摘 要：采用CHARLS面板數(shù)據(jù)，在理論模型的基礎(chǔ)上，考察了空氣污染對中老年人醫(yī)療支出的影響程度。研究發(fā)現(xiàn)：通過增加個(gè)人的就醫(yī)概率及就醫(yī)次數(shù)，空氣污染顯著增加了中老年人的醫(yī)療支出?？諝赓|(zhì)量綜合指數(shù)每上升一個(gè)單位，將使個(gè)人醫(yī)療支出至少增加4%。空氣污染對個(gè)人醫(yī)療支出的影響顯示出一定的異質(zhì)性，50—65歲群體、東部地區(qū)居民的個(gè)人醫(yī)療支出受空氣污染影響更顯著。相比PM2.5及PM10，O3污染對個(gè)人醫(yī)療支出的影響更大，O3污染濃度每提高10%將使個(gè)人醫(yī)療支出增加14.6%。政策層面，應(yīng)提高對慢性病患者的關(guān)懷、補(bǔ)貼，完善醫(yī)療保障體系，同時(shí)加大O3污染防范力度。

關(guān)鍵詞：空氣污染;個(gè)人醫(yī)療支出;就醫(yī)概率;就醫(yī)次數(shù)

中圖分類號：C913;F241 文獻(xiàn)標(biāo)識碼：A 文章編號：1000-4149（2020）01-0075-14

DOI：10.3969/j.issn.1000-4149.2020.00.005

收稿日期：2018-09-05;修訂日期：2018-12-29

基金項(xiàng)目：國家社會科學(xué)基金青年項(xiàng)目“優(yōu)化人力資本配置研究”（16CJY015）;天津社會科學(xué)院重點(diǎn)課題“環(huán)境治理多元化體系：理論框架與實(shí)現(xiàn)機(jī)制”（18YZD-08）。

作者簡介：趙文霞，經(jīng)濟(jì)學(xué)博士，天津社會科學(xué)院資源環(huán)境與生態(tài)研究所助理研究員。

The Effect of Air Pollution on Personal Health Care Expenditure of Elderly People： Evidence from CHARLS Data

ZHAO Wenxia

（Institute of Resources， Environment and Ecology， Tianjin Academy of Social Sciences， Tianjin 300191， China）

Abstract：Using ?the panel data from China Health and Retirement Longitudinal Study（CHARLS）， this paper investigates the effect of air pollution on individual medical expenditure of middle aged and elderly people based on theoretical model. It is found that air pollution significantly increases the individual medical expenditure ?of middle-aged and elderly people by increasing the probability and frequency of doctor visit. Every unit of increase in the comprehensive air quality index will increase personal medical expenditure by at least 4%. The impact of air pollution on personal medical expenditure shows a certain heterogeneity. The impact of air pollution on personal medical expenditure of 50-65 years old group and residents in eastern region is more significant. Compared with PM2.5 and PM10， the impact of ozone pollution on personal medical expenditure is greater. Every 10% increase in ozone concentration will increase personal medical expenditure by 14.6%. Government should take more relevant measures supporting the people with chronic diseases and preventing ozone pollution.

Keywords：air pollution; personal health care expenditure; doctor visit probability; frequency of doctor visit

一、引言及文獻(xiàn)回顧

近年來，我國各地尤其是北方地區(qū)深受空氣污染困擾，而霧霾是空氣污染的主要表現(xiàn)。霧霾中的可吸入顆粒物含有多種有機(jī)化合物、二氧化硫以及金屬元素和放射性物質(zhì)，對人體健康具有較大影響。2017年10月27日，世界衛(wèi)生組織國際癌癥研究機(jī)構(gòu)公布的致癌物清單中，含顆粒物的室外空氣污染屬于一類致癌物。鑒于環(huán)境問題的影響日益受到人們關(guān)注，圍繞這一問題形成了很多有意義的研究成果，如柯里（Currie）和奈德爾（Neidell）從健康[1]、柯里等人從學(xué)校出勤[2]、張?zhí)疲–hang）等人從勞動(dòng)生產(chǎn)率[3]、周恕弘（Chew）等人從個(gè)體決策[4]的角度探討了環(huán)境尤其是空氣污染的影響，但空氣污染對個(gè)人醫(yī)療支出影響的相關(guān)研究還不多見。醫(yī)療支出是空氣污染導(dǎo)致的主要成本之一，對個(gè)人來說，在收入水平一定的情況下，醫(yī)療支付的上升也會使公眾的其他消費(fèi)支出降低。理解空氣污染對個(gè)人醫(yī)療支出的影響程度以及不同空氣污染物影響程度的差異，有助于我們理解空氣污染的真實(shí)經(jīng)濟(jì)成本，也可以對防控空氣污染的政策制定及執(zhí)行強(qiáng)度提供有價(jià)值的參考。

研究空氣污染的相關(guān)文獻(xiàn)更多關(guān)注環(huán)境污染所導(dǎo)致的福利成本，而近兩年學(xué)者們也注意到空氣污染可能導(dǎo)致公眾心理健康及主觀福利受損。張欣等人依據(jù)精確的訪問日期和地點(diǎn)將中國家庭追蹤調(diào)查（CFPS）數(shù)據(jù)與日均空氣污染數(shù)據(jù)相匹配，研究了空氣污染對多個(gè)維度的主觀幸福感——短期享樂幸福感、抑郁傾向和長期生活滿意度的影響，結(jié)果表明空氣污染會顯著降低人們的享樂幸福感并提高抑郁傾向，但對生活滿意度沒有顯著影響[5]。陳帥等人采用CFPS 2014的數(shù)據(jù)，發(fā)現(xiàn)空氣污染每增加一個(gè)標(biāo)準(zhǔn)差將導(dǎo)致心理疾病嚴(yán)重程度增加0.38個(gè)標(biāo)準(zhǔn)差，導(dǎo)致嚴(yán)重心理疾病的發(fā)病概率增加6.67%[6]。伊藤（Ito）等人從預(yù)防性投資的角度分析了公眾對清潔空氣的支付意愿，認(rèn)為以淮河為界的取暖政策導(dǎo)致河流南北兩岸空氣質(zhì)量出現(xiàn)間斷及長期的變化，家庭愿意每年支付32.7美元消除供暖政治造成的政策性空氣污染[7]。

環(huán)境污染問題不僅影響了人們的身心健康，還會增加居民的醫(yī)療保健支出。崔恩慧等人以2006—2012年中國31個(gè)省市（地區(qū)）為樣本，分析環(huán)境污染、商業(yè)健康保險(xiǎn)對健康成本的影響，結(jié)果發(fā)現(xiàn)環(huán)境污染與人均醫(yī)療保健消費(fèi)支出正相關(guān)，與人均商業(yè)健康保費(fèi)負(fù)相關(guān)[8]。

近年來，很多文獻(xiàn)借助微觀數(shù)據(jù)探討外部因素在公眾行為決策中的作用，其中“中國健康與養(yǎng)老追蹤調(diào)查”（CHARLS）數(shù)據(jù)應(yīng)用最多，如基于該數(shù)據(jù)劉小魯研究了城鄉(xiāng)居民醫(yī)療保險(xiǎn)與醫(yī)療服務(wù)利用水平的影響[9]、楊一帆和張震檢驗(yàn)了醫(yī)療保險(xiǎn)對居民不健康行為的影響[10]、張川川等人評估了新型農(nóng)村社會養(yǎng)老保險(xiǎn)政策的效果[11]。

醫(yī)療服務(wù)利用以及醫(yī)療支出水平與居民的健康狀況密不可分，格羅斯曼（Grossman）認(rèn)為年齡、性別、種族、教育、個(gè)人收入、婚姻狀況、醫(yī)療服務(wù)、個(gè)人行為（如喝酒、吸煙、不運(yùn)動(dòng)等）以及環(huán)境污染都能對健康水平產(chǎn)生較大且持久的影響[12]?？v觀現(xiàn)有文獻(xiàn)，居民健康影響因素的相關(guān)研究主要從以下幾個(gè)角度展開：一是從社會學(xué)角度，分析年齡、性別、婚姻狀況或受教育程度等因素對健康狀況的影響[13-14];二是從經(jīng)濟(jì)學(xué)方面，研究收入、職位等因素對健康水平的影響[15];三是從環(huán)境、生活方式、生物遺傳等其他因素的角度進(jìn)行分析[16-17]。這些研究因關(guān)注角度以及使用方法的不同所得結(jié)論也不盡相同，但為相關(guān)文獻(xiàn)的變量選擇提供了思路。

總體來看，已有研究從總體上對環(huán)境污染的影響進(jìn)行了探討，但尚未發(fā)現(xiàn)利用微觀數(shù)據(jù)研究空氣污染對個(gè)人醫(yī)療支出影響程度及對不同群體、不同區(qū)域影響差異的分析，而弄清這一問題有利于理解空氣污染給居民個(gè)體施加的真實(shí)經(jīng)濟(jì)負(fù)擔(dān)，也有助于各地政府根據(jù)地區(qū)差異制定有針對性的環(huán)保措施。鑒于此，本文對空氣污染影響個(gè)人醫(yī)療支出的機(jī)理進(jìn)行刻畫，進(jìn)而基于中國健康與養(yǎng)老追蹤調(diào)查數(shù)據(jù)，分析空氣污染對居民個(gè)人醫(yī)療支出的影響程度。因空氣污染來源具有地區(qū)差異性，所以選取空氣質(zhì)量綜合指標(biāo)作為各地空氣污染的代理變量，考察個(gè)人醫(yī)療支出受空氣污染的影響大小，進(jìn)而分析污染物來源差異對個(gè)人醫(yī)療支出的影響。

本文的邊際貢獻(xiàn)主要體現(xiàn)在：①通過理論模型刻畫了空氣污染對個(gè)人醫(yī)療支出的影響機(jī)理，進(jìn)而運(yùn)用微觀數(shù)據(jù)估計(jì)了居民受到的影響程度。②空氣質(zhì)量狀況不僅會影響居民健康，也會影響其醫(yī)療支出水平，而后者是實(shí)實(shí)在在由居民承擔(dān)的經(jīng)濟(jì)成本，事關(guān)民生福祉，不應(yīng)被忽視，而現(xiàn)有文獻(xiàn)較少涉及此類問題。本研究豐富了環(huán)境領(lǐng)域的研究文獻(xiàn)，從一個(gè)新的視角重點(diǎn)考察空氣污染對個(gè)體醫(yī)療支出的影響程度。③空氣污染對不同群體以及不同區(qū)域居民的影響可能存在差異，本文使用微觀數(shù)據(jù)詳細(xì)分析了空氣污染對不同年齡階段、不同區(qū)域居民的影響差異。④考慮到我國不同地區(qū)以及同一地區(qū)不同時(shí)間主要污染物來源存在差異，例如有的城市主要污染物是PM2.5，有的城市污染物主要來源于O3，本文采用城市層面的6種空氣污染物指標(biāo)數(shù)據(jù)，考察污染物來源的異質(zhì)性對個(gè)人醫(yī)療支出的影響差異。

二、理論分析與研究假說

本文的理論模型借鑒了張福讓（Chang）和特里維迪（Trivedi）以及埃科帕魯（Akpalu）和諾曼佑（Normanyo）的分析框架[18-19]。假設(shè)消費(fèi)者的效用u取決于自身的健康狀況h及其對消費(fèi)品的消費(fèi)x。消費(fèi)者理性并追求效用最大化。在此，本文將效用函數(shù)定義為：

u=u（x，h）（1）

其中，ux>0，uh>0，uxh=uhx>0，且uxx，uhh<0。與張福讓和特里維迪假設(shè)健康狀況的改善取決于專業(yè)護(hù)理以及自我醫(yī)療不同，本文假設(shè)健康狀況取決于個(gè)體對健康的投資水平I，其中，I屬于派生需求。由于一系列外生環(huán)境因素變化的影響，I的回報(bào)同時(shí)具有部分確定性和部分隨機(jī)性。因?yàn)殚L期接觸空氣中的污染顆粒會增加患病風(fēng)險(xiǎn)，所以健康狀況的不確定性可能來自長期暴露于空氣污染下的誤診、漏診以及疾病復(fù)發(fā)。個(gè)體的健康狀況定義如下：

h=h0+eI（2）

式（2）中，h0表示個(gè)體的初始健康狀況（長期健康水平），e表示個(gè)體醫(yī)療投資（或醫(yī)療支出）的回報(bào)（即邊際收益率）。將消費(fèi)品x的價(jià)格標(biāo)準(zhǔn)化為1，所以，個(gè)體的預(yù)算約束如下：

B=x+I（3）

其中，B為實(shí)際預(yù)算值。相應(yīng)地，個(gè)體的期望效用函數(shù)為：

Eu（x，h）=Eu（B-I，h0+eI）（4）

借鑒以往文獻(xiàn)，假設(shè)效用函數(shù)對x和h是加性可分的，故有：

u（x，h）=u（x）+v（h）（5）

同時(shí)，假設(shè)v（h）具有如下特殊形式：

v（h）=ln（h）（6）

結(jié)合（5）和（6）式，（4）式可以改寫為：

Eu（x，h）=u（B-I）+E（ln（h0+eI））（7）

假設(shè)e服從均值為μ的0—1分布，即μ=Ee。（7）式即為：

Eu（*）=u（B-I）+μln（h0+I）+（1-μ）ln（h0）（8）

進(jìn)而得到（8）式關(guān)于醫(yī)療投資I的一階條件為：

-uI（B-I）+μ1h0+I=0（9）

式（9）說明，在均衡狀況下，投資于健康的邊際收益（即μ1h0+I）應(yīng)等于投資的邊際效用成本（即uI（B-I））。可以看出，其他情況不變時(shí)，醫(yī)療支出I隨著初始健康狀況h0的提高而減少，隨預(yù)算約束B及均值μ的增加而增加。這一分析意味著，首先，初始健康狀況較好的個(gè)體將在健康上支出更少。其次，收入水平較高的個(gè)體將支出更多。同時(shí)，較高的醫(yī)療保健邊際回報(bào)率μ也會促進(jìn)醫(yī)療保健支出。

最后，假設(shè)健康狀況的隨機(jī)部分取決于居民在空氣污染中的暴露水平以及其他一些個(gè)體因素（A），所以有μ=μ（z;A）。其中，z為環(huán)境外部性。這一假設(shè)與約翰遜（Johansson）的觀點(diǎn)[20]一致，約翰遜認(rèn)為污染對個(gè)體健康的影響并不是確定性的。本文與?？婆留敽椭Z曼佑的模型[19]不同之處在于，本文假定v（h）具有不同的函數(shù)形式，且e服從0—1分布，所以本文中醫(yī)療支出的表達(dá)式更加直觀。

假設(shè)外部環(huán)境污染水平上升導(dǎo)致醫(yī)療支出的期望邊際收益率上升，即μz>0。進(jìn)而可知醫(yī)療支出I隨環(huán)境外部性z的增加而上升，設(shè)醫(yī)療保健投資方程的一般形式為：

I=f（h0，B，z;A）（10）

式（10）即為特征方程（hedonic-type equation）（特征模型屬于一種顯示性偏好法，它通過將因變量表示為個(gè)體特征的函數(shù)，來說明各特征（即自變量）對因變量的貢獻(xiàn)大小。本文的特征回歸模型從居民的實(shí)際醫(yī)療行為中提取相應(yīng)信息，構(gòu)建醫(yī)療支出與空氣質(zhì)量及居民個(gè)體特征之間的計(jì)量經(jīng)濟(jì)學(xué)模型，以識別居民暴露于不同空氣質(zhì)量的醫(yī)療成本，進(jìn)而比較不同群體的醫(yī)療支出差異。??），其中，醫(yī)療支出取決于環(huán)境污染水平以及居民的個(gè)體特質(zhì)。

初始健康狀況與收入水平是個(gè)體特質(zhì)中影響醫(yī)療支出最直觀的兩個(gè)因素，為了保證理論假說的表述與實(shí)證分析中所采用的指標(biāo)相一致，考慮到空氣污染會對個(gè)體的呼吸系統(tǒng)產(chǎn)生直接影響[21-22]，本文使用是否患有肺部疾病代替初始健康狀況（h0），受訪者上一年稅后收入代替預(yù)算水平（B）?；谏鲜龇治觯岢鋈缦氯齻€(gè)待檢驗(yàn)的理論假說：

假說1：其他條件不變的情況下，空氣污染越嚴(yán)重，個(gè)人醫(yī)療支出越高。

假說2：其他條件不變的情況下，收入較高的受訪者其醫(yī)療支出較高。

假說3：其他條件不變的情況下，患有慢性疾病的居民其醫(yī)療支出較高。

三、計(jì)量模型構(gòu)建、數(shù)據(jù)來源與變量定義

1.計(jì)量模型構(gòu)建

特征回歸模型的具體形式在不同的文獻(xiàn)中有很大差別?，F(xiàn)實(shí)中，模型的設(shè)定形式取決于所研究的問題以及數(shù)據(jù)的可得性。依據(jù)前面的理論分析，為了檢驗(yàn)空氣污染對個(gè)人醫(yī)療支出的影響程度，構(gòu)建如下計(jì)量模型：

Iijt=α0+α1·envirjt+Xit·θ+τj+ωt+εijt（11）

其中，下標(biāo)i表示不同個(gè)體，j表示地區(qū)，t表示年份;因變量I為個(gè)體醫(yī)療支出、是否就醫(yī)及就醫(yī)次數(shù);envir表示所在城市的空氣污染水平;X為個(gè)體特征變量;τ和ω分別表示地區(qū)固定效應(yīng)和年份固定效應(yīng)。如果被解釋變量為二值虛擬變量，則采用logit模型對其進(jìn)行估計(jì)。借鑒已有的研究成果，本文選取的控制變量具體如表1所示。為消除異方差影響，估計(jì)中對醫(yī)療支出和收入都取對數(shù)形式。

2.數(shù)據(jù)來源與說明

本文所使用的微觀數(shù)據(jù)來源于北京大學(xué)國家發(fā)展研究院組織的中國健康與養(yǎng)老追蹤調(diào)查（CHARLS）。該數(shù)據(jù)調(diào)查范圍為全國28個(gè)省（市、自治區(qū)），覆蓋150個(gè)縣級單位，450個(gè)村級單位，約1萬戶家庭中的1.7萬人。CHARLS數(shù)據(jù)主要針對45歲及以上的中老年群體，目前更新至2015年的樣本調(diào)查數(shù)據(jù)。本文樣本的構(gòu)建使用了其中的Harmonized CHARLS數(shù)據(jù)。Harmonized CHARLS綜合了CHARLS 2011（wave1）、CHARLS 2013（wave2）、CHARLS 2014（wave3）以及CHARLS 2015（wave4）的樣本，使得各期調(diào)查彼此之間具有可比性，并與國際上主要的養(yǎng)老調(diào)查數(shù)據(jù)相銜接。本文選取Harmonized CHARLS數(shù)據(jù)主要原因在于：首先，該數(shù)據(jù)包含多期CHARLS數(shù)據(jù)，屬于追蹤調(diào)查數(shù)據(jù)，可以建立面板模型;其次，相比其他微觀數(shù)據(jù)，該數(shù)據(jù)可以提供最新至2015年的數(shù)據(jù)集，便于與各縣市的環(huán)境數(shù)據(jù)進(jìn)行匹配。在樣本的選擇上，剔除受訪者“不知道”、“拒絕回答”、“跳過未答”、“沒有子女”及其他因素導(dǎo)致的缺失樣本。此外，考慮到該調(diào)查數(shù)據(jù)的特殊性，僅保留35歲及以上年齡的樣本，最終得到有效樣本17874個(gè)。

關(guān)于因變量的衡量主要有兩種。一種是上個(gè)月受訪者的就診總支出（包括保險(xiǎn)賠付的部分）;另一種是去年受訪者的就診總支出（包括保險(xiǎn)公司負(fù)擔(dān)的部分）?？紤]到今年的空氣污染不大可能影響受訪者去年的醫(yī)療支出，所以本文采用第一種衡量標(biāo)準(zhǔn)。此外，正如本文的理論分析部分所指出的，鑒于空氣污染對醫(yī)療支出的影響可能通過受訪者的健康狀況反映出來，為考察空氣污染對醫(yī)療支出的影響機(jī)制，在基本分析中，同時(shí)選取上月是否去醫(yī)院就診以及就診次數(shù)作為因變量。

對于空氣質(zhì)量的測度，很多文獻(xiàn)都采用PM2.5濃度數(shù)據(jù)[6，21，23-24]，但PM2.5只是空氣污染的主要來源之一，綜合考慮各種污染物來源的空氣質(zhì)量作為空氣污染的代理變量應(yīng)更加合適。考慮到各城市污染物來源不盡相同，為便于比較，本文采用空氣質(zhì)量綜合指數(shù)來衡量各地的空氣污染情況?？諝赓|(zhì)量綜合指數(shù)綜合考慮了SO2、NO2、PM10、PM2.5、CO以及O3六項(xiàng)污染物的污染程度，數(shù)值越大表明污染程度越重。原中華人民共和國環(huán)境保護(hù)部自2013年起開始公布74個(gè)重點(diǎn)城市的空氣質(zhì)量綜合指數(shù)，與Harmonized CHARLS成功匹配上38個(gè)城市。2015年各省開始公布省內(nèi)重點(diǎn)城市的空氣質(zhì)量綜合指數(shù)，經(jīng)過匹配獲得到123個(gè)城市的空氣質(zhì)量綜合指數(shù)，數(shù)據(jù)來源于各省環(huán)保局網(wǎng)站?？諝赓|(zhì)量綜合指數(shù)為月度數(shù)據(jù)，本文取月度平均值作為各個(gè)城市空氣質(zhì)量的年均值。其中江西、陜西只有各類污染物指標(biāo)的原始數(shù)據(jù)，本文按照污染物濃度值二級標(biāo)準(zhǔn)（GB3095-2012）進(jìn)行計(jì)算。江西、山東、陜西以及黑龍江存在部分月份數(shù)據(jù)缺失的情況，本文按照可得月度的均值計(jì)算。

除了上述變量外，參照現(xiàn)有文獻(xiàn)的做法[19，25]，本文還控制了個(gè)體特征變量。具體來講，包括個(gè)人的年齡、性別、婚姻狀況、是否住在城鎮(zhèn)、是否有慢性肺病、是否飲酒、是否吸煙、個(gè)人收入水平、與子女距離是否接近、與子女是否經(jīng)常見面。此外，為了控制時(shí)間和地區(qū)的固定效應(yīng)，分別引入了時(shí)間和省份的虛擬變量。主要變量的定義與描述如表1所示。

四、回歸結(jié)果與分析

1.基本回歸結(jié)果

受訪者是否有肺部疾病不僅與受訪者的就診支出、就診次數(shù)以及是否就診有關(guān)，也在一定程度上與空氣污染水平存在關(guān)聯(lián)，遺漏這一變量可能導(dǎo)致系數(shù)估計(jì)值有偏;另外一些個(gè)體層面的變量，如受訪者的年齡、性別、婚姻狀況、是否住在城鎮(zhèn)、飲酒習(xí)慣、收入水平、距離子女遠(yuǎn)近以及與子女聯(lián)系是否密切與受訪者是否就醫(yī)、就醫(yī)次數(shù)以及花費(fèi)相關(guān)，而與空氣質(zhì)量不相關(guān)，遺漏這些變量雖然不至于影響到估計(jì)系數(shù)的無偏性，但會增大標(biāo)準(zhǔn)誤，降低估計(jì)系數(shù)的顯著性。此外，受訪者所在地區(qū)以及受訪年份都與空氣質(zhì)量相關(guān)，因此，在估計(jì)中同時(shí)控制了個(gè)體特征變量、地區(qū)固定效應(yīng)以及年份固定效應(yīng)。因本文數(shù)據(jù)屬于“寬而短”的面板數(shù)據(jù)，為避免損失較多的自由度，如未特殊說明均采用隨機(jī)效應(yīng)模型進(jìn)行估計(jì)。根據(jù)模型（11）得到的基本回歸結(jié)果如表2所示。

表2中模型（1）、（2）、（3）的因變量分別代表個(gè)人就診支出、就診次數(shù)及是否就診。估計(jì)結(jié)果顯示，空氣質(zhì)量的系數(shù)均為正值，空氣質(zhì)量對就診總花費(fèi)、就診次數(shù)以及是否就診的影響均在5%水平上顯著。表2第（1）列顯示，空氣質(zhì)量綜合指數(shù)每增加一個(gè)單位，將使受訪者就診支出增加約4.41%（e0.0432-1）。空氣污染導(dǎo)致個(gè)人醫(yī)療支出增加的機(jī)制可能在于，空氣污染顯著增加了受訪者就診（生病）的概率以及就診的次數(shù)，表2第（2）和第（3）列驗(yàn)證了這一點(diǎn)。具體來說，空氣質(zhì)量綜合指數(shù)每上升一個(gè)單位，將使受訪者就醫(yī)的機(jī)會比率增加約6.48%（e0.0628-1）（第（3）列）;而相比居住在空氣質(zhì)量綜合指數(shù)為2的城市的受訪者來說，居住在綜合指數(shù)為12的城市的受訪者就醫(yī)次數(shù)增加了1/3次（第（2）列）（綜合指數(shù)為2或12分別表示居民所在城市空氣質(zhì)量綜合指數(shù)，如2014年2月，?？诘目諝赓|(zhì)量綜合指數(shù)為2.22，河北廊坊的空氣質(zhì)量綜合指數(shù)為12.12;空氣質(zhì)量綜合指數(shù)從2到增加12，x增加了10，即Δx=10，所以Δyzβ·Δx=0.0325×10≈0.33（次）。）?？諝赓|(zhì)量狀況的惡化將會增加居民患病的概率以及患病的次數(shù)，進(jìn)而使得就醫(yī)的概率及就醫(yī)的次數(shù)上升，造成個(gè)人醫(yī)療費(fèi)用增加，假說1得到驗(yàn)證。

個(gè)人收入水平對醫(yī)療支出的影響與假說2不同。其他因素不變的情況下，收入水平對醫(yī)療支出存在顯著的負(fù)向影響，估計(jì)彈性約為-0.013，這意味著居民收入每提高1%，其醫(yī)療支出將下降0.013%，表明醫(yī)療支出的收入彈性遠(yuǎn)小于1。表2第（1）列收入系數(shù)顯著，說明醫(yī)療支出受到收入水平的顯著影響;醫(yī)療支出的收入彈性遠(yuǎn)小于1，說明醫(yī)療支出對收入變化的反應(yīng)并不敏感。與本文理論部分的分析不同，收入對醫(yī)療支出影響為負(fù)，而表2第（2）列與第（3）列顯示居民收入水平上升顯著降低了就診次數(shù)及就診概率，這表明收入影響為負(fù)的原因可能在于收入較高的受訪者有余力通過對個(gè)人健康進(jìn)行其他投資（如健身、養(yǎng)生等），從而降低生病（就診）次數(shù)及生?。ň驮\）概率。

慢性疾病對醫(yī)療支出的影響為正。表2顯示，患有肺部疾病的居民其醫(yī)療支出水平比其他居民高約96.6%（e0.6760-1），且在1%的顯著性水平上顯著?；加蟹尾考膊〉木用衿渚驮\次數(shù)以及就診概率也顯著高于其他居民，這與假說3一致。雖然女性的就診次數(shù)及就診概率明顯高于男性，但女性的醫(yī)療支出并未顯著高于男性。其他控制變量的結(jié)果顯示，年齡、是否已婚、是否住在城市、是否飲酒以及與子女是否經(jīng)常聯(lián)系對受訪者醫(yī)療支出沒有顯著影響。

2.穩(wěn)健性檢驗(yàn)與內(nèi)生性處理

（1）樣本選擇。考慮到環(huán)保部門公布的重點(diǎn)城市空氣質(zhì)量數(shù)據(jù)可能并未準(zhǔn)確衡量農(nóng)村的空氣質(zhì)量狀況，因此采用這一指數(shù)衡量居住在農(nóng)村的受訪者暴露于空氣污染的情況可能存在偏差。為此，剔除居住在農(nóng)村地區(qū)的受訪者，對模型重新進(jìn)行回歸，結(jié)果如表3第（1）—（3）列所示。隨機(jī)效應(yīng)面板估計(jì)結(jié)果顯示空氣質(zhì)量系數(shù)相比表2有所增加，顯著性水平也上升至1%。空氣質(zhì)量綜合指數(shù)越大表明空氣質(zhì)量越差，表3說明空氣質(zhì)量狀況的惡化將顯著提高居民的就診概率、就診次數(shù)以及醫(yī)療支出水平。此外，為排除部分特殊地區(qū)對模型估計(jì)的干擾，第（4）—（6）列刪除觀測值最少的四個(gè)地區(qū)樣本——北京、天津、新疆和青海重新估計(jì)，結(jié)果與表2相比空氣質(zhì)量指數(shù)系數(shù)正負(fù)符號、顯著性幾乎一致，說明結(jié)果穩(wěn)健。

（2）關(guān)于內(nèi)生性。本文構(gòu)建了城市層面的空氣質(zhì)量綜合指數(shù)，相對于單個(gè)空氣污染指標(biāo)而言，有以下兩點(diǎn)優(yōu)勢：其一，避免了雙向因果問題，某個(gè)地區(qū)可能采取措施影響某個(gè)具體的污染指標(biāo)數(shù)據(jù)，但對空氣質(zhì)量綜合指數(shù)的影響一般可以忽略不計(jì);其二，城市空氣質(zhì)量指標(biāo)與個(gè)體特征無關(guān)，從而有效避免了個(gè)體特征變量對模型的干擾。此外，本文還盡可能納入了省級和時(shí)間層面的控制變量，以減小遺漏變量偏誤。然而，囿于調(diào)查數(shù)據(jù)的局限性及變量之間彼此關(guān)聯(lián)的復(fù)雜性，遺漏變量問題依然可能存在。本文嘗試選用合適的工具變量解決內(nèi)生性問題。

鑒于空氣污染對個(gè)人醫(yī)療支出的作用效果可能存在一定的滯后性，本文選擇2013和2014年的空氣質(zhì)量指數(shù)作為2015年空氣質(zhì)量的工具變量，對2015年的數(shù)據(jù)進(jìn)行單獨(dú)估計(jì)。表4為工具變量估計(jì)結(jié)果，與表2、表3的結(jié)果相比并無顯著差異。因?yàn)?013和2014年只有74個(gè)城市的空氣質(zhì)量數(shù)據(jù)可得，與CHARLS數(shù)據(jù)成功匹配上38個(gè)城市，為減少樣本損失，表4第（2）列空氣質(zhì)量缺失數(shù)據(jù)由2015年對應(yīng)城市的數(shù)據(jù)填補(bǔ)。模型估計(jì)中，第一階段回歸的Cragg-Donald統(tǒng)計(jì)量遠(yuǎn)大于10，也遠(yuǎn)大于2SLS對應(yīng)的10%相對偏差的臨界值19.93，故拒絕弱工具變量假設(shè)。對其中工具變量的過度識別檢驗(yàn)中，Sargan統(tǒng)計(jì)量對應(yīng)p值等于0.6051，不能拒絕原假設(shè)，說明模型也不存在過度識別問題。模型關(guān)于空氣污染作用的結(jié)論穩(wěn)健成立。當(dāng)然，現(xiàn)實(shí)中很難找到完全外生的工具變量，此處采用工具變量進(jìn)行分析，也僅為結(jié)果的穩(wěn)健性提供了輔助說明。

3.不同年齡群體、不同區(qū)域以及不同污染物的影響差異分析

（1）不同年齡的影響。本文按照年齡的不同，分3個(gè)子樣本進(jìn)行回歸，以考察空氣污染對醫(yī)療支出的影響在不同年齡組中有何差異?；貧w結(jié)果如表5第（1）—（3）列所示。從中可知，空氣污染對醫(yī)療支出的正向影響僅在中間年齡組（50—65歲）顯著，而在較低或較高年齡組中系數(shù)為正但不顯著，且相比其他年齡組，中間年齡組回歸系數(shù)的絕對值更大。這可能由于年齡較低的群體身體素質(zhì)較好，對外界污染的抵抗力較好，所以空氣污染對其影響較小;而年齡較大群體的醫(yī)療支出增加可能主要是由于自身的身體健康狀況，而非環(huán)境污染因素。

（2）區(qū)域差異的影響?？紤]到我國東、中、西部地區(qū)存在地理位置、經(jīng)濟(jì)狀況以及空氣污染等較大差異，為考察空氣污染對醫(yī)療支出的影響在東、中、西部地區(qū)是否存在差異，將全部樣本按照來源省份劃分為三類地區(qū)，并進(jìn)行回歸分析。估計(jì)結(jié)果如表5第（4）—（6）列所示。結(jié)果表明，在保持其他條件不變的情況下，東部地區(qū)的空氣污染每上升一個(gè)單位，該區(qū)域居民的醫(yī)療支出將上升4.93%（e0.0481-1），且該系數(shù)在5%水平上顯著。中部和西部地區(qū)空氣質(zhì)量系數(shù)為正，但并不顯著。其可能的原因是：東部地區(qū)人口較為密集，空氣質(zhì)量惡化導(dǎo)致的呼吸道疾病在東部地區(qū)更容易傳播，從而導(dǎo)致該地區(qū)居民醫(yī)療支出更易受空氣質(zhì)量的影響。在所有回歸結(jié)果中，患有慢性肺病的居民與其他居民相比醫(yī)療支出更高，且在1%的水平上顯著，進(jìn)一步驗(yàn)證了假說3。

（3）污染物異質(zhì)性的影響?？紤]到空氣中的不同污染物可能產(chǎn)生不同的影響，為考察污染物來源的異質(zhì)性影響，將環(huán)境變量分別替換為PM2.5、PM10、SO2、NO2、CO及O3的濃度數(shù)據(jù)，數(shù)據(jù)來源于中華人民共和國生態(tài)環(huán)境部網(wǎng)站。因2013年相關(guān)數(shù)據(jù)不可得，所以表6為截面數(shù)據(jù)，結(jié)果如表6第（1）—（6）列所示。根據(jù)表6，空氣中PM2.5與CO濃度的上升對個(gè)人醫(yī)療支出的影響不顯著，但PM10、SO2、NO2及O3都對個(gè)人醫(yī)療支出有顯著影響。具體而言，PM10濃度每上升10%，將使個(gè)人醫(yī)療支出上升約4.26%（第（2）列）;SO2濃度每上升10%，將使個(gè)人醫(yī)療支出上升約3.42%，且在5%顯著性水平上顯著（第（3）列）;NO2濃度每上升10%，將使個(gè)人醫(yī)療支出上升約5.84%（第（4）列）;而O3濃度每上升10%，將使個(gè)人醫(yī)療支出上升約14.6%（第（6）列），且在1%的顯著性水平上顯著?？梢姡啾绕渌廴疚?，臭氧污染對個(gè)人醫(yī)療支出的影響更大，居民醫(yī)療支出對臭氧污染更加敏感。臭氧濃度指數(shù)1%的變化將導(dǎo)致醫(yī)療支出變化超過1%。同等條件下，在以臭氧為主要污染物來源的地區(qū)，居民醫(yī)療支出也將更多。

五、結(jié)論與政策啟示

環(huán)境問題是新時(shí)代面臨的重大挑戰(zhàn)之一，而居民健康和醫(yī)療支出關(guān)系著民生福祉，但我國關(guān)于個(gè)人醫(yī)療支出具體影響因素及影響程度的研究相對比較匱乏，尤其缺少從環(huán)境污染方面對其進(jìn)行的系統(tǒng)分析。本文采用Harmonized CHARLS數(shù)據(jù)，在特征模型的基礎(chǔ)上，考察了空氣污染對個(gè)人醫(yī)療支出的影響機(jī)制。研究發(fā)現(xiàn)，通過增加個(gè)人的就醫(yī)概率及就醫(yī)次數(shù)，空氣污染顯著增加了個(gè)人醫(yī)療支出水平，空氣質(zhì)量綜合指數(shù)每上升一個(gè)單位，個(gè)人醫(yī)療支出將至少增加4%;考慮空氣污染的城鄉(xiāng)差異、剔除部分特殊地區(qū)的樣本及采用空氣質(zhì)量綜合指數(shù)的滯后項(xiàng)作為工具變量之后，結(jié)果仍然穩(wěn)健。值得注意的是，空氣污染對個(gè)人醫(yī)療支出的影響顯示出一定的異質(zhì)性，在患有慢性肺病、50—65歲群體、東部地區(qū)以及以臭氧為主要污染物來源的地區(qū)，空氣污染對個(gè)人醫(yī)療支出的影響更為顯著。

誠然，基于中國健康與養(yǎng)老追蹤調(diào)查數(shù)據(jù)分析空氣污染對個(gè)人醫(yī)療支出的影響可能存在一定缺陷（ 感謝匿名審稿人提醒作者注意。），青少年或者兒童也是容易受到空氣污染影響的群體，但限于數(shù)據(jù)可得性本文并未對此進(jìn)行分析。針對少年、兒童以及中年群體分析空氣污染的具體影響程度，應(yīng)是未來進(jìn)一步探索的方向。另外，空氣污染不僅影響個(gè)人醫(yī)療支出，對個(gè)人行為決策以及消費(fèi)特性的作用也十分重要，對這些問題的研究超出了本文的范疇，也有待繼續(xù)深入研究。

本文經(jīng)驗(yàn)分析的政策含義是：首先，鑒于我國某些地區(qū)空氣污染程度較高，而降低污染排放、促進(jìn)經(jīng)濟(jì)與環(huán)境和諧發(fā)展是一個(gè)緩慢漸進(jìn)的過程，因此為了盡可能降低空氣污染對個(gè)人健康及醫(yī)療支出的負(fù)面影響，應(yīng)盡快建成覆蓋全民的社會保障體系，完善醫(yī)療保險(xiǎn)制度，減少個(gè)人醫(yī)療支出的自付部分，尤其增加對慢性病患者的醫(yī)療補(bǔ)貼，盡量消除環(huán)境污染通過醫(yī)療支出對個(gè)人消費(fèi)水平的侵蝕。其次，考慮可能因人口密集，東部地區(qū)空氣污染對醫(yī)療支出的影響比中西部地區(qū)顯著，在空氣污染嚴(yán)重期間，應(yīng)鼓勵(lì)居民少去人員密集場所，降低呼吸道疾病的感染風(fēng)險(xiǎn)。再次，本文的研究表明個(gè)人醫(yī)療支出對臭氧污染的敏感程度遠(yuǎn)遠(yuǎn)大于PM2.5、PM10以及其他污染物，且臭氧濃度污染每增加1%將導(dǎo)致個(gè)人醫(yī)療支出上升超過1%。

對此政府應(yīng)加大預(yù)防臭氧污染投入及宣傳力度，提醒市民了解臭氧污染的危害，注意防范臭氧污染。

參考文獻(xiàn)：

[1]CURRIE J， NEIDELL M. Air pollution and infant health： what can we learn from Californias recent experience？[J]. The Quarterly Journal of Economics， 2005， 120（3）： 1003-1030.

[2]CURRIE J， HANUSHEK E A， KAHN E M， NEIDELL M， RIVKIN S G. Does pollution increase school absences？[J]. The Review of Economics and Statistics， 2009， 91（4）： 682-694.

[3]CHANG T， ZIVIN J G， GROSS T， NEIDELL M. The effect of pollution on worker productivity： evidence from call-center workers in China[R]. NBER Working Paper， No.22328， 2016.

[4]CHEW S H， HUANG W， LI X. Does haze cloud decision making？ a natural laboratory experiment[R]. SSRN Working Paper， 2018.

[5]ZHANG X， ZHANG X B， CHEN X. Happiness in the air： how does a dirty sky affect mental health and subjective well-being？[J]. Journal of Environmental Economics and Management， 2017，85（4）： 81-94.

[6]CHEN S， OLIVA P， ZHANG P. Air pollution and mental health： evidence from China[R]. NBER Working Paper， No. 24686， 2018.

[7]ITO K， ZHANG S. Willingness to pay for clean air： evidence from air purifier markets in China[R]. NBER Working Paper， No.22367， 2016.

[8]崔恩慧，江生忠，賈世彬. 環(huán)境污染、商業(yè)健康保險(xiǎn)對健康成本的影響研究——基于省際面板數(shù)據(jù)的實(shí)證分析[J]. 南開經(jīng)濟(jì)研究，2016（6）：140-150.

[9]劉小魯. 中國城鄉(xiāng)居民醫(yī)療保險(xiǎn)與醫(yī)療服務(wù)利用水平的經(jīng)驗(yàn)研究[J]. 世界經(jīng)濟(jì)，2017（3）：169-192.

[10]楊一帆，張震. 健康水平、醫(yī)療保險(xiǎn)與不健康行為的異質(zhì)性[J]. 財(cái)經(jīng)科學(xué)，2017（9）：58-71.

[11]張川川，JOHN G，趙耀輝. 新型農(nóng)村社會養(yǎng)老保險(xiǎn)政策效果評估——收入、貧困、消費(fèi)、主觀福利和勞動(dòng)供給[J]. 經(jīng)濟(jì)學(xué)（季刊），2014（1）：203-230.

[12]GROSSMAN M. On the concept of health capital and the demand for health[J]. The Journal of Political Economy， 1972， 80（2）： 223-255.

[13]KARMAKAR S D， BRESLIN F C. The role of educational level and job characteristics on the health of young adults[J]. Social Science and Medicine， 2008， 66（9）： 2011-2022.

[14]于曉薇，胡宏偉，吳振華. 我國城市居民健康狀況及影響因素研究[J]. 中國人口·資源與環(huán)境， 2010（2）：151-156.

[15]封進(jìn)，余央央. 中國農(nóng)村的收入差距與健康[J]. 經(jīng)濟(jì)研究，2007（1）：79-88.

[16]VICTOR R F. The future of health economics[J]. Journal of Health Economics， 2000，19（2）： 141-157.

[17]陳丹妮. 城鎮(zhèn)化對居民健康的影響——基于CHARLS數(shù)據(jù)的實(shí)證研究[J]. 金融發(fā)展評論，2018（2）：101-117.

[18]CHANG F R， TRIVEDI P K. Economics of self-medication： theory and evidence[J]. Health Economics， 2003， 12（9）： 721-739.

[19]AKPALU W， NORMANYO A K. Gold mining pollution and the cost of private health care： the case of Ghana[J]. Ecological Economics， 2017， 142（6）： 104-112.

[20]JOHANSSON P O. Valuing changes in health： a production function approach[M]. Dordrecht： Kluwer Academic Publishers， 1994： 171-194.

[21]DELFINO R J. Epidemiologic evidence for asthma and exposure to air toxics： linkages between occupational， indoor and community air pollution research[J]. Environmental Health Perspectives， 2002， 110（4）： 573-589.

[22]LING S H， VAN EEDEN S F. Particulate matter air pollution exposure： role in the development and exacerbation of chronic obstructive pulmonary disease[J]. International Journal of Chronic Obstructive Pulmonary Disease， 2009（4）： 233-243.

[23]邵帥，李欣，曹建華，楊莉莉. 中國霧霾污染治理的經(jīng)濟(jì)政策選擇——基于空間溢出效應(yīng)的視角[J]. 經(jīng)濟(jì)研究，2016（9）：73-88.

[24]董陽. 中國空氣質(zhì)量對公眾健康的影響——基于與G20國家整體的比較[J]. 人口與經(jīng)濟(jì)，2018（2）：57-68.

[25]李華，李志鵬. 社會資本對家庭“因病致貧”有顯著減緩作用嗎？——基于大病沖擊下的微觀經(jīng)驗(yàn)證據(jù)[J]. 財(cái)經(jīng)研究，2018（6）：77-93.

[責(zé)任編輯 武 玉]