)生事業(yè)管理,2012,32(6):553-555.

[13]王雅萱.我國醫(yī)療費用影響因素的計量研究[J].忻州師范學院學報,2015,31(2):42-45.

[14]徐長生,張澤棟.城鎮(zhèn)化、老齡化及經濟發(fā)展對我國醫(yī)療費用影響回歸分析[J].中國衛(wèi)生經濟，2015,34(6):54-55.

[15]王肖南,黃葉金.基于VAR模型對影響我國衛(wèi)生費用增長因素的實證分析[J].中國衛(wèi)生經濟，2015,34(6):54-55.

[16]廖宇航,黃曉玲,羅麗娟,等.海南省人均衛(wèi)生費用影響因素研究[J].中國衛(wèi)生經濟，2014(8):58-60.

[17]曾睿.上半年重慶GDP增長11%全國第一[J].重慶與世界，2015(9):26-27.

[18]祁金華，周成超，薛青云.我國衛(wèi)生總費用影響因素分析[J].中國衛(wèi)生經濟，2012,31(1):10-12.

[19]李子奈，潘文卿.計量經濟學[M].3版.北京：高等教育出版社，2009.

(責任編輯馮軍)

AnEconometricStudyontheContributoryFactorsofPerCapitalMedicalExpenditureinChongqing

LIUZhen,GUOWei,LYUZhi-chen,ZHUKai-wei

(CollegeofManagement,ChongqingUniversityofTechnology,Chongqing400054,China)

Inordertoexplorethecontributoryfactorsofregionalmedicalexpenditure,thispapertakesChongqingastheresearchobjectandadoptsthetimeseriesdatafrom1997to2014.Toanalysisthelong-termandshort-termrelationshipbetweenvariables,weusethemethodsofcointegrationanalysisanderrorcorrectionmode.Theresultsshowthatthereexistslong-termandshort-timerelationshipbetweenvariables.However，theshort-termimpactwasnotsignificant.Thereisapositivecorrelationbetweenthepercapitalincomeandpercapitalmedicalexpenditure.Meantime,thereisalsoanegativecorrelationbetweenperthousandmedicalpersonnelandpercapitalmedicalexpenditure.

medicalexpenditure;Chongqing;cointegrationanalysis

2015-11-19；

2016-08-10

劉貞(1973—)，男，河南上蔡人，教授，清華大學博士后，研究方向：可再生能源。

format：LIUZhen,GUOWei,LYUZhi-chen,etal.AnEconometricStudyontheContributoryFactorsofPerCapitalMedicalExpenditureinChongqing[J].JournalofChongqingUniversityofTechnology(SocialScience)，2016(9):69-73.

10.3969/j.issn.1674-8425(s).2016.09.011

F222.31

A

1674-8425(2016)09-0069-05

引用格式：劉貞，郭偉，呂指臣，等.重慶市人均醫(yī)療衛(wèi)生費用影響因素的計量研究[J].重慶理工大學學報(社會科學)，2016(9):69-73.