郭芮綺，胡 依，閔淑慧，成曉芬，李 貝

(南方醫(yī)科大學(xué)衛(wèi)生管理學(xué)院，廣東 廣州 510515)

衛(wèi)生總費(fèi)用(Total Expenditure on Health，TEH)是指公眾在衛(wèi)生保健服務(wù)上花費(fèi)的總金額，對(duì)國(guó)家衛(wèi)生保障有十分重要的意義[1]。我國(guó)衛(wèi)生總費(fèi)用由1995年的2155.13億元增長(zhǎng)到2017年的52,598.28億元，22年間增長(zhǎng)了23.41倍[2]。在健康中國(guó)戰(zhàn)略背景下，若衛(wèi)生總費(fèi)用長(zhǎng)期不合理增長(zhǎng)，極易加重居民醫(yī)療衛(wèi)生負(fù)擔(dān)，甚至使因病致貧和因病返貧的現(xiàn)象難以得到實(shí)際解決，最終無(wú)法實(shí)現(xiàn)真正意義的全民覆蓋[3]。衛(wèi)生總費(fèi)用增長(zhǎng)受經(jīng)濟(jì)發(fā)展水平、政府投入、醫(yī)療資源等多種因素影響，合理的衛(wèi)生總費(fèi)用研究有利于相關(guān)政府部門調(diào)整與優(yōu)化相關(guān)衛(wèi)生政策[4-6]。故本文采用VAR(Vector Auto-Regression)模型與ARIMA(Autoregressive Integrated Moving Average)模型研究我國(guó)人均GDP、衛(wèi)生事業(yè)費(fèi)用、人口老齡化，醫(yī)療資源以及城鎮(zhèn)化水平5個(gè)主要因素與衛(wèi)生總費(fèi)用的動(dòng)態(tài)關(guān)系，并對(duì)衛(wèi)生總費(fèi)用未來(lái)發(fā)展趨勢(shì)進(jìn)行預(yù)測(cè)，為促進(jìn)我國(guó)衛(wèi)生事業(yè)改革和發(fā)展提供相關(guān)建議，以助力于健康中國(guó)戰(zhàn)略目標(biāo)的實(shí)現(xiàn)。

1 資料與方法

1.1 數(shù)據(jù)與變量

本研究從《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)衛(wèi)生和計(jì)劃生育統(tǒng)計(jì)年鑒》和《中國(guó)衛(wèi)生健康統(tǒng)計(jì)年鑒》中收集1990-2019年的相關(guān)數(shù)據(jù)，為消除人口數(shù)量等因素的影響，衛(wèi)生總費(fèi)用、GDP、醫(yī)療資源、城市化水平、人口老齡化、政府衛(wèi)生支出依次以人均衛(wèi)生費(fèi)用、人均GDP、每千人口醫(yī)療機(jī)構(gòu)床位數(shù)、城鎮(zhèn)人口占總?cè)丝诒壤?5歲以上人口占總?cè)丝诒壤⒄l(wèi)生支出占財(cái)政比例進(jìn)行表示。每個(gè)變量以自然對(duì)數(shù)的形式呈現(xiàn)以減少各變量異方差對(duì)最終結(jié)果的影響，依次記為L(zhǎng)NTHE、LNGDP、LNCOV、LNCITY、LNOLDS、LNBED。

1.2 研究方法

使用EXCEL構(gòu)建1990-2019年中國(guó)衛(wèi)生總費(fèi)用相關(guān)數(shù)據(jù)的時(shí)間序列數(shù)據(jù)集，使用Eviews 10.0軟件進(jìn)行ADF(Aucment Dickey-Fuller)用于確定時(shí)間序列的穩(wěn)定性，并構(gòu)建探究經(jīng)濟(jì)、城鎮(zhèn)化、醫(yī)療等因素與衛(wèi)生總費(fèi)用的動(dòng)態(tài)關(guān)系的VAR模型，使用SPSS 25.0軟件中的ARIMA模型預(yù)測(cè)中國(guó)衛(wèi)生總費(fèi)用未來(lái)發(fā)展趨勢(shì)。

2 結(jié)果

2.1 ADF檢驗(yàn)

使用ADF檢驗(yàn)時(shí)間序列平穩(wěn)性，若是通過檢驗(yàn)則可直接進(jìn)行建模，若不通過檢驗(yàn)，則應(yīng)對(duì)序列進(jìn)行差分后再進(jìn)行建模。由表1可知，通過ADF初步檢驗(yàn)的只有LNCITY變量，其余變量原序列都未通過檢測(cè)，一階、二階差分后轉(zhuǎn)化成平穩(wěn)性時(shí)間序列(P<0.05)，滿足條件構(gòu)建VAR模型。

2.2 VAR模型

2.2.1 滯后階數(shù)

建立模型前需根據(jù)LR檢驗(yàn)統(tǒng)計(jì)、FPE(Final Prediction Error)、AIC(Akaike Information Criterion)、SC(Schwarz Information Criterion)和HQ(Hannan-Quinn Information Criterion，來(lái)選擇VAR模型滯后的階數(shù)確定滯后階數(shù)。表2結(jié)果顯示，多數(shù)信息準(zhǔn)則篩選階數(shù)為二階，故該VAR模型的滯后階數(shù)為二階。

表2 滯后階數(shù)判定結(jié)果

2.2.2 VAR模型估計(jì)結(jié)果

VAR模型是以內(nèi)生變量的滯后值的相關(guān)函數(shù)構(gòu)建[7]。將該時(shí)間序列代入模型，運(yùn)算估計(jì)結(jié)果如下：

關(guān)于VAR模型穩(wěn)態(tài)檢驗(yàn)，若模型的AR根都小于1即位于單位圓內(nèi)則通過檢驗(yàn)，反之亦然。檢測(cè)結(jié)果顯示，AR根全部在單位圓內(nèi)，故該模型是平穩(wěn)的，模型估計(jì)結(jié)果有效，見圖1。

圖1 模型平穩(wěn)性檢驗(yàn)結(jié)果

2.2.3 脈沖響應(yīng)函數(shù)分析

脈沖響應(yīng)函數(shù)(Impulse Response Function，IRF)主要解釋變量間的動(dòng)態(tài)關(guān)系，即單位沖擊下對(duì)變量本身和其他內(nèi)生變量的影響[8]。模型隨機(jī)誤差項(xiàng)的正交約束采用滯后期數(shù)為20的Cholesky分解技術(shù)。結(jié)果顯示如圖2，其中，橫軸、縱軸、虛線、實(shí)線依次表示為滯后期數(shù)、變化值、標(biāo)準(zhǔn)差帶、脈沖響應(yīng)函數(shù)。

圖2 脈沖響應(yīng)分析結(jié)果

LNTHE顯示，在一個(gè)單位正沖擊下，LNTHE在當(dāng)期的影響最大，并且隨著時(shí)間的推移逐漸減弱。到第七期時(shí)負(fù)面影響的值達(dá)到最大值，然后上升到零，影響逐漸消失。

LNOLDS顯示，當(dāng)給LNOLDS一個(gè)單位正沖擊，LNTHE本期正向影響最大，到第二期時(shí)影響變?yōu)樨?fù)值，隨后開始回升為正值并振蕩著趨于零，達(dá)到收斂。

LNCOV顯示，在一個(gè)單位正沖擊下，LNTHE在當(dāng)期收到的正影響較大，隨后影響逐步減弱變?yōu)樨?fù)影響，第十期負(fù)影響達(dá)到最大，而后逐漸上升穩(wěn)定在零，影響消失。

LNGDP顯示，當(dāng)給LNGDP一個(gè)單位正沖擊，LNTHE一直為正影響，并在第五期時(shí)達(dá)到最大，其后逐漸下降，最大的負(fù)影響是在第九期，隨后逐漸趨向于收斂。

LNBED顯示，若給LNBED一個(gè)正沖擊，最大正影響值在第二期達(dá)到最大，第三期時(shí)負(fù)影響達(dá)到最大，并在第五期回升為正影響的第二個(gè)峰值，隨后逐漸波動(dòng)下降并趨向于影響消失狀態(tài)。

LNCITY顯示，若給LNCITY一個(gè)正沖擊，LNTHE最大正影響值在第二期，第六期時(shí)負(fù)影響達(dá)到最大，中間呈現(xiàn)波動(dòng)狀態(tài)，在第八期下降為第二個(gè)負(fù)影響峰值，隨后逐漸回升為正值并收斂。

2.3 ARIMA模型預(yù)測(cè)

ARIMA模型預(yù)測(cè)的原理是將被解釋變量的現(xiàn)值與滯后值以及隨機(jī)誤差項(xiàng)的現(xiàn)值和滯后值進(jìn)行回歸[9]。本研究運(yùn)用ARIMA(2，2，2)對(duì)人均衛(wèi)生總費(fèi)用時(shí)間序列數(shù)據(jù)進(jìn)行擬合并對(duì)2020-2030年的趨勢(shì)進(jìn)行預(yù)測(cè)，圖3結(jié)果顯示，模型預(yù)測(cè)值與實(shí)際值幾乎重合，提示擬合程度較理想，該模型較為合理。另外，模型預(yù)測(cè)結(jié)果顯示，人均衛(wèi)生總費(fèi)用將不斷增長(zhǎng)，預(yù)計(jì)在2030年達(dá)到14,129.2162元，相比2019年增長(zhǎng)近3倍。增長(zhǎng)速度維持在10%左右，整體呈下降趨勢(shì)，在2030年增長(zhǎng)率將降為9.20%，見表3。

圖3 模型擬合情況

表3 2020-2030年人均衛(wèi)生總費(fèi)用預(yù)測(cè)結(jié)果

3 討論

3.1 我國(guó)衛(wèi)生總費(fèi)用控制形勢(shì)嚴(yán)峻

預(yù)測(cè)結(jié)果顯示，我國(guó)人均衛(wèi)生總費(fèi)用將在2030年達(dá)到14,129.2162元，相比2019年增長(zhǎng)近3倍，增長(zhǎng)率在10%上下波動(dòng)，并呈下降的趨勢(shì)，但是衛(wèi)生費(fèi)用的總體基數(shù)不斷增大，絕對(duì)增量也較大。近年來(lái)政府及社會(huì)各界迫切希望通過進(jìn)一步加大對(duì)衛(wèi)生事業(yè)的投入，以提高人民整體健康水平，助力于實(shí)現(xiàn)健康中國(guó)戰(zhàn)略目標(biāo)的實(shí)現(xiàn)，這自然會(huì)使衛(wèi)生總費(fèi)用不斷上漲。但是，在當(dāng)前中國(guó)宏觀經(jīng)濟(jì)增速放緩的大背景下，如果衛(wèi)生總費(fèi)用增長(zhǎng)過快，與國(guó)民經(jīng)濟(jì)發(fā)展速度長(zhǎng)期不相協(xié)調(diào)，各級(jí)財(cái)政支出壓力過大極易導(dǎo)致“社會(huì)經(jīng)濟(jì)危機(jī)”[10]。因此，為保持衛(wèi)生總費(fèi)用可持續(xù)穩(wěn)定增長(zhǎng)，相關(guān)政府部門應(yīng)加快深化醫(yī)藥衛(wèi)生體系改革。例如，加強(qiáng)對(duì)藥物、器械價(jià)格的監(jiān)督管理，并改革醫(yī)保支付方式，落實(shí)醫(yī)藥分開等相關(guān)政策；從源頭控制居民醫(yī)療服務(wù)需求，促進(jìn)醫(yī)療服務(wù)方式以預(yù)防為主，以此減少衛(wèi)生費(fèi)用的不合理增長(zhǎng)[11]。

3.2 城市化水平是我國(guó)衛(wèi)生總費(fèi)用增長(zhǎng)的最大因素

研究結(jié)果顯示，城市化水平對(duì)我國(guó)衛(wèi)生總費(fèi)用增長(zhǎng)的正向影響超過其他因素所形成的影響。居民的整體收入與消費(fèi)水平會(huì)隨城市化水平提高而逐漸提高，進(jìn)而對(duì)醫(yī)療服務(wù)有更高的要求，這直接關(guān)系著我國(guó)衛(wèi)生總費(fèi)用的變化。城市居民整體收入水平以及衛(wèi)生服務(wù)等其他基礎(chǔ)設(shè)施的可獲得性都優(yōu)于農(nóng)村居民[12]。農(nóng)村居民在城鎮(zhèn)化過程中消費(fèi)需求會(huì)加速釋放，如果其不能獲取可觀的收入，那將無(wú)法償付相應(yīng)的醫(yī)療費(fèi)用支出，從而造成嚴(yán)重的社會(huì)問題[13]。因此，相關(guān)部門應(yīng)根據(jù)我國(guó)不同地區(qū)城鎮(zhèn)化發(fā)展現(xiàn)狀，加強(qiáng)醫(yī)療資源的合理配置，縮小城鄉(xiāng)差距。第一，重視農(nóng)村衛(wèi)生院、衛(wèi)生室等醫(yī)療機(jī)構(gòu)的發(fā)展，給予農(nóng)村衛(wèi)生建設(shè)更多的傾斜政策，吸引更多的醫(yī)務(wù)人才投入到鄉(xiāng)村衛(wèi)生事業(yè)中，提高鄉(xiāng)村整體醫(yī)療服務(wù)能力水平。第二，加大對(duì)基層醫(yī)療機(jī)構(gòu)建設(shè)的力度，并擴(kuò)大醫(yī)療保險(xiǎn)覆蓋范圍，大力推廣醫(yī)保信息全國(guó)聯(lián)網(wǎng)以加快實(shí)現(xiàn)異地就醫(yī)即時(shí)結(jié)算[14]。

3.3 GDP、政府衛(wèi)生支出、醫(yī)療機(jī)構(gòu)床位數(shù)是衛(wèi)生總費(fèi)用增長(zhǎng)的重要影響因素

研究結(jié)果顯示，GDP、政府衛(wèi)生支出、醫(yī)療機(jī)構(gòu)床位數(shù)是衛(wèi)生總費(fèi)用增長(zhǎng)的重要影響因素，這與以往研究結(jié)論一致[15，16]?？焖俚慕?jīng)濟(jì)增長(zhǎng)使居民的生活水平逐漸提高，居民醫(yī)療保健意識(shí)增強(qiáng)，會(huì)增加衛(wèi)生方面的支出，間接推動(dòng)了衛(wèi)生費(fèi)用的增長(zhǎng)[17]。近年來(lái)，政府衛(wèi)生事業(yè)費(fèi)增長(zhǎng)有所減少，但是如果政府衛(wèi)生投入與社會(huì)保障投入不能保持與經(jīng)濟(jì)發(fā)展相協(xié)調(diào)，居民醫(yī)療費(fèi)用個(gè)人承擔(dān)比例過高，極易導(dǎo)致因病致貧，同時(shí)也不能很好地滿足人民群眾日益增長(zhǎng)的醫(yī)療衛(wèi)生需求，不利于健康中國(guó)戰(zhàn)略目標(biāo)的實(shí)現(xiàn)。因此應(yīng)充分考慮經(jīng)濟(jì)增長(zhǎng)與政府衛(wèi)生支出的協(xié)同程度，建立可持續(xù)的政府衛(wèi)生投入機(jī)制，并改善衛(wèi)生籌資策略，注重公共籌資占整體籌資的比重，充分考慮醫(yī)療保障籌資和支出結(jié)構(gòu)的合理性，穩(wěn)步提升居民醫(yī)療保障水平，以加快實(shí)現(xiàn)全民健康覆蓋[18]。醫(yī)療機(jī)構(gòu)床位等醫(yī)療設(shè)備資源作為現(xiàn)代醫(yī)院的重要硬件，一旦床位數(shù)需求增加，則需要擴(kuò)建相關(guān)配套設(shè)備和人才等以保證其基本運(yùn)轉(zhuǎn)，這就使醫(yī)療費(fèi)用支出增加[19]。而過于激進(jìn)地?cái)U(kuò)展醫(yī)療機(jī)構(gòu)資源會(huì)導(dǎo)致醫(yī)療費(fèi)用不合理增長(zhǎng)、醫(yī)療資源浪費(fèi)等嚴(yán)重后果，因此醫(yī)療機(jī)構(gòu)應(yīng)革新管理發(fā)展思路，優(yōu)化現(xiàn)代診療模式，提升醫(yī)院的診療流程管理水平，并大力開展衛(wèi)生技術(shù)評(píng)估，對(duì)醫(yī)療資源使用的成本效益進(jìn)行分析，促進(jìn)醫(yī)療資源高效利用，以減少醫(yī)療資源不合理浪費(fèi)[20]。

3.4 人口老齡化與衛(wèi)生總費(fèi)用長(zhǎng)期保持均衡相關(guān)

人口老齡化的脈沖響應(yīng)圖顯示，整體波動(dòng)系數(shù)、幅度較小，提示在當(dāng)前階段人口老齡化對(duì)衛(wèi)生總費(fèi)用增長(zhǎng)的影響不明顯，這與其他學(xué)者的研究結(jié)果一致[21]。但這并非表明人口老齡化不重要，它對(duì)我國(guó)衛(wèi)生總費(fèi)用的長(zhǎng)期正向影響仍不容忽視。我國(guó)已于21世紀(jì)之交步入老齡社會(huì)，年均3%的增長(zhǎng)率居于全球第一，現(xiàn)如今我國(guó)老齡人口基數(shù)大，在未來(lái)會(huì)持續(xù)對(duì)衛(wèi)生總費(fèi)用產(chǎn)生重要影響，對(duì)衛(wèi)生事業(yè)持續(xù)發(fā)展的影響仍不可忽視[22，23]。因此，相關(guān)政府部門現(xiàn)階段應(yīng)充分利用現(xiàn)有醫(yī)療資源，盡可能地滿足老年人的衛(wèi)生服務(wù)需求，并完善社會(huì)養(yǎng)老保險(xiǎn)制度體系，穩(wěn)步加大對(duì)老人晚年養(yǎng)老的保障力度[24]，減輕老年人醫(yī)療經(jīng)濟(jì)負(fù)擔(dān)，以便更好地應(yīng)對(duì)人口老齡化加劇帶來(lái)的挑戰(zhàn)。