计量经济学-城镇人均医疗支出-毕业论文.doc

计量经济学 城镇人均医疗支出 毕业论文

数据处理及模型分析
（课程论文）

城镇居民人均医疗保健费用支出因素
的实证分析

摘要
近年来，随着人民生活水平的提高，人民越来越关注个人医疗保健问题。医疗卫生消费已经成为居民生活消费的重要组成部分，医疗卫生消费的水平、特点是一个地区一个国家居民生活水平和健康水平的重要反应。本文采用时间序列数据，通过建立计量模型，对中国近年以来城镇人均医疗保健支出费用进行分析。分析城镇人均医疗保健支出及城镇人均可支配收入、政府卫生支出、及卫生人员数的关系。

关键字：人均医疗保健支出；政府卫生支出；；卫生人员数；

, ' , . ' , , . , , . , , .

： ; ;
目录

摘要

引言
一、模型变量选取及数据来源说明
（）模型解释变量选取
（）模型选取数据来源说明
二、人均医疗保健支出及人均可支配收入的关联度双变量分析
三、人均医疗保健支出及多解释变量关联度分析
四、模型设定误差分析
五、模型结构稳定性检验
六、模型的自相关诊断及补救
()自相关的诊断
图示法
杜宾－瓦尔逊检验
游程检验
七、模型的多重共线性诊断及补救
()多重共线性的诊断
²诊断
解释变量的相关性检验
辅助回归
()变量转换进行多重共线性的补救
八、预测模型选择
九、选用模型的经济含义
参考文献

引言
当前随着城镇居民对个人健康的关注度不断提高，个人医疗保健支出已经是每一个城镇家庭不得不面对的问题。在房价、子女教育已经个人工作压力下，沉重又突如其来的医疗消费支出再一次拉紧了大多数城镇居民的神经。生活中甚至出现了白领不敢生病，生病了也尽量不去医院的种种社会怪想。个人医疗保健支出大的难题已经成为了困扰整个社会发展前进，影响居民幸福的重要因素。尽管近来政府的卫生支出越来越大，居民不断参加各种的医疗保险，可个人医疗保健支出在人均可支配收入中却占据越来越大的比例，沉重的医疗保健支出给人们带来很大的经济负担。本文运用计量经济学的分析方法，研究我国医疗保健支出及城镇居民年人均可支配收入等因素之间的关系，旨在分析出如何解决个人医疗保健支出大的问题。
一、模型变量选取及数据来源说明
（）模型解释变量选取
本文是对城镇居民人均医疗保健支出的影响因素分析。首先我们知道城镇居民人均可支配收入是影响居民消费支出的重要影响因素，所以我们把可支配收入作为我们实证分析的第一个解释变量。其次政府卫生总支出及卫生人员数也是可能影响城镇居民医疗支出的重要因素，因此我们把他们也作为我们模型分析的解释变量。我们知道医疗支出方面也涉及到一些医疗服务产品购买问题，所以我们引进了解释变量。本文主要从以上这几个解释变量来对城镇居民人均医疗保健支出进行实证分析。

（）模型选取数据来源说明
本文从中国统计年鉴选取了从年到年间，城镇居民医疗保健支出、城镇居民人均可支配收入、政府卫生总支出、卫生人员数及的详细数据。具体数据如表所示。
表 年解释变量及被解释变量详细数据
年份
人均医疗保健支出（元）
城镇人均可支配收入（元）
政府卫生支出(亿元)
城镇居民消费价格指数
卫生人员数（万人）

续表 年解释变量及被解释变量详细数据
年份
人均医疗保健支出（元）
城镇人均可支配收入（元）
政府卫生支出(亿元)
城镇居民消费价格指数
卫生人员数（万人）

二、人均医疗保健支出及人均可支配收入的关联度双变量分析
为了更好的进行对人均医疗保健支出和人均可支配收入的关联度分析，我们选取全国年至年人均医疗保健支出和人均可支配收入的统计资料，如表所示。
表 年人均医疗保健支出和人均可支配收入（单位：元）
年份
人均医疗保健支出（元）
城镇人均可支配收入（元）

因为我们之前选取的一些解释变量波动较大，为了减小数据波动较大产生的一些偏差，故我们建立二元对数回归模型＝＋ ＋（相关计算数据参照于表），把人均医疗保健支出经过对数出来后的数据作为被解释变量，同理人均可支配收入经过对数处理后的数据作为解释变量。

表 经过对数处理后的数据
年份

续表 经过对数处理后的数据
年份

运行统计分析软件，将上表中数据输入界面，进行回归分析所得结果如表、表和表所示。
表 模型汇总
模型

方
调整 方
标准 估计的误差

. 预测变量: (常量), 。

表 （）
模型
平方和

均方

.

回归

.000a
残差

总计

. 预测变量: (常量), 。
. 因变量:

表 系数（）
模型
非标准化系数
标准系数

.

标准 误差
试用版

(常量)

. 因变量:
据此，可得该回归模型各项数据为：
＝
＝＝
＝＝
（）＝ （）＝ ＝
（）＝ （）＝ ＝
（） ＝ ＝
（） ＝ ＝
＝
＝
模型为：＝＋
令＝，
在的水平下，检验的拒绝域为：〔－∞，－〕和〔，＋∞〕
所以（）、（）均落在拒绝域中，拒绝原假设，即常数项和对于模型均有意义。
对于该模型的经济意义解释如下：
平均而言，在其他条件不变的情况下，人均可支配收入每变动一个百分点，将引起人均医疗保健支出变动个百分点。并且，该模型反映了的真实情况。

三、人均医疗保健支出及多解释变量关联度分析
为了更好的进行对人均医疗保健支出和人均可支配收入的关联度分析，我们选取全国年至年人均医疗保健支出和人均可支配收入、政府卫生支出、卫生人员数、数据的统计资料。具体数据如表所示
表
年份
人均医疗保健支出（元）
城镇人均可支配收入（元）
政府卫生支出(亿元)
城镇居民消费价格指数
卫生人员数（万人）

将上述数据经对数处理后的数据如表所示
表
年份

我们建立五元回归模型＝＋＋＋＋＋（相关计算数据参照于表）。我们将人均医疗保健支出作为被解释变量，人均可支配收入作为解释变量，政府卫生支出作为解释变量，卫生人口数作为解释变量，列为解释变量（以下各步同上），运行统计分析软件，将上表中数据输入界面，进行回归分析所得结果如表、表和表所示。
表 模型汇总
模型

方
调整 方
标准 估计的误差

.997a

预测变量: (常量), , , , 。
表
模型
平方和

均方

.

回归

.000a
残差

总计

. 预测变量: (常量), , , , 。
. 因变量:
表 系数
模型
非标准化系数
标准系数

.

标准误差
试用版

(常量)

. 因变量:
据此，可得该回归模型各项数据为
＝＋＋
令＝
我们提出如下假设：
：＝，＝ μ
＝＋＋＋＋＋
() ()
在水平下，检验的拒绝域为：〔－∞，－〕和〔，＋∞〕
因为（）、（）、（）、（）、（）均落在拒绝域中，所以拒绝原假设，说明 及、、对的影响是均是显著的，。
联合假设检验：
：＝
～ (，)
在水平下，查分布表得 (，)，所以回归方程总体上是显著的。
对于该模型的经济意义解释如下：
平均而言，在其他条件不变的情况下，人均可支配收入每变动一个百分点，将人均医疗保健支出变动个百分点；在其他条件不变的情况下，政府卫生支出每变动一个百分点，将引起人均医疗保健支出变动个百分点。在其他条件不变的情况下，卫生人员数每变动一个百分点，将引起人均医疗保健支出变动个百分点。在其他条件不变的情况下，每变动一个百分点，将引起人均医疗保健支出变动个百分点。并且该模型反映了的真实情况。

四、模型设定误差分析
对于初始模型：＝＋
＝
＝
＝ ＝
对于添加解释变量数据的模型（二）
＝＋＋
＝
＝ － －
＝ ＝15 F ＝
通过比较可以发现：
．在模型（一）的基础上引入变量、、后，模型（二）中各参数的检验值都在拒绝域内，即假设检验显著，模型（二）的拟合优度也有所提高，并且模型二的参数符号也及经济意义相符。
综上所述，最终的法定准备金以模型（二）为最优，即
＝＋＋

五、模型结构稳定性检验
通过对样本进行回归分析，依据前面步骤可得出以下数据：
＝＋＋
＝
＝ － －
＝ ＝ F ＝
（）将样本分为两段，其中第一段数据如表所示
表 年数据
年份

我们建立五元回归模型＝＋＋＋＋＋（相关计算数据参照于表）。运行统计分析软件，将上表中数据输入界面，进行回归分析所得结果如表、表和表所示。

表 模型汇总
模型

方
调整 方
标准 估计的误差

.999a

表
模型
平方和

均方

.

回归

.000a
残差

总计

表 系数
模型
非标准化系数
标准系数

.

标准 误差
试用版

常量

. 因变量:

可得该回归模型为：
＝＋＋＋＋＋；
令
我们提出如下假设：
：＝，＝＋＋μ
＝＋＋＋＋＋
() ()
在水平下，检验的拒绝域为：〔－∞，－〕和〔，＋∞〕,除去（），（）、（）、（）均落在非拒绝域中，不拒绝原假设，即截距项、 、对于模型均没有意义。

联合假设检验：
：＝
～ (，)
在水平下，模型中的值落在检验的右侧拒绝域〔，＋∞〕中，因为，所以拒绝原假设，即，回归方程是总体显著的。

（）第二段数据如表所示。

表 年数据
年份

续表 年数据
年份

我们建立五元回归模型＝＋＋＋＋＋（相关计算数据参照于表）。运行统计分析软件，将上表中数据输入界面，进行回归分析所得结果如表、表和表所示。

表 模型汇总
模型

方
调整 方
标准 估计的误差

.999a

预测变量: (常量), , , , 。
表
模型
平方和

均方

.

回归

.000a
残差

总计

. 预测变量: (常量), , , , 。
. 因变量:
表 系数
模型
非标准化系数
标准系数

.

标准 误差
试用版

(常量)

. 因变量:

可得该回归模型为：
＝＋＋＋；
令
我们提出如下假设：
：＝，＝＋＋μ
＝＋＋＋＋＋
() ()
在水平下，检验的拒绝域为：〔－∞，－〕和〔，＋∞〕,除去（）、（）、（），（）、（）均落在非拒绝域中，不拒绝原假设，即 、对于模型均没有意义。

联合假设检验：
：＝
～ (，)
在水平下，模型中的值落在检验的右侧拒绝域〔，＋∞〕中，因为，所以拒绝原假设，即，回归方程是总体显著的。

.对于模型＝＋＋
＝＝＝
对于模型＝＋＋＋＋＋
＝
对于模型＝＋＋＋
＝
由此可得：
＝＝
：＝
＝ ＝
在水平下，所以值落在检验的拒绝域〔，＋∞〕中，拒绝原假设，即该模型为结构不稳定稳定模型。故用年段数据所建立的模型（二）：
＝＋＋＋

六、模型的自相关诊断及补救
()自相关的诊断
图示法
表 年数据表
年份

n 作对的散点图，所得结果如图所示。
n 作对的散点图，所得结果如图所示。

图 对的散点图

图 对的散点图
杜宾－瓦尔逊检验
：是随机的
＝
在水平下，查表得、，
模型

方
调整 方
标准 估计的误差

.999a

. 预测变量: (常量), , , , 。
. 因变量:
因为<<，所以不能确定是不是存在自相关。

游程检验
—观察值得总个数（）；
号（正的残差）的个数,；
号（负的残差）的个数；
—游程的个数；
: 是随机的；
查看，，, 水平下，游程检验表的值

因为，，所以模型不存在自相关。

七、模型的多重共线性诊断及补救
在以下分析中，将选取经过结构稳定后年数据所得模型：
＝＋＋＋
()多重共线性的诊断
²诊断
由表模型估计结果可知²>,且检验显著较多，因此难以推断是否存在多重共线性。

解释变量的相关性检验
表 解释变量的相关系数表

相关性

相关性

相关性

相关性

、的相关系数为>
、的相关系数为>
、的相关系数为<
、的相关系数为<
从各解析变量的相关度可知，解释变量出现高度相关的现象，可推断可能存在多重共线性。

辅助回归
（）辅助回归模型一：
上述模型：＝＋＋＋
建立以为因变量，、、为自变量的辅助回归模型：

对其进行的回归分析得出的结果如表、表、表所示：
表 模型汇总
模型

方
调整 方
标准 估计的误差

.997a

. 预测变量: (常量), , , 。
. 因变量:
表
模型
平方和

均方

.

回归

.000a
残差

总计

. 预测变量: (常量), , , 。
. 因变量:
表 系数
模型
非标准化系数
标准系数

.

标准误差
试用版

（常量)

从以上图表可知：
，， ，
²，

因此模型为：
进行多重共线性的假设检验：
：²
：²≠

（）,
因为的值落在拒绝域〔，＋〕内，因此拒绝原假设，即存在多重共线性。
（）辅助回归模型二：
建立以为因变量，、、为自变量的辅助回归模型：

表 、、 是进行回归分析辅助回归模型得到的结果
表 模型汇总
模型

方
调整 方
标准 估计的误差

.997a

表
模型
平方和

均方

.

回归

.000a
残差

总计

表 系数
模型
非标准化系数
标准系数

.

标准误差
试用版

(常量)

从以上图表可知：
，， ，
²，

因此模型为：
进行多重共线性的假设检验：
：²
：²≠

（）,
因为的值落在拒绝域〔，＋〕内，因此拒绝原假设，即存在多重共线性。

（）辅助回归模型三：
建立以为因变量，、、为自变量的辅助回归模型：
对其进行的回归分析
表 回归分析辅助回归模型一结果：
模型

方
调整 方
标准 估计的误差

.930a

. 预测变量: (常量), , , 。
. 因变量:
模型
平方和

均方

.

回归

.005a
残差

总计

. 预测变量: (常量), , , 。
. 因变量:

模型
非标准化系数
标准系数

.

标准误差
试用版

(常量)

. 因变量:

从以上图表可知：
，， ，
²，

因此模型为：
进行多重共线性的假设检验：
：²
：²≠

（）,
因为的值落在拒绝域〔，＋〕内，因此拒绝原假设，即存在多重共线性。
（）辅助回归模型四：
建立以为因变量，、、为自变量的辅助回归模型：

表、、为回归分析辅助回归模型一结果：
表 模型汇总
模型

方
调整 方
标准 估计的误差

.584a

. 预测变量: (常量), , , 。
. 因变量:

表
模型
平方和

均方

.

回归

.442a
残差

总计

. 预测变量: (常量), , , 。
. 因变量:
表系数
模型
非标准化系数
标准系数

.

标准误差
试用版

(常量)

. 因变量:

从以上图表可知
，， ，
²，

因此模型为：
进行多重共线性的假设检验：
：²
：²≠

（）,
因为的值落在拒绝域〔，＋〕内，因此不拒绝原假设，即不存在多重共线性。
()变量转换进行多重共线性的补救
将原模型＝＋＋＋＋＋中各变量都除以，因为、、、各为因变量时的²最大。
得到新模型
因此设 为、为、为、为*、为*得到改良的模型：
表 经过修正后的数据
年份

*
*

对其进行参数估计和回归分析，分析结果如表、、所示：
表 模型汇总
模型

方
调整 方
标准 估计的误差

.994a

. 预测变量: (常量), *, , , *。
. 因变量:

表
模型
平方和

均方

.

回归

.000a
残差

总计

. 预测变量: (常量), *, , , *。
. 因变量:
表 系数
模型
非标准化系数
标准系数

.

标准误差
试用版

(常量)

*

. 因变量:

从上述表中可知:
、 、 、 、
()、()、 ()、 ()、 ()；
，
²，

因此修正后的模型为： *
对其进行检验和检验：
令α ， 如下假设：
我们提出如下假设：
：＝，＝＋＋μ
＝＋＋＋＋＋
() ()落在接受域〔，〕，除去常数项检验不显著，其它变量检验结果均在拒绝域中，即检验结果不显著。
进行联合检验：
：
：不全为
又
> （），
因为检验值落在拒绝域〔，＋〕，因此拒绝原假设，所以检验结果也显著，即模型总体上是显著的。

八、预测模型选择
（）选取共线性补救前后的两个模型进行比较选择。
模型一：＝＋＋＋
模型二： *

两个模型都存在共线性，而且模型一经过共线性修正后得到的新模型及原模型相比改善不大，故继续采用模型一作为最终预测模型。
＝＋＋＋。

九、选用模型的经济含义
平均而言，在其他条件不变的情况下，人均可支配收入每变动一个百分点，将人均医疗保健支出变动个百分点；在其他条件不变的情况下，政府卫生支出每变动一个百分点，将引起人均医疗保健支出变动个百分点。在其他条件不变的情况下，卫生人员数每变动一个百分点，将引起人均医疗保健支出变动个百分点。在其他条件不变的情况下，每变动一个百分点，将引起人均医疗保健支出变动个百分点。并且该模型反映了的真实情况。

参考文献
[]国家统计局.中国统计年鉴.中国统计出版社[]
[]殷红、金永红.《计量经济学理论及方法》清华大学出版社[第一版]
[]李子奈，潘文卿.计量经济学[].高等教育出版社（第三版）
[]李子奈: 计量经济学应用研究的总体回归模型设定《经济研究》年第期
[]何平、孟庆跃，卫生总费用及医疗费用影响因素研究现状，中国卫生事业管理，
[]何平平，我国医疗费用增长因素的计量经济分析，太平洋学报，（）
[]王凡、温小霓.我国医疗供方诱导需求理论及实证，中国卫生事业管理，()