環(huán)境污染的代價
——飲用水污染對居民醫(yī)療費用和醫(yī)?；鹬С龅挠绊?/h1>
2019-12-02 01:30:24方黎明彭宅文
財經研究 2019年12期
方黎明，郭 靜，彭宅文
（1. 對外經濟貿易大學 保險學院，北京 100029；2. 北京大學 公共衛(wèi)生學院，北京 100191；3. 中山大學 政治與公共事務管理學院 廣東 廣州 510275）
一、問題的提出
改善生態(tài)環(huán)境實現全民健康，從而減輕政府和居民的醫(yī)療支出負擔是健康中國和生態(tài)文明建設等國家重大戰(zhàn)略布局提出的時代命題。近年來，中國的醫(yī)療費用，無論是總費用，還是政府、社會醫(yī)療保險基金和居民等分項支出的醫(yī)療費用均有較大幅度的增長。①在2007-2016年10年期間，全國衛(wèi)生總費用從11 574億元增長到46 345億元，增長了約4倍。同期，我國的GDP增長了約2.78倍，衛(wèi)生總費用占同年GDP的比重從4.3%增長至6.2%；在衛(wèi)生總費用中，政府衛(wèi)生支出、社會衛(wèi)生支出（主要是醫(yī)保支出）和個人衛(wèi)生支出分別增長了約5.4倍、4.9倍和2.6倍。上述數字根據2017年《中國衛(wèi)生和計劃生育統(tǒng)計年鑒》第91頁和第353頁數據計算。盡管中國的社會醫(yī)療保險已經基本實現了全民覆蓋，但個人和家庭仍然需要承擔較高的自付費用。②在新農合和城鎮(zhèn)居民參保者中，住院患者自付次均住院費用占家庭人均年收入的30%，約40%的住院參保者因醫(yī)療費用過高對住院服務不滿意（參見2013年《第五次國家衛(wèi)生服務調查》，第125-140頁）?？梢灶A見，隨著人口老齡化的日趨嚴重，中國政府、醫(yī)?；鸷途用竦尼t(yī)療支出負擔將日趨沉重。因此，控制不合理因素導致的醫(yī)療費用尤為關鍵。
近年來，環(huán)境污染導致的醫(yī)療支出引起了學者們的廣泛關注。環(huán)境污染不僅嚴重損害了居民的身心健康（Ebenstein等，2015；Zhang等，2017；方黎明和劉賀邦，2019），而且導致了沉重的醫(yī)療成本。有研究揭示，中國二氧化硫排放導致的相關治療費用超過3 000億元（陳碩和陳婷，2014）；每年接觸的PM2.5每增加1%將導致中國家庭醫(yī)療支出增加2.94%（Yang和Zhang，2018）；中國農村居民因生活能源消費結構不合理產生的室內空氣污染導致的醫(yī)療總支出高達1 000億元（方黎明，2019）。然而，國內外現有關于環(huán)境污染導致醫(yī)療支出的研究主要針對的是空氣污染，而鮮有文獻考察水污染對居民醫(yī)療支出的影響。
近年來，盡管我國政府在水污染防治上投入了大量資源，但水環(huán)境形勢仍然十分嚴峻。第一，水環(huán)境總體形勢仍然堪憂?！?017年中國生態(tài)環(huán)境狀況公報》揭示，截至2017年，全國地表水中人體不能直接接觸的Ⅳ類和Ⅴ類占比高達23.8%；劣質Ⅴ類占比8.3%；全國地下水檢測的結果也表明，水質為較差級和極差級的占比分別為51.8%和14.8%。第二，飲用水水質還有待改善。盡管自來水已經覆蓋了中國城鄉(xiāng)大部分居民，《2016年中國水資源公報》揭示，在監(jiān)測的集中式飲用水水源地，即自來水主要水源地，2016年全年水質合格率在80%的水源地約占80.6%，這意味著約有20%的自來水水源地全年水質合格率不達標；即使在城市地區(qū)，生活飲用水水源也有近10%不達標。同時，因為輸送管道老化、水塔或蓄水池缺乏維護、家庭內部劣質水管和含鉛水龍頭常導致自來水雜質、細菌和鉛等超標。第三，農村飲用水安全問題更為嚴重。在農村集中供水中，凈水工藝簡陋、消毒設備不完善且供水設備老化，特別是在農村廣泛分布的小型供水設施基本上都沒有水處理和消毒設施，導致農村水質保障程度不高；而且，隨著農業(yè)面源污染、生活污水和工業(yè)廢水的污染日趨嚴重，即使在水資源相對豐富的南方，農村飲水安全工程的興建過程也出現了難以找到合格水源的現象（張漢松，2017）。
水環(huán)境污染導致了沉重的健康負擔。針對中國的研究表明，水污染增加了中國農村中老年居民的健康風險（Wang和Yang，2016；王兵和聶欣，2016）；飲用水質量每惡化一個等級（共六等級）將導致中國居民的消化系統(tǒng)癌癥死亡率增加約9.7%（Ebenstein，2012）；在中國約有11%的消化系統(tǒng)癌癥是飲用水中化學污染物所導致的（Zhang等，2010）。也有一些經濟學文獻揭示了其他國家水環(huán)境與健康的關系（Currie等，2013；Alsan和Goldin，2019）。但目前鮮有研究進一步分析水污染對居民醫(yī)療支出的影響。已有研究揭示，社會經濟地位較低的群體不僅缺乏環(huán)境污染規(guī)避的能力，而且環(huán)境污染暴露劑量更高，故他們遭受環(huán)境污染的危害更為嚴重（Banzhaf等，2019），但目前鮮有研究進一步揭示他們是否因此承擔了更高的醫(yī)療支出負擔。
本文的基本邏輯是飲用水污染導致城鄉(xiāng)居民的健康風險上升，從而增加了城鄉(xiāng)居民的醫(yī)療費用開支，并進一步增加了醫(yī)?；鸬闹С鲐摀挥捎谏鐣洕匚惠^低群體更易遭受飲用水污染，因而健康受損概率更高，故因飲用水污染導致的醫(yī)療費用更高。因此，提升城鄉(xiāng)居民飲用水安全狀況，更有利于減輕社會經濟地位較低群體的醫(yī)療支出負擔，促進醫(yī)療費用負擔公平；同時將減輕醫(yī)?；鹬С鲐摀难芯恐黝}看，本文拓展了現有文獻關于環(huán)境污染導致的醫(yī)療成本的研究視域，將現有研究從主要考察空氣污染導致的醫(yī)療費用，拓展至飲用水污染導致的醫(yī)療費用，并特別關注社會經濟地位較低群體是否因為飲用水污染承擔了更高的醫(yī)療支出負擔，且在中英文文獻中首次測算了中國飲用水污染導致的總醫(yī)療費用。在研究方法上，不同于此前文獻一般使用地市級或流域工業(yè)污水排放情況來間接衡量居民水污染的暴露程度，本文使用了家庭飲用水污染數據，可以直接揭示飲用水污染暴露對不同特征居民的醫(yī)療支出的影響的差異。從政策價值看，本文將為健康中國和生態(tài)文明建設等國家重大戰(zhàn)略布局提供實證依據。本文通過對飲用水污染導致的醫(yī)療總費用和不同群體歸因于飲用水污染的醫(yī)療費用的測算，將為中國水環(huán)境治理、環(huán)境扶貧以及環(huán)境衛(wèi)生等領域的政策干預措施提供決策參考。
二、研究方法
（一）兩部模型。在醫(yī)療支出影響因素分析中，大量居民的醫(yī)療支出為0，導致樣本數據出現了歸并現象，違背了隨機誤差項需滿足正態(tài)分布的假設，標準的普通最小二乘回歸方法（OLS）也不適用。為了解決這一問題，Duan（1983）提出了兩部模型（Two-part model，2PM）。其中，其一為選擇模型（式（1）），使用probit模型估計醫(yī)療支出是否發(fā)生，即對醫(yī)療支出大于0的概率進行建模，這里，Φ（·）是標準正態(tài)分布函數，隨機擾動項uit～N（0，1）；其二為支出模型（式（2）），使用OLS估計正向的醫(yī)療支出（取自然對數），這里式（2）實際上反映了在醫(yī)療支出大于0的條件下，解釋變量與醫(yī)療支出的條件期望間的關系。兩部模型把0和正向的醫(yī)療支出進行分離，假設是否就醫(yī)和醫(yī)療支出的決策相互獨立，即Cov（μit，eit）= 0（黃楓和甘犁，2010）。
其中：yit為城鄉(xiāng)居民發(fā)生的醫(yī)療費用，包括門診支出、門診報銷支出、住院支出和住院報銷支出；i為調查對象，t為調查年份。WPit是關鍵變量，是一個虛擬變量，當城鄉(xiāng)居民家庭飲用水受污染時為1，否則為0；α和δ是最重要的參數，分別為飲用水污染對城鄉(xiāng)居民發(fā)生正向醫(yī)療費用的概率和醫(yī)療費用支出額的影響。和是協(xié)變量向量集，含個體特征、家庭特征和社區(qū)特征等，根據文獻傳統(tǒng)和數據可得性，本文協(xié)變量有家庭是否安裝自來水、是否是貧困戶、收入、教育、社會地位、吸煙史、社區(qū)貧困率、是否有社區(qū)診所或醫(yī)院、性別、年齡、婚姻、家庭人口和所在省人均GDP等。
值得注意的是，本文使用了“中國勞動力動態(tài)調查”2014年和2016年兩期調查數據，該數據采取輪換樣本方式，2016年僅追蹤約一半調查對象；同一調查對象在兩年間，家庭飲用水污染情況基本沒有變化；同時，由于水污染對健康的影響具有持續(xù)性，水質短期內提升對健康影響不大。由于在關鍵解釋變量不隨時間變化的情況下，難以通過固定效應模型估計其對因變量的影響（Wooldridge，2013），故我們未采用固定效應模型。我們進一步比較了隨機效應模型與混合模型的預測值和樣本原值的差異，結果表明使用混合模型時醫(yī)療費用的預測值的均值與樣本原值的均值更接近。由于本文重點是對飲用水污染導致的醫(yī)療費用進行測算，故我們在使用兩部模型的過程中，采用了混合模型方法（包括混合probit與混合OLS）。
在穩(wěn)健性檢驗部分，考慮到可能存在內生性問題，本文還使用工具變量法進行了分析，結果表明，在本文使用的數據中，飲用水污染對醫(yī)療支出的影響受內生性嚴重威脅的可能性較低；針對飲用水污染并非隨機分配的問題，我們使用了匹配法進行了分析，無論是系數大小還是顯著性，也與上述兩部模型結果非常接近；此外，我們還放松了是否就醫(yī)和醫(yī)療支出的決策相互獨立的假設，考慮是否就醫(yī)和醫(yī)療支出的決策可能相關的一般情形，運用Heckman樣本選擇模型進行分析，結果也不能拒絕是否就醫(yī)和醫(yī)療支出額的決策是相互獨立的過程的原假設?，F有醫(yī)學文獻也揭示了水污染損害了健康（Landrigan等，2018），而醫(yī)療支出是健康的引致需求（Grossman，1972），故我們認為家庭飲用水污染對居民醫(yī)療支出的因果效應的經濟機理非常清晰，直接使用兩部模型法就能揭示飲用水污染與醫(yī)療支出的因果關系。
（二）歸因于飲用水污染的醫(yī)療費用：反事實框架。基于上述飲用水污染與醫(yī)療支出因果關系的認識，本文運用反事實框架來估算歸因于飲用水污染的醫(yī)療費用。上文公式中系數α和δ僅反映了飲用水受污染和未受污染的群體在正向醫(yī)療費用的發(fā)生概率和醫(yī)療費用發(fā)生額上的差異，而并非歸因于飲用水污染導致的平均處理效應。要獲得這一效應，需要分別計算調查對象在飲用水受污染和未受污染兩種狀態(tài)下的醫(yī)療支出情況，兩者之差即為歸因于飲用水污染帶來的平均處理效應，但無法同時觀察到同一調查對象上述兩種狀態(tài)的醫(yī)療支出情況。為此，通常需要構建反事實框架（Counterfactual Framework），即假設現有飲用水受污染的群體的飲用水未受污染，預測其醫(yī)療費用，并將其與飲用水受污染情況下的醫(yī)療費用的預測值進行比較，后者與前者的差值即為歸因于飲用水污染帶來的醫(yī)療支出（medical expenditure attributable towater pollution）。上述方法廣泛應用于醫(yī)療費用的歸因測算領域。已有文獻使用了該方法測算了歸因于肥胖的醫(yī)療費用（Qin和Pan，2016）和歸因于抑郁癥狀的醫(yī)療費用（Hsieh和Qin，2018）。
本文的具體計算步驟如下：（1）在通過兩部模型估算參數α和δ后，將醫(yī)療費用發(fā)生的概率模型和醫(yī)療費用支出模型的擬合值代入式（3），計算出每個調查對象的醫(yī)療費用的預測值。其中：式（3）中第一部分基于式（1）計算醫(yī)療費用發(fā)生概率的擬合值，第二部分基于式（2）計算醫(yī)療費用的條件期望值，由于醫(yī)療費用采用了自然對數的方式，為了獲得無偏一致估計，需要基于Duan（1983）的方法還原為原始測量單位，在本文中即為人民幣元；將上述概率擬合值和轉換后的醫(yī)療支出條件均值相乘，即可以生成每個調查對象醫(yī)療費用的預測值（Cameron和Trivedi，2009）；（2）運用式（4）估算飲用水受污染的城鄉(xiāng)居民的醫(yī)療費用的反事實期望值，即假設現有飲用水受污染的居民的飲用水未受污染，再次運用上述方法計算醫(yī)療費用的預測值，并運用上述同樣的辦法轉換為原始測量單位；（3）式（3）和式（4）之差即為飲用水污染導致的醫(yī)療費用的期望值（式（5）），即歸因于飲用水污染的醫(yī)療費用。
三、數據來源和變量測量
（一）數據來源。本文數據來源于中山大學社會科學調查中心2014年和2016年“中國勞動力動態(tài)調查（China Labor-force Dynamics Survey，CLDS）”，CLDS采用了輪換樣本追蹤方式，2016年數據既包括部分2014年訪問過的勞動力個體，又包括2014年未訪問過的新個體，是非平衡面板數據。該數據的樣本覆蓋了中國29個省市（除港澳臺、西藏、海南外），具有較好的全國代表性，調查對象為15-64歲勞動年齡階段城鄉(xiāng)居民以及超過64歲但仍然在工作的居民?？紤]到65歲以上居民存在樣本選擇問題，本文選擇了處于15-64歲的城鄉(xiāng)居民；通過數據清理，最終獲得的有效樣本量為40 269份，其中：2014年的樣本量為21 309份，2016年樣本量為18 960份，8 033個城鄉(xiāng)居民是追蹤調查對象。
（二）主要變量測量。因變量涉及8個醫(yī)療服務利用指標，包括過去兩周是否發(fā)生門診費用（1=是；0=否）、門診費用是否得到報銷（1=是；0=否）、過去兩周門診費用支出總額（元）、門診費用報銷額（元）、過去一年是否發(fā)生住院費用（1=是；0=否）、住院費用是否得到報銷（1=是；0=否）、過去一年住院費用支出總額（元）以及住院費用報銷額（元）。
核心自變量為家庭飲用水是否受污染。CLDS對家庭飲用水污染狀況采取了感官測量的方法，如果家庭飲用水存在下列情況：包括聞起來有異味、喝起來有異味、顏色異常和有雜質等問題之一，則認為家庭飲用水受到污染，記為1，否則為0。在大規(guī)模住戶調查中，感官測量方法能夠簡便快速地判斷家庭飲用水是否遭受污染。盡管該變量并非使用儀器精確測量飲用水污染程度和具體污染物，但上述情況與飲用水實際污染程度密切相關，而且相對于儀器單次測量存在的誤差，感官感受更能整體上反映長期飲用水質量。CLDS飲用水污染測量方法也與專家提出的判斷家庭飲用水是否受污染的“看”、“聞”和“嘗”的方法基本一致（劉橋斌等，2013）。
基于已有醫(yī)療費用影響因素的研究文獻，本文控制變量包括家庭是否使用自來水、醫(yī)療保險的類型、是否有吸煙史、社會經濟地位、人口特征和社區(qū)特征。其中，社會經濟地位變量包括家庭人均收入的自然對數、是否是貧困戶以及接受教育年數和主觀社會階層指標；人口特征包括是否有配偶、性別、年齡和家庭規(guī)模；社區(qū)特征包括社區(qū)貧困率（低保戶和貧困戶占社區(qū)總戶數比例）和所在社區(qū)是否有醫(yī)院或診所，同時控制了省人均GDP（元）和調查年份。上述控制變量具體的樣本特征及界定，因篇幅所限不予敘述，有興趣者可向作者索取。
四、結果分析
（一）主要描述統(tǒng)計結果。我國飲用水安全狀況堪憂。約有26.1%的調查對象認為家庭飲用水存在污染問題。從飲用水是否受污染的兩組居民的醫(yī)療服務利用對比看，醫(yī)療服務利用的8個指標，飲用水受污染的居民均高于飲用水未受污染的居民（見表1）?？梢?，飲用水污染可能不僅增加了城鄉(xiāng)居民門診費用和住院費用支出負擔，也增加了醫(yī)?；鸬闹С鲐摀?。以住院費用為例，家庭飲用水未受污染的居民的人均住院費用為796.7元（包含醫(yī)療費用為0的居民，下同），而飲用水受污染的居民人均住院費用為1 178.1元，相當于前者的1.48倍；無論是在貧困居民還是在非貧困居民中，飲用水受污染的居民的人均住院支出均顯著高于未受污染的居民。其中，在非貧困家庭中，飲用水受污染的居民的人均住院支出相當于非貧困居民的1.44倍，而在貧困家庭中，這一比值高達1.60倍?？梢?，貧困居民因為飲用水污染承擔的住院費用負擔更加沉重。
表1 主要變量定義和樣本特征
（二）模型結果。表2基于兩部模型考察了飲用水污染對發(fā)生門診費用的概率、門診費用、發(fā)生住院費用的概率和住院費用的影響?？紤]到結果的直觀性，對選擇概率模型，文章均直接報告了邊際效應。從結果可以看出，飲用水污染增加了城鄉(xiāng)居民發(fā)生門診費用和住院費用的概率。就邊際效應而言，相對于飲用水未受污染的居民，飲用水受污染的城鄉(xiāng)居民發(fā)生門診費用的概率增加了0.018，由于城鄉(xiāng)居民過去兩周發(fā)生門診費用概率的樣本均值為0.051（見表1），故因飲用水污染增加的門診概率相當于樣本均值的35%（即0.018/0.051=0.35）。就住院而言，飲用水受污染導致城鄉(xiāng)居民年發(fā)生住院費用的概率增加了0.012，這相當于住院概率樣本均值0.062的19%（即0.012/0.062=0.19）?？梢?，飲用水污染導致城鄉(xiāng)居民發(fā)生門診費用的概率和住院費用的概率大幅度增加。在發(fā)生門診費用和住院費用的條件下，飲用水是否受污染對醫(yī)療費用支出額沒有顯著影響。可見，飲用水污染主要是通過增加城鄉(xiāng)居民使用門診服務和住院服務的概率來影響最終的醫(yī)療費用的。
表2 飲用水污染對醫(yī)療費用的影響
與已有的醫(yī)療費用歸因測算文獻一樣（Qin和Pan，2016；Hsieh和Qin，2018），我們并沒有控制調查對象的健康狀況。控制變量并非多多益善，如果把受關鍵自變量影響的變量納入模型，會導致關鍵自變量的估計偏誤（Angrist和Pischke，2009）。在表2模型中，飲用水污染通過影響健康狀況這個中介因素從而影響醫(yī)療支出，如果把健康狀況納入模型，同樣會導致無法正確估計出水污染對醫(yī)療費用的影響。實際上，當我們加入自評健康狀態(tài)（包括非常健康、健康、一般、不健康、非常不健康5種狀態(tài)）后，在門診和住院概率模型中，飲用水污染的系數的點估計值分別為0.012和0.005，分別在現有點估計值的基礎上下降了33%和58%；但對門診費用和住院費用支出額的影響仍然不顯著。可見，如果加入自評健康，將造成因飲用水污染導致的門診概率和住院概率的嚴重低估；同時，也揭示了飲用水污染主要是通過影響健康這個中介因素，從而間接影響醫(yī)療支出的。
表3進一步考察了飲用水污染對參加社會醫(yī)療保險，包括城鎮(zhèn)職工基本醫(yī)療保險、城鎮(zhèn)居民基本醫(yī)療保險以及新農合在內的城鄉(xiāng)居民的門診報銷費用和住院報銷費用的影響，因此表3不包括未參加社會醫(yī)療保險的城鄉(xiāng)居民。與上述總費用模型結果基本一致，飲用水污染不僅顯著增加了門診費用和住院費用獲得報銷的概率，而且增加了住院后的住院費用的報銷額。就邊際效應而言，飲用水污染導致門診費用和住院費用獲得報銷的概率分別增加了0.011和0.014，這分別相當于門診報銷和住院報銷概率的樣本均值（見表1）的34.7%（即0.11/0.03）和22.6%（即0.014/0.062）。入住醫(yī)療機構后，飲用水受污染的城鄉(xiāng)居民的住院報銷費用比未受污染的家庭高出12%。可見，飲用水污染不僅增加了城鄉(xiāng)居民發(fā)生門診費用和住院費用的概率，而且增加了門診費用和住院費用獲得報銷的概率以及入住醫(yī)療機構后住院報銷費用的支出，從而增加了醫(yī)保基金支付的負擔。
表3 飲用水污染對報銷醫(yī)療費用的影響
（三）飲用水污染導致的醫(yī)療費用測算。在城鄉(xiāng)居民發(fā)生的總醫(yī)療費用和獲得報銷的醫(yī)療費用中，因飲用水污染導致的醫(yī)療費用有多高？不同特征群體因飲用水污染發(fā)生的醫(yī)療費用和報銷費用有何差異？在表4和表5中，我們將分別測算在不同特征群體的醫(yī)療費用和獲得報銷的醫(yī)療費用中，歸因于飲用水污染的費用的均值，即歸因費用，并在此基礎上進一步測算了上述歸因費用占相對應群體的醫(yī)療費用的預測值的比例，即為歸因比。①基于公式（3）-（5）計算，stata15.0中詳細計算過程略，感興趣讀者可向作者索取?？傮w而言，城鄉(xiāng)居民因飲用水污染導致的醫(yī)療費用的歸因比，以及飲用水污染導致的報銷的醫(yī)療費用的歸因比都較高，而且，從不同群體的人均醫(yī)療費用的對比看，社會經濟地位較低的群體歸因于飲用水污染的費用更高。
表4 飲用水污染導致的門診費用
表5 飲用水污染導致的住院費用
續(xù)表5 飲用水污染導致的住院費用
從全樣本結果看，在城鄉(xiāng)居民的人均門診費用中，歸因于飲用水污染的費用約為11.29元，在人均報銷的門診費用中，歸因于飲用水污染的費用約為5.99元，兩者的歸因比均約為10%，即在人均門診費用和醫(yī)?；鹑司鶊箐N的門診費用中，約有10%是由于飲用水污染所導致的。從不同社會經濟地位群體對比看，社會經濟地位較低的居民人均歸因于飲用水污染的醫(yī)療費用更高。以貧困和非貧困居民為例，在城鄉(xiāng)貧困居民的人均門診費用和人均報銷的門診費用中，歸因于飲用水污染的費用分別為15.73元和7.70元，而在非貧困居民中分別為10.76元和5.78元，貧困居民門診費用中歸因于飲用水污染的人均費用相當于非貧困居民的1.46倍。考慮到城鄉(xiāng)和省份之間收入存在較大的差異，本文在分城鄉(xiāng)和省的基礎上對收入進行五等分，結果同樣表明，隨著收入等級的上升，城鄉(xiāng)居民的門診費用和報銷的門診費用中歸因于飲用水污染的人均費用呈現下降趨勢。教育也呈現同樣的特征，在人均門診費用中，低教育水平群體歸因于飲用水污染的人均費用更高。如教育水平在初中及以下者，門診支出中歸因于飲用水污染的人均費用為12.19元，而大專及以上群體僅為7.65元，前者相當于后者的1.6倍。從不同醫(yī)保類型的居民來看，相對于未參保者，參保者人均門診費用中歸因于飲用水污染的費用相對更高。從是否使用自來水看，在未使用和使用自來水的城鄉(xiāng)居民的人均門診支出中，歸因于飲用水污染的費用分別為11.88元和11.07元，歸因比均約為10%，兩者相當接近?？梢姡词故褂米詠硭?，但飲用水受污染仍然導致了較高的醫(yī)療支出。就城鄉(xiāng)對比看，農村居民歸因于飲用水污染的人均門診費用和歸因比均高出城市居民，但歸因于飲用水污染的獲得報銷的人均門診費用則少于城市居民，這意味農村居民因為飲用水污染遭受的門診支出負擔更重。
從全樣本結果看，在城鄉(xiāng)居民的人均住院費用和人均報銷的住院費用中，歸因于飲用水污染的費用分別約為60.69元和50.53元，歸因比分別約為7.46%和8.89%，即在城鄉(xiāng)居民的人均住院費用和人均報銷的住院費用中，分別約有7.5%和9.0%是由飲用水污染所導致的。從不同社會經濟地位群體對比看，與門診費用的結果相一致，社會經濟地位較低的居民的人均歸因于飲用水污染的住院費用均相對更高。以貧困和非貧困居民為例，在城鄉(xiāng)非貧困居民的人均住院費用和人均報銷的住院費用中，歸因于飲用水污染的費用分別約為62.4元和49元，歸因比分別為7.44%和8.86%，而貧困居民分別為83.78元和64元，歸因比分別為7.62%和9.08%；貧困居民人均歸因于飲用水污染的住院費用相當于非貧困居民的1.34倍。從收入五等分結果看，隨著收入的增加，在城鄉(xiāng)居民人均住院費用和人均報銷的住院費用中，歸因于飲用水污染的費用也呈現下降趨勢，其中：最低收入群體上述費用中歸因于飲用水污染的人均費用分別為77.6元和62.1元，而最高收入群體分別約為52.3元和39.4元，前者分別相當于后者的1.48倍和1.57倍。教育也呈現同樣的特征，在人均住院費用中，低教育水平群體歸因于飲用水污染的人均費用相對更高。如在教育水平為初中及以下群體的人均住院費用中，歸因于飲用水污染的費用約為68.3元，而大專及以上高教育群體約為48.2元，前者相當于后者的1.42倍。從是否使用自來水看，在未使用和使用自來水的城鄉(xiāng)居民的人均住院費用中，歸因于飲用水污染的費用分別約為65.7元和64.3元，歸因于飲用水污染的獲得報銷的住院費用人均都約為50元，兩個群體相應的歸因比也相當接近?？梢?，與門診歸因醫(yī)療費用的結果相一致，即使使用自來水，但飲用水受污染仍然導致了較高的住院費用和住院報銷支出。就城鄉(xiāng)對比看，盡管城市居民歸因于飲用水污染的人均住院支出和人均住院報銷費用更高，這可能是因為城市醫(yī)療成本更高，但農村居民的歸因比更高，這意味從歸因比看，農村居民因飲用水污染承擔的醫(yī)療支出負擔更重。
（四）飲用水污染導致的全國總醫(yī)療費用。表4和表5測算結果表明，盡管不同特征的城鄉(xiāng)居民因為飲用水污染導致的醫(yī)療費用的絕對值存在較大差異，但相對值，即歸因比相對較為穩(wěn)定。鑒于上文估算使用的數據不包括0-14歲以及65歲以上城鄉(xiāng)居民，為了粗略估算我國城鄉(xiāng)全年齡段居民因為飲用水污染導致的醫(yī)療費用，下文假設0-14歲以及65歲以上居民因飲用水污染導致的醫(yī)療費用的歸因比與上述全樣本歸因比一致。表4和表5結果表明，樣本門診費用和住院費用分別約有10.0%和7.5%是由于飲用水污染導致的；2016年全國門診總費用和住院總費用分別為19 552億元和19 557億元，將其與上述歸因比相乘，我們就可以粗略估算出全國城鄉(xiāng)居民因為飲用水污染導致的門診總費用和住院總費用的點估計值分別約為1 955億元和1 459億元，兩者合計約3 400億元（見表6）。2016年全國衛(wèi)生總費用為46 344.9億元，故飲用水污染導致的醫(yī)療總費用約占全國衛(wèi)生總費用的7.4%。根據樣本數據，城鄉(xiāng)參保居民門診費用和住院費用補償比例（報銷總費用/醫(yī)療總費用）分別為29.2%和60.1%，我國社會醫(yī)療保險參保率95%（國務院新聞辦公室，2017），據此我們可以進一步粗略估算出因為飲用水污染導致的全國門診報銷總費用和住院報銷總費用的點估計值分別約為542億元和993億元，兩者合計約1 534億元，即2016年全國醫(yī)?；鹨驗轱嬘盟廴局С龈哌_約1 500億元。2016年中國新農合和城鎮(zhèn)基本醫(yī)療保險基金合計支出約12 130億元，①2016年中國新農合基金支出約1 363.6億元，基本醫(yī)療保險支出約10 767.1億元，兩者合計約12 130億元，分別來源于2017年《中國衛(wèi)生與計劃生育統(tǒng)計年鑒》和《中國統(tǒng)計年鑒》，并加總。這意味著中國約有12%的醫(yī)?；鹬С觯?500/12130）是由飲用水污染所導致的。
表6 飲用水污染導致的全國醫(yī)療總費用
（五）穩(wěn)健性檢驗。針對可能存在的內生性、非隨機性、樣本選擇和城鄉(xiāng)異質性問題，我們分別采用了工具變量法、匹配法、樣本選擇模型和城鄉(xiāng)分開分析等策略進行了穩(wěn)健性檢驗?？傮w而言，上文對歸因于飲用水污染的醫(yī)療費用的分析是可靠的。
1. 可能的內生性問題及其應對。首先，內生性問題可能源于居民醫(yī)療支出對飲用水污染存在反向影響：居民的醫(yī)療支出狀況可能影響居民飲用水使用決策，如使用純凈水和加裝凈水設施等，從而改變了家庭飲用水污染的暴露風險。其次，內生性問題可能源于遺漏變量偏差。為此，在上文分析中我們控制了社區(qū)經濟狀況和省級人均GDP，以控制地方經濟發(fā)展對環(huán)境污染及醫(yī)療支出的可能影響；并進一步控制了調查對象的社會經濟狀況和健康行為等諸多個體特征以及社區(qū)特征。但仍然可能存在一些不可觀測的變量，如風險偏好、個人環(huán)境健康知識和水污染規(guī)避能力等，這些變量可能同時影響居民飲用水污染的風險暴露劑量和居民的醫(yī)療支出狀況。
借鑒已有研究（王兵和聶欣，2016），我們將地區(qū)歷史工業(yè)污水排放量作為居民遭受水污染的工具變量，即引入2011-2013年和2013-2015年各省年人均工業(yè)污水排放量分別作為2014年和2016年城鄉(xiāng)居民飲用水污染的工具變量。第一，該變量與作為內生變量的家庭飲用水污染變量強相關：工業(yè)污水排放是導致我國水污染的主要原因之一（Ebenstein，2012），工業(yè)污水排放通過影響家庭水污染水平進而影響家庭醫(yī)療支出的經濟機理是非常清晰的；工具變量的2SLS回歸的第一階段估計結果也顯示，在控制協(xié)變量的情況下，省年人均污水排放量均在1%水平上與城鄉(xiāng)居民飲用水受污染的概率顯著正相關，且通過弱工具變量檢驗。①詳細過程及下文Durbin-Wu-Hausman（DWH）的檢驗結果略，感興趣的讀者可向作者索取。第二，該變量具有外生性：人均工業(yè)污水排放量使用了過去3年的省級層面的平均值，可以認為其外生于居民當前的醫(yī)療消費決策；有研究指出，如果工具變量與原方程的擾動項不相關，則將工具變量引入原方程進行估計，工具變量的估計系數從理論上講應該不顯著，這在一定程度上能夠佐證工具變量的外生性（孫圣民和陳強，2017），我們將上述工具變量放入文章涉及的選擇模型和支出模型時，該工具變量均不顯著（p＞0.10），這進一步佐證了本文使用的工具變量外生于居民當前的醫(yī)療消費行為。
使用工具變量法的前提是飲用水污染是內生解釋變量。我們將省級多年人均污水排放量作為工具變量，無論是在選擇模型中還是在支出模型中，Durbin-Wu-Hausman（DWH）檢驗的p值均大于0.10，即檢驗結果不能拒絕飲用水污染是外生的原假設。這表明在本文使用的數據中，內生性問題并不嚴重。故表2和表3的分析結果受內生性問題嚴重影響的可能性較小。
2. 非隨機性問題及應對。完全隨機化實驗是因果效應估計的黃金標準，但社會問題的研究通常難以達到完全隨機的要求。在本文中飲用水是否受污染也不是隨機分配的。匹配方法的基本原理就是針對處理組個體，在控制組中尋找與其特征相似的個體進行匹配，并用控制組個體的結果來估計處理組個體的反事實結果，匹配后處理組與反事實組的期望值的差異即為處理效應（Morgan和Winship，2015）。我們使用了傾向指數匹配、1∶2近鄰匹配和aipw逆概加權三種常見的匹配方法對飲用水污染對醫(yī)療支出的影響再次進行分析。已有學者對上述方法的基本原理進行了詳細介紹（趙西亮，2017）。從選擇概率模型結果看，無論是系數大小還是顯著程度均與表2和表3的結果基本一致，以門診選擇概率模型為例，傾向指數法和逆概加權法的系數的點估計值均為0.018，與表3相同。就費用模型而言，除了針對住院費用使用逆概加權法時具有弱顯著性外（p=0.084），其他情況下飲用水污染對門診費用、住院費用、門診報銷費用均無顯著影響（p＞0.30），這也與表2和表3結果基本一致；而在住院報銷費用模型中，除了近鄰匹配法僅具有邊緣顯著性外（p=0.144），在其他兩種方法中，飲用水污染均顯著增加了住院費用支出（p＜0.05），這與表3中飲用水污染對住院報銷費用具有弱顯著性影響的結果基本一致?？梢姡?和表3的結果受非隨機分配問題的影響較小，這進一步佐證了其結果的穩(wěn)健性（見表7）。
表7 匹配法結果
使用匹配方法需要滿足條件獨立性假設，在本文中即為控制一系列可觀測協(xié)變量后，飲用水是否遭受污染獨立于醫(yī)療支出行為。工具變量法估計的結果表明在本文使用的數據中，飲用水污染的內生性問題并不嚴重，我們可以認為其基本滿足了條件獨立性假設。我們還對協(xié)變量進行了平衡性檢驗，結果表明匹配后絕大部分協(xié)變量標準化平均值的差異基本接近0，方差比接近1，這意味著滿足了使用匹配法對共同區(qū)間的要求。
3. 樣本選擇、異質性及應對。上文使用兩部模型的前提是第一部分和第二部分是相互獨立的，為了檢驗上述假設，我們進一步采用Heckman樣本選擇模型分析了飲用水污染對城鄉(xiāng)居民醫(yī)療費用的影響。結果表明，在醫(yī)療費用及其報銷費用模型中，lambda值均不顯著（p＞0.5），故我們不能拒絕上述兩部模型中選擇模型和支出模型是相互獨立的假設，表2和表3采用的兩部模型是合理的?？紤]到中國城鄉(xiāng)之間的飲用水污染狀況和經濟社會發(fā)展存在較大差異，飲用水污染對城鄉(xiāng)居民醫(yī)療費用的影響機制可能存在較大的異質性，我們進一步分城鄉(xiāng)考察了飲用水污染對醫(yī)療費用的影響，結果仍然與表2基本一致，在城市和農村飲用水污染均顯著增加了發(fā)生門診和住院費用的概率，仍然對城鄉(xiāng)居民門診費用和住院費用的發(fā)生額無顯著影響。
五、結論與政策意義
本研究使用微觀調查數據，實證考察了飲用水污染對中國城鄉(xiāng)居民醫(yī)療費用和醫(yī)?；鹬С鲐摀挠绊懀y算了不同特征的城鄉(xiāng)居民因為飲用水污染導致的醫(yī)療費用支出負擔情況，結果發(fā)現：（1）飲用水污染主要是通過增加城鄉(xiāng)居民門診和住院的概率增加了其醫(yī)療費用支出；同時，飲用水污染也增加了城鄉(xiāng)居民門診報銷和住院報銷費用支出，從而增加了醫(yī)保基金負擔。（2）在城鄉(xiāng)居民的門診費用和門診報銷費用中，約有10%的費用是飲用水污染所導致的；在住院費用和住院報銷費用中，分別約有7.5%和8.9%的費用是由飲用水污染所導致的。（3）相對于社會經濟地位較高的城鄉(xiāng)居民，社會經濟地位較低的城鄉(xiāng)居民，包括農村、低收入、低教育水平和貧困家庭承擔的因飲用水污染導致的門診費用和住院費用支出更高。其中：城鄉(xiāng)貧困居民因飲用水污染導致的人均門診費用和住院費用分別相當于非貧困居民的1.46倍和1.34倍。（4）2016年全國城鄉(xiāng)居民因飲用水污染導致的總醫(yī)療費用合計約3 400億元，相當于當年全國衛(wèi)生總費用的7%；醫(yī)?；鹨驗轱嬘盟廴局С黾s1 500億元，相當于當年全國醫(yī)?；鹂傊С龅?2%。
本文研究結論具有多重價值。對城鄉(xiāng)居民而言，過高的醫(yī)療支出是城鄉(xiāng)居民貧困風險的主要來源之一，而由于貧困和低收入居民更容易遭受包括飲用水污染在內的環(huán)境污染，環(huán)境污染也使得他們面臨著更為沉重的醫(yī)療支出負擔。國外已有研究揭示，加強水環(huán)境治理，改善飲用水安全能夠降低居民的健康風險，而且邊緣群體獲得了更高的健康回報（Alsan和Goldin，2019）。因此，在中國扶貧過程中，要重視改善城鄉(xiāng)居民，尤其是貧困和低收入居民的飲用水安全，加強水環(huán)境治理，并進而加強整個生態(tài)環(huán)境治理，通過生態(tài)文明建設推動健康中國建設和精準扶貧，這不僅有助于鞏固我國的扶貧成果，也有助于促進醫(yī)療費用負擔的公平性，從而有助于推動我國生態(tài)文明、健康中國和精準扶貧等多個戰(zhàn)略布局目標的實現。對醫(yī)?；鸷凸藏斦裕青l(xiāng)居民因飲用水污染導致的醫(yī)?；鹬С鲐摀透哌_1 500億；同時，中國政府還承擔了新農合、城鎮(zhèn)居民基本醫(yī)療保險和城鄉(xiāng)醫(yī)療救助等社會保障項目最主要的籌資責任。因此，可以考慮把部分排污費用和環(huán)境稅作為專項資金劃撥入醫(yī)?；鹬校跃徑忉t(yī)?；鹂赡艹霈F的債務危機。對公共衛(wèi)生和水利部門而言，要加強自來水水源地和自來水輸送過程中的污染治理，維護和促進飲用水安全。
猜你喜歡
GC-MS法測定生活飲用水中的2-MIB和GSM供水技術(2022年1期)2022-04-19 14:11:42 我國腦卒中患者住院費用及影響因素研究中西醫(yī)結合心血管病雜志(電子版)(2020年8期)2020-01-08 05:43:59 河北省城鄉(xiāng)居民醫(yī)保整合的主要成效與思考中國醫(yī)療保險(2018年3期)2018-07-14 02:42:20 人力資本、城鎮(zhèn)化與城鄉(xiāng)居民收入差距現代財經-天津財經大學學報(2016年1期)2016-12-01 05:49:43 桑植 衛(wèi)生院住院費用全報銷中國衛(wèi)生(2016年9期)2016-11-12 13:28:08 國家衛(wèi)計委：2017年實現住院費用異地結算人民周刊(2016年10期)2016-06-02 15:19:45 飲用水污染 誰之過?食品界(2016年4期)2016-02-27 07:36:15 我國將整合公布包裝飲用水新標準中國質量與標準導報(2013年6期)2013-03-11 19:53:28 關于實施城鄉(xiāng)居民大病醫(yī)療保險的幾點思考江蘇衛(wèi)生事業(yè)管理(2013年6期)2013-03-11 17:02:16 我國將整合公布包裝飲用水新標準化學分析計量(2013年3期)2013-03-11 16:37:24
方黎明，郭 靜，彭宅文
（1. 對外經濟貿易大學 保險學院，北京 100029；2. 北京大學 公共衛(wèi)生學院，北京 100191；3. 中山大學 政治與公共事務管理學院 廣東 廣州 510275）
一、問題的提出
改善生態(tài)環(huán)境實現全民健康，從而減輕政府和居民的醫(yī)療支出負擔是健康中國和生態(tài)文明建設等國家重大戰(zhàn)略布局提出的時代命題。近年來，中國的醫(yī)療費用，無論是總費用，還是政府、社會醫(yī)療保險基金和居民等分項支出的醫(yī)療費用均有較大幅度的增長。①在2007-2016年10年期間，全國衛(wèi)生總費用從11 574億元增長到46 345億元，增長了約4倍。同期，我國的GDP增長了約2.78倍，衛(wèi)生總費用占同年GDP的比重從4.3%增長至6.2%；在衛(wèi)生總費用中，政府衛(wèi)生支出、社會衛(wèi)生支出（主要是醫(yī)保支出）和個人衛(wèi)生支出分別增長了約5.4倍、4.9倍和2.6倍。上述數字根據2017年《中國衛(wèi)生和計劃生育統(tǒng)計年鑒》第91頁和第353頁數據計算。盡管中國的社會醫(yī)療保險已經基本實現了全民覆蓋，但個人和家庭仍然需要承擔較高的自付費用。②在新農合和城鎮(zhèn)居民參保者中，住院患者自付次均住院費用占家庭人均年收入的30%，約40%的住院參保者因醫(yī)療費用過高對住院服務不滿意（參見2013年《第五次國家衛(wèi)生服務調查》，第125-140頁）?？梢灶A見，隨著人口老齡化的日趨嚴重，中國政府、醫(yī)?；鸷途用竦尼t(yī)療支出負擔將日趨沉重。因此，控制不合理因素導致的醫(yī)療費用尤為關鍵。
近年來，環(huán)境污染導致的醫(yī)療支出引起了學者們的廣泛關注。環(huán)境污染不僅嚴重損害了居民的身心健康（Ebenstein等，2015；Zhang等，2017；方黎明和劉賀邦，2019），而且導致了沉重的醫(yī)療成本。有研究揭示，中國二氧化硫排放導致的相關治療費用超過3 000億元（陳碩和陳婷，2014）；每年接觸的PM2.5每增加1%將導致中國家庭醫(yī)療支出增加2.94%（Yang和Zhang，2018）；中國農村居民因生活能源消費結構不合理產生的室內空氣污染導致的醫(yī)療總支出高達1 000億元（方黎明，2019）。然而，國內外現有關于環(huán)境污染導致醫(yī)療支出的研究主要針對的是空氣污染，而鮮有文獻考察水污染對居民醫(yī)療支出的影響。
近年來，盡管我國政府在水污染防治上投入了大量資源，但水環(huán)境形勢仍然十分嚴峻。第一，水環(huán)境總體形勢仍然堪憂?！?017年中國生態(tài)環(huán)境狀況公報》揭示，截至2017年，全國地表水中人體不能直接接觸的Ⅳ類和Ⅴ類占比高達23.8%；劣質Ⅴ類占比8.3%；全國地下水檢測的結果也表明，水質為較差級和極差級的占比分別為51.8%和14.8%。第二，飲用水水質還有待改善。盡管自來水已經覆蓋了中國城鄉(xiāng)大部分居民，《2016年中國水資源公報》揭示，在監(jiān)測的集中式飲用水水源地，即自來水主要水源地，2016年全年水質合格率在80%的水源地約占80.6%，這意味著約有20%的自來水水源地全年水質合格率不達標；即使在城市地區(qū)，生活飲用水水源也有近10%不達標。同時，因為輸送管道老化、水塔或蓄水池缺乏維護、家庭內部劣質水管和含鉛水龍頭常導致自來水雜質、細菌和鉛等超標。第三，農村飲用水安全問題更為嚴重。在農村集中供水中，凈水工藝簡陋、消毒設備不完善且供水設備老化，特別是在農村廣泛分布的小型供水設施基本上都沒有水處理和消毒設施，導致農村水質保障程度不高；而且，隨著農業(yè)面源污染、生活污水和工業(yè)廢水的污染日趨嚴重，即使在水資源相對豐富的南方，農村飲水安全工程的興建過程也出現了難以找到合格水源的現象（張漢松，2017）。
水環(huán)境污染導致了沉重的健康負擔。針對中國的研究表明，水污染增加了中國農村中老年居民的健康風險（Wang和Yang，2016；王兵和聶欣，2016）；飲用水質量每惡化一個等級（共六等級）將導致中國居民的消化系統(tǒng)癌癥死亡率增加約9.7%（Ebenstein，2012）；在中國約有11%的消化系統(tǒng)癌癥是飲用水中化學污染物所導致的（Zhang等，2010）。也有一些經濟學文獻揭示了其他國家水環(huán)境與健康的關系（Currie等，2013；Alsan和Goldin，2019）。但目前鮮有研究進一步分析水污染對居民醫(yī)療支出的影響。已有研究揭示，社會經濟地位較低的群體不僅缺乏環(huán)境污染規(guī)避的能力，而且環(huán)境污染暴露劑量更高，故他們遭受環(huán)境污染的危害更為嚴重（Banzhaf等，2019），但目前鮮有研究進一步揭示他們是否因此承擔了更高的醫(yī)療支出負擔。
本文的基本邏輯是飲用水污染導致城鄉(xiāng)居民的健康風險上升，從而增加了城鄉(xiāng)居民的醫(yī)療費用開支，并進一步增加了醫(yī)?；鸬闹С鲐摀挥捎谏鐣洕匚惠^低群體更易遭受飲用水污染，因而健康受損概率更高，故因飲用水污染導致的醫(yī)療費用更高。因此，提升城鄉(xiāng)居民飲用水安全狀況，更有利于減輕社會經濟地位較低群體的醫(yī)療支出負擔，促進醫(yī)療費用負擔公平；同時將減輕醫(yī)?；鹬С鲐摀难芯恐黝}看，本文拓展了現有文獻關于環(huán)境污染導致的醫(yī)療成本的研究視域，將現有研究從主要考察空氣污染導致的醫(yī)療費用，拓展至飲用水污染導致的醫(yī)療費用，并特別關注社會經濟地位較低群體是否因為飲用水污染承擔了更高的醫(yī)療支出負擔，且在中英文文獻中首次測算了中國飲用水污染導致的總醫(yī)療費用。在研究方法上，不同于此前文獻一般使用地市級或流域工業(yè)污水排放情況來間接衡量居民水污染的暴露程度，本文使用了家庭飲用水污染數據，可以直接揭示飲用水污染暴露對不同特征居民的醫(yī)療支出的影響的差異。從政策價值看，本文將為健康中國和生態(tài)文明建設等國家重大戰(zhàn)略布局提供實證依據。本文通過對飲用水污染導致的醫(yī)療總費用和不同群體歸因于飲用水污染的醫(yī)療費用的測算，將為中國水環(huán)境治理、環(huán)境扶貧以及環(huán)境衛(wèi)生等領域的政策干預措施提供決策參考。
二、研究方法
（一）兩部模型。在醫(yī)療支出影響因素分析中，大量居民的醫(yī)療支出為0，導致樣本數據出現了歸并現象，違背了隨機誤差項需滿足正態(tài)分布的假設，標準的普通最小二乘回歸方法（OLS）也不適用。為了解決這一問題，Duan（1983）提出了兩部模型（Two-part model，2PM）。其中，其一為選擇模型（式（1）），使用probit模型估計醫(yī)療支出是否發(fā)生，即對醫(yī)療支出大于0的概率進行建模，這里，Φ（·）是標準正態(tài)分布函數，隨機擾動項uit～N（0，1）；其二為支出模型（式（2）），使用OLS估計正向的醫(yī)療支出（取自然對數），這里式（2）實際上反映了在醫(yī)療支出大于0的條件下，解釋變量與醫(yī)療支出的條件期望間的關系。兩部模型把0和正向的醫(yī)療支出進行分離，假設是否就醫(yī)和醫(yī)療支出的決策相互獨立，即Cov（μit，eit）= 0（黃楓和甘犁，2010）。
其中：yit為城鄉(xiāng)居民發(fā)生的醫(yī)療費用，包括門診支出、門診報銷支出、住院支出和住院報銷支出；i為調查對象，t為調查年份。WPit是關鍵變量，是一個虛擬變量，當城鄉(xiāng)居民家庭飲用水受污染時為1，否則為0；α和δ是最重要的參數，分別為飲用水污染對城鄉(xiāng)居民發(fā)生正向醫(yī)療費用的概率和醫(yī)療費用支出額的影響。和是協(xié)變量向量集，含個體特征、家庭特征和社區(qū)特征等，根據文獻傳統(tǒng)和數據可得性，本文協(xié)變量有家庭是否安裝自來水、是否是貧困戶、收入、教育、社會地位、吸煙史、社區(qū)貧困率、是否有社區(qū)診所或醫(yī)院、性別、年齡、婚姻、家庭人口和所在省人均GDP等。
值得注意的是，本文使用了“中國勞動力動態(tài)調查”2014年和2016年兩期調查數據，該數據采取輪換樣本方式，2016年僅追蹤約一半調查對象；同一調查對象在兩年間，家庭飲用水污染情況基本沒有變化；同時，由于水污染對健康的影響具有持續(xù)性，水質短期內提升對健康影響不大。由于在關鍵解釋變量不隨時間變化的情況下，難以通過固定效應模型估計其對因變量的影響（Wooldridge，2013），故我們未采用固定效應模型。我們進一步比較了隨機效應模型與混合模型的預測值和樣本原值的差異，結果表明使用混合模型時醫(yī)療費用的預測值的均值與樣本原值的均值更接近。由于本文重點是對飲用水污染導致的醫(yī)療費用進行測算，故我們在使用兩部模型的過程中，采用了混合模型方法（包括混合probit與混合OLS）。
在穩(wěn)健性檢驗部分，考慮到可能存在內生性問題，本文還使用工具變量法進行了分析，結果表明，在本文使用的數據中，飲用水污染對醫(yī)療支出的影響受內生性嚴重威脅的可能性較低；針對飲用水污染并非隨機分配的問題，我們使用了匹配法進行了分析，無論是系數大小還是顯著性，也與上述兩部模型結果非常接近；此外，我們還放松了是否就醫(yī)和醫(yī)療支出的決策相互獨立的假設，考慮是否就醫(yī)和醫(yī)療支出的決策可能相關的一般情形，運用Heckman樣本選擇模型進行分析，結果也不能拒絕是否就醫(yī)和醫(yī)療支出額的決策是相互獨立的過程的原假設?，F有醫(yī)學文獻也揭示了水污染損害了健康（Landrigan等，2018），而醫(yī)療支出是健康的引致需求（Grossman，1972），故我們認為家庭飲用水污染對居民醫(yī)療支出的因果效應的經濟機理非常清晰，直接使用兩部模型法就能揭示飲用水污染與醫(yī)療支出的因果關系。
（二）歸因于飲用水污染的醫(yī)療費用：反事實框架。基于上述飲用水污染與醫(yī)療支出因果關系的認識，本文運用反事實框架來估算歸因于飲用水污染的醫(yī)療費用。上文公式中系數α和δ僅反映了飲用水受污染和未受污染的群體在正向醫(yī)療費用的發(fā)生概率和醫(yī)療費用發(fā)生額上的差異，而并非歸因于飲用水污染導致的平均處理效應。要獲得這一效應，需要分別計算調查對象在飲用水受污染和未受污染兩種狀態(tài)下的醫(yī)療支出情況，兩者之差即為歸因于飲用水污染帶來的平均處理效應，但無法同時觀察到同一調查對象上述兩種狀態(tài)的醫(yī)療支出情況。為此，通常需要構建反事實框架（Counterfactual Framework），即假設現有飲用水受污染的群體的飲用水未受污染，預測其醫(yī)療費用，并將其與飲用水受污染情況下的醫(yī)療費用的預測值進行比較，后者與前者的差值即為歸因于飲用水污染帶來的醫(yī)療支出（medical expenditure attributable towater pollution）。上述方法廣泛應用于醫(yī)療費用的歸因測算領域。已有文獻使用了該方法測算了歸因于肥胖的醫(yī)療費用（Qin和Pan，2016）和歸因于抑郁癥狀的醫(yī)療費用（Hsieh和Qin，2018）。
本文的具體計算步驟如下：（1）在通過兩部模型估算參數α和δ后，將醫(yī)療費用發(fā)生的概率模型和醫(yī)療費用支出模型的擬合值代入式（3），計算出每個調查對象的醫(yī)療費用的預測值。其中：式（3）中第一部分基于式（1）計算醫(yī)療費用發(fā)生概率的擬合值，第二部分基于式（2）計算醫(yī)療費用的條件期望值，由于醫(yī)療費用采用了自然對數的方式，為了獲得無偏一致估計，需要基于Duan（1983）的方法還原為原始測量單位，在本文中即為人民幣元；將上述概率擬合值和轉換后的醫(yī)療支出條件均值相乘，即可以生成每個調查對象醫(yī)療費用的預測值（Cameron和Trivedi，2009）；（2）運用式（4）估算飲用水受污染的城鄉(xiāng)居民的醫(yī)療費用的反事實期望值，即假設現有飲用水受污染的居民的飲用水未受污染，再次運用上述方法計算醫(yī)療費用的預測值，并運用上述同樣的辦法轉換為原始測量單位；（3）式（3）和式（4）之差即為飲用水污染導致的醫(yī)療費用的期望值（式（5）），即歸因于飲用水污染的醫(yī)療費用。
三、數據來源和變量測量
（一）數據來源。本文數據來源于中山大學社會科學調查中心2014年和2016年“中國勞動力動態(tài)調查（China Labor-force Dynamics Survey，CLDS）”，CLDS采用了輪換樣本追蹤方式，2016年數據既包括部分2014年訪問過的勞動力個體，又包括2014年未訪問過的新個體，是非平衡面板數據。該數據的樣本覆蓋了中國29個省市（除港澳臺、西藏、海南外），具有較好的全國代表性，調查對象為15-64歲勞動年齡階段城鄉(xiāng)居民以及超過64歲但仍然在工作的居民?？紤]到65歲以上居民存在樣本選擇問題，本文選擇了處于15-64歲的城鄉(xiāng)居民；通過數據清理，最終獲得的有效樣本量為40 269份，其中：2014年的樣本量為21 309份，2016年樣本量為18 960份，8 033個城鄉(xiāng)居民是追蹤調查對象。
（二）主要變量測量。因變量涉及8個醫(yī)療服務利用指標，包括過去兩周是否發(fā)生門診費用（1=是；0=否）、門診費用是否得到報銷（1=是；0=否）、過去兩周門診費用支出總額（元）、門診費用報銷額（元）、過去一年是否發(fā)生住院費用（1=是；0=否）、住院費用是否得到報銷（1=是；0=否）、過去一年住院費用支出總額（元）以及住院費用報銷額（元）。
核心自變量為家庭飲用水是否受污染。CLDS對家庭飲用水污染狀況采取了感官測量的方法，如果家庭飲用水存在下列情況：包括聞起來有異味、喝起來有異味、顏色異常和有雜質等問題之一，則認為家庭飲用水受到污染，記為1，否則為0。在大規(guī)模住戶調查中，感官測量方法能夠簡便快速地判斷家庭飲用水是否遭受污染。盡管該變量并非使用儀器精確測量飲用水污染程度和具體污染物，但上述情況與飲用水實際污染程度密切相關，而且相對于儀器單次測量存在的誤差，感官感受更能整體上反映長期飲用水質量。CLDS飲用水污染測量方法也與專家提出的判斷家庭飲用水是否受污染的“看”、“聞”和“嘗”的方法基本一致（劉橋斌等，2013）。
基于已有醫(yī)療費用影響因素的研究文獻，本文控制變量包括家庭是否使用自來水、醫(yī)療保險的類型、是否有吸煙史、社會經濟地位、人口特征和社區(qū)特征。其中，社會經濟地位變量包括家庭人均收入的自然對數、是否是貧困戶以及接受教育年數和主觀社會階層指標；人口特征包括是否有配偶、性別、年齡和家庭規(guī)模；社區(qū)特征包括社區(qū)貧困率（低保戶和貧困戶占社區(qū)總戶數比例）和所在社區(qū)是否有醫(yī)院或診所，同時控制了省人均GDP（元）和調查年份。上述控制變量具體的樣本特征及界定，因篇幅所限不予敘述，有興趣者可向作者索取。
四、結果分析
（一）主要描述統(tǒng)計結果。我國飲用水安全狀況堪憂。約有26.1%的調查對象認為家庭飲用水存在污染問題。從飲用水是否受污染的兩組居民的醫(yī)療服務利用對比看，醫(yī)療服務利用的8個指標，飲用水受污染的居民均高于飲用水未受污染的居民（見表1）?？梢?，飲用水污染可能不僅增加了城鄉(xiāng)居民門診費用和住院費用支出負擔，也增加了醫(yī)?；鸬闹С鲐摀?。以住院費用為例，家庭飲用水未受污染的居民的人均住院費用為796.7元（包含醫(yī)療費用為0的居民，下同），而飲用水受污染的居民人均住院費用為1 178.1元，相當于前者的1.48倍；無論是在貧困居民還是在非貧困居民中，飲用水受污染的居民的人均住院支出均顯著高于未受污染的居民。其中，在非貧困家庭中，飲用水受污染的居民的人均住院支出相當于非貧困居民的1.44倍，而在貧困家庭中，這一比值高達1.60倍?？梢?，貧困居民因為飲用水污染承擔的住院費用負擔更加沉重。
表1 主要變量定義和樣本特征
（二）模型結果。表2基于兩部模型考察了飲用水污染對發(fā)生門診費用的概率、門診費用、發(fā)生住院費用的概率和住院費用的影響?？紤]到結果的直觀性，對選擇概率模型，文章均直接報告了邊際效應。從結果可以看出，飲用水污染增加了城鄉(xiāng)居民發(fā)生門診費用和住院費用的概率。就邊際效應而言，相對于飲用水未受污染的居民，飲用水受污染的城鄉(xiāng)居民發(fā)生門診費用的概率增加了0.018，由于城鄉(xiāng)居民過去兩周發(fā)生門診費用概率的樣本均值為0.051（見表1），故因飲用水污染增加的門診概率相當于樣本均值的35%（即0.018/0.051=0.35）。就住院而言，飲用水受污染導致城鄉(xiāng)居民年發(fā)生住院費用的概率增加了0.012，這相當于住院概率樣本均值0.062的19%（即0.012/0.062=0.19）?？梢?，飲用水污染導致城鄉(xiāng)居民發(fā)生門診費用的概率和住院費用的概率大幅度增加。在發(fā)生門診費用和住院費用的條件下，飲用水是否受污染對醫(yī)療費用支出額沒有顯著影響。可見，飲用水污染主要是通過增加城鄉(xiāng)居民使用門診服務和住院服務的概率來影響最終的醫(yī)療費用的。
表2 飲用水污染對醫(yī)療費用的影響
與已有的醫(yī)療費用歸因測算文獻一樣（Qin和Pan，2016；Hsieh和Qin，2018），我們并沒有控制調查對象的健康狀況。控制變量并非多多益善，如果把受關鍵自變量影響的變量納入模型，會導致關鍵自變量的估計偏誤（Angrist和Pischke，2009）。在表2模型中，飲用水污染通過影響健康狀況這個中介因素從而影響醫(yī)療支出，如果把健康狀況納入模型，同樣會導致無法正確估計出水污染對醫(yī)療費用的影響。實際上，當我們加入自評健康狀態(tài)（包括非常健康、健康、一般、不健康、非常不健康5種狀態(tài)）后，在門診和住院概率模型中，飲用水污染的系數的點估計值分別為0.012和0.005，分別在現有點估計值的基礎上下降了33%和58%；但對門診費用和住院費用支出額的影響仍然不顯著。可見，如果加入自評健康，將造成因飲用水污染導致的門診概率和住院概率的嚴重低估；同時，也揭示了飲用水污染主要是通過影響健康這個中介因素，從而間接影響醫(yī)療支出的。
表3進一步考察了飲用水污染對參加社會醫(yī)療保險，包括城鎮(zhèn)職工基本醫(yī)療保險、城鎮(zhèn)居民基本醫(yī)療保險以及新農合在內的城鄉(xiāng)居民的門診報銷費用和住院報銷費用的影響，因此表3不包括未參加社會醫(yī)療保險的城鄉(xiāng)居民。與上述總費用模型結果基本一致，飲用水污染不僅顯著增加了門診費用和住院費用獲得報銷的概率，而且增加了住院后的住院費用的報銷額。就邊際效應而言，飲用水污染導致門診費用和住院費用獲得報銷的概率分別增加了0.011和0.014，這分別相當于門診報銷和住院報銷概率的樣本均值（見表1）的34.7%（即0.11/0.03）和22.6%（即0.014/0.062）。入住醫(yī)療機構后，飲用水受污染的城鄉(xiāng)居民的住院報銷費用比未受污染的家庭高出12%。可見，飲用水污染不僅增加了城鄉(xiāng)居民發(fā)生門診費用和住院費用的概率，而且增加了門診費用和住院費用獲得報銷的概率以及入住醫(yī)療機構后住院報銷費用的支出，從而增加了醫(yī)保基金支付的負擔。
表3 飲用水污染對報銷醫(yī)療費用的影響
（三）飲用水污染導致的醫(yī)療費用測算。在城鄉(xiāng)居民發(fā)生的總醫(yī)療費用和獲得報銷的醫(yī)療費用中，因飲用水污染導致的醫(yī)療費用有多高？不同特征群體因飲用水污染發(fā)生的醫(yī)療費用和報銷費用有何差異？在表4和表5中，我們將分別測算在不同特征群體的醫(yī)療費用和獲得報銷的醫(yī)療費用中，歸因于飲用水污染的費用的均值，即歸因費用，并在此基礎上進一步測算了上述歸因費用占相對應群體的醫(yī)療費用的預測值的比例，即為歸因比。①基于公式（3）-（5）計算，stata15.0中詳細計算過程略，感興趣讀者可向作者索取?？傮w而言，城鄉(xiāng)居民因飲用水污染導致的醫(yī)療費用的歸因比，以及飲用水污染導致的報銷的醫(yī)療費用的歸因比都較高，而且，從不同群體的人均醫(yī)療費用的對比看，社會經濟地位較低的群體歸因于飲用水污染的費用更高。
表4 飲用水污染導致的門診費用
表5 飲用水污染導致的住院費用
續(xù)表5 飲用水污染導致的住院費用
從全樣本結果看，在城鄉(xiāng)居民的人均門診費用中，歸因于飲用水污染的費用約為11.29元，在人均報銷的門診費用中，歸因于飲用水污染的費用約為5.99元，兩者的歸因比均約為10%，即在人均門診費用和醫(yī)?；鹑司鶊箐N的門診費用中，約有10%是由于飲用水污染所導致的。從不同社會經濟地位群體對比看，社會經濟地位較低的居民人均歸因于飲用水污染的醫(yī)療費用更高。以貧困和非貧困居民為例，在城鄉(xiāng)貧困居民的人均門診費用和人均報銷的門診費用中，歸因于飲用水污染的費用分別為15.73元和7.70元，而在非貧困居民中分別為10.76元和5.78元，貧困居民門診費用中歸因于飲用水污染的人均費用相當于非貧困居民的1.46倍。考慮到城鄉(xiāng)和省份之間收入存在較大的差異，本文在分城鄉(xiāng)和省的基礎上對收入進行五等分，結果同樣表明，隨著收入等級的上升，城鄉(xiāng)居民的門診費用和報銷的門診費用中歸因于飲用水污染的人均費用呈現下降趨勢。教育也呈現同樣的特征，在人均門診費用中，低教育水平群體歸因于飲用水污染的人均費用更高。如教育水平在初中及以下者，門診支出中歸因于飲用水污染的人均費用為12.19元，而大專及以上群體僅為7.65元，前者相當于后者的1.6倍。從不同醫(yī)保類型的居民來看，相對于未參保者，參保者人均門診費用中歸因于飲用水污染的費用相對更高。從是否使用自來水看，在未使用和使用自來水的城鄉(xiāng)居民的人均門診支出中，歸因于飲用水污染的費用分別為11.88元和11.07元，歸因比均約為10%，兩者相當接近?？梢姡词故褂米詠硭?，但飲用水受污染仍然導致了較高的醫(yī)療支出。就城鄉(xiāng)對比看，農村居民歸因于飲用水污染的人均門診費用和歸因比均高出城市居民，但歸因于飲用水污染的獲得報銷的人均門診費用則少于城市居民，這意味農村居民因為飲用水污染遭受的門診支出負擔更重。
從全樣本結果看，在城鄉(xiāng)居民的人均住院費用和人均報銷的住院費用中，歸因于飲用水污染的費用分別約為60.69元和50.53元，歸因比分別約為7.46%和8.89%，即在城鄉(xiāng)居民的人均住院費用和人均報銷的住院費用中，分別約有7.5%和9.0%是由飲用水污染所導致的。從不同社會經濟地位群體對比看，與門診費用的結果相一致，社會經濟地位較低的居民的人均歸因于飲用水污染的住院費用均相對更高。以貧困和非貧困居民為例，在城鄉(xiāng)非貧困居民的人均住院費用和人均報銷的住院費用中，歸因于飲用水污染的費用分別約為62.4元和49元，歸因比分別為7.44%和8.86%，而貧困居民分別為83.78元和64元，歸因比分別為7.62%和9.08%；貧困居民人均歸因于飲用水污染的住院費用相當于非貧困居民的1.34倍。從收入五等分結果看，隨著收入的增加，在城鄉(xiāng)居民人均住院費用和人均報銷的住院費用中，歸因于飲用水污染的費用也呈現下降趨勢，其中：最低收入群體上述費用中歸因于飲用水污染的人均費用分別為77.6元和62.1元，而最高收入群體分別約為52.3元和39.4元，前者分別相當于后者的1.48倍和1.57倍。教育也呈現同樣的特征，在人均住院費用中，低教育水平群體歸因于飲用水污染的人均費用相對更高。如在教育水平為初中及以下群體的人均住院費用中，歸因于飲用水污染的費用約為68.3元，而大專及以上高教育群體約為48.2元，前者相當于后者的1.42倍。從是否使用自來水看，在未使用和使用自來水的城鄉(xiāng)居民的人均住院費用中，歸因于飲用水污染的費用分別約為65.7元和64.3元，歸因于飲用水污染的獲得報銷的住院費用人均都約為50元，兩個群體相應的歸因比也相當接近?？梢?，與門診歸因醫(yī)療費用的結果相一致，即使使用自來水，但飲用水受污染仍然導致了較高的住院費用和住院報銷支出。就城鄉(xiāng)對比看，盡管城市居民歸因于飲用水污染的人均住院支出和人均住院報銷費用更高，這可能是因為城市醫(yī)療成本更高，但農村居民的歸因比更高，這意味從歸因比看，農村居民因飲用水污染承擔的醫(yī)療支出負擔更重。
（四）飲用水污染導致的全國總醫(yī)療費用。表4和表5測算結果表明，盡管不同特征的城鄉(xiāng)居民因為飲用水污染導致的醫(yī)療費用的絕對值存在較大差異，但相對值，即歸因比相對較為穩(wěn)定。鑒于上文估算使用的數據不包括0-14歲以及65歲以上城鄉(xiāng)居民，為了粗略估算我國城鄉(xiāng)全年齡段居民因為飲用水污染導致的醫(yī)療費用，下文假設0-14歲以及65歲以上居民因飲用水污染導致的醫(yī)療費用的歸因比與上述全樣本歸因比一致。表4和表5結果表明，樣本門診費用和住院費用分別約有10.0%和7.5%是由于飲用水污染導致的；2016年全國門診總費用和住院總費用分別為19 552億元和19 557億元，將其與上述歸因比相乘，我們就可以粗略估算出全國城鄉(xiāng)居民因為飲用水污染導致的門診總費用和住院總費用的點估計值分別約為1 955億元和1 459億元，兩者合計約3 400億元（見表6）。2016年全國衛(wèi)生總費用為46 344.9億元，故飲用水污染導致的醫(yī)療總費用約占全國衛(wèi)生總費用的7.4%。根據樣本數據，城鄉(xiāng)參保居民門診費用和住院費用補償比例（報銷總費用/醫(yī)療總費用）分別為29.2%和60.1%，我國社會醫(yī)療保險參保率95%（國務院新聞辦公室，2017），據此我們可以進一步粗略估算出因為飲用水污染導致的全國門診報銷總費用和住院報銷總費用的點估計值分別約為542億元和993億元，兩者合計約1 534億元，即2016年全國醫(yī)?；鹨驗轱嬘盟廴局С龈哌_約1 500億元。2016年中國新農合和城鎮(zhèn)基本醫(yī)療保險基金合計支出約12 130億元，①2016年中國新農合基金支出約1 363.6億元，基本醫(yī)療保險支出約10 767.1億元，兩者合計約12 130億元，分別來源于2017年《中國衛(wèi)生與計劃生育統(tǒng)計年鑒》和《中國統(tǒng)計年鑒》，并加總。這意味著中國約有12%的醫(yī)?；鹬С觯?500/12130）是由飲用水污染所導致的。
表6 飲用水污染導致的全國醫(yī)療總費用
（五）穩(wěn)健性檢驗。針對可能存在的內生性、非隨機性、樣本選擇和城鄉(xiāng)異質性問題，我們分別采用了工具變量法、匹配法、樣本選擇模型和城鄉(xiāng)分開分析等策略進行了穩(wěn)健性檢驗?？傮w而言，上文對歸因于飲用水污染的醫(yī)療費用的分析是可靠的。
1. 可能的內生性問題及其應對。首先，內生性問題可能源于居民醫(yī)療支出對飲用水污染存在反向影響：居民的醫(yī)療支出狀況可能影響居民飲用水使用決策，如使用純凈水和加裝凈水設施等，從而改變了家庭飲用水污染的暴露風險。其次，內生性問題可能源于遺漏變量偏差。為此，在上文分析中我們控制了社區(qū)經濟狀況和省級人均GDP，以控制地方經濟發(fā)展對環(huán)境污染及醫(yī)療支出的可能影響；并進一步控制了調查對象的社會經濟狀況和健康行為等諸多個體特征以及社區(qū)特征。但仍然可能存在一些不可觀測的變量，如風險偏好、個人環(huán)境健康知識和水污染規(guī)避能力等，這些變量可能同時影響居民飲用水污染的風險暴露劑量和居民的醫(yī)療支出狀況。
借鑒已有研究（王兵和聶欣，2016），我們將地區(qū)歷史工業(yè)污水排放量作為居民遭受水污染的工具變量，即引入2011-2013年和2013-2015年各省年人均工業(yè)污水排放量分別作為2014年和2016年城鄉(xiāng)居民飲用水污染的工具變量。第一，該變量與作為內生變量的家庭飲用水污染變量強相關：工業(yè)污水排放是導致我國水污染的主要原因之一（Ebenstein，2012），工業(yè)污水排放通過影響家庭水污染水平進而影響家庭醫(yī)療支出的經濟機理是非常清晰的；工具變量的2SLS回歸的第一階段估計結果也顯示，在控制協(xié)變量的情況下，省年人均污水排放量均在1%水平上與城鄉(xiāng)居民飲用水受污染的概率顯著正相關，且通過弱工具變量檢驗。①詳細過程及下文Durbin-Wu-Hausman（DWH）的檢驗結果略，感興趣的讀者可向作者索取。第二，該變量具有外生性：人均工業(yè)污水排放量使用了過去3年的省級層面的平均值，可以認為其外生于居民當前的醫(yī)療消費決策；有研究指出，如果工具變量與原方程的擾動項不相關，則將工具變量引入原方程進行估計，工具變量的估計系數從理論上講應該不顯著，這在一定程度上能夠佐證工具變量的外生性（孫圣民和陳強，2017），我們將上述工具變量放入文章涉及的選擇模型和支出模型時，該工具變量均不顯著（p＞0.10），這進一步佐證了本文使用的工具變量外生于居民當前的醫(yī)療消費行為。
使用工具變量法的前提是飲用水污染是內生解釋變量。我們將省級多年人均污水排放量作為工具變量，無論是在選擇模型中還是在支出模型中，Durbin-Wu-Hausman（DWH）檢驗的p值均大于0.10，即檢驗結果不能拒絕飲用水污染是外生的原假設。這表明在本文使用的數據中，內生性問題并不嚴重。故表2和表3的分析結果受內生性問題嚴重影響的可能性較小。
2. 非隨機性問題及應對。完全隨機化實驗是因果效應估計的黃金標準，但社會問題的研究通常難以達到完全隨機的要求。在本文中飲用水是否受污染也不是隨機分配的。匹配方法的基本原理就是針對處理組個體，在控制組中尋找與其特征相似的個體進行匹配，并用控制組個體的結果來估計處理組個體的反事實結果，匹配后處理組與反事實組的期望值的差異即為處理效應（Morgan和Winship，2015）。我們使用了傾向指數匹配、1∶2近鄰匹配和aipw逆概加權三種常見的匹配方法對飲用水污染對醫(yī)療支出的影響再次進行分析。已有學者對上述方法的基本原理進行了詳細介紹（趙西亮，2017）。從選擇概率模型結果看，無論是系數大小還是顯著程度均與表2和表3的結果基本一致，以門診選擇概率模型為例，傾向指數法和逆概加權法的系數的點估計值均為0.018，與表3相同。就費用模型而言，除了針對住院費用使用逆概加權法時具有弱顯著性外（p=0.084），其他情況下飲用水污染對門診費用、住院費用、門診報銷費用均無顯著影響（p＞0.30），這也與表2和表3結果基本一致；而在住院報銷費用模型中，除了近鄰匹配法僅具有邊緣顯著性外（p=0.144），在其他兩種方法中，飲用水污染均顯著增加了住院費用支出（p＜0.05），這與表3中飲用水污染對住院報銷費用具有弱顯著性影響的結果基本一致?？梢姡?和表3的結果受非隨機分配問題的影響較小，這進一步佐證了其結果的穩(wěn)健性（見表7）。
表7 匹配法結果
使用匹配方法需要滿足條件獨立性假設，在本文中即為控制一系列可觀測協(xié)變量后，飲用水是否遭受污染獨立于醫(yī)療支出行為。工具變量法估計的結果表明在本文使用的數據中，飲用水污染的內生性問題并不嚴重，我們可以認為其基本滿足了條件獨立性假設。我們還對協(xié)變量進行了平衡性檢驗，結果表明匹配后絕大部分協(xié)變量標準化平均值的差異基本接近0，方差比接近1，這意味著滿足了使用匹配法對共同區(qū)間的要求。
3. 樣本選擇、異質性及應對。上文使用兩部模型的前提是第一部分和第二部分是相互獨立的，為了檢驗上述假設，我們進一步采用Heckman樣本選擇模型分析了飲用水污染對城鄉(xiāng)居民醫(yī)療費用的影響。結果表明，在醫(yī)療費用及其報銷費用模型中，lambda值均不顯著（p＞0.5），故我們不能拒絕上述兩部模型中選擇模型和支出模型是相互獨立的假設，表2和表3采用的兩部模型是合理的?？紤]到中國城鄉(xiāng)之間的飲用水污染狀況和經濟社會發(fā)展存在較大差異，飲用水污染對城鄉(xiāng)居民醫(yī)療費用的影響機制可能存在較大的異質性，我們進一步分城鄉(xiāng)考察了飲用水污染對醫(yī)療費用的影響，結果仍然與表2基本一致，在城市和農村飲用水污染均顯著增加了發(fā)生門診和住院費用的概率，仍然對城鄉(xiāng)居民門診費用和住院費用的發(fā)生額無顯著影響。
五、結論與政策意義
本研究使用微觀調查數據，實證考察了飲用水污染對中國城鄉(xiāng)居民醫(yī)療費用和醫(yī)?；鹬С鲐摀挠绊懀y算了不同特征的城鄉(xiāng)居民因為飲用水污染導致的醫(yī)療費用支出負擔情況，結果發(fā)現：（1）飲用水污染主要是通過增加城鄉(xiāng)居民門診和住院的概率增加了其醫(yī)療費用支出；同時，飲用水污染也增加了城鄉(xiāng)居民門診報銷和住院報銷費用支出，從而增加了醫(yī)保基金負擔。（2）在城鄉(xiāng)居民的門診費用和門診報銷費用中，約有10%的費用是飲用水污染所導致的；在住院費用和住院報銷費用中，分別約有7.5%和8.9%的費用是由飲用水污染所導致的。（3）相對于社會經濟地位較高的城鄉(xiāng)居民，社會經濟地位較低的城鄉(xiāng)居民，包括農村、低收入、低教育水平和貧困家庭承擔的因飲用水污染導致的門診費用和住院費用支出更高。其中：城鄉(xiāng)貧困居民因飲用水污染導致的人均門診費用和住院費用分別相當于非貧困居民的1.46倍和1.34倍。（4）2016年全國城鄉(xiāng)居民因飲用水污染導致的總醫(yī)療費用合計約3 400億元，相當于當年全國衛(wèi)生總費用的7%；醫(yī)?；鹨驗轱嬘盟廴局С黾s1 500億元，相當于當年全國醫(yī)?；鹂傊С龅?2%。
本文研究結論具有多重價值。對城鄉(xiāng)居民而言，過高的醫(yī)療支出是城鄉(xiāng)居民貧困風險的主要來源之一，而由于貧困和低收入居民更容易遭受包括飲用水污染在內的環(huán)境污染，環(huán)境污染也使得他們面臨著更為沉重的醫(yī)療支出負擔。國外已有研究揭示，加強水環(huán)境治理，改善飲用水安全能夠降低居民的健康風險，而且邊緣群體獲得了更高的健康回報（Alsan和Goldin，2019）。因此，在中國扶貧過程中，要重視改善城鄉(xiāng)居民，尤其是貧困和低收入居民的飲用水安全，加強水環(huán)境治理，并進而加強整個生態(tài)環(huán)境治理，通過生態(tài)文明建設推動健康中國建設和精準扶貧，這不僅有助于鞏固我國的扶貧成果，也有助于促進醫(yī)療費用負擔的公平性，從而有助于推動我國生態(tài)文明、健康中國和精準扶貧等多個戰(zhàn)略布局目標的實現。對醫(yī)?；鸷凸藏斦裕青l(xiāng)居民因飲用水污染導致的醫(yī)?；鹬С鲐摀透哌_1 500億；同時，中國政府還承擔了新農合、城鎮(zhèn)居民基本醫(yī)療保險和城鄉(xiāng)醫(yī)療救助等社會保障項目最主要的籌資責任。因此，可以考慮把部分排污費用和環(huán)境稅作為專項資金劃撥入醫(yī)?；鹬校跃徑忉t(yī)?；鹂赡艹霈F的債務危機。對公共衛(wèi)生和水利部門而言，要加強自來水水源地和自來水輸送過程中的污染治理，維護和促進飲用水安全。
猜你喜歡
供水技術(2022年1期)2022-04-19 14:11:42
中西醫(yī)結合心血管病雜志(電子版)(2020年8期)2020-01-08 05:43:59
中國醫(yī)療保險(2018年3期)2018-07-14 02:42:20
現代財經-天津財經大學學報(2016年1期)2016-12-01 05:49:43
中國衛(wèi)生(2016年9期)2016-11-12 13:28:08
人民周刊(2016年10期)2016-06-02 15:19:45
食品界(2016年4期)2016-02-27 07:36:15
中國質量與標準導報(2013年6期)2013-03-11 19:53:28
江蘇衛(wèi)生事業(yè)管理(2013年6期)2013-03-11 17:02:16
化學分析計量(2013年3期)2013-03-11 16:37:24
