重慶市人均醫(yī)療衛(wèi)生費(fèi)用影響因素的計(jì)量研究

劉　貞，郭　偉，呂指臣，朱開偉

(重慶理工大學(xué) 管理學(xué)院，重慶　400054)

?

重慶市人均醫(yī)療衛(wèi)生費(fèi)用影響因素的計(jì)量研究

劉貞，郭偉，呂指臣，朱開偉

(重慶理工大學(xué) 管理學(xué)院，重慶400054)

為了探究地方性醫(yī)療衛(wèi)生費(fèi)用的影響因素，以重慶市為研究對象，采用重慶市1997—2014年時間序列數(shù)據(jù)，通過協(xié)整分析、誤差修正模型等方法研究變量之間的長期和短期關(guān)系。結(jié)果表明：重慶市人均醫(yī)療衛(wèi)生費(fèi)用與人均總收入、每千人口衛(wèi)生技術(shù)人員之間存在長期的均衡關(guān)系，而短期影響不大；重慶市人均總收入與人均醫(yī)療衛(wèi)生費(fèi)用之間具有正相關(guān)關(guān)系，而每千人口衛(wèi)生技術(shù)人員與人均醫(yī)療衛(wèi)生費(fèi)用之間具有負(fù)相關(guān)關(guān)系。

醫(yī)療衛(wèi)生費(fèi)用;重慶市;協(xié)整分析

一、引言

醫(yī)療費(fèi)用占GDP的比重實(shí)際上在每個發(fā)達(dá)國家都呈現(xiàn)出一種日益上升的趨勢。在美國，醫(yī)療費(fèi)用占GDP的比重從1960年的5%上升到2010年的18%，漲了3倍多。在同一時期，其他發(fā)達(dá)國家也達(dá)到2倍多。在一些發(fā)達(dá)國家，醫(yī)療費(fèi)用的相當(dāng)大一部分由公眾來承擔(dān)，醫(yī)療費(fèi)用的急劇上升已經(jīng)演變成中央財(cái)政面臨的主要挑戰(zhàn)之一[1-2]。當(dāng)前，我國也存在嚴(yán)重的醫(yī)療費(fèi)用不斷上漲的問題。研究顯示：我國的人均預(yù)期壽命和一些其他的健康指標(biāo)都取得了重大突破。然而，像高血壓、糖尿病以及腦血管等疾病的發(fā)病率卻大幅度地增加。日益增加的疾病負(fù)擔(dān)從另一個側(cè)面顯示出我國醫(yī)療費(fèi)用正不斷上升[3]?！翱床‰y，看病貴”一直是困擾我國政府的一大難題。醫(yī)療費(fèi)用的不合理上升在給政府財(cái)政和人民帶來沉重的經(jīng)濟(jì)負(fù)擔(dān)的同時，也造成社會醫(yī)療資源的巨大浪費(fèi)[4]。因此，探究醫(yī)療費(fèi)用上升的原因具有重大意義。

自從Newhouse最早于1977年發(fā)表了關(guān)于醫(yī)療費(fèi)用影響因素的論文以來，國內(nèi)外學(xué)者在此方面展開了大量的研究[5]。早期的研究主要是討論醫(yī)療費(fèi)用的收入彈性問題[6]。近年來，國外學(xué)者大多數(shù)都采用面板數(shù)據(jù)的分析方法來研究發(fā)達(dá)國家的醫(yī)療費(fèi)用問題。如：TomokoTamakoshi等采用日本47個行政區(qū)的2001—2010年的面板數(shù)據(jù)，研究了日本的醫(yī)療費(fèi)用、GDP以及老年人口比例之間的關(guān)系，結(jié)果發(fā)現(xiàn)：GDP對日本醫(yī)療費(fèi)用的影響因素不大，而人口老齡化才是最主要的影響因素[7]。SilviaFedeli采用意大利1982—2009年的面板數(shù)據(jù)對意大利醫(yī)療費(fèi)用的影響因素進(jìn)行研究，結(jié)果表明：意大利的醫(yī)療費(fèi)用長期主要受GDP的影響[8]。

我國于20世紀(jì)80年代初開始進(jìn)行衛(wèi)生總費(fèi)用的測算工作,并試圖探討我國衛(wèi)生總費(fèi)用的決定因素。中國衛(wèi)生總費(fèi)用課題組利用1978—1995年中國衛(wèi)生總費(fèi)用的數(shù)據(jù)并建立多元線性回歸模型,得出結(jié)論：我國真實(shí)人均衛(wèi)生支出相對于真實(shí)人均GDP的彈性為0.53[9]。何平平利用協(xié)整的分析方法對我國1978—2003年數(shù)據(jù)進(jìn)行證實(shí)，其結(jié)論為：經(jīng)濟(jì)增長是中國衛(wèi)生費(fèi)用增長的最主要因素[10]。除了經(jīng)濟(jì)增長這一因素之外，近年來，我國學(xué)者對醫(yī)療費(fèi)用的影響因素進(jìn)行了進(jìn)一步的研究。陶春海從供給和需求兩個角度對我國醫(yī)療費(fèi)用過度增長進(jìn)行了分析，結(jié)果發(fā)現(xiàn)人口老齡化、價格、醫(yī)療技術(shù)水平等在一定程度上造成了醫(yī)療費(fèi)用的過快增長[11]。劉莉云等運(yùn)用Eviews統(tǒng)計(jì)分析軟件對中國農(nóng)村人均衛(wèi)生費(fèi)用的影響因素進(jìn)行回歸分析，研究發(fā)現(xiàn)每千人口衛(wèi)生技術(shù)人員數(shù)與農(nóng)村人均衛(wèi)生費(fèi)用具有正相關(guān)關(guān)系[12]。王雅萱從供給和需求兩個方面，運(yùn)用計(jì)量經(jīng)濟(jì)學(xué)的協(xié)整分析和誤差修正模型等原理，定量研究我國醫(yī)療費(fèi)用上漲的各種因素，結(jié)果發(fā)現(xiàn)：除了經(jīng)濟(jì)增長和人口老齡化之外，城鎮(zhèn)化對醫(yī)療衛(wèi)生費(fèi)用的正向推動作用已越來越明顯[13]。徐長生等基于2003—2013年我國31個省人均GDP、老齡化以及城鎮(zhèn)化等指標(biāo)，運(yùn)用多元線性回歸進(jìn)行定量分析和檢驗(yàn)，結(jié)果發(fā)現(xiàn)這3個因素當(dāng)中城鎮(zhèn)化的影響最大[14]。王肖南等運(yùn)用向量自回歸(VAR)模型研究了國內(nèi)生產(chǎn)總值(GDP)、人口老齡化、政府衛(wèi)生支出比例以及我國的城鎮(zhèn)化水平這4個因素對我國衛(wèi)生總費(fèi)用的影響，研究表明：對我國衛(wèi)生總費(fèi)用影響最大的城鎮(zhèn)化率和國內(nèi)生產(chǎn)總值，其次是政府衛(wèi)生支出比例，從長期影響來看，人口老齡化也是一個不可忽略的影響因素[15]。

大部分學(xué)者都采用國家的數(shù)據(jù)對我國整體醫(yī)療衛(wèi)生費(fèi)用問題展開研究。但是，很少有學(xué)者采用地方性數(shù)據(jù)對地方性的醫(yī)療費(fèi)用問題展開進(jìn)一步研究。廖宇航等根據(jù)海南省1978—2013年時間序列數(shù)據(jù)，采用協(xié)整分析的方法發(fā)現(xiàn)人均GDP、人口老齡化、每千人口醫(yī)生數(shù)對人均衛(wèi)生費(fèi)用有顯著影響[16]?；谝陨衔墨I(xiàn)考慮，為了進(jìn)一步探究地方性衛(wèi)生費(fèi)用問題，本文以重慶市為研究對象，采用重慶市最新的數(shù)據(jù)來分析重慶市的醫(yī)療衛(wèi)生費(fèi)用問題。本文選取重慶市城鎮(zhèn)人均總收入、每千人口床位數(shù)、每千人口衛(wèi)生技術(shù)人員、老年人口比例、城鎮(zhèn)化等影響因素作為解釋變量進(jìn)行分析，以探究其對重慶市人均醫(yī)療衛(wèi)生費(fèi)用的影響。

二、數(shù)據(jù)來源與變量描述

(一)數(shù)據(jù)來源

重慶市城鎮(zhèn)人均醫(yī)療衛(wèi)生費(fèi)用、人均總收入、每千人口床位數(shù)、每千人口衛(wèi)生技術(shù)人員、老年人口比例以及城鎮(zhèn)化的數(shù)據(jù)均來源于1998—2015年的《重慶統(tǒng)計(jì)年鑒》。值得說明的是，由于重慶市城鎮(zhèn)人均醫(yī)療衛(wèi)生保健支出(RJFY)和人均總收入(RJSR)的數(shù)據(jù)在歷年統(tǒng)計(jì)年鑒中是按“城鎮(zhèn)”和“農(nóng)村”分別進(jìn)行統(tǒng)計(jì)的，無法實(shí)現(xiàn)兩者的統(tǒng)一。對此，本文只針對重慶市城鎮(zhèn)的醫(yī)療衛(wèi)生費(fèi)用問題進(jìn)行研究。

(二)變量選擇

1.被解釋變量

RJFY：人均醫(yī)療衛(wèi)生費(fèi)用。地區(qū)衛(wèi)生總費(fèi)用代表當(dāng)?shù)氐尼t(yī)療服務(wù)總需求，為了消除人口因素對衛(wèi)生總費(fèi)用的影響，故采用重慶市城鎮(zhèn)的人均醫(yī)療衛(wèi)生費(fèi)用這一指標(biāo)作為被解釋變量。

2.解釋變量

RJSR:人均總收入。大部分學(xué)者都選取人均GDP這一因素來探討收入對人均醫(yī)療衛(wèi)生費(fèi)用的影響。繼2014年GDP增速領(lǐng)跑中國各省市后，重慶在2015年上半年又以11%的GDP增長繼續(xù)保持全國第一的增速[17]。然而,人均GDP并不能代表實(shí)際的人均收入，而且GDP只能反映經(jīng)濟(jì)增長的數(shù)量，不能反映成本和效益，以及結(jié)構(gòu)和分配等。故本文選用人均總收入這一指標(biāo)作為解釋變量。

OLD:老年人口比例。相關(guān)研究表明，65歲以上老年人的患病率是年輕人的6.5倍[18]。按國際慣例，一般以65周歲以上人口數(shù)占總?cè)丝诘谋嚷首鳛槔淆g化的指標(biāo)。因此，本文選取這一指標(biāo)用以度量人口老齡化對醫(yī)療費(fèi)用的影響。

MQW:每千人口衛(wèi)生技術(shù)人員。一般而言，一個地區(qū)的衛(wèi)生技術(shù)人員的數(shù)量代表著該地區(qū)醫(yī)療衛(wèi)生服務(wù)的供給水平。本文選取這一指標(biāo)用以度量其對醫(yī)療費(fèi)用的影響。

CZH:城鎮(zhèn)化。有學(xué)者選取該變量來探究其對醫(yī)療費(fèi)用上漲的影響。但并沒有得出一致的結(jié)論，故本文選取這一變量進(jìn)行進(jìn)一步探究。

三、模型設(shè)定與估計(jì)

(一)單位根檢驗(yàn)

為了減少模型的異方差性，本文對得到的實(shí)際數(shù)據(jù)進(jìn)行對數(shù)處理，分別記為lnRJFY、lnRJSR、lnOLD、lnMQW、lnCZH。本研究分別對各個變量進(jìn)行了ADF的單位根檢驗(yàn)。經(jīng)檢驗(yàn)lnRJFY、lnRJSR、lnMQW為2階單整，而lnOLD、lnCZH僅為1階單整,不能滿足同階單整的條件，故將lnOLD、lnCZH舍棄。檢驗(yàn)結(jié)果見表1。

表1　人均醫(yī)療衛(wèi)生費(fèi)用及其相關(guān)影響因素ADF檢驗(yàn)結(jié)果

注：檢驗(yàn)形式(C,T,L)中，C、T、L分別代表常數(shù)項(xiàng)、時間趨勢和滯后階數(shù)。*** 表示在1%顯著水平上拒絕零假設(shè)。

由于lnRJFY、lnRJSR和lnMQW均為時間序列,可能存在單位根問題。根據(jù)單位根檢驗(yàn)結(jié)果，水平序列和一階差分后的ADF值均在1%的顯著性水平上大于Mackinnon臨界值，不能拒絕單位根假設(shè)，即：lnRJFY、lnRJSR、lnMQW均存在單位根。但是二階差分后lnRJFY、lnMQW和lnRJSR均在1%水平下通過平穩(wěn)性檢驗(yàn)。

(二)協(xié)整檢驗(yàn)-Johansen實(shí)證

單位根檢驗(yàn)的結(jié)果顯示:lnRJFY、lnRJSR和lnMQW都服從I(2)過程,符合展開協(xié)整檢驗(yàn)的前提條件。Johansen于1988年以及與Juselius一起于1990年提出了一種基于向量自回歸模型的協(xié)整檢驗(yàn)方法，通常稱為JJ檢驗(yàn)，是一種進(jìn)行協(xié)整檢驗(yàn)的較好方法[19]。因此，本文采用此方法來檢驗(yàn)協(xié)整關(guān)系。

1.確定協(xié)整滯后階數(shù)

協(xié)整檢驗(yàn)首先需要確定合理的協(xié)整滯后階數(shù),以保證協(xié)整關(guān)系統(tǒng)計(jì)上的可信度。在無約束(unrestricted)VAR(P)模型條件下，可根據(jù)LR、FPE、AIC、SC、HQ等多種檢驗(yàn)準(zhǔn)則，通過測試不同VAR(P)模型對應(yīng)的值，得出VAR(P)的最優(yōu)自回歸階數(shù)。本文通過逐一測試，表2給出了滯后階數(shù)L從0到2所對應(yīng)的各檢測值，在5%顯著性水平下，LR、FPE、AIC、SC、HQ全都表明最佳滯后階數(shù)為1。

2.非約束協(xié)整關(guān)系檢驗(yàn)

已知最佳滯后階數(shù)L=1，基于Johansen的特征根協(xié)整檢驗(yàn)原理，還需要確定檢驗(yàn)假設(shè)。非約束Johansen協(xié)整檢驗(yàn)結(jié)果見表3。

表2　水平VAR模型的最佳滯后階數(shù)

注：**代表5%顯著性水平上顯著。

表3　Johansen非約束協(xié)整關(guān)系檢驗(yàn)結(jié)果

注：*** 表示在1%顯著性水平上拒絕零假設(shè)；** 代表在5%顯著性水平上拒絕零假設(shè)。

表3中，r表示協(xié)整關(guān)系個數(shù)。在1%的臨界水平下：軌跡(Trace)統(tǒng)計(jì)量表明(69.77>42.92)，應(yīng)該拒絕沒有協(xié)整關(guān)系(r=0)原假設(shè)，對應(yīng)地接受存在一階協(xié)整關(guān)系。最大特征值統(tǒng)計(jì)量(34.76>25.82)也拒絕r=0,接受r≤1，即最多存在一階協(xié)整關(guān)系。結(jié)論是：在1%顯著水平下，lnRJFY、lnMQW、lnRJSR之間存在一階協(xié)整關(guān)系。

3.協(xié)整方程

由表3可以看出各個變量之間具有一階協(xié)整關(guān)系。由此，根據(jù)Eviews6.0軟件可以測算出具體的協(xié)整方程。其協(xié)整方程為：

lnRJFYt=1.46lnRJSRt-0.85lnMQWt+CtlnRJFYt

(0.034 4)(0.048 4)

對變量進(jìn)行單整性檢驗(yàn)以確保其序列平穩(wěn)后，接著檢驗(yàn)變量之間是否存在協(xié)整關(guān)系，如果存在協(xié)整關(guān)系則可以建立誤差修正模型。

4.誤差修正模型

誤差修正模型(ErrorCorrectionModel,簡記為ECM)是一種具有特定形式的計(jì)量經(jīng)濟(jì)學(xué)模型。它的主要形式是由大衛(wèi)德森(Davidson),亨格瑞(Hendry),斯巴(Srba)和耶(Yeo)于1978年提出的，稱為DHSY模型[19]。若一個內(nèi)生變量yt只被表示成同一時點(diǎn)的外生變量xt的函數(shù),xt對yt的長期影響則可以求出。然而，每個變量的滯后項(xiàng)也出現(xiàn)在模型之中，其長期影響將通過分布滯后函數(shù)反映，這就是ADL模型。對于一階自回歸分布滯后模型，記為ADL(1，1)。因此,可以建立如下方程：

環(huán)渤海是我國大氣污染治理的首要地區(qū)，能源消費(fèi)總量占全國的18.9%，其中山東省能源消費(fèi)總量位居全國第一，河北省位居第三；煤炭消費(fèi)總量占能源消費(fèi)總量的72.4%，其中北京、天津煤炭消費(fèi)占比較低，河北達(dá)到86%，山東為79%；北京天然氣消費(fèi)占比達(dá)到29%，天津達(dá)到10%以上，河北和山東天然氣消費(fèi)占比不足4%。根據(jù)大氣污染治理“控制煤炭消費(fèi)量，提高天然氣等清潔能源消費(fèi)占比”的總體方向，該地區(qū)是未來天然氣發(fā)展的潛力市場。

yt=k0+k1yt-1+k2xt+k3xt-1+εt

t=1,2,…,T

(1)

其中，記y*=E(yt), x*=E(xt),由于E(εt)=0,在式(1)兩邊取期望得

y*y*=k0+k1y*+k2x*+k3x*

(2)

進(jìn)而有

(3)

y*=β0+β1x*

(4)

Δyt=k0+k2Δxt+(k2+k3)xt-1+

(k1-1)yt-1+εt

(5)

利用k2+k3=β1(1-k1),k0=β0(1-k1),式(5)又可以改寫成

Δyt=(k1-1)[yt-1-β0-β1xt-1]+

k2Δxt+εt

(6)

令θ=k1-1 ，則 式(6)可寫成

Δyt=θ(yt-1-β0-β1xt-1)+k2Δxt+εt

(7)

該式被稱為誤差修正模型，進(jìn)而得出重慶市人均醫(yī)療衛(wèi)生費(fèi)用的誤差修正模型的具體形式：

ΔlnRJFYt=-0.449 4ΔlnRJSRt-0.676 7ΔlnMQWt-

(0.436 9)(0.387 2)

0.209 0ECMt-1+5.165 2

(8)

(0.2246)

R2=0.436 0,Adj.R2=0.136 2

AIC=-2.186 6, SC=-1.809 0

在式(8)中ECMt-1為誤差修正項(xiàng)。誤差修正項(xiàng)的系數(shù)為負(fù)，符合反向調(diào)整機(jī)制。表明重慶市每年實(shí)際發(fā)生的人均醫(yī)療衛(wèi)生費(fèi)用的短期波動偏離長期時將以21%的力度將非均衡拉回到均衡狀態(tài)。

四、結(jié)論

本文運(yùn)用計(jì)量經(jīng)濟(jì)學(xué)的相關(guān)理論與研究方法，對重慶市醫(yī)療費(fèi)用增長的相關(guān)因素進(jìn)行了嘗試性實(shí)證研究并得到如下結(jié)論：① 經(jīng)ADF單位根檢驗(yàn)，重慶市人均醫(yī)療衛(wèi)生費(fèi)用、人均總收入與每千人口衛(wèi)生技術(shù)人員都是非平穩(wěn)變量，并且它們之間存在長期的均衡關(guān)系；而誤差修正項(xiàng)的系數(shù)僅為-0.21，說明短期影響不顯著。② 重慶市人均總收入與人均醫(yī)療衛(wèi)生費(fèi)用之間存在正相關(guān)關(guān)系。重慶市人均總收入每上升1個百分點(diǎn)會引起人均醫(yī)療費(fèi)用上升1.46個百分點(diǎn)。由此可見：收入仍然是影響人均醫(yī)療衛(wèi)生費(fèi)用上漲的重要因素。隨著收入的增加，人們愿意選擇相對更多的醫(yī)療服務(wù)。③ 重慶市每千人口衛(wèi)生技術(shù)人員與人均醫(yī)療衛(wèi)生費(fèi)用之間存在負(fù)相關(guān)關(guān)系。由此可見，從醫(yī)療市場供給角度而言，衛(wèi)生技術(shù)人員的增加可以為更多的患者提供醫(yī)療服務(wù)，有助于減輕醫(yī)療衛(wèi)生費(fèi)用上漲的情況。

重慶市于1997年成立直轄市，因此未采用1997年以前的數(shù)據(jù)。由于數(shù)據(jù)來源的問題，本文的樣本容量受到一定限制。同時，本文采用重慶市城鎮(zhèn)的數(shù)據(jù)，因而只針對重慶市城鎮(zhèn)進(jìn)行研究，不包括周邊的農(nóng)村。在我國醫(yī)療衛(wèi)生費(fèi)用的研究方面，地區(qū)性的研究還很不足。我國地大物博，各個地區(qū)在地理位置、人口因素、經(jīng)濟(jì)發(fā)展以及國家政策等方面存在不同。所以，醫(yī)療費(fèi)用的影響因素在我國各個省份、地區(qū)之間存在不同程度的差異?？偠灾?，未來應(yīng)更加注重地區(qū)性的研究以及區(qū)域之間的對比性研究。

[1]JOCHEN H,JAN-EGBERT S.Robust determinants of health care expenditure growth[J].Applied Economics,2014,46(36):4455-4474.

[2]吉富星，程麗君，李樞川.我國新型農(nóng)村合作醫(yī)療制度的思考——基于機(jī)制設(shè)計(jì)的視角[J].重慶理工大學(xué)學(xué)報(bào)(社會科學(xué))，2014(9)：81-86.

[3]JIN F.Macro determinants of health expenditure in China[J].Fudan Journal of the Humanities and Social Science,2011,4(3):18-36.

[4]張羽,張曉芬.我國醫(yī)療費(fèi)用不合理上升的原因探析——基于信息不對稱視角[J].科技與企業(yè),2014,1(1):15-18.

[5]何平平.醫(yī)療費(fèi)用增長因素研究[M].長沙：湖南大學(xué)出版社,2012.

[6]SANTIAGO L.On the relationship between GDP and health care expenditure:a new look[J].Economic Modelling,2013,32:124-129.

[7]TOMOKO T,SHIGEYUKI H.Health-care expenditure,GDP and share of the elderly in Japan:a panel cointegration analysis[J].Applied Economics Letters,2015,22(9):725-729.

[8]SILVIA F.The impact of GDP on health care expenditure:the case of Italy (1982—2009)[J].Social Indicators Research,2015,122(2):347-370.

[9]中國衛(wèi)生總費(fèi)用課題組.中國衛(wèi)生總費(fèi)用影響因素的計(jì)量經(jīng)濟(jì)學(xué)分析[J].中國衛(wèi)生經(jīng)濟(jì),1996(12):27-28.

[10]何平平.協(xié)整分析與誤差修正模型——經(jīng)濟(jì)增長、人口老齡化與我國醫(yī)療費(fèi)用增長的實(shí)證研究[J].工業(yè)技術(shù)經(jīng)濟(jì)，2006,25(1)：37-41.

[11]陶春海.我國醫(yī)療費(fèi)用過度增長的經(jīng)濟(jì)分析[J].江西財(cái)經(jīng)大學(xué)學(xué)報(bào),2010(3):11-15.

[12]劉莉云,王悅.農(nóng)村人均衛(wèi)生費(fèi)用的影響因素研究[J].中國農(nóng)村衛(wèi)生事業(yè)管理,2012,32(6):553-555.

[13]王雅萱.我國醫(yī)療費(fèi)用影響因素的計(jì)量研究[J].忻州師范學(xué)院學(xué)報(bào),2015,31(2):42-45.

[14]徐長生,張澤棟.城鎮(zhèn)化、老齡化及經(jīng)濟(jì)發(fā)展對我國醫(yī)療費(fèi)用影響回歸分析[J].中國衛(wèi)生經(jīng)濟(jì)，2015,34(6):54-55.

[15]王肖南,黃葉金.基于VAR模型對影響我國衛(wèi)生費(fèi)用增長因素的實(shí)證分析[J].中國衛(wèi)生經(jīng)濟(jì)，2015,34(6):54-55.

[16]廖宇航,黃曉玲,羅麗娟,等.海南省人均衛(wèi)生費(fèi)用影響因素研究[J].中國衛(wèi)生經(jīng)濟(jì)，2014(8):58-60.

[17]曾睿.上半年重慶GDP增長11%全國第一[J].重慶與世界，2015(9):26-27.

[18]祁金華，周成超，薛青云.我國衛(wèi)生總費(fèi)用影響因素分析[J].中國衛(wèi)生經(jīng)濟(jì)，2012,31(1):10-12.

[19]李子奈，潘文卿.計(jì)量經(jīng)濟(jì)學(xué)[M].3版.北京：高等教育出版社，2009.

(責(zé)任編輯馮軍)

AnEconometricStudyontheContributoryFactorsofPerCapitalMedicalExpenditureinChongqing

LIUZhen,GUOWei,LYUZhi-chen,ZHUKai-wei

(CollegeofManagement,ChongqingUniversityofTechnology,Chongqing400054,China)

Inordertoexplorethecontributoryfactorsofregionalmedicalexpenditure,thispapertakesChongqingastheresearchobjectandadoptsthetimeseriesdatafrom1997to2014.Toanalysisthelong-termandshort-termrelationshipbetweenvariables,weusethemethodsofcointegrationanalysisanderrorcorrectionmode.Theresultsshowthatthereexistslong-termandshort-timerelationshipbetweenvariables.However，theshort-termimpactwasnotsignificant.Thereisapositivecorrelationbetweenthepercapitalincomeandpercapitalmedicalexpenditure.Meantime,thereisalsoanegativecorrelationbetweenperthousandmedicalpersonnelandpercapitalmedicalexpenditure.

medicalexpenditure;Chongqing;cointegrationanalysis

2015-11-19；

2016-08-10

劉貞(1973—)，男，河南上蔡人，教授，清華大學(xué)博士后，研究方向：可再生能源。

format：LIUZhen,GUOWei,LYUZhi-chen,etal.AnEconometricStudyontheContributoryFactorsofPerCapitalMedicalExpenditureinChongqing[J].JournalofChongqingUniversityofTechnology(SocialScience)，2016(9):69-73.

10.3969/j.issn.1674-8425(s).2016.09.011

F222.31

A

1674-8425(2016)09-0069-05

引用格式：劉貞，郭偉，呂指臣，等.重慶市人均醫(yī)療衛(wèi)生費(fèi)用影響因素的計(jì)量研究[J].重慶理工大學(xué)學(xué)報(bào)(社會科學(xué))，2016(9):69-73.