中国农村患者的医疗需求行为研究

全文总计 11254 字,阅读时间 29 分钟,快速浏览仅需 6 分钟。

副标题:——来自三省农户调查的实证分析

英文标题:Medical Demand Behaviors of Patients in Rural China:An Empirical Analysis Based on Rural Households in Three Provinces

内容摘要:基于甘肃、河南、广东三省18个县的实地调查数据,本文分别采用泊松回归模型、负二项分布回归模型和负二项分布栅栏模型对中国农村患者门诊和住院需求量选择进行了实证分析。实证结果发现,支付能力是制约农村患者尤其是低收入群体医疗需求的重要因素。医疗保险的覆盖有利于提高农村患者的门诊和住院消费。对于贫困患者而言,疾病史、行动障碍及自评健康水平对其医疗需求行为的影响与非贫困农户存在显著差异。

关键词:医疗需求行为,医疗需求,就医强度,贫困农户,实证分析

GB/T 7714-2015 格式引文:[1].中国农村患者的医疗需求行为研究.[J]或者报纸[N].经济科学,(2):94-108

正文内容

  一、引言

  改革开放以来,随着医疗费用的上涨以及医疗费用中自付比例的提高,农村患者尤其是农村贫困患者“看病难、看病贵”的问题表现的日益突出。根据第四次国家卫生服务调查的数据显示,2008年农村居民两周患病未就诊率和应住院未住院的比例分别达到37.8%和24.7%。在最为贫困的四类农村地区,农村居民两周患病未就诊的比例更是高达40.8%(卫生部,2008)。由于不能获得及时充分的医疗服务,疾病已经成为导致许多农村居民陷入持续性贫困的重要根源,“因病致贫、因病返贫”构成了中国农村发展所要面临的重大挑战之一。除此之外,伴随着经济社会的发展,我国人口老龄化趋势日益严重,且农村地区的老龄化现象比城市更严重(张华初,2013)。较高的患病率导致了中老年居民医疗需要迅速上升,这势必会为我国农村医疗体系带来更多压力(韩华为,2010)。因此,对农村居民医疗需求行为进行深入的研究对于完善我国医疗体制,推动和谐社会和新农村建设具有重要的政策意义。

  个体对医疗服务的需求行为主要包括三个阶段的决策:首先是个体在感知患病症状后的初次就诊选择,即患者在自我治疗和去正规医疗机构治疗之间进行选择;其次是就诊机构的选择;第三个决策是医疗需求数量的选择(图1)。目前,国内外文献就前两阶段决策的研究较多,由于缺乏更精细的医疗服务利用量的数据,针对第三个阶段决策的实证研究还比较少。此外,从医疗服务的内容来看,现有的医疗需求数量选择研究几乎全部围绕门诊需求数量开展实证分析,国内文献中还没有出现与住院服务需求数量有关的实证研究。鉴于此,本文利用2010年三省实地调查数据,采用严格的计量经济学模型分析了影响农村患者门诊和住院需求数量的主要因素。本文基于更好的数据为个体医疗需求行为研究提供了最新的证据,这不仅有助于推进该领域的研究进程,而且对我国各级政府制定合理的卫生资源规划具有重要价值。本文的结构安排如下:第二部分对相关文献进行梳理和评述;第三部分介绍本研究所使用的实证方法;第四部分介绍数据来源和变量;第五部分分析实证结果;第六部分给出结论和政策建议。

  

  图1 患者个体的寻医路径图

  二、文献综述

  在这个部分,我们主要从实证方法和研究结果两方面对以往有关个体医疗需求数量的研究进行综述。从所采用的实证方法来看,以往文献一般通过医疗支出和医疗使用次数两种方式来度量患者的医疗需求数量。相应的研究医疗需求数量选择的计量方法分为两类。一类是用来研究医疗支出的两部分模型(Two Part Model,TPM)和四部分模型(Four Part Model,FPM);一类是用来研究医疗利用次数的计数模型(Count Data Model)。由于医疗支出等于医疗服务量与其货币价格的乘积,用这种衡量方法来度量医疗需求数量会使其受到价格水平的影响(韩华为,2011)。鉴于此,更多学者指出用医疗服务利用量来度量医疗需求,并且通过计数模型来估计价格、收入等因素对医疗需求的影响会得到更为稳健的分析结果(Cameron et al.,1986)。①由于计数模型更多的考虑了医疗利用次数非负整数的数据结构,因此该类模型在关于医疗需求总数量决定因素的研究中被广泛应用。考虑到门诊需求次数的计数特点,Cameron(1988)最早采用泊松回归模型和负二项分布回归模型两种计数模型来分析澳大利亚患者门诊需求数量的决定因素。他指出泊松模型设定的均值等于方差的内生规定与就诊次数存在过度分散的现象不一致,而负二项分布回归模型通过引入相乘随机项控制了不可观测异质性,从而放松了均值等于方差的假设。因此,负二项分布回归模型能够对门诊次数进行更优拟合。Gertler等(1997)分别采用了这两种计数模型估计了牙买加患者的门诊需求方程,似然比检验的结果验证了Cameron(1988)的结论,即负二项分布回归模型对门诊次数的拟合程度比泊松回归模型更高。

  另有学者指出,患者消费医疗数量的决策包括两个相对独立的选择过程。首先,患者在感知患病后决定是否进入正规医疗机构就诊,在这一决策过程更多受需求方特征的影响。其次,患者进入正规医疗机构后,要根据医生的建议决定他们最终消费的医疗服务数量,这一过程则会受到需求方特征和供给方特征的共同影响。基于这种考虑,有学者提出采用负二项分布栅栏模型来对两个决策过程进行联合考察(Pohlmeier等,1995)。Gerdtham(1997)使用泊松回归模型、负二项分布回归模型和负二项分布栅栏模型分析了瑞典成人患者门诊需求次数的影响因素,结果表明负二项分布栅栏模型具有比前两种计数模型更高的拟合优度,并且可以更好地考察相同影响因素在不同决策阶段的效应。在针对中国的实证研究中,韩华为(2010)采用这三种计数模型考察了浙江和甘肃两个省份中老年患者门诊需求数量的决定因素,同样验证了负二项分布栅栏模型具有较高的拟合优度。高梦滔(2010)基于多种计数模型探讨了新农合制度对农户医疗服务利用数量的影响,类似的,该研究也发现带有栅栏设定的计数模型具有更好的统计特性。

  从研究结论方面来看,通过梳理文献,我们总结了四大类影响个体医疗消费数量选择的因素,分别是:医疗需要、经济因素、家庭人口学特征和供给方诱导需求。②首先,医疗需要是影响患者医疗消费数量的重要因素。许多研究使用自评健康(Hakkinen,1996)、是否患有慢性病(Cameron,1988)、是否存在行动障碍(Gerdtham,1997)作为医疗需要的度量指标时发现,个体的医疗需要越大,其消费的门诊次数越多。其次,经济因素反映个体的支付能力,会显著影响个体门诊消费数量,以往研究表明家庭收入或财富水平通常与门诊利用次数存在正向关系。同时,拥有医疗保险的人群更倾向于选择更多的门诊服务(韩华为,2010;高梦滔,2010;Deb,2002)。家庭人口学特征因素包括年龄、性别、受教育程度、婚姻状况等也会显著影响个体利用门诊服务的数量(Cameron,1988)。最后,一些研究指出医疗供给方诱导需求同样会对个体门诊数量的选择产生显著影响(Pohlmeier,1995)。

  通过对与贫困群体的健康和医疗需求有关的文献进行整理时发现,大多研究着重分析影响贫困居民健康水平的主要因素(Kobetz,2003; F.Karim,2005; Zimmer,2007),目前还没有文献在实证分析居民的医疗服务需求数量时将贫困群体加以区别。鉴于此,本研究在以往文献基础上有所改进。首先,在数据方面,目前国内外关于中国农户家庭的健康和医疗需求行为问题的研究大多采用的是中国健康与营养状况调查(CHNS)数据,最多更新到2009年。本研究所采用的数据则均来自于2010年的实地调查。其次,本文首次对影响我国农村患者住院需求数量的影响因素进行分析,填补了以往有关居民住院需求量分析的不足。最后,本文将着重考察贫困群体的医疗服务需求量,并且基于严格的计量经济学模型识别影响和制约中国农村贫困群体医疗需求数量的主要因素。

  三、实证模型

  本文分别采用泊松回归模型、负二项分布模型和负二项分布栅栏模型三种计数模型来分析农户个体门诊和住院需求数量的决定因素。

  (一)泊松回归模型

  泊松回归模型是计数分析的起点。该模型假设个体的门诊消费次数服从泊松分布,其概率函数为:

  

  泊松回归模型通过将均值参数化为:μ=exp(x′β),以保证其均值始终大于0,但是这一设定将会导致异方差性(韩华为,2010; Cameron,2005)。由于泊松回归模型的约束性太强,且存在过度分散性的缺点。为了更好地处理医疗利用次数数据的过度分散问题,研究人员发展出了统计特性更好的计数模型。

  (二)负二项分布回归模型

  

  负二项分布回归模型放松了泊松模型均值等于方差的假设,因而比泊松模型更加灵活。但是,它同样存在缺陷,即如果方差被误设,它将无法得到一致的最大似然估计结果(韩华为,2010;Cameron,2009)。

  (三)负二项分布栅栏模型

  有学者指出医疗需求数量的决定包括两个独立的选择过程:是否选择正规医疗机构就诊和医疗服务消费数量的选择。鉴于此,他们认为在负二项分布回归模型中引入栅栏设定可以满足这一要求。在负二项分布栅栏模型中,个体门诊服务的消费数量服从一个两阶段的分布函数:

  

  针对第一个阶段的决策,可以采用两部门的Logit模型来分析患者的初次就诊选择(去正规医疗机构和不去正规医疗机构)。在第二个阶段,则对那些医疗消费数量大于0的样本进行负二项分布回归。有学者认为,这种设定可以考察相同的个体特征对不同阶段就医选择的影响,同时也能考察供给方诱导需求对个体医疗服务消费数量的影响(韩华为,2010)。另外,一些研究所进行的模型设定检验也证明,医疗服务需求数量选择的两个阶段需要区别对待,忽视这种差别将导致模型误设(Pohlmeier,1995)。

  四、数据说明和变量描述

  (一)数据说明

  本文所用数据来自于北京大学经济与人类发展研究中心于2011年1月至2011年9月期间对甘肃、河南和广东三省18个样本县、72个乡镇(街道)、72个行政村(居委会)进行的实地调查。本次调查依据《中国家庭动态跟踪调查》(CFPS)的抽样框架选择样本县。实地调查包含家庭调查与机构调查两个部分,机构调查与入户调查同时开展,收集了2010年的农户和机构数据。本次调查采用分层整群随机抽样法抽取样本农户,共计回收农户家庭问卷1800份,有效问卷1775份,问卷有效率为99.4%。调查总计包含8057个农户个体,其中汇报“近三个月有疾病症状”的个体为2915个,汇报“过去一年有住院经历”的个体为1097个。

  农户调查问卷包括农户家庭基本情况、农户健康状况及农户就医行为三部分内容,其中对农户家庭基本情况的调查包括:家庭人口结构、饮用水和卫生设施状况、交通和医疗机构可及性、收入和支出情况。在对农户家庭健康状况的考察中,则着重关注居民的自评健康状况、在各类危险因素下的暴露水平以及个体病史情况。在对农户就医行为的考察中,询问了农户最近三月的实际患病及就诊状况、最近一年的住院经历、疾病严重程度、医疗消费数量(门诊次数、住院天数)。

  (二)定义变量

  本文分别将居民“过去三个月的门诊消费量”和“过去一年的住院天数”作为因变量,而自变量包括四类:个体特征变量;经济因素变量;医疗需要变量和地区虚拟变量。

  1.个体特征变量。具体包括:居民的性别、年龄、受教育程度、婚姻状况、家庭规模。以往研究结果表明,个体特征可能会对患者的医疗需求量选择产生影响。

  2.经济因素变量。本文主要考虑家庭人均纯收入、家庭居住条件、家庭医疗负担、医疗保险四类经济因素。收入水平高的患者往往代表了其具备较高的支付能力,他们在出现疾病症状后可能更倾向于选择正规医疗服务。本文参考王俊(2008)针对收入水平的分组方式,将人均纯收入由低到高分为四组:分别是最低组(5000元以下);次低组(5000-8000元)、次高组(8000-16000元)和最高组(16000元以上)。本文采用医疗支出占家庭年纯收入的比重反映家庭的医疗负担。医疗负担较重的家庭在对不同家庭成员的医疗消费决策时会带有倾向性,造成医疗资源在家庭成员间分配不公。医疗负担也反映了一个家庭在有患病成员之后的支付能力,医疗负担很高的家庭,其支付能力往往较差。本文将家庭医疗负担由低到高四分组,以考察不同家庭医疗负担情况对个体医疗需求量的影响。居住条件是改善个体生活和健康状况的最基本的要素。本文通过在模型中加入财产指数③用以考察患者家庭居住条件对其医疗需求数量的影响。本文通过在模型中加入家庭拥有的交通设施情况④用以侧面反映患者的医疗机构可及性情况。本文认为,拥有交通设施的家庭更容易克服距离带来的就医障碍,因此在出现疾病症状时,家庭成员更倾向于去正规医疗机构就诊。目前,我国大部分农村居民参加了新农合,为了考察新农合等社会医疗保险和其他商业医疗保险对患者医疗需求量的影响,本文在医疗需求数量方程中加入了社会医疗保险和商业医疗保险两个变量。⑤

  3.医疗需要变量。本文使用自评健康状况、行动障碍和疾病史三个变量考察不同健康状况的患者医疗需求数量的差异。一般来说,患有某种慢性疾病或传染性疾病的居民往往对自己的健康状况更敏感,因此他们在感知患病后可能会倾向于选择消费更多的医疗服务。自评健康状况则是患者对于自身健康的主观感受。自评健康状况较差的患者可能倾向于增加医疗服务利用的数量。

  4.交互项。本文认为收入水平、是否患有疾病史、是否有行动障碍、自评健康水平对居民医疗需求量选择的影响可能因居民是否是贫困人群而异。为了验证这一思考,本文在模型中加入了家庭人均纯收入、疾病史、行动障碍、自评健康水平与“是否贫困”⑥虚拟变量的交互项。

  5.地区虚拟变量。不同地区的居民文化、饮食习惯、医疗卫生政策、信息沟通程度等不可观测的因素可能会对居民的就医行为产生影响。本文通过设置地区虚拟变量来控制这些不可观测但与地区相关的变量。

  (三)变量的描述性统计分析

  由于变量较多,本文仅汇报了关键变量的分组方式和描述性统计分析的结果,如表1所示。表2和表3则分别描述了样本居民一定时期内门诊和住院消费量的发生频率。

  由表1中的数据可知,无论是贫困组还是非贫困组患者拥有社会医疗保险的比例都达到了96%以上,这说明新农合在样本居民中已基本普及。从样本患者的健康水平来看,贫困组患者汇报自评健康水平为“比较不健康”、“不健康”和“很不健康”的比例要明显高于非贫困组患者。同时,贫困组患者中患有慢性病或传染性疾病以及行动障碍的比例也要高于非贫困组患者。这说明,与非贫困组患者相比,贫困组患者的医疗需要较高。另外,由表1中的数据可知,贫困组患者中不拥有任何交通设施的比例远高于非贫困组患者,这间接反映出贫困组患者的医疗可及性较差。

  表2介绍了调查样本过去三个月内门诊消费量的发生频率,可以看出患病样本总体在三个月内不去就诊的比例相当高(54.58%)。其中,贫困患者比非贫困患者不去就诊的比率更高,贫困组中有58.21%的患病个体三个月内的门诊次数为0,非贫困组的该比例为52.62%。从过去三个月的就诊次数来看,就诊次数大于4的患者比例在贫困组和非贫困组都开始变得非常小。从过去一年的住院天数来看,无论是贫困组还是非贫困组住院天数小于10天的患者所占比例都是最高的。我们还可以发现样本中存在就诊次数非常大的极端值,最高就诊次数高达30次,最高住院天数则高达365天。样本的这些特征要求选择适当的计数模型来对样本进行更好地拟合。

  

  

  五、实证结果及分析

  (一)模型的选择

  上文中提到,门诊和住院消费量往往存在过度分散问题,这时采用泊松模型会降低其拟合优度。所以,检验门诊和住院消费量数据是否存在过度分散对于模型的选择至关重要。本文通过采用Cameron(2005)检验{(y-)-y}/的回归系数是否显著为0来判断数据是否存在过度分散。⑧结果发现,回归系数显著不等于0,因此样本数据存在显著的过度分散。以往研究结果表明,对于过度分散的数据而言,采用负二项分布回归模型和负二项分布栅栏模型的拟合优度会更好。为了进一步验证这一结论,本文通过比较表4中给出的3个拟合优度指标来比较三种计数模型的优劣。其中,对数似然值越大表明拟合优度越好,而按照参数个数、样本个数进行调整后的Akaike's Information Criteria(AIC)和Bayesian Information Criteria(BIC)⑨越小则表明模型拟合程度越好(韩华为,2010)。结果表明,3种拟合优度指标均认为泊松回归模型的拟合程度最差,对数似然值和AIC、BIC三个指标都支持负二项分布栅栏模型的拟合程度最好,该模型得出的结论也更为可靠。因此,下文中着重分析负二项分布栅栏模型的估计结果。

  

  (二)门诊需求量估计结果的分析

  表5汇报了采用三种计数模型拟合患病样本过去三个月门诊消费量的估计结果。上文中提到,泊松回归模型和负二项分布回归模型都没有考虑个体就诊的两阶段特征,负二项分布栅栏模型可以很好地弥补这一缺陷。并且,通过比较拟合优度指标时发现,负二项回归栅栏模型也具有最高的拟合优度,因此这里主要就该模型的估计结果进行分析。

  在负二项分栅栏模型中,显著影响个体门诊需求数量的解释变量包括性别、受教育年限、婚姻状况、家庭财产指数、家庭人均纯收入、是否拥有社会医疗保险、疾病史、地区变量,以及人均纯收入、自评健康和疾病史三个变量与贫困项的交互项。以下就部分显著影响样本患者门诊需求数量的变量做详细讨论。

  与韩华为(2010)、Deb等(2002)的研究结论相一致,本文的实证分析结果表明那些拥有社会医疗保险的患者倾向于增加其门诊服务的数量。一方面,可以解释为医疗保险间接降低了门诊服务的实际货币价格,导致患者门诊需求量的上升;另一方面,也可能归因于医疗保险引致的道德风险从而造成患者增加门诊的过度消费。值得注意的是,社会医疗保险在第一阶段的Logit回归中并不显著。⑩一种可能的解释是新农合在运作过程中存在逆向选择问题(蒋远胜等,2009)。然而,要想更严格地识别这个关系还需要利用多个时期跟踪调查形成的面板数据。

  表5中的回归结果显示,被医生诊断患有某种慢性病或传染性疾病的农户倾向于增加其门诊消费的数量,这与Gerdtham(1997)、Cameron等(1988)的研究结论相一致。这是因为,有疾病史的农户生病后对自己的身体状况更为敏感,他们往往担心慢性疾病的恶化或者某种疾病的复发,因此,他们可能经常去熟悉他们身体状况的卫生室或居住地附近的私人诊所进行复查,进而增加了门诊消费的数量。

  回归结果中一项让人费解的结论是:收入水平处于最高组和家庭财富水平较好的样本患者却选择较少的门诊消费量。一种可能的解释是:对于那些收入非常高、家庭财富水平较高的患者,他们或许更看重医疗服务的质量而非数量,因此他们可能消费较少但质量较高的门诊服务。为了验证这一推测,本文进一步对不同收入组的样本患者就不同层级医疗服务的选择进行了描述性统计分析,发现虽然收入处于最高组的患者过去三个月的人均门诊消费数量(2.04次)小于收入处于最低组的患者(2.43次),但前者中有16.79%的个体去县级及以上医疗机构看过门诊,而后者只有10.55%的个体去县级及以上医疗机构看过门诊。同时,负二项分布栅栏模型的第一阶段Logit模型的回归结果显示,收入最高和次高的个体患病后去正规医疗机构就诊的概率更高。

  表5中交互项的回归结果表明,收入水平、疾病史、和自评健康水平对患者门诊需求数量的影响因患者是否为贫困农户而异。变量“收入分组”与“贫困项”的交互项通过了显著性检验,且系数符号为负,这说明与非贫困农户相比,贫困农户随着收入水平的提高仍然倾向于减少其门诊服务利用的数量。“自评健康程度-不健康”与“贫困项”的交互项通过了显著性检验,且系数符号为负。结合表中的数据可知,与非贫困农户相比,自评身体状况处于“不健康”的贫困患者倾向于减少其门诊服务利用的数量。以上结论表明经济约束是有医疗需要的贫困患者选择充分医疗服务的重要障碍。变量“疾病史”与“贫困项”的交互项通过了显著性检验,且系数符号为正,这表明疾病史对患者门诊需求数量的影响因患者是否贫困而有所不同。对于曾被医生确诊患有某种慢性病或传染性疾病的贫困农户而言,他们比非贫困农户倾向于增加门诊服务利用的数量。一种可能的解释是,对于那些被医生确诊患有某种慢性病或传染性疾病的贫困农户而言,他们往往会对疾病状况为其劳动能力带来的影响更为担忧,为了改善其健康状况,他们可能需要不断地去门诊咨询医护人员,因而增加了其门诊消费的数量。表5中的回归结果显示行动障碍对患者门诊需求量的影响没有通过显著性检验,但其影响效应的符号仍然与理论推测一致,即患有行动障碍的患者倾向于增加其门诊服务的利用。

  除此之外,与韩华为(2010)、Cameron等(1988)的研究结论相一致,本文的实证结果显示患者的人口社会学特征也会显著影响其门诊需求数量。与未婚、离异或丧偶的患者相比,在婚患者的身体健康状况往往得到更多家庭成员的关注,在出现疾病症状后他们在配偶或其他家人的陪同下去正规医疗机构就诊的机率更高,因而倾向于增加其门诊服务利用量。那些受教育程度较高的农户往往由于具备较高的健康意识,他们在出现疾病症状后更愿意寻求正规医疗服务,因此倾向于增加其门诊消费数量。

  

  (三)住院需求量估计结果的分析

  表6给出了采用三种计数模型拟合样本患者过去一年住院天数的估计结果。负二项分布栅栏模型的回归结果显示,对个体住院需求量有正向影响的因素包括年龄、受教育年限、家庭财产指数、家庭人均纯收入、家庭医疗负担、社会医疗保险、行动障碍与贫困项的交互项。同时,自评健康状况为“很不健康”的农户较其他健康状况的农户倾向于增加住院服务的利用量。相反,已婚农户与未婚农户相比倾向于减少住院服务消费量。与非贫困农户相比,自评健康为“很不健康”的贫困农户倾向于减少其住院服务消费量。

  表6中实证分析的结果表明,与年龄处于30岁以下的患者相比,中老年患者住院服务的需求量显著增加。这也进一步验证了,随着我国老龄化社会进程的加剧,农村居民的医疗服务需求量尤其是住院需求量将会逐步增加。已婚患者相对未婚、丧偶或离异的患者倾向于减少住院服务消费量,一种可能的解释是已婚患者可以在症状好转后依照医嘱在家人的陪护下于家中继续进行自我治疗。

  与门诊服务估计结果相同的是,那些拥有社会医疗保险的患者倾向于增加其住院消费的数量。与门诊服务估计结果不同的是,在控制住其他变量的情况下,收入水平处于次高组和家庭财富水平较好的样本患者倾向于增加住院消费量。可能的解释是对于那些家庭收入水平和家庭财富水平较高的患者,他们或许会在需要时选择充分的住院服务,因此其住院消费量也较高。

  表6中交互项的回归结果表明,收入水平、行动障碍和自评健康水平对患者住院需求数量的影响同样因患者是否为贫困农户而异。“自评健康程度-很不健康”与“贫困项”的交互项对住院消费量的影响显著为负。这表明,与非贫困农户相比,自评身体状况处于“非常不健康”的贫困患者仍然倾向于减少其住院消费数量。结合前文对门诊需求量的分析,这里进一步验证了经济约束是贫困患者选择充分医疗服务的重要障碍。与门诊需求量估计结果不同,变量“疾病史”与“贫困项”的交互项对住院需求量的影响并不显著,而“行动障碍”与“贫困项”的交互项对住院需求量的影响却显著为正。由于这里没有控制疾病严重程度,一种可能的解释是有行动障碍的贫困农户其所患住院疾病症状较为严重,导致他们需要增加其住院消费数量。为了验证这一思考,我们控制了有行动障碍且最近一年有住院经历的贫困农户,就其“最近一次住院疾病”的疾病严重程度进行描述性统计分析,其中汇报所患疾病非常严重的个体比例为74.72%,比较严重的占17.42%,不严重的比例仅为8.87%。

  

  六、结论和政策建议

  基于严格的实证方法,本文分析了中国农村患者门诊服务和住院服务需求数量的影响因素。通过在计数模型中加入相关变量与“贫困项”的交互项以瞄准贫困群体,分析不同因素对贫困群体医疗消费量的影响。与以往采用CHNS数据的研究不同,本文采用2010年的三省实地调查数据分析中国农村居民的门诊和住院需求行为,以期得到更切合实际的结论。根据实证分析,本文得出以下结论和政策含义:

  首先,家庭经济条件是制约患病个体消费门诊和住院服务的重要因素。负二项分布栅栏模型的回归结果表明,那些收入水平处于次高组群的患者住院消费量更高,而那些自评身体状况处于“不健康”和“很不健康”的贫困患者仍然倾向于减少其门诊和住院消费数量。贫困农户在出现疾病症状后更倾向于选择自我治疗。针对不选择正规医疗服务作为初次就诊选择的贫困农户,我们通过调查发现32.7%的贫困患者回答是由于经济困难。这说明支付能力仍然是制约贫困患者医疗服务选择的重要障碍。切实提高农民居民的收入水平才是满足农村患者就医需要的根本方法。另外,门诊需求量的实证结果显示,收入处于最高组群的患者以及家庭财富水平较高的患者倾向于消费更少的门诊服务。结合作者对居民就诊机构选择作出的描述性统计分析,本文认为这可以归因于他们在后续就诊中用质量来代替数量的医疗消费策略。

  其次,社会医疗保险对农村患者消费门诊和住院数量有显著的正影响。由此可见,提高医疗保险的覆盖会促进农村患者消费更多的门诊服务,这对于消除农村患者尤其是贫困患者的就医障碍具有重要意义。同时,我们可以推测医疗保险可能会引起患者对门诊服务的过度消费。因此,如何发挥医疗保险在促进医疗服务普遍公平享有方面的积极作用,并且消除其所带来的医疗服务过度利用问题将是下一阶段中国卫生政策面临的挑战。

  第三,医疗需要是影响农村贫困患者门诊和住院需求的重要因素。本文的实证结果显示,有疾病史的农村患者倾向于增加其门诊消费的数量;有疾病史的贫困患者其门诊需求量较非贫困患者显著增加;有行动障碍的贫困患者其住院需求量较非贫困患者显著增加,且所患住院疾病往往比较严重。可以预见国家近期开展的“大病补贴”等一系列减轻居民医疗负担的措施将有利于降低贫困患者因病致贫的程度。但是,政府更应考虑防患于未然,即确保贫困农户在患病初期得到充分及时的救治,这就需要针对低收入群体设计合理的新农合报销比例,适度提高针对低收入人群的补贴标准,以更有效地促进农村贫困患者的医疗需要转化为医疗需求。另外,通过预防保健等公共卫生项目,提高居民健康水平也会减轻医疗需求上升对卫生系统造成的压力。

  注释:

  ①有关以“医疗支出”来度量患者的医疗需求数量,采用两部分模型和四部分模型来分析个体医疗需求数量的研究,详细综述可参见韩华为:《中国农村居民的健康状况和就医行为》,北京大学博士论文,(2011):30-48.

  ②医疗服务主要包括门诊和住院两大类,由于国内外文献对住院服务需求行为的研究较少,所以这里作者主要梳理了个体门诊消费行为研究的文献。

  ③这里家庭财产的衡量主要考虑了房屋类型、厕所类型、饮用水源情况等能够反映患者居住条件的指标以及家庭拥有的耐用品数量,本文采用主成分分析法计算家庭的财产指数。

  ④在调查中,我们通过询问农户家庭是否拥有汽车、摩托车、拖拉机等来了解农户家庭交通设施的拥有情况。“交通设施”变量为“0-1”变量,“0”代表一种也没有;“1”代表拥有至少一种。社会医疗保险和商业医疗保险的分组方式与之相同。

  ⑤社会医疗保险主要包括城镇职工医疗保险、城镇居民医疗保险和新农合。商业医疗保险则是指由个体购买的、由保险公司经营的盈利性质的医疗保险。

  ⑥本文采用世界银行“2美元/天”的收入贫困线将被调农户样本分为贫困组和非贫困组。这一贫困线标准按照2005年的购买力平价指数调整后为人均纯收入2154.5元/年。

  ⑦“未婚”分组中包括未婚、离异或丧偶三种婚姻情况。

  ⑧代表泊松回归的残差,y代表泊松回归的因变量。该检验的原假设为回归系数等于0,若检验结果显示回归系数显著不为0,那么该数据存在过度分散。

  ⑨AIC=-2lnL+2k,BIC=-2lnL+klnN,其中,k表示模型中自变量个数,N表示样本个数。

  ⑩由于文章篇幅所限,负二项分布栅栏模型第一阶段的估计结果不在本文中汇报,读者如有需要,请向作者处索取。

参考文献

[1]高梦滔:《新型农村合作医疗与农户卫生服务利用》[J],《世界经济》2010年第10期。

[2]韩华为:《中老年患者门诊需求行为及其决定因素—来自浙江、甘肃两省的经验证据》[J],《中国人口科学》2010年第5期。

[3]王俊、昌忠泽、刘宏:《中国居民卫生医疗需求行为研究》[J],《经济研究》2008年第8期。

[4]卫生部统计信息中心:《中国卫生服务调查:第四次国家卫生服务调查分析报告》[M],中国协和医科大学出版社,2008年。

[5]张华初、吴种健:《新型农村社会养老保障财政投入分析》[J],《经济评论》2013年第2期。

[6]Cameron,Trivedi,1986,"Econometric Models Based on Count Data:Comparisons and Applications of Some Estimators and Tests" [J],Journal of Applied Econometrics,Vol.12,No.1.

[7]Cameron,Trivedi,Milne,Piggot,1988,"A Microeconometric Model of the Demand for Health Care and Health Insurance in Australia" [J],Review of Economic Studies,Vol.55,No.1.

[8]Cameron,Trivedi,"Regression Analysis of Count Data" [M],Cambridge:Cambridge University Press,1998.

[9]Cameron,Trivedi,"Microeconometrics:Methods and Applications" [M],Cambridge:Cambridge University Press,1998.

[10]Cameron,Trivedi,"Microeconometrics Using Stata" [M],Texas Stata Press,2009.

[11]Deb,Trivedi,2002,"The Structure of Demand for Health Care:Latent Class Versus Two-part models" [J],Journal of Health Economics,Vol.21,No.4.

[12]Karim,Tripura,Gani,Chowdhury,2006,"Poverty Status and Health Equity:Evidence from Rural Bangladesh" [J],Public Health,Vol.120,No.3.

[13]Gerdtham,ULF-G,1997,"Equity and Health Care Utilization:Further Tests Based on Hurdle Models and Swedish Micro Data" [J],Health Economics,Vol.6,No.3.

[14]Gertler,Sturm,1997,"Private Health Insurance and Public Expenditures in Jamaica" [J],Journal of Econometrics,Vol.77,No.1.

[15]Hakkinen,Rosenqvist,1996,"Economic Depression and the Use of Physician Service in Finland" [J],Health economics,Vol.5,No.5.

[16]Kobetz,Daniel,Earp,2003,"Neighborhood Poverty and Self-reported Health among Low-income,Rural Women,50 Years and Older"[J],Health and Place,Vol.9,No.3.

[17]Pohlmeier,Ulrich.,1995,"An Econometric Model of The Two-part Decision Making Process in the Demand for Health Care" [J],Journal of Human Resources,Vol.30,No.2.

[18]Zachary Zimmer,2008,"Poverty,Wealth Inequality and Health among Older Adults in Rural Cambodia" [J].Social Science & Medicine,Vol.66,No.1.

推荐10篇