人口結(jié)構(gòu)影響醫(yī)療費(fèi)用增長的定性比較分析

劉慶順 李利利

摘?要：如何控制醫(yī)療衛(wèi)生費(fèi)用的非合理性增長，對“健康中國2030”規(guī)劃建設(shè)具有戰(zhàn)略意義。已有研究側(cè)重于老齡化、城鎮(zhèn)化、收入水平等人口結(jié)構(gòu)因素以及醫(yī)療服務(wù)需求、醫(yī)療技術(shù)進(jìn)步等因素的“凈效應(yīng)”，即控制其他變量之后的平均效應(yīng)量。而定性比較分析通過研究這些因素的“組態(tài)效應(yīng)”，探討它們影響高醫(yī)療費(fèi)用的必要性和充分性。研究發(fā)現(xiàn)，引致高醫(yī)療費(fèi)用的條件組態(tài)主要有三個(gè)，可將其歸為兩類模式，即城鎮(zhèn)化推動(dòng)型和醫(yī)療技術(shù)推動(dòng)型;而人口老齡化在三個(gè)路徑中僅發(fā)揮輔助性作用。這意味著，各地要根據(jù)其城鎮(zhèn)化水平、醫(yī)療技術(shù)及醫(yī)療資源供給、醫(yī)療保障水平等選擇不同的治理路徑。

關(guān)鍵詞：醫(yī)療費(fèi)用;人口結(jié)構(gòu);組態(tài)效應(yīng);定性比較分析

中圖分類號(hào)：C92-05;R195.1?文獻(xiàn)標(biāo)識(shí)碼：A?文章編號(hào)：1000-4149（2020）05-0103-15

DOI：10.3969/j.issn.1000-4149.2020.00.045

一、引言

目前，我國醫(yī)療衛(wèi)生費(fèi)用增長較快現(xiàn)象仍然十分突出。2019年《中國統(tǒng)計(jì)年鑒》數(shù)據(jù)顯示，全國衛(wèi)生總費(fèi)用由2000年的4586億元增長到2018年的59121億元，年均增長速度為15.3%。對于醫(yī)療費(fèi)用增長，許多研究認(rèn)為人口老齡化、城鎮(zhèn)化、經(jīng)濟(jì)發(fā)展水平、醫(yī)療技術(shù)進(jìn)步等因素是其根本原因[1-3]。也有研究認(rèn)為老齡化并非醫(yī)療費(fèi)用增長的決定性因素[4];城鎮(zhèn)化率和人口老齡化會(huì)負(fù)向影響人均衛(wèi)生費(fèi)用[5]。另外，有學(xué)者指出人口老齡化和城市化水平提高是我國醫(yī)療費(fèi)用長期穩(wěn)定增長的因素;但這些因素導(dǎo)致的醫(yī)療費(fèi)用增長實(shí)際上是社會(huì)進(jìn)步和居民生活質(zhì)量提高的表現(xiàn)，因而是正常合理的增長[6]。

可以看出，已有研究主要探討了某個(gè)因素影響醫(yī)療費(fèi)用的“凈效應(yīng)”，而對這些因素的各種組態(tài)（configuration）效應(yīng)研究較少。因此，很容易出現(xiàn)不同情境下研究結(jié)論差異較大，甚至截然相反的現(xiàn)象。對于這種多因果關(guān)系比較復(fù)雜的問題（即多重并發(fā)因果關(guān)系，而非數(shù)據(jù)擬合最好的單一因果關(guān)系），若仍以傳統(tǒng)的回歸分析來探討單個(gè)因素的“凈效應(yīng)”，或者至多三個(gè)變量的調(diào)節(jié)效應(yīng)是無法解釋的[7-8]。而定性比較分析（Qualitative Comparative Analysis，QCA）基于集合論而非原子論視角[9]，通過分析影響因素中必要性和充分性，能夠回答這些因素中哪幾種組合會(huì)推動(dòng)醫(yī)療費(fèi)用增長，哪些因素缺失的情況下也會(huì)導(dǎo)致醫(yī)療費(fèi)用增長，因此，可以為有效治理醫(yī)療費(fèi)用增長提供理論依據(jù)和政策建議。

二、文獻(xiàn)綜述

引致醫(yī)療費(fèi)用增長的因素有很多，影響機(jī)制也比較復(fù)雜。實(shí)際上，中國醫(yī)療費(fèi)用膨脹機(jī)制本質(zhì)上是體制和制度設(shè)計(jì)問題，是政治、經(jīng)濟(jì)、社會(huì)、文化因素結(jié)構(gòu)性互動(dòng)、社會(huì)博弈與體系相互影響的必然結(jié)果[10]。

1.人口老齡化效應(yīng)

相對而言，老齡化影響醫(yī)療費(fèi)用的研究成果最為豐富。國內(nèi)外研究結(jié)論大致可以分為兩類：一是具有顯著正向影響;二是并非主要因素或沒有影響，甚至具有負(fù)向效應(yīng)。

先看第一方面，人口老齡化正向影響醫(yī)療費(fèi)用增長。醫(yī)療費(fèi)用會(huì)隨著年齡增長而增加[11];而且無論在發(fā)達(dá)國家還是發(fā)展中國家，老齡化都是導(dǎo)致醫(yī)療費(fèi)用增長主要的、顯著的人口學(xué)驅(qū)動(dòng)因素[12]。日本的研究數(shù)據(jù)表明，20世紀(jì)后期日本醫(yī)療費(fèi)用增長有 30% 來自人口年齡結(jié)構(gòu)的變化[13]。經(jīng)濟(jì)合作與發(fā)展組織（OECD）國家和地區(qū)的數(shù)據(jù)顯示，20世紀(jì)90年代中期，65歲及以上老年人的人均醫(yī)療費(fèi)用是65歲以下人口的2.7—4.8倍[14]。甚至于衛(wèi)生費(fèi)用增長的71%取決于人口（撫養(yǎng)比）和非人口因素（主要是收入），政策和制度變量的影響僅有23%[15]。

中國的研究數(shù)據(jù)顯示，老年撫養(yǎng)系數(shù)對居民醫(yī)療保健消費(fèi)支出有正向影響[16];老年人的患病率和患病時(shí)間都超過其他年齡段人口，因此老年人數(shù)量增加及其對醫(yī)療需求的增加導(dǎo)致了費(fèi)用上升[17-18]; 65歲以上老年人的醫(yī)療費(fèi)用占個(gè)人一生醫(yī)療費(fèi)用的70%，是65歲以下人口的4倍甚至更高[19];還有研究認(rèn)為，老年人口的衛(wèi)生服務(wù)需求與利用的滿足程度，是衛(wèi)生費(fèi)用變化的決定因素[20]。

再看另一個(gè)方面，人口老齡化并非醫(yī)療費(fèi)用增長的決定性因素。接近死亡效應(yīng)認(rèn)為老人臨終前發(fā)生的高額醫(yī)療支出導(dǎo)致醫(yī)療費(fèi)用快速上漲，因此年齡與醫(yī)療費(fèi)用之間似乎存在的正相關(guān)只是一種假象，即老齡化實(shí)際上并不影響醫(yī)療費(fèi)用增長[21]。中國的研究也發(fā)現(xiàn)，接近死亡老年人的醫(yī)療支出顯著高于存活老年人的醫(yī)療支出;但控制了接近死亡的時(shí)間后，年齡不再顯著影響醫(yī)療費(fèi)用[22]。

中國65歲以上老年人占用的醫(yī)療資源份額僅比其人口份額高6個(gè)百分點(diǎn)，且高齡老年人（80歲以上）、貧困老年人和女性老年人凈占用份額更低[23]。79歲以上年齡組次均費(fèi)用是60歲以下年齡組的3倍以上，但是高齡和臨終老人的醫(yī)療消費(fèi)占比和增幅均在下降，并不是拉高醫(yī)療費(fèi)用的主要原因;反而25—59歲年齡的醫(yī)療費(fèi)用占比和增幅均較快[24]。因此，老齡化并非衛(wèi)生費(fèi)用增長的決定性因素，它只會(huì)緩慢地提高老年人口潛在的醫(yī)療服務(wù)需求，單純的老齡化只是起到非常微弱的影響[4]。

2.人口城鎮(zhèn)化及其交互效應(yīng)

人口城鎮(zhèn)化和老齡化對衛(wèi)生總費(fèi)用發(fā)揮著明顯的推動(dòng)作用[3];經(jīng)濟(jì)發(fā)展水平、老齡化及城鎮(zhèn)化三個(gè)因素對我國醫(yī)療費(fèi)用的增長均具有顯著影響，其中城鎮(zhèn)化的影響最大、經(jīng)濟(jì)發(fā)展水平次之、老齡化最小[25]。一般來說，人口老齡化與城鎮(zhèn)化、經(jīng)濟(jì)發(fā)展水平呈正相關(guān)關(guān)系，那么是不是它們的交互效應(yīng)推動(dòng)了醫(yī)療費(fèi)用增長呢？研究發(fā)現(xiàn)，城市居民的人均醫(yī)療支出隨年齡顯著增加，但農(nóng)村居民的人均醫(yī)療支出隨年齡增長的趨勢并不明顯[26]。而且，城鄉(xiāng)三大醫(yī)保政策對居民醫(yī)療費(fèi)用增長的影響具有差異性，只有城鎮(zhèn)職工醫(yī)療保險(xiǎn)明顯促進(jìn)了醫(yī)療費(fèi)用增長[27]。

不過也有研究發(fā)現(xiàn)，人口老齡化、嬰兒死亡率、城鎮(zhèn)化率等因素負(fù)向影響人均衛(wèi)生費(fèi)用，而人均GDP、人均可支配收入、每千人口執(zhí)業(yè)醫(yī)師數(shù)和每千人口醫(yī)療衛(wèi)生機(jī)構(gòu)床位數(shù)會(huì)正向影響人均衛(wèi)生費(fèi)用[5]。由于靜態(tài)的日歷年齡研究視角可能夸大了人口老齡化對社會(huì)經(jīng)濟(jì)的負(fù)面影響;而前瞻年齡視角下65歲及以上老年人口衛(wèi)生費(fèi)用的增長速度將比日歷年齡視角下降低20%以上，其中高齡老人衛(wèi)生費(fèi)用的增長速度更是會(huì)降低40%以上[28]。

3.經(jīng)濟(jì)水平與醫(yī)療技術(shù)效應(yīng)

經(jīng)濟(jì)增長是引致我國醫(yī)療費(fèi)用長期穩(wěn)定增長的因素，這種增長實(shí)際上是社會(huì)進(jìn)步和居民生活質(zhì)量提高的表現(xiàn)，因而是正常合理的增長因素[6]。醫(yī)療消費(fèi)的收入彈性是指在一定時(shí)期內(nèi)，醫(yī)療費(fèi)用的變動(dòng)對于收入變動(dòng)的反應(yīng)程度。如果醫(yī)療消費(fèi)的收入彈性大于1，醫(yī)療衛(wèi)生服務(wù)就是奢侈品，只要收入增長就會(huì)帶來新的醫(yī)療服務(wù)需求，驅(qū)動(dòng)醫(yī)療衛(wèi)生費(fèi)用快速增長。相反，如果收入彈性小于1，醫(yī)療衛(wèi)生服務(wù)則是必需品。楊燕綏等利用全國數(shù)據(jù)估計(jì)收入彈性是0.97，已接近奢侈品的邊界，但用省際數(shù)據(jù)估計(jì)則是0.439，說明中央財(cái)政轉(zhuǎn)移支付在發(fā)揮作用[29]。而賈慧萍等研究認(rèn)為收入彈性略大于1，已近似奢侈品的特征，說明居民收入增長推動(dòng)了我國醫(yī)療費(fèi)用增長[27]。

中國人口老齡化的人均醫(yī)療費(fèi)用彈性為0.558，在人均醫(yī)療費(fèi)用增長的貢獻(xiàn)率為4.9%[2];另外，醫(yī)療技術(shù)進(jìn)步、人均GDP增長等因素對于醫(yī)療費(fèi)用的增長貢獻(xiàn)顯著[2]。李相榮等也認(rèn)為，影響衛(wèi)生費(fèi)用的因素包括政府衛(wèi)生支出占財(cái)政比例、人均GDP、65歲及以上人口比例、醫(yī)院入院人數(shù)、住院病人人均醫(yī)療費(fèi)等[1]。

政府衛(wèi)生支出占政府財(cái)政支出的比例對衛(wèi)生總費(fèi)用的影響，不僅存在直接效應(yīng)，而且存在間接效應(yīng);其中，國內(nèi)生產(chǎn)總值、城鎮(zhèn)人口比重、個(gè)人衛(wèi)生費(fèi)用支出比例直接影響衛(wèi)生總費(fèi)用，而年末總?cè)丝跀?shù)、65歲以上人口數(shù)和人均GDP通過GDP間接影響衛(wèi)生總費(fèi)用[3]。鄭喜洋等指出，自2009年以來，財(cái)政對供方的投入重點(diǎn)由公立醫(yī)院轉(zhuǎn)向基層醫(yī)療衛(wèi)生服務(wù)（強(qiáng)基層） 降低了醫(yī)療費(fèi)用，減輕了醫(yī)療負(fù)擔(dān);而財(cái)政補(bǔ)貼重點(diǎn)從醫(yī)療衛(wèi)生機(jī)構(gòu)轉(zhuǎn)向醫(yī)療保障（補(bǔ)需方）則相反[30]。

然而也有研究認(rèn)為，經(jīng)濟(jì)增長和人口老齡化對我國醫(yī)療費(fèi)用增長的短期影響不大，而且人口老齡化對我國醫(yī)療費(fèi)用增長的影響明顯低于經(jīng)濟(jì)增長的作用[31];預(yù)計(jì)從2020年開始，老齡化對衛(wèi)生總費(fèi)用增長的影響將開始凸顯，并呈加速的趨勢[32]。

另外，收入提高、醫(yī)療保險(xiǎn)擴(kuò)張和醫(yī)療技術(shù)進(jìn)步等因素會(huì)快速釋放老年人口 （及非老年人口） 的衛(wèi)生費(fèi)用[4]。

4.醫(yī)療保險(xiǎn)與道德風(fēng)險(xiǎn)效應(yīng)

研究顯示，居民收入增長、人口老齡化、城鎮(zhèn)職工保險(xiǎn)推動(dòng)了我國醫(yī)療費(fèi)用增長，其中城鎮(zhèn)職工保險(xiǎn)不僅促進(jìn)了居民醫(yī)療費(fèi)用增長，也加劇了醫(yī)生的誘導(dǎo)需求[27]。醫(yī)患之間的“共謀”使得過度醫(yī)療問題日益嚴(yán)重，這是醫(yī)療費(fèi)用上漲、醫(yī)?？刭M(fèi)有效性下降的重要原因[10]。醫(yī)療資源供給增加與誘導(dǎo)需求推動(dòng)了醫(yī)療費(fèi)用的上漲，醫(yī)療服務(wù)市場競爭會(huì)降低個(gè)人醫(yī)療費(fèi)用和政府衛(wèi)生支出，增加整個(gè)國家的衛(wèi)生總費(fèi)用[33]。

然而也有研究發(fā)現(xiàn)，醫(yī)療保險(xiǎn)事前道德風(fēng)險(xiǎn)并不存在，人們在有醫(yī)療保險(xiǎn)之后并不會(huì)增加不健康行為的概率[34]。在自付醫(yī)療支出占家庭收入的比例低于40% 時(shí)，醫(yī)療保險(xiǎn)對醫(yī)療費(fèi)用的顯著促進(jìn)作用更多的是事后道德風(fēng)險(xiǎn)因素而非醫(yī)療需求的釋放。現(xiàn)有醫(yī)療保險(xiǎn)制度難以控制醫(yī)療費(fèi)用的上漲，城鎮(zhèn)醫(yī)療保險(xiǎn)能夠顯著增加門診報(bào)銷費(fèi)用和總報(bào)銷費(fèi)用的額度，但醫(yī)療總費(fèi)用和自付費(fèi)用不受任何醫(yī)療保險(xiǎn)的影響[35]。

5.簡要述評(píng)

已有研究中探討較多的醫(yī)療費(fèi)用影響因素可歸納為人口年齡結(jié)構(gòu)（如年末總?cè)丝跀?shù)、60或65歲以上人口比重、人口撫養(yǎng)比、嬰兒死亡率、接近死亡效應(yīng)等），人口城鎮(zhèn)化，經(jīng)濟(jì)水平（如人均GDP、人均可支配收入、醫(yī)療費(fèi)用彈性、政府衛(wèi)生費(fèi)用支出、個(gè)人衛(wèi)生費(fèi)用支出等），醫(yī)療保險(xiǎn)和道德風(fēng)險(xiǎn)（如保險(xiǎn)類型、報(bào)銷比例、醫(yī)療需求誘導(dǎo)等），醫(yī)療技術(shù)和服務(wù)供給（如每千人口執(zhí)業(yè)醫(yī)師數(shù)、每千人口醫(yī)療衛(wèi)生機(jī)構(gòu)床位數(shù)、醫(yī)院入院人數(shù)等），以及某兩個(gè)因素的交互效應(yīng)（如老齡化與城鎮(zhèn)化），等等?？梢钥闯?，研究結(jié)論大多是控制其他變量之后某個(gè)因素的單獨(dú)效應(yīng)，因此在影響程度、方向上存在一定的差異，這與指標(biāo)和數(shù)據(jù)選取偏好有較大的關(guān)系。同時(shí)，在揭示高醫(yī)療費(fèi)用的原因時(shí)也存在一定的局限性。不過，這為我們進(jìn)一步探討這些因素的組態(tài)效應(yīng)提供了理論基礎(chǔ)。

三、研究設(shè)計(jì)與測量校準(zhǔn)

1.研究方法與數(shù)據(jù)來源

定性比較分析（QCA）是一種“案例導(dǎo)向”的集合理論研究方法，它不完全等同于定量方法追求更多的樣本量、更好的統(tǒng)計(jì)顯著性、更普遍的解釋力，也不完全等同于定性方法側(cè)重于個(gè)案研究[36];它通過實(shí)證資料與相關(guān)理論的不斷對話，從小樣本數(shù)據(jù)中建構(gòu)出研究議題的因果性關(guān)系。

拉金（Ragin）認(rèn)為社會(huì)現(xiàn)象發(fā)生的原因條件間多是相互依賴而非獨(dú)立的，因此解釋社會(huì)現(xiàn)象發(fā)生的原因需要采取“整體的”、組合的方式[37]。QCA旨在通過案例間的比較，找出條件組態(tài)與結(jié)果間的因果關(guān)系，回答“條件的哪些組態(tài)可以導(dǎo)致期望的結(jié)果出現(xiàn)，哪些組態(tài)導(dǎo)致結(jié)果的不出現(xiàn)”這種問題。這不同于傳統(tǒng)回歸分析方法，假定變量（條件）相互獨(dú)立起作用，分析單個(gè)變量的獨(dú)特“凈效應(yīng)”;QCA是采取整體視角，聚焦于當(dāng)自變量間相互相關(guān)、單個(gè)變量的獨(dú)特效應(yīng)可能被相關(guān)變量掩蓋時(shí)的“組態(tài)效應(yīng)”分析[38]。

QCA方法中的“條件”對應(yīng)于回歸分析中的自變量，“結(jié)果”對應(yīng)于因變量。本研究將全國每個(gè)?。ㄊ?、自治區(qū)）分別作為一個(gè)“案例”（case），這符合伯努瓦·里豪克斯等認(rèn)為“每個(gè)案例被定義為一系列特征的組合”的觀點(diǎn)[8]。根據(jù)案例中條件與結(jié)果的特征，我們采取模糊集QCA（以下簡稱fsQCA），原因在于探討的因果條件都是連續(xù)變量，使用該方法能夠更充分地捕捉到前因條件在不同水平或程度上的變化所帶來的細(xì)微影響[9]。

從空間橫向維度來看，我國東、中、西部各省份的醫(yī)療衛(wèi)生水平、經(jīng)濟(jì)水平、老齡化和城鎮(zhèn)化水平等，也間接反映了縱向維度上全國平均水平在過去一段時(shí)期內(nèi)的發(fā)展趨勢。基于QCA條件變量的選取原則（4—7個(gè)）當(dāng)條件變量個(gè)數(shù)n增加時(shí)，條件組態(tài)以指數(shù)倍增加（2n），因果復(fù)雜性將變得非常復(fù)雜。一般來說，中等樣本（如10—40個(gè)案例）條件變量的個(gè)數(shù)為4—7個(gè);而本文案例數(shù)量為31個(gè)，借鑒已有研究成果選取了人口老齡化等5個(gè)條件變量，選取原則具體可參考文獻(xiàn)[36]和[38]。選擇人口老齡化、人口城鎮(zhèn)化、人均可支配收入、醫(yī)療需求誘導(dǎo)、醫(yī)療技術(shù)水平5個(gè)條件變量，結(jié)果變量則是人均衛(wèi)生總費(fèi)用。其中，人口老齡化、人口城鎮(zhèn)化和人均可支配收入數(shù)據(jù)來源于《中國統(tǒng)計(jì)年鑒2018》;而人均衛(wèi)生總費(fèi)用、醫(yī)療需求誘導(dǎo)和醫(yī)療技術(shù)水平數(shù)據(jù)則來自《中國衛(wèi)生健康統(tǒng)計(jì)年鑒2018》。

2.變量測量與校準(zhǔn)

在QCA研究中，每一個(gè)條件（即5個(gè)影響因素）與結(jié)果（醫(yī)療費(fèi)用）都分別被看作一個(gè)集合，而每一個(gè)案例在這些集合中都具有一定的隸屬值。給案例賦予集合隸屬值的過程就是校準(zhǔn)[39]，根據(jù)條件和結(jié)果的數(shù)據(jù)類型，本研究選擇直接校準(zhǔn)法對數(shù)據(jù)進(jìn)行校準(zhǔn)。校準(zhǔn)的三個(gè)臨界閾值分別為95%分位數(shù)（完全隸屬）、50%分位數(shù)（交叉點(diǎn)）和5%分位數(shù)（完全不隸屬），校準(zhǔn)后的集合隸屬度全部介于0—1之間。借鑒已有研究經(jīng)驗(yàn)[7，40]，本文的結(jié)果與條件變量的3個(gè)臨界閾值，分別設(shè)為原始數(shù)據(jù)的上四分位數(shù)、上下四分位數(shù)的均值、下四分位數(shù)。

人均衛(wèi)生總費(fèi)用（EXPENSE）。衛(wèi)生總費(fèi)用指一個(gè)國家或地區(qū)在一定時(shí)期內(nèi)，為開展衛(wèi)生服務(wù)活動(dòng)而從全社會(huì)籌集衛(wèi)生資源的貨幣總額。按來源法核算，包括政府衛(wèi)生支出、社會(huì)衛(wèi)生支出和個(gè)人現(xiàn)金衛(wèi)生支出三部分。2017年31個(gè)?。ㄊ小⒆灾螀^(qū)）的人均衛(wèi)生總費(fèi)用如圖1所示。

人口老齡化（ELDERLY）。該因素是已有研究中探討最多的一個(gè)條件變量，而且研究結(jié)論具有較大差異。也有研究提出人口撫養(yǎng)比是一個(gè)比較重要的影響因素[15-16]，但本研究認(rèn)為這兩個(gè)因素的效應(yīng)具有相互替代性，因此仍采用65歲及以上人口占總?cè)丝诘谋戎貋頊y量人口老齡化水平。

人口城鎮(zhèn)化（URBAN）。城鎮(zhèn)人口是指居住在城鎮(zhèn)范圍內(nèi)的全部常住人口。

人均可支配收入（INCOME）。有研究采取人均GDP來反映經(jīng)濟(jì)發(fā)展對衛(wèi)生總費(fèi)用的影響，但我們認(rèn)為居民可支配收入與醫(yī)療費(fèi)用的關(guān)系更加直接一些?？芍涫杖胧侵妇用窨捎糜谧罱K消費(fèi)支出和儲(chǔ)蓄的總和，即居民可用于自由支配的收入，既包括現(xiàn)金收入也包括實(shí)物收入。按照收入的來源，可支配收入包含四項(xiàng)，分別為工資性收入、經(jīng)營凈收入、財(cái)產(chǎn)凈收入和轉(zhuǎn)移凈收入。

醫(yī)療需求誘導(dǎo)（NEED）。醫(yī)療需求誘導(dǎo)的效應(yīng)很難量化，但醫(yī)院床位密度對居民醫(yī)療費(fèi)用增長具有顯著影響[27]，而且每千人口執(zhí)業(yè)醫(yī)師數(shù)和每千人口醫(yī)療衛(wèi)生機(jī)構(gòu)床位數(shù)正向影響人均衛(wèi)生費(fèi)用[5]，有研究顯示，我國臺(tái)灣地區(qū)的醫(yī)療費(fèi)用也受到醫(yī)師數(shù)的正向影響[41]。由此可以推理，醫(yī)院床位與醫(yī)生數(shù)越多，則越傾向于尋求更多的利潤與收入，進(jìn)而推動(dòng)醫(yī)療費(fèi)用增長。這是因?yàn)椋t(yī)生作為醫(yī)院和患者的雙重代理人，同時(shí)承擔(dān)了兩種委托任務(wù)，即醫(yī)院委托醫(yī)生通過向患者提供服務(wù)為醫(yī)院贏得經(jīng)濟(jì)回報(bào)，以及患者委托醫(yī)生向自己提供適度醫(yī)療方案的醫(yī)療服務(wù);其中向患者提供適度醫(yī)療方案與醫(yī)生的收入無關(guān)，而多開藥、多開檢查卻直接與收入相關(guān)[42]。

借鑒已有研究成果，本文選擇每千人口衛(wèi)生技術(shù)人員數(shù)與每十萬人口醫(yī)院床位數(shù)之和來測量醫(yī)療需求誘導(dǎo)效應(yīng)。其中，各地區(qū)每千人口衛(wèi)生技術(shù)人員數(shù)，包括執(zhí)業(yè)醫(yī)師、執(zhí)業(yè)（助理）醫(yī)師、注冊護(hù)士;而醫(yī)院床位包括綜合醫(yī)院、中醫(yī)醫(yī)院、中西醫(yī)結(jié)合醫(yī)院、民族醫(yī)院、?？漆t(yī)院和護(hù)理院，但不包括社區(qū)衛(wèi)生服務(wù)中心、鄉(xiāng)鎮(zhèn)衛(wèi)生院等基層醫(yī)療衛(wèi)生機(jī)構(gòu)和專業(yè)公共衛(wèi)生機(jī)構(gòu)。

醫(yī)療技術(shù)水平（TECHNOLOGY）。醫(yī)療技術(shù)進(jìn)步是影響醫(yī)療費(fèi)用的一個(gè)重要因素，但它較難測量或者量化，并且醫(yī)療技術(shù)是多變的[2]。本研究曾嘗試用“生物、醫(yī)藥和醫(yī)療器械技術(shù)合同成交金額”或“醫(yī)學(xué)、獸醫(yī)學(xué)、衛(wèi)生學(xué)專利批準(zhǔn)數(shù)”來測量醫(yī)療技術(shù)進(jìn)步水平，但發(fā)現(xiàn)這兩個(gè)指標(biāo)相對于分地區(qū)而言，更具全國范疇的意義。因此，選擇“公立醫(yī)院人均住院檢查費(fèi)與手術(shù)費(fèi)之和”來反映醫(yī)療技術(shù)水平。比如，江蘇與貴州在該指標(biāo)上差異很大，除了經(jīng)濟(jì)發(fā)展水平之外，也反映了兩省醫(yī)療技術(shù)水平的明顯差異。

全國各?。ㄊ?、自治區(qū)）的數(shù)據(jù)基本特征及其四分位數(shù)如表1 所示。同時(shí)，運(yùn)用fsQCA3.0軟件進(jìn)行數(shù)據(jù)校準(zhǔn)。

3.多元線性回歸分析

在探討上述5個(gè)影響因素的組態(tài)效應(yīng)之前，我們先通過回歸統(tǒng)計(jì)來分析其單個(gè)因素的凈效應(yīng)。無論是用變量的原始數(shù)據(jù)，還是取自然對數(shù)之后的數(shù)據(jù)，統(tǒng)計(jì)結(jié)果基本一致;即回歸模型具有顯著統(tǒng)計(jì)學(xué)意義，而且都能夠解釋因變量80%以上的變異量?？紤]到樣本數(shù)量太少，以對數(shù)值統(tǒng)計(jì)分析結(jié)果為例，具體見表2—表4。

可以看出，觀測值之間相互獨(dú)立（德賓-沃森檢驗(yàn)值為1.918，接近于2），且不存在共線性（容忍度都大于0.1，不過人口城鎮(zhèn)化、人均可支配收入和醫(yī)療技術(shù)水平都是僅僅大于?0.1，這可能與樣本數(shù)量太少有一定的關(guān)系）?；貧w模型具有十分顯著的統(tǒng)計(jì)學(xué)意義（F值=23.24，顯著性sig.=0.000<0.001），這表明因變量與自變量之間存在線性相關(guān)，而且能夠解釋因變量82.3%的變異量（R2=0.823），即使剔除了自變量個(gè)數(shù)的影響，還能解釋78.8%的變異量（調(diào)整后R2=0.788）。這也意味著，即使刪掉模型中不顯著的變量人口城鎮(zhèn)化（t值=-1.542，顯著性sig.=0.136>0.05）和醫(yī)療技術(shù)水平（t值=0.456，顯著性sig.=0.652>0.05），其他三個(gè)變量仍能解釋78.8%的變異量。

另外，從回歸系數(shù)可以看出，人口城鎮(zhèn)化、人口老齡化與人均衛(wèi)生總費(fèi)用是負(fù)向關(guān)系（盡管城鎮(zhèn)化不顯著，但其負(fù)向關(guān)系還是有一定意義），這與已有的文獻(xiàn)研究結(jié)論“人口老齡化、城鎮(zhèn)化率等因素負(fù)向影響人均衛(wèi)生費(fèi)用[5]”比較一致。在分別控制其他四個(gè)變量的情況下，人均可支配收入（t值=3.676，顯著性sig.=0.001<0.05，Beta=0.905）和醫(yī)療需求誘導(dǎo)（t值=4.229，顯著性sig.=0.000<0.001，Beta=0.419），則分別是最具有統(tǒng)計(jì)學(xué)意義且影響效應(yīng)最大的變量，而且都是正相關(guān)關(guān)系。與已有研究結(jié)論相比，除了醫(yī)療技術(shù)水平和醫(yī)療需求誘導(dǎo)的影響效應(yīng)存在一定的爭議之外，收入水平則是一致認(rèn)同的高醫(yī)療費(fèi)用影響因素。

四、醫(yī)療費(fèi)用增長的fsQCA結(jié)果與討論

定量分析是一種跨案例（量大）的因果推斷方法，而定性分析則是案例內(nèi)（量?。┑囊蚬茢喾绞健Ｇ罢哧P(guān)注的是平均因果效應(yīng)，后者則更加關(guān)注個(gè)體因果機(jī)制（案例數(shù)量越少，越有利于剖析因果機(jī)制;當(dāng)只有一個(gè)案例的時(shí)候，就是個(gè)案研究）。另外，回歸分析解釋了“只要某幾個(gè)條件出現(xiàn)（具有顯著統(tǒng)計(jì)學(xué)意義），結(jié)果就出現(xiàn)”，但沒有回應(yīng)“某幾個(gè)條件沒有出現(xiàn)，結(jié)果是否還會(huì)出現(xiàn)”的問題，而這正是定性比較分析方法的優(yōu)勢。在QCA中，采用一致性水平（consistency）來描述條件與結(jié)果之間必要性和充分性因果關(guān)系。運(yùn)用fsQCA3.0軟件，首先要對校準(zhǔn)后的數(shù)據(jù)進(jìn)行單個(gè)條件（包括非集）的必要性分析，然后再進(jìn)行條件組態(tài)的充分性分析，最后是穩(wěn)健性檢驗(yàn)。

1.單個(gè)條件的必要性分析

單個(gè)條件的必要性分析，就是檢驗(yàn)結(jié)果集合是否為某個(gè)條件集合的子集。若條件X是結(jié)果Y的必要條件，則Y對應(yīng)的集合是X對應(yīng)集合的一個(gè)子集;即當(dāng)Y發(fā)生時(shí)，X總是存在。一般來說，當(dāng)一致性水平大于0.9時(shí)，可以判斷X是Y的必要條件[39，43]。

另外，還可以根據(jù)一致性指標(biāo)來判斷X是否為Y的充分性條件。如果X的模糊集分值小于等于Y的模糊集分值，且一致性指標(biāo)大于0.8，則說明條件X為結(jié)果Y的充分性條件。當(dāng)一致性滿足后，需要通過覆蓋度來判定條件X對結(jié)果Y的解釋力度;覆蓋度越大，則說明X在經(jīng)驗(yàn)上對Y的解釋力度越大[8，36]。

表5為單個(gè)條件的必要性分析結(jié)果。從中可以看出，所有條件的一致性水平均小于0.9，因此都并非高醫(yī)療費(fèi)用的必要條件。而且，也沒有一致性水平均大于0.8的條件，意味著也沒有一個(gè)條件是充分條件;即高醫(yī)療費(fèi)用不存在，這些條件也不存在。不過，除了人口老齡化，其他4個(gè)條件的覆蓋度都在80%以上，可見這4個(gè)條件分別都能夠解釋80%以上的案例。

2.條件組態(tài)的充分性分析

組態(tài)分析與單個(gè)條件分析不同，其特征為多個(gè)條件構(gòu)成的不同組態(tài)是否會(huì)導(dǎo)致結(jié)果產(chǎn)生的充分性分析。從集合論角度而言，也就是條件組態(tài)集合是否為結(jié)果集合的子集。與單個(gè)條件分析類似，同樣也使用一致性指標(biāo)來衡量條件組態(tài)的充分性，但可接受的最低標(biāo)準(zhǔn)和計(jì)算方法有所差異。施耐德（Schneider）等認(rèn)為，判定條件組態(tài)充分性的一致性水平不得低于0.75，而在頻數(shù)閾值的確定上，則需要根據(jù)樣本規(guī)模而定（中小樣本的頻數(shù)閾值為1即可，而大樣本的頻數(shù)閾值應(yīng)該大于1）[39]。杜運(yùn)周等認(rèn)為，頻數(shù)閾值的設(shè)定應(yīng)當(dāng)至少包含 75%的觀察案例[38]?；谏鲜龇治?，本文組態(tài)分析的一致性閾值設(shè)定為 0.75，頻數(shù)閾值為1。

fsQCA3.0軟件分析會(huì)輸出三種復(fù)雜程度不同的解，即復(fù)雜解（complex）、簡約解（parsimonious）和中間解（intermediate）。復(fù)雜解沒有經(jīng)過任何簡化處理，是完全按照變量設(shè)定而得出的結(jié)果，完整性較好;簡約解是按照結(jié)果變量強(qiáng)弱出現(xiàn)的，相對簡單，但往往與事實(shí)不符;中間解介于兩者之間，更容易理解。借鑒已有研究，本文匯報(bào)中間解并輔之以簡約解[7，36，44]。

根據(jù)前面分析可知，人口老齡化等5個(gè)條件變量的影響效應(yīng)尚未達(dá)成一致結(jié)論或缺乏明確的理論預(yù)期，難以做出明確的反事實(shí)分析。因此，在中間解生成過程中5個(gè)條件分別都選擇了“存在或缺席”。

引致高醫(yī)療費(fèi)用的組態(tài)分析結(jié)果如表6所示。其中，空格表示一種模糊狀態(tài)（即該條件可存在亦可缺席）;大圓為核心條件（即同時(shí)存在于簡約解和中間解的條件），小圓為輔助條件（即僅僅存在于中間解的條件）。覆蓋度是QCA中衡量經(jīng)驗(yàn)相關(guān)性的一個(gè)重要指標(biāo)，它反映條件組態(tài)的經(jīng)驗(yàn)切題性或重要性，類似于回歸中的R2[7]。

可以看出，組態(tài)1的一致性水平為0.7575，組態(tài)2、3、4的一致性水平都大于0.8。實(shí)際上，組態(tài)1可以判定為并非結(jié)果的充分性條件。即使勉強(qiáng)作為充分性條件，但與組態(tài)2相比，人口老齡化與人口城鎮(zhèn)化具有非常明顯的替代性關(guān)系，也就是說這兩個(gè)條件無須同時(shí)存在，便可與組態(tài)1和2中的其他3個(gè)條件一起導(dǎo)致結(jié)果產(chǎn)生。除此之外，總體解的一致性為0.8472，總體解的覆蓋度為0.6720，也就是說能夠解釋67%的案例。因此可以認(rèn)為，組態(tài)2、組態(tài)3和組態(tài)4是引致高醫(yī)療費(fèi)用的充分條件組合;而且從橫向單個(gè)條件來看，人口城鎮(zhèn)化與醫(yī)療需求誘導(dǎo)都發(fā)揮了十分重要的作用。

3.穩(wěn)健性檢驗(yàn)

判斷QCA結(jié)果穩(wěn)健的兩個(gè)指標(biāo)，分別是“不同組態(tài)的集合關(guān)系狀態(tài)”和“不同組態(tài)的擬合參數(shù)差異”;而檢驗(yàn)方法包括調(diào)整一致性水平和改變測量方法兩種[39]。因此，我們首先調(diào)整一致性水平，將之前的一致性閾值從0.75 提高至 0.80，頻數(shù)閾值保持不變，結(jié)果如表7所示。

可以看出，首先最大的一個(gè)變化是組態(tài)由4個(gè)變?yōu)?個(gè)，而沒有出現(xiàn)的正是表6中一致性較低（0.7575）的組態(tài)1。提高一致性水平后的組態(tài)A、B、C，正好對應(yīng)于表6中的組態(tài)2、組態(tài)3、組態(tài)4，而且擬合參數(shù)幾乎沒有變化。不過，組態(tài)C中的人口老齡化由之前的核心作用變成了輔助性作用，因?yàn)樵诤喖s解中沒有出現(xiàn)人口老齡化因素。另外由于組態(tài)解少了一個(gè)，總體解的一致性和覆蓋度也發(fā)生了變化。其中，總體解的一致性由之前的0.8472提高至0.8704;總體解的覆蓋度由之前的0.6720下降至0.6300。

其次，改變結(jié)果變量的校準(zhǔn)值進(jìn)一步檢驗(yàn)。結(jié)果變量人均衛(wèi)生總費(fèi)用北京為9498元、上海為7601元、天津?yàn)?311元，與最少的江西（2359元）等省份差別很大。實(shí)際上，北京、上海、天津的醫(yī)療費(fèi)用包括部分外地人尋醫(yī)治病的費(fèi)用，尤其是上海的三級(jí)醫(yī)院收治的省外就醫(yī)患者占比高達(dá)19.93%數(shù)據(jù)引自：http：//news.sina.com.cn/c/2019-10-09/doc-iicezuev/033897.shtml，考慮到這個(gè)因素，將校準(zhǔn)值由之前的百分位數(shù)3745、3352、2736修改為5000、3658、2500（其中，3658為全國平均值）。然后，一致性閾值直接設(shè)為0.80，頻數(shù)閾值保持不變，結(jié)果顯示仍然比較穩(wěn)健。具體組態(tài)解有三個(gè)，分別為ELDERLY* URBAN* INCOME * TECHNOLOGY（一致性水平為0.7971）、ELDERLY* URBAN* NEED * TECHNOLOGY（一致性水平為0.8045）、elderly* URBAN* income*NEED * technology（一致性水平為0.9415），總體解的一致性為0.8000、覆蓋度為0.6700。

4.結(jié)果分析與討論

鑒于組態(tài)1的一致性水平較低，我們直接選擇將其刪掉后（一致性閾值設(shè)為0.8）的組態(tài)A、B、C進(jìn)行討論。其中，在組態(tài)A（URBAN* income* NEED* technology）中，人口城鎮(zhèn)化與醫(yī)療需求誘導(dǎo)的存在發(fā)揮了核心作用，而人均可支配收入和醫(yī)療技術(shù)水平的缺席則起到了輔助性作用，人口老齡化的作用則是可有可無。QCA的一個(gè)潛在優(yōu)勢在于能夠準(zhǔn)確確定特定組態(tài)所覆蓋的案例，或者說支撐該組態(tài)成為充分條件的案例。組態(tài)A的唯一覆蓋度是0.0828，代表性案例是黑龍江省和寧夏回族自治區(qū)。全國人均醫(yī)療費(fèi)用為3658元，而黑龍江和寧夏的人均醫(yī)療費(fèi)用分別為3141元、3691元，全國低于3141元的省份有10個(gè)，低于3691元的省份有21個(gè)。可以看出，這兩個(gè)省份的人均醫(yī)療費(fèi)用相對較高。另外，黑龍江和寧夏的人口城鎮(zhèn)化水平分別為59.40%、57.98%（全國平均為58.98%），醫(yī)療需求誘導(dǎo)分別為11.40個(gè)、12.41個(gè)（全國平均為11.07個(gè)），人均可支配收入21205元、20561元（全國平均為25923元），醫(yī)療技術(shù)水平為1052元、1257元（全國平均為1481元），人口老齡化分別為12.14%、8.46%（全國平均為10.90%）。因此，組態(tài)A足以解釋僅僅人口城鎮(zhèn)化與醫(yī)療需求誘導(dǎo)就可以導(dǎo)致高醫(yī)療費(fèi)用。很明顯，醫(yī)療需求誘導(dǎo)意味著更多的串謀騙保行為[44]。

組態(tài)B（URBAN* INCOME * need * TECHNOLOGY）中，人口城鎮(zhèn)化的存在繼續(xù)發(fā)揮著核心作用，同時(shí)人均可支配收入和醫(yī)療技術(shù)水平的存在也發(fā)揮了核心作用;而醫(yī)療需求誘導(dǎo)的缺席則起到了輔助性作用。該組態(tài)唯一覆蓋度為0.1259，代表性案例為福建、廣東和天津三個(gè)省市。這三個(gè)案例省份醫(yī)療需求誘導(dǎo)的得分為9.46、9.82、10.36，均低于全國平均得分（11.07），說明該三個(gè)省份在缺少醫(yī)療需求誘導(dǎo)的情況下，人口城鎮(zhèn)化、人均可支配收入和醫(yī)療技術(shù)水平也推動(dòng)了醫(yī)療費(fèi)用增長。

組態(tài)C（ELDERLY* URBAN* NEED *TECHNOLOGY）發(fā)揮核心作用的是人口城鎮(zhèn)化、醫(yī)療需求誘導(dǎo)和醫(yī)療技術(shù)水平的存在，人口老齡化的存在則發(fā)揮了輔助性作用;人均可支配收入則成了無足輕重的因素，存在或缺席都不影響結(jié)果。該組態(tài)一致性水平最高（0.9392），這意味著對于結(jié)果而言該組態(tài)的充分性最高。而且，組態(tài)C的唯一覆蓋度也最高（0.2704），也就是說，該條件組合能夠解釋案例數(shù)量的27%，典型案例省份包括上海、北京、遼寧、浙江、江蘇、湖北、山東和內(nèi)蒙古8個(gè)?。ㄊ?、自治區(qū)）?？梢钥闯?，除了內(nèi)蒙古自治區(qū)之外都是我國經(jīng)濟(jì)發(fā)展水平較高的地區(qū)，因此在不考慮經(jīng)濟(jì)發(fā)展水平以及人口老齡化起到的輔助作用情況下，人口城鎮(zhèn)化、醫(yī)療需求誘導(dǎo)和醫(yī)療技術(shù)水平會(huì)共同推高醫(yī)療費(fèi)用。實(shí)際上，內(nèi)蒙古的人口城鎮(zhèn)化水平為62.02%，高于全國平均水平（58.98%），而且人口老齡化、醫(yī)療需求誘導(dǎo)和醫(yī)療技術(shù)水平分別為10.84%、11.79個(gè)、1474元，與全國平均水平持平（10.90%、11.07個(gè)、1481元）。

綜上分析，根據(jù)組態(tài)A、B、C橫向和縱向間的關(guān)系，以及其包含的核心條件和背后的邏輯解釋，我們將其歸為兩類增長模式，即城鎮(zhèn)化推動(dòng)型和醫(yī)療技術(shù)推動(dòng)型。很明顯，人口城鎮(zhèn)化在3個(gè)組態(tài)中都發(fā)揮了核心條件作用，也就是說沒有人口城鎮(zhèn)化的核心性作用，就很難引致醫(yī)療費(fèi)用增長。無論人口老齡化作為輔助性條件還是可有可無，無論人均可支配收入可有可無還是其作為核心條件缺失，人口城鎮(zhèn)化都是引致高醫(yī)療費(fèi)用必不可少的條件之一。實(shí)際上這很容易解釋，因?yàn)橹袊某擎?zhèn)化水平承載了城鄉(xiāng)二元社會(huì)結(jié)構(gòu)的太多差異，比如可支配收入、醫(yī)療保障水平、醫(yī)療技術(shù)和服務(wù)可及性等。

三個(gè)組態(tài)中，醫(yī)療需求誘導(dǎo)和醫(yī)療技術(shù)水平作為核心條件，要么缺席一個(gè)（組態(tài)A和B中可以相互替代），要么同時(shí)存在（組態(tài)C的一致性最高），都會(huì)推動(dòng)高醫(yī)療費(fèi)用產(chǎn)生。實(shí)際上，醫(yī)療需求誘導(dǎo)和醫(yī)療技術(shù)水平往往是相互促進(jìn)的，如為了回收成本而過度使用設(shè)備、新醫(yī)療技術(shù)刺激醫(yī)療服務(wù)需求的增加、新醫(yī)療技術(shù)提早發(fā)現(xiàn)疾病并產(chǎn)生新的醫(yī)療費(fèi)用等。美國醫(yī)療費(fèi)用增長中的50%就歸因于新醫(yī)療技術(shù)引入;而且全民健保及醫(yī)療保險(xiǎn)和保障制度加速了新技術(shù)的運(yùn)用和推廣[45]。

與回歸分析的結(jié)果相比較，組態(tài)效應(yīng)的結(jié)果差異較大。在影響因素的單獨(dú)效應(yīng)中，人口城鎮(zhèn)化與醫(yī)療技術(shù)是不顯著的，而人均可支配收入影響效應(yīng)最大。實(shí)際上，這兩種研究方法的結(jié)論不能直接進(jìn)行比較，而是相互補(bǔ)充。即回歸分析能夠發(fā)現(xiàn)單個(gè)因素是否有影響，然后QCA將具有統(tǒng)計(jì)學(xué)意義的影響因素進(jìn)行組態(tài)效應(yīng)分析，進(jìn)一步揭示事件發(fā)生的原因。另外，回歸分析中的交互效應(yīng)體現(xiàn)了QCA的部分思想，因此我們又進(jìn)行了詳細(xì)的交互分析，包括人口城鎮(zhèn)化*人口老齡化、人口城鎮(zhèn)化*人均可支配收入、人口城鎮(zhèn)化*醫(yī)療需求誘導(dǎo)、人口城鎮(zhèn)化*醫(yī)療技術(shù)水平、人口老齡化*人均可支配收入、人口老齡化*醫(yī)療需求誘導(dǎo)、人口老齡化*醫(yī)療技術(shù)水平、人均可支配收入*醫(yī)療需求誘導(dǎo)、人均可支配收入*醫(yī)療技術(shù)水平、醫(yī)療需求誘導(dǎo)*醫(yī)療技術(shù)水平，以及人口城鎮(zhèn)化*人口老齡化*人均可支配收入和人口城鎮(zhèn)化*人口老齡化*醫(yī)療技術(shù)水平。結(jié)果發(fā)現(xiàn)，模型具有顯著統(tǒng)計(jì)學(xué)意義，而且能解釋因變量90.4%的變異量;但通過檢驗(yàn)的交互項(xiàng)只有人口城鎮(zhèn)化*醫(yī)療技術(shù)水平（顯著性sig.=0.027<0.05）和人口城鎮(zhèn)化*人口老齡化*醫(yī)療技術(shù)水平（顯著性sig.=0.04<0.05）。這兩個(gè)交互效應(yīng)與組態(tài)B和組態(tài)C具有較大的一致性，都是人口城鎮(zhèn)化與醫(yī)療技術(shù)水平起到核心作用。可以看出，盡管兩種研究方法的思路、分析路徑、技術(shù)手段等截然不同，但主要研究結(jié)論還是比較穩(wěn)定的。

五、研究結(jié)論與政策建議

我國東、中、西部社會(huì)經(jīng)濟(jì)發(fā)展水平差異較大，同樣都面臨著醫(yī)療費(fèi)用快速增長的問題，但影響因素與路徑應(yīng)該存在較大差異。運(yùn)用fsQCA方法研究發(fā)現(xiàn)，引致全國31個(gè)省、市、自治區(qū)高醫(yī)療費(fèi)用的因素組合（條件組態(tài)）主要有三條路徑，可將其歸為兩類增長模式，即城鎮(zhèn)化推動(dòng)型和醫(yī)療技術(shù)推動(dòng)型。其中，城鎮(zhèn)化推動(dòng)型意味著人口城鎮(zhèn)化在三個(gè)路徑中都發(fā)揮著核心作用，在人均可支配收入、醫(yī)療需求誘導(dǎo)和醫(yī)療技術(shù)水平的配合下，能夠解釋不同的案例（省份）;而醫(yī)療技術(shù)推動(dòng)型則表明醫(yī)療需求誘導(dǎo)和技術(shù)進(jìn)步是僅次于人口城鎮(zhèn)化的重要條件。同時(shí)也發(fā)現(xiàn)，人口老齡化在這三個(gè)路徑中僅發(fā)揮著輔助性作用（組態(tài)C）或可有可無，并不影響結(jié)果（組態(tài)A和B）。不過，人口城鎮(zhèn)化是否包含了人口老齡化的效應(yīng)呢？相關(guān)分析顯示，它們的相關(guān)系數(shù)為0.508（顯著性sig.=0.004），因此后續(xù)研究還要深入探討這個(gè)問題。

《關(guān)于控制公立醫(yī)院醫(yī)療費(fèi)用不合理增長的若干意見》（國衛(wèi)體改發(fā)〔2015〕89號(hào)）也指出，醫(yī)療費(fèi)用不合理增長的突出表現(xiàn)是部分城市公立醫(yī)院醫(yī)療費(fèi)用總量增幅較大，藥品收入占比較大，大型醫(yī)用設(shè)備檢查治療和醫(yī)用耗材的收入占比增加較快，不合理就醫(yī)等導(dǎo)致的醫(yī)療服務(wù)總量增加較快等。本研究的政策含義不僅僅能夠?yàn)樵摗兑庖姟诽峁├碚摻忉?，更重要的是“多因并發(fā)”的代表案例（省份）意味著控費(fèi)政策要因地而異?，F(xiàn)實(shí)中，許多治理政策基于“凈效應(yīng)”研究而習(xí)慣于全國一刀切，形成了極具特色的“運(yùn)動(dòng)式”治理模式。結(jié)果往往是短時(shí)有效，傾力打造的“樣板”、“試點(diǎn)”也會(huì)水土不服，長期來看治理效果較差。本研究結(jié)論意味著各地要根據(jù)實(shí)際情況（尤其是城鎮(zhèn)化水平、醫(yī)療技術(shù)及醫(yī)療資源供給、醫(yī)療保障水平等）選擇不同的治理路徑。

本研究的局限性在于只選擇了截面數(shù)據(jù)，而醫(yī)療費(fèi)用增長更多地體現(xiàn)于一段時(shí)期內(nèi)，即時(shí)間序列的效應(yīng)。這是傳統(tǒng)QCA的局限性，近年來逐漸興起的時(shí)序定性比較分析（Time-Series QCA）能夠解決這個(gè)問題[46]。另外，由于篇幅和研究設(shè)計(jì)所限，沒有選擇某幾個(gè)代表性個(gè)案進(jìn)行因果過程追蹤研究，而這種質(zhì)性研究比QCA更加邏輯嚴(yán)密。未來研究不僅可以適當(dāng)調(diào)整條件變量的選擇，還可以選擇1998年、2003年、2008年、2015年等醫(yī)保改革的重要節(jié)點(diǎn)進(jìn)行時(shí)序定性比較分析。此外，針對某幾個(gè)代表性省份進(jìn)行個(gè)案研究，探討影響因素發(fā)揮效應(yīng)的微觀機(jī)制和過程也是十分必要的。

參考文獻(xiàn)：

[1]李相榮， 湯榕， 張晨曦， 等. 我國衛(wèi)生總費(fèi)用影響因素分析[J]. 衛(wèi)生軟科學(xué)， 2018（1）： 50-53.

[2]李樂樂， 楊燕綏. 人口老齡化對醫(yī)療費(fèi)用的影響研究——基于北京市的實(shí)證分析[J]. 社會(huì)保障研究， 2017（3）： 27-39.

[3]丁李路， 孫強(qiáng). 我國衛(wèi)生總費(fèi)用影響因素通徑分析[J]. 山東大學(xué)學(xué)報(bào)（醫(yī)學(xué)版）， 2015（12）： 86-89.

[4]王超群.老齡化是衛(wèi)生費(fèi)用增長的決定性因素嗎？[J]. 人口與經(jīng)濟(jì)， 2014（3）： 23-30.

[5]顏琰. 我國人均衛(wèi)生費(fèi)用的主成分分析[J]. 中國衛(wèi)生經(jīng)濟(jì)， 2017（12）： 43-45.

[6]李軍山. 我國醫(yī)療費(fèi)用增長的影響因素與控制研究[D]. 南京：南京航空航天大學(xué)， 2009：4.

[7]FISS?P C. Building better casual theories： a fuzzy set approach to typologies in organizational research[J]. Academy of Management Journal，2011， 549（2）： 393-420.

[8]伯努瓦·里豪克斯，查爾斯· C.拉金. QCA 設(shè)計(jì)原理與應(yīng)用[M]. 杜運(yùn)周，等譯. 北京：機(jī)械工業(yè)出版社，2017：7.

[9]RIHOUX?B， RAGIN C C. Configurational comparative methods： qualitative comparative analysis （QCA） and related techniques[M]. Thousand Oaks，CA：Sage Publication Inc.，2009：7.

[10]劉軍強(qiáng)， 劉凱， 曾益. 醫(yī)療費(fèi)用持續(xù)增長機(jī)制——基于歷史數(shù)據(jù)和田野資料的分析[J]. 中國社會(huì)科學(xué)， 2015（8）： 104-125，206-207.

[11]GROSSMAN M. On the concept of health capital and the demand for health[J].The Journal of Political Economy， 1972， 80（2）： 223-255.

[12]DE CLAUDIE?M， BRAM W， JOHAN P， et al.The effect of population aging on health expenditure growth： a critical review[J].European Journal of Aging， 2013， 4（10）： 353-361.

[13]Yasushi Iwamoto. Issues in Japanese health policy and medical expenditure[C]. The Second International Forum of the Collaboration Projects， Tokyo， 2001.

[14]ANDERSON G F， HUSSEY P S. Population aging： a comparison among industrialized countries[J]. Health Affairs， 2000， 19（3）： 191-203

[15]MAISONNEUVE C D L， MORENOSERRA R， MURTIN F， et al. The drivers of public health spending： integrating policies and institutions[M].Paris： OECD Publishing， 2016：1-42.

[16]王學(xué)義，張沖.中國人口年齡結(jié)構(gòu)與居民醫(yī)療保健消費(fèi)[J].統(tǒng)計(jì)研究，2013（3）：59-63.

[17]李靜.老齡化對居民醫(yī)療保健消費(fèi)支出增長的影響[J].衛(wèi)生經(jīng)濟(jì)研究，2016（6）：44-47.

[18]周少甫，范兆媛.年齡對醫(yī)療費(fèi)用增長的影響：基于分位數(shù)回歸模型的分析[J].中國衛(wèi)生經(jīng)濟(jì)，2016（6）：65-67.

[19]胡乃軍，楊燕綏，于淼.中國城鎮(zhèn)人口老齡化與城鎮(zhèn)居民消費(fèi)研究[J]. 人口學(xué)刊， 2014（5）： 61-71.

[20]李紅浪， 李麗清， 盧祖洵. 人口老齡化對衛(wèi)生費(fèi)用的影響及作用機(jī)理分析[J]. 江西社會(huì)科學(xué)， 2016（1）： 185-189.

[21]ZWEIFEL P， FELDER S， MEIERS M. Ageing of population and health care expenditure： a red herring？[J]. Health Economics， 1999， 8（6）： 485-496.

[22]蘭烯. 人口老齡化對醫(yī)療費(fèi)用的影響及其機(jī)制的實(shí)證研究[D]. 成都：西南財(cái)經(jīng)大學(xué)， 2014：35.

[23]閻竣， 陳玉萍.農(nóng)村老年人多占用醫(yī)療資源了嗎？——農(nóng)村醫(yī)療費(fèi)用年齡分布的政策含義[J]. 管理世界， 2010（5）： 91-95.

[24]楊燕綏， 張丹， 李樂樂. 公共政策視角的老齡化對醫(yī)療費(fèi)用影響及對策： 議“未老先衰”問題及改善[J]. 中國衛(wèi)生經(jīng)濟(jì)， 2016（12）： 5-10.

[25]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（6）： 54-55.

[26]封進(jìn)， 余央央， 樓平易. 醫(yī)療需求與中國醫(yī)療費(fèi)用增長——基于城鄉(xiāng)老年醫(yī)療支出差異的視角[J]. 中國社會(huì)科學(xué)， 2015（3）： 85-103，207.

[27]賈慧萍， 杜瑤， PETER C， 陳在余. 醫(yī)保全民覆蓋背景下居民醫(yī)療費(fèi)用的影響因素分析——基于2005—2014年省際面板數(shù)據(jù)分析[J]. 湖南農(nóng)業(yè)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版）， 2019（2）： 76-83.

[28]楊昕，左學(xué)金，王美鳳.前瞻年齡視角下的人口老齡化及其對我國醫(yī)療費(fèi)用的影響[J].人口研究，2018（2）：84-98.

[29]楊燕綏， 妥宏武. 衛(wèi)生費(fèi)用增長控制與醫(yī)療保障治理機(jī)制研究——基于全國與省際數(shù)據(jù)的實(shí)證分析[J]. 國家行政學(xué)院學(xué)報(bào)， 2018（2）： 52-58.

[30]鄭喜洋， 申曙光. 財(cái)政衛(wèi)生支出： 提升健康與降低費(fèi)用——兼論企業(yè)醫(yī)保降費(fèi)[J]. 經(jīng)濟(jì)管理， 2019（1）： 5-21.

[31]何平平. 經(jīng)濟(jì)增長、人口老齡化與醫(yī)療費(fèi)用增長——中國數(shù)據(jù)的計(jì)量分析[J]. 財(cái)經(jīng)理論與實(shí)踐， 2006（2）： 90-94.

[32]鄭前明. 我國人口老齡化對衛(wèi)生總費(fèi)用增長的影響[D]. 成都：西南財(cái)經(jīng)大學(xué)， 2013：2.

[33]王文娟， 曹向陽. 增加醫(yī)療資源供給能否解決“看病貴”問題？——基于中國省際面板數(shù)據(jù)的分析[J]. 管理世界， 2016（6）： 98-106.

[34]謝明明， 王美嬌， 熊先軍. 道德風(fēng)險(xiǎn)還是醫(yī)療需求釋放？——醫(yī)療保險(xiǎn)與醫(yī)療費(fèi)用增長[J].保險(xiǎn)研究， 2016（1）： 102-112.

[35]方敏， 吳少龍. “新醫(yī)改”讓醫(yī)療費(fèi)用下降了嗎？——基于CHARLS對甘肅、浙江的追蹤數(shù)據(jù)[J]. 北京行政學(xué)院學(xué)報(bào)， 2017（6）： 18-27.

[36]萬筠，王佃利.中國鄰避沖突結(jié)果的影響因素研究——基于40個(gè)案例的模糊集定性比較分析[J].公共管理學(xué)報(bào)，2019（1）：66-76.

[37]RAGIN C C. Fuzzy-set social science[M]. Chicago： University of Chicago Press， 2000：19.

[38]杜運(yùn)周， 賈良定. 組態(tài)視角與定性比較分析（QCA）：管理學(xué)研究的一條新道路[J].管理世界， 2017（6）： 155-167.

[39]SCHNEIDER C Q， WAGEMANN C. Set-theoretic methods for the social sciences： a guide to qualitative comparative analysis[M]. Cambridge： Cambridge University Press， 2012：135.

[40]程建青，羅瑾璉，杜運(yùn)周，等.制度環(huán)境與心理認(rèn)知何時(shí)激活創(chuàng)業(yè)？——一個(gè)基于QCA方法的研究[J].科學(xué)與科學(xué)技術(shù)管理，2019（2）：114-131.

[41]SHIU Y M， CHIU M C. Re-estimating the demographic impact on health care expenditure： evidence from Taiwan[J]. The Geneva Papers on Risk and Insurance-?Issues and Practice，2008， 33（4）： 728-743.

[42]姚宇. 控費(fèi)機(jī)制與我國公立醫(yī)院的運(yùn)行邏輯[J]. 中國社會(huì)科學(xué)， 2014（12）： 60-80.

[43]張明，陳偉宏，藍(lán)海林.中國企業(yè)“憑什么”完全并購境外高新技術(shù)企業(yè)——基于94個(gè)案例的模糊集定性比較分析（fsQCA）[J].中國工業(yè)經(jīng)濟(jì)，2019（4）：117-135.

[44]李美時(shí)，姜斌.我省對欺詐騙保行為“零容忍”[N].黑龍江日報(bào)，2019-02-28（2）.

[45]胡蘇云. 新技術(shù)：拉升醫(yī)療費(fèi)用的主力[N]. 醫(yī)藥經(jīng)濟(jì)報(bào)， 2013-06-14（3）.

[46]AIRO H. Time-series QCA： studying temporal change through Boolean analysis[J]. Sociology Theory and Methods， 2009， 24（2）： 247-265.

[責(zé)任編輯?武?玉]