鲍莫尔“成本病”与“以药养医”：中国社会医疗成本快速增长，本文主要内容关键词为：莫尔论文,成本论文,快速增长论文,中国社会论文,医疗论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
中图分类号：C913 文献标识码：A 文章编号：1672-6162(2015)01-0084-12 1 引言 近年来，全社会医疗成本呈现过快增长态势。尤其在2006年医改后，按照《中国卫生统计年鉴》公布的数据，全国卫生总费用从9843亿元上涨至2012年的28914亿元，短短6年间上升至原来的3倍，占GDP比重从4.7%上升至5.57%。这种快速上升有政府支出增加的原因，也有医疗覆盖面扩大引致的家庭支出增长的原因。但不可否认的是，医疗服务价格的上涨、信息不对称导致的“被迫医疗”仍是普遍现象，“有病不医、因病致贫、医患关系紧张”等问题从未脱离社会关注的焦点。实际上，过快的医疗成本上升一定程度上吞噬了医疗改革所带来的社会福利增加。数据观察可以发现，政府支出增加并未降低家庭人均医疗费用支出。以2006年左右启动的“新农合”改革为例，政府希望提高医疗社保水平来降低家庭医疗成本负担，但改革后的家庭调查显示个人医疗负担并未降低。从图1看到，城镇居民家庭人均医疗支出占家庭消费的比例，2002年到2011年虽有所下降，但一直保持在7%左右，而农村从2005年的6.6%增加到2011年的8.37%。自2002年以来，政府人均医疗卫生支出逐年增长，但自2007年以后，增速有所放缓。由此可见随着政府医疗卫生支出的增加，城镇与农村居民医疗支出并未下降，反而负担有所加重。探究其主要原因则是长期以来医院创收机制并未得到根本解决，且随着政府投入增加，医院创收的基础和动力更大。同时，信息不对称导致的过度医疗、过度用药和过度检查的问题更加明显，这直接导致医疗卫生费用不断上升[1]。从图2可以看出，自2003年以来，我国医疗行业人均工资增长率大大超过了人均产出增长率和人均设备投入增长率。这表明我国医疗成本的增长在一定程度上是由于医疗行业自身人力成本过快增长导致的。 对于以上增长情况，国内多数研究认为家庭医疗支出的增长是由于政府支出增加，尤其是保险覆盖率提高起到了激励作用[2-8]。即人均医疗支出(尤其是农村家庭人均医疗支出)增长使被抑制的家庭医疗需求得到释放。然而，由于当前城乡家庭医疗支出差距巨大，若以城市统一医疗标准计算，整个社会医疗支出占GDP比重将不是5%左右而是15%以上，远超过发达国家的平均水平[1]。这意味着“看病贵”在我国并不仅是由于以往政府医疗成本分担份额过低所致，确实存在医疗行业的高成本问题。从卫生经济学文献和国外的实际情况看，过快的医疗费用增长对社会经济发展存在很大负面影响。首先，医疗卫生费用过快增长会推动社会整体人力资源成本上升，最终影响经济发展。其次，如果成本增长是由于药物过度使用造成的，则不仅浪费资源，更损害劳动力的长期健康发展，这种损害在长期内将表现为一代乃至几代劳动力的慢性病患病机理改变。另外，医疗支出的不正常增长，还会挤占医疗机构和地方政府的公共卫生和疾病预防资源。因此，在推进医疗体制改革的同时，国内的卫生经济学研究应关注当前医疗成本不合理增长对医疗总成本上升的影响。 为厘清医疗成本过快增长的真实原因，本文结合Baumol提出的服务业成本病理论、Hartwig和Colombier的实证研究方法[9-12]，以及中国医疗行业的治理现状，提出了中国社会医疗成本过快增长的“成本病”解释原因，采用实证研究给出了各因素对成本上升的影响。本文的创新之处包括：构造了“鲍莫尔病”变量，验证了其对医疗成本过快增长的因果关系；分解了人力资本过快增长对整体医疗成本上升的贡献率；验证了“过度用药”等“以药养医”现象的存在，并分解了其对医疗成本快速上升的影响。接下来，第二部分是关于社会医疗成本研究文献的回顾，并结合实际提出了本文的研究假设。第三部分是计量模型的构建及变量解释。第四部分则给出实证结果并进行了稳健性检验。最后，得出结论并提出了约束医疗行业“鲍莫尔成本病”的治理思路。
数据来源：《中国统计年鉴》(2003-2012)。 图1 2002-2011年我国家庭与政府人均医疗
数据来源：《中国卫生统计年鉴》(2003-2012)。 注：图2中所指工资是我国医疗部门人均工资，产出是指我国医疗卫生机构员工人均门诊和住院服务人数的总和，设备投入增长率是医疗卫生机构人均万元以上医疗设备投资额。 图2 2003-2011年我国医疗行业人均工资、人均产出及人均设备投入增长率 2 文献回顾与基本实证模型 社会医疗成本快速增长是卫生经济学的研究核心问题之一。其中，医疗技术进步被认为是引起社会医疗支出长期增长的基本动力。Baumgardner提出了医疗技术作为外生变量情况下的社会医疗消费模型。技术变化拓展了现有医疗范围，且技术进步对医疗支出具有双向作用，新技术在得到更好医疗效果的同时，也可能带来高额的消费支出[13]；另一方面，新技术在代替旧技术时，也可能缩短治疗时间，从而节省治理成本[14-16]。 除了医疗技术进步，收入增长被认为是医疗消费增加的重要原因之一。Ellis和McGuire研究显示，随着收入的增加，消费者的需求收入弹性将发生改变，增加的收入可能导致消费者对价格的提高不再敏感[17]。Weisbrod将技术进步、医疗支付制度、医疗质量和医疗消费支出联系起来[18]，认为医疗保险覆盖率的提高促使医疗需求增加，进而导致技术进步，技术进步又进一步引致需求增加[18-21]。以上研究可归纳为需求和供给两方面对社会医疗消费的影响。技术进步可理解为供给改变诱导了新的社会医疗需求。 然而，以上研究忽略了医疗行业的市场结构问题。Newhouse在控制技术进步因素的基础上观察了非技术进步因素对医疗成本的影响[22-23]。其研究结论认为，社会医疗成本过快增长的一个主要原因在于医疗市场结构的无效率(包括区域垄断、大型医疗机构垄断以及医疗服务的信息不对称等因素)。 后续的很多研究也证实非技术进步是医疗支出增长的主因之一[16]。如约四分之三的药物花费的增长源于消费数量增长而非消费价格上涨，医疗人员工资增长对医疗成本增长也构成了部分贡献[24]。 医疗服务的信息不对称和微观结构问题，意味着医疗部门可能获得了远超其服务成本的超额收入，而这部分收入转化为医疗人员的高薪酬。对服务部门人力成本过快增长的解释理论之一是Baumol提出的服务业“成本病”概念[9]。他认为服务业作为技术停滞部门，其服务相对价格呈不断上涨的趋势。且由于市场对于医疗或者教育服务的需求价格弹性较低，相对价格增长会直接导致社会支出的增长。Hartwig和Colombier提出了一个检验“鲍莫尔成本病”的实证框架[10-12]，即通过检验技术停滞部门的成本变动与其工资增长率和产出增长率之间差额的相关关系来验证鲍莫尔“成本病”理论，具体形式如下：
表示技术停滞部门的单位成本增长率，Hartwig将
定义为“鲍莫尔变量”，其中W为社会总体名义工资，Y为社会人均产值[10]。鲍莫尔变量意味着技术停滞部门(如医疗部门)由于生产效率没有提高，所以与技术增长部门相同的工资增长意味着不可接受的人力成本。因而，技术停滞部门单位成本的增长更大程度上是人力成本的增加所导致，而非生产力的提升。γ系数为正可表明鲍莫尔“成本病”存在。 由于本文聚焦于社会医疗成本的过快增长，将式(1)左边医疗成本的增长率做了更宽泛的定义，即不从部门产出衡量其产出成本，而将其定义为社会为医疗需求付出的成本增长率，即计算了家庭人均医疗支出与人均政府医疗卫生支出之和的增长率。针对中国的实际情况，在计算鲍莫尔变量中的生产率Y时，我们采用了数量产出而不用价值产出(即医均负担的门诊和住院病人数)。
根据式(2)形成了本研究的基本模型一，对应假设H1：医疗行业人员工资的非正常上涨是医疗成本上升的原因之一，即中国医疗行业存在鲍莫尔“成本病”。 3 社会医疗支出过快增长原因分析与实证模型扩展 从卫生经济学的文献看，社会医疗支出水平会随着家庭收入、政府医疗支出增加和医疗技术发展必然提高。除去家庭收入水平的影响，家庭成员健康意识增强、对系统的健康检查的重视，也会导致医疗消费占生活消费比例增大；医学科技水平的进步，新的医疗设备、医用材料、新药品的开发和应用也会增加医疗费用的支出；中国1990年代的改革加速了家庭收入差距的拉大，政府在医疗卫生支出方面的减少，都对家庭医疗消费产生了抑制作用，2006年以后的医疗公共支出的增加则改变了家庭的医疗消费的偏好；中国人口老龄化的加重，老年性疾病诊疗支出增多，也导致社会总体的医疗卫生成本上升。归纳起来，这些因素构成了医疗成本的正常上升的原因。因此，我们在模型(2)中加入以上因素作为控制变量，式(3)中新增的变量包括家庭收入增长率INC，收入差距变量GINI系数，医疗器械和药物工业销售额增加值PHAR，政府医疗卫生支出增长率PEXP，OLD为老龄人口比例，从而形成模型二的方程，假设H2：控制了收入等因素后，鲍莫尔变量仍是影响医疗成本上升的主要因素。
除去导致医疗成本上升的一般因素，由于“以药养医”情况的存在，中国的医疗行业产值受药物价格虚高影响很严重，实际上，中国医疗行业被广为诟病的“以药养医”现象也是构成社会医疗成本增加的原因。在利益驱动下，医生和医院更多地利用了专业信息不对称，在医疗过程中使用不必要的药物和医疗检测方法，如过多依赖实验室检查和特殊仪器的检查，过度使用抗生素等。同时，在药物使用上，更多地偏好采用《基本药物目录》以外的高价药物，过早地停用国家允许的医用材料，而使用进口医疗设备，再或过度使用医用材料。由此，医生的个人灰色收入和医院超额利润导致了非正常的社会医疗成本。除了药物的使用，另一个说明过度医疗推高医疗成本的现象是住院率的不合理增长。在一定社会条件下住院率指标通常是一个相对稳定的常数。但是近年来住院率指标出现了大幅增长，这也影响到了基本医疗保险基金的安全。 根据以上情况，我们对式(3)进行了扩展，增加了“以药养医”的成本病解释因素。式(4)中过度用药由于无法观测，变量OVER采用药物使用不良反应率代替，正常情况下这一比例应是稳定的，其增长率体现了过度用药的存在。HOSP为住院率，体现了过度治疗的倾向，由此形成了模型三，其假设H3：中国过快的医疗成本上升，除去“鲍莫尔病”因素外，还归结为“以药养医”。
针对以上实证模型，为验证因果关系一般需采用工具变量法，观察回归结果的稳健性。为此，我们进一步考察了影响“鲍莫尔病”的因素作为工具变量。“鲍莫尔病”体现的是医疗行业过快的人力成本上升(包括显性和隐性的工资)，国内相关研究对于其背后的原因有不同理解。一类观点认为医疗资源供给不足导致的市场竞争弱化是医疗服务价格虚高的原因，自然也是“以药养医”和“鲍莫尔病”的主因[25-26]。另一类则认为公立医院缺乏公共治理框架，以利润最大化为导向的医院无法反映公众的利益诉求，这是导致医疗成本快速上升的主因[27-28]。此外，医疗行业的人力成本上升也可能是由社会生活成本上升所致，本文分别选择了滞后1期的房地产价格作为鲍莫尔变量的工具变量，选择私立医院比例、二级乙等医院的比例、城市医疗人员比重作为“以药养医”代理变量的工具变量，进行两阶段最小二乘回归，以验证鲍莫尔变量和“以药养医”变量与社会总体医疗成本上升的因果关系。模型四方程如下：
之所以选择以上变量作为鲍莫尔变量的工具变量，首先是因为房价在过去10余年极大推动了工业和服务业成本的提高。其次，选择私立医院比例、二级乙等医院的比例、城市医疗人员比重主要根源于医疗行业的资源分布，而不合理的资源分布又推高了服务成本。如城市医疗机构注重向大规模、高技术方向发展，私立医院和高级别医院不仅特殊检查、特殊治疗、高档药品特别多，而且人工等成本较高，各种收费也较高，医保人次费相应增高。 4 变量定义与实证分析 4.1 数据说明与变量定义 本文以2002年至2011年分省面板数据为研究样本，并将变量数据对数化后进行一阶差分处理。由于西藏自治区部分数据缺失①，因此本文选取了除西藏自治区、香港特别行政区、澳门特别行政区和台湾省以外的30个省份共270个样本。医疗部门劳动力比重、医疗部门人均产出、二级乙等以上医院占医疗机构比重、公立医疗机构与民营医疗机构比重，以及城市医疗人员比重数据来源于《中国卫生统计年鉴》(2003-2012年)；人均医疗成本、医疗部门平均工资、人均收入数据来源于《中国统计年鉴》(2003-2012年)和《中国财政年鉴》(2003-2012年)；65岁以上老年人口占总人口比重、失业率、死亡率数据来源于《中国人口与就业统计年鉴》(2003-2012年)；上年同期平均房价增长率数据来源于《中国房地产统计年鉴》(2002-2011年)；鲍莫尔变量数据由医疗部门平均工资与医疗部门人均产出数据得出。根据田卫民(2012)关于基尼系数测算方法得出2002-2011年我国各省基尼系数[29]。 结合Granger等的研究[10-12，30-31]，本文以鲍莫尔变量和“以药养医”代表变量作为主要解释变量，对应的变量主要采用了对数增长率形式，变量定义如表1所示。 模型中各变量的描述性统计如表2所示，从表2可以看出，首先，2002年以来各省人均医疗成本增长较快，年均增长4.49%，且省际、年度差异较大，最大值为17.45%，而最小值仅为-3.94%。其次，就鲍莫尔变量而言，年均增长6.26%，这说明医疗部门平均工资增长率超过了医疗部门人均产出增长率，即医疗部门存在超越生产力水平的人力成本。另外，上年同期平均房价增长率均值为7.72%，这说明房价上涨所导致的人力成本也不断增长。公私医疗机构比重增长率和城市医疗人员比重增长率均值分别为6.27%和-3.57%，这说明民营医疗机构发展速度减缓以及医疗部门城乡差距有所缩小。 模型中各变量相关系数矩阵如表3所示。从表3可以看出，鲍莫尔变量与医疗部门劳动力比重和人均医疗成本增长率均在5%水平上具有显著的相关关系，但其相关程度仅为-0.17和0.15。平均房价、医疗机构等级、民营与公立医疗机构比重以及城市医疗人员比重与鲍莫尔变量均在1%水平上具有显著的相关关系，其相关系数分别为0.310、0.71、-0.47和0.49，而与医疗部门劳动力比重和人均医疗成本增长率相关程度不强，且在10%水平上不显著。 4.2 鲍莫尔“成本病”效应分析 根据Hausman检验，本文对模型一和模型二均采用面板数据固定效应模型。本文在所有的回归中都加入了控制时序固定效应和省别固定效应的虚拟变量②。同时，每个回归均比较个体时间趋势下的回归结果差异，以检验回归结果的稳健性。由于省份和年度虚拟变量较多，本文并未一一报告。 根据上述模型，本文对鲍莫尔变量对社会医疗成本增长的影响进行普通最小二乘估计(OLS)，回归结果如表4所示。 从表4的回归结果可以看出，鲍莫尔变量对社会总体医疗成本上升的影响在5%的显著性水平下为正，说明我国医疗部门确实存在鲍莫尔“成本病”，引入个体时间趋势后，鲍莫尔变量的系数和t统计量变化不大，说明这种相关关系在不同省份和不同时间都是稳健的。表4的回归结果可以看到，在不控制收入增加、政府支出增加等变量情况下，鲍莫尔变量的系数估计值为0.322，Colombier对OECD国家的鲍莫尔变量估计系数为0.109[12]，Laurie采用美国50个州估计的鲍莫尔变量系数为0.011[32]，对比可以发现鲍莫尔“成本病”对医疗成本的影响在OECD国家最严重，而我国则与美国的影响水平类似。
对比其他控制变量，65岁以上人口数代表着人口老龄化趋势，在Colombier对OECD国家估计中，对应的系数在0.253-0.386间[12]，本文中的估计值在0.201-0.363间，说明2002年以后中国人口的老龄化导致的医疗成本增加与同期的OECD国家类似。Baltagi估计的OECD国家1971-2004年的样本中，人均收入增加对医疗费用增加的系数为0.674-0.899[33]，表4中这一系数为0.59-0.71，也与OECD国家类似。 而当基尼系数增长较快时，社会医疗成本有所下降，其作用机制与贫困率及失业率类似，即贫困人口增加将导致这部分社会群体无法享受必需的医疗服务。 由于估计系数只能体现出边际弹性，未体现绝对影响。依据回归结果，将鲍莫尔变量的估计系数与原始鲍莫尔变量相乘，再与被解释变量取比值用于解释各省医疗行业员工工资增长率对整体社会医疗成本增长率的贡献份额，结果如表5所示。 根据表5，我国多数省份医疗行业员工工资增长率对整体社会医疗成本增长率的贡献率在8.3%-21.8%之间，进一步说明我国医疗行业存在超越生产效率的过快工资增长，人力资源成本的快速上涨构成了医疗成本上升的主要原因之一。
4.3 “以药养医”的“成本病”效应分析 在构建鲍莫尔变量时，测量医疗行业人均产出时采用了年度医均诊治病人数，未采用人均GDP是考虑中国医疗行业中特殊的“以药养医”机制在医药成本上升中的作用。进一步，采用过度用药和住院率作为代理变量表示“以药养医”的存在。从表4的回归结果看，这两个变量的回归系数通过了显著性检验。为说明这两个变量对医疗成本上升的影响，仿照鲍莫尔变量影响的分解，做了过度用药和住院率对医疗成本上升的影响。表6是住院率增长对医疗成本上升的贡献率，各省存在差异，总体水平在2.5%-6.46%间。不良药物反应率(过度用药)对成本的解释在1.99%-6.08%间(见表7)。
4.4 “鲍莫尔病”与“以药养医”影响的稳健性检验 根据式(5)及上文关于工具变量选择的解释，本文在工具变量的选择上，主要排除了鲍莫尔变量与社会医疗成本之间可能存在因果关系，或社会医疗成本和医疗行业人力成本过快增长可能共同受其他因素影响的情况。对于“以药养医”代理变量，其工具变量的选择主要考虑其受医疗资源社会配置的影响。表8给出了两阶段最小二乘回归第一阶段的回归结果，显示滞后1期的房价与医院等级、民营与公立医院比例对鲍默尔变量和“以药养医”代理变量有较好的解释能力，F统计量达到了0.8。因此，依次将上述变量引入模型，得到两阶段最小二乘回归结果如表9所示。
从表8的结果来看，可以得出以下结论：从鲍莫尔变量与房价的回归结果看，上年同期平均房价的系数均显著为正，这说明房价的上涨对“鲍莫尔变量”存在正向影响，因此可采用房价作为“鲍莫尔变量”的工具变量。从不良药物反应率与医疗资源分布变量回归结果看，医院等级变量对不良药物反应率的解释程度为0.802，这说明大型医疗机构的集中扩大了医疗行业的过度用药“成本病”。大型医疗机构对员工的要求更高，相应地员工得到的收入越多，加之行业的纵向垄断所带来的信息不对称和市场定价问题直接影响社会医疗成本的增长。这一结果支持了假设2。从住院率与医疗资源分布变量回归结果看，医疗资源分布变量对住院率变量的影响R[2]显示为0.859，这说明加强医疗行业的资源集中提高了住院率。因此，可以选择医疗资源分布作为“以药养医”变量的工具变量。 我们分别将式(5)中具有内生性的变量采用工具变量后带入方程，得到了表9中的回归结果。表9中的Anderson Canon LM统计量和Cragg-Donald Wald F统计量分别针对了工具变量有效性问题和弱工具变量问题，在回归结果中都大于1O%显著性水平的临界值，说明工具变量与被工具变量有较好的相关性，即工具变量有效。根据Sargan检验结果用以处理工具变量的过度识别问题，由于“鲍莫尔变量”仅有“房价”1个工具变量，不存在过度识别问题。而后面两个“以药养医”的代理变量的Sargan检验值说明工具变量的选择恰当。表9的回归结果表明鲍莫尔变量对社会医疗成本增长具有十分显著的正效应。相较于OLS回归结果鲍莫尔变量系数，采用工具变量法的2SLS回归结果鲍莫尔变量系数在0.169-0.267之间，且系数通过了显著性水平检验。对“以药养医”的两个代理变量也采用工具变量法，系数分别为0.934和0.0086。这也说明两个变量对医疗成本上升解释能力的稳健性。 5 结论及政策建议 通过上文的实证研究，可以得到以下结论：(1)在2002-2011年间，医疗行业存在超过生产率提高的工资过快增长，即存在“鲍莫尔”成本病。并且鲍莫尔成本病对社会医疗成本上升有相当大的影响，其贡献率在8.3%-21.8%之间。(2)采用不良药物反应率和住院率过快增长反映出医疗行业确实存在“以药养医”的现象。实证结果支持了相关变量对社会医疗成本上升的影响，分解的效应显示其贡献率分别在2.5%-6.46%和1.99%-6.08%间。(3)两阶段最小二乘回归，证实了以上变量对社会医疗成本上升存在稳健的因果关系。从“以药养医”代理变量的两阶段最小二乘回归第一阶段的回归结果看，医疗资源集中加剧了医疗行业的区域垄断，进而使得“以药养医”更趋严重。 根据上述结论，结合当前医疗卫生体系改革的实践经验，针对中国医疗行业的鲍莫尔“成本病”的成因，提出以下治理建议： (1)依靠医疗管理机构，规范公立医院薪酬总额。从上文的论述看，中国医疗行业的确存在“鲍莫尔成本病”。总体而言，超过工作效率提升的医疗行业工资水平上升构成了社会医疗成本上升，在不同省份表现为8.3%-21.8%。由于我国大多数医院具有公立事业单位性质，因此，作为公共部门的医院其薪酬标准应受到监督。早在2009年国务院发布了《关于深化医药卫生体系改革的意见》，并形成了《医药卫生体制改革近期重点实施方案(2009-2011)》，提出了完成分配激励机制、严格工资总额管理等指导意见。此后，2011年《新医院财务制度》要求医院详细核算福利费用等项目，并细化二级科室的收支核算。但由于各地生活水平的差异和医院财务信息披露不完备，医疗主管机构对当地医院的工资(含绩效工资)和福利费用的监控存在“软化”现象。未来的改革要求更高层次的法规，明确医疗管理机构对医院的薪酬总额监控责任，并依据各地生活水平要求管理机构划定薪酬最高上限。 (2)加强医疗机构成本核算，改善财政补贴方式。从本文选择的“以药养医”代理变量的回归结果看，“以药养医”的形式通过诱导过度医疗行为，构成了社会医疗成本上升的原因之一。为了改变“以药养医”的现状，从医院治理角度出发，应加强医疗机构项目成本核算工作，特别是药品成本、设备成本与人力成本核算，定期编制并公开成本核算数据，根据成本核算结果制定财政补贴计划。同时，地方政府机构定期或不定期对医疗财政补贴使用情况进行审计，完善监督制度，完善信息披露机制，一方面建立统一的信息公开平台，包括线上信息公开网站和线下信息公开专栏；另一方面，公开基本药物标准，包括疾病与对应药物等级标准、收费标准等。医疗收费透明化可以让患者更清晰地了解医疗成本的构成，也更理智地选择医疗服务。 (3)平衡医疗资源分布，降低区域内医疗资源的供需矛盾。“以药养医”形成还与医疗服务供需资源分布不平衡有关。按照《中国卫生年鉴》2004-2013统计数据，全国的医疗资源70%集中在大城市，在大城市中，80%又集中在国家大医院，这导致了农村患者得了大病需要到城市就诊，城市市民也一般习惯到大医院就诊。由于这些大医院医疗资源有限，区域内的垄断地位为其提高服务价格提供了可能，这实际加剧了整个社会的医疗成本负担。未来，需要平衡城乡间、大城市与中小城市间的医疗卫生资源，并支持非赢利性民营医院发展。通过增加市场供给，削弱“鲍莫尔成本病”及“以药养医”。 ①西藏自治区医疗机构人均门诊和住院人数、二级乙等及以上等级医疗机构数量等数据缺失，故剔除此样本。 ②加入控制时序固定效应和省别固定效应的虚拟变量可以使得回归结果更加稳健。
标签：医疗论文; 以药养医论文; 过度医疗论文; 人力成本论文; 工具变量论文; 政府支出论文; 回归模型论文; 中国资源论文; 社会因素论文; 解释变量论文;
鲍莫尔的“成本病”与“以药养药”：中国社会医疗成本的快速增长_医疗论文
下载Doc文档