仇雨臨 張忠朝：貴州少數民族地區醫療保障反貧困研究

　　﹝關鍵詞﹞“三重醫療保障”﹔醫療保障反貧困﹔民族地區﹔醫療消費﹔醫療貧困

　　﹝中圖分類號﹞C916 ﹝文獻標識碼﹞A ﹝文章編號﹞1008-9314（2016）03-0069-07

　　﹝收稿日期﹞2016-05-01

　　﹝基金項目﹞國家民委民族問題研究后期資助項目（2015-GM-254）﹔清華大學中國農村研究院博士論文獎學金項目

　　﹝作者簡介﹞仇雨臨（1960-），女，北京人，中國人民大學勞動人事學院教授、博士生導師﹔張忠朝（1985-），男，貴州盤縣人，中國人民大學勞動人事學院博士生。

　　目前，全國現有的7000多萬貧困農民中，因病致貧的有42%。在五大致貧的原因中，大病致貧佔了首位。2014年，貴州省因病致貧、因病返貧人口達82萬人，佔貧困總人口的比例為13.2%，2015年這一比例上升到15.7%。自2015年6月13日起，在“赫章經驗”的基礎上，貴州省開始試行《貴州省提高農村貧困人口醫療救助保障水平促進精准扶貧試點工作方案》（以下簡稱方案），要求通過基本醫療保險、大病保險、醫療救助“三重醫療保障”，遏制和減少農村貧困人口“因病致貧、因病返貧”。

　　一、資料與方法

　　（一）資料來源

　　本文的樣本總體為方案試點地方。樣本選取以家庭為單位，選擇貴州黔西南布依族苗族自治州望謨縣油邁瑤族鄉裡獎村、冊亨縣者樓鎮者樓村，畢節市納雍縣水東鄉金子村、威寧彝族回族苗族自治縣鹽倉鄉興發村中人口較多的自然村寨進行入戶調查。

　　本研究擬發放問卷400份，實際發放400份，回收率為100%，有效問卷為385份，有效率為96.25%。深度訪談30余人，其中政府部門工作人員和醫生人數為20余人，農村家庭居民人數為10余人。

　　（二）變量選擇

　　在變量的選擇上有因變量和自變量，即被解釋變量和解釋變量。具體如表1所示。

　　（三）研究模型

　　從醫療費用支出消費的角度來看，兩部模型可以簡單地劃分為就醫選擇模型和醫療支出模型兩個階段，前者屬醫療決策行為，后者屬醫療支出行為。﹝1﹞

　　第一階段：就醫選擇模型

　　此階段主要是人們患病時是否選擇就醫，是否參與醫療費用支出的消費。我們使用Logit模型進行估計：

　　公式（略）

　　其中，Ii表示第i個個體選擇就醫就診的概率，Xi為影響第i個個體就醫行為決策的相關因素變量。

　　第二階段：醫療支出模型

　　此階段在發生醫療支出消費的前提下，需要考慮醫療支出金額的大小。綜合來看，一般通過構建對數線性模型分析各種影響因素對居民醫療支出有什麼影響：

　　公式（略）

　　其中，Xi為影響第i個個體醫療費用支出的相關因素，Yi表示第i個個體的醫療費用支出。

　　表1 相關變量含義解釋（略）

　　二、結果分析

　　（一）樣本總體特征

　　受訪農村困難家庭中，男性受訪家庭遠大於女性受訪家庭。受訪家庭成員以中年人為主。其中，30歲及以下的受訪家庭佔比為10.9%﹔31歲至60歲的受訪家庭佔比58.7%﹔61歲以上的老年人佔比30.4%﹔ 受訪家庭對象中，絕大部分為少數民族，其中有94.0%為少數民族﹔受訪家庭中已婚的受訪對象佔比為81.0%，未婚的受訪對象佔比為11.2%﹔ 受訪對象的文化程度以小學和文盲居多，其中，文盲文化的受訪對象佔比為24.9%，小學文化的受訪對象佔比為37.1%，初中文化的受訪對象佔比為20.8%，高中/中專文化的受訪對象佔比為14.5%﹔ 受訪對象的就業情況主要以在鄉務農和在鄉打工為主，其中，在鄉務農的受訪對象佔比為43.1%，在鄉打工的受訪對象佔比為14.3%﹔受訪對象的救助保障范圍主要為精准扶貧建檔立卡貧困人口中的大病患者、特困供養人員、最低生活保障家庭成員和計生“兩戶”家庭成員，佔比依次為17.7%、10.4%、16.1%和9.1%﹔受訪對象家庭規模相對較大，勞動力缺乏，大多數家庭規模在6人以下，佔96.6%，其中4人家庭最多、其次是2人家庭和5人家庭，3人家庭也高達16.1%，沒有勞動力人口的家庭佔比高達23.9%﹔受訪家庭年總收入偏低，其中，10000元及以下的家庭佔比為53.2%，10001~30000元的家庭佔比為42.9%﹔受訪家庭年總支出偏高，其中，10000元及以下的家庭佔比為39.7%，10001~30000元的家庭佔比為53.0%。

　　（二）典型民族地區醫療保障減貧效果分析

　　1.“因病致貧”測量方法

　　（1）FGT指數

　　FGT指數主要包含貧困發生率、貧困差距指數和貧困差距平方指數3個指標其公式如下﹝2﹞：

　　公式（略）

　　其中，N為總人口數，Z為貧困線，H為低於貧困線的家庭人口數，yi為貧困人員的收入。當a=0時，FGT0為貧困發生率﹔當a=1時，FGT1為貧困差距指數，即貧困線以下人員收入與貧困線之間的收入差距的和，該指標對貧困深度的敏感性更強﹔當a=2時，FGT2為貧困差距平方指數，該指標對貧困人口的內部收入差距和貧困深度更加敏感。

　　（2）補償資金使用效率和供給率

　　資金使用效率：醫療保障資金在效益上分為兩部分，一部分是用在提高衛生服務利用的公平性、可及性和收益率上﹔另一部分則是用在緩解貧困上。

　　圖1 補償金使用率和供給率（略）

　　結合圖1所示，面積A表示了醫療費用支付前住院病人的貧困總缺口，A、B、C、D、E面積的總和表示了支付醫療費用后有住院人群的貧困總缺口。A、B、C面積的總和則表示了支付醫療費用后，經新農合、大病保險、醫療救助補償還剩余的貧困缺口。D區和E區的資金是用於緩解貧困上，醫療保障資金在緩解“因病致貧”方面的使用效率為（ D+E） /（ D+E+F）。其中，D+E指用於緩解貧困上的補償資金，D+E+F 指總補償資金。

　　資金供給率：要使貧困線以下家庭通過新農合、大病保險、醫療救助補償來脫貧或達到支付住院費用以前的水平，需要新農合、大病保險、醫療救助的資金量為B、C、D和E區域面積的和，補償資金對貧困線以下人口緩解致貧供給率為（ D+E） /（ D+E+B+C） ，反映按目前的籌資水平和補償方案，提供緩解“因病致貧”的資金佔所需資金總量的比例。其中，D+E指用於緩解貧困上的補償資金，D+E+B+C指緩解“因病致貧”所需要的資金總量。﹝3﹞﹝4﹞

　　2.基於FGT指數的減貧效果檢驗

　　（1）減貧效果的地區差異

　　貴州省貧困人口貧困發生率從2011年的33.4%下降到2015年的14.3%，其中2014年貧困發生率為18.0%，減貧效果非常顯著。總體來看，貴州“三重醫療保障”發揮了積極的減貧作用，農村貧困發生率降低了25.56%、農村貧困人員的貧困差距指數和貧困差距平方指數降低了42.37%和66.67%。“三重醫療保障”縮小農村貧困人口貧困差距的作用要大於其降低貧困發生率的作用。可以看出，“三重醫療保障”在緩解農村貧困人口貧困程度和反貧困作用比較明顯。

　　表2 貴州少數民族農村地區“三重醫療保障”減貧效果地區差異（略）

　　貴州少數民族地區貧困發生率遠大於非民族地區，其中非民族地區中少數民族自治地區貧困發生率更高。具體來看，少數民族地區的冊亨和望謨貧困發生率高達67.1%和73.4%，非少數民族地區中威寧縣貧困發生率為55.2%，高於同地區納雍縣7.5個百分點（見表2）。從表2中可以看出，無論是民族地區還是非民族地區，“三重醫療保障”對農村貧困人口的貧困差距作用遠遠大於其貧困發生率作用，也即“三重醫療保障”更有利於緩解農村貧困人口的貧困程度。相對來說，非民族地區“三重醫療保障”減貧效果更加明顯。

　　（2）減貧效果的民族差異

　　“三重醫療保障”相關政策未對不同民族地區進行區分，但對民族地區貧困人口貧困現狀和經濟收入水平產生直接影響。貴州省少數民族貧困發生率、貧困差距指數和貧困差距平方指數均比漢族要高，少數民族貧困發生率高達39.2%，而漢族貧困發生率隻有15.5%。“三重醫療保障”在縮小農村貧困差距上對少數民族的作用更為顯著，也即在不同的民族地區與非民族地區，“三重醫療保障”的減貧效應對少數民族更為有效，減貧效果更加明顯（見表3）。具體來看，全省2014年貧困發生率為18.0%，其中漢族為15.5%，少數民族為39.2%，加入“三重醫療保障”補償待遇后貧困發生率分別減少25.56%、23.23%和60.71%﹔從貧困程度來看，貧困差距指數分別降低42.37%、39.58%和67.94%，貧困差距平方指數分別降低66.67%、62.50%和71.43%。

　　從表3可以看出，“三重醫療保障”的減貧效應在民族地區和非民族地區中對少數民族的減貧效果比較突出，民族地區的漢族減貧效果相對較差。其中民族地區冊亨縣少數民族貧困發生率為83.1%、漢族貧困發生率為56.8%，加入醫療保障待遇后貧困發生率分別減少40.79%和22.18%﹔從貧困程度來看，貧困差距指數和貧困差距平方指數分別減少73.93%、27.12%、82.39%、37.50%。望謨縣少數民族貧困發生率為83.4%、漢族貧困發生率為58.3%，加入醫療保障待遇后貧困發生率分別減少36.69%和25.90%﹔從貧困程度來看，貧困差距指數和貧困差距平方指數分別減少62.13%、33.33%、77.78%、56.84%。非民族地區中，少數民族自治縣威寧少數民族貧困發生率為75.2%、漢族貧困發生率為54.4%，加入醫療保障待遇后貧困發生率分別減少39.10%和22.98%﹔從貧困程度來看，貧困差距指數和貧困差距平方指數分別減少58.47%、32.65%、68.03%、61.11%。納雍縣少數民族貧困發生率為50.7%、漢族貧困發生率為46.6%，加入醫療保障待遇后貧困發生率分別減少33.92%和25.32%﹔從貧困程度來看，貧困差距指數和貧困差距平方指數分別減少42.01%、34.84%、71.59%、47.94%。需要注意的是，醫療保障的可及性和公平性是針對所有的農村貧困人口，因此需要考慮少數民族與漢族之間的差異。另外，少數民族限於自身條件，大多是本地區最為貧困的對象之一，醫療保障精准扶貧在他們身上體現得更為明顯，但因自我發展動力不足等，少數民族依然面臨著巨大的反貧壓力。

　　表3 貴州少數民族農村地區“三重醫療保障”減貧效果民族差異（略）

　　3.基於補償資金使用效率和供給率的減貧效果檢驗

　　“三重醫療保障”反貧困以基本醫療保險、大病保險和醫療救助為主，逐層保障后能有效緩解因病致貧。其中新農合的減貧效果大於大病保險，大病保險的減貧效果又大於醫療救助，這和三者隻能依次進行補償有關。

　　醫療保障對緩解貴州省農村貧困人口的貧困程度效果更為明顯，其中新農合的減貧效果最為顯著，其次是大病保險，最后是醫療救助，三者比例為65.56%、53.85%和42.37%。在民族地區和非民族地區，醫療保障對前者的減貧效果要大於后者，新農合作用要大於大病保險和醫療救助。民族地區中冊亨縣和望謨縣減貧效果基本相當，非民族地區中的威寧自治縣醫療保障減貧效果要優於民族地區，但比非民族地區的納雍縣減貧效果要低一點（見表4）。

　　表4 貴州少數民族農村地區“三重醫療保障”待遇補償前后減貧效果（略）

　　總體來看，貴州省貧困地區醫療保障的減貧效果要大於非貧困地區，民族地區的減貧效果又大於非民族地區。醫療保障對農村貧困人口，尤其是少數民族農村貧困人口的減貧效應突出，是其不可或缺的救助保障之一。

　　如表5所示，以貧困線，2800元計算，農村貧困人口在支付醫療費用前貧困人口指數H0為39.2%，支付醫療費用后，部分家庭因支付醫療費用而淪為貧困，貧困人口指數擴大為H2，H2為73.9%，即貧困缺口擴大了34.7%，經新農合補償后，部分農民脫離貧困，貧困缺口指數H1為50.4%，說明經新農合補償后，貧困人口指數降低了23.5%。同樣，經大病保險補償后H1變為29.7%，大病保險減貧效應指數降低20.7%﹔經醫療救助補償后H1變為19.0%，醫療救助減貧效應指數降低10.7%。

　　表5 貴州少數民族農村地區“三重醫療保障”醫療費用支付前后減貧效果（略）

　　貧困差距指數和貧困缺口率的變化對所調查的農村貧困家庭中，有39.2%的家庭住院前已經致貧，這部分的貧困差距指數在圖1中表示為A部分面積，貧困差距指數G為4651.05元，貧困缺口率為85.08%，在支付醫療費用后，部分家庭導致貧困，貧困差距指數擴大為38460.66元，貧困缺口率為98.25%，在支付醫療費用后，加深了貧困的廣度和深度。經新農合補償后，貧困深度得到減輕，貧困差距指數縮小為28967.98元，貧困缺口率也縮小為65.56%。由此可見，新農合不僅有效減少了貧困的廣度，而且對處於貧困狀態的家庭，其貧困的深度也得到了有效緩解。另外，經大病保險補償后，貧困差距指數縮小為12007.34元，醫療救助補償后貧困差距指數縮小為6200.88元。

　　從圖1來看，D區和E區的資金用於緩解貧困，經計算這部分區域面積為89869.00元，而新農合基金對住院家庭補償的總數量，即D+E+F的區域面積為152186.70元，則新農合基金在減緩因病致貧方面的使用效率為（D+E）/（D+E+F），經計算為68.99%，說明補償基金中有68.99%用在對貧困人口進行補助、減緩因病致貧上。另外有31.01%的資金用在對提高新農合受益率和促進參加新農合人群對衛生服務的利用上。貧困線以下農村貧困家庭的醫療保障脫貧需要對醫療基金量為B、C、D、E區域面積的和進行計算，這部分面積為505071.00元，而新合作減少的貧困缺口則隻有10985.900元，則新農合基金對貧困線以下人口緩解致貧供給率為（D+E）（/D+E+B+C），其值49.19%。另外，經計算，大病保險的使用率為38.33%，供給率為45.45%﹔醫療救助使用率為20.67%，供給率為37.44%。大病保險和醫療救助是補償醫療保險，是對基本醫療保險保障后醫療費用支出過高的貧困人口進行的救助保障措施，需要達到一定標准才可申請進行救助保障，故其使用率和供給率相對基本醫療保險較低。

　　（三）典型民族地區醫療保障反貧困模型分析

　　1.醫療消費兩部模型

　　我們採用二元Logistic模型和對數線性回歸模型對就醫選擇模型和醫療支出模型進行回歸分析，回歸結果如表6所示：

　　（1）就醫選擇模型的Logistic回歸分析

　　邏輯回歸反映的是各變量因素對受訪地區農村家庭是否進行醫療消費的影響程度。分析結果表明，各變量具有統計學意義，其（P ＜0.05或0.01）。從回歸系數來看：

　　性別（β=0.387）與就醫選擇呈正相關，即男性更傾向於進行醫療消費，與趙建梅（2011）研究認為女性比男性更傾向進行醫療消費的結論相反﹔年齡因素中，31~60歲（β=0.444）與就醫選擇呈正相關，61歲及以上（β= -0.341）與就醫選擇呈負相關，即與30歲及以下的年輕人相比，31~60歲的人更願意選擇就醫，而61歲及以上的老人不願意選擇就醫﹔是否為少數民族（β=-0.122）與選擇就醫呈負相關，即少數民族與非少數民族比更不願意選擇就醫﹔婚姻狀況中已婚（β=0.718）、離異（β=0.350）、喪偶（β=0.732）與就醫選擇呈正相關，即與未婚受訪對象相比，已婚、離異和喪偶的受訪就醫選擇概率更大。

　　文化程度因素中文盲（β= -11.686）、小學（β= -3.363）、初中（β= -1.113）、高中/中專（β= -0.019）與就醫選擇呈負相關，即與文化程度為大專、本科和碩士及以上的人相比，文化程度越低的農村家庭越不願意選擇就醫﹔就業狀況中在鄉務農為主（β= -0.143）、勞動年齡但喪失勞動能力（β= -3.655）和年老不參加勞動（β= -5.983）與就醫選擇呈負相關，其余變量與就醫選擇呈正相關，即與鄉村脫產干部相比，在鄉務農為主、勞動年齡但喪失勞動能力和年老不參加勞動的受訪對象就醫選擇概率更小。

　　家庭規模中，伴隨著家庭人口數量增多，受訪地區農村家庭就醫選擇的概率增大﹔健康狀況中健康狀況一般（β= 0.664）、較差（β= 1.674）、非常差（β= 5.369）與就醫選擇呈正相關，也即與健康狀況很好和較好的家庭相比，健康狀況越差的群體越希望選擇就醫﹔患大病的程度中比較嚴重（β= 10. 872）、一般（β= 0.876）與就醫選擇呈正相關，即患大病越嚴重選擇就醫的概率越大﹔參保類型中所有變量均與就醫選擇呈正相關，即與無參保群體相比，參加公費醫療、商業保險、職工醫保、大病保險和新農合的人群就醫選擇概率更大，但自費醫療與無參保群體的就醫選擇概率相差無幾﹔調研地區中的少數民族自治地方與非自治地方相比，選擇就醫的概率相對要小一點。

　　表6 貴州少數民族地區受訪農村家庭醫療消費兩部模型結果（略）

　　（2）醫療支出模型的對數線性回歸分析

　　在醫療支出模型的對數線性回歸分析中，同樣分為正相關和負相關部分。從回歸系數來看：男性比女性醫療支出多﹔年齡因素中，與30歲及以下的年輕人相比，31~60歲的人醫療支出更高，而61歲及以上的老人不願意有更高醫療支出﹔少數民族與非少數民族比更不願意有更高的醫療支出﹔婚姻狀況中，已婚、喪偶的受訪農村家庭醫療支出遠遠低於未婚受訪農村家庭﹔文化程度因素中與文化程度為大專、本科和碩士及以上的人相比，文化程度越低的農村家庭其醫療支出越低﹔就業狀況中，與鄉村脫產干部相比，在鄉務農為主、勞動年齡但喪失勞動能力和年老不參加勞動的受訪對象醫療支出更低﹔家庭規模中，隨著家庭人口的增多，醫療支出亦會逐漸增多﹔健康狀況中，與健康狀況很好和較好的家庭相比，健康狀況越差的群體醫療支出越高﹔患大病的程度中，患大病越嚴重醫療支出額度越高﹔參保類型中所有變量均與醫療支出呈正相關，即與無參保群體相比，參加公費醫療、商業保險、職工醫保、大病保險和新農合的人群醫療支出更高，自費醫療與無參保群體的醫療支出相當﹔調研地區中少數民族自治地方與非自治地方相比，醫療支出相對要低一些。

　　2.醫療貧困Logistic回歸模型

　　從前文災難性醫療支出致貧和醫療費用支出致貧的相關性分析可知，其得到的結果大致相似。因此，免於贅述，這裡主要從醫療費用支出致貧﹝家庭災難性醫療支出=家庭醫療費用總支出/（家庭總收入-家庭食品支出）≧50%﹞分析。家庭醫療費用總支出/（家庭總收入-家庭食品支出）≧50%簡稱為MEPC，其中通過上文分析可知MEPC致貧率為57.03%。

　　在醫療貧困Logistic回歸模型中，基本與醫療消費結果相似：男性醫療貧困發生率小於女性﹔與30歲及以下的年輕人相比，31~60歲的人更容易發生醫療貧困，而61歲及以上的老人醫療貧困發生率相對較低﹔少數民族比非少數民族醫療貧困率更高﹔已婚、喪偶的受訪農村家庭醫療貧困率遠遠高於未婚受訪農村家庭﹔與文化程度為大專、本科和碩士及以上的人相比，文化程度越低的農村家庭其醫療貧困率更高﹔與鄉村脫產干部相比，在鄉務農為主、勞動年齡但喪失勞動能力和年老不參加勞動的受訪對象醫療貧困率更高﹔隨著家庭人口的增多，醫療貧困率逐漸提高﹔與健康狀況很好和較好的家庭相比，健康狀況越差的群體醫療貧困率越高﹔患大病越嚴重醫療貧困率越高﹔與無參保群體相比，參加公費醫療、商業保險、職工醫保、大病保險和新農合的人群醫療貧困程度更低一點，自費醫療與無參保群體的醫療貧困相當﹔另外，少數民族自治地方與非自治地方相比，貧困率相對要高一點（見表7）。

　　表7 貴州少數民族地區受訪農村家庭醫療貧困Logistic回歸模型結果（略）

　　3.醫療保障反貧困模型

　　醫療消費中主要分為就醫選擇和醫療費用支出﹔醫療貧困中主要分為災難性醫療支出致貧和醫療費用支出致貧。醫療貧困模型大致可以描述為：以“三重醫療保障”為背景，農村貧困人口醫療消費可能導致醫療貧困，其二者受人口因素、社會經濟因素和健康因素的影響。其醫療貧困路徑大致可梳理為：就醫選擇—醫療費用支出—災難性醫療支出致貧—醫療費用支出致貧﹔其醫療救助保障路徑大致為：基本醫療保險—大病保險—醫療救助﹔其醫療保障反貧困路徑為：醫療消費—醫療貧困—醫療保障反貧困，也即就醫選擇—醫療費用支出—災難性醫療支出致貧—醫療費用支出致貧—基本醫療保險—大病保險—醫療救助—其他補充醫療保障。“三重醫療保障”報銷比例近乎90%~95%，輔之其他補充保障，貴州少數民族地區城鄉困難家庭“因病致貧、因病返貧”有望得到緩解。

　　三、結論與討論

　　貴州少數民族農村地區醫療費用支出致貧率為57.03%。其醫療保障反貧困既面臨醫療保障制度自身運行效果的影響，同時還面臨著制度實施環境的影響，這種雙重影響形成了制度內和制度外的相互交織影響模式。從制度內來看，主要涉及“三重醫療保障”中的基本醫療保險、大病保險、醫療救助（包括計生救助等）﹔從制度外來看，主要涉及影響少數民族農村地區居民的能力貧困、健康差異、醫療服務差異、醫療費用支出等。從FGT指數和補償資金使用效率和供給率的減貧效果檢驗發現，“三重醫療保障”減貧效果顯著，新農合減貧效果大於大病保險、大病保險減貧效果大於醫療救助，民族地區醫療保障減貧效果大於非民族地區，新農合基金使用率和供給率均大於大病保險和醫療救助。

　　結合上文分析，本文認為完善貴州少數民族農村地區醫療保障反貧困效果未來發展的總體思路是：以提升減貧效果、增強居民健康質量和強化自我發展能力為總體目標，從醫療保障精准扶貧、減貧、反貧制度內和制度外兩個角度出發，結合制度本身的特點，因地因人施策，充分考慮少數民族的生活習慣、民風民俗、民族醫藥、地理環境、交通條件、教育條件、醫療消費結構、經濟收支差異等，建立適合貴州少數民族地區的醫療保障精准反貧困制度。

﹝參考文獻﹞

　　﹝1﹞ 趙建梅.我國城鎮居民的醫療消費——基於兩階段模型與分位數回歸﹝C﹞.清華醫療管理國際學術會議論文集，2011：281-288.

　　﹝2﹞Foster，J.，Greer，E.，Thorbecke. A Class of Decomposable Poverty Measures﹝J﹞.Econometrica，1984，52（3）.

　　﹝3﹞ 陳迎春，徐錫武等.新型農村合作醫療減緩“因病致貧”效果測量﹝J﹞.中國衛生經濟研究，2005，24（8）：26-28.

　　﹝4﹞ 高建民，周忠良.互助醫療與新型農村合作醫療緩解“因病致貧”的效果比較﹝J﹞.中國衛生經濟，2007，（10）：30-33.