中国家庭医疗消费挤出效应的实证研究*

唐 琦 秦雪征



中国家庭医疗消费挤出效应的实证研究*

唐 琦 秦雪征

（北京大学经济学院 北京 100871）

本文使用中国健康与养老追踪调查（2013）数据分析医疗消费对非医疗消费的“挤出效应”，按统计年鉴标准将家庭的非医疗消费划分为七个门类，以医疗消费为解释变量，对非医疗消费及不同类型的消费进行回归，并使用工具变量解决内生性问题。结果显示，对于中老年家庭而言，医疗消费的增加并不会“挤出”非医疗消费，但是会显著减少家庭储蓄性资产，增加家庭债务，对大多数类型的消费虽然没有影响，但是会减少食品和衣着消费。进一步地，本文将“挤出效应”的作用渠道分为“收入效应”与“替代效应”，发现医疗消费对食品和衣着消费的“挤出效应”主要由“收入效应”构成，而“替代效应”的影响并不明显。本文的研究检验了“生命周期理论”的合理性。

家庭消费 医疗消费 挤出效应 IV-TOBIT模型

一、引 言

家庭是人类社会构建的基本单元，家庭的消费行为是家庭成员提出建议、解决分歧、协商统一的结果。因此，在研究消费问题时，往往需要从微观数据的层面上分析家庭的消费行为。

医疗消费作为一种家庭消费，与其他类型的消费有着较大的不同之处，最主要地体现为医疗支出是家庭成员在面临医疗救治时被迫做出的消费决策。在由家庭的收入与财产所决定的预算约束给定的情况下，医疗消费可能会对其他消费种类产生“挤出效应”。家庭在面临医疗支出时可能会减少某些支出和消费以应急。

虽然，近些年来，我国的医疗保险制度不断完善，居民医疗保险覆盖面不断扩大，报销比例不断增加。然而医疗保险报销之外，居民也要需要支付一定的自付金额，因而医疗消费对于其他消费种类的侵占与挤出作用似乎是不可避免的。国务院扶贫数据显示，截至2015年，中国7000万贫困农民之中，因病返贫的占42%。①医疗支出的增加也会导致家庭积蓄减少，家庭债务负担加重等严重问题，这是导致返贫的重要原因。同时，医疗消费的增加可能会挤占其他消费资源，导致家庭生活标准下降，在多个维度上导致贫困。

不过，医疗消费是否具有“挤出效应”，在不同的消费理论下，可以得到不同的结论。Keynes（1936）较早提出的“绝对收入假说”认为，一定比例的收入会转变为消费，如果可支配收入下降，那么消费者的消费必然下降。在这一假说下，如果因为疾病所导致的医疗消费被迫增加，那么非医疗消费必然会随之下降。Duesenberry（1949）等人对“绝对收入假说”表示反对，并提出了“相对收入”的概念，认为消费具有“黏性”，受到历史收入的影响。Friedman（1957）所提出的“永久收入假说”在此基础上进行了完善，强调消费主要受长期收入而非短期收入的影响。

同一时期的Modigliani和Brumberg（1954）所提出的“生命周期理论”也表明，理性的消费者是在一生可获得的全部资源约束下，在每个时期合理分配资源，实现效用最大化。所以，消费者根据其预期的整个生命周期内可获得的收入及财富来实现生命周期内的最优配置，因此平滑消费是其最优策略。所以，在“生命周期理论”假设下，当家庭面临疾病等原因带来的意外支出时，为平滑消费会选择动用储蓄或者使用信用手段维持总消费，而不会显著减少消费。如果这一假说成立，那么医疗消费的增加对于非医疗消费没有影响。

因此，本文对中国中老年家庭在面临医疗支出时所采取的消费决策进行了研究，将医疗消费作为解释变量，非医疗消费作为被解释变量进行回归分析。本文的研究意义在于：通过对微观入户数据的分析，检验医疗消费对非医疗消费及不同类型的消费是否造成了“挤出效应”，明确“挤出效应”的作用机制，验证“生命周期理论”的合理性，并分析医疗消费增加对贫困问题带来的影响，最后在此基础上提出合理的政策建议。本文的结构安排为：第二部分为文献综述，第三部分为所使用的数据和方法介绍，第四部分为实证结果分析，第五部分为基本结论与政策建议。

二、文献综述

对于医疗消费与家庭消费的研究并非学界冷门，在微观计量领域也比较常见。既往的文献中对于医疗消费的研究最多的是将其当作被解释变量，将个人、家庭特征以及政策变化作为解释变量，以分析医疗消费的影响因素。

Grossman（1972）最早提出健康需求模型，指出消费者在时间约束和预算约束下进行健康投资和对其他商品的消费的选择，实现一生的效用最大化。受其影响，学界将收入作为对于医疗消费影响的主要因素进行了探讨。Schoen等（2000）发现，在美国等国家，收入限制了居民的医疗消费，而即便是很少的医疗支出也会对低收入居民带来支出压力。Hanson等（2004）证实了医疗消费受到家庭收入、医疗价格和医疗质量等多种因素的影响。Subramanian和Kawachi（2006）使用美国1995和1997的数据证实收入的不平等一定程度上导致了医疗健康的不平等。在国内的研究中，叶春辉等（2008）使用中国健康与营养调查（CHNS）1991-2004年的数据，发现了医疗消费存在着财富效应，收入越高的人的医疗消费水平越高。徐伟等（2013）的研究也得出了类似的结论，居民的消费水平对医疗消费有显著的影响，并且这一影响在农村样本中较高。

此外，许多文献关注了医疗保险对于医疗消费的影响。Gruber和Yelowitz（1999）使用美国八九十年代的数据发现，美国医疗保险的普及使得家庭消费上升了5.2个百分点。Schoen等（2002）的研究表明，由于美、英、澳等国家的居民对医疗保险十分依赖，居民的医疗消费行为因为医疗体系和保险制度的不同而差异明显。白重恩（2012）等发现“新农合”可以使非医疗消费有较大的增加，且对于收入较低或者健康状况较差的家庭影响更大。胡宏伟等（2012）使用2007-2010年9城市家庭面板数据证实，家庭收入越低则医疗消费越低，而医疗保险则可以显著增加家庭的医疗需求。苏春红等（2013）利用CHNS（2009）数据，发现“新农合”能够提高农村居民患病就诊率并降低居民医疗支出，而城镇职工医疗保险和城镇居民医疗保险并没有显著作用。

对于家庭消费的影响因素的研究虽然大多集中于宏观领域，以时间序列数据为主，但在微观计量领域也并不罕见。罗楚亮（2004）使用中国家庭收入调查数据（CHIP）的研究表明，各种收入和支出的不确定性对消费有显著的负效应。杨汝岱和陈斌开（2009）同样使用CHIP数据得出了高等教育会减少居民消费的结论。Qu和Zhao（2008）通过分位数回归的方法发现低收入阶层的消费不公平问题更为严重，而价格效应是不平等的主要原因。

然而，过去文献鲜有将医疗消费与家庭消费结合起来进行研究的先例，对于医疗消费之于家庭消费是否有“挤出效应”，“挤出效应”的大小，近乎没有研究。这是由于医疗消费通常被认为是家庭正常消费的一部分，和其他消费一样取决于家庭的理性决策，其突发性和受迫性没有得到重视，从而导致医疗消费的“挤出效应”被长期忽视。虽然在既有的文献中，尹向飞与尹碧波（2012）利用《中国统计年鉴》的宏观数据发现，医疗价格和医疗支出对不同的收入组的人群的消费都存在“挤出效应”；陈长江和高波（2010）的研究证明医疗产品和服务的价格的上涨挤出了医疗支出。但这些研究主要在宏观上关注医疗价格上升带来的“挤出效应”，没有使用入户数据从微观上分析医疗消费对于非医疗消费的“挤出作用”和影响机制，更没有以此验证消费理论的合理性。

现有研究涉及医疗消费的“挤出作用”的较少，但已有学者关注了烟草消费的“挤出效应”，对于本文很有启发。Busch等（2004）使用CES（1995-2001）的数据，发现随着烟草价格上涨，家庭会减少服装和住房消费，证实烟草消费存在“挤出效应”。Wang等（2006）使用中国2002年数据，利用Flogit模型研究发现烟草消费会导致家庭成员减少食物、设施、耐用品消费。John（2008）使用印度1999-2000年调查数据，发现烟草消费对人均营养的摄入有“挤出效应”，并且这一效应在低收入与高收入家庭都是存在的。

三、数据和方法

（一）数据说明

本研究采用中国健康与养老追踪调查（CHARLS）2013年的数据。CHARLS数据覆盖了全国27个省（直辖市、自治区），150个县级单位，约1万户家庭。CHARLS数据仅针对45岁以上居民进行访问，是关于中国中老年人家庭的调查。本文中有效观测值数量为9799个，①样本中家庭的基本信息统计如下表所示：

表1 样本人口基本信息统计

续表1

人口基本信息总体城镇农村东部东北中部西部 家庭未成年人数量0.61（0.90）0.39（0.67）0.69（0.95）0.48（0.78）0.35（0.62）0.75（1.00）0.72（0.96） 65岁以上老年人口比例15.74%（0.22）18.28%（0.23）14.92%（0.21）16.54%（0.22）14.02%（0.21）16.00%（0.21）15.33（0.21） 家庭初中以上学历比例6.11%（0.15）11.60%（0.21）4.35%（0.13）5.98%（0.15）7.68%（0.19）6.00%（0.15）5.81%（0.14） 样本量9,7992,3747,4253,0441,0282,4453,282

注：每个单元格中第一行为平均值，第二行（）内为标准差。

按照国家统计局统计年鉴的分类标准，消费支出可以分成如下八个大类：（1）食品，包括粮食、副食品、烟、酒、糖及其它食品；（2）衣着，包括服装、衣料及衣料加工费、鞋、袜、帽等；（3）家庭设备用品及服务，包括耐用消费品，家庭日用品及家庭服务等；（4）医疗，包括医疗器具、医药费、保健用品等；（5）交通和通讯，包括家庭交通工具购买及维修、交通费、通讯工具、邮电费等；（6）教育娱乐文化服务，包括各类教育费用、文化娱乐费用、书报费等；（7）居住，包括房屋建筑、购买、房租、水、电、燃料等；（8）其他用品和服务。据此，本文将CHARLS数据中所得的消费项目分为划为七个大类：食品、衣着、家庭设备用品及服务（以下简称“家庭用品”）、医疗、交通和通讯、教育娱乐文化服务、居住。这些变量都是年度数据。①

本文在使用“医疗消费”对非医疗消费进行回归时，需要加入其他控制变量。其中，“家庭收入”为生活在一起的家庭成员的年总收入；而“家庭非住房资产②是家庭的各类耐用品、经营生产所用的固定资产、存款等各类金融资产等资产的加总；“住房面积”③为家庭住房的面积（平方米）。

“初中以上学历比例”为家庭拥有初中以上学历人口所占的比例乘以100，衡量了家庭的文化程度，这是由于文化程度会影响家庭的消费偏好；“家庭人口数”为该家庭生活在一起的人口数量；“城镇户口”为虚拟变量，非城镇户口为0，城镇户口为1；最后，本文还加入了该家庭所在省份的虚拟变量控制了地域因素。

在计量模型中，本文对于以上“家庭非医疗消费”“医疗消费”及不同类型的消费、“家庭收入”和“家庭非住房总资产”这些涉及金额的变量进行了自然对数化处理。被解释变量的密度图及直方图如图1、图2所示：

将样本中的家庭按照总收入或者非住房资产的金额由低到高排列，不同分位点上家庭的消费总金额和不同类型消费金额的变化如图3所示：

图1 家庭总消费和非医疗消费密度分布图

注：图3是分别在家庭收入与家庭财产的0.1、0.15、0.20…0.95的分位点上的观测值绘制的消费结构曲线。①最上面一条线的数值为总消费金额，第一条线与第二条线之间的间距为居住消费金额，依此类推，最下一条线为食品消费金额。

由图3可见，图中的曲线基本都呈上升趋势，收入和财产水平较高的家庭的总消费和各类消费的金额较高。此外，收入和财产较低的家庭食品支出所占份额较大，符合恩格尔定律的表述。

（二）估计方法

1、OLS与2SLS回归模型

本文首先以对数化的“家庭非医疗消费”及其他类型消费为被解释变量，使用OLS方法估计方程：

公式右边第三项为所有的控制变量，以向量的形式表出，本文只关心的取值。

然而，OLS模型是存在“内生性”问题的。这是因为，究其本质，医疗消费与非医疗消费及其他类型的消费同为家庭的消费决策，受到其自身的消费倾向与消费模式的影响。而消费倾向和消费模式却是无法衡量的，因而回归模型会出现遗漏变量和测量误差的问题。为了消除这一“内生性”问题，需要借助工具变量。

本文选取问卷回答者在过去一年中“是否因为伤病需要住院”这一虚拟变量作为工具变量。如果问卷者在过去一年有过住院经历，或者即使没有住院，但医生认为其应该住院，则该虚拟变量取值为1。虽然这一变量是问卷回答者在过去一年“是否需要住院”，但是家庭中某个人“是否需要住院”与家庭的“医疗消费”必然直接相关（尤其是CHARLS针对45岁以上中老年人的调查，空巢家庭较多，往往只有两个人）。如果该变量为1，那么说明问卷者遭遇到了较为严重的疾病问题。由于可以认为遭遇疾病是一个外生的状况，那么这一变量满足外生的条件假设。因此，可以认为“是否需要住院”满足工具变量的定义：。

然后，考虑“工具变量法”，使用2SLS进行估计。第一步，估计回归方程：

继而估计回归方程：

同时，考虑广义矩估计（GMM），将工具变量的外生性条件视为矩条件。GMM估计通过构造“权重矩阵”，通过迭代的方法最小化，取得回归系数的估计值。如果回归方程不能满足同方差或者无自相关等古典假设，广义矩估计也是最有效率的估计方法。

2、归并回归：TOBIT与IV-TOBIT回归模型

由图2可见，六类消费在总消费的占比中零值较多，说明许多家庭不需要某种消费，即便是对于生存所必须的食物，由于大量农业家庭自给自足并不进行市场购买，因而在总占比中为零的观测值较多。对于一个家庭来说，如果其对于某种消费的最优解为边角解，那么其支出为零，此时样本中零值较多，被解释变量的概率分布实则变成了一个离散点与连续分布组成的混合分布，为此应考虑TOBIT回归模型（Tobin,1958）。

其中，1（·）为示性函数。对于这个模型可以使用MLE的方法进行估计。

当解释变量内生时，TOBIT模型也可以同工具变量法结合，如下例所示：

四、实证结果分析

如果医疗消费存在“挤出作用”，那么非医疗消费减少的原因可能有两个：一是因为医疗消费的增加而减少能够用于其他消费的花费，这是一种“替代效应”；二是由于健康水平下降导致消费者的预期收入下降，从而减少消费，这属于“收入效应”。对此，本文通过添加健康变量的方法剥离了由健康水平下降导致的“收入效应”，只留下“替代效应”。

由于在CHARLS数据中无法获得家庭健康状况的变量，只能加入问卷回答者的健康自评打分（分值为1-5分，加入5个“健康等级”虚拟变量，回归时以3分为基准变量）。此外，考虑到家庭的健康状况直接受到家庭成员的年龄、家庭的年龄结构的影响，老龄化严重的家庭其健康状况必然较差，因此也可以加入年龄变量作为家庭健康的替代变量。所以，本文加入“老年人口比例”（家庭65岁以上人口占比乘以100）、“问卷回答者年龄”及“问卷回答者健康等级”虚拟变量组共同作为“健康变量”作为控制变量。

因此，下文中不加入“健康变量”的回归模型（1）中的医疗消费回归系数反映的是包括“替代效应”与“收入效应”双重作用下的“挤出效应”的大小；而加入这些控制变量的回归模型（2）中的医疗消费回归系数则表示剔除“收入效应”之后的“挤出效应”的大小（即主要反映“替代效应”的作用结果）。

（一）医疗消费对非医疗消费的挤出作用分析

本文首先对对数化的非医疗消费进行回归，以分析医疗消费支出的增加对于非医疗消费是否有影响。由于非医疗消费的数据中并没有0值过多的问题，因此使用OLS、2SLS与GMM模型进行回归，结果如下表所示：

表2 非医疗消费回归结果

续表2

OLS（1）OLS（2）2SLS （1）2SLS （2）GMM（1）GMM（2） 省份虚拟变量YESYESYESYESYESYES 截距项7.198***8.815***7.440***8.892***7.440***8.892*** （0.149）（0.175）（0.174）（0.191）（0.174）（0.191） 观测值9,7999,7999,7999,7999,7999,799 0.3200.3520.3050.3500.3050.350 DWH检验8.27***0.95

注：（）内为标准误差。***表示1%的显著性水平，**表示5%的显著性水平，*表示10%的显著性水平。2SLS（1）与2SLS（2）的一阶段回归结果见附表1中OLS（1）与OLS（2）。下表同。

在OLS回归结果中，医疗消费的回归系数虽然显著为正，但不能认为医疗消费对非医疗消费反而具有“拉动作用”，只能认为内在的消费倾向导致消费较高的家庭的医疗消费也较高；在使用工具变量控制了内生性的2SLS与GMM的结果中，系数变得不再显著，“挤出效应”不明显，即使是带有“收入效应”的回归方程（1）依然如此。

使用分位数回归，①对2SLS（1）和2SLS（2）模型中医疗消费的回归系数在不同分位上的数值做出下图（实线为分位数回归系数值，阴影部分为分位数回归95%置信区间，虚线为2SLS得到的回归系数值及95%置信区间）：

图4 医疗消费系数分位数回归结果

从上图可以发现，非医疗消费处于不同分位上的家庭的消费受到医疗消费的影响作用并不大，回归系数都在0值附近。之所以医疗消费对非医疗消费难以产生“挤出效应”，在“生命周期理论”的解释中，是因为消费者在遇到收入下降或者其他紧急支出时，可以通过动用储蓄和使用信用借贷的方式维持这一阶段的消费。为了检验这种机制，本文将家庭中用于再生产的资产（农业生产或者家庭生产、个体经营、私营企业的资产）的价值相加得到“生产性资产”总额，将家庭中具有储蓄意义且常用于变现的资产（存款、债券、股票等金融资产、汽车、珠宝、贵金属、艺术品）的价值相加得到“储蓄性资产”总额，将家庭所欠的私人借款、金融机构贷款相加得到的“家庭债务”总额，以“医疗消费”作为解释变量，维持其他控制变量不变，对取自然对数后的“生产性资产”“储蓄性资产”和“家庭债务”进行回归分析，正文中仅汇报医疗消费的回归系数，结果如下所示：

表3 家庭财产与家庭债务回归结果

注：（i）.2SLS（1）与2SLS（2）的一阶段回归结果见附表1中OLS（1）与OLS（2）。（ii）.在回归中，OLS（1）、2SLS（1）、GMM（1）模型中的自变量为：医疗消费、家庭收入、家庭财产、住房面积、初中以上学历比例、家庭人口数、城镇户口、省份虚拟变量。与前文一致。（iii）.在回归中，OLS（2）、2SLS（2）、GMM（2）模型中的自变量为：模型（1）中的自变量 + 老年人口比例、（问卷回答者的）年龄、健康等级1、健康等级2、健康等级4、健康等级5。与前文一致。

在上表中，以解决内生性问题的2SLS和GMM的结果为参考。“医疗消费”对家庭的“生产性资产”的回归系数并不显著，这是由于“生产性资产”能够保障家庭的未来收入，家庭在遇到医疗消费增加时并不会减少此类资产。“生产性资产”不受影响说明家庭努力保持未来期的资源约束不变，这是“生命周期理论”能够发挥作用的前提。“医疗消费”对家庭的“储蓄性资产”的回归系数显著为负，说明家庭面临医疗消费增加时会动用储蓄性资产。“医疗消费”对“家庭债务”的回归系数显著为正，说明家庭的医疗消费增加会增加家庭债务。所以，当家庭面临医疗消费增加而其他消费的预算减少时，会通过动用储蓄资产和举债的方式保证非医疗消费不出现显著的波动。这验证了“生命周期理论”的正确性，即在面临突发的医疗支出时，家庭的非医疗消费不会受到影响，消费者选择在整个生命周期内进行消费资源的最优配置，通过平滑消费实现效用最大化。

（二）医疗消费对其他消费的挤出作用分析

虽然总消费变化不大，但是当医疗消费增加时，不同类型的消费可能会因此受到影响。这些消费项目的变化是家庭在应对医疗消费压力的同时，为大致保持非医疗消费总体水平不变而进行的消费结构优化行为。

使用OLS、TOBIT与IVTOBIT模型对不同类型消费的消费金额进行回归分析，使用的控制变量与前文一致，（1）中未加入健康变量，（2）中加入健康变量。正文中仅汇报医疗消费的回归系数，如下表所示：

表4 医疗消费对不同类型消费回归系数

续表4

医疗消费回归系数OLS（1）OLS（2）TOBIT （1）TOBIT （2）IVTOBIT（1）（挤出效应）IVTOBIT（2）（替代效应） 家庭用品0.119***0.127***0.153***0.163***-0.0897-0.0518 （0.00985）（0.00997）（0.0126）（0.0127）（0.0589）（0.0705） 交通通讯0.0882***0.0945***0.0975***0.104***-0.02120.0319 （0.00804）（0.00798）（0.00899）（0.00893）（0.0402）（0.0471） 教育娱乐文化0.0496***0.0614***0.120***0.147***-0.1060.111 （0.0111）（0.0111）（0.0277）（0.0278）（0.141）（0.166） 居住0.0408***0.0464***0.0445***0.0502***0.02510.0667 （0.00717）（0.00728）（0.00756）（0.00767）（0.0346）（0.0416）

注：（i）表中，IVTOBIT（1）的值检验医疗消费对不同消费类型是否存在“挤出效应”（包括“收入效应”与“替代效应”），IVTOBIT（2）的值检验医疗消费对不同消费类型是否存在“替代效应”。（ii）在回归中，OLS（1）、TOBIT（1）、IVTOBIT（1）模型中的自变量为：医疗消费、家庭收入、家庭财产、住房面积、初中以上学历比例、家庭人口数、城镇户口、省份虚拟变量。与前文一致。（iii）在回归中，OLS（2）、TOBIT（2）、IVTOBIT（2）模型中的自变量为：模型（1）中的自变量 + 老年人口比例、（问卷回答者的）年龄、健康等级1、健康等级2、健康等级4、健康等级5。与前文一致。

在不同种类消费的OLS回归中，医疗消费的回归系数都显著大于零，这是由于不同类型的消费受家庭固有的消费倾向和消费模式的影响所致，消费倾向高的家庭对不同的消费项目都有较高的消费金额，因此没有控制内生性的OLS回归的结果必然显著为正。在解决了零值过多问题的TOBIT模型中，这一数值变得更大，且保持显著。

使用IVTOBIT模型解决了内生性与零值过多的问题。上表显示，在未加入健康控制变量的IVTOBIT（1）模型中，医疗消费仅对食品、衣着消费的回归系数显著为负，说明医疗消费的增加会导致这两类消费减少，对其余几类消费没有影响。由于这两类消费在非医疗消费中占比较小，所以其减少并没有导致非医疗消费整体出现显著的下降。在加入健康控制变量的IVTOBIT（2）模型中，医疗消费对食物、衣着消费的回归系数不再显著，说明医疗消费对于这两种消费的“替代效应”不明显，其“挤出效应”主要由“收入效应”构成。之所以“收入效应”明显，这与CHARLS数据的问卷回答者都在45岁以上有关：中老年户主的家庭在遇到疾病时较容易出现预期收入下降的问题，从而减少食品和衣着消费。

所以，在对不同的消费类型进行回归分析时发现，生命周期理论对于大多数消费项目依然成立。当家庭面临医疗消费增加时，家庭用品、交通通讯、教育娱乐文化和居住消费不会受到影响，说明这四类消费的支出弹性较小。

医疗消费对于衣着与食物消费的影响主要体现为“收入效应”，即由于疾病，导致家庭成员会因为自身健康状况下降而下调预期收入，从而对某些类型的消费有所减少。由于所减少的消费是食品、衣着消费，这两种消费都是关乎家庭生活质量的非耐用品消费，对短期内家庭的生活质量有重要的影响，其下降必然导致生活质量的下降。

所以，当疾病发生时，样本中家庭的绝大多数消费项目不会被医疗消费所挤出，但是由于疾病所引起的对于未来收入下降的担忧会导致其减少对食品、衣着的消费。这并不违背“生命周期理论”：“生命周期理论”表示消费者对一生的收入有稳定的预期的前提下，不会因为突发问题而减少其他消费，但是由于突发疾病会下调消费者的收入预期，这导致了消费者会减少某些种类的消费。

可见，因为疾病而导致的“因病致贫”“因病返贫”问题的根源并非是家庭会因为医疗消费对于消费资源的挤占而减少对其他消费的支出，事实上，家庭会通过动用储蓄、举债等方式保持消费稳定，进行平滑消费。但不减少某些消费的重要前提是预期收入不变，由于疾病会影响消费者的健康，导致其工作能力下降，从而下调其预期收入，因此样本中家庭会有“节衣缩食”的行为，减少衣着和食品消费。

五、基本结论与政策建议

通过CHARLS数据中的中老年家庭消费行为的实证检验，本文发现，在OLS回归中，受到消费倾向的影响，医疗消费对非医疗消费的回归系数显著为正。在使用工具变量法去除内生性问题后，在2SLS与GMM回归中，医疗消费对非医疗消费的回归系数不显著，不存在“挤出效应”。这符合“生命周期理论”中消费者在一生的资源约束下平滑消费的结论，短期的医疗支出的增加不会对家庭非医疗消费带来影响，但会使家庭储蓄性资产减少、债务增加，家庭通过动用储蓄和举债来保持非医疗消费总体水平不变。

对不同类型的消费的回归结果显示，在OLS回归中，医疗消费的回归系数都显著为正。在TOBIT模型中，这一系数变大且依然显著。使用带有工具变量的IVTOBIT模型解决内生性问题，在并不控制健康变量的回归模型中，医疗消费对食物与衣着消费的回归系数显著为负，具有“挤出效应”；在控制了健康变量的回归模型中，医疗消费对任何的消费类型的回归结果都不显著，可见“替代效应”并不明显，医疗消费对食物和衣着消费的“挤出效应”主要由“收入效应”构成。这说明家庭没有使用医疗消费替代其他消费的意向，对于这两类消费的减少是由于疾病导致工作能力下降，从而下调预期收入所致。

医疗消费是中国家庭面临的重大问题，许多家庭因为医疗消费而致贫、返贫。从本文的分析中，医疗消费的增加虽然不会对非医疗消费的总体水平产生显著的影响，但是它显著地增加了家庭债务规模，减少了家庭储蓄性资产，增加了家庭的长期负担，加大了家庭未来陷入贫困的风险。此外，食物与衣着消费会因为医疗消费的增加而减少，虽然这两项的总占比较低没有导致非医疗消费总体显著减少，但是衣着与食品消费与家庭的生活质量直接相关，“节衣缩食”会较大地降低居民生活的幸福感，在多个维度上增加贫困。

而随着人口老龄化问题的加重，可以预计，医疗消费带来的不良后果将继续加重：中国家庭未来的医疗费用将会继续上升，因为疾病而陷入贫困或者生活质量较大幅度下降的风险不断加大，医疗消费会严重影响居民幸福感的提高，“因病致贫”与“因病返贫”问题依然会制约我国扶贫工作的全面推进。因此，解决医疗费用高，医疗消费占比重的问题迫在眉睫。对此，需要：

首先，保障居民获得医疗资源的能力，减少对“借债看病”的依赖。对此，需要加快完善覆盖城乡居民的社会保障体系，尤其是增加补充医疗保险（如商业医疗保险）和大病保险的普及度，降低居民看病就医时的超支风险，防止居民的家庭收入因为疾病而出现较大的落差，从而减少其对举债渡过难关的依赖度。各级政府应该适度增加对居民医疗保险的补助力度，减少医疗保险对居民造成的压力。此外，从回归结果可见，中老年家庭会因为“收入效应”而减少衣食消费，因此需要减少其因为疾病而降低预期收入的幅度。所以，保障社保基金的稳定和养老金按时足额发放十分重要。需要通过合理的资本运作解决社保资金紧张的问题，保持社保资金充盈，保障居民就医看病的财力，减少中老年居民因病节衣缩食的可能性。而对于食物消费被医疗消费严重挤出的家庭，基层政府应做好扶住工作，以实物资助的方式保障营养需求。

第二，改善医疗条件，提高居民健康水平。良好的医疗条件能够增加居民对身体健康与工作能力康复的信心，保持稳定的收入预期，不会因为短期的疾病而省吃俭用、节衣缩食，降低生活标准。所以，基层政府部门需做好疾病排查与居民查体工作，较早发现疾病更有利于维护居民健康。此外，基层医疗条件尤其需要改善，由于医疗资源分配不合理，基层医疗基础设施建设较差，许多家庭遇到较大健康问题时选择去大城市就医，更加重了就医负担。为此，需要改善地方基层门诊和医院的就诊条件，加强人才教育，提高整体医疗水平，提供充足的医疗资源以保障居民健康。

第三，推动医疗体系的结构性改革，减少医疗市场的无谓损失。当前，医疗市场受到的管理较为严格，市场机制扭曲严重。基于成本的药品定价政策使得价格低廉的药品因为利润低而停产。而医院以增加药量、在医用设备与耗材上加价的“以药养医”方式导致医疗费用不降反升。为此，医疗行业应参考《十三五规划纲要》提出的“着力推进供给侧结构性改革，用改革的办法推进结构调整，加大重点领域关键环节市场化改革力度，调整各类扭曲的政策和制度安排”政策建议，进行结构性改革，在政府主导下向市场接轨，废除价格管理政策，适度增加对公立医院补贴力度，实现“十三五”对于健康领域“深化医药卫生体制改革，建立健全基本医疗卫生制度，实现人人享有基本医疗卫生服务”的规划，保障医疗资源充足，促进医疗价格合理。

总之，减少居民的医疗消费压力的根本措施在于：保障居民收入，消除“收入效应”；维护居民健康，减少医疗消费；增加医疗资源，降低医疗价格。只有降低居民的医疗消费压力，才能减少医疗消费对于居民食物和衣着消费的“挤出效应”，防止居民因为疾病而储蓄性财产大幅下降或家庭债务陡然增加，促进解决“因病致贫”与“因病返贫”问题，提高居民的幸福感。

附录：

附表 一阶段回归结果

医疗消费OLS（1）OLS（2） 需要住院1.612***1.366*** （0.0820）（0.0838） 家庭收入0.0711***0.0779*** （0.0163）（0.0160） 家庭非住房资产0.125***0.154*** （0.0148）（0.0158） 住房面积0.000758**0.00101*** （0.000373）（0.000368） 初中以上学历比例-0.00652***-0.00498** （0.00217）（0.00220）

续附表

医疗消费OLS（1）OLS（2） 家庭人口数0.0494***0.0319* （0.0166）（0.0176） 城镇户口-0.163*-0.0982 （0.0840）（0.0837） 老年人口比例0.00107 （0.00205） 年龄（问卷回答者）0.00310 （0.00461） 健康等级1（问卷回答者）0.848*** （0.0961） 健康等级2（问卷回答者）0.336*** （0.0756） 健康等级4（问卷回答者）-0.633*** （0.112） 健康等级5（问卷回答者）-1.207*** （0.167） 省份虚拟变量略略 截距项4.555***3.958*** （0.520）（0.585） 观测值9,7999,799 0.0860.108

注：在对非医疗消费、生产性资产、储蓄性资产和家庭债务的回归中，一阶段回归的公式和自变量是相同的。附表中，OLS（1）（2）分别为正文中2SLS（1）（2）的一阶段回归结果。

1. 白重恩、李宏彬、吴斌珍：《医疗保险与消费：来自新型农村合作医疗的证据》[J]，《经济研究》2012年第2期。

2. 陈长江、高波：《我国医疗市场中的消费支出效应及其福利影响分析》[J]，《经济学家》2010年第12期。

3. 胡宏伟、刘雅岚、张亚蓉：《医疗保险、贫困与家庭医疗消费——基于面板固定效应Tobit模型的估计》[J]，《山西财经大学学报》2012年第4期。

4. 罗楚亮：《经济转轨、不确定性与城镇居民消费行为》[J]，《经济研究》2004年第4期。

5. 苏春红、李齐云、王大海：《基本医疗保险对医疗消费的影响——基于CHNS微观调查数据》[J]，《经济与管理研究》2013年第10期。

6. 徐伟、陈慧美：《我国居民收入对医疗消费支出的影响研究》[J]，《中国卫生政策研究》2013年第6期。

7. 叶春辉、封进、王晓润：《收入、受教育水平和医疗消费：基于农户微观数据的分析》[J]，《中国农村经济》2008年第8期。

8. 杨汝岱，陈斌开：《高等教育改革、预防性储蓄与居民消费行为》[J]，《经济研究》2009年第8期。

9. 尹向飞、尹碧波：《收入、房地产、医疗对消费的实证研究——基于中国城镇收入等级分组数据》[J]，《湘潭大学学报》2012年第4期。

10. Busch, S. H., Jofre-Bonet, M., Falba, T. A., and Sindelar, J. L. , 2004, “Burning a Hole in the Budget: Tobacco Spending and its Crowd-out of Other Goods” [J],, 3(4), 263-272.

11. Duesenberry J.S., 1949, Income, Saving and the Theory of Consumption Behavior, [M], Cambridge, Mass: Harvard University Press.

12. Friedman, M., 1957, A Theory of the Consumption Function, [M], New Jersey: Princeton Press.

13. Grossman, M., 1972, “On the Concept of Health Capital and the Demand for Health” [J],,80(2), 223-255.

14. Gruber, J., and Yelowitz, A.,1999, “Public Health Insurance and Private Savings” [J],,107(6), 1249-1274.

15. Hanson, K., Yip, W. C., and Hsiao, W., 2004, “The Impact of Quality on the Demand for Outpatient Services in Cyprus” [J],,13(12), 1167-1180.

16. John, R. M., 2008, “Crowding Out Effect of Tobacco Expenditure and its Implications on Household Resource Allocation in India” [J],,66(6), 1356-1367.

17. Keynes, J.M. 1936,The General Theory of Employment, Interest and Money,[M], New York: Harcount, Brace & World.

18. Modigliani, F., 1949, Fluctuations in the Saving-Income Ratio: A Problem in Economic Forecasting, Studies in Income and Wealth,[M], New York: National Bureau of Economic Research.

19. Modigliani, F., and Brumberg, R., 1954, “Utility Analysis and the Consumption Function: An Interpretation of Cross-Sectional Data” [J],, 388-436.

20. Qu, Z. and Zhao, Z., 2008, “Urban-Rural Consumption Inequality in China from 1988-to 2002: Evidence from Quantile Regression Decomposition”[D], IZA Discussion Paper, No. 3659.

21. Schoen, C., Davis, K., Des Roches, C., Donelan, K., and Blendon, R., 2000, “Health Insurance Markets and Income Inequality: Findings from an International Health Policy Survey” [J],,51(2), 67-85.

22. Subramanian, S. V., and Kawachi, I., 2006, “Whose Health is Affected by Income Inequality? A Multilevel Interaction Analysis of Contemporaneous and Lagged Effects of State Income Inequality on Individual Self-rated Health in the United States” [J],,12(2), 141-156.

23. Tobin, J., 1958, “Estimation of Relationships for Limited Dependent Variables” [J],Vol.26, No.1, 24-36.

24. Wang, H., Sindelar, J. L., and Busch, S. H., 2006, “The Impact of Tobacco Expenditure on Household Consumption Patterns in Rural China” [J],,62(6), 1414-1426.

①人民网：《多省创新健康扶贫模式破解贫困户因病返贫难题》，2016年3月28日，http://politics.people. com.cn/n1/2016/0328/c1001-28231561.html。

① CHARLS会对同一个家庭的不止一个45岁以上成员进行调查，所以其家庭方面的数据会完全相同。因此，对于每个家庭，本文只留下一个成员的问卷调查数据。

①本文将问卷中关于消费的周数据、月数据、年数据统一整合成为了年度数据。

②笔者发现CHARLS的数据中出现了房产每平方米的价值单位出现了“元”和“万元”不一致的问题，并且很难进行区分调整，因此总资产中去掉了房产的价值。

③家庭资产中并没有房屋资产，而是把住房面积单列为一个变量，这也更符合房屋这一固定资产较难套现，且较少被变卖的特性。

①每个分位点的值取其左右各0.025分位段的平均值（如0.1分位点的取值是0.075分位点至0.125分位点上所有观测值的各类消费金额的平均值）。此外，由于首尾分位点的数值不稳定，所以去除。

①此处选择使用“自助法（bootstrap）”进行条件分位数回归。

* 作者感谢国家自然科学基金项目（71573003）的支持。