蔣 莉，楊 馥

（西安財經(jīng)大學(xué) 經(jīng)濟學(xué)院，陜西 西安710100）

健康作為一種重要的人力資本，既是經(jīng)濟發(fā)展的決定因素，又是人口福利的重要構(gòu)成（Mwabu，2007）［1］?；窘】捣?wù)可保障社會成員獲得相應(yīng)的健康福利，從而為社會發(fā)展提供動力支持。商業(yè)健康保險作為一種市場化的健康風(fēng)險管理機制和社會互助機制，是健康服務(wù)體系的重要支柱。近年來國家積極支持商業(yè)保險與健康服務(wù)業(yè)的融合，2013年《國務(wù)院關(guān)于促進健康服務(wù)業(yè)發(fā)展的若干意見》、2016年《“健康中國2030”規(guī)劃綱要》、2020年《關(guān)于促進社會服務(wù)領(lǐng)域商業(yè)保險發(fā)展的意見》中均提出鼓勵和支持商業(yè)保險參與醫(yī)療健康服務(wù)的多項政策措施。然而，受制于相對壟斷的國內(nèi)醫(yī)療服務(wù)市場、社會醫(yī)療保險集中管理模式和較為嚴(yán)格的市場主體管制，國內(nèi)商業(yè)健康保險在健康服務(wù)領(lǐng)域發(fā)揮的實際作用仍相對有限。健康服務(wù)可及性是個體對健康服務(wù)的實際享有量及獲得服務(wù)的便捷或受阻程度，直接關(guān)乎健康服務(wù)質(zhì)量。2019年十九屆四中全會通過的《中共中央關(guān)于堅持和完善中國特色社會主義制度、推進國家治理體系和治理能力現(xiàn)代化若干重大問題的決定》明確提出“讓廣大人民群眾享有公平可及、系統(tǒng)連續(xù)的健康服務(wù)?！?020年疫情的爆發(fā)使我國的健康服務(wù)體系面臨嚴(yán)峻考驗，在此背景下基本健康服務(wù)供給的可及性引起了廣泛關(guān)注。商業(yè)健康保險能提升健康服務(wù)可及性嗎？回答這一問題，對促進商業(yè)健康保險與健康服務(wù)的融合、提升我國健康服務(wù)可及性具有重要意義。

一、文獻綜述

有關(guān)健康服務(wù)可及性的研究始于20世紀(jì)中后期，最初被定義為針對個人產(chǎn)生的衛(wèi)生服務(wù)利用情況和促進或抑制服務(wù)利用的因素（Andersen，1968）［2］，隨后又被界定為公共醫(yī)療衛(wèi)生服務(wù)領(lǐng)域內(nèi)患者與系統(tǒng)的適配情況（Penchansky和Thomas，1981）［3］。通常采用多維度視角分析可及性度量的公共衛(wèi)生服務(wù)使用和匹配情況，包括可用性、可達性、可接受性、可適合性、可承受性的五維度視角（Penchansky 和Thomas，1981）［3］；可獲得性、接受性、地理可及性、經(jīng)濟可及性的四維度視角（David，2008）［4］；時間可及性、地理可及性、經(jīng)濟可及性的三維度視角（張思鋒，2011）［5］；基于供求關(guān)系的供方可及性和需方可及性的二維度視角（邱越，2017）等［6］。在此基礎(chǔ)上，醫(yī)療衛(wèi)生服務(wù)可及性的構(gòu)成維度被進一步細(xì)分成信息、制度、空間、服務(wù)、方式和成本等多方面可及的理論分析維度（代佳欣，2020）［7］，其測度和評估方法主要有四種：一是通過建立重力（引力）模型等數(shù)學(xué)模型測算服務(wù)可及性（Weibull，1976）［8］；二是采用問卷調(diào)查方式獲取相關(guān)數(shù)據(jù)，以測度可感知的可及性水平（鄭彥輝和郝曉寧，2021）［9］；三是通過構(gòu)建指標(biāo)體系來評估服務(wù)的可及性（成德寧和潘昌健，2020）［10］，包括地理和時間可及性、內(nèi)容可及性、經(jīng)濟可及性等維度；四是利用現(xiàn)代通信技術(shù)手段和地理信息系統(tǒng)（GIS）從空間上測量服務(wù)的可及性（Felipa，2018）［11］。

Xe-100使用氦作為將熱量從堆芯轉(zhuǎn)移至蒸汽發(fā)生器的冷卻劑，不需要使用水，這意味著其可以部署在水資源短缺的地區(qū)。除了發(fā)電，這種反應(yīng)堆還可以為工業(yè)應(yīng)用提供工藝熱。

國內(nèi)少有文獻提及健康服務(wù)可及性這一概念，一般圍繞健康服務(wù)公平性、健康服務(wù)不平等、健康服務(wù)利用等展開研究（馬超等，2017；章丹等，2019）［12］［13］。國外學(xué)者對于健康服務(wù)可及性的研究也主要聚焦于醫(yī)療服務(wù)可及性的影響因素和衛(wèi)生服務(wù)地理可及性的測算等方面（Somdeth Bodhisane 和Sathirakorn Pongpanich，2019；Desmond等，2019）［14］［15］。公共衛(wèi)生和醫(yī)療服務(wù)領(lǐng)域可及性的影響因素研究主要從兩方面展開：一是與個人基本特征相關(guān)的影響因素；二是與社會環(huán)境相關(guān)的影響因素。其中，健康保險和社會醫(yī)療保險被視為影響醫(yī)療服務(wù)可及性的主要因素，健康保險能夠顯著增加使用醫(yī)療服務(wù)的可能性或降低醫(yī)療的延遲（Insaf等，2010）［16］，影響醫(yī)療服務(wù)的可及性和滿意度（Cabrera-Barona，2017）［17］，而缺乏健康保險可能對弱勢群體的護理可及性和可負(fù)擔(dān)性產(chǎn)生長期不利影響（Kuhlthau等，2016）［18］。健康服務(wù)可及性的提高和參加醫(yī)療保險都能夠提高居民的就醫(yī)概率（李海明，2018）［19］，而社會醫(yī)療保險會對醫(yī)療服務(wù)可及性產(chǎn)生重要影響，如有文獻重點分析發(fā)現(xiàn)，社會醫(yī)療保險的類型和人群結(jié)構(gòu)均使醫(yī)療服務(wù)可及性表現(xiàn)出差異性（劉昌平和趙潔，2016；馮桂平等，2017）［20］［21］。

綜上所述，已有針對商業(yè)健康保險與健康服務(wù)可及性方面的研究較為匱乏，對二者之間關(guān)系缺乏深入探討。現(xiàn)有文獻在醫(yī)療衛(wèi)生服務(wù)可及性的內(nèi)涵、測度及影響因素分析等方面形成了較為豐富的研究成果，然而多數(shù)文獻在分析保險與醫(yī)療衛(wèi)生服務(wù)可及性的關(guān)系時，主要利用單一指標(biāo)度量醫(yī)療衛(wèi)生服務(wù)可及性，忽視了可及性的多維度和空間特征，并更多關(guān)注商業(yè)醫(yī)療保險和社會醫(yī)療保險對醫(yī)療衛(wèi)生服務(wù)可及性的影響。因此，本文在健康服務(wù)可及性測度方面，選取多維指標(biāo)結(jié)合空間地理分析方法科學(xué)測算可及性指數(shù)，驗證健康保險與健康服務(wù)可及性之間的關(guān)系，旨在拓展健康服務(wù)可及性測算方法，豐富健康保險與健康服務(wù)可及性實證研究，為商業(yè)健康保險與健康服務(wù)業(yè)的融合提供理論參考。

二、研究設(shè)計

（一）健康服務(wù)可及性及其測度

1.健康服務(wù)可及性

高壓直流輸電系統(tǒng)直流濾波器接地故障機理分析//莫品豪,鄭超,程驍,張曉宇,呂航,文繼鋒//(20):171

健康服務(wù)可及性指的是公民及時獲取健康服務(wù)的能力（世界衛(wèi)生組織，2000），具有地理可及和服務(wù)可及的雙重特征（Comber，2011）。作為基本公共服務(wù)的一個重要分支，健康服務(wù)涉及醫(yī)療衛(wèi)生服務(wù)、康復(fù)保健、健康養(yǎng)生等多個領(lǐng)域?；诳杉靶缘母拍?，健康服務(wù)可及性可被定義為不同群體或個體之間，在身體健康狀況、醫(yī)療衛(wèi)生服務(wù)利用、醫(yī)療資金籌措，以及醫(yī)療衛(wèi)生服務(wù)質(zhì)量等方面的獲得情況和可及程度。醫(yī)療衛(wèi)生服務(wù)是我國健康服務(wù)的主體，受限于數(shù)據(jù)可得性，本文以醫(yī)療衛(wèi)生服務(wù)可及性近似度量健康服務(wù)可及性。

在飲食上，應(yīng)合理調(diào)整蛋白質(zhì)、脂肪、糖的比例，適當(dāng)食用含維生素多的水果、蔬菜。加工上，應(yīng)多采用煮、燉、熬、蒸等方法。每日應(yīng)保證一定數(shù)量的優(yōu)質(zhì)蛋白質(zhì)的攝入，可食瘦肉、牛奶、蛋、魚等食品以及各種大豆制品。每日膳食中蔬菜及水果不能缺少，保證維生素及無機鹽、微量元素的供給，提供膳食纖維。還可適度應(yīng)用人參、黃芪、桂圓、山藥等有抗衰老作用的藥物、食物，制成藥膳食用。對于年老的患者，原本身體虛弱，營養(yǎng)不夠，不需忌口太嚴(yán)，以順其自然為宜。

2.測度方法

以醫(yī)療衛(wèi)生機構(gòu)的服務(wù)可及性、地理可及性兩類因素對健康服務(wù)可及性進行測度，其中，服務(wù)可及性體現(xiàn)醫(yī)療衛(wèi)生機構(gòu)的服務(wù)供給水平，地理可及性反映地區(qū)醫(yī)療機構(gòu)設(shè)置的合理性，最終測算出全國338個城市①的健康服務(wù)可及性指數(shù)。測算模型以傳統(tǒng)重力模型和哈夫概率模型為基礎(chǔ)，借鑒Cabrera-Barona 等（2017）的方法模型，在改進的重力模型中加入Joseph和Bantock（1982）提出的人口需求（即獲得健康服務(wù)的人口總和）因素。首先，對傳統(tǒng)計算可及性的數(shù)學(xué)模型加以改進，確定模型中有關(guān)醫(yī)療衛(wèi)生服務(wù)的要素；其次，使用GIS 軟件在地圖上標(biāo)出人口重心②及醫(yī)療機構(gòu)位置，測算出各地人口重心到最近醫(yī)療點的距離；最后，將計算得出的要素數(shù)據(jù)代入改進后的可及性測算模型，并采用離差標(biāo)準(zhǔn)化方法（Min-Max Normalization）對結(jié)果進行處理，得到健康服務(wù)可及性指數(shù)。

3.可及性指數(shù)計算

式（3）中，Pi為居民點i的人口數(shù)量。

綜上所述，學(xué)校管理成敗與否的重要因素就是人的因素，因此對于學(xué)校的人力資源管理工作必須要充分重視。學(xué)校領(lǐng)導(dǎo)要制定出適合本校發(fā)展的規(guī)章制度，全面地評價每一位教師，建立完善的人才考評機制，把經(jīng)過實踐考驗證明合理的各類優(yōu)秀人才及時選用到合適的工作崗位上來，讓他們盡情地發(fā)揮自己的聰明才智。

第三，中、東部城市商業(yè)健康保險對健康服務(wù)可及性的影響更大。中、東部城市健康保險市場發(fā)達，在當(dāng)?shù)亟】当Ｕ象w系中的作用突出，且商業(yè)健康保險與健康服務(wù)的多維度融合程度更高，因此商業(yè)健康保險對健康服務(wù)可及性的促進作用更為明顯。

（2）指數(shù)計算

可及性指數(shù)計算主要采用重力模型。重力模型源于物理學(xué)中的萬有引力定律，后被地理學(xué)、國際貿(mào)易學(xué)等學(xué)科引用來研究經(jīng)濟、社會現(xiàn)象或問題的空間相互作用。重力模型的公式為：

式（1）中，Ai代表居民點i 對醫(yī)療衛(wèi)生機構(gòu)j 的潛在吸引力，即i 點的醫(yī)療服務(wù)可及性指數(shù)。Sj為醫(yī)療衛(wèi)生機構(gòu)j 的設(shè)施規(guī)模，本文選擇醫(yī)療衛(wèi)生機構(gòu)床位數(shù)。代表距離成本，其中Dij為居民點i到醫(yī)療衛(wèi)生機構(gòu)j 的歐幾里得距離④，該數(shù)據(jù)由Arcgis10.1軟件分析計算得出。β為距離衰減系數(shù)，取值由醫(yī)療衛(wèi)生機構(gòu)類型決定。參考宋正娜和陳雯（2009）的研究，綜合醫(yī)院β 取值為1，?？漆t(yī)院為1.5，衛(wèi)生服務(wù)中心為2，本文主要考察了綜合醫(yī)院，β取值為1。上述重力模型僅考慮了醫(yī)療服務(wù)供給因素而未考慮需求因素，因此在模型中加入人口需求對式（1）進行改進。改進后的重力模型為：

式（2）中，Vj表示醫(yī)療衛(wèi)生機構(gòu)的服務(wù)能力，有：

3.7 中醫(yī)耳壓療法 減少或消除ICU綜合征，除了上述治療及護理外，傳統(tǒng)的中醫(yī)治療也有一定效果。曾影紅等［29］報道，對63例ICU綜合征患者進行中醫(yī)耳壓療法，總有效率約68.3%，且此法具有較好的療效，無損傷、無不良反應(yīng)、操作簡便和經(jīng)濟等優(yōu)點。

（1）數(shù)據(jù)來源

改進后的重力模型未考慮到不同醫(yī)療衛(wèi)生機構(gòu)之間的競爭，僅使用改進的重力模型可能導(dǎo)致高估可及性。為此，本文在改進的重力模型中增加了“人們從其他可用醫(yī)療機構(gòu)中選擇醫(yī)療服務(wù)的可能性”，這種概率稱為哈夫概率，表示如下：

式（4），Probi代表i地居民到j(luò)醫(yī)療衛(wèi)生機構(gòu)接受醫(yī)療服務(wù)的概率，Ss表示在距離居民點位置一定距離的最大閾值內(nèi)的醫(yī)療衛(wèi)生機構(gòu)床位數(shù)。

將改進的重力模型和哈夫概率模型相結(jié)合，得到醫(yī)療衛(wèi)生服務(wù)可及性的計算公式（5）。由于直接計算可及性對數(shù)據(jù)表現(xiàn)不明顯，因此要對各居民點醫(yī)療衛(wèi)生服務(wù)可及性數(shù)據(jù)用最小最大值標(biāo)準(zhǔn)化法進行處理，使結(jié)果落在［0，1］區(qū)間。此外，為計算各城市的健康服務(wù)可及性指數(shù)，需要以各居民點人口數(shù)為權(quán)重，對各城市對應(yīng)居民點的醫(yī)療衛(wèi)生服務(wù)可及性數(shù)據(jù)做加權(quán)平均處理。

人民訂立契約建立國家，他們是國家的主人，人民主權(quán)不可轉(zhuǎn)讓，也不可代表。……人民主權(quán)不可分割，否則主權(quán)者將被“弄成是一個支離破碎拼湊起來的怪物”。——據(jù)盧梭《社會契約論》

4.測度結(jié)果分析

但是很多高職院校在構(gòu)建特色資源時，沒有樹立清晰的特色資源建設(shè)目標(biāo)，具體表現(xiàn)在建設(shè)特色資源時，只是把如隨書光盤、館藏書目、老師發(fā)表的文章、學(xué)生實習(xí)作業(yè)、網(wǎng)上搜集的免費資源等特色不明顯的資源，進行簡單的羅列，就列入特色資源的范疇,[2]導(dǎo)致這些特色資源特色不夠明顯，缺乏二次加工，也沒有進行相應(yīng)的分類和提供檢索入口，自然也無法與館內(nèi)資源實現(xiàn)無縫鏈接和一站式檢索。用戶使用相關(guān)特色資源時，難以及時獲取有用信息，影響用戶對特色資源建設(shè)的觀感和評價。[3]

（2）分樣本回歸

為直觀顯示健康服務(wù)可及性指數(shù)的地區(qū)差異，利用Arcgis軟件中的自然斷點法⑤將各城市健康服務(wù)可及性指數(shù)分為五類，與中國區(qū)域劃分對應(yīng)后發(fā)現(xiàn)健康服務(wù)可及性水平呈現(xiàn)出中、東、西部空間分異的特征：健康服務(wù)可及性指數(shù)較高的地區(qū)全部位于中部和東部地區(qū)，且東南沿海地區(qū)可及性指數(shù)高值的聚集程度更高；中低值主要位于西部地區(qū)，如新疆、青海和西藏等地。從城市群分布來看，京津冀、長三角和粵港澳大灣區(qū)的健康服務(wù)可及性指數(shù)均以中高值為主。此外，可及性指數(shù)與城市經(jīng)濟發(fā)展水平趨同，北京、上海、廣州、深圳的健康服務(wù)可及性指數(shù)依次為0.8353、0.7417、0.6130 和0.6118，位列338個城市的前四位。

從全局自相關(guān)來看，2018年338個城市健康服務(wù)可及性指數(shù)的Moran's I值為0.228，且通過0.05的置信區(qū)間檢驗，說明各城市健康服務(wù)可及性在空間分布上存在著正相關(guān)關(guān)系，呈現(xiàn)空間集聚傾向。進而，采用探索性空間數(shù)據(jù)分析法（ESDA）⑥對338個城市健康服務(wù)可及性指數(shù)的冷熱點區(qū)進行測度，發(fā)現(xiàn)我國健康服務(wù)可及性指數(shù)空間分異十分明顯，呈現(xiàn)出東高西低的趨勢，且呈現(xiàn)東南沿海地區(qū)健康服務(wù)可及性指數(shù)水平“偏熱”，西部內(nèi)陸地區(qū)“偏冷”的空間分異格局。

光電開關(guān)采用M12 NPN型對射型光電開關(guān)，當(dāng)發(fā)射端與接收端中間有物體遮擋時，接收端有信號輸出，一般為低電平；反之輸出高電平。由于輸出的是模擬信號，需要通過AD轉(zhuǎn)換器轉(zhuǎn)換為數(shù)字信號以供讀取。友善mini2440內(nèi)置開發(fā)板，通過GPIO口引出了AD轉(zhuǎn)換接口，故將光電開關(guān)的輸出端接到開發(fā)板的AD轉(zhuǎn)換口即可。

（二）實證分析

1.模型構(gòu)建

綜合考慮影響醫(yī)療健康相關(guān)的誘發(fā)因素、促成因素和需求因素構(gòu)建模型檢驗商業(yè)健康保險對健康服務(wù)可及性的影響，分別選取地區(qū)生產(chǎn)總值、人口密度作為代表誘發(fā)因素的變量，選取商業(yè)健康保險作為代表促成因素的變量，選取財政醫(yī)療支出占比作為代表需求因素的變量。具體模型為：

其中，下標(biāo)i 表示第i 個城市，被解釋變量Acci代表健康服務(wù)可及性指數(shù)；核心解釋變量HIi為商業(yè)健康保險的保險密度；Xi是代表一系列控制變量的向量（包括各地區(qū)生產(chǎn)總值GDP、人口密度Pop、財政醫(yī)療支出占比Prop）；Regi代表地區(qū)固定效應(yīng)，用于控制地區(qū)的異質(zhì)性影響；μi為隨機擾動項。

保費收入、保險深度和保險密度均是衡量商業(yè)健康保險發(fā)展水平的常用指標(biāo)，但健康保險密度以地區(qū)人口計算人均健康險保費（即健康險保費收入/人口總數(shù)），能更直觀地反映商業(yè)健康保險與居民健康服務(wù)可及性之間的關(guān)系。參考黃秀全和許小倉（2019）的做法，選取商業(yè)健康保險的保險密度作為核心解釋變量，并進行對數(shù)處理。

（1）被解釋變量

本文將健康服務(wù)可及性指數(shù)作為被解釋變量，數(shù)據(jù)來自健康服務(wù)可及性指數(shù)的測算結(jié)果。

（2）核心解釋變量

2.變量設(shè)定

（3）控制變量

除了商業(yè)健康險保險密度外，還有諸多其他因素可能影響居民健康服務(wù)可及性，主要包括地區(qū)經(jīng)濟發(fā)展水平、人口密度和財政醫(yī)療支出等。首先，經(jīng)濟發(fā)展水平較高地區(qū)所提供的健康服務(wù)水平及服務(wù)的便利程度往往較高，選擇地區(qū)生產(chǎn)總值（GDP）的對數(shù)值代表地區(qū)經(jīng)濟發(fā)展水平，控制其對健康服務(wù)可及性的影響。其次，人口密度（Pop）綜合反映了人口數(shù)量及人口的地區(qū)分布，人口密度也可能對居民健康服務(wù)可及性產(chǎn)生影響，選擇人口密度（地區(qū)總?cè)丝?地區(qū)總面積）的對數(shù)值來控制人口因素對健康服務(wù)可及性的影響。再次，健康服務(wù)可及性可能因各級財政醫(yī)療投入增加而得到改善，選擇財政醫(yī)療衛(wèi)生支出占比（Prop）（財政醫(yī)療衛(wèi)生支出/一般公共服務(wù)總支出）刻畫財政醫(yī)療投入力度，控制財政投入對健康服務(wù)可及性的影響。

6.穩(wěn)健性檢驗

3.數(shù)據(jù)來源

本文數(shù)據(jù)主要源自《中國保險年鑒2019》、2019年各省統(tǒng)計年鑒、2018年各城市國民經(jīng)濟和社會發(fā)展統(tǒng)計公報、中國研究數(shù)據(jù)服務(wù)平臺（CNRDS），被解釋變量數(shù)據(jù)源自健康服務(wù)可及性指數(shù)的測算結(jié)果。經(jīng)過篩選、刪除缺失值，選擇全國338個城中的322個樣本城市進行分析。

表1 主要變量的描述性統(tǒng)計

4.實證結(jié)果分析

由于健康服務(wù)可及性指數(shù)介于0 和1 之間，適宜采用Tobit 模型進行參數(shù)估計。Tobit 模型為非線性模型，對其回歸系數(shù)的解釋與一般線性模型不同，可單獨測算核心解釋變量商業(yè)健康保險密度的邊際影響，以度量商業(yè)健康保險對健康服務(wù)可及性的解釋能力，以HI（Marginal）表示。為檢驗估計結(jié)果的穩(wěn)健性，同時采用OLS 方法進行參數(shù)估計?？紤]到模型可能存在異方差問題，選用異方差的穩(wěn)健標(biāo)準(zhǔn)誤方法來解決，且模型均控制了地區(qū)固定效應(yīng)。

以文中構(gòu)建的模型（6）為基礎(chǔ)，利用Stata15.1進行估計。表2 顯示了Tobit 和OLS 方法下參數(shù)的估計結(jié)果，兩種方法的估計中，商業(yè)健康保險的保險密度均在1%的統(tǒng)計水平上通過檢驗，且顯著為正，表明商業(yè)健康保險顯著促進了健康服務(wù)可及性，其平均邊際效應(yīng)為0.022。地區(qū)生產(chǎn)總值的回歸系數(shù)顯著為正，說明地區(qū)經(jīng)濟發(fā)展水平越高，轄區(qū)內(nèi)的醫(yī)療資源會更加充足合理，健康服務(wù)可及性程度越高。人口密度顯著提高了健康服務(wù)可及性，從人口和面積兩方面考慮，人口越是集聚，其所在地區(qū)配置的醫(yī)療衛(wèi)生資源越多，健康服務(wù)供給越充分；而地區(qū)面積越小，健康服務(wù)地理可及程度越高。財政醫(yī)療支出占比的估計結(jié)果在兩種估計方法下顯著性不一致，可能的原因是財政醫(yī)療支出對居民健康服務(wù)消費存在一定的“擠出效應(yīng)”，財政醫(yī)療支出的增加反而減少了一定的居民健康服務(wù)消費，導(dǎo)致財政醫(yī)療支出占比對提高健康服務(wù)可及性的作用不顯著（陶春海和焦榮榮，2020）。

表2 商業(yè)健康保險與醫(yī)療服務(wù)可及性

注：*、**、***分別表示在10%、5%、1%的水平上顯著。

5.內(nèi)生性的討論

本文雖然盡可能全面地選擇控制變量，但模型仍有可能存在遺漏變量的問題，解釋變量商業(yè)健康保險與被解釋變量健康服務(wù)可及性之間也可能存在雙向因果關(guān)系。因此，需要利用工具變量解決內(nèi)生性問題。本文借鑒王立國和趙婉妤（2019）解決內(nèi)生性的方法，選擇將財政分權(quán)程度⑦作為財政醫(yī)療支出占比的工具變量。

在對健康服務(wù)可及性指數(shù)和解釋變量進行估計時，采用IV-Tobit方法。為了檢驗估計結(jié)果的穩(wěn)健性，同時列出兩階段最小二乘法（2SLS）估計的結(jié)果。表3 顯示了工具變量的內(nèi)生性和弱識別檢驗情況。首先，根據(jù)2SLS估計下異方差穩(wěn)健的D-W-H檢驗的結(jié)果來看，內(nèi)生性檢驗統(tǒng)計值顯著，說明模型存在內(nèi)生性問題。其次，在一階段回歸中F值較大，表明工具變量和內(nèi)生變量呈現(xiàn)高度相關(guān)，故不存在弱工具變量問題。最后，IV-Tobit估計下的Wald外生性檢驗結(jié)果說明所選取的工具變量符合外生性假設(shè)?？梢?，將財政分權(quán)程度作為工具變量是合理有效的。從工具變量檢驗結(jié)果（表3）可以看出，即使采用了內(nèi)生性模型，核心解釋變量的回歸系數(shù)仍然正，與原回歸模型的實證分析結(jié)果相同，印證了商業(yè)健康保險能夠促進健康服務(wù)可及性的結(jié)論。

表3 工具變量檢驗

文中主要變量的描述性統(tǒng)計情況如表1所示。從表1中可看出，樣本中健康服務(wù)可及性指數(shù)取值雖介于0至1之間，但樣本數(shù)據(jù)的極差較大，表明健康服務(wù)可及性可能存在明顯地區(qū)差異。健康險密度均值為5.329，其最小值和最大值之間同樣存在較大差別。因此，在實證分析中，還需考慮地區(qū)差異因素。

迄今為止，還沒有聽到任何一個企業(yè)愿意把自己的研發(fā)知識、經(jīng)驗技巧以及產(chǎn)品的數(shù)字化模型，放在“別人家”的工業(yè)互聯(lián)網(wǎng)平臺上。小企業(yè)因為擔(dān)心技術(shù)泄露而不敢做，大企業(yè)因為擔(dān)心知識產(chǎn)權(quán)而干脆自己開發(fā)平臺。

3.正確行使抗辯權(quán)維護自身權(quán)益受各種因素制約。抗辯權(quán)是物業(yè)服務(wù)合同賦予業(yè)主的權(quán)利，但是抗辯權(quán)的行使是有條件的，業(yè)主要想正確行使抗辯權(quán)維護自身的權(quán)益，就應(yīng)當(dāng)受以下因素的限制：

為確保文中模型結(jié)果的穩(wěn)健性和指標(biāo)解釋力，進一步采用替換變量法和分樣本回歸法進行穩(wěn)健性檢驗。

（1）替換變量

替換變量法是從變量的角度出發(fā)，采用對核心解釋變量進行替換的方法進行穩(wěn)健性檢驗。保險密度和保險深度均是度量商業(yè)健康保險發(fā)展水平的主要指標(biāo)，經(jīng)過計算得出，文中322 個樣本地區(qū)商業(yè)健康保險的保險密度和保險深度的斯皮爾曼（Spearman）相關(guān)系數(shù)為0.398，表明變量健康保險密度和健康保險深度不具有高度相關(guān)性，二者在衡量各地商業(yè)健康保險發(fā)展水平時具有一定差異，故可采用健康保險深度這一指標(biāo)替代健康保險密度檢驗?zāi)Ｐ偷姆€(wěn)健性。

將核心解釋變量商業(yè)健康保險密度（HI）替換為商業(yè)健康保險深度（HID），分別進行OLS和Tobit 估計，結(jié)果如表4 所示。替換變量后，相較于表2，除財政醫(yī)療支出占比（Prop）外，各變量的顯著性水平和符號基本沒有變化，回歸結(jié)果仍保持不變，表明模型回歸結(jié)果穩(wěn)健。從表4可以看出，OLS估計結(jié)果中商業(yè)健康保險深度（HID）的系數(shù)估計值為正，在10%的統(tǒng)計水平上顯著；Tobit 估計結(jié)果中，商業(yè)健康保險深度（HID）的系數(shù)估計值同樣為正，且在1%的統(tǒng)計水平上顯著。這一結(jié)果與Cabrera-Barona 等的研究結(jié)論相符，驗證了商業(yè)健康保險可有效補充社會醫(yī)療保險的不足，增加居民獲取健康服務(wù)的機會。

表4 穩(wěn)健性檢驗結(jié)果

健康服務(wù)可及性反映了醫(yī)療衛(wèi)生服務(wù)網(wǎng)絡(luò)中節(jié)點城市的作用和地位，在一定程度上也代表了地區(qū)醫(yī)療衛(wèi)生水平和發(fā)展?jié)摿Α８鶕?jù)上述測算方法，得出各城市的健康服務(wù)可及性指數(shù)Ai（附件1）。

由于我國健康服務(wù)可及性存在明顯的空間分異，本文將研究樣本按照區(qū)域進行劃分，分為東部地區(qū)、中部地區(qū)和西部地區(qū)，同樣采用OLS 和Tobit方法進行估計（表5）。從回歸結(jié)果來看，無論是東部、中部還是西部地區(qū)，商業(yè)健康保險對健康服務(wù)可及性的影響均為顯著正相關(guān)，邊際效應(yīng)分別為0.057、0.042、0.016。此外，分樣本條件下各地區(qū)生產(chǎn)總值、人口密度、財政醫(yī)療支出占比對健康服務(wù)可及性的影響基本也是正向顯著，印證了前文的研究結(jié)論。從影響系數(shù)來看，東、中部城市商業(yè)健康保險對健康服務(wù)可及性的影響更大，表明由于地區(qū)間經(jīng)濟發(fā)展水平的差異，商業(yè)健康保險對健康服務(wù)可及性影響亦存在空間分異。

表5 分樣本回歸結(jié)果

三、結(jié)論與政策建議

（一）結(jié)論

商業(yè)健康保險及健康服務(wù)的發(fā)展受經(jīng)濟水平、人口集聚、政策條件等多方面因素影響，商業(yè)健康保險與健康服務(wù)不斷融合發(fā)展的過程也是商業(yè)健康保險對健康服務(wù)可及性的促進過程。本文基于2018年全國31 個省338 個城市的截面數(shù)據(jù)，采用重力模型與地理信息系統(tǒng)相結(jié)合的方法，綜合服務(wù)可及性、地理可及性兩類因素，測算健康服務(wù)可及性指數(shù)，并利用Tobit 模型分析商業(yè)健康保險對健康服務(wù)可及性的影響?？偟膩砜?，無論是采取Tobit 回歸還是OLS 回歸，無論是采用全國樣本還是分地區(qū)樣本，模型所估計出來的結(jié)果是基本一致的結(jié)論：

第一，健康服務(wù)可及性水平存在空間分異。由于地區(qū)經(jīng)濟發(fā)展水平的差異，中部和東部地區(qū)的健康服務(wù)可及性指數(shù)顯著高于西部地區(qū)，而東南沿海地區(qū)可及性指數(shù)高值的聚集程度更高，健康服務(wù)可及性呈現(xiàn)出與我國地區(qū)經(jīng)濟發(fā)展水平相似的區(qū)位特征，經(jīng)濟發(fā)展水平越高的地區(qū)健康服務(wù)越便捷。

第二，商業(yè)健康保險對健康服務(wù)可及性有顯著的正向影響。商業(yè)健康保險可有效補充社會醫(yī)療保險的不足，促進健康服務(wù)的服務(wù)可及和地理可及，增加居民獲取健康服務(wù)和利用健康服務(wù)的機會，對健康服務(wù)的數(shù)量和質(zhì)量均有提升。

文中數(shù)據(jù)主要分為空間數(shù)據(jù)和屬性數(shù)據(jù)兩種類型：空間數(shù)據(jù)主要來源于全國縣級區(qū)劃地圖和地理信息數(shù)據(jù)系統(tǒng)，各地區(qū)的醫(yī)院數(shù)據(jù)和居民點數(shù)據(jù)等來自于百度地圖POI（興趣點）③，其中醫(yī)院數(shù)據(jù)主要為地區(qū)所有二級、三級綜合醫(yī)院，居民點位置用當(dāng)?shù)匦姓行谋硎尽傩詳?shù)據(jù)中，醫(yī)院床位數(shù)來源于2019年各城市統(tǒng)計年鑒，居民點人口信息數(shù)據(jù)來源于《2019中國人口和就業(yè)統(tǒng)計年鑒》。

（二）政策建議

本文驗證了商業(yè)健康保險能提高健康服務(wù)可及性，并為健康服務(wù)質(zhì)量提升提供重要支持。然而，受制于我國健康服務(wù)的市場結(jié)構(gòu)和管理模式，商業(yè)健康保險在健康服務(wù)領(lǐng)域發(fā)揮的實際作用有限?；诒疚牡难芯拷Y(jié)論，提出以下政策建議：

月亮灣地區(qū)商業(yè)發(fā)展針對的人群主要為消費水平中高層次的商務(wù)白領(lǐng)，而與其周邊的大學(xué)城和納米城內(nèi)人群消費特點和能力不匹配。特色景觀吸引人群，但月亮灣地區(qū)步行者舒適度差、景觀設(shè)施不足影響了景觀空間的吸引度。

一是多方促進健康服務(wù)均等化，縮小健康服務(wù)可及性地區(qū)差異。實現(xiàn)健康服務(wù)普惠發(fā)展的目標(biāo)，是商業(yè)健康保險促進健康服務(wù)質(zhì)量提升的基礎(chǔ)和保證，為保障多數(shù)人獲得健康服務(wù)的公平性，要將健康服務(wù)可及性法定要求落實到位，包括利用商業(yè)健康保險的特性提升地方醫(yī)療服務(wù)質(zhì)量、促進基本醫(yī)療服務(wù)均等化、落實基本衛(wèi)生服務(wù)項目，重點幫扶改善落后地區(qū)健康服務(wù)現(xiàn)狀。

二是加強商業(yè)健康保險和健康服務(wù)業(yè)的多角度融合，利用健康保險提升健康服務(wù)可及性。一方面，完善商業(yè)保險投資健康服務(wù)領(lǐng)域的政策支持，并出臺具體實施方案，打破醫(yī)療衛(wèi)生服務(wù)市場的行政壟斷和社會醫(yī)療保險的集中管理模式；另一方面，借鑒管理式醫(yī)療等商業(yè)健康保險模式，促進政府、藥企、醫(yī)院、支付方和保險公司之間的協(xié)調(diào)合作，探索商業(yè)健康保險與健康服務(wù)融合的新路徑。

三是明確商業(yè)健康險的發(fā)展目標(biāo)，參與地區(qū)健康保障體系建設(shè)。從健康服務(wù)的本質(zhì)出發(fā)，在不斷擴大商業(yè)健康保險覆蓋面的基礎(chǔ)上，充分發(fā)揮其健康管理優(yōu)勢，著重改善西部落后地區(qū)的健康服務(wù)質(zhì)量和水平。除此之外，增加健康消費者對健康服務(wù)的選擇權(quán)，如提供專門針對老齡人口疾病和養(yǎng)老問題的長期護理保險、防范重大疾病的重大疾病保險等產(chǎn)品，對于消費者的個性化消費需求，提供優(yōu)先就診、上門醫(yī)療等健康醫(yī)療服務(wù)。

［注 釋］

①按照國家統(tǒng)計局2019年1月31日發(fā)布的行政區(qū)劃數(shù)據(jù)，截至2018年10月31日，中國現(xiàn)有二級行政區(qū)劃338個（包含4 個直轄市，不含省直轄縣級行政區(qū)劃、自治區(qū)直轄縣級行政區(qū)劃和港澳臺地區(qū)行政區(qū)劃的數(shù)據(jù)）。

②人口重心這一概念源自力學(xué)，即各地區(qū)人口子矢量的合力點。Arcgis軟件中的ArcToolBox空間分析工具是目前最常用的重心計算方法，基本原理是基于Euclidean 或Manhattan 距離計算某一單位研究區(qū)域中所有要素X 坐標(biāo)和Y 坐標(biāo)的平均值，得到該區(qū)域的平均中心。具體在使用ArcToolBox 的Mean Center 工具時，可指定各區(qū)（縣）的年末人口數(shù)量作為權(quán)重，從而可以計算得到各城市的人口重心。

③POI 的完整表示為“Point of Interest”，可譯為“興趣點”。在地理信息系統(tǒng)中，每個POI包含名稱、坐標(biāo)、類型及分類四方面信息，屬于矢量數(shù)據(jù)。本文使用的POI 數(shù)據(jù)主要整理自“中國軟件開發(fā)者社區(qū)”（CSDN）的下載板塊。

④歐幾里得距離（Euclidean distance），又稱歐氏距離，是最常見的距離度量，用來衡量多維空間中各點之間的絕對距離，數(shù)學(xué)公式為d(x,y)=。

⑤自然斷點法（Natural Break）是根據(jù)數(shù)據(jù)的自然分布規(guī)律，以數(shù)據(jù)集中不連續(xù)處為分級依據(jù)對數(shù)據(jù)集合進行分級的方法。本文采用該方法將全國338個城市的健康服務(wù)可及性指數(shù)分成五類地區(qū)，一類到五類代表可及性指數(shù)由低到高排列，各類的范圍分別為：一類0.0056-0.0605；二類0.0605-0.1319；三類0.1319-0.2398；四類0.2398-0.4019；五類0.4019-0.8353。

⑥ 探索性空間數(shù)據(jù)分析法（exploratory spatial data analysis，ESDA）是利用數(shù)據(jù)的空間特性如空間異質(zhì)性來探索事物空間分布特征的分析方法。

⑦財政分權(quán)程度是指各（州）財政支出占省級財政支出的比重。選擇財政分權(quán)程度作為工具變量主要是由于已有文獻驗證了財政分權(quán)與財政醫(yī)療衛(wèi)生支出規(guī)模呈現(xiàn)負(fù)相關(guān)關(guān)系，且該宏觀指標(biāo)不會對醫(yī)療服務(wù)可及性產(chǎn)生影響（蔣團標(biāo)和劉慧，2019）。

教師針對展示中表現(xiàn)優(yōu)秀的個人和小組進行表揚，對出現(xiàn)的問題進行講解，對重難點進行補充。教師對任務(wù)展示實行激勵制度，根據(jù)學(xué)生完成任務(wù)的表現(xiàn)量化成平時成績的分?jǐn)?shù)，并在學(xué)期末分別評出個人前三名和小組前三名，給予物質(zhì)上的小獎勵。

附件1：健康服務(wù)可及性指數(shù)測算結(jié)果

第一，運用計劃和市場兩種手段，合理調(diào)配研發(fā)資源，提升大學(xué)和科研院所的學(xué)術(shù)型基礎(chǔ)研究能力，同時推動企業(yè)成為產(chǎn)業(yè)驅(qū)動型基礎(chǔ)研究的主體。

338個市（州）的健康服務(wù)可及性指數(shù)

1 2 3 4 5 6 7北京上海廣州深圳天津杭州蘇州0.8353 0.7417 0.6130 0.6118 0.5702 0.5674 0.5492 86 87 88 89 90 91 92許昌贛州大慶連云港宿遷蘭州湖州0.1779 0.1768 0.1744 0.1710 0.1709 0.1684 0.1653 171 172 173 174 175 176 177漢中衢州晉中臨汾呂梁內(nèi)江自貢0.0757 0.0716 0.0715 0.0715 0.0702 0.0701 0.0698 256 257 258 259 260 261 262潛江保山陽泉延邊慶陽湘西巴音郭楞0.0328 0.0328 0.0322 0.0315 0.0315 0.0312 0.0311序號 城市 Ai 序號 城市 Ai 序號 城市 Ai 序號 城市 Ai

8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46成都武漢重慶南京青島長沙無錫寧波鄭州佛山泉州南通西安東莞福州濟南煙臺合肥大連長春常州唐山徐州哈爾濱沈陽濰坊石家莊溫州鹽城揚州紹興南昌昆明泰州淄博濟寧臺州嘉興廈門0.5383 0.5180 0.4946 0.4919 0.4912 0.4904 0.4723 0.4627 0.4576 0.4574 0.4555 0.4542 0.4482 0.4360 0.4269 0.4246 0.4243 0.4019 0.3750 0.3693 0.3635 0.3466 0.3465 0.3456 0.3455 0.3447 0.3431 0.3415 0.3410 0.3402 0.3312 0.3302 0.3225 0.3101 0.3047 0.2974 0.2963 0.2930 0.2877 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131九江周口濱州新鄉(xiāng)汕頭郴州棗莊龍巖安陽商丘信陽咸陽焦作駐馬店三明綿陽寶雞湘潭莆田德陽上饒吉林日照肇慶烏魯木齊宜春邵陽揭陽邢臺平頂山荊州黃岡宜賓永州曲靖南充桂林開封寧德0.1650 0.1628 0.1590 0.1584 0.1575 0.1550 0.1531 0.1527 0.1515 0.1468 0.1464 0.1440 0.1432 0.1427 0.1416 0.1415 0.1401 0.1393 0.1375 0.1343 0.1341 0.1319 0.1305 0.1292 0.1280 0.1274 0.1239 0.1235 0.1222 0.1221 0.1208 0.1195 0.1194 0.1192 0.1191 0.1187 0.1183 0.1167 0.1123 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216麗水撫州松原咸寧綏化晉城陽江營口韶關(guān)齊齊哈爾宣城舟山黔南牡丹江通遼欽州六安西寧亳州大同眉山呼倫貝爾廣安漯河銅陵遂寧盤錦北海錦州百色攀枝花貴港黔西南安康淮南大理梅州潮州資陽0.0691 0.0686 0.0684 0.0680 0.0679 0.0678 0.0665 0.0663 0.0659 0.0653 0.0646 0.0643 0.0625 0.0622 0.0616 0.0605 0.0601 0.0600 0.0598 0.0590 0.0580 0.0575 0.0567 0.0551 0.0541 0.0540 0.0539 0.0534 0.0527 0.0519 0.0518 0.0511 0.0502 0.0501 0.0500 0.0499 0.0496 0.0494 0.0493 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301防城港來賓池州伊犁黃山阿克蘇普洱白山天水雅安巴中克拉瑪依喀什臨滄海西遼源拉薩鐵嶺白城石嘴山賀州酒泉三亞儋州張家界雞西吳忠白銀塔城雙鴨山黑河烏海興安盟武威海東阜新西雙版納張掖中衛(wèi)0.0309 0.0308 0.0305 0.0304 0.0302 0.0285 0.0282 0.0282 0.0280 0.0278 0.0277 0.0275 0.0275 0.0272 0.0266 0.0259 0.0258 0.0249 0.0247 0.0243 0.0240 0.0239 0.0235 0.0234 0.0233 0.0231 0.0227 0.0226 0.0221 0.0219 0.0216 0.0204 0.0202 0.0199 0.0196 0.0191 0.0183 0.0174 0.0173序號 城市 Ai 序號 城市 Ai 序號 城市 Ai 序號 城市 Ai

47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85臨沂洛陽襄陽東營惠州金華宜昌鎮(zhèn)江南寧漳州太原榆林貴陽岳陽鄂爾多斯滄州泰安威海中山常德淮安保定南陽邯鄲德州衡陽蕪湖聊城廊坊茂名菏澤柳州湛江株洲遵義包頭珠海呼和浩特江門0.2872 0.2799 0.2792 0.2760 0.2757 0.2673 0.2655 0.2653 0.2638 0.2617 0.2593 0.2461 0.2460 0.2448 0.2398 0.2374 0.2342 0.2244 0.2236 0.2144 0.2143 0.2078 0.2066 0.2048 0.2009 0.1987 0.1928 0.1903 0.1903 0.1868 0.1854 0.1851 0.1844 0.1827 0.1825 0.1817 0.1812 0.1798 0.1798 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170畢節(jié)馬鞍山安慶孝感銀川荊門滁州南平益陽渭南阜陽鞍山十堰吉安蚌埠瀘州達州濮陽長治婁底秦皇島宿州懷化玉林樂山紅河黃石清遠延安衡水赤峰張家口涼山三門峽六盤水?？谶\城玉溪承德0.1107 0.1063 0.1030 0.1024 0.1001 0.1001 0.0995 0.0987 0.0986 0.0979 0.0972 0.0968 0.0963 0.0959 0.0931 0.0927 0.0911 0.0897 0.0892 0.0888 0.0881 0.0875 0.0855 0.0851 0.0847 0.0837 0.0836 0.0818 0.0815 0.0810 0.0802 0.0798 0.0797 0.0792 0.0789 0.0786 0.0785 0.0783 0.0773 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255銅仁朔州撫順黔東南梧州新余楚雄崇左佳木斯隨州萍鄉(xiāng)河源萊蕪鄂州忻州淮北四平汕尾昌吉昭通恩施遼陽鶴壁文山安順云浮景德鎮(zhèn)朝陽通化商洛本溪鷹潭丹東錫林郭勒巴彥淖爾葫蘆島廣元河池烏蘭察布0.0491 0.0490 0.0487 0.0480 0.0471 0.0469 0.0465 0.0464 0.0464 0.0453 0.0430 0.0428 0.0427 0.0424 0.0422 0.0417 0.0410 0.0406 0.0403 0.0400 0.0391 0.0386 0.0384 0.0384 0.0381 0.0374 0.0373 0.0372 0.0370 0.0369 0.0364 0.0361 0.0358 0.0356 0.0354 0.0353 0.0348 0.0340 0.0339 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338平?jīng)龉艿潞觌]南定西麗江銅川阿壩和田固原嘉峪關(guān)甘孜鶴崗阿拉善伊春金昌臨夏七臺河日喀則吐魯番迪慶博爾塔拉阿勒泰昌都山南林芝怒江海南甘南那曲大興安嶺克孜勒黃南海北阿里玉樹果洛0.0172 0.0168 0.0166 0.0159 0.0159 0.0151 0.0140 0.0138 0.0136 0.0134 0.0134 0.0131 0.0127 0.0127 0.0121 0.0120 0.0117 0.0115 0.0107 0.0103 0.0095 0.0092 0.0091 0.0090 0.0086 0.0084 0.0083 0.0078 0.0075 0.0072 0.0072 0.0068 0.0064 0.0064 0.0061 0.0058 0.0056序號 城市 Ai 序號 城市 Ai 序號 城市 Ai 序號 城市 Ai