杨秋凤 彭丽曼 陈玉婷 陈晓玲

摘 要：本文主要以广东省为例研究人口老龄化与医疗支出的统计学关系。本文根据现有文献并结合广东省现实情况选取了人均GDP、老年人口比例、老年抚养比、少儿抚养比、医疗保险覆盖率、SO2排放量作为影响医疗支出的指标，分别对各指标分市进行描述和对比。

为具体分析人口老龄化与医疗支出的关系，对各自变量对因变量的关系进行多元线性回归分析，并且对不同老龄化指标对医疗支出的作用进行稳健性检验。从结果上看，人均GDP与老年抚养比对人均医疗保健支出的弹性分别为0.356和0.212（在1%显著水平上）。在控制了医疗保险覆盖率变量后，人均GDP对人均医疗保健支出的弹性略有下降，为0.160，但老年抚养比对人均医疗保健支出的弹性略有上升，为0.419，表明医疗保险通过对老龄人的资源倾斜，增加了老龄化对医疗保健支出的影响，而医疗保险覆盖率与人均医疗保险支出的弹性为0.003（1%显著水平上）。SO2排放量与人均医疗保健支出没有显著相关性。

关键字：老龄化；医疗支出；回归分析

1 实证分析

1.1 模型设定

本文根据现有文献以及结合广东省现实情况选取了人均GDP（pGDP）、老年人口比例（elderR）、老年抚养比（edlerr）、少儿抚养比（childR）、医疗保险覆盖率（med_insR）、SO2排放量（SO2）作为影响医疗支出的指标。参照以往文献的处理方法，采用滞后一期的老龄化、少儿抚养比以消除老龄化、少儿抚养比与医疗支出的内生性问题。并对各个影响指标取对数以消除异方差性问题既以ln人均GDP、ln老年人口比例（滞后一期）、ln老年抚养比（滞后一期）、ln少儿抚养比（滞后一期）、ln医疗保险覆盖率、lnSO2排放量作为自变量，以ln人均医疗保健支出作为因变量，采用控制省份变量并依次增加自变量的方式，对各自变量对因变量的关系进行了三次多元线性回归分析。最后，对不同老龄化指标对医疗支出的作用进行稳健性检验。回归方程如下：

1.2 各指标数据描述

1.2.1人口结构的数据描述

根据本文分析的重点，人口结构主要指老年比例、老年抚养比和少儿抚养比。通过查阅2006—2010年的《中国人口和就业统计年鉴》，可获得相关数据。我们知道当一个地区的老年比例超过7%时就说明该地区已经进入老龄化社会，所以从2009年起广东省就已经进入老龄化社会，而且其老龄化程度还在不断加剧。

除了对广东省人口结构的整体分析，本文主要是通过比较各市的人口结构来分析老龄化对医疗支出的影响，但是由于分市的人口统计数据只能在人口普查资料中获得，所以本文通过查阅1990年、2000年和2010年的三次人口普查资料获得各市的人口结构数据，然后通过二次拟合的方式分别获得每个市2005年—2010年的人口结构数据。通过查阅分析文献我们知道广东老龄化进程的发展有所放缓，主要是外省流动人口大量涌入，从而整体人口有所增加，稀释了老年人口比重的结果，所以为了更好的分析广东省的老龄化状况，本文采用如下公式来计算实际的比例：

实际老年比例（抚养比）=老年比例（抚养比）×年末常住人口数/年末户籍人口数；

1.2.2医疗卫生的数据描述

本文主要从医疗保险覆盖率和人均醫疗保健支出两个方面来衡量医疗卫生的情况，其中医疗保险覆盖率=年末医疗保险参保人数/常住人口数。由于年末医保参保人数包括非常住人口数，因此对于深圳市会出现医疗覆盖率大于1的异常数据（2009年深圳市覆盖率为102.26%），因此我们把这个异常数据当作是缺失值来处理，并利用spss软件将该数值进行替换。

1.2.3收入的数据描述

本文中收入指标就是广东省内各市的人均GDP，来源于相关年份的《中国城市统计年鉴》。根据各市2004—2009年的平均人均GDP，经济发展水平最高的是深圳市，其次是广州市和珠海市，而发展水平最低的是梅州市。

1.2.4环境的数据描述

居民的生活环境也是影响医疗支出的一个因素。不良的卫生环境会促使各种疾病的发生，因此分析居民的生活环境有利于本文更好的分析影响医疗支出的各种因素。本文以工业二氧化硫排放量作为环境的衡量指标，通过查阅相关年份的《中国城市统计年鉴》可获得相关数据。

1.3 回归分析准备

为使用多元回归模型进行拟合，需先检验各解释变量及解释变量的平稳性，我们利用sas软件对各数据进行检验，通过时序图，自相关图分析得出结论。时序图稳定或呈周期性的在某一值间上下波动，且相关系数大多在二倍标准差以内，非短期截尾，则序列为平稳序列。再者需检验序列纯随机性，根据白噪声检验结果，检验P值小于显著性水平（后文论述显著性水平均取0.01），则为非纯随机序列。由此可判断模型是有效的。

根据检验结果可以看到时序图稳定在2.17上下，由自相关图可以看出自相关系数呈周期性且非短期截尾，可认为该序列为平稳序列。根据白噪声检验可知，检验P值小于0.0001，故可认为此序列为非纯随机序列。

同理对ln实际老龄化、ln实际少儿抚养比、医疗保险覆盖率、ln人均GDP、SO2排放量及ln医疗保健支出进行检验，可知均为平稳序列。其中SO2排放量在滞后6期时通过纯随机性检验，其他均为非纯随机性序列。据此我们可以对上述变量进行多元拟合。

1.4 回归分析

1.4.1多元回归

本文为验证老龄化与人均医疗保健支出的关系，分别对被解释变量变量人均医疗保健支出，解释变量人均医疗保健支出、人均GDP、实际少儿抚养比、实际老年抚养比的数据进行对数形式转换，保证了各因素的平稳性，利用spss进行多元统计回归，并进行显著性及稳健性检验。

第1栏控制了市别变量、人均GDP、老年抚养比、少儿抚养比；第2栏增加了医疗保险覆盖率，以验证医疗保险覆盖程度对医疗保健支出的影响；第3栏增加了SO2排放量，以验证环境对医疗保健支出的影响。

首先，从表1第1栏的回归结果看，人均GDP与老年抚养比对人均医疗保健支出的弹性分别为0.356和0.212（在1%显著水平上）。从第2栏的回归结果看，在控制了医疗保险覆盖率变量后，人均GDP对人均医疗保健支出的弹性略有下降，为0.160，但老年抚养比对人均医疗保健支出的弹性略有上升，为0.419，表明医疗保险通过对老龄人的资源倾斜，增加了老龄化对医疗保健支出的影响。而医疗保险覆盖率与人均医疗保险支出的弹性为0.003（1%显著水平上）。而从第3栏的回归结果看，SO2排放量与人均医疗保健支出没有显著相关性。其次，进一步采用不同老龄化程度指标进行稳健性检验，具体回归结果见表2。易看出用两个指标回归的结果并没有显著差异。（表中括号内的是标准差，**、*分别表示1%与5%水平上的显著性）

1.4.2回归结果检验

我们利用sas软件对下述模型的残差序列进行平稳性及随机性检验：

根据1.3的规律，由时序图可以看出此残差具有周期性，由自相关图可以看出自相关系数呈周期性且非短期截尾，可认为该序列为平稳序列。根据白噪声检验可知，检验P值小于0.0001，故可认为此序列为非纯随机序列，即此模型有效。对1.4.1中的其他模型进行检验，均为有效结论。

2 总结

以1.4的回归结果为基础估算从ln人均医疗保健支出中各类因素的影响程度，分别测算在医疗保健支出增长中，ln人均GDP、ln老年抚养比、ln少儿抚养比、医疗保险覆盖率的影响程度，可得到的ln老年抚养比影响程度约为41.9%，ln人均GDP与ln少儿抚养比分别约为16%和 26.3%，表明相比于ln人均GDP与ln少儿抚养比，ln老年抚养比的作用最明显。从而可推知老龄化与医疗支出呈正相关，广东省老龄化对医疗支出影响程度最大。这与余央央2012年《中国人口老龄化对医疗卫生支出的影响》一文中得出的老龄化对医疗支出影响程度比人均GDP小不同，这说明老龄化随着老龄进程的加深对医疗支出的影响将增大，广东省老龄化已经成为影响医疗支出的不用忽视的因素。

现广东省正步入老龄化社会，老龄人口增加导致医疗卫生支出的增加，为有效满足老龄人口的医疗卫生服务需求，同时又要有效控制医疗卫生支出过快增长，需要政府部门制定新政策。

3 老龄化下控制醫疗卫生支出的一些建议

（1）积极实施对老年人口的健康管理。健康状况良好的老年人口与健康状况较差的老龄人口相比，虽然前者比后者的预期寿命更长，但实际上整个生命周期的医疗卫生支出大致一样。因此广东省要实现健康老龄化，可以通过建立完整的老龄人健康档案，及时为老龄人口提供适当的健康的信息和生活方式指导帮助居民改变不健康的生活方式，减少对治疗性医疗卫生服务消费。

（2）提高医疗保险覆盖率。医疗保险能有效满足个体（包括老龄人口）的医疗卫生服务需求，提高对医疗卫生服务利用率。由近几年的数据来看广东省的医疗保险体系还有待改善。因此若要满足老年人口医疗卫生服务需求，建议政府提高医疗保险覆盖率，特别是经济不发达的城市。

4 研究改进与完善

（1）细化研究，分析老龄人口与慢性病护理支出的关系。本文在研究老龄化与医疗卫生支出的关系时，由于数据收集的局限，采用的是医疗保健支出，其中医疗保健支出包括医药卫生保健用品和医疗卫生设备费等，而老龄人的医疗卫生支出多体现在各种慢性病治疗及护理方面的费用。因此慢性病护理支出作为维护老龄人口健康状况的重要类型，需要进一步予以分析。

（2）考虑已开放的“二胎政策”对人口老龄化的影响。开放二胎，会改变我国之前的家庭结构，越来越多的家庭会拥有两个孩子。在一定程度上会增加未来的青壮劳动力，降低老年抚养比，减轻国家与社会在养老问题上的负担。所以对未来老龄人口的预测，应考虑二胎开放带来的影响。

参考文献

[1]侯佳乐. 人口老龄化对医疗保险费用的影响研究[D].上海社会科学院，2014.

[2]刘雪芹. 云南省未来人口老龄化趋势及其对经济发展和医疗支出影响研究[D].云南大学，2015.

[3]余央央. 中国人口老龄化对医疗卫生支出的影响[D].复旦大学，2012.