新農(nóng)合對農(nóng)村居民醫(yī)療支出的效果評價研究

趙一墨， 甘勇

醫(yī)療問題是重要的民生問題。關(guān)于“看病難、看病貴”的討論一直熱度不減。近年來，我國在緩解居民醫(yī)療負(fù)擔(dān)方面做出許多實踐與探索。2018年全國一般公共預(yù)算支出中的醫(yī)療衛(wèi)生與計劃生育支出為1.57萬億元，同比增長8.5%，占全國一般公共預(yù)算支出的7.1%[1]。廣義的政府衛(wèi)生支出占GDP比重持續(xù)增加，個人衛(wèi)生支出占衛(wèi)生總支出的比例不斷下降。但我國人均個人現(xiàn)金衛(wèi)生支出仍在逐年上升。2017年我國人均個人現(xiàn)金衛(wèi)生支出1 088.69元，同比增長13%；近十年平均每年增長11%[2]。因此，引出的問題是我國的醫(yī)療制度是否切實地緩解了居民的醫(yī)療負(fù)擔(dān)；而我國農(nóng)村醫(yī)療水平相對薄弱，“因病致貧、因病返貧”的問題更加突出[3]?；谝陨媳尘埃疚膹霓r(nóng)村居民的醫(yī)療負(fù)擔(dān)情況出發(fā)，聚焦新型農(nóng)村合作醫(yī)療制度，試圖從經(jīng)濟學(xué)視角探討新農(nóng)合對農(nóng)村居民醫(yī)療費用的減免情況，主要集中分析以下三個問題：第一，新農(nóng)合如何影響農(nóng)村居民的就醫(yī)選擇；第二，新農(nóng)合能否緩解農(nóng)村居民的醫(yī)療負(fù)擔(dān)；第三，在不同情況下，新農(nóng)合能在多大程度上減輕居民的經(jīng)濟負(fù)擔(dān)。以期為有關(guān)部門制定措施，進一步改善農(nóng)村地區(qū)的醫(yī)療服務(wù)承受能力，減輕居民的醫(yī)療負(fù)擔(dān)提供參考。

1 資料與方法

1.1 數(shù)據(jù)來源

本文數(shù)據(jù)來源于中國健康與營養(yǎng)調(diào)查(China Health and Nutrition Survey，CHNS)2006—2011年的微觀面板數(shù)據(jù)，該數(shù)據(jù)通過多階段隨機抽樣方式獲得。本文選取了2006年、2009年和2011年三年的數(shù)據(jù)。由于本次主要研究農(nóng)村居民醫(yī)療支出的相關(guān)情況，故剔除全部城鎮(zhèn)人口以及缺失醫(yī)療支出信息、新農(nóng)合參保情況、健康狀況等變量的樣本，也剔除了購買商業(yè)醫(yī)療保險等其他醫(yī)療保險的樣本。最終本研究共計采用3 569個樣本點，覆蓋了12個省及直轄市、36條街道、292個村莊、2 432戶農(nóng)戶。

1.2 變量設(shè)定

本文的被解釋變量“醫(yī)療支出”采用了“個人實際醫(yī)療支出”這一指標(biāo)來衡量，利用居民消費價格指數(shù)(consumer price index，CPI)去除了通貨膨脹的影響，并在實際操作時采用對數(shù)變換。其中“實際醫(yī)療支出”是指過去4周扣除醫(yī)療保險報銷費用后，病患自付的醫(yī)療費用。解釋變量“新農(nóng)合參保情況”是虛擬變量，控制變量“健康狀況”由生活質(zhì)量指標(biāo)(Quality of Well-being Scale，QWB)來評價。

QWB采用Kaplan和Anderson(1988)構(gòu)建、并由趙忠和侯振剛(2005)修改完善后的量表評價。主要包括行動指標(biāo)(mobility scale，MOB)、體力活動指標(biāo)(physical activity scale，PAC)、社會活動指標(biāo)(social activity scale，SAC)三個客觀指標(biāo)和疾病及情況指標(biāo)(symptom/problem complexes，CPX)[4]。QWB指標(biāo)介于0～1之間，1代表最健康，0代表死亡。

1.3 模型分析框架

由于18.32%的樣本被解釋變量“個人實際醫(yī)療支出”的值為零，為了修正隨機誤差項的正態(tài)性假設(shè)，采用了兩部模型[5]進行估計，運用Heckman[6]選擇模型，修正參數(shù)估計可能出現(xiàn)的偏差[7]。為解決被解釋變量“醫(yī)療支出”與解釋變量“新農(nóng)合參保情況”之間因相互影響而產(chǎn)生的內(nèi)生性問題，本文在Heckman選擇模型的基礎(chǔ)上引入工具變量的方法，構(gòu)建出IV-Heckman模型。

1.3.1 兩部模型第一部分使用probit模型估計居民是否發(fā)生醫(yī)療支出：

Ii=Pr(β0+β1Insi+β2qwbi+Xiβ3+ui>0)

第二部分使用線性模型估計非零的醫(yī)療支出(經(jīng)對數(shù)處理)：

log(yi|Ii=1)=α0+α1Insi+α2qwbi+Xiα3+υi

1.3.2 Heckman選擇模型選擇方程估計患者是否選擇就醫(yī)并產(chǎn)生醫(yī)療費用：

Treatmenti=Pr(β0+β1Insi+β2qwbi+Xiβ3+ui>0)

支出方程估計了選擇就醫(yī)居民的醫(yī)療支出：

log(yi|Treatmenti=α0+α1Insi+α2qwbi+Xiα3+υi

1.3.3 IV-Heckman模型IV-Heckman模型是在Heckman選擇模型的第二部引入工具變量：

log(yi|Treatmenti=α0+α1Insi+α2qwbi+Xiα3+υi

Insi=γ0+γ1qwbi+γ2percenti+Xiγ3+ηi

此處的工具變量percenti代表全部樣本中個體“所在社區(qū)新農(nóng)合參保率”，其他變量的定義及假設(shè)均與Heckman模型相同。

2 結(jié)果

2.1 基本情況

本研究分析顯示，有61.2%的居民參合了新農(nóng)合，參合新農(nóng)合的居民平均個人實際醫(yī)療支出比未參合新農(nóng)合的居民低出約136元。有2 915名居民在過去4周發(fā)生了醫(yī)療支出。參合新農(nóng)合的居民個人實際醫(yī)療支出從590.827元上升到680.479元，未參合新農(nóng)合的居民個人實際醫(yī)療支出更是大幅上升到987.914元。參合新農(nóng)合的居民所在社區(qū)參合率的均值為0.928，而未參合新農(nóng)合的居民該值僅為0.114。參合與未參合新農(nóng)合的居民之間健康狀況均值相差極小，僅有不足10%的居民選擇住院治療。而且未參合新農(nóng)合的居民年齡相對較大，學(xué)歷相對較高，所在地區(qū)更加發(fā)達(dá)。

2.2 實證分析結(jié)果

兩部模型的回歸結(jié)果顯示，第一部分(是否發(fā)生醫(yī)療支出)中，參合新農(nóng)合的居民發(fā)生醫(yī)療支出的概率比未參合新農(nóng)合的居民平均高出34.9%，但其回歸結(jié)果差異無統(tǒng)計學(xué)意義(P>0.05)。需要住院治療的患者發(fā)生醫(yī)療支出的概率比需要門診治療的患者平均高55.2%，年齡越大的居民越有可能不選擇就醫(yī)(P<0.05)。第二部分(估計的非零醫(yī)療支出)顯示，參合新農(nóng)合使居民個人實際醫(yī)療支出平均降低了44%；在選擇就醫(yī)后，住院治療的醫(yī)療支出比門診治療平均高出232.4%；年齡每增加1歲，醫(yī)療支出平均增加0.6%；有配偶的居民醫(yī)療支出比無配偶的居民平均高18.7%；所在省市人均年收入每增加1萬元，醫(yī)療支出平均降低5.4%。性別與受教育程度對個人實際醫(yī)療支出差異無統(tǒng)計學(xué)意義(P>0.05).見表1。

表1 相關(guān)變量的基本情況

Heckman模型的結(jié)果顯示，參合新農(nóng)合對個人實際醫(yī)療支出的減少比例更大，高達(dá)102.7%；住院治療與門診治療費用差異較小，為154.2%；年齡對醫(yī)療支出的影響也增大，每增加1歲，醫(yī)療支出平均增加2.5%。

IV-Heckman模型的回歸結(jié)果與Heckman選擇模型相比，重要解釋變量新農(nóng)合參合率的系數(shù)差異較大，其他解釋變量的回歸結(jié)果比較相近。結(jié)果顯示，參合新農(nóng)合的居民個人實際醫(yī)療支出比未參合新農(nóng)合的居民平均低51.5%，差異小于Heckman模型的回歸結(jié)果；健康狀況更好的居民在就醫(yī)后醫(yī)療支出更高；住院治療的醫(yī)療支出比門診治療平均高出171.1%。采用IV-Heckman的結(jié)果更加可靠。見表2。

表2 新農(nóng)合及健康狀況對農(nóng)村居民醫(yī)療支出的影響

注：①括號內(nèi)為樣本標(biāo)準(zhǔn)差；②***、**和*分別表示1%、5%、10%的顯著度水平

2.3 不同特征的模型回歸結(jié)果

2.3.1 不同就醫(yī)地點的模型回歸結(jié)果農(nóng)村居民主要偏好在小型診所或社區(qū)衛(wèi)生服務(wù)站就醫(yī)，約占45.2%；最不偏好在市級醫(yī)院就醫(yī)，約占22.2%。在小型診所或社區(qū)衛(wèi)生服務(wù)站就醫(yī)產(chǎn)生的平均醫(yī)療支出最少，為219.1元；在鄉(xiāng)、縣醫(yī)院就醫(yī)的平均醫(yī)療支出為733.6元；在市級醫(yī)院就醫(yī)的平均醫(yī)療支出最多，達(dá)到1 252.5元。IV-Heckman模型回歸結(jié)果顯示，是否參保新農(nóng)合對個人實際醫(yī)療支出的影響在小型診所和社區(qū)衛(wèi)生服務(wù)站最為顯著，未參合新農(nóng)合比參合新農(nóng)合的居民醫(yī)療支出高55%。在鄉(xiāng)、縣醫(yī)院就醫(yī)的居民，未參合新農(nóng)合與參合新農(nóng)合的醫(yī)療支出差異不顯著。而在市級醫(yī)院，參保新農(nóng)合的居民甚至比未參合新農(nóng)合的居民醫(yī)療支出更高。此外，在選擇市級醫(yī)院就醫(yī)的居民中，住院治療和門診治療的醫(yī)療支出差異最大，且最為顯著，住院治療比門診治療的支出高144.2%。在鄉(xiāng)、縣醫(yī)院就醫(yī)的居民中，住院治療比門診治療的支出高97.7%。而在小型診所或社區(qū)衛(wèi)生服務(wù)站就醫(yī)的居民，其住院治療和門診治療的醫(yī)療支出相差較小。見表3。

2.3.2 不同程度醫(yī)療支出的模型回歸結(jié)果固定效應(yīng)模型結(jié)果顯示，新農(nóng)合對低醫(yī)療支出下的醫(yī)療費用減少的幅度最大，差異具有統(tǒng)計學(xué)意義(P<0.05)。其中低醫(yī)療支出組，未參保新農(nóng)合居民的醫(yī)療支出比參保新農(nóng)合的高出161.3%；中等醫(yī)療支出組，未參保新農(nóng)合居民的醫(yī)療支出比參保新農(nóng)合的高出26.6%。而對于高醫(yī)療支出組，新農(nóng)合并未顯著性降低居民的醫(yī)療支出。此外，相較于門診治療，在低醫(yī)療支出下，住院治療所花費的醫(yī)療支出更少；而在中、高醫(yī)療支出組，住院治療所花費的醫(yī)療支出顯著增高。見表4。

表3 不同就醫(yī)地點兩部模型、Heckman模型和IV-Heckman模型的回歸結(jié)果

注：①括號內(nèi)為樣本標(biāo)準(zhǔn)差；②***、**和*分別表示1%、5%、10%的顯著度水平

表4 不同程度醫(yī)療支出的OLS、FE和IV模型回歸結(jié)果

注：①括號內(nèi)為樣本標(biāo)準(zhǔn)差；②***、**和*分別表示1%、5%、10%的顯著度水平

2.3.3 不同收入層次的模型回歸結(jié)果在低人均收入組中，逆米爾斯比率不顯著，兩部模型與Heckman模型參數(shù)估計結(jié)果比較接近；而高人均收入組中，逆米爾斯比率顯著，醫(yī)療支出的多少將影響其就醫(yī)選擇，兩者結(jié)果差異較大。IV-Heckman模型的結(jié)果顯示，相比低收入的居民，新農(nóng)合對醫(yī)療支出的減少在高收入的居民中比例更大。未參合新農(nóng)合的高收入居民比參合新農(nóng)合的醫(yī)療支出高64.9%，未參合新農(nóng)合的低收入居民比參合新農(nóng)合的醫(yī)療支出高59.8%。住院治療的花費都顯著高于門診治療的花費，其差異在低人均收入組中更大。見表5。

表5 不同收入層次的兩部模型、Heckman模型和IV-Heckman模型回歸結(jié)果

注：①括號內(nèi)為樣本標(biāo)準(zhǔn)差；②***、**和*分別表示1%、5%、10%的顯著度水平

2.3.4 健康狀況的模型回歸結(jié)果兩部模型的結(jié)果顯示，SAC指標(biāo)越好的居民，醫(yī)療支出越高且參數(shù)顯著，其他指標(biāo)越差的居民，醫(yī)療支出越高。Heckman模型和IV-Heckman的結(jié)果顯示，MOB、PAC、SAC三個主觀指標(biāo)越好的居民，醫(yī)療支出越高，客觀指標(biāo)CPX越差的居民醫(yī)療支出越高。而且MOB、SAC和CPX的系數(shù)都具有顯著性。逆米爾斯比率結(jié)果的顯著，也解釋了兩部模型與Heckman模型的結(jié)果存在差異的原因，因而不能將“選擇”與“支出”視為兩個獨立的過程。見表6。

表6 健康狀況對農(nóng)村居民醫(yī)療支出影響的進一步分析

注：***、**和*分別表示1%、5%、10%的顯著度水平

3 討論

本文利用CHNS的微觀數(shù)據(jù)評估了新農(nóng)合對我國農(nóng)村居民醫(yī)療支出的影響情況。采用兩部模型、Heckman模型和IV-Heckman模型，并從就醫(yī)地點、醫(yī)療支出水平、收入水平等多個角度進行分析。通過工具變量“所在社區(qū)新農(nóng)合參保率”消除醫(yī)療保險與醫(yī)療支出間可能存在的內(nèi)生性。同時使用QWB指標(biāo)將主觀評價與客觀情況相結(jié)合，量化健康狀況這一重要的控制變量。結(jié)果發(fā)現(xiàn)，新農(nóng)合能夠加大農(nóng)村居民的就醫(yī)熱情，改善“有病不醫(yī)”的狀況；同時顯著減少農(nóng)村居民醫(yī)療支出，有效緩解了“看病貴”的問題，減輕了居民醫(yī)療負(fù)擔(dān)[8]。

在就醫(yī)地點方面，農(nóng)村居民更青睞于在附近的小型診所和社區(qū)衛(wèi)生服務(wù)站就醫(yī)，這可能與政策的引導(dǎo)和政策設(shè)定，如級別越高的醫(yī)療機構(gòu)起付線越高、報銷比例越低有關(guān)；也與近年農(nóng)村地區(qū)的醫(yī)療設(shè)施和醫(yī)療服務(wù)正在逐步完善，農(nóng)村居民在當(dāng)?shù)鼐湍軌虻玫搅己玫闹委熡嘘P(guān)。可見，新農(nóng)合提高了醫(yī)療服務(wù)的利用率，實現(xiàn)了資源的更優(yōu)配置。在報銷范圍方面，住院治療的醫(yī)療費用明顯更高，這在市級醫(yī)院和發(fā)生較高醫(yī)療支出時更加顯著，可能與疾病的嚴(yán)重程度和市級醫(yī)院的醫(yī)療設(shè)施先進、醫(yī)療材料很多不在報銷范圍內(nèi)有關(guān)。因此，新農(nóng)合的覆蓋范圍仍待加大，尤其是在高醫(yī)療支出的重病、大病上更應(yīng)加強。

在醫(yī)療支出方面，低收入人群平均醫(yī)療支出更少，但新農(nóng)合更大比例地減少了高收入人群的醫(yī)療支出。這可能進一步加大高低收入人群中醫(yī)療支出占比的差異，加劇醫(yī)療負(fù)擔(dān)的不平等。因此，在新農(nóng)合政策的設(shè)定和實施時，應(yīng)當(dāng)更多地考慮對低收入人群的影響。本研究還發(fā)現(xiàn)，行動和社會能力更強的居民更關(guān)心自己的身體狀況，愿意進行更多的健康投入。

在健康狀況對醫(yī)療費用的影響方面，健康狀況好的居民選擇就醫(yī)的可能性更小[9]。而有趣的是，在選擇就醫(yī)后，健康狀況更好的居民發(fā)生的醫(yī)療支出更多。這可能是由于行動或社會生活受限制的樣本數(shù)比較少，而且這類情況的出現(xiàn)往往是由于四肢或大腦受損，通常不需要特別的醫(yī)療支出；也可能是相比行動或社會生活受限制的居民而言，健康的居民更關(guān)注自己的身體狀況、更愿意在身體不適時及時治療，因此，在就醫(yī)后MOB、SAC指標(biāo)越好的居民發(fā)生的醫(yī)療支出數(shù)額越大。