公立醫院“成本病”與醫療負擔
——兼論“藥品零加成”政策的影響

李 靜 郭斌斌 路 偉

一、引言

自2009年新醫改實施以來，我國的醫療衛生事業取得了巨大成就，根據世界衛生組織公布的數據，我國的人均壽命由2009年74歲增長至2019年的76.1歲，各項衛生健康指標得到顯著改善。但相應地，醫療衛生支出也呈現快速增長的態勢，2009至2018年，衛生總費用由17541.92億元增至59121.91億元，增長了3.37倍，占GDP比重由5.03%上漲至6.57%；人均衛生費用由1314.3元增至4237元，增長了3.22倍，城鄉居民衛生支出占消費支出比重也相應提高(1)數據來源于2019年《中國衛生健康統計年鑒》。。醫療費用支出的快速增長一方面給患者造成了沉重負擔，“看病貴”現象并未得到實質性解決；也會誘發個人對其他消費性支出的擠占效應，減少新醫改所帶來的社會福利增加(解洪濤等，2015)。另一方面，也意味著可能會擠占諸如教育、科技等領域的資金支出(Rovere and Skinner，2011)。在當前經濟進入新常態，各級政府財政普遍吃緊的新形勢下，醫療費用支出的快速增長不利于國家財政預算的持續穩健，容易形成新的財政風險(朱恒鵬，2019)。因此探尋醫療成本快速上漲的內在原因，為決策者抑制醫療成本上漲提供決策依據，成為各國學者的研究熱點。

醫療成本的驅動因素很早就引起了學術界的關注，相關研究表明，收入增長、醫療技術進步、醫療保險覆蓋率、醫藥價格以及人口老齡化等都是推動醫療成本增長的重要因素(Prieto and Santiago，2012; Rossen and Faroque，2016; 張鑫、趙苑達，2020；寇宗來，2010; 李樂樂、楊燕綏，2017；Newhouse，1992)。但很多人卻忽視了半個世紀前Baumol提出的“成本病”理論，該理論為醫療成本上漲提供了一種新的解釋。理論認為，非物質生產部門(服務業為主)的勞動生產率較低，制造業相對于服務業的生產率要高，但各部門卻存在相同的工資增長(假設勞動力在各個部門之間可以自由流動)，從而導致諸如醫療保健、教育等服務業部門勞動成本不斷上升，因此抑制醫療成本增長的努力都是徒勞的(Baumol，1967)。我國醫療系統中是否也存在“成本病”？“成本病”的成因以及程度如何？目前雖有相關研究對此做了初步探討，但仍缺乏更為細致的研究，結論也不一而論，存在較大爭論。Ho et al.(2014)的研究結果顯示“成本病”對醫療支出的影響在我國經濟欠發達的西部地區扮演重要角色；而袁勝超等(2020)的研究結果則指出我國中西部地區醫療行業尚未出現“成本病”的跡象；Wang and Chen(2021)指出“成本病”是導致我國醫療衛生支出快速增長的重要因素，而劉小友、黨旺旺(2020)的研究結果表明我國醫療衛生行業不存在Baumol “成本病”問題。

為了厘清導致我國醫療成本快速上漲的原因，本文結合Baumol理論，對由Hartwig(2008)首創、Colombier(2012)擴展的方法進行改進，該方法允許研究者將“成本病”對醫療成本增長的影響分離，而無需衛生價格信息或生產率的數據。運用該方法，實證檢驗Baumol“成本病”存在性以及是否能部分地解釋了我國公立醫院醫療成本的增長。不同于已有的研究，本文主要從微觀公立醫院的視角，而不是省級或國家層面的宏觀維度探討醫療系統中的“成本病”現象。選取微觀公立醫院為視角，主要有三個原因：其一，微觀醫院數據能夠體現宏觀數據所遺漏的特性信息，更能反應基層醫療系統的真實現狀，有利于決策者精準施策；其二，公立醫院是我國醫療系統的主體，承擔了醫療服務的大部分任務和社會性工作，也是公眾和患者看病就醫服務主要選擇的醫療機構(2)《中國衛生健康統計年鑒》數據顯示，2013年至2018年，公立醫院的診療人次占總診療人次的平均占比為88.57%。；其三，公立醫院具有公益性，政府對公立醫院進行撥款，使公立醫院的行為與政府意志相一致，進而達到社會福利最大化(李玲等，2010)，因此其崗位具有行政色彩，更容易產生庸員(施燕吉等，2013)，工資上漲更具有不可逆性。

此外還有幾點值得我們研究，該中部省份自2016年“藥品零加成”政策實施以來，效果如何？在此背景下，“成本病”效應是否由于“藥品零加成”政策的實施有所緩解？對于上述問題本文也將試圖予以探討。

本文不同于現有文獻的邊際貢獻在于：首次從微觀公立醫院視角探討了Baumol“成本病”存在性及表現程度，更能細致全面地探討引起公立醫院支出快速上漲的具體因素；構造新的“鮑莫爾變量”，更合理地從微觀醫院層面衡量醫療衛生系統內的“成本病”現象；從醫院等級與類別兩方面考察了公立醫院“成本病”及其對患者和政府影響的異質性；首次探究了“藥品零加成”政策實施背景下公立醫院“成本病”效應的影響，為解決“成本病”問題提供了新的政策思路。

二、文獻綜述

Baumol and Bowen(1965)首次對表演藝術形式的“成本病”進行了討論，而后Baumol (1967)構造了兩部門非均衡增長模型對“成本病”理論進行了概括與形式化，他將服務業稱為勞動生產率較低的“停滯”部門，將制造業稱為勞動生產率較高的“進步”部門，為保證經濟均衡發展，兩部門實際產出比例需維持不變，從而導致流向服務業的勞動力逐漸增多，由于名義工資的上漲，使得服務業的生產成本提高。Fuchs(1968)也認為服務業勞動生產率的相對滯后導致了就業比重上升，這與Baumol的結論相同。學術界將二者的結論稱為Baumol-Fuchs假說。Baumol(1993)遵循其1967年原有的理論框架，率先將“成本病”應用于醫療保健行業，指出醫療保健行業作為一個非技術進步、勞動密集型的部門，需求持續增加，單位小時產出卻沒有提升，由于生產率增長緩慢，需求價格彈性低，實際成本隨著時間的推移將不可避免地攀升。

“成本病”理論為學者解釋服務業成本的上升提供了新的視角，它用簡單的理論解釋了醫療成本快速上漲的原因。盡管模型邏輯嚴謹，但是“成本病”理論卻很少得到驗證，僅有少數幾篇文章提及了“成本病”(Karatzas，2000；Nordhaus，2008; Erixon and Van-der，2011)，這主要由于醫療保健領域的生產率度量難題。通過服務的相對價格對“成本病”進行測量是一種主流方法，但Griliches(1992)認為由于服務業的“不可測度性”，服務業生產率將存在較大誤差，生產率往往被低估，一個重要因素是大多數醫療服務生產率的測算未考慮到服務質量的影響，導致醫療價格指數被高估(Newhouse，1992； Triplett and Bosworth，2003；Ralph，2013)。Nordhaus(2008)利用美國1948—2001年的行業數據，調查Baumol“成本病”對經濟的影響，就指出對于諸如醫療保健或教育這樣的服務業，要準確地衡量價格和產出仍然極其困難。但是仍有相關學者對“成本病”假說進行了檢驗，如Martins and Maisonneuve(2007)首次嘗試使用可估計模型對Baumol“成本病”進行實證檢驗，結果顯示在長期內，醫療系統需要考慮Baumol“成本病”的影響，證明“成本病”是影響醫療領域的重要因素。

雖然Newhouse(2001)認為醫療保健價格是檢驗Baumol“成本病”理論的必要條件，但Hartwig(2011)卻指出由于衛生支出可以在價格水平沒有任何上升的情況下增加，醫療保健價格指數可能不是檢驗Baumol“成本病”的適當變量。Hartwig(2008)利用經濟范圍內工資和生產率增長率之間的差異來構建一個“鮑莫爾變量”，用來測算“成本病”的效應，該方法成功規避了使用醫療價格指數帶來的缺陷。Colombier(2012)對Hartwig(2008)的方法進行了一些改進，指出要對Baumol“成本病”進行實證檢驗，就必須考慮到“停滯”部門在總勞動力中的份額，由此構造一個“調整后的鮑莫爾變量”。此后學者大多采用Hartwig(2008)與Colombier(2012)的思路檢驗醫療領域內是否存在“成本病”及其影響程度。如Bates and Santerre(2013)基于此方法對1980—2009年美國50個州的醫療機構數據進行檢測，證實美國保健部門存在“成本病”。Rossen and Faroque(2016)對加拿大各省人均醫療成本進行研究，發現“成本病”存在但影響較小，技術進步是導致醫療成本上升的最主要因素。Colombier(2017)對20個OECD的面板數據進行研究，Baumol“成本病”對人均實際醫療保健支出年增長的貢獻率在0.15-0.40個百分點之間。

國內研究上，雖然更多地研究重點放在衛生資源配置的地區失衡和治理上(李靜、常媛媛，2021)以及衛生資源在醫院等級分配的問題上(龔秀全、孫晨晗，2021)，但也有部分學者開始研究衛生領域的“成本病”問題。程大中(2004)較早的將Baumol的理論應用于中國服務業中，指出中國服務業存在“成本病”的跡象；王耀中、陳浩(2012)對Baumol-Fuchs假說的發展歷程進行了細致的梳理；Ho et al.(2014)對我國2002—2010年省級面板數據進行檢驗，結果表明醫療保健支出受到“成本病”的影響，且在西部地區發揮更大作用；謝洪濤等(2015)對我國社會醫療成本的快速增長進行了分析，發現“成本病”貢獻了醫療成本上漲的8%-22%左右；袁勝超等(2020)基于2003—2017年中國省級層面數據，實證考察了“成本病”對醫療費用增長的影響，結果表明中國醫療行業存在超過生產率的人力成本增長，這構成了醫療費用持續增長的來源；Wang and Chen(2021)利用2010—2017年中國30個省份的面板數據，運用空間杜賓模型分析了各因素對各省衛生支出增長的影響機制，結果表明“成本病”對衛生支出產生顯著正向影響，區域間衛生支出增長存在顯著的空間溢出效應。

對現有文獻進行梳理可以發現，國際上對于醫療領域內Baumol“成本病”的實證研究仍然處于探索階段，部分文獻認同在醫療衛生領域存在著“成本病”問題，不僅在區域宏觀領域存在，在微觀醫療機構也有一定的證據表明“成本病”現象具有普遍性。國際上現有研究大部分集中在OECD國家或其它發達國家，對于發展中國家或者國內醫療領域內的“成本病”研究較少，僅有部分文獻做了初步的探討。這些文獻的研究主要集中于省級層面的宏觀探討，且研究結論爭議性大，對于是否存在“成本病”現象還未達成基本共識。同時，由于宏觀省級樣本對于醫療行業的信息反應存在一定的滯后性，并且存在樣本數量少，結論穩健性不足等缺陷。此外，也無法細致控制醫院的特征和類型等，得到的信息有限，導致結果存在污染性。本文使用基于公立醫院視角的微觀數據則更能反應醫療行業的準確情況，統計信息和變量更加充實完善，對檢驗公立醫院的“成本病”問題具有較大的優勢。當前，在我國醫療支出快速增長，無論是社會，個人或是政府，在醫療支出比重不斷攀升的背景下，對公立醫院“成本病”的研究具有重要的理論和現實意義。2021年初，國家衛生健康委、國家中醫藥管理局聯合頒發了《關于印發公立醫院成本核算規范的通知》(國衛財務發〔2021〕4號)的文件，強調要嚴格規范公立醫院成本核算，抑制成本快速上升的勢頭，提升公立醫院資源配置效率。文件的出臺必將對抑制公立醫院“成本病”的發展具有的示范作用，也為本文的研究提供了重要的政策指引。

三、研究設計與數據來源

(一)計量模型設計

遵循Baumol(1967)兩部門非均衡增長模型，經濟部門可被劃分以服務業和制造業為代表的簡化的兩部門，顯然，醫療部門隸屬于服務業部門。

參照Hartwig(2008)的方法，Baumol假說可以通過檢驗服務業部門的單位成本變化是否與整個經濟中工資增長率與生產率增長率之差成正比來進行檢驗：

Δln(CNP)=λ(Δln(w)-Δln(y))

(1)

w，y分別表示整個經濟體內人均工資與人均產出， Δln(CNP)表示單位成本增長率，括號內(Δln(w)-Δln(y))表示“鮑莫爾變量”，當λ為正并且統計顯著時，意味著Baumol“成本病”的存在。

Colombier(2012)指出Hartwig(2008)所構造的“鮑莫爾變量”代表的是勞動力全部在服務業部門時的特殊情況，“成本病”的影響無法得到真實反映，為了檢驗“成本病”的影響，應考慮服務業部門勞動力在全部勞動力中所占的份額。因此Colombier(2012)對Hartwig(2008)的方法進行了擴展，推導出服務部門的單位成本的增長為：

(2)

由于本文聚焦于醫院層面，對應檢驗的變量與區域層面有所不同，需要對公式(2)再做調整。首先，將原有CNP，w，y等變量替換為醫院微觀層面變量，仍舊通過工資增長率與生產率增長率之差是否與單位成本增長率成正比檢驗“成本病”的存在，構造醫院層面“成本病”的檢驗方程：

Δln(Ch)=λ*(Δln(wh)-Δln(yh))

(3)

其中，Ch為單位成本，表示人均醫療成本負擔，wh，yh分別表示公立醫院的人均工資與人均產出。括號內表示“鮑莫爾變量”。

其次，由于公立醫院在職人員中也包含例如電工、軟件員、維修人員等工勤技能人員，為更精確的衡量醫療行業“成本病”的影響程度，應將工勤技能人員剔除，僅包含參與醫療救治的衛生人員。因此，依據公式(3)，做出如下調整：

(4)

單位成本增長率Δln(Ch)主要從兩方面衡量：一是醫院人均總成本增長率，衡量醫院總支出的成本增長；二是醫院人均醫療技術成本增長率，專門用于衡量醫院刨除人員費用，管理費用，藥品和材料費用等用于醫院技術和可持續發展的成本增長，考察其與人員及管理成本等的差異。依據實際情況，計算“調整的鮑莫爾變量”中的人均工資wh時，選取醫院的職工人均工資水平代替，而計算生產率yh時，我們參照謝洪濤等人(2015)的做法，采用數量產出(即人均負擔診療人次)，而不使用價值產出，這便于定量分析，避免因價值產出界定不清晰而造成誤差。具體的實證模型如下：

(5)

公式(5)中，i表示醫院，t表示年份(t=2013,2014,…,2018)，Ch表示醫院總支出與醫療技術支出，Δln(Ch)表示總支出與醫療技術支出的增長率，主要的解釋變量是“調整的鮑莫爾變量”，若β1顯著為正，則認為公立醫院系統存在“成本病”效應；xit為控制變量，表示一系列影響人均醫療成本上漲的解釋變量；ut表示時間效應；δi表示個體效應；εit為隨機誤差項。

在使用公式(5)檢驗了公立醫院是否存在“成本病”效應后，替換Δln(Ch)為:1.患者人均醫療支出增長率，衡量患者的醫療負擔；2.患者人均財政支出增長率，衡量政府的醫療負擔。這樣就延伸考察了公立醫院“成本病”對患者和政府負擔的影響。

(二)數據來源及描述性統計

1.數據來源

數據來源于中部某省2013—2018年二級和三級公立醫院衛生統計年報數據(3)應當地醫管局要求，數據進行了“脫敏”處理，本研究成果不能透露相關地區及醫院名稱等敏感信息，故以“中部某省”代替。，該年報主要包括醫療機構的統計信息，主要指標涵蓋了醫療機構基本情況、衛生人員、醫療床位、醫療場所、醫療設備、收入支出、資產負債、醫療服務等12類100多項具體指標。原采集了687家公立醫院數據，除去數據缺失，異常等，保留658家具有連續變量的樣本醫院，其中三級醫院占比19.5%，二級醫院占比80.5%。

2.變量選取

(1)被解釋變量。本文主要檢驗公立醫院“成本病”的存在性及其對患者和政府負擔的影響，被解釋變量分為兩部分：一是公立醫院本身的成本增長率，這里使用醫院人均總支出(成本)增長率和人均醫療技術成本增長率衡量；二是患者和政府的支出增長率，由于本文數據基于醫院層面，考慮到數據的可得性，本文構造了人均醫療支出增長率這一變量衡量患者的醫療負擔，從醫院整體角度衡量個人醫療支出增長過快的問題。政府層面，本文用人均財政支出增長率加以衡量。指標定義見表1說明。

(2)核心解釋變量。核心解釋變量為“調整的鮑莫爾變量”，按照公式(4)的計算方法得到，人均工資選取醫院的平均工資水平。

(3)其他解釋變量?！俺杀静　笔峭侠坌袠I發展，也是導致人均醫療支出與政府醫療支出快速上升的因素之一。但是還存在一些其它需要被控制的影響因素，例如醫院規模的快速擴張是否會引起“成本病”問題以及個人醫療支出的上漲？本文采用“床位數”這一變量衡量醫院規模。此外，研究表明“以藥養醫”也一直是導致醫療支出虛高的重要因素(解洪濤等，2015)，本文采用“藥品加成”這一變量來衡量“以藥養醫”的現狀。相關研究表明“住院率”的不合理增長可能存在過度醫療的情況，進而推高個人的醫療支出(林源，2015)。引入“萬元以上設備數”衡量醫院的硬件水平，擁有較多數量的先進設備，可能誘使患者增加檢查，導致患者醫療支出增加。而對于醫院整體的技術水平則采用“執業醫師占比”與“注冊護士占比”來衡量。

凡價值量的數據都按該省各地市CPI進行了不變價格的處理，消除通貨膨脹率的影響。其中醫院總收入按當地CPI進行了消脹處理，醫院職工工資則按當地城市職工工資增長指數進行了平減處理，均統一處理成2013年可比的不變價格指標。變量定義如表1所示。

表1 變量定義說明

模型變量的統計特征如表2所示，從表2可以看出公立醫院人均總成本增長率和人均醫療技術成本增長率分別為4.35%和4.11%，說明公立醫院的成本在逐年增加?；颊叩尼t療支出增長率與政府醫療支出年均增長率分別為4.05%和5.59%，表明患者與政府的醫療支出負擔在逐年加重。醫院平均工資增長率為10.19%，高于醫院產出增長率3.14%，具體如圖1所示，初步判斷存在“成本病”的跡象。圖1還顯示，在2016年“藥品零加成”政策后，工資與產出增長率趨勢均產生了較為明顯的變化，表明政策的實施可能對公立醫院“成本病”效應產生一定的影響。“鮑莫爾變量”與“調整的鮑莫爾變量”系數均為正，說明存在超過生產率水平的人力成本。床位數與萬元設備的年均增長率較快分別為4.11%和15.53%，而執業醫師與注冊護士占比變動幅度小，僅分別為-0.25%、0.55%，這表明近年來新醫改資金主要流向了“硬件”，即醫院規模與設備數量有了較大幅度的提升，而對于“軟件”即人才的培養卻存在明顯不足。住院率增長率僅為-0.24%，說明并未存在過度醫療的情況。就總體來看，藥品加成的年均增長率僅為-0.21%，表明國家取消藥品加成的改革舉措效果開始逐步顯現。

表2 變量的描述性統計

圖1 醫院平均工資增長率與產出增長率變化 圖2 醫院藥品收入占比

為更清晰地觀察“藥品零加成”政策對于不同等級醫院的影響，繪制了醫院藥品收入占比的趨勢圖。如圖2所示，整體上，醫院的藥品收入占比一直呈下降的趨勢，尤其在2016年以后，這一趨勢得到加強；三級醫院藥品收入占比較二級醫院要低，二者均一直呈現下降的態勢，并在2016年政策實施以后大幅度下降，但三級醫院的下降幅度要大于二級醫院。因此我們初步認為“藥品零加成”政策對于醫院藥品收入占比產生重要影響。

四、實證結果

(一)基準回歸分析

依據公式(5)，分別檢驗公立醫院“成本病”的存在性和對患者和政府負擔的影響。本文采用雙向固定效應模型，控制了年份固定效應與個體固定效應，基準回歸結果見表3。

表3檢驗了醫療行業“成本病”效應的存在性?？梢?，不論是人均總成本增長率還是人均醫技成本的增長率，“調整的鮑莫爾變量”系數均顯著為正，加入控制變量之后，這一效應仍然顯著存在。住院率上升將一定程度上降低公立醫院兩項成本的增長，但床位增長率卻表現不同：它顯著提升了醫院人均成本的增長率，表明醫院床位的增長所帶來的規模擴張在促進醫院收入的同時，也會大幅度提高公立醫院的運行成本。實證結果還顯示藥品加成變量系數顯著為負，這表明“以藥養醫”現象在醫院層面確能緩解公立醫院高昂的成本支出增長。此外，萬元設備數、執業醫師占比與注冊護士占比系數為正，對總成本的支出均表現顯著，對人均醫療技術成本支出沒有明顯的成本增長帶動效應。

表3 公立醫院“成本病”效應基準回歸結果

表4第(1)、(2)列報告了患者人均醫療支出增長率的實證結果，為說明結果的穩健性，第(1)列使用了“調整的鮑莫爾變量”、“住院率增長率”作為解釋變量，由于住院率變動是直接推動醫療支出變動的重要因素，因此選擇“住院率增長率”作為關鍵控制變量。結果表明公立醫院“成本病”效應對患者和政府負擔都有著顯著的影響。將其余解釋變量加入后，這一影響仍顯著存在。此外，床位增長率對于個人醫療支出存在顯著的正向影響，暗示醫院將規模擴張的成本轉嫁給患者，增加了患者的負擔。實證結果還顯示藥品加成變量系數顯著為正，這表明“以藥養醫”現象依然是推動個人醫療支出上漲的因素之一。萬元設備數變量系數為負，但不顯著，說明醫院的硬件設施條件越好，個人的醫療支出越低，但沒有統計學意義；同樣“執業醫師占比”與“注冊護士占比”系數為負，但不顯著，說明提高醫院的醫療技術水平，個人的醫療支出將會減少，這可能是因為醫院技術水平的上升，可以更快地確定患者的病因，對癥下藥，進而減少額外的醫療支出。表4第(3)、(4)列報告了人均財政支出增長率的實證結果，結果顯示“調整的鮑莫爾變量”與“住院率增長率”對人均財政醫療支出存在顯著的正向影響，且影響較大，表明“成本病”也導致了人均財政醫療支出的快速上漲，加重了政府的醫療負擔。

表4 公立醫院“成本病”對患者和政府負擔的檢驗結果

(二)異質性分析

我國實行醫院等級評審制度，依據醫院的綜合水平將醫院分為三級十等，三級醫院意味著擁有更好的醫療條件與醫療服務，同時擁有更多的醫療資源，更好的醫療設備，技術能力更強的醫護和技術人員，也意味著更高的成本支出，特別是人員費用的支出；同時，三級醫院在規模和技術上存在“虹吸效應”，而患者往往具有“趨高”心理，更傾向于前往大醫院治療，因此醫院可能在醫療服務價格上進行壟斷(周魅等，2021)，進而加劇了“看病貴”問題。為進一步考察不同等級的醫院“成本病”效應和對患者和政府負擔的影響，考慮到數據的可得性與有效性，本文將醫院等級劃分為三級和二級，另外按醫院類別分為綜合醫院、中醫醫院和?？漆t院。

分醫院級別和類別分別檢驗該省公立醫院“成本病”的存在性，也從另一個層面盡可能地控制不同層次醫院醫療服務質量上的差別。表5和表6結果清楚地顯示出，不論哪個層面的公立醫院都存在較為明確的“成本病”問題，這與部分宏觀區域的檢驗相一致，顯然，醫療行業“成本病”問題都顯著存在。

表5 分醫院級別的“成本病”檢驗結果

表6 分醫院類別“成本病”檢驗結果

進一步檢驗不同等級公立醫院“成本病”對患者和政府負擔的影響，結果如表7所示。實證結果顯示三級醫院與二級醫院對患者的負擔，并無顯著差異，較為合理的解釋是雖然三級醫院提高了醫療服務價格水平，但醫院本身卻受到政府的嚴格管控，因此患者人數仍舊呈現快速增長，進而倒逼醫院提高自身的生產率水平以應對超負荷的診療(4)《中國衛生健康統計年鑒》數據顯示，2013至2018年醫院的總診療人次上漲了30.47%，其中三級醫院的診療人次占比從2013年的45.16%上升至 2018年的51.85%，三級醫院的診療負擔進一步加重。。但對政府負擔的影響存在一定差異。在三級醫院，“調整的鮑莫爾變量”對人均財政醫療支出存在正向影響，而二級醫院則存在顯著的人均財政醫療支出“成本病”效應。王文娟、杜晶晶(2015)的研究表明政府的醫療衛生補助是改善醫院收入，延緩醫療費用上漲的最直接手段。從醫院角度來看，雖然三級醫院與二級醫院均接受了政府的財政補助(即人均財政醫療支出)，但三級醫院憑借自身優勢擁有較多的創收渠道，政府補助收入占總收入的比重較低，如圖3所示，僅占10.7%左右，政府補助對于控制醫療費用的影響作用較小。此外公立醫院人員的工資水平主要取決于業務收入(侯建林、王延中，2012)，三級醫院人員的工資水平受政府補助影響較小，而“成本病”代表高于生產率水平的人力成本，與工資水平有關，因此“成本病”效應并未顯著導致三級醫院的政府補助收入增加；而二級醫院由于受自身醫療水平的限制，診療次數較少，收入渠道較為單一，導致政府補助收入占總收入的比重較高，約占28%左右，醫院人員的工資水平很大程度依賴于政府補助(即人均財政醫療支出)，因此二級醫院存在顯著的人均財政醫療支出“成本病”效應。

表7 不同等級公立醫院“成本病”對患者和政府負擔的檢驗結果

圖3 財政補助收入占醫院總收入比重變化

(三)穩健性檢驗

為保證結果的穩定性，本文采用兩種方法進行穩健性檢驗(5)限于篇幅，本文未報告穩健性檢驗的結果，感興趣的讀者可向作者索取。。1.替換核心解釋變量。將核心解釋變量“調整的鮑莫爾變量”替換為“鮑莫爾變量”，其可由公式(3)計算求得，它是多數文獻經常使用的構造方式，雖有較多缺陷，但較為簡便，易于計算。2.醫療產出指標的替換。本文使用的生產率指標主要參考解洪濤等人(解洪濤等，2015)的做法，采用醫均負擔診療人次衡量。該指標具有測度簡便，可衡量醫生個人生產率等優點，能較為準確的衡量醫療產出。但該指標依然存在一些問題，如忽視了醫療質量因素，可能會導致生產率被低估，特別是不同類型、不同級別的醫院之間也存在較大差別。為了調和這一矛盾，本文嘗試采用非參數基于EBM效率測度的ML生產率指數法來解決。兩種方法的最終結果均通過了穩健性檢驗：醫療系統醫療總成本和醫療技術成本均存在顯著的“成本病”效應，對患者人均醫療費用支出與政府人均財政醫療支出的影響依然顯著存在。

五、“藥品零加成”政策的影響

(一)政策背景

“藥品加成”政策制定于上世紀50年代，新中國成立初期，由于財政資源緊張，國家出臺了“藥品加價”政策：允許醫療機構在藥品銷售價格上加價15%，以緩解醫療機構的財政壓力，該政策為醫療機構的正常運轉起到重要作用(方鵬騫、陳婷，2012)。改革開放后，我國推行醫療市場化改革，政府投入一直維持在較低水平，醫院自負盈虧，“以藥補醫”開始成為普遍現象(鄭格琳等，2015)。進入21世紀，“藥品加成”已成為醫院的主要經濟支柱(胡曉等，2011)。隨著時間的推移，“藥品加成”政策的弊端開始逐步顯現，醫院為取得高額收入往往大開處方，濫檢查，高價藥現象層出不窮，這加重了患者醫療負擔，激化了醫患矛盾，嚴重削弱了公立醫院的公益性。為解決“藥品加成”帶來的一系列社會問題，國家在2007年全國衛生會議上首次提出“逐步取消藥品加成”構想，并在2009年新醫改實施后，首次提出“醫藥分離”的概念，重點是“取消藥品加成”。國家于2012年開始試點取消藥品加成，2015年開始全面推進縣級公立醫院改革，明確要求“取消藥品加成”，2017年開始全面推行公立醫院“取消藥品加成”政策。

為貫徹新醫改體制要求，該中部省份于2016年開始執行“取消藥品加成”政策，實施對象為二三級公立醫院選擇性試點，其余公立及民營醫院視自身情況參考執行。如圖4所示，試點醫院與非試點醫院的藥品收入占比一直呈下降趨勢，可以看到，2016年試點醫院的藥占比走勢出現“拐點”，呈現快速下降的趨勢，初步認為“藥品零加成”政策對試點醫院產生重要影響。

圖4 試點醫院與非試點醫院藥占比%

(二)模型設定

DID模型構建。本文將該省2016年“藥品零加成”政策作為一項“準自然實驗”，利用雙重差分模型(DID)，考察在控制“成本病”效應的情況下，“藥品零加成”政策下對患者及政府有無作用。將試點醫院作為實驗組，非試點醫院作為對照組。模型設定如下：

yit=α0+α1policyit+α2×調整的鮑莫爾變量+φitxit+λt+θi+εit=α0+α1treati×timet+α2×調整的鮑莫爾變量+φitxit+λt+θi+εit

(7)

公式(7)中，i表示醫療機構，t表示年份(t=2013,2014,…,2018)。y表示被解釋變量，“調整的鮑莫爾變量”衡量醫院“成本病”效應，x是控制變量。policy是人為構造的政策變量，為改革變量treati與時間變量timet的交乘項。其中treati=1表示該樣本醫院為試點醫院，treati=0則表示非試點醫院；該省于2016年在試點醫院實施該政策，所以當t≥2016時，timet=1，否則取0。式(7)中關鍵變量是policy，α1為正則意味著政策實施加重了醫院“成本病”效應或患者與政府的醫療負擔。此外模型還控制了年份固定效應λt、醫院個體固定效應θi，εit為隨機擾動項。

為考察“藥品零加成”實施后，公立醫院“成本病”是否隨著政策實施而對患者和政府負擔有所緩解，因此，在方程加入政策變量與“鮑莫爾變量”的交乘項，關鍵變量系數是α3。若α3為正則政策實施強化了“成本病”效應，加重了醫療負擔，反之則“成本病”效應減輕了醫療負擔。模型設定如下：

yit=α0+α1policyit+α2×調整的鮑莫爾變量+α3×policyit×鮑莫爾變量+φitxit+λt+θi+εit

(8)

平行趨勢檢驗。使用DID的前提假設是：在政策發生前，實驗組與對照組的趨勢是相一致的。這里將模型(7)中的policy變量替換為虛擬改革變量treati與時間變量timet的逐年交乘項來進行平行趨勢檢驗，表示不同年份試點醫院和非試點醫院的被解釋變量yit是否存在差異。模型設定如下：

(9)

(三)實證結果

1.基準結果

DID基準回歸結果如表8所示?！罢{整的鮑莫爾變量”系數仍然均顯著為正，表明在“藥品零加成”政策背景下，醫院仍然存在較為明顯的“成本病”，對醫院成本的增長以及對患者和政府負擔都存在正向影響。政策的執行對醫院總成本以及政府的財政負擔都帶來較大的壓力。但政策仍然有積極作用，它一定程度上降低了公立醫院醫療技術成本的增長，還減緩了患者醫療費用的增長。這表明政策的實施確實在一定程度上解決了患者“看病貴”問題，但卻將減輕的醫療負擔部分由醫院承擔，部分轉嫁給了政府，這是因為“藥品零加成 ”政策減少了醫院的收入渠道，反而增加了部分成本支出；為維持醫院的正常運營，政府也必須增加對醫院的補助力度以支持該項政策的順利實施。政策有效減緩了醫療技術成本的增長，主要原因在于，醫療技術成本支出中不包含工資等人員費用，基本不受嚴格意義上的Baumol“成本病”的影響；另外，部分公立醫院在政策實施后由于收入減少，醫療技術設備采購減少也可能是其中原因之一。

表8 DID基準回歸結果

(四)穩健性檢驗

為保證結果的穩健性，本文使用了兩種方法進行穩健性檢驗(6)限于篇幅，本文未報告穩健性檢驗的結果，感興趣的讀者可向作者索取。。1.平行趨勢檢驗。2.排除同期相關政策影響。該省除2016年試點實施了“零加成”政策外，部分縣于2013-2015年實施了縣級公立醫院改革，改革內容存在部分重復，因此，我們排除縣級公立醫院改革的醫院樣本。對于2013年開始大病保險試點的兩個城市樣本，我們也進行進一步的排除。兩種方法的最終結果均通過了穩健性檢驗。

六、結論與政策建議

本文基于2013-2018年我國中部某省658家公立醫院面板數據，探究了Baumol“成本病”的存在性，以及對患者和政府負擔的影響，并結合2016年實施的“藥品零加成”政策考察政策能否減緩“成本病”效應。研究結果顯示：(1)公立醫院系統存在顯著的“成本病”現象，并且“成本病”是推動個人與政府醫療支出快速增長的重要因素；(2)“成本病”效應對患者負擔的影響并不受醫院等級的影響，但對政府財政負擔的影響二級醫院比三級醫院表現更為明顯。(3)“藥品零加成”政策的實施雖能夠有效降低患者負擔，解決了患者的“看病貴”難題，但未能改善醫院成本的快速增長，也增加了政府的財政負擔。根據以上研究，主要的政策啟示如下：

醫療衛生系統的特殊性決定了其生產效率提高相對緩慢，但剛性的工資增長增加了衛生機構的成本，因此醫療系統“成本病”的發生具有一定的必然性，但仍可通過破除醫療系統固有模式減弱“成本病”的影響。導致“成本病”的原因無非是較快的工資增長率與較低的生產率增長率，因此從兩方面入手，其一是建立符合醫療衛生體系特點的薪酬體系，合理控制工資的上漲幅度；其二是提高醫療服務效率進而提高其生產率水平。此外，實施“藥品零加成”政策，弱化了“成本病”對患者的影響，強化了政府的影響，這為解決“成本病”問題提供了新的思路，可以尋找一個平衡點，使“成本病”效應對患者與政府的影響最小化，從而提升社會整體的福利水平。相關政策的實施離不開政府的支持，財政補償機制革新，衛生人力資本的合理使用以及醫療資源科學配置等。

1.進一步完善公立醫院薪酬制度與信息公開制度，強化監管機制。由于醫療服務市場存在高度的信息不對稱，作為供給方的醫院在市場中掌握信息的絕對優勢，可能存在“契約失靈”(吳敬璉，2012)，而我國公立醫院普遍具有事業編單位性質，因此公立醫院職工薪酬也理應受到監督，可以參考公務員的“陽光工資”制度，將津貼，獎金，補貼等“隱性收入”顯性化，避免灰色收入。此外“藥品零加成”政策的實施雖然減少了明面上的加成收入，但在醫生與藥企利益鏈尚未完全斬斷的情況下，醫生仍有可能利用信息上的不對稱，行使藥品使用的決定權，為自己牟利，甚至利用監管漏洞，增加檢查費用，化驗費用以彌補“藥品零加成”政策帶來的損失，產生了“蹺蹺板”效應，減弱了政策給予患者的福利水平。因此公立醫院除了要完善薪酬制度，推進信息公開之外，還應加大對醫生行為的監督力度，防止“以藥養醫”轉向“以檢養醫”，保證改革的長期有效性。

2.進一步規范公立醫院成本核算工作。當前公立醫院業務活動及資金資產管理日益復雜，在經濟運行壓力不斷加大的情況下，對成本核算的精細化管理需求日益增強，亟需建立有效的人員、藥品材料等成本核算管理工具和機制，提升內部管理水平，優化資源配置、提高運營效率，適當抑制管理費、人員費等不合理支出，逐步緩解“成本病”問題，保障公立醫院健康、可持續發展。尤其在“藥品零加成”政策全面推行后，新的補償機制尚未健全的情況下，更加要求醫院加強成本控制，降低和控制人力與運營成本，提高資金的利用效率。

3. 推進公立醫院去行政化改革。高度的行政化體制是造成公立醫院低效率的重要因素，某種意義上，醫院也是行政部門的延伸機構，這導致了公立醫院存在機構臃腫，官僚傾向嚴重等一系列問題。應革新人事制度，精簡機構，建立法人治理結構，落實“管辦分開”。

4.進一步合理配置醫療資源。我國大醫院“人滿為患”與基層醫療機構“門可羅雀”形成鮮明對比，醫療資源緊缺與浪費并存。進一步完善分級診療制度，積極引導患者在基層醫療機構就診，提升醫療資源利用率，減弱“成本病”的影響。