四　面板回归估计结果

（一）面板单位根检验

由于时间序列数据常表现出一致的变化趋势，呈现非平稳状态，即使数据之间没有任何经济关系，进行回归时也可出现较高的判定，产生虚假回归现象。因此，本文在展开建模分析之前，首先对各项指标（AME、ADE、ATE、TFE、IPC）进行面板单位根检验，判断是否适合进行一般面板模型回归建模，本文采用Eviews6.0软件对面板数据进行各变量的平稳性的检验。

根据t统计量和相伴概率值，1999—2011年全国31个省市地区的城镇居民人均年医疗保健消费支出（AME）、各地区城镇居民人均年药品费支出（ADE）、各地区城镇居民年人均治疗费支出（ATE）三个指标序列发现都没有通过显著性检验，都存在单位根。而1999—2011年全国31个省市地区一阶差分后的三个序列D（AME）、D（ADE）和D（ATE）给出统计量的相伴概率为0.000，小于0.05显著性水平，通过显著性检验，显示为不存在单位根的平稳序列。

对数化的医疗卫生财政支出（LTFE）、对数化的人均可支配收入（LIPC）及其一阶差分序列D（LTFE）、D（LIPC）的面板单位根检验结果。根据t统计量和相伴概率值，1999—2011年全国31个省市地区对数化的医疗卫生财政支出和人均可支配收入的面板序列给出统计量的相伴概率为1.000，大于0.05显著性水平，说明LTFE、LIPC未通过显著性检验，存在单位根。而一阶差分序列D（LTFE）、D（LIPC）的面板序列给出统计量的相伴概率为0.000，小于0.05显著性水平，说明D（LTFE）、D（LIPC）都通过显著性检验，是平稳序列，不存在单位根。

（二）面板回归分析

综合以上单位根检验结果，说明在95％的显著水平上，AME、ADE、ATE、LTFE和LIPC都为一阶单整面板数据，符合经典面板回归的前提条件。本研究接下来首先对数据建立混面板数据混合模型、固定效应估计模型，以及随机效应模型，并最后筛选出合适的面板回归模型分析人均医疗保健支出与医疗卫生财政支出的联动性。

1.混合数据模型

假定从时间上看，不同个体之间不存在显著性差异；从截面上看，不同截面之间也不存在显著性差异，那么，就可以直接把面板数据混合在一起用普通最小二乘法（OLS）估计参数。本文假设人均医疗保健支出与医疗卫生财政支出之间的面板半对数混合模型如下：

AMEit=α+β1ADEit+β2ATEit+β3ln TFEit+β4ln IPCit+εit

i=1，2，…，31t= 1999，2000，…，2011，其中，参数α、β1、β2、β3、β4不随i、t变化。

根据表1的估计结果，AME、ADE、ATE、LTFE和LIPC之间的混合数据模型为：

方程（14）显示，对数化的政府医疗财政支出指标与人均医疗保健费用支出之间呈现负向联动性，回归系数为-5.87，即当各地区的政府医疗财政支出增加1％时，各地区的人均医疗保健费用会减少5.87元。而对数化的人均可支配收入则显示出于人均医疗保健费用支出之间呈现正向联动性，回归系数达到158.46。居民医疗保健支出体现为人力资本的积累，以上估计结果说明，生活水平的提高会加大居民关于人力资本的积累。人均药品费和人均治疗费作为人均医疗保健支出最主要的构成部分，回归系数显示，两者与因变量之间呈现出明显的线性关系。

在0.05的显著性水平下，被估计参数均通过显著性检验，回归方程拟合优度虽然达到97.8％，但残差平方和数值较大，而且方程估计DW值过低，仅为0.4，存在正自相关，应在混合模型中加入人均医疗保健支出的滞后一阶项AR（1）进行重新估计，估计结果由表2表示。

增加AR（1）混合数据估计模型由方程（15）给出：

以上结果显示，AR（1）的回归参数显著不为0，且AR（1）相对于人均医疗保健支出（AME）的回归系数为0.29，即上一期人均医疗保健支出与下一期医疗保健支出存在显著正相关，其正向冲击力度达到30％左右。此外，回归方程拟合优度虽然达到98.2％，且残差平方和数值依然较大。

图1给出的31个省区市的估计残差分布图中呈现出残差波动性较大，验证了模型估计效果尚待改进。DW值相对原有模型有所改进，达到1.04，但依然不够理想。

2.个体固定效应模型

根据收集的原始数据可以发现，人均医疗保健支出与政府医疗财政支出等指标都具有明显的地区差异性。也有研究表明在医疗改革试点中存在此现象。

但对于公益性医疗财政支出与人均医疗保健支出的联动性地区差异研究相对缺乏，本文接下来引进不同省份地区的个体固定效应模型展开分析。结合原有混合模型估计发现的人均医疗保健支出与其滞后一期“AR（1）”存在正向显著的冲击这一事实，在个体固定效应模型估计中也加入AR（1）项，理论模型如下：

AMEit=α1D1+α2D2+…+α31D31+β1ADEit+β2ATEit+β3ln TFEit+ β4ln IPCit+ AR（1）+εit

其中，

i= 1，2，…，31分别表示北京、天津、…新疆地区

t= 1999，2000，…，2011

根据表3给出的Eviews6.0具体估计结果，个体地区差异的人均医疗保健支出与政府医疗财政支出联动关系由方程（16）给出。

R2=0.993，SSE=178260.1，DW= 1.21，t= 1999，2000，…，2011

个体固定效应模型反映的地区差异主要由截距的差距来体现，地区固定效应结果显示，各省市区的人均医疗保健支出存在明显的地区差异，其中呈现正向地区固定效应的分别为（按数值大小排序）：上海、浙江、北京、江苏、辽宁、广东、山东、吉林和黑龙江。9个省市中有7个为东部地区省市，说明东部省市的城镇人均医疗保健支出比中西部省市区要高。

根据t统计量和相伴概率水平，发现在5％的显著性水平下，各项指标的回归参数显著不为0。人均药品费和人均治疗费与人均医疗保健支出的线性回归系数为0.88和1.00，与现实中的线性关系相符合。类似的，个体固定效应模型中对数化的政府医疗财政支出指标与人均医疗保健费用支出之间呈现负向联动性，回归系数为-8.46，即当各地区的政府医疗财政支出平均增加1％时，各地区的人均医疗保健费用会减少8.46元。对数化的人均可支配收入则显示出于人均医疗保健费用支出之间呈现正向联动性，回归系数达到71.16。

相对于混合模型，个体固定效应模型回归拟合优度相对原有的混合模型有所提升，解释力度达到99.3％，残差平方和数值下降至178260.1，图2给出的个体固定效应模型不同地区残差分布图相对于图1变得平稳。DW统计量有略微改善为1.21。

虽然个体固定效应模型回归拟合优度相对原有的混合模型有所提升，但从理论角度验证是否有必要建立个体固定效应模型可以通过F检验来实现。

原假设H0：不同个体的模型截距项相同（建立混合估计模型）。

备择假设H1：不同个体的模型截距项不同（建立个体固定效应模型）。

其中，SSEr、SSEu分别表示约束模型（混合估计模型）和非约束模型（个体固定效应模型）的残差平方和。非约束模型比约束模型多了N-1个被估参数（混合估计模型给出公共截距项）。当模型中含有k个解释变量时，F统计量的分母自由度是NT-N-k。

利用Eviews6.0计算，得到表4的数据信息。根据表2和表3给出的有AR （1）的混合估计模型和固定效应模型估计结果，可知SSEr= 4824588，SSEu= 2270386。因此，

因为F= 16.35，相伴概率为0.000，所以，拒绝原假设。结论是应该建立个体固定效应模型。

3.随机效应模型

不变系数的随机效应模型拟合结果由表5给出。

根据估计结果，发现各项指标的回归参数显著不为0，回归拟合优度相对原有的混合模型没有提升，解释力度依旧为98.2％，残差平方和略微下降至375680，DW统计量为1.03，相对于个体固定效应模型，拟合效果没有改善。因此，接下来引进Hausman检验对模型是应该建立个体随机效应模型还是个体固定效应模型。Hausman检验原假设和备择假设分别为：H0：个体随机效应模型，H1：个体固定效应模型；检验结果见表6。

检验结果显示，H= 347.11，相伴概率为0.000，小于0.05的显著性水平，结论仍然是，模型存在个体固定效应，应该建立个体固定效应模型。因此，关于人均医疗保健支出的最终面板回归模型为：

R2=0.993，SSE=178260.1，DW= 1.21，t= 1999，2000，…，2011