基于tobit模型的居民醫療費用支出影響因素研究

曾維德,吳揚,陸飛宇,曾宇皓,肖榮清,李慧

(右江民族醫學院,廣西 百色 533000)

醫療費用支出不僅關系到國家財政安全,同時也對我國居民生活產生重大影響。隨著人民生活方式和行為方式的改變,我國疾病譜和死亡譜也在發生變化。總體來看,居民罹患疾病風險在增加,居民醫療費用隨之增長,給家庭生活帶來沉重負擔,降低了家庭生活水平,甚至導致患病家庭因病致貧、因病返貧。目前關于醫療費用研究,主要分析單病種醫療費用構成和單項費用影響因素[1-3],而從人群特征、健康行為、衛生服務利用等角度分析主要集中在老年人群體[4],對全人群醫療費用關注較少,且全人群醫療費用研究忽略非就醫人群,很多居民醫療費用支出為0值,如果剔除無醫療費用支出的樣本,使用線性回歸模型得出的結論容易產生偏倚。本研究基于tobit模型,探討居民醫療費用支出狀況、醫療經濟負擔和影響因素,為居民合理利用衛生資源、控制醫療費用過快增長提供科學理論基礎。

1 材料與方法

1.1數據來源 本研究數據來源于中國家庭追蹤調查數據庫(CFPS),CFPS采用了內隱分層的、多階段、多層次、與人口規模成比例的概率抽樣方式(PPS),調查全國25個省、自治區、直轄市的數萬名受訪者,代表我國大部分人口,調查內容包括個體、家庭、社區三個層次,涵蓋了社會、經濟、人口、教育和健康等,尤其是健康行為、就醫行為、醫療費用等信息。本研究剔除部分空白樣本、異常數據,最終得到有效樣本數為21 211例。

1.2變量選取 本研究把醫療費用總支出作為因變量,醫療費用支出是指居民過去一年由于醫療行為所產生總的醫療費用,包括住院期間醫藥費、治療費、病房費用、住宿費等直接和間接的費用,以及其它非住院傷病產生的花費。自變量為居住地、性別、受教育水平、年齡、自評健康狀況、是否患慢性病、就診醫療機構、醫保類型。居住地分為城鎮、農村,性別為男性和女性,受教育水平將文盲半文盲和小學納入小學及以下,初中、高中、中專、職校納入中學,大專、本科、研究生、博士歸為大專及以上,年齡劃分為<60歲、≥60歲,自評健康狀況分為不健康、一般、比較健康、很健康、非常健康,是否患有慢性病分為患有慢病和不患慢性病,就診醫療機構分為診所/村衛生室、鄉鎮衛生院/社區服務中心、綜合醫院/專科醫院,保險類型分為無保險、新農合/城鄉居民醫保、城鎮醫療保險/城鎮職工醫保、公費醫療/商業醫療保險。

1.3統計學方法 采用STATA 16.0軟件對數據進行處理和統計分析,采用M(P25～P75)進行統計描述,單因素分析使用關于秩的非參數檢驗,檢驗水準α=0.05。將單因素分析中結果具有統計學意義的解釋變量納入tobit模型分析。tobit模型如下:

2 結果與分析

2.1研究對象一般情況 本研究一共納入有效樣本量21 211人,城鎮、農村分別占47.94%、52.06%,男性、女性分別占49.94%、50.06%,<60歲、≥60歲分別占77.70%、22.30%,居民醫療費用總支出中位數為150(0～1500),其他情況詳見表1。

表1 研究對象一般情況及單因素分析 (n=21 211)

2.2單因素分析結果 居住地、性別、受教育水平、年齡、自評健康狀況、是否患慢性病、就診醫療機構、醫保類型是醫療費用支出的影響因素(P<0.05),見表1。

2.3tobit回歸分析結果 根據單因素結果,對具有統計學意義的自變量進行賦值,賦值情況,見表2。以居民醫療費用支出為因變量,依據單因素分析結果,將居住地、性別、受教育水平、年齡、自評健康狀況、是否患慢性病、就診醫療機構、醫保類型作為自變量納入tobit回歸模型。tobit模型中,在P<0.05條件下,關注模型的邊際效應(margin effect),即模型的系數Me值。各自變量的邊際效應是針對條件均值而言,虛擬變量的邊際效應是相較對照組,效應組所產生的變化。回歸結果顯示,農村(Me=-674.089),男性(Me=-700.585),中學(Me=-798.255),健康自評一般(Me=-6 944.941)、比較健康(Me=-10 606.441)、健康(Me=-13 122.873)、很健康(Me=-16 432.990)的居民醫療費用支出低;年齡≥60歲(Me=1 264.808)、患有慢性病(Me=9 746.321)、綜合醫院/專科醫院(Me=3 625.865)、新農合/城鄉居民醫保(Me=1 523.693)、城鎮居民醫保/城鎮職工醫保(Me=1 550.252)的居民醫療費用支出高,見表3。

表2 tobit回歸模型賦值表

表3 tobit回歸模型分析

3 討論

3.1tobit模型的適宜性 tobit模型又稱為樣本選擇模型,是自變量滿足某種約束條件下取值的模型[5]。指在正值上大致呈連續性分布,但包含一部分以概率值為0的觀察值的變量。本研究中有大量研究對象醫療費用支出為0,使用線性模型分析,會丟失大量醫療費用支出為0的樣本,導致樣本選擇偏倚問題,因此,本研究適合使用tobit模型,分析居民醫療費用支出的影響因素。

3.2城鄉醫療費用支出的差異性 本研究結果顯示,農村居民醫療費用支出低于城鎮居民,與有關報道基本一致[6],相較于農村,城市擁有更加完備的醫療系統、豐富的醫療資源以及更高醫療資源可及性,居民潛在的醫療服務需求能有效地轉化為現實需求,而農村居民流動性差、收入低,就醫成本高,且健康意識較為薄弱[7],部分潛在的醫療服務需求無法有效地轉化為現實需求。因此,應加快縣域優質醫療資源擴容和均衡布局,推動醫療資源下沉,改善基層基礎設施條件,推進縣域醫共體建設,提高農村醫療衛生體系綜合服務能力,讓廣大群眾能獲得更加公平可及、系統連續的醫療衛生服務,為維護人民健康提供有力保障。

3.3不同性別、年齡、學歷間醫療費用支出的差異性 本研究結果表明,相較于女性,男性的醫療費用支出較低,與張旭宇等研究一致[8],由于生理、體質上差異,女性健康狀況較男性差,抵御疾病風險能力弱,且女性健康素養較高[9],用于健康體檢等健康保健支出費用更多。與教育水平小學及以下相比,中學學歷的醫療費用更低,大專及以上學歷無顯著性差異,醫療費用支出與學歷呈倒“U”型結構,一定程度上,學歷與收入、健康意識呈正相關[10],學歷高的居民愿意且有能力購買更多的醫療保健服務,產生更多醫療費用,隨著學歷提高,享受更舒適工作環境、合理工作制度、營養均衡的膳食攝入,罹患疾病風險降低,醫療衛生服務利用減少,因此醫療費用增加不顯著。60歲以上老年人醫療費用遠高于>60歲以下人群,表明老年人群體消耗更多的醫療資源,原因可能是:隨年齡增長,機體各系統功能逐漸減弱、患病風險增加,由此產生更多醫療衛生服務需求和醫療費用。因此,老年人應采取有效的預防措施,配合醫務工作者開展專項疾病檢查和定期隨訪檢查,以減少慢性病合并癥和并發癥的發生,從而控制老年人群體醫療衛生費用支出。

3.4健康狀況自我評價及慢性病對醫療費用支出的影響 tobit模型分析顯示,健康自評狀況越好,醫療費用支出越低,朱鳳梅[11]也得出類似結果,健康自評狀況的提高降低了居民對醫療服務的需求,減少醫療費用支出。慢性病也是影響居民醫療費用的重要因素,患有慢性病顯著增加居民醫療費用支出,治療慢性病需要耗費大量時間和醫療資源,給個人和家庭造成巨大經濟負擔,也是社會成本增加的因素之一。

3.5就診醫療機構層級及醫保政策對醫療費用支出的影響 多因素分析結果表明,相較于診所/村衛生室,在綜合醫院/專科醫院就診增加了醫療費用支出,不同級別醫院所在區域的經濟發展水平不同,且綜合醫院/專科醫院擁有更豐富的治療方式和手段,部分疾病的藥物需要到定點醫療機構購買,因此產生更高的醫療費用。本研究結果表明,與沒有購買醫療保險相比,參加醫療保險對醫療費用支出產生正向作用,與景抗震等[12]研究結果一致,醫保釋放居民對醫療衛生服務的需求[13],增加患者和醫供方的道德風險[14],同時由于醫療市場信息的不對稱性,導致醫生誘導患者過度使用醫療服務,并削弱醫生的成本意識,加劇了醫生誘導需求行為的發生。

基于本研究結果,為控制居民醫療費用支出不合理增長,建議有關衛生部門應加大健康宣傳力度,增強全民健康意識,提高居民健康素質;推進全民醫保,改革和完善醫療保險制度,深化醫保支付方式改革,平衡醫患保三方的地位,加強醫保部門醫保價格的談判能力和監管力度;推進和完善分級診療制度,加大對基層醫療服務的投入,推動優質醫療資源下沉,提高基層醫療衛生機構服務水平,增強居民對基層醫療服務的信任,提高居民對基層醫療服務利用,減少不必要的醫療衛生支出。

本研究仍存在一定的不足:其一,由于數據庫限制,僅使用2020年橫截面數據研究個體層面問題,是否具有代表性,有待進一步研究,未來可考慮使用CFPS多次調查數據進行對比分析。其二,回顧性收集受訪者過去一年的醫療費用情況,信息真實性難以保證,難以避免回憶偏倚。其三,區域經濟發展水平等因素影響著醫療費用支出,有待于探索使用傾向得分匹配法(PSM)解決模型內生性問題,進一步分析居民醫療衛生費用的影響因素。