中国政府卫生支出行为影响因素实证分析

刘 雨， 李德勋

(安徽中医药大学医药经济管理学院 安徽 合肥 230000)

公共医疗卫生服务是一种明显的公共产品[1]，无论是2009年的新医改方案还是《“健康中国2030”规划纲要》，都明确了政府需履行对医疗卫生健康服务需求的支出责任。目前对于政府卫生支出领域的研究，多集中于研究中央、地方财政分权方面，缺少对国家宏观层面政府卫生支出行为的实证研究。着眼于经济发展、人口结构、城镇化程度、物价水平等方面，运用多元线性回归方法分析我国政府卫生支出行为的影响因素，这对加强中央政府的支出责任，明确各级政府的责任分配和筹资机制是非常重要的[2]。

1 关于政府卫生支出行为的理论研究

随着社会的发展和进步，人们对健康的要求也越来越高，这也要求政府在医疗卫生领域给予更多的经济和政策支持。改革开放以来，随着经济体制改革的深入和医疗卫生事业的改革，中国的医疗卫生事业出现了新的问题，如何为民众提供公平的医疗卫生服务成为政府、学术界和公众最关注的问题之一[3]。

在国内研究方面，杨亮(2012)从国家宏观层面和地方层面，利用相关理论和计量经济学模型，探究政府卫生支出的现状和特点并提出了对策建议[4]。杨立群(2011)使用面板数据回归模型研究政府卫生支出的影响因素，结果表明主要影响因素是国内生产总值[5]；周海燕(2011)、何长江(2011)、宋志华(2010)基于中国省级面板数据进行政府卫生支出影响因素分析，也发现国内生产总值是主要影响因素[6]，另外，经济发展水平、政府机构及人员的膨胀程度是较大影响因素[7]，总的来看，经济、社会人口和卫生状况是3组基础因素[8]。肖海翔(2013)利用GMM估计方法对省级面板数据进行分析发现人均实际GDP、财政分权水平、城镇化水平、住院分娩率和环境污染度对政府卫生支出有显著影响[9]。谭华伟等(2017)利用固定效应模型开展的研究发现，中央转移支付人均指数和比重指数对地方政府卫生支出的促进作用有限，人均GDP、老年抚养比和政策冲击都有积极影响[10]。吴昊、高小蓉等(2018)通过建立面板模型进行研究发现我国政府卫生支出逐渐受到老龄化因素影响，并且区域差异显著[11]。韩婉新、李长乐(2021)使用双向固定效用模型分析数据，发现一般公共预算收入、年末常住人口、卫生机构数量等因素对地市级政府卫生支出产生了正向影响[12]。

此外，近年来，在国内方面对卫生支出的效率水平和影响因素进行了大量研究。韩华为(2010)、李郁芳(2015)对地方政府卫生支出的效率进行了核算，发现经济发展水平、财政分权程度、医改政策、城镇化水平等均是影响因素[13，14]。王曦、梁玮佳(2018)研究发现，经济发展程度、居民受教育水平、财政分权程度、人口密度、城乡收入差距等对政府卫生支出效率产生了影响[15]。 周子超(2021)基于DEA-Tobit两阶段的分析发现技术革新速率、人均实际GDP、老龄化程度、教育水平、户籍制度、医疗政策均产生了影响[16]。

在国外的研究中，Kleiman(1974)率先发现GDP对卫生支出的影响最大[17]。Newhouse(1980)、Gerdtham和Jonsson(2004)在早期的研究中也发现GDP和卫生支出之间存在着明显的正相关关系[18，19]。学者们还研究了其他的影响因素，并将研究范围扩展到政府的卫生开支。DiMatteo(1998)对加拿大省级政府卫生支出的影响因素进行了研究，发现省级人均收入、老年人口所占比例是主要影响因素[20]。Costa-Font、Pons-novell(2007)使用西班牙卫生支出的区域数据展开研究发现，收入、财政分权程度、医生数量、床位数等均会对政府卫生支出产生影响[21]。Rahman(2008)的一项研究显示人均收入和各邦的识字率影响印度各邦政府的卫生支出[22]。Pammolli(2012)的一项类似研究发现，公共卫生支出随着老龄化程度和技术进步而增加[23]。近年来国外相关研究发现，其他一些易被忽略的因素也对政府卫生支出行为产生了影响。Sorensen等(2013)的一项研究得出结论：政府卫生支出与医疗技术进步之间存在复杂且不易确定的影响和相关性[24]。Joseph等(2014)利用一般矩量法和两阶段最小二乘法进行实证研究发现卫生援助的增加会取代一部分政府卫生支出[25]。Moosa N(2018)的一项研究发现由于国际货币基金组织常推行紧缩型政策，其组织运作对政府卫生支出产生了消极影响[26]。Behera等(2019)对印度各邦政府卫生支出行为的表现进行研究，得出GDP的增长会刺激政府卫生支出增加的结论[27]。Barlow Pepita(2020)一项对中低收入国家的研究发现，关税变化和国内税收能力也对政府卫生支出存在影响[28]。

国内外对政府卫生支出行为及其影响因素的研究较为丰富，大多数基于一定的实证方法建立模型，研究结果综合来看，经济发展水平、社会人口因素、卫生水平等方面的因素均对政府卫生支出行为产生了影响，但目前的国内外研究大多着眼于地方层面，基于宏观的国家层面开展的政府卫生支出行为的研究并不多见，在制定宏观政策时难以成为有效的参考依据。

2 模型的设定

2.1 模型介绍

在现实经济活动中，一个经济现象往往与几个相关的现象相联系，并且最简单的关联形式是一个被解释变量和若干个解释变量之间的线性关系。多元线性回归模型是指在一个模型中包括多个解释变量和其他影响因素，这样就可以同时估计和检验多个解释变量对被解释变量的影响。

2.2 模型构建

根据《2020中国卫生健康统计年鉴》中的主要指标解释，政府卫生支出是指各级政府用于一系列项目的支出，包括医疗卫生服务、卫生和医疗保险管理、医疗保险补贴以及人口和计划生育的支出。公共卫生支出的变化受到一些因素的影响，包括经济发展水平、财政支出水平、人口构成和城市化程度。本文在回顾文献的基础上，选取人均GDP(X2)、人均卫生费用(X3)、少儿抚养比(X4)、老年抚养比(X5)、城镇人口占总人口比例(X6)、居民消费价格指数(X7)这6个变量，探究其对政府卫生支出占财政支出比重(Y)的影响。 为了消除异方差并使得趋势线性化，分别将相关变量变换成自然对数形式[6]，构建多元回归模型

lnY=β1+β2lnX2+β3lnX3+β4lnX4+β5lnX5+β6lnX6+

β7lnX7+u

(1)

其中lnXi(i=1，2，…，7)为选取的影响因素指标，βi(i=1，2，…，7)为相应的系数，u～N表示随机误差，取值范围为(0，σ2)。

2.3 指标解释

政府卫生支出占财政支出比重的自然对数作为被解释变量lnY，反映政府卫生支出的程度；人均GDP的自然对数作为解释变量lnX2，反映经济发展水平；人均卫生费用的自然对数作为解释变量lnX3，反映总体的卫生投入水平；反映人口结构的解释变量lnX4和lnX5分别为少儿抚养比的自然对数、老年抚养比的自然对数；反映城市化程度的lnX6为城镇人口占总人口比例的自然对数；居民消费价格指数的自然对数作为解释变量lnX7，反映物价水平的变动(见表1)。通过线性回归分析，找出被解释变量的相关影响因素指标，并确定解释变量与各解释变量间的数量关系，构造多元回归模型。

表1 多元回归模型的解释变量描述

2.4 数据来源

本文引用的数据均来自国家统计局统计年鉴和统计公报，选取1999年至2017年的各项指标参与多元回归分析(见表2)。其中，少儿抚养比是0～14岁的人口与15～64岁工作年龄人口的比率，老年抚养比是基于65岁以上人口与15～64岁工作年龄人口的比率；居民消费价格指数均以1978年的数据为基数100。

表2 1999—2017年中国政府卫生支出行为的相关经济指标指数

3 实证分析

3.1 估计参数

将上述时间序列数据输入统计分析软件EViews 8.0，根据回归模型(1)进行多元回归分析，得到初步回归分析结果(见表3)。

表3 初步回归分析结果

此外，根据初步回归的分析结果，该回归模型可决系数R2为0.979836，修正后的可决系数¯R2为0.969755，F统计量为97.189。

根据表格中初步回归分析的结果，我们可以得到初步的多元回归模型

lnY=18.92645+0.951598lnX2+1.317572lnX3+

0.5746lnX4-0.891342lnX5-5.884684lnX6-

2.725078lnX7

(2)

s=(7.463807)(0.405180)(0.410226)(0.360320)(0.641753)(1.476652)

(1.475311)

R2=0.979836，¯R2=0.969755，F=97.189，n=19

3.2 模型检验

3.2.1 统计推断检验

(1)拟合优度的检验

首先进行拟合优度的检验。由初步回归分析的结果可以得到：可决系数R2为0.979836，修正后的可决系数¯R2为0.969755，这意味着所构建的模型很好地拟合了样本数据整体(可决系数越接近于1，拟合度越高)

(2)F检验

其次进行F检验。提出原假设H0：β2=β3=β4=β5=β6=β7=0，在显著性水平α=0.05下，从F分布表中查出自由度为k-1=6和n-k=12的临界值Fα(6,12)=3.00。由上述初步回归分析结果知F=97.189，由于F=97.189>Fα(6,12)=3.00，所以应拒绝原假设H0：β2=β3=β4=β5=β6=β7=0，表明方程的回归是显著的，也就是说人均GDP的自然对数(lnX2)、人均卫生费用的自然对数(lnX3)、少儿抚养比的自然对数(lnX4)、老年抚养比的自然对数(lnX5)、城镇人口占总人口比例的自然对数(lnX6)、居民消费价格指数的自然对数(lnX7)这些变量联合起来对政府卫生支出占财政支出比重的自然对数(lnY)有显著影响。

(3)t检验

学校作为教育农村订单定向医学生的最主要执行主体，在资助政策上应给予倾斜。如在勤工助学岗位、学校各种资助政策中给予倾斜，特别是加大对农村户籍学生的资助力度，拓宽其生活费来源，以减轻其求学的经济压力。让学有余力的学生可以在各种有利的政策中获得更好的发展，让学习能力偏弱的同学重塑学习态度，以更高的质量和水平完成学业。

3.2.2 计量经济学检验

(1)多重共线性检验

在多元线性回归模型中，各自变量因素本身之间也可能存在着强烈的线性关系。如果这种线性关系超过或者干扰了自变量和因变量之间的线性关系，就会很难保证线性回归模型的稳定性，不能得到最优的回归方程，回归系数的准确性也会不高[29]。为了解决这个问题，我们运用逐步回归法进行多重共线性的检验，即按照解释变量的显著性大小，从大到小依次将变量引入模型中，观察引入每一个变量后的F统计量、修正后的可决系数以及其他各解释变量t统计值的情况，如果最初引入的解释变量由于后来引入的解释变量而不再显著，则将后者删除，以减少共线性的影响。

由表1，我们以解释变量lnX6为基础，按照显著性的大小依次引入其他解释变量，逐步回归法检验过程如表4所示。

表4 逐步回归法检验过程

由表4可得，在逐步回归的过程中，人均GDP的自然对数(lnX2)、人均卫生费用的自然对数(lnX3)、城镇人口占总人口比例的自然对数(lnX6)这3个解释变量对被解释变量政府卫生支出占财政支出比重的自然对数(lnY)产生显著性影响，它们的t统计值均通过显著性检验，且在依次被引入的过程中均未对已引入变量的t统计值产生不良影响，还改进了模型的F统计值、拟合优度；而解释变量少儿抚养比的自然对数(lnX4)、老年抚养比的自然对数(lnX5)、居民消费价格指数的自然对数(lnX7)在分别被引入模型的过程中对已引入变量的t统计值产生了不良影响，且未对F统计值、拟合优度产生明显改进，说明这3个解释变量对被解释变量政府卫生支出占财政支出比重的自然对数(lnY)的影响是偶然的，应该从回归模型中去除以获得新的线性回归模型

lnY=6.146756+0.672508lnX2+0.372372lnX3-

3.582507lnX6

(3)

(2)异方差检验

异方差性指的是被解释变量的观测值离散程度随着解释变量的变化而变化，这与线性回归中的同方差假定是相悖的。在计量经济分析活动中，随着观测值的变化，某些因素会对解释变量产生不同的影响，从而导致随机误差项的不同方差，即出现“异方差”现象。为了检验模型中是否存在异方差问题，我们采用White检验方法对其进行检验。

我们构造辅助函数并利用EViews软件得到nR2=6.624477，由于辅助回归中有9个解释变量，自由度为9。提出假设H0：α1=α2=α3=……=α9=0(α1～α9为辅助函数中各变量的系数)，由White检验知，在α=0.05下，通过查寻χ2分布表得到临界值为

因此无法拒绝H0，说明模型中是不存在异方差的。

(3)自相关检验

自相关是指整个回归模型中的随机误差项之间存在着相关关系。另一方面，回归模型的古典假定是随机误差项没有自相关，也就是说，假设随机误差项在观测点之间没有相关性。针对模型是否存在自相关的现象，我们这里利用DW检验法进行检验：在显著性水平0.05下，对样本量为19、3个解释变量的模型进行DW统计值查表得dL=0.967，dU=1.685，模型中DW=1.537906，有dL

为了解决好自相关的问题，这里用科克伦-奥克特迭代法进行广义差分回归，得到迭代后的DW=1.840319，可以判断dU

图1 残差图

根据广义差分后的结果，修正回归模型

lnY=4.507084+0.555006lnX2+0.321726lnX3-

2.758748lnX6

(4)

4 结果与分析

从以上模型的设定及检验过程我们可以得到这样一个结果：人均GDP、人均卫生费用、城镇人口占总人口比例均对政府卫生支出行为产生显著性影响，其中前两个因素是正向产生效应，最后一个因素对政府卫生支出行为产生负效应影响。

4.1 经济发展水平对政府卫生支出行为产生正向影响

结果显示，人均GDP指标显著性地对政府卫生支出行为产生正向影响，人均GDP的自然对数每增长1个单位，政府卫生支出占财政支出比例的自然对数就会增加0.555006个单位，表明人均GDP是政府卫生支出行为的重要影响因素。这正是我们所预期的，即当经济发展水平提高时，政府卫生支出也相应增加。随着经济的发展，人们的生活水平不断提高，消费需求不断转变，人们对健康、养生、保健的需求也急剧增加，政府为了满足人民对美好健康生活的向往与需求，也将承担更多的责任，相应地在医疗卫生领域投入更多资金。另外，模型中还显示出人均GDP的波动对政府卫生支出行为的影响程度不算很大，表明政府尚未将卫生事业的投入与社会发展结合起来，对卫生事业的发展并未排在财政支出的首位，这其中最主要的原因可能是政策决策者对健康作用和卫生事业发展的认识还不够，受到了主观因素的限制[5]。

4.2 卫生投入总水平对政府卫生支出行为产生正向影响

人均卫生费用在模型中对政府卫生支出行为起到了正向显著影响，结果显示，人均卫生费用的自然对数每增加1个单位，政府卫生支出占财政支出比例的自然对数就会增加0.321726个单位，这符合我们的预期。人均卫生费用水平反映的是卫生投入总水平，显示了一个国家在卫生领域的总投资水平。它包括了3个部分：政府、个人以及社会卫生支出。

随着市场化经济体制的不断推进以及服务型政府的不断改革，近年来，个人卫生支出在卫生总支出中的比重明显下降，而社会卫生支出的比重则大幅增加，政府也继续加大对卫生领域的支持。所以随着卫生总费用的增加，政府卫生支出情况也在逐渐向好的方向调整，这符合实际规律。

4.3 城镇化程度对政府卫生支出行为产生负向影响

模型中显示，城镇人口占总人口比例也对政府卫生支出行为产生显著性影响，不过这个影响是负向的，即城镇人口占总人口比例的自然对数每增加1个单位，政府卫生支出占财政支出比例的自然对数就会减少2.758748个单位。这表明城镇化程度的加深并没有带来政府卫生支出行为的改善，相反地还会降低政府卫生支出的比重，这并不符合我们的预期，但从实际出发可以给出一个可能与此相关的解释：随着城镇化进程的加快，社会发展、社会关系的趋向更加复杂，这其中可能出现了许多外部效应，政府的一部分注意力转移到了新的社会问题方面，从而挤占了政府对卫生领域的支出。

另外，在构建回归模型时，少儿抚养比、老年抚养比和居民消费价格指数都没有通过显著性检验，也就是人口结构、物价水平变动因素均未在构建的模型中对政府卫生支出行为产生显著性影响。这可能是因为政府在制定卫生支出政策时没有充分考虑人口结构、城镇化程度和物价水平等因素，或者是因为政府卫生支出水平尚未根据社会发展和人口对卫生产品和服务的实际需求进行调整[7]。

5 结论及政策建议

经过前文的分析，可以得出这样的一个结论：人口结构、物价水平变动因素均未对政府卫生支出行为产生必然的影响，经济发展水平、卫生投资总量和城镇化水平对政府卫生支出行为有重大影响，其中城镇化水平起着负面作用。基于上述结论，我们对政府卫生支出行为提出以下政策建议。

(1) 坚持政府主导，合理分配卫生支出。目前我国经济发展水平不断提高，政府卫生支出也一定程度地增加，未来还要进一步坚持政府在基本医疗卫生服务中起主导作用。政府应随着社会的进步和经济发展，不断提高对健康和医疗卫生事业的认识，在财政支出中提高卫生领域支出的比重，更有力地促进公众健康事业发展，开展具体的支出方式及支出比例科学化研究，加大对基层医疗卫生机构、疾病预防控制、健康教育等方面的倾斜比重[29-31]，满足人民日益增长的健康需求。

(2) 充分考虑社会发展因素，建立卫生支出绩效评价体系。随着社会的发展，政府在制定卫生支出政策时，应充分考虑人口结构、城镇化程度、物价水平等因素的影响。如今，随着人口老龄化、三胎政策入法、城镇化程度加速等一系列社会新现象的出现，政府应适时调整卫生支出政策，根据实际情况，科学、合理地建立卫生投入机制。同时，政府应基于卫生领域的工作内容，兼顾效率与公平，设计建立卫生支出绩效考核评价体系，科学评价政府卫生支出是否到位、速度如何、是否存在资金挤占和挪用等情况，提高卫生资金使用效率，有效减少浪费[32]，保障人民生命和健康。

(3) 建立服务型政府的同时，鼓励社会参与筹资。在新公共管理浪潮下，政府也在不断进行自我的改革，强调建立服务型政府，主张充分发挥市场的作用，引进社会的力量进行卫生资源筹资。本篇文章虽然研究的是政府卫生支出行为的影响因素，但目的并不是要探究使政府卫生支出绝对值增加的有效途径，而是旨在通过研究有关影响因素来帮助政府合理决策政府卫生支出行为，达到卫生保障的公平与有效。所以，在市场经济体制的推进下，政府落实自身责任的同时，要做好卫生领域的统筹协调工作，拓展多渠道、可持续的卫生筹资方式，鼓励社会力量参与[33，34]，共同保障和支持卫生事业的可持续发展。

(4)明确各级政府职责，完善区域卫生规划。现有的研究中大部分都立足于各地区的面板数据，考虑到财政分权的因素。尽管本文从宏观角度研究了政府卫生支出行为的影响因素，但根据不同行政级别以及地区的省情和地情来明确政府职责仍十分重要。要按照中央、省、市、县行政职责划分，合理分担卫生事权，在此基础上尊重市场的规律，完善区域卫生规划工作，有效配置卫生资源，并且中央政府要在此过程中注意统筹协调，对中、西部地区实行一定程度、标准明确的卫生财政补助政策，确保全国各地人民相对公平地享受卫生服务。