中國家庭醫療消費擠出效應的實證研究*

唐 琦 秦雪征

?

中國家庭醫療消費擠出效應的實證研究*

唐 琦 秦雪征

（北京大學經濟學院 北京 100871）

本文使用中國健康與養老追蹤調查（2013）數據分析醫療消費對非醫療消費的“擠出效應”，按統計年鑒標準將家庭的非醫療消費劃分為七個門類，以醫療消費為解釋變量，對非醫療消費及不同類型的消費進行回歸，并使用工具變量解決內生性問題。結果顯示，對于中老年家庭而言，醫療消費的增加并不會“擠出”非醫療消費，但是會顯著減少家庭儲蓄性資產，增加家庭債務，對大多數類型的消費雖然沒有影響，但是會減少食品和衣著消費。進一步地，本文將“擠出效應”的作用渠道分為“收入效應”與“替代效應”，發現醫療消費對食品和衣著消費的“擠出效應”主要由“收入效應”構成，而“替代效應”的影響并不明顯。本文的研究檢驗了“生命周期理論”的合理性。

家庭消費 醫療消費 擠出效應 IV-TOBIT模型

一、引 言

家庭是人類社會構建的基本單元，家庭的消費行為是家庭成員提出建議、解決分歧、協商統一的結果。因此，在研究消費問題時，往往需要從微觀數據的層面上分析家庭的消費行為。

醫療消費作為一種家庭消費，與其他類型的消費有著較大的不同之處，最主要地體現為醫療支出是家庭成員在面臨醫療救治時被迫做出的消費決策。在由家庭的收入與財產所決定的預算約束給定的情況下，醫療消費可能會對其他消費種類產生“擠出效應”。家庭在面臨醫療支出時可能會減少某些支出和消費以應急。

雖然，近些年來，我國的醫療保險制度不斷完善，居民醫療保險覆蓋面不斷擴大，報銷比例不斷增加。然而醫療保險報銷之外，居民也要需要支付一定的自付金額，因而醫療消費對于其他消費種類的侵占與擠出作用似乎是不可避免的。國務院扶貧數據顯示，截至2015年，中國7000萬貧困農民之中，因病返貧的占42%。①醫療支出的增加也會導致家庭積蓄減少，家庭債務負擔加重等嚴重問題，這是導致返貧的重要原因。同時，醫療消費的增加可能會擠占其他消費資源，導致家庭生活標準下降，在多個維度上導致貧困。

不過，醫療消費是否具有“擠出效應”，在不同的消費理論下，可以得到不同的結論。Keynes（1936）較早提出的“絕對收入假說”認為，一定比例的收入會轉變為消費，如果可支配收入下降，那么消費者的消費必然下降。在這一假說下，如果因為疾病所導致的醫療消費被迫增加，那么非醫療消費必然會隨之下降。Duesenberry（1949）等人對“絕對收入假說”表示反對，并提出了“相對收入”的概念，認為消費具有“黏性”，受到歷史收入的影響。Friedman（1957）所提出的“永久收入假說”在此基礎上進行了完善，強調消費主要受長期收入而非短期收入的影響。

同一時期的Modigliani和Brumberg（1954）所提出的“生命周期理論”也表明，理性的消費者是在一生可獲得的全部資源約束下，在每個時期合理分配資源，實現效用最大化。所以，消費者根據其預期的整個生命周期內可獲得的收入及財富來實現生命周期內的最優配置，因此平滑消費是其最優策略。所以，在“生命周期理論”假設下，當家庭面臨疾病等原因帶來的意外支出時，為平滑消費會選擇動用儲蓄或者使用信用手段維持總消費，而不會顯著減少消費。如果這一假說成立，那么醫療消費的增加對于非醫療消費沒有影響。

因此，本文對中國中老年家庭在面臨醫療支出時所采取的消費決策進行了研究，將醫療消費作為解釋變量，非醫療消費作為被解釋變量進行回歸分析。本文的研究意義在于：通過對微觀入戶數據的分析，檢驗醫療消費對非醫療消費及不同類型的消費是否造成了“擠出效應”，明確“擠出效應”的作用機制，驗證“生命周期理論”的合理性，并分析醫療消費增加對貧困問題帶來的影響，最后在此基礎上提出合理的政策建議。本文的結構安排為：第二部分為文獻綜述，第三部分為所使用的數據和方法介紹，第四部分為實證結果分析，第五部分為基本結論與政策建議。

二、文獻綜述

對于醫療消費與家庭消費的研究并非學界冷門，在微觀計量領域也比較常見。既往的文獻中對于醫療消費的研究最多的是將其當作被解釋變量，將個人、家庭特征以及政策變化作為解釋變量，以分析醫療消費的影響因素。

Grossman（1972）最早提出健康需求模型，指出消費者在時間約束和預算約束下進行健康投資和對其他商品的消費的選擇，實現一生的效用最大化。受其影響，學界將收入作為對于醫療消費影響的主要因素進行了探討。Schoen等（2000）發現，在美國等國家，收入限制了居民的醫療消費，而即便是很少的醫療支出也會對低收入居民帶來支出壓力。Hanson等（2004）證實了醫療消費受到家庭收入、醫療價格和醫療質量等多種因素的影響。Subramanian和Kawachi（2006）使用美國1995和1997的數據證實收入的不平等一定程度上導致了醫療健康的不平等。在國內的研究中，葉春輝等（2008）使用中國健康與營養調查（CHNS）1991-2004年的數據，發現了醫療消費存在著財富效應，收入越高的人的醫療消費水平越高。徐偉等（2013）的研究也得出了類似的結論，居民的消費水平對醫療消費有顯著的影響，并且這一影響在農村樣本中較高。

此外，許多文獻關注了醫療保險對于醫療消費的影響。Gruber和Yelowitz（1999）使用美國八九十年代的數據發現，美國醫療保險的普及使得家庭消費上升了5.2個百分點。Schoen等（2002）的研究表明，由于美、英、澳等國家的居民對醫療保險十分依賴，居民的醫療消費行為因為醫療體系和保險制度的不同而差異明顯。白重恩（2012）等發現“新農合”可以使非醫療消費有較大的增加，且對于收入較低或者健康狀況較差的家庭影響更大。胡宏偉等（2012）使用2007-2010年9城市家庭面板數據證實，家庭收入越低則醫療消費越低，而醫療保險則可以顯著增加家庭的醫療需求。蘇春紅等（2013）利用CHNS（2009）數據，發現“新農合”能夠提高農村居民患病就診率并降低居民醫療支出，而城鎮職工醫療保險和城鎮居民醫療保險并沒有顯著作用。

對于家庭消費的影響因素的研究雖然大多集中于宏觀領域，以時間序列數據為主，但在微觀計量領域也并不罕見。羅楚亮（2004）使用中國家庭收入調查數據（CHIP）的研究表明，各種收入和支出的不確定性對消費有顯著的負效應。楊汝岱和陳斌開（2009）同樣使用CHIP數據得出了高等教育會減少居民消費的結論。Qu和Zhao（2008）通過分位數回歸的方法發現低收入階層的消費不公平問題更為嚴重，而價格效應是不平等的主要原因。

然而，過去文獻鮮有將醫療消費與家庭消費結合起來進行研究的先例，對于醫療消費之于家庭消費是否有“擠出效應”，“擠出效應”的大小，近乎沒有研究。這是由于醫療消費通常被認為是家庭正常消費的一部分，和其他消費一樣取決于家庭的理性決策，其突發性和受迫性沒有得到重視，從而導致醫療消費的“擠出效應”被長期忽視。雖然在既有的文獻中，尹向飛與尹碧波（2012）利用《中國統計年鑒》的宏觀數據發現，醫療價格和醫療支出對不同的收入組的人群的消費都存在“擠出效應”；陳長江和高波（2010）的研究證明醫療產品和服務的價格的上漲擠出了醫療支出。但這些研究主要在宏觀上關注醫療價格上升帶來的“擠出效應”，沒有使用入戶數據從微觀上分析醫療消費對于非醫療消費的“擠出作用”和影響機制，更沒有以此驗證消費理論的合理性。

現有研究涉及醫療消費的“擠出作用”的較少，但已有學者關注了煙草消費的“擠出效應”，對于本文很有啟發。Busch等（2004）使用CES（1995-2001）的數據，發現隨著煙草價格上漲，家庭會減少服裝和住房消費，證實煙草消費存在“擠出效應”。Wang等（2006）使用中國2002年數據，利用Flogit模型研究發現煙草消費會導致家庭成員減少食物、設施、耐用品消費。John（2008）使用印度1999-2000年調查數據，發現煙草消費對人均營養的攝入有“擠出效應”，并且這一效應在低收入與高收入家庭都是存在的。

三、數據和方法

（一）數據說明

本研究采用中國健康與養老追蹤調查（CHARLS）2013年的數據。CHARLS數據覆蓋了全國27個?。ㄖ陛犑小⒆灾螀^），150個縣級單位，約1萬戶家庭。CHARLS數據僅針對45歲以上居民進行訪問，是關于中國中老年人家庭的調查。本文中有效觀測值數量為9799個，①樣本中家庭的基本信息統計如下表所示：

表1 樣本人口基本信息統計

續表1

人口基本信息總體城鎮農村東部東北中部西部 家庭未成年人數量0.61（0.90）0.39（0.67）0.69（0.95）0.48（0.78）0.35（0.62）0.75（1.00）0.72（0.96） 65歲以上老年人口比例15.74%（0.22）18.28%（0.23）14.92%（0.21）16.54%（0.22）14.02%（0.21）16.00%（0.21）15.33（0.21） 家庭初中以上學歷比例6.11%（0.15）11.60%（0.21）4.35%（0.13）5.98%（0.15）7.68%（0.19）6.00%（0.15）5.81%（0.14） 樣本量9,7992,3747,4253,0441,0282,4453,282

注：每個單元格中第一行為平均值，第二行（）內為標準差。

按照國家統計局統計年鑒的分類標準，消費支出可以分成如下八個大類：（1）食品，包括糧食、副食品、煙、酒、糖及其它食品；（2）衣著，包括服裝、衣料及衣料加工費、鞋、襪、帽等；（3）家庭設備用品及服務，包括耐用消費品，家庭日用品及家庭服務等；（4）醫療，包括醫療器具、醫藥費、保健用品等；（5）交通和通訊，包括家庭交通工具購買及維修、交通費、通訊工具、郵電費等；（6）教育娛樂文化服務，包括各類教育費用、文化娛樂費用、書報費等；（7）居住，包括房屋建筑、購買、房租、水、電、燃料等；（8）其他用品和服務。據此，本文將CHARLS數據中所得的消費項目分為劃為七個大類：食品、衣著、家庭設備用品及服務（以下簡稱“家庭用品”）、醫療、交通和通訊、教育娛樂文化服務、居住。這些變量都是年度數據。①

本文在使用“醫療消費”對非醫療消費進行回歸時，需要加入其他控制變量。其中，“家庭收入”為生活在一起的家庭成員的年總收入；而“家庭非住房資產②是家庭的各類耐用品、經營生產所用的固定資產、存款等各類金融資產等資產的加總；“住房面積”③為家庭住房的面積（平方米）。

“初中以上學歷比例”為家庭擁有初中以上學歷人口所占的比例乘以100，衡量了家庭的文化程度，這是由于文化程度會影響家庭的消費偏好；“家庭人口數”為該家庭生活在一起的人口數量；“城鎮戶口”為虛擬變量，非城鎮戶口為0，城鎮戶口為1；最后，本文還加入了該家庭所在省份的虛擬變量控制了地域因素。

在計量模型中，本文對于以上“家庭非醫療消費”“醫療消費”及不同類型的消費、“家庭收入”和“家庭非住房總資產”這些涉及金額的變量進行了自然對數化處理。被解釋變量的密度圖及直方圖如圖1、圖2所示：

將樣本中的家庭按照總收入或者非住房資產的金額由低到高排列，不同分位點上家庭的消費總金額和不同類型消費金額的變化如圖3所示：

圖1 家庭總消費和非醫療消費密度分布圖

注：圖3是分別在家庭收入與家庭財產的0.1、0.15、0.20…0.95的分位點上的觀測值繪制的消費結構曲線。①最上面一條線的數值為總消費金額，第一條線與第二條線之間的間距為居住消費金額，依此類推，最下一條線為食品消費金額。

由圖3可見，圖中的曲線基本都呈上升趨勢，收入和財產水平較高的家庭的總消費和各類消費的金額較高。此外，收入和財產較低的家庭食品支出所占份額較大，符合恩格爾定律的表述。

（二）估計方法

1、OLS與2SLS回歸模型

本文首先以對數化的“家庭非醫療消費”及其他類型消費為被解釋變量，使用OLS方法估計方程：

公式右邊第三項為所有的控制變量，以向量的形式表出，本文只關心的取值。

然而，OLS模型是存在“內生性”問題的。這是因為，究其本質，醫療消費與非醫療消費及其他類型的消費同為家庭的消費決策，受到其自身的消費傾向與消費模式的影響。而消費傾向和消費模式卻是無法衡量的，因而回歸模型會出現遺漏變量和測量誤差的問題。為了消除這一“內生性”問題，需要借助工具變量。

本文選取問卷回答者在過去一年中“是否因為傷病需要住院”這一虛擬變量作為工具變量。如果問卷者在過去一年有過住院經歷，或者即使沒有住院，但醫生認為其應該住院，則該虛擬變量取值為1。雖然這一變量是問卷回答者在過去一年“是否需要住院”，但是家庭中某個人“是否需要住院”與家庭的“醫療消費”必然直接相關（尤其是CHARLS針對45歲以上中老年人的調查，空巢家庭較多，往往只有兩個人）。如果該變量為1，那么說明問卷者遭遇到了較為嚴重的疾病問題。由于可以認為遭遇疾病是一個外生的狀況，那么這一變量滿足外生的條件假設。因此，可以認為“是否需要住院”滿足工具變量的定義：。

然后，考慮“工具變量法”，使用2SLS進行估計。第一步，估計回歸方程：

繼而估計回歸方程：

同時，考慮廣義矩估計（GMM），將工具變量的外生性條件視為矩條件。GMM估計通過構造“權重矩陣”，通過迭代的方法最小化，取得回歸系數的估計值。如果回歸方程不能滿足同方差或者無自相關等古典假設，廣義矩估計也是最有效率的估計方法。

2、歸并回歸：TOBIT與IV-TOBIT回歸模型

由圖2可見，六類消費在總消費的占比中零值較多，說明許多家庭不需要某種消費，即便是對于生存所必須的食物，由于大量農業家庭自給自足并不進行市場購買，因而在總占比中為零的觀測值較多。對于一個家庭來說，如果其對于某種消費的最優解為邊角解，那么其支出為零，此時樣本中零值較多，被解釋變量的概率分布實則變成了一個離散點與連續分布組成的混合分布，為此應考慮TOBIT回歸模型（Tobin,1958）。

其中，1（·）為示性函數。對于這個模型可以使用MLE的方法進行估計。

當解釋變量內生時，TOBIT模型也可以同工具變量法結合，如下例所示：

四、實證結果分析

如果醫療消費存在“擠出作用”，那么非醫療消費減少的原因可能有兩個：一是因為醫療消費的增加而減少能夠用于其他消費的花費，這是一種“替代效應”；二是由于健康水平下降導致消費者的預期收入下降，從而減少消費，這屬于“收入效應”。對此，本文通過添加健康變量的方法剝離了由健康水平下降導致的“收入效應”，只留下“替代效應”。

由于在CHARLS數據中無法獲得家庭健康狀況的變量，只能加入問卷回答者的健康自評打分（分值為1-5分，加入5個“健康等級”虛擬變量，回歸時以3分為基準變量）。此外，考慮到家庭的健康狀況直接受到家庭成員的年齡、家庭的年齡結構的影響，老齡化嚴重的家庭其健康狀況必然較差，因此也可以加入年齡變量作為家庭健康的替代變量。所以，本文加入“老年人口比例”（家庭65歲以上人口占比乘以100）、“問卷回答者年齡”及“問卷回答者健康等級”虛擬變量組共同作為“健康變量”作為控制變量。

因此，下文中不加入“健康變量”的回歸模型（1）中的醫療消費回歸系數反映的是包括“替代效應”與“收入效應”雙重作用下的“擠出效應”的大小；而加入這些控制變量的回歸模型（2）中的醫療消費回歸系數則表示剔除“收入效應”之后的“擠出效應”的大?。粗饕从场疤娲钡淖饔媒Y果）。

（一）醫療消費對非醫療消費的擠出作用分析

本文首先對對數化的非醫療消費進行回歸，以分析醫療消費支出的增加對于非醫療消費是否有影響。由于非醫療消費的數據中并沒有0值過多的問題，因此使用OLS、2SLS與GMM模型進行回歸，結果如下表所示：

表2 非醫療消費回歸結果

續表2

OLS（1）OLS（2）2SLS （1）2SLS （2）GMM（1）GMM（2） 省份虛擬變量YESYESYESYESYESYES 截距項7.198***8.815***7.440***8.892***7.440***8.892*** （0.149）（0.175）（0.174）（0.191）（0.174）（0.191） 觀測值9,7999,7999,7999,7999,7999,799 0.3200.3520.3050.3500.3050.350 DWH檢驗8.27***0.95

注：（）內為標準誤差。***表示1%的顯著性水平，**表示5%的顯著性水平，*表示10%的顯著性水平。2SLS（1）與2SLS（2）的一階段回歸結果見附表1中OLS（1）與OLS（2）。下表同。

在OLS回歸結果中，醫療消費的回歸系數雖然顯著為正，但不能認為醫療消費對非醫療消費反而具有“拉動作用”，只能認為內在的消費傾向導致消費較高的家庭的醫療消費也較高；在使用工具變量控制了內生性的2SLS與GMM的結果中，系數變得不再顯著，“擠出效應”不明顯，即使是帶有“收入效應”的回歸方程（1）依然如此。

使用分位數回歸，①對2SLS（1）和2SLS（2）模型中醫療消費的回歸系數在不同分位上的數值做出下圖（實線為分位數回歸系數值，陰影部分為分位數回歸95%置信區間，虛線為2SLS得到的回歸系數值及95%置信區間）：

圖4 醫療消費系數分位數回歸結果

從上圖可以發現，非醫療消費處于不同分位上的家庭的消費受到醫療消費的影響作用并不大，回歸系數都在0值附近。之所以醫療消費對非醫療消費難以產生“擠出效應”，在“生命周期理論”的解釋中，是因為消費者在遇到收入下降或者其他緊急支出時，可以通過動用儲蓄和使用信用借貸的方式維持這一階段的消費。為了檢驗這種機制，本文將家庭中用于再生產的資產（農業生產或者家庭生產、個體經營、私營企業的資產）的價值相加得到“生產性資產”總額，將家庭中具有儲蓄意義且常用于變現的資產（存款、債券、股票等金融資產、汽車、珠寶、貴金屬、藝術品）的價值相加得到“儲蓄性資產”總額，將家庭所欠的私人借款、金融機構貸款相加得到的“家庭債務”總額，以“醫療消費”作為解釋變量，維持其他控制變量不變，對取自然對數后的“生產性資產”“儲蓄性資產”和“家庭債務”進行回歸分析，正文中僅匯報醫療消費的回歸系數，結果如下所示：

表3 家庭財產與家庭債務回歸結果

注：（i）.2SLS（1）與2SLS（2）的一階段回歸結果見附表1中OLS（1）與OLS（2）。（ii）.在回歸中，OLS（1）、2SLS（1）、GMM（1）模型中的自變量為：醫療消費、家庭收入、家庭財產、住房面積、初中以上學歷比例、家庭人口數、城鎮戶口、省份虛擬變量。與前文一致。（iii）.在回歸中，OLS（2）、2SLS（2）、GMM（2）模型中的自變量為：模型（1）中的自變量 + 老年人口比例、（問卷回答者的）年齡、健康等級1、健康等級2、健康等級4、健康等級5。與前文一致。

在上表中，以解決內生性問題的2SLS和GMM的結果為參考?！搬t療消費”對家庭的“生產性資產”的回歸系數并不顯著，這是由于“生產性資產”能夠保障家庭的未來收入，家庭在遇到醫療消費增加時并不會減少此類資產?！吧a性資產”不受影響說明家庭努力保持未來期的資源約束不變，這是“生命周期理論”能夠發揮作用的前提。“醫療消費”對家庭的“儲蓄性資產”的回歸系數顯著為負，說明家庭面臨醫療消費增加時會動用儲蓄性資產。“醫療消費”對“家庭債務”的回歸系數顯著為正，說明家庭的醫療消費增加會增加家庭債務。所以，當家庭面臨醫療消費增加而其他消費的預算減少時，會通過動用儲蓄資產和舉債的方式保證非醫療消費不出現顯著的波動。這驗證了“生命周期理論”的正確性，即在面臨突發的醫療支出時，家庭的非醫療消費不會受到影響，消費者選擇在整個生命周期內進行消費資源的最優配置，通過平滑消費實現效用最大化。

（二）醫療消費對其他消費的擠出作用分析

雖然總消費變化不大，但是當醫療消費增加時，不同類型的消費可能會因此受到影響。這些消費項目的變化是家庭在應對醫療消費壓力的同時，為大致保持非醫療消費總體水平不變而進行的消費結構優化行為。

使用OLS、TOBIT與IVTOBIT模型對不同類型消費的消費金額進行回歸分析，使用的控制變量與前文一致，（1）中未加入健康變量，（2）中加入健康變量。正文中僅匯報醫療消費的回歸系數，如下表所示：

表4 醫療消費對不同類型消費回歸系數

續表4

醫療消費回歸系數OLS（1）OLS（2）TOBIT （1）TOBIT （2）IVTOBIT（1）（擠出效應）IVTOBIT（2）（替代效應） 家庭用品0.119***0.127***0.153***0.163***-0.0897-0.0518 （0.00985）（0.00997）（0.0126）（0.0127）（0.0589）（0.0705） 交通通訊0.0882***0.0945***0.0975***0.104***-0.02120.0319 （0.00804）（0.00798）（0.00899）（0.00893）（0.0402）（0.0471） 教育娛樂文化0.0496***0.0614***0.120***0.147***-0.1060.111 （0.0111）（0.0111）（0.0277）（0.0278）（0.141）（0.166） 居住0.0408***0.0464***0.0445***0.0502***0.02510.0667 （0.00717）（0.00728）（0.00756）（0.00767）（0.0346）（0.0416）

注：（i）表中，IVTOBIT（1）的值檢驗醫療消費對不同消費類型是否存在“擠出效應”（包括“收入效應”與“替代效應”），IVTOBIT（2）的值檢驗醫療消費對不同消費類型是否存在“替代效應”。（ii）在回歸中，OLS（1）、TOBIT（1）、IVTOBIT（1）模型中的自變量為：醫療消費、家庭收入、家庭財產、住房面積、初中以上學歷比例、家庭人口數、城鎮戶口、省份虛擬變量。與前文一致。（iii）在回歸中，OLS（2）、TOBIT（2）、IVTOBIT（2）模型中的自變量為：模型（1）中的自變量 + 老年人口比例、（問卷回答者的）年齡、健康等級1、健康等級2、健康等級4、健康等級5。與前文一致。

在不同種類消費的OLS回歸中，醫療消費的回歸系數都顯著大于零，這是由于不同類型的消費受家庭固有的消費傾向和消費模式的影響所致，消費傾向高的家庭對不同的消費項目都有較高的消費金額，因此沒有控制內生性的OLS回歸的結果必然顯著為正。在解決了零值過多問題的TOBIT模型中，這一數值變得更大，且保持顯著。

使用IVTOBIT模型解決了內生性與零值過多的問題。上表顯示，在未加入健康控制變量的IVTOBIT（1）模型中，醫療消費僅對食品、衣著消費的回歸系數顯著為負，說明醫療消費的增加會導致這兩類消費減少，對其余幾類消費沒有影響。由于這兩類消費在非醫療消費中占比較小，所以其減少并沒有導致非醫療消費整體出現顯著的下降。在加入健康控制變量的IVTOBIT（2）模型中，醫療消費對食物、衣著消費的回歸系數不再顯著，說明醫療消費對于這兩種消費的“替代效應”不明顯，其“擠出效應”主要由“收入效應”構成。之所以“收入效應”明顯，這與CHARLS數據的問卷回答者都在45歲以上有關：中老年戶主的家庭在遇到疾病時較容易出現預期收入下降的問題，從而減少食品和衣著消費。

所以，在對不同的消費類型進行回歸分析時發現，生命周期理論對于大多數消費項目依然成立。當家庭面臨醫療消費增加時，家庭用品、交通通訊、教育娛樂文化和居住消費不會受到影響，說明這四類消費的支出彈性較小。

醫療消費對于衣著與食物消費的影響主要體現為“收入效應”，即由于疾病，導致家庭成員會因為自身健康狀況下降而下調預期收入，從而對某些類型的消費有所減少。由于所減少的消費是食品、衣著消費，這兩種消費都是關乎家庭生活質量的非耐用品消費，對短期內家庭的生活質量有重要的影響，其下降必然導致生活質量的下降。

所以，當疾病發生時，樣本中家庭的絕大多數消費項目不會被醫療消費所擠出，但是由于疾病所引起的對于未來收入下降的擔憂會導致其減少對食品、衣著的消費。這并不違背“生命周期理論”：“生命周期理論”表示消費者對一生的收入有穩定的預期的前提下，不會因為突發問題而減少其他消費，但是由于突發疾病會下調消費者的收入預期，這導致了消費者會減少某些種類的消費。

可見，因為疾病而導致的“因病致貧”“因病返貧”問題的根源并非是家庭會因為醫療消費對于消費資源的擠占而減少對其他消費的支出，事實上，家庭會通過動用儲蓄、舉債等方式保持消費穩定，進行平滑消費。但不減少某些消費的重要前提是預期收入不變，由于疾病會影響消費者的健康，導致其工作能力下降，從而下調其預期收入，因此樣本中家庭會有“節衣縮食”的行為，減少衣著和食品消費。

五、基本結論與政策建議

通過CHARLS數據中的中老年家庭消費行為的實證檢驗，本文發現，在OLS回歸中，受到消費傾向的影響，醫療消費對非醫療消費的回歸系數顯著為正。在使用工具變量法去除內生性問題后，在2SLS與GMM回歸中，醫療消費對非醫療消費的回歸系數不顯著，不存在“擠出效應”。這符合“生命周期理論”中消費者在一生的資源約束下平滑消費的結論，短期的醫療支出的增加不會對家庭非醫療消費帶來影響，但會使家庭儲蓄性資產減少、債務增加，家庭通過動用儲蓄和舉債來保持非醫療消費總體水平不變。

對不同類型的消費的回歸結果顯示，在OLS回歸中，醫療消費的回歸系數都顯著為正。在TOBIT模型中，這一系數變大且依然顯著。使用帶有工具變量的IVTOBIT模型解決內生性問題，在并不控制健康變量的回歸模型中，醫療消費對食物與衣著消費的回歸系數顯著為負，具有“擠出效應”；在控制了健康變量的回歸模型中，醫療消費對任何的消費類型的回歸結果都不顯著，可見“替代效應”并不明顯，醫療消費對食物和衣著消費的“擠出效應”主要由“收入效應”構成。這說明家庭沒有使用醫療消費替代其他消費的意向，對于這兩類消費的減少是由于疾病導致工作能力下降，從而下調預期收入所致。

醫療消費是中國家庭面臨的重大問題，許多家庭因為醫療消費而致貧、返貧。從本文的分析中，醫療消費的增加雖然不會對非醫療消費的總體水平產生顯著的影響，但是它顯著地增加了家庭債務規模，減少了家庭儲蓄性資產，增加了家庭的長期負擔，加大了家庭未來陷入貧困的風險。此外，食物與衣著消費會因為醫療消費的增加而減少，雖然這兩項的總占比較低沒有導致非醫療消費總體顯著減少，但是衣著與食品消費與家庭的生活質量直接相關，“節衣縮食”會較大地降低居民生活的幸福感，在多個維度上增加貧困。

而隨著人口老齡化問題的加重，可以預計，醫療消費帶來的不良后果將繼續加重：中國家庭未來的醫療費用將會繼續上升，因為疾病而陷入貧困或者生活質量較大幅度下降的風險不斷加大，醫療消費會嚴重影響居民幸福感的提高，“因病致貧”與“因病返貧”問題依然會制約我國扶貧工作的全面推進。因此，解決醫療費用高，醫療消費占比重的問題迫在眉睫。對此，需要：

首先，保障居民獲得醫療資源的能力，減少對“借債看病”的依賴。對此，需要加快完善覆蓋城鄉居民的社會保障體系，尤其是增加補充醫療保險（如商業醫療保險）和大病保險的普及度，降低居民看病就醫時的超支風險，防止居民的家庭收入因為疾病而出現較大的落差，從而減少其對舉債渡過難關的依賴度。各級政府應該適度增加對居民醫療保險的補助力度，減少醫療保險對居民造成的壓力。此外，從回歸結果可見，中老年家庭會因為“收入效應”而減少衣食消費，因此需要減少其因為疾病而降低預期收入的幅度。所以，保障社保基金的穩定和養老金按時足額發放十分重要。需要通過合理的資本運作解決社保資金緊張的問題，保持社保資金充盈，保障居民就醫看病的財力，減少中老年居民因病節衣縮食的可能性。而對于食物消費被醫療消費嚴重擠出的家庭，基層政府應做好扶住工作，以實物資助的方式保障營養需求。

第二，改善醫療條件，提高居民健康水平。良好的醫療條件能夠增加居民對身體健康與工作能力康復的信心，保持穩定的收入預期，不會因為短期的疾病而省吃儉用、節衣縮食，降低生活標準。所以，基層政府部門需做好疾病排查與居民查體工作，較早發現疾病更有利于維護居民健康。此外，基層醫療條件尤其需要改善，由于醫療資源分配不合理，基層醫療基礎設施建設較差，許多家庭遇到較大健康問題時選擇去大城市就醫，更加重了就醫負擔。為此，需要改善地方基層門診和醫院的就診條件，加強人才教育，提高整體醫療水平，提供充足的醫療資源以保障居民健康。

第三，推動醫療體系的結構性改革，減少醫療市場的無謂損失。當前，醫療市場受到的管理較為嚴格，市場機制扭曲嚴重?；诔杀镜乃幤范▋r政策使得價格低廉的藥品因為利潤低而停產。而醫院以增加藥量、在醫用設備與耗材上加價的“以藥養醫”方式導致醫療費用不降反升。為此，醫療行業應參考《十三五規劃綱要》提出的“著力推進供給側結構性改革，用改革的辦法推進結構調整，加大重點領域關鍵環節市場化改革力度，調整各類扭曲的政策和制度安排”政策建議，進行結構性改革，在政府主導下向市場接軌，廢除價格管理政策，適度增加對公立醫院補貼力度，實現“十三五”對于健康領域“深化醫藥衛生體制改革，建立健全基本醫療衛生制度，實現人人享有基本醫療衛生服務”的規劃，保障醫療資源充足，促進醫療價格合理。

總之，減少居民的醫療消費壓力的根本措施在于：保障居民收入，消除“收入效應”；維護居民健康，減少醫療消費；增加醫療資源，降低醫療價格。只有降低居民的醫療消費壓力，才能減少醫療消費對于居民食物和衣著消費的“擠出效應”，防止居民因為疾病而儲蓄性財產大幅下降或家庭債務陡然增加，促進解決“因病致貧”與“因病返貧”問題，提高居民的幸福感。

附錄：

附表 一階段回歸結果

醫療消費OLS（1）OLS（2） 需要住院1.612***1.366*** （0.0820）（0.0838） 家庭收入0.0711***0.0779*** （0.0163）（0.0160） 家庭非住房資產0.125***0.154*** （0.0148）（0.0158） 住房面積0.000758**0.00101*** （0.000373）（0.000368） 初中以上學歷比例-0.00652***-0.00498** （0.00217）（0.00220）

續附表

醫療消費OLS（1）OLS（2） 家庭人口數0.0494***0.0319* （0.0166）（0.0176） 城鎮戶口-0.163*-0.0982 （0.0840）（0.0837） 老年人口比例0.00107 （0.00205） 年齡（問卷回答者）0.00310 （0.00461） 健康等級1（問卷回答者）0.848*** （0.0961） 健康等級2（問卷回答者）0.336*** （0.0756） 健康等級4（問卷回答者）-0.633*** （0.112） 健康等級5（問卷回答者）-1.207*** （0.167） 省份虛擬變量略略 截距項4.555***3.958*** （0.520）（0.585） 觀測值9,7999,799 0.0860.108

注：在對非醫療消費、生產性資產、儲蓄性資產和家庭債務的回歸中，一階段回歸的公式和自變量是相同的。附表中，OLS（1）（2）分別為正文中2SLS（1）（2）的一階段回歸結果。

1. 白重恩、李宏彬、吳斌珍：《醫療保險與消費：來自新型農村合作醫療的證據》[J]，《經濟研究》2012年第2期。

2. 陳長江、高波：《我國醫療市場中的消費支出效應及其福利影響分析》[J]，《經濟學家》2010年第12期。

3. 胡宏偉、劉雅嵐、張亞蓉：《醫療保險、貧困與家庭醫療消費——基于面板固定效應Tobit模型的估計》[J]，《山西財經大學學報》2012年第4期。

4. 羅楚亮：《經濟轉軌、不確定性與城鎮居民消費行為》[J]，《經濟研究》2004年第4期。

5. 蘇春紅、李齊云、王大海：《基本醫療保險對醫療消費的影響——基于CHNS微觀調查數據》[J]，《經濟與管理研究》2013年第10期。

6. 徐偉、陳慧美：《我國居民收入對醫療消費支出的影響研究》[J]，《中國衛生政策研究》2013年第6期。

7. 葉春輝、封進、王曉潤：《收入、受教育水平和醫療消費：基于農戶微觀數據的分析》[J]，《中國農村經濟》2008年第8期。

8. 楊汝岱，陳斌開：《高等教育改革、預防性儲蓄與居民消費行為》[J]，《經濟研究》2009年第8期。

9. 尹向飛、尹碧波：《收入、房地產、醫療對消費的實證研究——基于中國城鎮收入等級分組數據》[J]，《湘潭大學學報》2012年第4期。

10. Busch, S. H., Jofre-Bonet, M., Falba, T. A., and Sindelar, J. L. , 2004, “Burning a Hole in the Budget: Tobacco Spending and its Crowd-out of Other Goods” [J],, 3(4), 263-272.

11. Duesenberry J.S., 1949, Income, Saving and the Theory of Consumption Behavior, [M], Cambridge, Mass: Harvard University Press.

12. Friedman, M., 1957, A Theory of the Consumption Function, [M], New Jersey: Princeton Press.

13. Grossman, M., 1972, “On the Concept of Health Capital and the Demand for Health” [J],,80(2), 223-255.

14. Gruber, J., and Yelowitz, A.,1999, “Public Health Insurance and Private Savings” [J],,107(6), 1249-1274.

15. Hanson, K., Yip, W. C., and Hsiao, W., 2004, “The Impact of Quality on the Demand for Outpatient Services in Cyprus” [J],,13(12), 1167-1180.

16. John, R. M., 2008, “Crowding Out Effect of Tobacco Expenditure and its Implications on Household Resource Allocation in India” [J],,66(6), 1356-1367.

17. Keynes, J.M. 1936,The General Theory of Employment, Interest and Money,[M], New York: Harcount, Brace & World.

18. Modigliani, F., 1949, Fluctuations in the Saving-Income Ratio: A Problem in Economic Forecasting, Studies in Income and Wealth,[M], New York: National Bureau of Economic Research.

19. Modigliani, F., and Brumberg, R., 1954, “Utility Analysis and the Consumption Function: An Interpretation of Cross-Sectional Data” [J],, 388-436.

20. Qu, Z. and Zhao, Z., 2008, “Urban-Rural Consumption Inequality in China from 1988-to 2002: Evidence from Quantile Regression Decomposition”[D], IZA Discussion Paper, No. 3659.

21. Schoen, C., Davis, K., Des Roches, C., Donelan, K., and Blendon, R., 2000, “Health Insurance Markets and Income Inequality: Findings from an International Health Policy Survey” [J],,51(2), 67-85.

22. Subramanian, S. V., and Kawachi, I., 2006, “Whose Health is Affected by Income Inequality? A Multilevel Interaction Analysis of Contemporaneous and Lagged Effects of State Income Inequality on Individual Self-rated Health in the United States” [J],,12(2), 141-156.

23. Tobin, J., 1958, “Estimation of Relationships for Limited Dependent Variables” [J],Vol.26, No.1, 24-36.

24. Wang, H., Sindelar, J. L., and Busch, S. H., 2006, “The Impact of Tobacco Expenditure on Household Consumption Patterns in Rural China” [J],,62(6), 1414-1426.

①人民網：《多省創新健康扶貧模式破解貧困戶因病返貧難題》，2016年3月28日，http://politics.people. com.cn/n1/2016/0328/c1001-28231561.html。

① CHARLS會對同一個家庭的不止一個45歲以上成員進行調查，所以其家庭方面的數據會完全相同。因此，對于每個家庭，本文只留下一個成員的問卷調查數據。

①本文將問卷中關于消費的周數據、月數據、年數據統一整合成為了年度數據。

②筆者發現CHARLS的數據中出現了房產每平方米的價值單位出現了“元”和“萬元”不一致的問題，并且很難進行區分調整，因此總資產中去掉了房產的價值。

③家庭資產中并沒有房屋資產，而是把住房面積單列為一個變量，這也更符合房屋這一固定資產較難套現，且較少被變賣的特性。

①每個分位點的值取其左右各0.025分位段的平均值（如0.1分位點的取值是0.075分位點至0.125分位點上所有觀測值的各類消費金額的平均值）。此外，由于首尾分位點的數值不穩定，所以去除。

①此處選擇使用“自助法（bootstrap）”進行條件分位數回歸。

* 作者感謝國家自然科學基金項目（71573003）的支持。