中国人口老龄化问题的统计学研究.docVIP

中国人口老龄化问题的统计学研究 中国人口老龄化问题的统计学研究 为具体分析人口老龄化与医疗支出的关系，对各自变量对因变量的关系进行多元线性回归分析，并且对不同老龄化指标对医疗支出的作用进行稳健性检验。从结果上看，人均GDP与老年抚养比对人均医疗保健支出的弹性分别为和。在控制了医疗保险覆盖率变量后，人均GDP对人均医疗保健支出的弹性略有下降，为，但老年抚养比对人均医疗保健支出的弹性略有上升，为，表明医疗保险通过对老龄人的资源倾斜，增加了老龄化对医疗保健支出的影响，而医疗保险覆盖率与人均医疗保险支出的弹性为。SO2排放量与人均医疗保健支出没有显著相关性。 　　关键字：老龄化；医疗支出；回归分析 　　1 实证分析 　　 模型设定 　　本文根据现有文献以及结合广东省现实情况选取了人均GDP、老年人口比例、老年抚养比、少儿抚养比、医疗保险覆盖率、SO2排放量作为影响医疗支出的指标。参照以往文献的处理方法，采用滞后一期的老龄化、少儿抚养比以消除老龄化、少儿抚养比与医疗支出的内生性问题。并对各个影响指标取对数以消除异方差性问题既以ln人均GDP、ln老年人口比例、ln老年抚养比、ln少儿抚养比、ln医疗保险覆盖率、lnSO2排放量作为自变量，以ln人均医疗保健支出作为因变量，采用控制省份变量并依次增加自变量的方式，对各自变量对因变量的关系进行了三次多元线性回归分析。最后，对不同老龄化指标对医疗支出的作用进行稳健性检验。回归方程如下： 　　1.各指标数据描述 　　人口结构的数据描述 　　根据本文分析的重点，人口结构主要指老年比例、老年抚养比和少儿抚养比。通过查阅XX—2016年的《中国人口和就业统计年鉴》，可获得相关数据。我们知道当一个地区的老年比例超过7%时就说明该地区已经进入老龄化社会，所以从2016年起广东省就已经进入老龄化社会，而且其老龄化程度还在不断加剧。 　　除了对广东省人口结构的整体分析，本文主要是通过比较各市的人口结构来分析老龄化对医疗支出的影响，但是由于分市的人口统计数据只能在人口普查资料中获得，所以本文通过查阅1990年、2000年和2016年的三次人口普查资料获得各市的人口结构数据，然后通过二次拟合的方式分别获得每个市XX年—2016年的人口结构数据。通过查阅分析文献我们知道广东老龄化进程的发展有所放缓，主要是外省流动人口大量涌入，从而整体人口有所增加，稀释了老年人口比重的结果，所以为了更好的分析广东省的老龄化状况，本文采用如下公式来计算实际的比例： 　　实际老年比例=老年比例×年末常住人口数/年末户籍人口数； 　　医疗卫生的数据描述 　　本文主要从医疗保险覆盖率和人均医疗保健支出两个方面来衡量医疗卫生的情况，其中医疗保险覆盖率=年末医疗保险参保人数/常住人口数。由于年末医保参保人数包括非常住人口数，因此对于深圳市会出现医疗覆盖率大于1的异常数据，因此我们把这个异常数据当作是缺失值来处理，并利用spss软件将该数值进行替换。 　　收入的数据描述 　　本文中收入指标就是广东省内各市的人均GDP，来源于相关年份的《中国城市统计年鉴》。根据各市XX—2016年的平均人均GDP，经济发展水平最高的是深圳市，其次是广州市和珠海市，而发展水平最低的是梅州市。 　　环境的数据描述 　　居民的生活环境也是影响医疗支出的一个因素。不良的卫生环境会促使各种疾病的发生，因此分析居民的生活环境有利于本文更好的分析影响医疗支出的各种因素。本文以工业二氧化硫排放量作为环境的衡量指标，通过查阅相关年份的《中国城市统计年鉴》可获得相关数据。 　　1.回归分析准备 　　为使用多元回归模型进行拟合，需先检验各解释变量及解释变量的平稳性，我们利用sas软件对各数据进行检验，通过时序图，自相关图分析得出结论。时序图稳定或呈周期性的在某一值间上下波动，且相关系数大多在二倍标准差以内，非短期截尾，则序列为平稳序列。再者需检验序列纯随机性，根据白噪声检验结果，检验P值小于显著性水平，则为非纯随机序列。由此可判断模型是有效的。 　　根据检验结果可以看到时序图稳定在上下，由自相关图可以看出自相关系数呈周期性且非短期截尾，可认为该序列为平稳序列。根据白噪声检验可知，检验P值小于，故可认为此序列为非纯随机序列。 　　同理对ln实际老龄化、ln实际少儿抚养比、医疗保险覆盖率、ln人均GDP、SO2排放量及ln医疗保健支出进行检验，可知均为平稳序列。其中SO2排放量在滞后6期时通过纯随机性检验，其他均为非纯随机性序列。据此我们可以对上述变量进行多元拟合。 　　1.回归分析 　　多元回归 　　本文为验证老龄化与人均医疗保健支出的关系，分别对被解释变量变量人均医疗保健支出，解释变量人均医疗保健支出、人均本文由论文联盟htt