中国医疗卫生费用增长实证分析.docVIP

中国医疗卫生费用增长实证分析[摘 要]采用一阶广义差分法和岭回归法，使用SAS9．0统计软件对相关数据分别建立医疗卫生费用的供给和需求模型进行实证分析表明：医疗卫生费用的增长速度快于国内生产总值的增长，但弹性相对较小；医疗卫生需求与城镇居民人均可支配收入、城镇医疗保健价格指数、人口调整数和卫生事业费同方向变化，而与医疗机构的数目反方向变化；医疗卫生服务供不应求，进一步加重了居民的医疗负担。对此应进一步明确政府在医疗卫生服务市场职责范围，合理调整医疗服务价格体系。 [关键词]医疗卫生费用；广义差分法；岭回归法；补偿机制；垄断性 [中图分类号]F224　[文献标识码]A　[文章编号]1003－3890(2006)09－0013－04 目前，医疗卫生费用的增长是一个热点问题，影响其增长的因素很多。国民经济研究社认为，设计卫生总费用模型需要从卫生资金的供给和卫生保健服务的需求两个方面进行。笔者采纳这一建议，根据中国医疗卫生中的实际相关数据，分别建立医疗卫生总费用的供给和医疗卫生需求模型，进行医疗卫生费用增长的实证分析，从而找到影响居民医疗消费的定量关系。 一、医疗卫生总费用供给实证分析 (一)指标的选取和模型的建立 影响卫生费用增长的因素很多，而国民收入是卫生费用最重要的因素。笔者选取国内生产总值作为自变量参数，对自变量与因变量进行对数变换，以消除通货膨胀因素的影响，模型如下： LnHCEt=a0+a11nGDPt+ut　(1) 在(1)式中：HCEt是指t年的卫生总费用；GDPt是指t年的国内生产总值；ut是指随机残差项；Ln是指自然对数；a0常数项，a1是自变量的系数，其实际意义是GDPt增长弹性。 (二)实证分析 笔者选取1978～2003年的数据，具体见《中国统计年鉴》(2004)和(2004年中国卫生统计摘要)，采用普通最小二乘法，用sas9．0统计软件对方程(1)模拟，由于存在自相关性，所以模拟了3次，得估计结果如表1：(1)第1次回归：参数都通过了F，t检验，且拟合优度较高。但由于dL＝1．302，du＝1．461，DW取值在(0，dL)之间，故ut存在一阶正自相关。采用普通最小二乘法估计的参数不准确，所以要消除自相关性。(2)第2次回归(第一次差分)：参数也通过了F,t检验， 且拟合优度较高。但dL＝1．288，du＝1.454，DW取值在(0，dL)之间，依据判别规则，仍没消除自相关。(3)第3次回归(第二次差分)：参数经济意义合理，通过了F，t检验，拟合优度较高。而且，dL＝1．273，du＝1．446，DW取值在(du，4－du)之间，依据判别规则，误差项已消除自相关。 从供给模型方程(2)可以看出：一方面，中国的卫生资金弹性大于1，即卫生资金费用的增长速度大于国民生产总值的增长速度；另一方面，中国的卫生资金供给弹性较小，为1．09209，表明中国的卫生资金供给总体上不足。 二、医疗卫生需求的实证分析 (一)指标的选取和模型的建立 首先，有效需求的前提是必须有支付能力，测算医疗需求必须引入人均可支配收入、医疗服务的相对价格等经济变量。其次，在影响医疗卫生服务需求的因素中，人口因素是一个非常重要的因素，如，人口总数、人口年龄结构、教育程度等方面。第三，考虑到制度因素，财政卫生事业费支出和卫生机构数目(大部分为公立医院)等也应进入测算模型。因此，笔者采用多因素分析方法，考虑到数据的可得性，主要选取以下自变量：城镇居民医疗保健价格指数CIt、城镇居民人均可支配收入Yt，(元)、人口调整数①DEMt(亿人)、财政卫生事业费支出Et(亿元)以及卫生机构数目Nt(个)。考虑影响医疗保健的上述因素，建立因变量人均医疗保健支出Mt(元)的线性方程： 在(4)式中：第一排括号内数字为t统计量，第二排括号内数字为实际显著水平p值。在5％甚至10％的显著性水平下，所有参数都没有通过t检验。因为多元线性回归经常存在相关性，使得回归方程变得不稳定，某些自变量影响的显著性被隐藏起来。消除自变量的共线性，须找到自变量对因变量的影响关系。采用岭回归方法对多元线性方程重新回归，得到图1。由图1的岭回归图可以看出，当k≥0．02时，岭回归线趋于稳定。取k=O．02的岭回归估计建立岭回归方程，得到岭回归方程式为： 在(5)式中：括号内的数字为方差膨胀因子。显然，岭回归方程回归系数的符号都有意义，且各个回归系数的方差膨胀因子均小于10。岭回归方程的均方根误差为15．5132，虽比普通最小二乘回归方程的均方根误差15．34056有所增大，但增加不多。所以，模型有效。 三、结论与成因分析 1．医疗卫生费用的增长速度快于国内生产总值的增长，