碳排放對居民醫療衛生支出的空間溢出效應

蔣自程,李德勛,傅志婷,葉貽忠

(1.安徽中醫藥大學 醫藥經濟管理學院,安徽 合肥 230012;2.安徽中醫藥大學 數據科學與中醫藥創新發展安徽省哲學科學重點實驗室, 安徽 合肥, 230012)

我國政府歷來重視環境問題與健康問題。2020年9月,在聯合國大會上,國家主席習近平向世界莊嚴宣布:“中國二氧化碳排放力爭于2030年前達到峰值,爭取在2060年前實現碳中和”[1]。二氧化碳等溫室氣體造成的溫室效應會使氣候發生一定的改變,進而對人體健康產生負面影響[2]。根據英國國家衛生服務局的數據,2009年發達國家8%的衛生支出是由氣候變化引起的?！吨袊l生健康統計年鑒》顯示,2011—2019 年,我國個人醫療衛生支出從8465.28元增加到 18673.87元,年均增長12.06%。碳排放對居民醫療衛生支出的影響成為政府部門和學術界共同關注的熱點問題。同時,碳排放帶來的環境污染具有外溢特征[3],這種特征對鄰近地區的居民醫療衛生支出是否會帶來影響?又是否會存在長短期效應的差異?為解決這些問題,本文運用動態空間杜賓模型探究碳排放對居民醫療衛生支出的空間溢出效應,并進一步分析長短期效應,指出減少碳排放的重要性以及降低碳排放對減少居民醫療衛生支出的現實意義,助力實現“環境友好型社會”和“健康中國”戰略目標。

1 文獻綜述

有關醫療衛生支出影響因素的研究。截至目前,國內學者對醫療衛生支出影響因素的研究主要集中在居民收入水平、政府補貼、老齡化水平、醫療保險以及受教育水平等方面。蔡曉珊等[4]通過研究政府醫療衛生支出對個人醫療衛生支出的影響,發現政府醫療衛生支出對個人醫療衛生支出具有明顯的“擠入”效應,并且這種效應在農村和低收入群體中更為明顯。高瑗等[5]通過研究老齡化對醫療衛生支出的影響,發現隨著老年人口數量的增加,醫療衛生支出費用也在顯著增加。王曉亞等[6]通過研究醫療保險對醫療衛生支出的影響,得出醫療保險與城鎮居民個人醫療衛生支出之間呈“倒U曲線”的關系,即只有當醫療保險提高到一定水平的時候才能發揮“減負效應”。肖琴等[7]對城鄉居民醫療衛生支出情況及影響因素進行調查發現:城鄉居民醫療衛生支出存在顯著差異,收入、受教育水平、健康狀況等是城鄉居民醫療衛生支出產生差異的主要影響因素。賈慧萍等[8]通過對我國居民醫療衛生支出的影響因素進行研究,得出人均GDP、65歲及以上人口比例和醫院的床位密度等對居民醫療衛生支出具有顯著影響。

有關碳排放對醫療衛生支出影響的研究。國內外學者通過實證分析得出碳排放對醫療衛生支出具有正向影響關系。Yazdi等[9]通過研究收入、CO2和PM10排放量對醫療衛生支出的影響,發現收入、CO2和PM10排放量對居民醫療衛生支出具有統計意義上的積極影響。Apergis等[10]對美國50個州的CO2排放及其對醫療衛生支出的影響進行了討論,得出CO2排放量的增加導致了醫療衛生支出的增加,進一步調查發現,醫療衛生支出較高的州,影響程度更深。Abdullah等[11]等過研究發現,CO2排放與醫療衛生支出和經濟增長之間存在正相關關系。但Usman等[12]進一步研究認為,從長期效應上看,CO2排放對政府醫療衛生支出具有正向影響,但是對居民醫療衛生支出卻存在負向影響。國內學者關于碳排放對醫療衛生支出的相關研究起步較晚。從碳排放對居民健康的直接影響研究上看,葉巾祁等[13]利用微觀調查數據得出,空氣污染對中老年人健康水平存在不容忽視的長期負面影響,且隨著污染程度的加重,負面效應呈非線性增加趨勢。陳志永等[14]研究得出,常州市大氣污染物PM2.5會增加居民腦血管病死亡的風險?？諝馕廴具€會間接作用于居民醫療衛生支出,學者們進一步分析了碳排放對居民醫療衛生支出的間接影響。關楠等[15]通過研究得出,當空氣污染指數API超過100、150、200和300的天數每增加1天,與此對應的醫療費用支出就會分別增加5.5%、7.6%、9.1%和10.3%。田理[16]利用面板數據構建了計量模型,得出碳排放和醫療衛生支出呈現顯著的正相關關系。趙強等[17]也發現,在空氣污染背景下,空氣污染會增加居民醫療衛生支出。

綜上所述,二氧化碳排放會通過直接損害健康而間接影響居民醫療衛生支出。此外,歐元明等[18]發現,一個地區的健康風險與鄰近地區的碳排放量有一定的關系,這意味著碳排放量具有一定的空間傳輸和擴散效應。因此,本文在已有研究的基礎上,首先,運用面板計量模型分析碳排放對居民醫療衛生支出的空間溢出效應。其次,通過構建靜態空間杜賓模型和動態空間杜賓模型,對碳排放對居民醫療衛生支出的空間溢出效應進行長短期的區分,以分析碳排放在不同階段對居民健康水平和醫療衛生支出的影響差異,并對結論進行穩健性檢驗,確保結論的可靠性。

2 研究設計

2.1 空間權重矩陣

參考現有研究[19],本文構建了地理距離倒數空間權重矩陣。具體表達公式如下:

(1)

其中Wij代表空間地理距離倒數空間權重矩陣;dij代表兩個不同省份之間的地理距離,用省會城市之間的直線歐式代替距離;0代表對角線元素。當空間距離越遠,區域間影響就越小,權重值也就越小。

2.2 空間自相關檢驗

能否選擇空間計量方法的一個基本前提,是數據之間是否存在空間關聯性,包括全域的空間自相關和局域的空間自相關[20]。因為本研究樣本是全國層面的,因此采用全局莫蘭指數(Moran′s I)研究整體是否存在空間自相關,全局莫蘭指數計算公式為:

(2)

(3)

2.3 空間計量模型

相比于空間誤差模型(SEM)、空間滯后模型(SAR),空間杜賓模型(SDM)能夠同時解釋空間自回歸效應和空間溢出效應,所得出的解釋效果更好?；诖?本文初步構建了空間杜賓模型,實證分析碳排放對居民醫療衛生支出影響的空間溢出效應。公式如下:

LnMEit=ρWiLnMEt+βxit+δWiXt+ui+γt+εit

(4)

εit=λwεit+uit

(5)

其中,LnMEit表示被解釋變量居民醫療衛生支出;Wij表示空間權重矩陣,反映區域間的空間相關關系;xit表示解釋變量;Xt表示解釋變量的空間滯后項;ui表示空間固定效應;γt表示時間固定效應;εit表示隨機誤差項;ρ表示被解釋變量的空間滯后項系數;δ表示解釋變量的空間滯后項系數;λ表示隨機誤差項的空間滯后項系數。

本文同時構建了動態空間杜賓模型,模型如下:

(6)

其中,LnMEit-1表示被解釋變量居民醫療衛生支出滯后一期,其他變量解釋含義與上文相同。但相較于靜態SDM,動態SDM不僅包括了空間滯后項,還包括了被解釋變量居民醫療衛生支出的時間滯后項,對模型的內生性問題有所緩解,因此,選擇動態空間杜賓模型更為合理。

2.4 變量選取

本文選取的被解釋變量為居民醫療衛生支出。參照陶春海等[21]的研究,采用《中國統計年鑒》中的人均醫療衛生支出作為居民醫療衛生支出的衡量指標。

本文選取的核心解釋變量為碳排放量。參照尹迎港、吳永嬌等[22-23]的研究以及叢建輝等[24]的碳排放核算分析,從生產視角核算碳排放量,核算過程遵循 IPCC清單指南,與國家層面的核算方法相一致,方便城市之間的橫向比較。根據《2006年IPCC國家溫室氣體清單指南》和《中國能源統計年鑒》數據計算碳排放量。具體計算公式為:

(7)

其中,C為碳排放總量;Ei為能源的消費量;δi為能源的碳排放系數;i表示原油、煤油、柴油、汽油、焦炭、原煤和天然氣7種主要消耗化石燃料。

本文選取的控制變量為人均GDP、城鎮化率、政府衛生支出、人口老齡化、人均受教育年限等。①人均GDP。經濟水平通常用人均GDP來測量,它可以反映某一地區的經濟發展水平。人均GDP增加一定程度上會促進個人醫療消費,進而提高個人醫療衛生支出[25]。②城鎮化率。城鎮化率可以衡量區域經濟發展程度,本文用城鎮人口占區域總人口比重表征。③政府衛生支出。政府醫療衛生支出可以體現公共醫療衛生服務的政府供給情況[26],在此采用《中國統計年鑒》中的政府衛生支出作為衡量指標。④人口老齡化。人口老齡化是指因年輕人口數量減少、年長人口數量增加而導致的老年人口比例相應增長的動態[27],在此采用學界的普遍做法,將 65歲以上人口占比作為衡量人口老齡化的指標。⑤人均受教育年限。已有研究[28]表明,是否接受過高等教育對一個人的健康水平具有顯著的影響作用,本文選取人均受教育年限作為衡量指標。

3 實證分析

3.1 數據來源及處理

本文以2011—2019年為研究期,選取我國30個省(自治區、直轄市)(港澳臺地區、西藏自治區除外)面板數據作為考察樣本。樣本及相關變量等數據選自《中國衛生統計年鑒》《中國統計年鑒》《中國能源統計年鑒》《2006年IPCC國家溫室氣體清單指南》。變量及變量的描述性統計結果如表1所示。

表1 變量及變量的描述性統計

另外,為降低異方差對回歸結果的影響,對所選的居民醫療衛生支出、碳排放量、人均GDP、城鎮化率、政府衛生支出、人口老齡化、人均受教育年限等變量進行對數化處理,分別以LnME、LnCM、LnPCG、LnUR、LnGHE、LnAOP、LnYEP來表示。本文利用LLC檢驗進行單位根檢驗,以保證數據的平穩性,避免偽回歸結果,最終數據都通過了平穩性檢驗,具體結果如表2所示。

表2 單位根檢驗

3.2 空間自相關檢驗

為了考察居民醫療衛生支出和碳排放的整體空間關聯性,首先利用公式(2)測算我國2011—2019年30個省(自治區、直轄市)的居民醫療衛生支出和碳排放的全局莫蘭指數,從中得出全局莫蘭指數均值及各項指標的顯著性水平(表3)。從表3可以看出,2011—2019年間,我國居民醫療衛生支出的全局莫蘭指數值均大于0,并且在5%水平上顯著。這說明,我國各地區居民醫療衛生支出具備顯著的空間正相關性,即考察期內居民醫療衛生支出高的地區會顯著影響鄰邊地區。2011—2019年間,我國碳排放的全局莫蘭指數值均大于0,并且在1%水平上顯著。這說明,我國各地區碳排放具備顯著的空間正相關性,碳排放高的地區會顯著影響鄰邊地區。

表3 2011—2019 年我國居民醫療衛生支出與碳排放的全局莫蘭指數

全局莫蘭指數已經表明居民醫療衛生支出、碳排放分別存在空間自相關性。為進一步考察兩者空間分布的集聚特征,分別繪制了2011年、2019年居民醫療衛生支出與碳排放的局部莫蘭指數散點圖(圖1、圖2)。局部莫蘭指數散點圖中,居于一、三象限的地區在空間上呈顯著正相關,處于二、四象限的地區在空間上呈顯著負相關。由圖1可知,散點圖代表的大部分地區落在第一和第三象限內,表明居民醫療衛生支出存在正向空間相關性,居民醫療衛生支出的高值地區與碳排放的高值地區對應,反之,居民醫療衛生支出的低值地區與碳排放的低值地區對應,兩者呈現明顯的正相關關系。由圖2可知,碳排放也具有正相關特征,散點圖主要集中在一、三象限,反映出碳排放存在“高—高集聚”和“低—低集聚”的分布特點。根據上述分析,我們必須重視空間因素對結果的影響,需要結合空間計量模型進一步分析。

圖1 2011年、2019年居民醫療衛生支出局部莫蘭指數散點圖

圖2 2011年、2019年碳排放局部莫蘭指數散點圖

3.3 空間溢出效應分析

3.3.1 模型選擇

根據空間效應的差異,空間面板數據模型包括空間自回歸模型和空間杜賓模型兩種類型。前文已經分析了空間自相關檢驗,在此將上文構建的廣義空間計量模型作為一般形式的基準模型,然后按照Vega、馬嘉瑩等[29-30]提出的檢驗步驟,判斷最優計量模型?？臻g計量模型選取檢驗結果見表4。由表4可知,由LM檢驗發現,LM-err(P=0.000)和 RLM-err (P=0.000)以及 LM-Lag(P=0.000)和 RLM-Lag(P=0.000)在1%顯著性水平上拒絕原假設,存在空間滯后效應與空間誤差效應,因此,應選擇空間杜賓模型。Hausman檢驗結果的卡方值為46.11,可看出在1% 水平上拒絕原假設,故選擇固定效應的SDM模型。LR空間滯后檢驗和LR空間誤差檢驗為45.61和44.23,均在1%的水平上拒絕原假設;WALD空間滯后檢驗和WALD空間誤差檢驗結果為38.55和33.34,均在1%的水平上拒絕原假設,表明SDM模型不會退化為SLM模型和SEM模型。

表4 空間計量模型選取檢驗結果

3.3.2 空間杜賓模型結果分析

通過計算模型的擬合優度R2可知,靜態SDM和動態SDM的R2分別是為0.70和0.68,兩個模型的擬合程度相差不大;從對數似然 Log-likelihood 值來看,動態空間SDM比靜態SDM高,說明動態SDM的穩健性更好(表5)。因此,本文主要分析動態SDM的回歸結果。

表5 靜態、動態空間杜賓模型回歸結果

主要變量的分析。就被解釋變量居民醫療衛生支出而言,居民醫療衛生支出滯后一期(LnMEt-1)的系數在5%的水平下顯著為負,說明本地區的居民醫療衛生支出在時間上具有相關性;動態空間杜實模型下,居民醫療衛生支出空間滯后項(W*LnME)的系數在5%的水平下顯著為正,說明居民醫療衛生支出的空間集聚特征為高居民醫療衛生支出的地區被高居民醫療衛生支出的地區包圍,低居民醫療衛生支出的地區被低居民醫療衛生支出的地區包圍,與空間相關分析的結果一致。就核心解釋變量碳排放量而言,碳排放量(W*LnCM)的估計系數在 1%的水平下顯著為正,碳排放的增加造成居民醫療衛生支出的增加,其系數的絕對值與靜態空間杜賓模型相差不大;碳排放的空間滯后項(W*LnCM)的系數在1%的水平下顯著為正,說明本地區碳排放的增加對鄰近地區的居民醫療衛生支出能夠產生正向影響,初步證明碳排放對居民醫療衛生支出存在空間溢出效應。

控制變量的分析。人均GDP(W*LnPCG)、城鎮化率(W*LnUR)、人均受教育年限(W*LnYEP)對居民醫療衛生支出會產生顯著的正向影響,即本地區的城鎮化水平提高、人均GDP增加以及教育水平的提高都會對鄰近地區的居民醫療衛生支出產生正向影響;人口老齡化(LnAOP)對鄰近地區居民醫療衛生支出存在促進作用,增加了鄰近地區的居民醫療衛生支出;政府衛生支出(LnGHE)對居民醫療衛生支出能夠產生顯著的抑制作用,即本地區的政府衛生支出會對鄰近地區的居民醫療衛生支出產生負向影響?？赡茉蚴?本地區的經濟發展水平、城鎮化率越高,居民醫療衛生支出的能力越強;受教育水平越高,就醫意識越高,從而居民醫療衛生支出就越高;人口老齡化程度越高,居民醫療需求就越大,在本地區醫療資源不足時,就會轉向其他地區尋求醫療服務;政府衛生支出對本地區和鄰近地區的居民醫療衛生支出都存在“擠出”效應,表明完善政府醫療保障制度,可以減輕居民個人醫療負擔。

由于存在變量的空間滯后項,導致模型的估計值對碳排放效應的解釋能力較低,不能通過SDM模型直接說明碳排放對居民醫療衛生支出的影響程度。因此,利用空間自回歸的偏微分方法,將碳排放對居民醫療衛生支出的總效應分解成直接效應和間接效應。在此過程中,直接效應表示碳排放對本地區居民醫療衛生支出的總體影響;間接效應也可稱為空間溢出效應,表示鄰近地區的碳排放對本地區居民健康的影響。

動態SDM模型可以同時分析短期效應與長期效應,在地理倒數距離權重矩陣下的短期和長期效應分解如表6所示。就短期效應而言,碳排放對醫療衛生支出的短期直接效應(0.109)在5%的水平上顯著,短期間接效應(0.942)在1%的水平上顯著。這表明,本地區碳排放水平的提高不僅會增加本地區居民醫療衛生支出,同時也會增加鄰近地區的居民醫療衛生支出,即碳排放存在空間溢出效應,且間接效應大于直接效應。就長期效應而言,碳排放的長期直接效應(0.091)在10%的水平上顯著,長期間接效應(0.698)均在1%的水平上顯著。碳排放的短期總效應系數和長期總效應系數分別為1.050和0.789,均在1%的水平下顯著,表明無論是短期效應還是長期效應,碳排放強度的提升均會增加居民醫療衛生支出,加重居民就醫負擔。究其原因,可能是:從短期來看,碳排放量大的企業,在生產前期很少考慮環境保護,對環境保護的重視度不足;從長期來看,企業受政府環境規制的影響,注重發展的質量和工藝改進,從而減少了碳排放量;從環境污染治理的循環累積效應上看,碳排放成效顯現需要一個過程,是長時間治理效果的循環積累,因而能夠實現長期效應明顯優于短期效應。綜上,碳排放對居民醫療衛生支出存在正向空間溢出效應,且主要體現為短期效應。

表6 地理距離權重矩陣下短期效應和長期效應的分解

3.3.3 穩健性分析

為了保證回歸結果的穩健性,本文使用地理距離權重矩陣(W2)和經濟距離權重矩陣(W3)進行穩健性檢驗。

(8)

(9)

由表7可以看出,雖然估計系數大小與前文模型分解結果存在不同,但除地理距離矩陣的長期直接效應不顯著外,方向和顯著性水平不變。證明實證結果具有較強的穩健性。

表7 回歸結果的穩健性檢驗

4 結論與建議

4.1 結論

本文將靜態和動態空間杜賓模型引入碳排放對居民衛生支出影響研究中,以2011—2019年30個省(自治區、直轄市)為樣本,充分考慮空間聯動因素,并將總效應分解為直接效應和間接效應,最后采用替換空間權重矩陣方法對結果進行穩健性檢驗。

第一,我國碳排放和居民醫療衛生支出均存在顯著的正向空間相關性,且具有顯著的空間聚集特征,地區之間的空間位置影響必須重視。

第二,碳排放對居民醫療衛生支出的正向空間溢出效應明顯,表明碳排放量增加不僅會提高本地區居民醫療衛生支出,也會提高鄰近地區居民醫療衛生支出。值得注意的是,碳排放對鄰近地區帶來的健康損害比本地區更嚴重,因此,應重視空氣污染物的空間溢出效應。

第三,動態空間計量分析表明,減少碳排放在短期和長期均能有效緩解環境污染問題,而且短期效應比長期效應更顯著。如果忽略空氣污染的空間溢出效應,工業空氣污染對衛生保健支出的負面影響被大大低估。直接和間接空間估計結果表明,一個地區的空氣污染不僅增加了當地居民的醫療衛生支出,而且導致了鄰近地區居民醫療衛生支出的增加。

第四,控制變量分析表明,人均GDP、城鎮化率、人均受教育年限、人口老齡化等能夠對居民醫療衛生支出產生顯著的正向影響,政府衛生支出能夠對居民醫療衛生支出產生顯著的抑制作用。

4.2 建議

第一,企業應優化能源結構和產業結構,減少碳排放對健康的危害。首先,應當對我國的能源結構進行優化。一方面提高傳統能源的利用效率,減少傳統能源消耗;另一方面,政府應促進清潔能源的開發與利用,減少碳排放和煙塵排放總量。其次,優化產業結構,提高第三產業比重,降低能源消耗型產業比重,最終通過減少高污染產業的碳排放,減少環境污染帶來的健康危害,促進健康。

第二,統籌區域碳排放空間結構,加強政府聯動治理,降低負向溢出效應。地方政府之間應加強區域合作,以控制和減少碳排放對鄰近地區醫療衛生支出的空間溢出效應?？梢酝ㄟ^建立碳排放協同治理委員會、監管機構和制定法律法規等措施突破傳統行政邊界束縛,統一規劃和制定碳排放標準。同時,相鄰地區應采取配套措施,實現區域間共同監管、共同治理,促進環境改善,實現居民健康、居民醫療衛生支出減少。

第三,認識不同時期的長短期效應,實施差異化治理,促進居民長期健康。政府應兼顧碳排放的長短期效應,對于污染排放較為突出的產業在短期內快速治理,對于污染排放較低的產業進行逐步優化。減少碳排放對居民醫療衛生支出的長期影響,實現居民的長期健康。

第四,提高經濟發展水平和政府衛生支出,增強居民醫療衛生支付能力。政府應制定合理的經濟發展規劃,提高城市化水平,使居民有足夠的收入用來增加健康投入。同時,完善醫療保障制度,提高居民衛生消費水平。政府應針對低收入人群、老年人群等的衛生消費水平和消費特點,多舉措滿足居民醫療服務需求。通過完善醫療保障制度,加大醫保支持力度,提高醫療費用報銷比例,從而提高居民醫療衛生支付能力。