人口老龄化对不同层次城市医疗消费的影响分析——基于面板分位数回归模型

邓利方，李铭杰

(中共广东省委党校，广东　广州　510053)



人口老龄化对不同层次城市医疗消费的影响分析
——基于面板分位数回归模型

邓利方，李铭杰

(中共广东省委党校，广东广州510053)

随着中国逐渐步入老龄化社会，提高老龄人口的社会福利势在必行。用2002—2012年中国30个省份的面板数据来实证分析探讨人口老龄化和不同层次的城市医疗消费之间的内在联系并进行相关检验发现，老龄人口的增加会促进城市医疗消费的增加，老龄人口的增加对中高端城市医疗消费的促进作用大于对低端城市医疗消费的促进作用。因此，如果想要提高老龄人口的社会福利，就需要推进城市生态文明的建设、创新老年人保健与终身学习机制和优化城市医疗消费的结构。

人口老龄化；城市医疗消费；城市生态文明

一、引言和文献综述

伴随着医药科技的进步，许多疾病都得到控制，人们的预期寿命越来越长。[1]随着老龄化社会的程度不断加深，医疗服务体制改革的不断完善，人口老龄化和医疗消费逐渐成为国内外学者关注的话题。

Seshamani等[10]的观点并非独树一帜，其实国内早有相似观点被提出。王润泉就认为人口老龄化未必会增加医疗消费。[11]遗憾的是，这个并不是学界的主流观点。更多学者提出人口老龄化会使得居民医疗消费增加。[12][13]不少学者还考察了城乡之间的差异究竟会不会推翻这个结论。余央央从城市的角度考察，认为随着城镇老龄化程度的提高，医疗支出显著增加了。[14]张冲则从农村的角度考察，认为农村人口老龄化对居民医疗保健消费确实存在促进作用。[15]而且，很有可能是由于这种作用的存在，使得农村家庭耐用品消费需求被“挤出”了。[16]既然人口老龄化对城市和农村的医疗消费都有促进作用，那么究竟是对城市的医疗消费促进作用大还是对农村的医疗消费促进作用大呢？程海星等认为后者比前者要大。[17]既然存在这种差异，就应当利用医疗保险来减小这种差异性，[18][19]确保社会的公平正义，推进基本公共服务均等化。从总体上讲，老龄人口多了，医疗服务行业的需求会增加，医疗消费也会随之增加。[20][21]但是，关于人口老龄化对医疗消费的促进作用，特别是城市医疗消费的促进作用是否具有层次性，还需要再深入地探讨。

因此，本文旨在探讨人口老龄化对城市医疗消费的层次性促进作用，并通过实证分析进行验证。区别于其他文献，本文的不同之处在于：(1)首次提出人口老龄化对城市医疗消费的层次性促进作用。与张虚怀[22]不同，本文更具体地提出老龄人口的增加对中高端城市医疗消费的促进作用大于对低端城市医疗消费的促进作用。而且进一步分区域论证上述结论。(2)立足于城市生态文明建设和大众创新的新背景进行分析。鉴于当前老龄人口的城市医疗消费结构还不完善，本文立足于城市生态文明建设和大众创新的新背景，提出了一些针对现实的政策建议。(3)采用面板分位数的回归分析方法。面板分位数回归方法对条件分布的刻画更加细致，不需要很强的分布假设，不容易受到极端值的影响，而且可以减轻异方差、多重共线性的影响，因此可以得出更加全面和稳健的结论。

下文的内容安排如下：第二部分进行变量和数据说明。第三部分阐述老龄化对当期城市医疗消费的影响。第四部分阐述老龄化对跨期城市医疗消费的影响。第五部分分区域考察老龄化对城市医疗消费的影响。第六部分给出结论和政策建议。

二、变量和数据说明

本文采用中国30个省份2002—2012年的数据进行研究，所有数据均来自《中国统计年鉴》、《中国人口和就业统计年鉴》、《中国卫生统计年鉴》和各省的统计年鉴。考虑到数据的可得性，本文使用的变量如下：

(1)考察城市医疗消费的变量。考察城市医疗消费的变量主要是：城镇居民家庭人均医疗保健消费支出。

(2)考察老龄化的变量。参考Hitiris等[23]、Matteo[24]，确定考察老龄化的变量主要是：老年人口占总人数的比例。

(3)其它控制变量。其它控制变量分十一类。

第一类为控制经济总体状况的变量，即实际地区生产总值。实际地区生产总值是由各年的名义地区生产总值以2002年为基期折算而得到的。

第二类为控制人口变动状况的两个变量，分别是：人口出生率和人口死亡率。

第三类为控制失业状况的变量，即城镇登记失业率。

第四类为控制出口状况的变量，即境内目的地和货源地出口总额。

第五类为控制财政政策的两个变量，地方财政一般预算支出和地方财政一般预算收入。

第六类为控制物价变动的变量，即居民消费价格指数。居民消费价格指数以前一年为基期。

第七类为控制交通运输状况的变量，即货运量。

第八类为控制私家车占有状况的变量，即私人汽车拥有量。选取这个控制变量主要是考虑到随着私家车的数量增加，汽车尾气的排放会增加，人们对医疗的需求会增加。

第九类为控制技术发展的变量，即技术市场成交额。

第十类为控制医疗卫生状况的变量，即医疗卫生机构数。

第十一类为控制医保状况的变量，即城镇职工基本医疗保险年末参保人数。

本文根据实际需要灵活地选取各种控制变量，以期避免遗漏重要变量所导致的内生性和最大限度地刻画实际状况。

一些重要变量的描述性统计见表1。

表1.主要变量的描述性统计

三、老龄化对当期城市医疗消费的影响

人口老龄化，意味着老年人口在总人口中所占的比例越来越大，而且达到了一定的规模和程度。增加的这部分老年人口，由于机体抵抗力的减弱和城市污染的增加，就会滋生疾病，从而增加城市的医疗消费。而老年人生病一般不敢轻易地自己购药治疗，而会主动求医治疗。由于在当期的医疗体制下，财政对医院的转移支付机制尚不完善，医患之间存在严重的信息不对称现象，医护人员往往利用自身的信息优势，给病人开中高端的药物，以提升自身的收入。这就使得城市的医疗消费往往倾向于中高水平的医疗消费。

在此基础上，归结猜想的两个命题。命题1：老龄人口的增加会促进城市医疗消费的增加。命题2：老龄人口的增加对城市中高端医疗消费的促进作用大于对城市低端医疗消费的促进作用。

为了检验猜想的命题是否成立，首先采用全国样本的面板分位数回归分析方法来验证，解释变量均未取滞后项。采用以下的基本回归方程：

city_expit=coit+ψXit+εit

(1)

其中，teit代表城市医疗消费，oit代表各地区老龄化状况，Xit其它一些控制变量，εit为残差项，i为省份标识，t为时间标识，c为回归系数。

表2.总样本未滞后解释变量面板分位数回归结果

注：***、**和*分别表示在1%、5%和10%水平下显著，括号内为回归系数的t统计量。SE Test代表斜率相等检验，其Wald检验量显示各分位数的斜率系数显著不同。Quasi-LR检验量显示约束条件均无效。

为了确保实证结果的可靠和稳健，我们使用了不同的控制变量，具体计算结果见表2。为了更清晰地看出老龄化状况对不同层次城市医疗消费的影响，我们设计了九个比较组。由于在总样本面板分位数回归分析中，我们主要研究的是老龄化状况对不同层次城市医疗消费的影响，所以重点关注第一行的回归结果。从表2的结果可得到如下的结论：

(1)老龄人口的增加会促进城市医疗消费的增加。由0.1—0.9分位数水平下，o的系数显著为正可知，老龄人口的增加会促进城市医疗消费的增加。

(2)老龄人口的增加对各层次城市医疗消费的促进作用存在结构性差异。老龄人口的增加对中高端城市医疗消费的促进作用大于对低端城市医疗消费的促进作用。比较0.1—0.9分位数水平下o的系数可知，总体上看，在0.4—0.9分位数水平下，o的系数明显比在0.1—0.3分位数水平下要大，故老龄人口的增加对各层次城市医疗消费的促进作用存在结构性差异。老龄人口的增加对中高端城市医疗消费的促进作用大于对低端城市医疗消费的促进作用。值得一提的是，这种结构性差异跟张虚怀[22]归纳出的结构性差异有相似点，但并非完全相同，这可能由城乡之间差异性引致。[25]

在以上的回归分析中，我们得出了研究的一般结论。但为了得到更加稳健的结论，我们有必要再深入探究，如果老龄化对跨期城市医疗消费存在影响，以上的两个命题是否仍能成立。

四、老龄化对跨期城市医疗消费的影响

老龄人口所得的疾病很大一部分是慢性疾病，这决定了治疗的长期性。而部分慢性疾病的治疗，需要购置昂贵的药物或医疗器械。因此，部分老人的当期收入可能未必足以购置，从而激发了预防性储蓄的动机，诱致当期老年人口跨期进行医疗消费。为了刻画老龄化对跨期城市医疗消费的影响，我们对解释变量取一阶滞后之后再进行回归。这样做的另外一个好处是，通过将解释变量取一阶滞后，可以降低内生性，这就相当于为上节的结论做了稳健性检验。

在总样本解释变量一阶滞后面板分位数回归分析中，我们仍然采用上述回归分析方法和类似的回归方程。

表3.总样本解释变量一阶滞后面板分位数回归结果

注：***、**和*分别表示在1%、5%和10%水平下显著，括号内为回归系数的t统计量。SE Test代表斜率相等检验，其Wald检验量显示各分位数的斜率系数显著不同。Quasi-LR检验量显示约束条件均无效。

为了确保实证结果的可靠和稳健，我们使用了不同的控制变量，具体计算结果见表3。为了更清晰地看出老龄化状况对不同层次城市医疗消费的影响，我们设计了九个比较组。由于在总样本面板分位数回归分析中，我们主要研究的是老龄化状况对不同层次城市医疗消费的影响，所以重点关注第一行的回归结果。从表3的结果可得到如下的结论：

(1)老龄人口的增加会促进城市医疗消费的增加。由0.2—0.9分位数水平下，o的系数显著为正可知，老龄人口的增加会促进城市医疗消费的增加。

(2)老龄人口的增加对各层次城市医疗消费的促进作用存在结构性差异。老龄人口的增加对中高端城市医疗消费的促进作用大于对低端城市医疗消费的促进作用。比较0.2—0.9分位数水平下o的系数可知，总体上看，在0.4—0.9分位数水平下，o的系数明显比在0.2、0.3分位数水平下要大，故老龄人口的增加对各层次城市医疗消费的促进作用存在结构性差异。老龄人口的增加对中高端城市医疗消费的促进作用大于对低端城市医疗消费的促进作用。另外，值得关注的是，在0.1分位数水平下，o的系数虽然为正，但并不显著。再次验证了这种结构性差异的存在。

以上的两次回归分析，得到的结论基本一致。但若只对全国样本进行回归，就会忽视区域之间的差异性，而这种差异性，往往又会导致回归偏差，进而导致结论偏差。因此，有必要再进行分区域的面板分位数回归分析，以进一步深入考察不同区域内老龄化对城市医疗消费的影响。

五、分区域考察老龄化对城市医疗消费的影响

本节基于区域差异性，考察老龄化对城市医疗消费的影响，验证上文提出的两个命题。分区域考察，一方面可以洞悉不同区域的个性特征，另一方面可以降低空间自相关性，保证结论的稳健和可靠。在分区域面板分位数回归分析中，我们仍然采用上述回归分析方法和类似的回归方程。

为了确保实证结果的可靠和稳健，我们使用不同的控制变量，具体计算结果见表4。为了更清晰地看出老龄化状况对不同区域不同层次城市医疗消费的影响，我们把全国样本划分为东部地区样本、中部地区样本和西部地区样本。②考虑到西部地区的居民储蓄状况、技术市场发展水平这两个因素，相对于中东部来说，对城市医疗消费可能未必有必然影响，为了更加贴切于实际状况，回归时将这两个变量剔除。为了使回归结果更加简洁、稳健且有代表性地展示出来，我们选取了东部地区0.3、0.6分位数下、中部地区0.3、0.6、0.9分位数下和西部地区0.3、0.8分位数下的回归结果进行展示。由于在分区域面板分位数回归分析中，我们主要研究的是老龄化状况对不同层次医疗消费的影响，所以重点关注第一行的回归结果。从表4的结果可得到如下结论：

(1)老龄人口的增加会促进城市医疗消费的增加。由东部地区0.6分位数下、中部地区0.6、0.9分位数下和西部地区0.8分位数下，o的系数显著为正可知，老龄人口的增加会促进城市医疗消费的增加。

(2)老龄人口的增加对各层次城市医疗消费的促进作用存在结构性差异。老龄人口的增加对中高端城市医疗消费的促进作用大于对低端城市医疗消费的促进作用。

先看东部地区。比较东部地区0.3、0.6分位数水平下o的显著性可知，在0.3分位数水平下o的系数不显著，但在0.6分位数水平下，o的系数显著为正。而且，在0.6分位数水平下，o的系数明显比在0.3分位数水平下要大，故老龄人口的增加对各层次城市医疗消费的促进作用存在结构性差异。老龄人口的增加对中高端城市医疗消费的促进作用大于对低端城市医疗消费的促进作用。

再来看中部地区。比较中部地区0.3、0.6、0.9分位数水平下o的显著性可知，在0.3分位数水平下o的系数不显著，但在0.6、0.9分位数水平下，o的系数显著为正。而且，在0.6、0.9分位数水平下，o的系数明显比在0.3分位数水平下要大，故老龄人口的增加对各层次城市医疗消费的促进作用存在结构性差异。老龄人口的增加对中高端城市医疗消费的促进作用大于对低端城市医疗消费的促进作用。

表4.分区域面板分位数回归结果

注：***、**和*分别表示在1%、5%和10%水平下显著，括号内为回归系数的t统计量。SE Test代表斜率相等检验，其Wald检验量显示各分位数的斜率系数显著不同。Quasi-LR检验量显示约束条件均无效。

最后来看西部地区。比较西部地区0.3、0.8分位数水平下o的显著性可知，在0.3分位数水平下o的系数不显著，但在0.8分位数水平下，o的系数显著为正。而且，在0.8分位数水平下，o的系数明显比在0.3分位数水平下要大，故老龄人口的增加对各层次城市医疗消费的促进作用存在结构性差异。老龄人口的增加对中高端城市医疗消费的促进作用大于对低端城市医疗消费的促进作用。

经过降低内生性、减少空间自相关性、剔除变量等稳健性检验后，本文所得到的结论仍然保持一致。

六、结论和政策建议

中国逐渐步入老龄化时代，要想兼顾社会稳定和消费增长，探索新型城市医疗消费模式势在必行。[26]本文先从学理上分析了老龄化对城市医疗消费的影响。后又使用省际面板数据进行了实证检验。理论和实证得到的结论均一致。

本文的结论如下：第一，老龄人口的增加会促进城市医疗消费的增加。随着年岁的增长，老龄人口患病的概率和严重程度可能会比青壮年人口要大，因此会促进城市医疗消费的增加。第二，老龄人口的增加对各层次城市医疗消费的促进作用存在结构性差异。老龄人口的增加对中高端城市医疗消费的促进作用大于对低端城市医疗消费的促进作用。由于信息的不对称性、财政转移支付机制的不完善性，老龄人口主动或被动地选择了中高端的城市医疗消费。

对此，提出如下政策建议：第一，推进城市生态文明的建设。推进城市生态文明建设，有利于老龄人健康状况的改善，尤其是慢性疾病的康复，进而减少老龄人的预防性储蓄，提高当期的生活水平。第二，创新老年人保健与终身学习机制。创新老年人保健与终身学习机制，有利于改善医患之间的信息不对称现象，优化医疗资源的配置。第三，优化城市医疗消费的结构。优化城市医疗消费的结构，完善中低端医疗消费在集约边际下调整，中高端消费在广延边际下调整的体制机制。即“治疗小病靠市场，治疗大病靠监管”[27]，促进医疗资源的下沉。[28] [29]在保证质量的基础上，扩大中低端医疗消费的比例。

本文的主要贡献在于，基于人口老龄化的现状，创新性地探索了老龄化对城市医疗消费的层次性促进作用。强调城市生态文明的建设、老年人保健与终身学习机制的创新以及城市医疗消费的结构的优化均对城市医疗消费合理化有重要作用。在人口老龄化日趋明显的新时代，这三点是今后城市医疗改革的重要参考方向。同时，本文也基于省际数据，对理论猜想进行了实证检验。实证结果支持理论猜想。因而，应该切实推进城市生态文明的建设，创新老年人保健与终身学习机制，优化城市医疗消费的结构，更好地促进社会医疗消费的可持续发展。

当然，本文限于论证老龄人口对城市医疗消费的层次性促进作用，并用省际数据进行验证，从而得出一些针对现实的有启示性的政策性建议。在此基础上，如何推进城市生态文明的建设、创新老年人保健与终身学习机制和优化城市医疗消费的结构，还有待进一步深入研究。

注释：

① 兼顾完整性和代表性，东部地区报告全部10个分位数的SE Test结果，中部地区报告0.3、0.6、0.9分位数水平下的SE Test结果，西部地区报告0.3、0.8分位数水平下SE Test结果。

② 其中，东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南。中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南。西部地区包括内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏和新疆。

[2]Kunz J.PopulationAging?Problem or Opportunity? Lessons from the Case of Finland[J]. Journal of Sociology, 2007,1(1).

[4]Blanthorne C, Higgins M M. Tax Relief, or Lack Thereof, for the Long-Term Care Costs of the Aging Population in America[J]. Ata Journal of Legal Tax Research, 2009,7(1).

[5]Fink G, Bloom D E, Canning D. Implications of population aging for economic growth[J]. Oxford Review of Economic Policy, 2011,26(4).

[6]Inaba Y, Fujiwara Y. Policy Implications of Social Capital in the Era of the Aging Population:An Analysis on the Medical Expenditures for the Elderly[J]. Japanese Journal of Behaviormetrics, 2010,(37).

[7]Kim D K, Kim H. Aging and Savings in Korea: A Time-Series Approach[J]. International Advances in Economic Research, 2006,12(3).

[8]Zanon R R, Moretto A C, Rodrigues R L. Aging of Population and Changes in Consumption Patterns: impacts on the production structure in Brazil[J]. Rev.bras.estud.popul, 2013,(30).

[9]Yiranbon E, Lulin Z, Antwi H A, et al. Evaluating the Consequences of Ageing Population on Healthcare Cost to Ghana using Inflation-Adjusted Expenditure and Demographic Factors[J]. International Journal of Academic Research in Accounting Finance & Management Sciences, 2014,(4).

[10]Seshamani M, Gray A. Ageing and health care expenditure: The red herring argument revisited. [J]. Health Economics, 2004,13(4).

[11]王润泉, 黄泰基. 人口老龄化未必导致医疗费上升[J].社会保险研究,2001,(7).

[12]何平平. 协整分析与误差修正模型——经济增长、人口老龄化与我国医疗费用增长的实证研究[J]. 工业技术经济,2006,25(1).

[13]王学义, 张冲. 中国人口年龄结构与居民医疗保健消费[J].统计研究, 2013,30(3).

[14]余央央. 老龄化对中国医疗费用的影响——城乡差异的视角[J].世界经济文汇,2012,(5).

[15]张冲, 王学义, 孙炜红. 农村人口老龄化对居民医疗保健消费的影响——基于中国2002—2012年的省级面板数据[J]. 财经论丛,2015, (1).

[16]丁继红, 应美玲, 杜在超. 我国农村家庭消费行为研究——基于健康风险与医疗保障视角的分析[J]. 金融研究,2013,(10).

[17]程海星, 朱满洲. 人口老龄化对医疗保健消费支出影响的城乡差异研究[J]. 中国卫生经济,2014, (5).

[18]宋宝安, 刘雪. 城市老年人健康需求与医疗消费的社会学研究[J]. 中共福建省委党校学报,2007, (10).

[19]王翌秋, 雷晓燕. 中国农村老年人的医疗消费与健康状况:新农合带来的变化[J]. 南京农业大学学报(社会科学版),2011,11(2).

[20]王军. 人口老龄化对医疗服务行业的影响及对策[J]. 科技管理研究,2005,(5).

[21]颜惠宜. 试析人口老龄化对医疗服务产业的影响[J]. 新西部：理论版,2015, (13).

[22]张虚怀.人口老龄化对医疗消费的影响分析:基于面板分位数回归模型[J]. 中国卫生经济, 2015,34(9).

[23]Hitiris T, Posnett J. The determinants and effects of health expenditure in developed countries[J]. Journal of Health Economics,1992, 11(2).

[24]Matteo L D. The Macro Determinants of Health Expenditure in the United States and Canada: Assessing the Impact Of Income, Age Distribution and Time[J]. Health Policy, 2005,71(1).

[25]邓利方.广东基本医疗卫生消费的政策探析[J]. 广东行政学院学报, 2011,(1).

[26]郭凤林, 顾昕. 激励结构与整合医疗的制度性条件:兼论中国医联体建设中的政策思维模式[J]. 广东行政学院学报,2015,(5).

[27]严浩成.关于医疗服务市场化和医疗体制的改革[J]. 广东行政学院学报, 1997.(4).

[28]邓利方.从伦理经济走向市场经济——我国医疗体制改革道路探索[J]. 岭南学刊,2009, (1).

[29]邓利方. 广州公立医院参与社区卫生服务下沉机制分析[J]. 岭南学刊,2010, (4).

责任编辑：明加

2016—06—01

2016年中共广东省委党校(广东行政学院)立项课题《健康中国目标下的广东社区养老服务》(编号：XYYB201614)。

邓利方(1973—)，女，湖北京山人，中共广东省委党校(广东行政学院)中国特色社会主义研究所经济学研究员，研究方向为产业经济学、健康经济学和消费经济学；李铭杰(1992—)，男，广东广州人，中共广东省委党校(广东行政学院)硕士研究生，研究方向为经济学分析。

C913.6

A

1008—4533(2016)05—0082—09

10.13975/j.cnki.gdxz.2016.05.013