郭芮綺，胡依，閔淑慧，李貝

(南方醫(yī)科大學(xué)衛(wèi)生管理學(xué)院，廣東 廣州 510515)

2015年中共中央、國務(wù)院頒布《中共中央國務(wù)院關(guān)于打贏脫貧攻堅(jiān)戰(zhàn)的決定》(中發(fā)【2015】34號(hào))，提出扶貧工作要從聚焦區(qū)域逐漸精準(zhǔn)到微觀貧困農(nóng)戶[1]。自實(shí)施精準(zhǔn)扶貧政策以來，精準(zhǔn)脫貧攻堅(jiān)工作取得顯著成效[2]。國家統(tǒng)計(jì)局相關(guān)數(shù)據(jù)顯示，截至2019年末，我國農(nóng)村貧困人口已減少至 551 萬人。大量相關(guān)研究也證明精準(zhǔn)扶貧政策在減貧增收方面發(fā)揮重大作用[3, 4]。在健康中國戰(zhàn)略背景下，國家高度重視全民衛(wèi)生健康工作，習(xí)近平總書記強(qiáng)調(diào)健康扶貧屬于精準(zhǔn)扶貧的一個(gè)重要方面[5]。精準(zhǔn)扶貧工作對(duì)提升貧困群體的健康水平以及健康中國的實(shí)現(xiàn)發(fā)揮著十分重要的作用[6]。醫(yī)療保健支出是指用于醫(yī)療和保健的藥品、器械和服務(wù)費(fèi)用，這項(xiàng)支出的提高并不只代表看病次數(shù)增多，更是接受醫(yī)療保健服務(wù)能力的提升，是一個(gè)重要的衡量健康水平的指標(biāo)。在這一背景下，本文聚焦精準(zhǔn)扶貧政策對(duì)農(nóng)戶醫(yī)療保健支出的影響，并為更進(jìn)一步提高其健康水平提供建議，以助力健康中國目標(biāo)的實(shí)現(xiàn)。

1 數(shù)據(jù)

1.1 研究對(duì)象

本研究使用中國家庭追蹤調(diào)查2018年的調(diào)查數(shù)據(jù)，由于本文主要研究國家精準(zhǔn)扶貧政策對(duì)農(nóng)村人口醫(yī)療保健支出的影響，故剔除城鎮(zhèn)戶籍和相關(guān)變量部分缺失值后，共得到14742個(gè)樣本。

1.2 變量定義

本研究的因變量為農(nóng)村居民的醫(yī)療保健支出，選取CFPS問卷調(diào)查中家庭經(jīng)濟(jì)板塊的“醫(yī)療支出”和“保健支出”兩個(gè)變量，將其相加合并生成新變量，以此衡量農(nóng)村居民的醫(yī)療保健支出。

本研究的自變量為國家精準(zhǔn)扶貧政策，政府對(duì)農(nóng)民的補(bǔ)助主要包括低保、農(nóng)業(yè)補(bǔ)助、五保戶補(bǔ)助等，該類型與國家精準(zhǔn)扶貧政策的財(cái)政專項(xiàng)資金的補(bǔ)助范圍相似，由于CFPS數(shù)據(jù)庫在2016年后不再對(duì)該補(bǔ)助類型細(xì)分，統(tǒng)一歸為政府補(bǔ)助，故本文選取調(diào)查問卷中家庭經(jīng)濟(jì)板塊的“是否接受政府補(bǔ)助”這一變量，以此衡量精準(zhǔn)扶貧政策。其中，設(shè)定接受政府補(bǔ)助的居民(貧困戶)為處理組，未接受政府補(bǔ)助的居民(非貧困戶)為控制組。

此外，通過文獻(xiàn)回顧以及CFPS數(shù)據(jù)庫數(shù)據(jù)信息的可獲得性，還選取年齡、性別、醫(yī)療保險(xiǎn)、慢性病狀況、自評(píng)健康狀況、受教育程度、婚姻狀況、家庭規(guī)模等自變量作為控制變量。

1.3 統(tǒng)計(jì)方法

本文采用stata16.0軟件進(jìn)行統(tǒng)計(jì)分析，以頻數(shù)、標(biāo)準(zhǔn)差等基本描述性統(tǒng)計(jì)進(jìn)行一般資料分析。精準(zhǔn)扶貧政策與農(nóng)戶醫(yī)療保健支出的關(guān)系采用最小二乘法(Ordinary Least Square OLS)進(jìn)行估計(jì)，由于常規(guī)OLS模型估計(jì)難以得出相對(duì)準(zhǔn)確的結(jié)果，本研究進(jìn)一步采用傾向得分匹配(PSM)控制潛在混雜因素，主要探究國家精準(zhǔn)扶貧政策對(duì)農(nóng)村貧困戶醫(yī)療保健支出的影響，將處理組與對(duì)照組匹配，進(jìn)一步得到農(nóng)村貧困戶獲取精準(zhǔn)扶貧政策優(yōu)惠的三種處理效應(yīng)。

2 結(jié)果

2.1 研究對(duì)象的基本特征

從研究對(duì)象受到國家精準(zhǔn)扶貧政策的情況來看，56.3%的農(nóng)村居民接受國家精準(zhǔn)扶貧政策的優(yōu)惠。從研究對(duì)象的健康狀況來看，68.9%的農(nóng)村居民認(rèn)為身體較為健康，慢性病患病率只有16.6%。醫(yī)療保健支出取對(duì)數(shù)后的均值為7.804，其余控制變量的描述性統(tǒng)計(jì)分析結(jié)果見表1。

表1 變量定義及描述性統(tǒng)計(jì)

2.2 國家精準(zhǔn)扶貧政策對(duì)農(nóng)村居民醫(yī)療保健支出影響的OLS模型結(jié)果

首先采用OLS估計(jì)精準(zhǔn)扶貧政策對(duì)農(nóng)戶醫(yī)療保健支出的影響，由表2可知，OLS模型擬合效果較好(P<0.001，R2=0.057)。結(jié)果顯示，接受精準(zhǔn)扶貧政策福利能使農(nóng)戶醫(yī)療保健支出增加5.4%，說明精準(zhǔn)扶貧政策對(duì)增加農(nóng)戶醫(yī)療保健支出有一定的促進(jìn)作用。另外，已婚、家庭規(guī)模越大、受教育程度越高、有慢性病、家庭收入更高、從事非農(nóng)業(yè)工作、自評(píng)健康狀況越差的農(nóng)村居民會(huì)更傾向于更高的醫(yī)療保健支出。

表2 國家精準(zhǔn)扶貧政策對(duì)農(nóng)村居民醫(yī)療保健支出的OLS模型結(jié)果

2.3 樣本匹配效果檢驗(yàn)

表3展示了本研究采用1:1鄰近匹配法相關(guān)變量在匹配前后標(biāo)準(zhǔn)誤差及誤差消減的情況，一般而言，匹配后標(biāo)準(zhǔn)誤差越小，匹配效果越好[7, 8]。從表3可以看出，匹配后只有兩個(gè)變量標(biāo)準(zhǔn)誤差絕對(duì)值變大，其余變量標(biāo)準(zhǔn)誤差絕對(duì)值都變小，經(jīng)匹配后處理組和控制組的差異得到明顯消減，研究樣本內(nèi)部的異質(zhì)性問題得以部分消除，如圖1顯示，匹配后兩組樣本幾乎不存在系統(tǒng)性差異，即匹配后的兩組樣本具有良好的平衡性，總體匹配效果較好。

表3 變量匹配前后誤差消減情況

圖1 傾向得分匹配(PSM)得分圖

2.4 國家精準(zhǔn)扶貧政策對(duì)農(nóng)村居民影響的平均處理效應(yīng)

本文采用Bootstrap 抽樣計(jì)算得到結(jié)果如表4，農(nóng)戶受到政府補(bǔ)貼的影響(ATE)正向顯著，即總體來說，無論農(nóng)戶是否受到精準(zhǔn)扶貧政策福利的影響，其醫(yī)療保健支出都會(huì)正向變化。ATU(控制組潛在處理效應(yīng))正向且在P<0.05的水平上顯著，即對(duì)于未受到精準(zhǔn)扶貧政策影響的農(nóng)戶而言，若其受到該政策的影響，醫(yī)療保健支出會(huì)增加0.082個(gè)標(biāo)準(zhǔn)差。ATT(處理組的平均處理效應(yīng))正向且在P<0.05的水平上顯著，即對(duì)于受到精準(zhǔn)扶貧政策影響的農(nóng)戶而言，若其不受到該項(xiàng)政策的影響，醫(yī)療保健支出會(huì)下降0.077個(gè)標(biāo)準(zhǔn)差。經(jīng)傾向得分匹配糾正變量間內(nèi)生性后，國家精準(zhǔn)扶貧政策對(duì)農(nóng)村居民醫(yī)療保健支出的影響系數(shù)有所增加，增加了2.3%。

表4 國家精準(zhǔn)扶貧政策對(duì)農(nóng)村居民的影響的bootstrap結(jié)果

3 討論

3.1 精準(zhǔn)扶貧政策對(duì)農(nóng)村居民醫(yī)療保健支出有促進(jìn)作用

本研究顯示，農(nóng)村居民政府補(bǔ)助的接受率適中，56.3%的農(nóng)戶享受到國家精準(zhǔn)扶貧政策福利。根據(jù)OLS模型結(jié)果得出，享受精準(zhǔn)扶貧政策福利與農(nóng)戶醫(yī)療保健支出呈正向相關(guān)關(guān)系。由于精準(zhǔn)扶貧政策與農(nóng)戶醫(yī)療保健支出之間存在內(nèi)生性，通過PSM匹配消除了內(nèi)生性問題后，接受精準(zhǔn)扶貧政策福利仍然可以在一定程度上提高農(nóng)戶醫(yī)療保健支出?，F(xiàn)階段的精準(zhǔn)扶貧工作相比于以往的模式更全面、完善，在以往單純經(jīng)濟(jì)扶貧的基礎(chǔ)上更關(guān)注醫(yī)療保障方面的扶貧，逐漸趨向綜合保障性扶貧[9]。這一系列工作使農(nóng)戶得到更全面的政策福利，能夠引導(dǎo)其在物質(zhì)水平普遍提高的基礎(chǔ)上產(chǎn)生更高層次的生活追求，而醫(yī)療保健支出的增加是農(nóng)戶在精準(zhǔn)扶貧政策福利影響下提升健康生活追求的一個(gè)表現(xiàn)，這也為提升其健康水平奠定了堅(jiān)實(shí)基礎(chǔ)。

3.2 不同特征人群醫(yī)療保健支出存在差異

本研究選擇家庭規(guī)模、婚姻狀況、受教育程度、家庭收入、工作類型、醫(yī)療保險(xiǎn)等作為自變量，采用OLS模型研究發(fā)現(xiàn)，家庭規(guī)模越大、家庭收入越高醫(yī)療保健支出越高，這可能是因?yàn)榧彝ヒ?guī)模大以及家庭收入高會(huì)使醫(yī)療服務(wù)需求更強(qiáng)烈，進(jìn)而會(huì)相對(duì)提高醫(yī)療支出整個(gè)家庭支出的比例[10]。從事非農(nóng)業(yè)工作的農(nóng)村居民會(huì)有更高的醫(yī)療保健支出，這可能是因?yàn)榉寝r(nóng)業(yè)工作者需要持續(xù)地工作，他們的醫(yī)療保健服務(wù)需求更高以提高健康水平，因而會(huì)有更高的醫(yī)療保健支出。受教育程度越高的農(nóng)戶往往也有更高的醫(yī)療保健支出，這可能是因?yàn)槭芙逃皆礁?，其健康意識(shí)和知識(shí)往往更豐富，會(huì)尋求更高水平的醫(yī)療保健服務(wù)。有醫(yī)療保險(xiǎn)的農(nóng)村居民會(huì)有更強(qiáng)的醫(yī)療保健傾向。近年我國醫(yī)療保險(xiǎn)進(jìn)行了部分調(diào)整，逐漸向醫(yī)療保險(xiǎn)全覆蓋發(fā)展，并初步呈現(xiàn)出良好的政策效應(yīng)[11]。隨著醫(yī)療保險(xiǎn)制度的完善，醫(yī)保報(bào)銷項(xiàng)目更全面，居民會(huì)得到更多的政策優(yōu)惠，進(jìn)而在醫(yī)療自費(fèi)方面會(huì)更少，在一定程度上刺激了農(nóng)戶在醫(yī)療保健方面的支出。

3.3 慢性病與自評(píng)健康狀況是影響農(nóng)戶醫(yī)療保健支出的重要因素

本研究發(fā)現(xiàn)，在對(duì)因變量有顯著影響的諸多自變量中，慢性病和自評(píng)健康狀況對(duì)農(nóng)戶醫(yī)療保健支出的影響最大，它們的影響系數(shù)分別為36.9%和29.5%。一般而言，自評(píng)較不健康的農(nóng)戶更傾向于需求醫(yī)療服務(wù)以維持自身健康，因此會(huì)比自評(píng)較健康的農(nóng)戶有相對(duì)更高的醫(yī)療保健支出。慢性病已經(jīng)逐漸發(fā)展成為世界范圍內(nèi)死亡的重要誘因，到2030年世界慢性病死亡人口將會(huì)占到總?cè)藬?shù)的75%[12]。慢性病病程長、治愈率低、復(fù)發(fā)率高、治療費(fèi)用高，會(huì)對(duì)本身經(jīng)濟(jì)條件相對(duì)薄弱的農(nóng)村居民造成嚴(yán)重的經(jīng)濟(jì)負(fù)擔(dān)，并加劇家庭發(fā)生災(zāi)難性衛(wèi)生支出的負(fù)面影響[13]。需要特別說明的是，在精準(zhǔn)扶貧政策實(shí)施的影響下，農(nóng)戶的這項(xiàng)支出增加在一定程度上表示其看病能力提升，同時(shí)也是醫(yī)療機(jī)構(gòu)提供醫(yī)療服務(wù)能力的體現(xiàn)，這是提高健康水平的基礎(chǔ)[14]。

全面提高農(nóng)戶健康水平是一項(xiàng)長期且艱巨的任務(wù)，因此，在未來的扶貧工作中，應(yīng)繼續(xù)堅(jiān)持精準(zhǔn)扶貧政策中增收減貧的工作路線，通過提高家庭收入為醫(yī)療保健支出構(gòu)建物質(zhì)基礎(chǔ)。同時(shí)應(yīng)完善統(tǒng)籌多重醫(yī)療保障體系，提高補(bǔ)償比例標(biāo)準(zhǔn)，向貧困人群傾斜[15]。此外，應(yīng)重視健康扶貧政策的宣傳，加快惠民政策的落地[16]?？偟膩碚f，精準(zhǔn)扶貧應(yīng)主要從物質(zhì)和思想層面刺激農(nóng)戶醫(yī)療保健支出，提升整體健康水平，從而推動(dòng)促進(jìn)健康中國重大目標(biāo)的實(shí)現(xiàn)。

3.4 研究局限

本文的研究局限性主要包括以下兩個(gè)方面：第一，CFPS數(shù)據(jù)庫缺乏官方定義的關(guān)于精準(zhǔn)扶貧政策的數(shù)據(jù)板塊，通過查閱文獻(xiàn)，因此本文將政府補(bǔ)貼視作精準(zhǔn)扶貧政策福利；第二，精準(zhǔn)扶貧政策對(duì)醫(yī)療保健支出的影響應(yīng)當(dāng)是具有長效性的，本文在年份選取上還存在局限，這也將是未來應(yīng)當(dāng)繼續(xù)鉆研的方向。