社会经济地位的变化和医疗服务的不平等利用：2000/2011年_回归模型论文

社会经济地位变迁与医疗服务利用不平等：2000-2011，本文主要内容关键词为：社会经济论文,医疗服务论文,不平等论文,地位论文，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(2016)02-0107-12

      1 引言

      在我国，医疗服务利用不平等普遍存在[1-2]。而社会经济地位在健康和医疗服务利用不平等方面扮演着重要角色。随着医疗卫生费用的大幅增长、医疗卫生资源短缺及配置不合理等情况的出现，详细研究我国医疗服务利用不平等的成因，特别是社会经济地位差距在其中扮演何种角色，以及社会经济地位是如何影响医疗服务利用不平等的，并在此基础上提出合理、切实可行的改善措施具有重要的现实意义。

      当前，系统、深入分析我国居民社会经济地位与医疗服务利用不平等之间关系的文献相对较少。现有文献主要从两个方面涉及该问题：其一是以医疗服务利用不平等为着眼点，对其影响因素进行分析研究[3-5]；其二是分析社会经济地位指标对医疗服务利用不平等的影响，主要是收入指标[6-7]。无论是从上述哪个方面，集中指数(Concentration Index)是衡量医疗服务利用不平等的常用方法。但该方法存在一定的技术缺陷，即集中指数仅能考察医疗服务利用与某个单一因素相关的不平等，如与收入或教育，探讨的仅是不平等中与收入相关的部分，不是全部的不平等，且与收入相关的集中指数和与教育相关的集中指数不能进行横向比较。

      鉴于此，本文要讨论的核心话题有两个：其一是了解我国居民医疗服务利用不平等的成因，其二是社会经济地位如何影响医疗服务利用不平等，或者说在医疗服务利用不平等中社会经济地位扮演何种角色。这涉及到两个非常重要的问题。一个是不平等指数的选择，我们选择了最常用且具有一定经济含义的基尼系数(Gini Coefficient)；一个是在既定不平等指数的情况下如何对医疗服务利用不平等进行分解，我们选择了新近发展起来的基于回归的夏普里值分解方法(Shapley Value Decomposition)。

      夏普里值分解方法在收入差距分解领域应用非常广泛[8-9]，与其他分解方法相比，不仅对不平等指标的选取和模型的形式没有限制，而且理论上只要是能够量化的因素都可以作为自变量加入到模型中[10]。当前健康和医疗服务利用领域的不平等问题，越来越引起人们的普遍关注，但到目前为止，笔者还没有发现利用该方法研究健康或医疗服务利用不平等的相关文献。因此，本文将尝试利用该方法探讨我国居民医疗服务利用不平等成因，并重点分析社会经济地位对居民医疗服务利用不平等的影响。需要强调的是，夏普里值分解不是研究单一因素对医疗服务利用不平等的贡献，而是从全局的视角分析所有影响因素，并能在各因素间进行比较，这也是该方法得以广泛应用的主要原因。本文在控制了年龄、性别、婚姻、健康状况等因素贡献的情况下，重点分析社会经济地位对医疗服务利用不平等的贡献，有助于了解医疗服务利用在社会经济地位方面的真实差距。

      此外，由于个体在医疗服务消费过程中存在自选择行为，医疗消费支出成了受限因变量，因此不再服从正态分布(如图1所示)，普通最小二乘法(OLS)的估计结果不再一致。为了解决这一问题，我们针对医疗消费支出分别建立了Tobit模型和两部模型(Two-Part Model)，并进行了多种形式的回归以确保结果的稳健性。为了剔除不可观测效应的影响，我们在分析中采用面板结构数据。

      2 文献回顾

      正如引言中所述，当前分析我国居民医疗服务利用不平等，特别是与社会经济地位相关的不平等，主要是利用集中指数。赵郁馨等利用间接标准化方法和集中指数测量了甘肃省居民医疗服务利用公平状况，结果表明无论是门诊服务还是住院服务都向富人倾斜[6]。陈璐等通过集中指数和集中曲线发现上海郊区不同收入人群的医疗服务利用存在不公平现象[7]。许东霞等利用集中指数研究了2010年新疆生产建设兵团15岁及以上居民不同收入人群间门诊服务和住院服务利用的公平性，结果发现住院服务利用在不同收入人群间差距更大[11]。进一步，解垩、齐良书和李子奈对与收入相关的医疗服务利用不平等及其流动性进行了分解。前者分析了收入、教育、职业、年龄等因素对与收入相关的医疗服务利用不平等的贡献，结果发现以住院天数衡量的医疗服务利用在某些年份存在亲富人的现象[4]；后者利用面板数据分析了与收入相关的医疗服务利用的流动性，其中以住院概率衡量的医疗服务利用的变动在2004年以前有利于高收入者，在2004年后有利于低收入者[5]。此外，还有学者利用半参数方法实证检验当前中国不同收入阶层间的医疗服务利用不平等[3]。

      总的来说，现有关于社会经济地位与医疗服务利用不平等的研究存在两个问题：第一，是对医疗服务利用不平等的考察不够全面，集中指数仅计算了与收入相关的不平等；第二，没有系统、深入分析社会经济地位对医疗服务利用不平等的影响，除收入外，社会经济地位指标还包括教育、职业，但关于教育和职业对医疗服务利用不平等影响鲜有研究。虽然杨晓忠、边荣江和姜艳分析了糖尿病患者的社会经济地位与其直接医疗费用的关系，但仅以糖尿病患者为研究对象，范围较窄[12]。为了弥补上述文献的不足，本文将在CHNS数据的基础上，利用新近发展起来的夏普里值分解方法系统地分析社会经济地位对我国居民医疗服务利用不平等的影响，并对其相对重要性进行细致的比较。

      

      注：图中曲线为核密度曲线。

      图1 医疗消费支出对数直方图

      3 数据介绍与变量说明

      3.1 数据介绍

      中国健康与营养调查(China Health and Nutrition Survey，简称CHNS)是由美国北卡罗莱纳大学人口中心(The Carolina Population Center at the University of North Carolina at Chapel Hill)和中国疾病预防控制中心营养与食品安全所(原中国预防医学科学院营养与食品卫生研究所)联合进行的一项纵向调查，始于1989年，每隔2～4年进行一次，共9次，最近一次为2011年。该调查涉及到社区、家庭、个体三个层面的信息，涵盖了人口统计学特征、社会经济状况、健康状况、医疗保险和医疗服务利用、膳食结构与营养状况、居住环境等内容。CHNS数据不仅能够描述和分析我国居民营养状况、膳食结构、饮食行为和生活方式的变迁，并以此制定相关的营养政策和标准[13]，同时还能够分析我国居民的健康状况、慢性病病因、医疗服务利用，为疾病预防、卫生费用控制提供依据。

      本文选取2000年、2004年、2006年、2009年和2011年5年的CHNS面板数据，详细分析我国居民社会经济地位对医疗服务利用及其不平等的影响。考虑到儿童与成人之间在健康和影响健康的因素方面具有天然的差别，故本文只选择了18岁及以上的成人样本。为了反映收入对医疗服务利用的真实影响关系，本文利用CPI指数对医疗消费支出和家庭人均收入进行了价格调整。表1给出了样本的描述性统计。

      3.2 变量说明

      3.2.1 因变量和关键自变量

      医疗消费支出是反映居民医疗需求和医疗服务利用状况的重要变量，一方面，医疗服务的消费统一于货币价值便于比较、判断；另一方面，从消费个体的角度，医疗消费支出的多少是人们能够直观感受到、易于理解且能被普遍接受的。因此本文选择“个体在过去四周实际医疗消费支出”作为医疗服务利用状况的衡量指标。此外，医疗消费支出为连续性数值变量便于不平等指数的计算。

      本文的关键自变量是社会经济地位。社会经济地位内涵复杂，难以准确测量[14]，教育、收入和职业是最常用的指标。本文中包含了两个教育指标，一个是连续变量以年数衡量的教育水平，一个是分类变量教育程度，前者主要应用于回归分析和夏普里值分解，后者用于医疗服务利用不平等的组群分解(Decomposition by Groups)。为了体现家庭医疗支出的共担性，我们选择家庭人均收入作为收入的衡量指标，同样基于组群分解的需要，我们还增加了收入等级分类变量。关于职业指标，李路路[15]和齐良书[14]指出，当前最能集中体现我国居民社会经济地位特征的是职业。因此，本文在CHNS数据的基础上构建了职业哑变量，同时考虑到“是否参加非农”工作因素对医疗服务利用不平等也具有显著的影响作用，我们把根据“是否参加非农工作”生成的工作状况哑变量归入到了广义的职业指标当中。具体变量说明见表2。需要说明的是，Zhu & Xie[16]和焦开山[17]也尝试把户口因素作为衡量社会经济地位的指标，但这一做法具有一定的争议性。本文未采用这一做法，但可喜的是，下文夏普里值分解中同样报告了城乡即户口因素等控制变量的贡献，对社会经济地位贡献的计算仅仅是相应衡量指标的简单加总，持不同观点的学者可按照分解结果自行计算，这也是夏普里值分解的显著优点。

      3.2.2 控制变量

      除关键自变量外，医疗消费支出模型中还包括了年龄、性别、婚姻状况、疾病严重程度、城乡、地区、到达最近医疗机构距离、医疗保险等控制变量。此外，文中还利用年度哑变量控制随时间变动因素的影响。具体的变量说明和描述性统计见表2。

      4 模型与方法

      在现实生活中，我们关心的很多问题都是受限因变量问题，比如宏观上国家对外援助和国防建设(如是否需要建设航母以及建设多少航母)问题，微观上企业新能源战略投资和工厂选址问题、女性工资问题、子女受教育问题、香烟消费和保险消费问题，以及本文特别关心的医疗服务利用问题等。这类问题既与我们日常生活息息相关，也涉及到国家战略部署决策。Tobin[18]最早对此类问题进行了深入研究，为了纪念其贡献，此类因变量受限、存在选择行为的模型被称之为Tobit模型。Tobit模型的重点是研究某类选择行为下，连续变量变动问题。

      

      

      除Tobit模型以外，另一种研究受限因变量问题的有效方法是两部模型，周华林[19]对Tobit模型及其与两部模型的区别进行了详细的综述分析，但二者在实证应用中并没有显著的优劣之分[20]。为了提高本文实证结果的可信度，我们分别建立了医疗消费支出Tobit模型和两部模型，并对其结果进行了比较。为了剔除不可观测效应(Unobserved Effect)的影响，我们采用了面板结构数据。

      4.1 面板Tobit模型

      假定模型中存在个体不可观测效应，则Tobit模型可写成：

      

      其中，

表示医疗消费支出对数，当医疗支出为零时其值取零；

为不同时点不同个体的社会经济地位指标，其对应的回归系数ρ为本文关注的焦点；

为不同时点不同个体的年龄、性别、婚姻状况、疾病严重程度等控制变量，

包含所有t的

。回归结果若拒绝“

”检验，则表明个体存在异质性，需要进行面板Tobit回归，否则可采用混合Tobit回归。但是混合Tobit回归对分布的依赖性很强，当扰动项存在异方差时，MLE估计将不再一致。为避免这一问题，我们在回归时采用了两种策略，一是使用聚类稳健标准误，二是采用更稳健的归并最小离差法(CLAD)。而面板Tobit回归中，我们使用的是利用自助法(Bootstrap)得到的自助标准误。

      4.2 两部模型

      两部模型[21]假定第一部分选择模型和第二部分支出模型相互独立，即是否消费医疗服务(“选择效应”)和消费多少医疗服务(“支出效应”)两个决策是相互独立的。考虑对本文的数据结构特点，选择模型利用所有样本数据进行面板Probit估计，支出模型则利用医疗消费支出大于零的样本进行面板回归估计。

      选择模型：

      当医疗消费支出大于0时，

=1，否则

=0。X为影响选择行为的解释变量向量，包括除社会经济地位外的年龄、性别、婚姻状况、疾病严重程度等，α为对应的参数向量。

      支出模型：

      其中

。由此可见，式(3)反映的是解释变量与医疗消费支出条件期望之间的关系。

      4.3 基于回归的夏普里值分解

      假定上述支出模型的回归结果为：

      

      其中，

为回归方程的方差估计值。因为本文采用最常用的基尼系数作为不平等的衡量指标，且其计算和分解均按年份进行，故年度哑变量在分解时就相当于常数项，而常数项的贡献通常不予考虑。

      根据“之前—之后(Before-After)”原理[22]，残差项的贡献为：

      

      社会经济地位指标和其它控制变量的贡献可以利用Shorrocks[23]提出的夏普里值计算。最终有等式：

      

      进一步计算，可以得出各解释变量和残差的贡献率(PC)，即：

      

      显然，收入、教育、职业等社会经济地位不仅影响医疗服务利用不平等程度，而且社会经济地位的变迁对医疗服务利用不平等的演变也具有直接的影响作用。因此，需要对医疗服务利用不平等的演变进行分解。假定s、t为两个时期，且有s＜t，则两时期间的医疗服务利用不平等变动的分解，可利用式(7)求得：

      

      社会经济地位等各因素变动对医疗服务利用不平等演变的贡献率可参照式(8)计算。

      5 实证结果与分析

      5.1 医疗服务利用不平等的组群分解

      不平等的组群分解是探讨社会经济地位对我国居民医疗服务利用不平等影响的一种方式。该方法最早可追溯到20世纪60年代，有许多学者从不同的角度对其进行了论述和发展[24-27]。徐宽[28]和万广华[29]分别对基尼系数的发展和不平等的分解进行了详细的综述分析。当前大多数研究都采用Shorrocks提出的分解方法[9]，本文以此方法得到的分解结果包含组间贡献(Between-group)、组内贡献(Within-group)和残差项(Residual)三个部分。

      基于不平等的组群分解，本文首先估计了教育程度、收入等级、职业和工作状况对我国居民医疗服务利用不平等的贡献率，初步识别出社会经济地位对医疗服务利用不平等的效应，并与夏普里值分解结果进行对比分析。

      5.1.1 按教育程度分组的医疗服务利用不平等分解

      教育对医疗服务利用不平等的影响主要体现在健康认知和获得医疗信息的能力方面。从表3我们可以看出，组内差异对医疗服务利用不平等的贡献约为29.52%～41.98%，其中小学及以下组解释了不平等的15.06%～34.8%，其后依次是初中、高中及同等学历、大学专科及以上。随着教育程度的提高，医疗服务利用在各组内的差距越来越小，在大学专科及以上组的相对差距低于1%。组间差异的贡献呈现波动上升的趋势，2000年仅占总体医疗服务利用不平等的8.94%，2011年上升到13.51%。

      5.1.2 按收入等级分组的医疗服务利用不平等分解

      在解释社会经济地位与医疗服务利用不平等的关系时，现有多数文献关注的焦点是与收入相关的医疗服务利用不平等。正如两部模型中指出的，收入无论是在是否消费医疗服务的选择上还是消费多少医疗服务的决定上都起着至关重要甚至是决定性的作用。

      表4表明，2000年收入组间差异解释40%的医疗服务利用不平等，此后不断下降，到2011年仅为20%，降幅达到一半；组内差异的贡献由2000年的18.07%增加到2011年的25.5%，超过了2011年的组间差异。这主要得益于最高收入组内差异在2011年的大幅增加。

      

      5.1.3 按职业分组的医疗服务利用不平等分解

      显然，从职业的角度来看，我国居民医疗服务利用不平等主要体现在农民、渔民和猎人之间，从事其他职业的群体对不平等的贡献最高仅为5.85%，大大小于前者的54.63%～76.02%。同时，两组之间的差异仅仅解释了总体不平等的9.38%～17.5%，且这种解释力随时间的推进而减少(如表5)。

      如果按照是否参加非农工作进行分组，可以看出，组内差异和组间差异基本相当，约为50%左右，后者稍强。组内差异中，无非农工作组解释了医疗服务利用不平等的29.69%～41.56%，有非农工作组则解释了11.39%～18.68%，表现为“此消彼长”的趋势(如表6)。

      总的来看，我国居民医疗服务利用在收入和工作状况间的不平等相比于在教育、职业类型间的不平等更加显著。或者说，粗略来看，收入、工作状况因素对医疗服务利用不平等的影响明显高于教育和职业类型。这与下文夏普里值分解的结果一致(如表9所示)。夏普里值分解与组群分解方法相比，前者的结论更加精确，且从年度变化趋势来看，比组群分解的结果更为平稳。

      5.2 医疗服务利用不平等的夏普里值分解

      上文中，我们利用了不平等的组群分解方法，简单地估算了社会经济地位中教育、收入、职业和工作状况等指标分别对医疗服务利用不平等的贡献，但是该方法不能精确地估计出各因素在医疗服务利用总体不平等中的相对重要性[9]，即不平等的组群分解不能在控制其它影响因素的情况下，了解单一因素对总体不平等的贡献。为实现这一目标，我们将采用新近发展起来的基于回归的夏普里值分解对医疗服务利用不平等进行深入分析。

      夏普里值分解的基础是对回归模型的选取，为了尽可能得到更准确的回归系数，我们将根据样本的数据特征，采用多种方法进行建模，并对结果进行比较分析。

      

      

      5.2.1 医疗消费支出模型回归结果及分析

      表7报告了利用OLS、混合Tobit模型、CLAD方法、面板Tobit模型和两部模型的回归结果。首先可以看出，五种回归结果中，各控制变量的结果大致相同，但关键自变量社会经济地位指标的差异较大，这表明社会经济地位对医疗服务利用的选择效应要高于其他因素。比较OLS与混合Tobit模型可知，逆米尔斯比(Inverse Mills Ratio)为1.959，在1%的水平下通过显著性检验，因此模型中的医疗消费支出为受限因变量，样本数据出现了归并(Censored)现象，OLS估计不能得到一致估计量。考虑到不可观测效应，我们进行面板Tobit回归，结果表明不可观测效应方差显著不为零，即不可观测效应存在，个体间存在异质性。但Tobit模型的估计系数与OLS不能直接进行比较，因为Tobit估计的系数刻画的是自变量与潜变量(Latent Variable)之间的关系，通常没有明确的经济含义[30-31]。因此，表7中还给出了两部模型的回归结果，虽然Leung指出Tobit模型和两部模型没有显著的优劣之分[20]，但后者胜于能够区分出各自变量对医疗消费的选择效应(是否消费医疗服务)和支出效应(消费多少医疗服务)，且回归系数具有明显的经济含义。

      从显著性角度来看，五种回归结果表明，教育、收入、职业和工作状况对医疗消费支出的影响基本在1%或10%的水平下通过t检验，且教育和收入的系数为正，职业和工作状况的系数为负，与预期一致。从影响程度大小来看，两部模型显示，在其他因素不变的情况下，个体受教育水平每增加1年，其医疗消费支出增加4%；家庭人均收入每提高1%，相应的医疗消费支出增加0.148%；第一职业为农民、渔民或猎人比其他职业类型的个体，医疗消费支出约少30%；从事非农工作比不从事非农工作的个体，相应的医疗消费支出约少34.1%。

      从就医概率的角度来看，只有收入和“疾病严重程度：相当重(不严重为参照)”的系数在1%的水平下显著，在其他因素不变的情况下，家庭人均收入每增加1%，则就医概率将增加0.582%，而如果个体患有相当重的疾病，其就医概率比不严重要高78.5%。这表明就医选择行为主要受疾病严重程度和收入水平的影响，且前者的作用更明显。

      其他控制变量，除性别、城乡外，均在1%或5%的水平下显著。城乡因素在两部模型的支出模型中也具有显著性的表现。在其他因素不变的情况下，城镇居民比农村居民平均多花费16.3%的医疗支出，东中部地区和西部地区的差距更大，前者的医疗支出比后者高约35.3%。参保群体的医疗支出与未参保群体之间的差距也比较明显，前者比后者高31%，这表明医疗保险制度显著增加了人们的医疗服务利用水平。年龄对医疗服务利用的影响与预期一致，具体来看，年龄每增加1岁，医疗消费支出将增加1.1%。医疗支出在性别间没有显著差别，但在婚群体的医疗支出要普遍高于非在婚个体。进一步从医疗服务供给来看，到达最近医疗机构的距离越远医疗消费支出越高，距离每增加1分钟路程，则医疗消费支出将增加0.8%。

      

      

      5.2.2 基于回归的夏普里值分解

      上述回归结果表明，社会经济地位对医疗服务利用水平具有显著的影响作用，但仅分析均值水平上的差异，不够全面，且因分析方法的不同，各影响系数具有一定的差别。为了充分体现社会经济地位的重要性，我们在表8中分别给出了基于面板Tobit模型和两部模型的夏普里值分解结果。此外，为了提高运算效率，我们根据Roemer的机会平等理论，将年龄、性别、疾病严重程度等合并成需要变量[2，32-33]。

      从两个模型分解结果的比较来看，社会经济地位指标贡献的差距稍大，在面板Tobit模型中收入的贡献约是两部模型中收入贡献的4倍，但教育和职业的贡献仅相当于两部模型中的一半。工作状况和其他控制变量的差距并没有这么明显。因为两部模型的回归系数具有明显的经济含义，且分离出了各影响因素的选择效应和支出效应，因此我们对夏普里值分解结果的分析以及下文对不平等演变的分解主要基于两部模型。面板Tobit模型的分解结果在比较各因素的相对重要性时，才显得非常重要。

      毫无疑问，年龄、性别、疾病严重程度等需要类变量是影响我国居民医疗服务利用不平等最重要的因素，其在2000-2011年的相对贡献率为27.99%～34.84%，约占总不平等的三分之一，表现一定的下降趋势。到达最近医疗机构的距离在某种程度上衡量了医疗服务的供给能力或者说医疗服务的可及性和医疗服务的价格，正的回归系数表明医疗服务价格的影响要大于可及性的影响，从不平等的贡献来看，其对总医疗服务利用不平等的影响变动较大，2000年其相对贡献率仅为6.34%，2004年上升到了17.23%，之后的2006年和2009年又分别下降到了7.92%和4.95%，但2011年再次上升到了16.94%。

      社会经济地位指标中的收入因素的影响也比较显著，在进入21世纪后的第一个十年中，虽有变动，但其绝对贡献额约为0.04，相对贡献率基本上处于5%左右。教育水平的贡献略小于收入，相对贡献率约为3.5%。相对来说，职业的贡献变动比较明显，其绝对贡献额由2000年的0.03下降到2011年的0.019，相应的贡献率分别为3.45%和2.25%，且波动较大。是否参加非农工作也带来了医疗服务利用的显著差距，其在医疗服务利用不平等中的相对重要程度约为3%～4.32%。

      我国居民医疗服务利用在东中部和西部地区之间的差距要大于在城乡间的差距，表8中的数据显示，地区对医疗服务利用不平等的相对贡献率约为2.73%～3.55%，具有一定的波动，相比而言，城乡的平均相对贡献率仅为1.4%，且没有太大变动。医疗保险的贡献率在2000-2004年均超过3%，之后大幅下降，2009年仅为1.68%，2011年最低为0.42%，很明显，这主要是因为2009年和2011年基本医疗保险参保率的大幅提升，国务院医改办《深化医药卫生体制改革三年总结报告》显示2011年我国三项基本医疗保险覆盖率超过了95%。可以看出，婚姻状况对我国居民医疗服务利用不平等影响最小，其相对贡献率均在1%以下，且处于加速下降趋势。

      图2更清晰地给出了社会经济地位变迁对医疗服务利用不平等的影响。总的来看，社会经济地位是除需要类变量外，最为重要的影响因素，对医疗服务利用不平等的平均贡献率为15.2%，最高达到2006年的17.2%。从具体指标来看，依大小排序分别为收入、工作状况、教育和职业。

      相比于社会经济地位对医疗服务利用不平等的贡献，我们对社会经济地位指标在所有影响因素中的相对重要性更感兴趣。根据表8中夏普里值分解的结果，本文对各因素的相对贡献率大小进行了排序，见表9。其中每一个单元格内前后两个数字分别表示该因素在面板Tobit模型分解和两部模型分解中的相对贡献率排序。

      

      在两种模型的分解结果中，社会经济地位指标和各控制变量的相对重要性差距并不太大。具体来看，需要类变量的贡献始终排在第一位，而社会经济地位指标中的收入基本排在第二、三位，是非常重要的因素，工作状况大致处于第四的位置，仅在2004年两部模型的结果中排在第七位，教育和职业的相对重要性较小，分别排在第七和八位前后。这表明，社会经济地位中收入相对比较重要，教育和职业对医疗服务利用不平等来说相对不那么重要。医疗机构距离因素的重要性与收入大致相当，二者在第二、三位相互“争夺”。地区和医疗保险是排在中等重要位置的变量，但医疗保险在2009年后下滑比较明显，到2011年排在了最后两位。城乡和婚姻状况因素是最不重要的因素，始终处于最末位，换句话说，我国居民医疗服务利用在城乡和婚姻之间不存在明显差距。

      5.3 医疗服务利用不平等演变分解：2000-2011

      在两部模型结果的基础上，我们按照式(9)的方法对2000-2011年医疗服务利用不平等的演变进行分解，结果见下表10。

      

      图2 社会经济地位对医疗消费支出不平等的相对贡献率(两部模型)

      

      除2004-2006年外，其它各时期总基尼系数的变动均为负，表明我国居民医疗服务利用不平等程度在下降，且2004-2006年各因素对医疗服务利用不平等的正效应远小于其他各时期的负效应，因此，表现为2011年的基尼系数小于2000年。

      具体来看，2000-2004年，教育、收入、职业和工作状况等社会经济指标以及医疗保险、城乡、婚姻、需要变量等的贡献为负，表现为负向效应，起到了缩小医疗服务利用不平等的作用，地区和到达最近医疗机构距离则相反，表现为正，扩大了医疗服务利用不平等，且其总效应小于前者。从各因素对医疗服务利用不平等贡献率的绝对值来看，除到达最近医疗机构距离和需要变量外，社会经济地位中的职业类型和工作状况的作用比较明显。

      2004-2006年，地区、婚姻和到达最近医疗机构距离的贡献为负，缩小了医疗服务利用不平等程度，教育、收入、职业和工作状况等社会经济指标以及医疗保险、城乡、需要变量等的贡献为正，表现为正向效应，扩大了医疗服务利用不平等，且其总效应大于前者。从各因素对医疗服务利用不平等贡献率的绝对值来看，除到达最近医疗机构距离和需要变量外，社会经济地位中的收入、工作状况和职业类型是影响该时期变动的主要因素。

      2006-2009年，教育、收入、职业和工作状况等社会经济指标以及医疗保险、地区和到达最近医疗机构距离的贡献为负，缩小了医疗服务利用不平等程度，城乡、婚姻和需要变量等的贡献为正，表现为正向效应，扩大了医疗服务利用不平等，且其总效应小于前者。从各因素对医疗服务利用不平等贡献率的绝对值来看，除到达最近医疗机构距离和需要变量外，社会经济地位中的收入、工作状况是影响该时期变动的主要因素。

      2009-2011年，收入、职业和工作状况等社会经济指标以及医疗保险、地区、城乡、婚姻和需要变量的贡献为负，缩小了医疗服务利用不平等程度，教育和到达最近医疗机构距离等的贡献为正，表现为正向效应，扩大了医疗服务利用不平等，且其总效应小于前者。从各因素对医疗服务利用不平等贡献率的绝对值来看，除到达最近医疗机构距离和需要变量外，医疗保险和社会经济地位中的职业类型、工作状况是影响该时期变动的主要因素。

      可以看出，社会经济地位变迁对医疗服务利用不平等演变具有非常重要的影响作用，职业类型和工作状况的表现比较明显，且四个时间段中教育、收入、职业类型和工作状况等各社会经济地位指标贡献的变动与医疗服务利用不平等变动的方向基本一致(2009-2011年教育变量除外)。

      6 结语

      本文为21世纪以来我国居民的医疗服务利用不平等提供了一种新的解释，并且强调了社会经济地位的作用。为了控制不可观测效应的影响，我们选择了2000-2011年CHNS的面板数据，考虑到医疗消费支出为受限因变量问题，为了得到一致估计，我们分别建立了Tobit模型和两部模型。两种模型的回归结果显示，常用的社会经济地位指标收入、教育、职业和是否参加非农工作均对我国居民医疗消费支出具有显著影响。然后，在面板Tobit模型和两部模型的基础上，本研究对我国居民医疗服务利用不平等的主要来源进行夏普里值分解，并从中得到了一些新的发现。

      首先，本研究系统地了解到我国居民医疗服务利用不平等的演变及其成因。自2000年以来，我国居民医疗服务利用基尼系数虽有所下降，但始终保持在0.86以上的较高水平。造成这种高不平等的原因有很多，按其重要性排序，依次为年龄等需要类变量、收入、到达最近医疗机构的距离、工作状况、地区、医疗保险、教育和职业等。需要注意的是，不应把我国居民医疗服务利用不平等全部归为不公平，根据“按需分配”的原则，我们认为年龄、性别、疾病严重程度等需要类变量导致的差异是合理的，因此，真实的不平等或者说不公平，应该剔除这方面的影响。

      其次，本研究获悉了社会经济地位在我国居民医疗服务利用不平等中的重要作用。如果剔除需要类变量的影响，那么社会经济地位将是影响我国居民医疗服务利用不平等最重要的因素。从总体来看，社会经济地位的贡献约占总体不平等的15%左右，这部分恰是我们应当且能够避免的。从变化趋势来看，社会经济地位的绝对贡献额和相对贡献率均具有波动上升的趋势。进一步从社会经济地位各指标来看，在21世纪的第一个十年中，收入的绝对贡献额约为0.04，相对贡献率基本上处于5%左右。教育水平的贡献略小于收入，相对贡献率约为3.5%。相对来说，职业的贡献变动比较明显，其绝对贡献额由2000年的0.03下降到2011年的0.019，相应的贡献率分别为3.45%和2.25%，且波动较大。是否参加非农工作也带来了医疗服务利用的显著差距，其在医疗服务利用不平等中的相对重要程度约为3%～4.32%。可以看出，社会经济地位导致的医疗服务利用不平等主要源于收入差距。从医疗服务利用不平等演变的分解来看，社会经济地位中的职业类型和工作状况变动的影响更为明显。

      通过本研究，我们得到了两点启示：首先，我们应该关注客观、真实的不平等。数据表明，自2000年在我国存在严重的不平等，但这种不平等并非真正的不公平，因个体需要所导致的差异是合理的，因此在分析我国医疗服务利用不平等时，应对此加以区别。其次，降低社会经济地位差距是减小医疗服务利用不平等的关键，因此需要为全体居民提供平等的社会经济地位，特别是减少收入差距，如加快推进收入再分配制度。

标签：回归模型论文;  医疗论文;  工作选择论文;