计量经济学城镇人均医疗支出毕业论文.docx

计量经济学城镇人均医疗支出毕业论文.docx

《计量经济学城镇人均医疗支出毕业论文.docx》由会员分享，可在线阅读，更多相关《计量经济学城镇人均医疗支出毕业论文.docx（16页珍藏版）》请在冰豆网上搜索。

计量经济学城镇人均医疗支出毕业论文

计量经济学城镇人均医疗支出毕业论文

计量经济学城镇人均医疗支出毕业论文数据处理及模

型分析（课程论文）城镇居民人均医疗保健费用支出因素

的实证分析JIANGXINORMALUNIVERSITYI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；关键字：

人均医疗保健支出；政府卫生支出；CPI;卫生人员数；；卫生人员数；IIAbstractInrecentyears,withtheimprovementofpeopleslivingstandards,peopleareincreasinglyconcernedaboutthepersonalhealthcareissues.Residentslivingconsumptionhasbecomeanimportantpartofhealthcareconsumption,thelevelofhealthcareconsumption,importantreactionischaracterizedbyaregionofacountrylivingstandardsandhealth.Inthispaper,thetimeseriesdataanalysisthroughtheestablishmentoftheeconometricmodel,theurbanpercapitahealthcareexpendituresinChinaforthepast20yearssince.Analysisofurbanpercapitahealthcarespendingandtheurbanpercapitadisposableincome,governmentspendingonhealth,CPIandtherelationshipbetweenthenumberofhealthpersonnel.Keywords:

Percapitahealthcarespending;Governmentexpenditureonhealth;CPI;Thenumberofhealthworkers1目录摘要摘要IABSTRACT.il引言引言1一、模型变量选取及数据来源说明一、模型变量选取及数据来源说明2

（1）模型解释变量

选取.2

（2）模型选取数据来源说明.2二、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二、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4三、人均医疗

保健支出与多解释变量关联度分析三、人均医疗保健支出与多解释变量关联度分析8四、模型设定误差分析四、模型设

定误差分析12五、模型结构稳定性检验五、模型结构稳定性检验13六、模型的自相关诊断及补救六、模型的自相关诊断及补救19

（1）自相关的诊断191.1图示法.191.2杜宾一瓦尔逊检验.201.3游程检验.20七、模型的多重共线性诊断

及补救七、模型的多重共线性诊断及补救22

（1）多重共线性

的诊断221.1R2诊断.221.2解释变量的相关性检验221.3辅助回归22⑵变量转换进行多重共线性的补救28八、预测

模型选择八、预测模型选择32九、选用模型的经济含义九、选用模型的经济含义33参考文献参考文献351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问题。

2一、模型变量选取及数据来源说明

（1）模型解释变

量选取本文是对城镇居民人均医疗保健支出的影响因素分析。

首先我们知道城镇居民人均可支配收入是影响居民消费

支出的重要影响因素，所以我们把可支配收入作为我们实

证分析的第一个解释变量。

其次政府卫生总支出及卫生人员数也是可能影响城镇居

民医疗支出的重要因素，因此我们把他们也作为我们模型分析的解释变量。

我们知道医疗支出方面也涉及到一些医疗服务产品购买问题，所以我们引进了解释变量CPI。

本文主要从以上这几个解释变量来对城镇居民人均医疗

保健支出进行实证分析。

（2）模型选取数据来源说明本文从中国统计年鉴选取

了从1991年到2010年间，城镇居民医疗保健支出、城

镇居民人均可支配收入、政府卫生总支出、卫生人员数及CPI的详细数据。

具体数据如表1所示

表表11991-2010年解释变量与被解释变量详细数据年解

663.10

670.40

673.50

683.40

691.00

199482.903496.20342.28125.01995110.104283.00387.34116.8

1996143.304838.90461.61108.81997179.705160.30523.56103.11998205.205425.10590.0699.40686.301999245.605754.00640.9698.70689.50

2000318.106279.98709.52100.8

2001343.206859.60800.61100.70687.503续表续表1

1991-2010年解释变量与被解释变量详细数据年解释变量与被解释变量详细数据年份人均医疗保健支出（元）城镇

人均可支配收入（元）政府卫生支出（亿元）城镇居民

消费价格指数卫生人员数（万人）2002430.107702.80908.5199.00652.902003476.008472.201116.94100.90621.70

2004528.209421.601293.58103.30633.302005600.9010493.001552.53101.60644.702006620.5011759.501778.86101.50

668.102007699.1013785.802581.58104.50696.40

2008786.2015780.803593.94105.60725.20

2009856.4017174.704816.3099.10778.102010871.8019019.0

05688.64103.20820.804二、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2-1所示。

表表2-11991-2010年人均医疗保健支出和人均可支配收入（单位：

元）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

2009856.4017174.702010871.8019019.005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y=b1+b2X2+

（相关计算数据参照于表InInie2-1），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。

表表2-2经过对数处理后的数据经过对数处理后的数据

年份LnyLnX2LnX3LnX4LnX519913.377.4423.7415.650.0519923.737.6123.8515.670.0819934.047.8524.0315.690.15

19944.428.1624.2615.710.2219954.708.3624.3815.720.16

20046.279.1525.5915.660.0320056.409.2625.7715.680.026

续表续表2-2经过对数处理后的数据经过对数处理后的数

据年份LnyLnX2LnX3LnX4LnX52006

6.439.3725.9015.710.0120076.559.5326.2815.760.042008

6.679.6726.6115.800.0520096.759.7526.9015.87-0.012010

6.779.8527.0715.920.03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2-2、表2-3和

表2-4所示。

表表2-2模型汇总模型汇总模型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。

表表2-3Anova（（b））模型平方和df均方FSig.回归20.117120.117506.176.000a残差.71518.0401总计20.83319a.预测变量：

（常量）,Lnx2。

b.因变量：

Lny7表表2-4系数（系数（a））非标准化系数标准系数模型B标准误差试用版tSig.（常量）-7.584.585-12.958.0001Lnx21.493.066.98322.498.000a.

因变量：

Lny据此，可得该回归模型各项数据为：

b2=1.493bl==&4221nlnybx==0,040222ienVar（b1）=0.342Se（bl）==0.5851（）VarbVar

（b2）=0.004Se（b2）==0.0662（）Varbt（b1）==

-12.95811（）bSebt（b2）==22.49822（）bSeb=0.9662Rdf=18模型为：

lny=-7.584+1.493lnX3+ie令=0.05,在=0.05的水平

下，t检验的拒绝域为：

〔一汽一2.101〕和〔2.101,+E所以t（b1）、t

（b2）均落在拒绝域中，拒绝原假设，即常数项和X2对于

模型均有意义。

对于该模型的经济意义解释如下：

平均而言，在其他条件不变的情况下，人均可支配收入每

变动一个百分点，将引起人均医疗保健支出变动1.493个

百分点。

并且，该模型反映了96.6%的真实情况。

8三、人均医疗保健支出与多解释变量关联度分析为了

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、政府卫生支出、卫生人员数、CPI

数据的统计资料。

具体数据如表3-1所示

表表3-1年份人均医疗保健支出（元）城镇人均可支配收入（元）政府卫生支出（亿元）城镇居民消费价格指

数卫生人员数（万人）199129.201700.60204.10105.10

627.80199241.502026.60228.61108.60640.90199356.90

2577.40272.06116.10654.10199482.903496.20342.28125.00663.101995110.104283.00387.34116.80670.401996143.304838.90461.61108.80673.501997179.705160.30523.56103.10683.401998205.205425.10590.0699.40686.30

1999245.605754.00640.9698.70689.502000318.106279.98709.52100.80691.00200129.201700.60204.10105.10627.80200241.502026.60228.61108.60640.90200356.902577.40272.06116.10654.10200482.903496.20342.28125.00663.10

2005110.104283.00387.34116.80670.402006143.304838.90461.61108.80673.502007179.705160.30523.56103.10

683.402008205.205425.10590.0699.40686.302009245.60

5754.00640.9698.70689.502010318.106279.98709.52

100.80691.009将上述数据经对数处理后的数据如表3-2

们建立五元回归模型Lny=b1+b2LnX2+b3LnX3+

b4LnX4+b5LnX5+ie（相关计算数据参照于表2-1）。

我们将人均医疗保健支出作为被解释变量y，人均可支配

收10入作为解释变量X2，政府卫生支出作为解释变量

表3-5所示。

表表3-3模型汇总模型汇总模型RR方调整R方标准估计的误差1.997a.994.992.093399预测变量：

（常量）,LnX5,

LnX4,LnX2,LnX3。

表表3-4Anovab模型平方和Df均方FSig.回归

20.70245.175593.287.000a残差.13115.0091总计20.83319a.预测变量：

（常量）,LnX5,LnX4,LnX2,LnX3。

b.因变量：

Lny表表3-5系数系数a非标准化系数标准系数模型B标准误差试用版tSig.（常

量）17.4206.3572.740.015LnX22.020.1501.33013.423.000

LnX3-.384.113-.362-3.392.004LnX4-1.262.458-.083-2.755.015

1LnX5-1.877.395-.113-4.748.000a.因变量：

Lny11据此，可得该回归模型各项数据为Lny=17.420+2.020LnX2-0.384LnX3-1.262LnX4-1.877LnX5+ie令=0*05我们提出如下假设：

H0:

Bi=0,LnY=B1+B2LnX2+B3LnX3+B4LnX4+B5LnX5+卩iy

=b1+b2LnX2+b3LnX3+b4LnX4+b5LnX5+iet（bi）〜t0.025（15）在水平下，t检验的拒绝域为：

〔—迄-2.131〕和〔2.131,+2因为t（b1）、t（b2）、

t（b3）、t（b4）、t（b5）均落在拒绝域中，所以拒绝原

假设，说明X2与X3、X4、X5对y的影响是均是显著的，。

联合假设检验：

H0:

2R=0F〜F0.05（4,15）在水平下，查F分布表得F0.05

（4,15）=4.89，所以回归方程总体上是显著的。

对于该模型的经济意义解释如下：

平均而言，在其他条件不变的情况下，人均可支配收入每

变动一个百分点，将人均医疗保健支出变动2.020个百分点；在其他条件不变的情况下，政府卫生支出每变动一个

百分点，将引起人均医疗保健支出变动-0.384个百分点。

在其他条件不变的情况下，卫生人员数每变动一个百分

点，将引起人均医疗保健支出变动-1.262个百分点。

在其他条件不变的情况下，CPI每变动一个百分点，将

引起人均医疗保健支出变动-1.877个百分点。

并且该模型反映了99.4%的真实情况。

12四、模型设定误差分析对于初始模型：

Lny=-7.584+1.493LnX3+ieSe=0.5850.066t=-12.95822.948=0.966df=182R对于添加解释变量数据的模型

（二）Lny=17.420+

2.020LnX2-0.384LnX3-1.262LnX4-1.877LnX5+ieSe=6.3570.1500.1130.4580.395t=2.74013.423-3.392-2.755-4.748=0.994df=15F=593.2872R通过比较可以发现：

1.在模型

（一）的基础上引入变量LnX3、LnX4、LnX5后，模型

（二）

中各参数的t检验值都在拒绝域内，即假设检验显著，模型

（二）的拟合优度也有所提高，并且模型二的参数符号

也与经济意义相符。

综上所述，最终的法定准备金以模型

（二）为最优，即Lny

=17.420+2.020LnX2-0.384LnX3-1.262LnX4-1.877LnX5+i

e13五、模型结构稳定性检验通过对样本进行回归分析，

依据前面步骤可得出以下数据：

Lny=17.420+

2.020LnX2-0.384LnX3-1.262LnX4-1.877LnX5+ieSe=

6.3570.1500.1130.4580.395T=2.74013.423-3.392-2.755-4.7482R=0.994df=15F=593.287

（1）将样本分为两段，其中第一段数据如表5-1所示表表5-1

1991-2000年数据年数据年份LnyLnX2LnX3LnX4LnX5

19913.377.4423.7415.650.0519923.737.6123.8515.670.0819934.047.8624.0315.690.1519944.428.1624.2615.710.2219954.708.3624.3815.720.1619964.978.4824.5615.720.0819975.198.5524.6815.740.0319985.328.6024.8015.74-0.0119995.508.6624.8815.75-0.0120005.768.7524.9915.750.01我们建立五元回归模型Lny=b1+b2LnX2+

b3LnX3+b4LnX4+b5LnX5+ie（相关计算数据参照于表5-1）。

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5-2、表5-3和表5-4所示。

14表表5-2模型汇总模型汇总模型RR方调整R方标准估计的误差1.999a.997.995.054425表表5-3Anovab模型平方和df均方FSig.回归5.68141.420479.506.000a残差.0155.0031总计5.6969表表5-4系数系数a非标准化系数标准系数模型B标准误差试用版tSig.常量

LnX31.496.441.8253.388.020LnX43.7764.394.155.859.4291

LnX5.181.481.018.377.722a.因变量:

Lny可得该回归模型为：

Lny=-91.601+0.053LnX2+1.496LnX3+3.776LnX4+

0.181LnX5+ie;令二0卫5我们提出如下假设：

15H0:

Bi=0,丫=B1+B2LnX2+B3LnX3+B4LnX4+B5LnX5+yiy=b1+b2Lnx3+b3Lnx3+b4Lnx4+b5Lnx5+iet（bi）〜t0.025（5）在水平下，t检验的拒绝域为：

〔―迄-2.571〕和〔2.571,+E除去t（b3）,t（b1）、

t（b2）、t（b4）均落在非拒绝域中，不拒绝原假设，即截

距项、X2、X4对于模型均没有意义。

联合假设检验：

H0:

2R=0F〜F0.05（4,6）在水平下，模型中的F值落

在F检验的右侧拒绝域〔4.53,+2中，因为F=479.506,所以拒绝原假设，即2R0，回归方程是总体显著的。

（2）第二段数据如表5-5所示。

表表5-52001-2010年数据年数据年份

LnyLnX2LnX3LnX4LnX520015.848.8325.1115.740.0120026.068.9525.2315.69-0.0120036.179.0525.4415.640.0120046.279.1525.5915.660.0320056.409.2625.7715.68

0.0216续表续表5-52001-2010年数据年数据年份LnyLnX2LnX3LnX4LnX520066.439.3725.9015.720.0220076.559.5326.2815.760.0420086.679.6726.6115.800.0520096.759.7526.9015.87-0.0120106.779.8527.0715.92

0.03我们建立五元回归模型Lny=b1+b2LnX2+b3LnX3

+b4LnX4+b5LnX5+ie（相关计算数据参照于表5-1）。

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5-6、表5-7和表5-8所示。

表表5-6模型汇总模型汇总模型RR方调整R方标准

估计的误差1.999a.997.995.022428预测变量：

（常量）,LnX5,LnX4,LnX2,LnX3。

表表5-7Anovab模型平方和df均方FSig.回归.