我国城镇人均医疗费用实证分析—计量经济学汇总

数据处理与模型分析期末论文影响城镇居民人均医疗保健费用支出因素的实证分析I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20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与城镇人均可支配收入、政府卫生支出、CPI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；CPI；卫生人员数；AbstractInrecentyears,withtheimprovementofpeople'slivingstandards,peopleareincreasinglyconcernedaboutthepersonalhealthcareissues.Residents'livingconsumptionhasbecomeanimportantpartofhealthcareconsumption,thelevelofhealthcareconsumption,importantreactionischaracterizedbyaregionofacountrylivingstandardsandhealth.Inthispaper,thetimeseriesdataanalysisthroughtheestablishmentoftheeconometricmodel,theurbanpercapitahealthcareexpendituresinChinaforthepast20yearssince.Analysisofurbanpercapitahealthcarespendingandtheurbanpercapitadisposableincome,governmentspendingonhealth,CPIandtherelationshipbetweenthenumberofhealthpersonnel.Keywords：Percapitahealthcarespending;Governmentexpenditureonhealth;CPI;Thenumberofhealthworkers目录摘要................................................................................................................................I引言................................................................................................................................1一、人均医疗保健支出与人均可支配收入的关联度双变量分析............................1二、人均医疗保健支出与多解释变量关联度分析....................................................4三、模型设定误差分析................................................................................................7四、模型结构稳定性检验............................................................................................8五、模型的自相关诊断及补救..................................................................................121.自相关的诊断...................................................................................................121.1图示法.....................................................................................................121.2杜宾－瓦尔逊检验.................................................................................131.3游程检验.................................................................................................13六、模型的多重共线性诊断及补救..........................................................................141.多重共线性的诊断...........................................................................................141.1R²诊断....................................................................................................141.2解释变量的相关性检验.......................................................................141.3辅助回归...............................................................................................142.变量转换进行多重共线性的补救...................................................................19七、预测模型选择......................................................................................................22八、选用模型的经济含义..........................................................................................23参考文献：..................................................................................................................241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与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难题。1一、人均医疗保健支出与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1991年至2010年人均医疗保健支出和人均可支配收入的统计资料，如表1-1所示。表1-11991-2010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）199129.21700.6199241.52026.6199356.92577.4199482.93496.21995110.142831996143.34838.91997179.75160.31998205.25425.11999245.657542000318.16279.982001343.26859.62002430.17702.82003476.08472.22004528.29421.62005600.910493.02006620.511759.52007699.113785.82008786.215780.82009856.417174.72010871.819019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lny＝b1＋b2lnX2＋ie（相关计算数据参照于表1），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lny，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lnX2。表1-2经对数处理后的数据LnylnX2lnX3lnX4lnX53.377.4423.7415.650.053.737.6123.8515.670.084.047.8524.0315.690.154.428.1624.2615.710.224.708.3624.3815.720.164.968.4824.5615.720.085.198.5524.6815.740.035.328.6024.8015.74-0.015.508.6624.8815.75-0.015.768.7524.9915.750.0125.848.8325.1115.740.016.068.9525.2315.69-0.016.179.0425.4415.640.016.279.1525.5915.660.036.409.2625.7715.680.026.439.3725.9015.710.016.559.5326.2815.760.046.679.6726.6115.800.056.759.7526.9015.87-0.016.779.8527.0715.920.03运行统计分析软件SPSS，将上表中数据输入界面，进行回归分析所得结果如表1-2、表1-3和表1-4所示。表1-2模型汇总模型RR方调整R方标准估计的误差1.983.966.964.199359a.预测变量:(常量),lnx2。表1-3Anova（b）模型平方和df均方FSig.1回归20.117120.117506.176.000a残差.71518.040总计20.83319a.预测变量:(常量),lnx2。b.因变量:lny表（1-4）系数（a）模型非标准化系数标准系数tSig.B标准误差试用版1(常量)-7.584.585-12.958.000lnx21.493.066.98322.498.000a.因变量:lny据此，可得该回归模型各项数据为：b2＝222222ln()lnln()ln(ln())ln()xyxynxxn＝1.493b1＝22lnlnybx＝-7.5842＝22ien＝0.040Var（b1）＝222222(ln)(lnln)xnxx＝0.3423Var（b2）＝22221(lnln)xx＝0.004Se（b1）＝1()Varb＝0.585Se（b2）＝2()Varb＝0.066t（b1）＝11()bSeb＝-12.958t（b2）＝22()bSeb＝22.4982R＝22(lnln)(lnln)yyy