人口老龄化对医疗卫生服务利用及医疗卫生费用的影响——基于CHARLS面板数据的研究

王晓峰，冯园园

(吉林大学 东北亚研究中心，吉林 长春 130012)

1 引言

根据国家统计局发布的数据，2000年我国60周岁及以上老年人口占到总人口的10%，按照国际通行标准，我国自此进入人口老龄化社会。2010年我国第六次人口普查显示60岁及以上老年人口占总人口比例超过13.26%，2020年第七次全国人口普查时，我国60周岁及以上老年人口占到总人口的18.7%，老年人口在总人口中所占比重逐渐增加，人口年龄结构持续老化。

人口老龄化推动医疗卫生服务需求持续扩张，医疗卫生服务使用率持续攀升，直接影响医疗卫生费用支出。根据我国第六次卫生服务调查(蔡敏，2021)，老年人慢性病罹患率高，老年人口多病共患的情况较多，有23.8%的老年人患有2种及以上慢病。根据第四次中国城乡老年人生活状况抽样调查的数据结果，我国有4063万的失能(半失能)老年人口，对于照护服务的需求比例也在持续上升(1)民政部.三部门发布第四次中国城乡老年人生活状况抽样调查成果[EB/OL].http://jnjd.mca.gov.cn/article/zyjd/xxck/201610/20161000886652.shtml。因此，从微观层面看，个人及家庭的医疗卫生费用负担将持续增加；从宏观层面看，我国医疗卫生总费用将持续递增，人口年龄结构变化与医疗卫生费用筹集和支付体制之间的矛盾，也将影响我国医疗卫生费用的可持续性。

本研究将采用中国健康与养老追踪调查2011-2018年的面板数据(中国健康与养老追踪调查China Health and Retirement Longitudinal Study，简称CHARLS)，测量45岁及以上人口的医疗卫生服务需求、医疗卫生服务利用率情况，以及个体医疗卫生费用在不同年龄组之间的差异；进而依据我国人口老龄化趋势，论述人口老龄化对医疗卫生总费用支出的影响。

2 文献回顾

人口老龄化与医疗卫生费用的关系问题，是国内学界的研究热点。很多学者都发表了研究成果，但相关讨论并没有形成共识。人口老龄化通过影响人口的健康状况，导致人口医疗服务需求增长从而带来医疗卫生费用的增长。唐齐鸣、项乐(2014)认为老龄人口抚养系数对医疗保健支出有显著正向影响，老龄人口的增加会使得医疗保健支出大幅增长。李乐乐、杨燕绥(2017)通过对北京市时间序列数据进行实证分析，发现人口老龄化与医疗费用增长之间存在正相关关系。余央央(2011)认为我国人口老龄化与实际人均医疗支出呈显著正相关性，老龄化程度的加深推动了卫生费用上涨，这是未来控制卫生费用增长的重点与难点之所在。茅锐、徐建炜(2014)的分析表明，随着我国人口老龄化进程，医疗保健消费在总消费中的占比将快速提高，政府需要做好应对老龄化背景下医疗需求膨胀的准备，以避免医疗资源供给不足。程杰、赵文(2010)通过对WHO成员国的经验进行分析后得出，进入老龄化社会后，医疗卫生费用支出速度将会递增,经济发展和政府财政将承受越来越重的医疗卫生费用支出负担，“未富先老”的中国面临着医疗卫生费用支出急剧增长的严峻挑战。

但是，有一些学者持不同的观点。杨昕、左学金、王美凤(2018)通过对世界范围内人口老龄化和医疗卫生费用之间关系研究进行梳理后发现，不同国家在人口老龄化与卫生费用关系的实证研究方面结论差异明显。王超群(2014)通过测算，发现人口老龄化并不是影响我国卫生费用增长的决定性因素，收入提高和医疗技术进步才是我国人均卫生费用增长的主要决定因素。范兆媛、周少甫等(2016)提出人的剩余寿命是影响人医疗卫生花费的显著因素，实际寿命并不是显著因素，人口老龄化对医疗费用产生的影响可能被高估了。

综上所述，关于人口老龄化与医疗卫生费用之间的关系，研究界提出了不同见解，学者之间学术观点虽然不同，但是上述研究为进一步深入探究问题奠定了良好基础。

3 研究设计和理论假设

3.1 相关概念及测量指标

本研究需要厘清三个核心概念。第一，医疗卫生服务需求是指患者(消费者)在一定时期、一定价格水平下，愿意购买且有能力购买的医疗卫生服务及数量。其有两个充分必要条件：一是患者(消费者)必须有医疗卫生服务需要，即有购买意愿；二是患者(消费者)能够购买，即有支付能力(孟庆跃，2019)。第二，医疗卫生服务利用,是指实际发生的医疗卫生服务数量，指标分为门诊服务利用、住院服务利用和预防保健利用等。一定时期内患病率、门诊或急诊次数、住院次数、住院天数、预防性医疗的使用频率、就诊率等通常用来衡量医疗服务利用情况(郝爱华，2021)。第三，根据世界卫生组织和《中国卫生健康统计年鉴》的定义,医疗卫生总费用是指以货币形式作为综合计量手段，全面反映一个国家或地区在一定时期内(通常是一年)全社会用于医疗卫生服务所消耗的资金总额(杨燕绥，2020)，医疗卫生总费用简称医疗卫生费用。

我国医疗卫生费用核算，主要有三种方法，分别是医疗卫生费用来源法、医疗卫生机构流向法、医疗卫生费用服务功能法(梁煜，2019)。来源法医疗卫生费用核算：是按照医疗卫生资金的筹集渠道与筹资形式收集、整理医疗卫生总费用数据，测算医疗卫生总费用的方法，该方法可以从宏观上反映一个地区在一定时期内医疗卫生筹资水平和主要筹资渠道。在我国现行体制下，在来源法医疗卫生总费用中，将医疗卫生总费用指标体系分为政府卫生支出、社会医疗卫生支出和个人医疗卫生支出(陈文，2017)。功能法核算：是根据医疗卫生服务活动的功能进行划分，测算消费者接受各类卫生服务时发生的费用，其结果反映医疗卫生费用在不同功能服务中的分布，同时反映医疗卫生服务消费者在一定时期内对不同服务的利用程度及费用水平。按照功能分类，卫生服务主要包括治疗服务、康复服务、长期护理服务、辅助性卫生服务、门诊医疗用品、预防和公共卫生服务、卫生行政和医疗保险管理服务。根据我国医疗卫生服务提供的特点和数据可得性(翟铁民，2015),可将康复服务和长期护理服务合并在治疗服务中核算,治疗服务包括门诊治疗服务和住院治疗服务，治疗服务费用主要包括门诊费用和住院费用。在国际上，目前在国际医疗卫生费用核算研究工作中运用最广泛的综合核算体系和基础核算规则是医疗卫生费用核算体系(A System of Health Accounts,SHA)。SHA2011修订后的基本框架扩展到6个维度，包括筹资来源、筹资机构、医疗卫生服务提供机构、生产要素、功能和人群受益分布。其中人群受益(beneficiary)作为新增维度之一,主要分析经常性医疗卫生费用在不同年龄、性别、疾病别、经济水平人群中的分布以及地理分布等,以分析资源分配的公平性,分析疾病控制的优先领域和重点人群等。

通过相关文献梳理，目前我国关于医疗卫生总费用的政策应用与研究分析，涉及医疗卫生总费用的筹资结构及效率和公平性分析、公共卫生及预防费用分析、医疗费用分析、病种及人群费用分析等多方面(王玮玉，2017)，在学界研究中所使用的公共卫生费用、医疗费用、医疗卫生支出、医疗保健支出、医疗保健消费等指标均是医疗卫生总费用在不同核算方法中的指标分类。如医疗卫生支出、医疗保健支出等指标是从来源法角度进行考察，主要分析各筹资方的费用负担水平；医疗费用、医疗保健消费等指标是从功能法角度进行考察，主要分析患者(消费者)直接与医疗卫生服务消费关联的交易活动产生的费用。需要说明的是，本文在对目前学术界的研究现状进行文献回顾时，为了保持引用准确性，直接采用文献原文中的用法。

本论文研究的医疗卫生服务利用情况分为门诊服务利用情况和住院服务利用情况，主要指一定时期内是否使用了门诊或住院服务，以及门诊服务医疗和住院服务的使用频率等指标。本论文研究的医疗卫生费用，是指人们在接受医疗卫生服务时产生的治疗费用，主要分为门诊费用和住院费用，这种分类方法属于医疗卫生费用功能法核算，即根据医疗卫生服务活动的功能进行划分，测算人们在接受门诊治疗服务和住院治疗服务时发生的费用。

同时，本研究将医疗费用按照年龄组分别研究，这种方法属于国际卫生费用核算SHA体系中按照人群受益维度进行核算，包括的基本特征类型有：年龄和性别、疾病或者身体状况、社会经济状况以及地理区域分布，将其与疾病、筹资维度进行交叉分析能够进一步确定不同年龄组的主要疾病经济负担(张毓辉，2015),从而可以识别费用负担较重的人群，分析疾病控制的优先领域，对制定更具针对性的政策具有一定指导意义。

由于功能法医疗卫生费用核算在我国缺少常规性统计资料(张富华，2014)，在目前的实际研究中，一般多以微观实证角度使用各类社会经济统计资料。本论文采用CHARLS数据进行实证研究，以测量不同年龄段人口接受医疗卫生服务状况以及由此产生医疗卫生费用的差异，进而为选择疾病控制和费用控制的优先领域奠定基础，需要说明的是，本研究中门诊和住院费用均包括受访者个人自付和医保支付在内的医疗卫生费用支出。

3.2 研究理论假设

格罗斯曼(Grossman，1972)提出了健康投资的需求模型，即健康需求模型，人们应用此模型来研究影响健康需求的因素。格罗斯曼的健康需求理论将个体健康视为随着年龄增长而折旧的资本存量，消费者必须增加投资以补充健康资本存量的不足。格罗斯曼认为，与其他人力资本投资回报是增加工资不同，健康资本投资回报是延长生命时间或增加健康的时间(王小万，2006)。因此，人对健康的需求有两方面，一方面作为消费品，健康可以产生直接效用，健康的身体会增加人们的效用；另一方面，健康作为投资品，健康的身体可以增加健康天数，提高劳动效率，或者用于其他活动，带来更多的收益。但人们不可能直接购买健康，当人们的健康状态下降进而发生疾病时，就需要利用医疗卫生服务来恢复和增进健康，因此，医疗卫生服务需求来自于人们对健康需求，是健康需求的衍生需求，要研究健康需求,就离不开对医疗卫生服务需求的研究(赵忠，2005)。

在医疗卫生服务需求研究方面，安德森(Andersen，1968)提出了医疗卫生服务利用的行为模型，主要从医疗卫生服务利用的理论框架角度，寻找促进和妨碍家庭或个人使用医疗卫生服务的影响因素，衡量医疗卫生服务的可及性。该模型认为(朱凤梅，2020)，影响人们对医疗卫生服务利用的主要因素，包括倾向因素、能力因素以及需要因素。根据医疗卫生服务利用的行为模型，由于医疗卫生服务需求的主体是人，因此人口数量，年龄结构，分布，受教育程度，家庭状况等人口学因素作为倾向型因素将对医疗卫生服务需求产生重要影响。其中，人口数量和年龄结构是最重要的影响因素。一般来说，老年人口随着生理机能逐步衰退，各种老年性疾病的发病率逐步提高，导致老年人就诊率高，住院时间长，医疗卫生服务需求不断扩大，利用率不断递增。所以，人口年龄结构老龄化程度越高，社会医疗卫生服务总需求也越大。虽然，影响医疗卫生服务利用还有其他诸多因素，诸如医疗卫生服务供给体系、个人和家庭因素、医疗卫生服务可及性等因素，但个体的身体状况是直接决定医疗卫生服务的需求的关键因素。

据此，本研究理论假设是：老年人口在医疗卫生服务需求和利用方面与其他年龄段人口有着较大差异，由此产生更高的医疗卫生费用，人口老龄化程度与医疗卫生费用呈正相关关系。随着人口老龄化程度加深，老年人口在社会总人口中的比重持续增大，医疗卫生服务的社会总需求也逐渐增加，医疗卫生服务利用率也将递增，社会将承担更高的医疗卫生费用。

4 数据来源和研究设计

4.1 数据来源

本论文采用中国健康与养老追踪调查数据(China Health and Retirement Longitudinal Study，简称CHARLS)，研究人口老龄化对医疗卫生费用的影响。CHARLS项目由北京大学国家发展研究院受美国国家老龄化研究所、世界银行和中国国家自然科学基金资助，通过收集中国45岁及以上中老年人群个人和家庭的微观数据，来分析中国人口老龄化问题。

4.2 研究设计

根据安德森(Andersen，1968)的医疗服务需求分析框架，在对调查问卷进行分析后，选取被调查者的年龄和性别作为反映倾向因素的变量；选取被调查者的经济状况、是否参加医疗保障和居住地情况(居住地的情况往往反映了医疗卫生服务可及性程度)作为影响利用医疗卫生服务的能力因素；选取被调查者的自评健康情况、四周内是否患病、患慢性病情况作为反映医疗服务需求因素的变量。

根据格罗斯曼(Grossman，1972)的健康投资需求模型，随着年龄的增长，一方面健康折旧率上升，对医疗卫生服务需求增多，另一方面从生命周期的角度，年龄的增长也导致健康的投资回报率下降，即医疗卫生费用效率降低。因此，需要考察不同年龄段人口对医疗卫生费用的影响。

据此，研究设计思路是，首先分析人口年龄结构与身体健康之间的关系，选取自评健康情况、四周患病率、是否患慢性病情况作为考察人口年龄是否影响身体健康的因素；其次，研究年龄是否影响医疗卫生服务利用情况，即分析包括人口年龄结构在内的各倾向因素、能力因素和需求因素如何影响医疗卫生服务利用情况；再次，研究人口年龄结构与医疗卫生费用的关系，将年龄分为5组，分析各组的倾向因素、能力因素和需要因素如何影响医疗费用支出情况。

4.3 变量选取与处理

第一，倾向类因素的变量选取与处理。关于性别变量，性别属于人本身的属性特征，一般情况下女性和男性在行为模式上存在一定程度的区别。从世界范围看，大部分国家和地区女性预期寿命高于男性，本研究将性别进行数据化处理，设定为0代表女性，1代表男性。关于年龄变量，为了更好的分析年龄的影响作用，以受访者出生年份为起始日期，以调查年份为截止日期，计算受访者年龄。

第二，能力类因素的变量选取与处理。关于居住地变量，因我国近年来人口流动规模逐渐增大，城镇化程度不断提高，按照国家统计局发布的《统计上划分城乡的规定》(2)国家统计局.统计上划分城乡的规定[EB/OL].http://www.stats.gov.cn/tjsj/tjbz/200610/t20061018_8666.html//www.stats.gov.cn/tjsj/zxfb/，城镇包括城区和镇区。城区是指在市辖区和不设区的市，区、市政府驻地的实际建设连接到的居民委员会和其他区域。镇区是指在城区以外的县人民政府驻地和其他镇，政府驻地的实际建设连接到的居民委员会和其他区域。将被与政府驻地的实际建设不连接，且常住人口在3000人以上的独立的工矿区、开发区、科研单位、大专院校等特殊区域及农场、林场的场部驻地视为镇区。据此，将居住在城区、镇中心区以及特殊区域的被调查者视为居住在城镇，其余被调查者视为居住在非城镇，根据问卷情况重新赋值编码，0为非城镇，1为城镇。关于医疗保障变量，在CHARLS调查中，问卷对各种医疗保障情况进行了具体划分，考虑到我国医疗保障制度正处于改革之中，因此本文将参加任何一项医疗保障制度的人员都视为有医保，其余调查者视为无医保。关于个人经济情况变量，在CHARLS原数据中，因代表收入的数据缺值较多,为保证足够的样本量，采用受访者的货币资产作为替代变量(个人资产情况与收入情况都是衡量个人经济能力的指标，可以作为影响调查者接受医疗卫生服务的能力因素),货币资产包括受访者的现金数量、电子货币数量加上银行存款数量。

第三，需要因素类的变量选择和处理。关于自评健康变量，自评健康是被调查者对自身健康状况做出的综合判断，能够较全面的反映一个人的健康信息。在CHARLS调查中，因受访者是随机分成两组进行健康状况自评，为了保持数据的一致性，采用将原数据中的选项进行重置赋值的方法，在保持逻辑一致的情况下，将自评健康情况分为很好、好、一般和不好，对应赋值1到4，然后分别统计，数值越大自评健康情况越不好。关于四周患病情况变量，选取被调查者在参加调查前一个月(四周)内因疾病或损伤是否实际发生过去医疗卫生机构就诊的行为。四周内患过病的记为1，没有患病的记为0，用计数函数统计得出数据。关于患慢性病情况变量，根据被调查者自我报告的医生诊断慢性病情况，只要患有问卷中列举出的14种慢性病的一种，就记为1(患有慢性病)，如果没有患慢性病则记为0，用计数函数统计得出数据。

第四，医疗服务行为和结果的相关变量处理。关于是否接受过医疗服务情况，考虑到被调查者在参加调查之前，有可能接受过门诊医疗服务，也可能接受过住院医疗服务，因此在处理数据时，只要被调查者在参加调查之前四周(一个月)接受过门诊服务和在调查之前一年内接受过住院医疗服务的视为接受过医疗服务，记为1，没有则记为0，用计数函数统计得出结果。关于接受医疗服务频次情况，为了保持变量统计口径的一致，将被调查者在参加调查之前四周(一个月)接受过门诊服务的次数记为门诊治疗频次，将被调查者在参加调查之前一年内接受住院服务的次数记为住院治疗频次。关于门诊费用变量，被调查者在参加调查之前四周(一个月)接受所有门诊服务时付出的总费用，依据问卷调查数据统计得出。关于住院费用变量，被调查者在参加调查之前一年内接受所以住院治疗时付出的总费用，依据问卷调查数据统计得出。

5 研究过程

5.1 中国健康与养老调查CHARLS2011-2018年面板数据构建

中国健康与养老调查(CHARLS)在调查时对每一名被调查者个人、家庭以及社区进行了编号(ID)，因为每次调查都有新参加的人群加入，在进行数据分析时，按照被调查者的编号和参加年度，对问卷中的数据进行处理合并，并删除掉缺失值后，建立了混合面板数据库。最终进入面板数据库的2011年样本有13997个，2013年有14328个，2015年有15053个，2018年有18065个，这样4个年度内共有61443个观察点(3)虽然在4个年度中有部分编号(ID)相同的样本随时间推移被重复观测，但因在不同时点观察，个体本身可能会随时间推移发生不同的行为，产生不同的特征，所以在模型计算时不同观测时点相同编号的样本可以当做不同的样本观察点进行计量分析。。

5.2 面板数据中各变量描述性分析

5.2.1 人口结构的数据描述

如表1所示，在各调查年度，参加调查的人群性别基本平衡，只有在2018年女性稍多于男性。

表1 2011-2018年样本性别分布情况

表2说明，在各调查年度，参加调查的人口的平均年龄逐年上升，从2011年的平均59.68岁上升到2018年的平均62.12岁。因为CHARLS调查对象是45岁及以上人口，所以各调查年度年龄最小的都是45岁。参加调查的人口最大年龄也逐次上升，从2011年的101岁上升到2018年的109岁。60岁以上老年人所占比例从2011年的将近46%上升到2013年的接近50%，2015年约为51%，2018年老年人在全部调查者中的比例已经将近57%。

表2 2011-2018年样本平均年龄及老年人比例情况

由表3可以看出，在各调查年度，参加调查的老年人口的比例逐步上升。如果分年龄段来看，50-59岁年龄组和60-69岁年龄组在4个年度中所占比例均排在前两位。

表3 2011-2018年样本分年龄组结构情况

5.2.2 人口健康情况的数据描述

由表4可见，2011-2018各年度参加调查的人群自评健康状况变化不大，处于2.8-2.9之间，与问卷选项向对比，则基本处于“好”和“一般”之间，偏向于“一般”。从此表也可以看出，2011-2018各年度参加调查的人群患慢性病的比重从2011年的64.21%逐渐减少至2018年的44.24%。同时，参加调查的人群四周内患病的比重有逐渐增多的趋势，从2011年的10.14%上升至2018年的16.54%。

表4 2011-2018年样本自评健康及患病情况

5.2.3 其他变量的数据描述

考察被调查者居住地情况分析结果如表5所示，2011-2018各年度参加调查的人群居住在非城镇的人口较多，所占比例在四个调查年份均在75%以上。由表5还可以看出被调查者参加医疗保障情况，从2011年-2018年，参加调查的人群医保覆盖率虽有波动，但呈现逐步提高趋势，至2018年参加医疗保障的人数所占百分比已经达到97.07%。为考察被调查者个人经济情况，表5分析了2011年-2018年的样本人群的个人资产情况。在对个人资产情况进行计算后，发现调查数据离散性较大，因此对数据在1%和99%分位上进行缩尾处理。统计结果显示，从2011年-2018年个人资产情况也呈逐渐增加趋势。

表5 2011-2018年样本居住地、医疗保障以及个人资产情况

5.3 基于CHARLS2011-2018年度数据的实证分析

5.3.1 年龄对健康的影响分析

按照研究设计，首先，分析年龄与人的身体健康之间的关系，根据CHARLS调查问卷特点，分别采用了自评健康、四周内患病情况和患慢性病情况这三个指标进行分析。

本文是基于CHARLS各调查年份数据构建的混合面板数据库，根据前文分析，自评健康情况为分类变量，对应的值为1到4，为多分类变量，因此在分析年龄与自评健康情况的时，采用多元logit分析方法，将自评健康情况作为因变量，其他自变量为：年龄、性别、居住地情况、四周内是否患病、是否患慢性病和个人资产情况。为了更好地进行分析，将“自评健康很好”作为参照组，分析结果如表6所示：第(1)(2)(3)分别为自评健康好、自评健康一般、自评健康不好人群相对于参照组的分析结果，可以看出年龄确实影响了调查人群的自我健康评价情况，年龄越大(年龄变量系数为正且逐渐变大)，性别为女(性别变量系数为负)，患有慢性病和四周内患过病(对应变量系数均为正)的人越容易被分到后面的组别，这说明具有上述特征的人倾向于给出较为负面的自我健康评价。

表6 被调查人群自评健康情况影响因素分析

当四周内患病情况和患慢性病情况这两个指标作为变量时，由于它只有0或1两个值(属于二分类变量)，符合Probit模型的适用条件，因此采用probit模型分析年龄与四周内是否患病、年龄与是否患慢性病之间的关系并计算在样本均值处的边际效应，两次分析中分别将四周内是否患病和是否患慢性病设为因变量，其他自变量为：年龄、性别、自评健康情况、居住地情况、个人资产情况。表7中第(1)列为年龄与四周内是否患病情况之间关系分析。结果表明，年龄和性别因素都是显著负向影响；患慢性病情况、医疗保障情况和个人自评健康情况则呈现正向显著影响。这说明自评健康情况差的人、患有慢性病以及有医疗保障的人群四周内患病率较高。第(2)列为年龄与患慢性病情况之间关系分析。结果表明，年龄有显著正向影响，其他显著正向影响被调查人群患慢性病情况的变量有自评健康情况、四周患病情况、居住地情况，这表明自评健康情况差的人、四周内患过病的以及居住在城镇的人群患有慢性病率较高。

表7 被调查人群患病情况影响因素分析

综上，从对自评健康情况、四周患病情况和患慢性病情况影响因素的分析可以看出，年龄对样本人群自评健康情况和患慢性病率存在显著正向影响，年龄越大，人的自评健康越差，患慢性病概率越大，人们的医疗卫生服务需要就越多。但年龄与四周患病情况之间的关系比较复杂，这可能与四周患病情况在调查时包括了因疾病或意外损伤而在四周内就诊的人有关，而发生意外损伤的人群则具有不确定性。

5.3.2 年龄对医疗卫生服务利用的影响分析

从上部分的研究可知，年龄对人的身体健康状况有密切影响，年龄越大，人的自评健康越差，患慢性病概率越大。根据格罗斯曼(Grossman，1972)的健康投资需求理论，当健康状况变差时，人们为了恢复健康会产生医疗卫生服务需求，进而发生医疗卫生服务利用行为。为研究年龄对医疗服务利用情况的影响，本部分具体分析人们接受门诊和住院医疗服务情况的影响因素。根据上部分研究结果，年龄与四周患病情况之间的关系比较复杂，因此在下面的模型中，不再将四周患病情况作为自变量纳入方程。

首先对面板数据中各调查年度人们的医疗服务使用情况进行描述性分析。结果见表8，2011年-2018年，在4个年度接受调查的人群接受门诊服务和住院服务的比例逐步上升，这个结果与在4个调查年度内，参加调查的老年人口的比例逐渐上升的趋势相一致。表9表明，2011年-2018年，各年度接受调查的人群中年龄分组越高的人群接受门诊服务和住院服务的次数总体上高于年龄分组较低的人群，说明随着年龄增大，人们使用了更多的医疗服务。

表8 2011-2018年样本门诊及住院利用情况

表9 2011-2018年各年龄组接受门诊及住院服务频次情况

为验证描述性分析的结果，在此部分进一步使用面板数据的分析方法，考量人们使用医疗服务的影响因素。为使模型计算结果更为准确，根据CHARLS调查问卷的特点，在分析医疗服务利用影响因素时，进一步细分为门诊医疗服务影响因素分析和住院医疗服务影响因素分析，分别采用probit模型分析调查人群是否使用门诊和住院医疗服务的影响因素；采用负二项回归模型分析调查人群使用门诊和住院医疗服务频次的影响因素。

首先分析调查人群是否使用医疗服务的影响因素，结果如表10所示：第(1)列为被调查人群是否使用门诊医疗服务影响因素分析，可以看出，年龄、自评健康、医疗保障情况对人们是否使用门诊医疗服务具有显著正向影响，性别、居住地情况对人们是否使用门诊医疗服务具有显著负向影响，说明女性、居住在农村、年龄越大、自评健康差和有医疗保障的人群使用门诊医疗服务的概率更高；第(2)列为调查人群是否使用住院医疗服务影响因素分析，可以看出，年龄、居住地情况、患慢性病情况、自评健康、医疗保障情况对人们是否使用住院医疗服务具有显著正向影响，说明年龄越大、居住在城市、自评健康差、患有慢性病和有医疗保障的人群使用住院医疗服务的概率更高。

表10 被调查人群是否使用医疗服务影响因素分析

第二步分析调查人群利用医疗服务频次的影响因素，结果如表11所示：第(1)列为被调查人群利用门诊医疗服务频次影响因素分析，年龄、自评健康、医疗保障情况对人们利用门诊医疗服务频次有显著正向影响，性别、居住地情况有显著负向影响，说明女性、年龄越大、居住在农村、自评健康越差和有医疗保障的人群使用门诊医疗服务的次数更多。第(2)列为被调查人群利用住院医疗服务频次影响因素分析，年龄、居住地情况、自评健康、患有慢性病情况、医疗保障情况对人们利用住院医疗服务频次有显著正向影响，说明年龄越大、居住在城市、自评健康越差、患有慢性病和有医疗保障的人群使用住院医疗服务的次数更多。

表11 被调查人群使用医疗服务频次影响因素分析

由此部分数据分析结果可以看出，年龄是影响人们是否利用医疗卫生服务以及利用医疗卫生服务次数的重要因素，随着年龄的增长，人们利用医疗卫生服务的概率和次数都将增加。除年龄外，自评健康、医疗保障情况是影响人们利用门诊和住院服务概率和次数的重要因素，说明人们对自身健康情况的判断和医疗服务的可及性(医疗保障可以认为代表了医疗服务的可及性)也是影响人们利用医疗卫生服务的重要因素。

5.4 年龄对医疗卫生费用影响分析

在本部分的研究中，参考以往对医疗费用的实证研究，对医疗费用进行实证研究的建模主要受到医疗费用数据自身特点的制约。一方面，医疗费用可能呈现出非正态分布，即分布呈现出非对称性；另一方面，大量样本的医疗费用数据为零。因此，通常需要对医疗费用作对数变换。为了更好的说明的年龄的作用，在使用中国健康与养老调查CHARLS数据时，采用45-49、50-59、60-69、70-79、80岁及以上等5个年龄组对照观察，两种分析均将最近一个月内的门诊费用和最近一年内的住院费用分别作为因变量来进行分析计算，其他变量为：年龄、性别、自评健康情况、居住地类型、是否患有慢性病、个人资产情况、是否有医疗保障。

5.4.1 面板模型方程构建

由于本研究建立的面板模型在时间维度上只有四个调查年度，因此可视为短面板数据。面板数据由于观测数据较多，因此可以分离出一些不随时间变化但随个体变化的个体异质性效应(当这些个体异质性效应与自变量相关时，即固定效应；当这些个体异质性效应与自变量无关时，即随机效应)和时间效应(即随时间变化而发生变化，但不因个体不同而产生变化的效应)对因变量的影响，避免遗漏变量偏差问题，从而得出自变量对因变量影响的净效应。因此构建基本模型如下：

Yit=β0+β1Xit+β2Zi+β3St+Uit

其中：i=个体，t=时间，Yit为因变量，表示第i个个体在第t个时点上的取值，β0为截距项，Xit为自变量，Zi表示不随时间改变的个体效应，St表示不随个体改变的时间效应，Uit为随机误差项。当个体效应与自变量相关时，选择固定效应模型进行分析，反之则采用随机模型进行分析。

根据数据特征，分别运用固定效应模型和随机效应模型进行回归估计，并运用Hausman检验对两种估计效应进行判定，最终选择符合本研究的模型进行分析。在本部分研究中，运行STATA进行方程模型计算。

5.4.2 个体年龄对门诊费用支出影响分析

从门诊费用的面板数据来看如表12及图1所示，在四个调查年度中，2018年的平均四周内门诊费用最高，各年龄组平均达到了114.74元。从各调查年度内来看，2011年度门诊费用最高的是80岁及以上年龄组，2013年最高的是70-79岁年龄组，2015年最高的是60-69岁年龄组，2018年最高的年龄组为60-69岁年龄组，4个年度门诊费用最高的均是60岁及以上年龄组，即老年人组。

表12 面板数据2011-2018年分年龄组门诊费用变化表(元)

图1 2011-2018调查年度门诊费用(年度变化趋势)

前文研究发现年龄与四周内患病情况的关系较为复杂，因此在本部分面板回归模型中，不再将四周患病情况作为自变量。在分析年龄对门诊费用的影响时，将所有样本按照45-49、50-59、60-69、70-79、80岁及以上分5组分别进行模型分析，在用Hausman命令进行检验后，固定效应更优，因此采用固定效应模型。表13的分析结果表明：年龄变量在5个年龄组内都对门诊费用具有正向显著相关性，其中45-49、50-59、60-69、70-79组在0.1%显著性水平下显著，说明在各年龄组内，年龄越大门诊费用越高。其中，50-59岁年龄组内年龄变量对门诊费用的影响最大，其次是70-79岁组和60-69岁组。80岁及以上组在1%显著性水平下显著，但在年龄组内仍然与门诊费用是正相关关系。除年龄变量外，在45-49岁年龄组，患慢性病情况也对门诊费用有正向影响；在50-59岁年龄组，自评健康情况对门诊费用有显著正向影响。在60-69岁年龄组，自评健康较差和有医疗保障的人门诊费用较高。在80岁及以上年龄组，自评健康较差的人门诊费用较高。这说明随着被调查人群年龄的增长，门诊费用确实增加了。同时，自评健康情况、是否患有慢性病和参加医疗保障情况对不同年龄组的门诊费用也有不同程度的影响。

表13 各年龄组门诊费用面板回归模型分析结果

5.4.3 年龄与住院费用关系分析

从住院费用的面板数据描述性分析来看，如表14以及图2所示，在四个调查年度中，2018年度的平均一年内门诊费用最高，各年龄组平均达到了1265.63元。从各调查年度内来看，2011年度、2013年、2018年度住院费用最高的是80岁及以上年龄组，2015年度住院费用最高的是70-79岁年龄组，均是老年人组。

图2 2011-2018调查年度住院费用(年度变化趋势)

表14 面板数据2011-2018年分年龄组住院费用变化表(元)

在此部分面板回归模型中，同样不再将四周患病情况作为自变量。将所有样本按照45-49、50-59、60-69、70-79、80岁以上分5组分别进行模型分析，在hausman命令进行检验后，固定效应更优，因此采用固定效应模型。

表15的分析结果表明：年龄变量在50-59岁、60-69岁、70-79岁3个年龄组内都对住院费用在0.1%显著性水平下正向显著，且年龄组越大系数越大，说明年龄越大住院费用越高；其中，70-79岁年龄组内年龄变量对住院费用的影响最大，说明应未来应制定政策控制这一年龄组老年人口的住院费用。若将模型的精确度放宽，则80岁及以上年龄组中，年龄在10%显著性水平下与住院医疗费正向显著相关(系数为0.064，标准误为0.037)。除年龄变量外，在50-59岁、70-79岁、80岁及以上年龄组，自评健康较差的人住院费用较高。在60-69岁年龄组，自评健康较差和患有慢性病的人住院费用都较高，说明做好慢性病管理有助于控制这一年龄组老年人的住院费用。

表15 各年龄组住院费用面板回归固定效应模型分析结果

综上所述，年龄对全部调查人群的门诊费用有显著正向影响；对除45-49岁之外的其他4个年龄组的住院费用有正向影响。同时，自评健康情况、是否患有慢性病和参加医疗保障情况也对不同年龄组的人群的医疗费用有不同程度的影响。对不同的年龄组来说，控制门诊费用和住院费用增长的重点不同。在60-69岁年龄组，做好自我健康管理、慢性病防控以及优化老年人医疗保障制度有助于控制这一年龄组老年人的医疗卫生服务费用。在70-79岁年龄组，做好自我健康管理，提高自我健康认知水平有助于控制这一年龄组老年人的医疗卫生服务费用。在80岁及以上组，虽然年龄对门诊费用和住院费用的影响程度没有其他老年人组明显(但仍然显著)，这可能与高龄老年人对自己健康投资回报率期望较低有关，但做好健康管理，提高自我健康认知水平也有助于控制这一年龄组老年人的医疗卫生服务费用。另外，需要注意的是在50-59岁组内，年龄和自评健康变量对门诊费用和住院费用都有显著正向影响，说明未来除了应对60岁以上老年人门诊费用和住院费用增长的问题之外，做好50-59岁这部分临近老年人群的健康管理和疾病预防控制工作对未来控制医疗卫生费用增长也有重要作用，否则等这部分人步入老年之后将会带来更高的医疗卫生费用支出。

6 研究结论

本研究根据中国健康与养老调查(CHARLS)2011-2018年追踪数据建立了的包含4个年度的面板数据库，运用多种数据模型分析了人口老龄化对医疗卫生服务费用的影响。研究发现：第一，年龄对个体健康状况具有较大影响。在45岁及以上人口中，随着年龄增长，人的自评健康会变差，患慢性病的概率会上升。第二，年龄对医疗卫生服务利用具有显著影响。在被调查人群中，随着年龄增长，门诊和住院医疗服务的概率和次数都将递增。第三，年龄对门诊费用、住院医疗费用有显著正向影响。尤其是被调查老年人群的门诊和住院医疗费用都将随着年龄增长而增加。根据国家统计局发布的第七次全国人口普查数据，我国60岁及以上人口为26402万人，占18.70%(其中，65岁及以上人口为19064万人，占13.50%)我国65岁及以上老年人口达到1.76亿，占人口总数的12.6%，人口老龄化程度进一步加深(4)国家统计局.第七次全国人口普查主要数据情况[EB/OL].http://www.stats.gov.cn/tjsj/zxfb/202105/t20210510_1817176.html。根据中国人口发展中心的预测，依据我国现有人口数据运用PADIS模型按照中方案计算，60岁及以上老年人口规模到2024年将突破3亿人，2032年突破4亿人，到2048年突破5亿人，到2054年达到峰值5.31亿人(贺丹，2018)。中国拥有最大规模的老年人口,而且这个地位将在很长时间里继续保持(蔡昉，2021)。研究结果表明，随着人口年龄结构老化持续加深，我国医疗卫生资源配置和医疗卫生服务提供模式都将面临巨大压力，同时在现行医疗卫生费用支付体系下，我国医疗卫生费用支出将面临进一步增长的风险。

根据本文的研究发现，主要有三方面启示：一是，人随着年龄增长，身体健康会变差，患慢性病的概率上升。为应对这一变化，应积极实施对老龄人口的健康管理，采取多种方式推行健康生活方式，加强健康知识科普，多方面关爱老年人，提高老年人生活健康质量和心理健康程度，提高老年人口的自我健康管理水平，降低慢性病患病率，提高老年人健康生活水平。二是，年龄越大使用医疗卫生服务越多，老年人的医疗服务使用概率和次数都更高。因此，医疗服务提供模式也要相应转变。根据国际经验，老龄化社会需要的医疗服务基础设施与年轻化社会不同(杰伊·巴塔查里亚等，2019)，老龄化社会需要更多的疗养院和更多掌握老年医学和老年疾病知识的医生，优化医疗资源配置，提高为老年人提供医疗服务的质量，减少老年人就医次数和住院天数，减轻老年人就医负担。三是，随着年龄增长，医疗服务费用将逐步增加，人口老龄化将极大影响我国的医疗卫生费用支出。同时，数据分析结果也表明，享受医疗保障的老年人倾向于使用更多的医疗卫生服务，从而带来更多的医疗卫生费用。在我国未来，人口老龄化进程伴随着劳动年龄人口减少，老龄化社会中老年人与劳动者的比率上升，造成社会基本医疗保险缴费人数减少而支出人数增多，医疗保险基金将面临可持续性的问题。因此，未来我们在人口老龄化的背景下，需要考虑如何既有效满足老龄人口医疗卫生服务需求，又有效控制医疗卫生费用过快增长，同时还要实现医保基金收支平衡的问题，以应对未来人口老龄化对医疗服务系统的挑战。