6.3.1 基于居民健康促进的面板数据分析
1.面板数据模型的建立
基于各因素对配置效率的影响程度和计量分析结果的筛选，所构建的面板数据模型为：
在方程6—1中，i为31个省份（包括省、自治区、直辖市）；t为时期，代表2008～2012年；β为各解释变量的系数；EFHE为基于居民健康促进的医疗卫生服务配置效率，PERF为人均财政医疗卫生支出，HEAF为医疗支出占财政支出比重，HEAG为医疗支出占地区生产总值比重，RINC为农村居民人均收入水平，URB为城镇化水平，uit为随机扰动项。
2.数据说明
（1）基于居民健康促进的医疗卫生服务配置效率（EFHE）。本指标根据2008～2012年全国31个省份基于居民健康促进状况的医疗卫生服务政府供给的配置效率指标来反映，这一指标数据直接采用Deap2.0软件的DEA分析结果。
（2）人均财政医疗卫生支出（PERF）。人均财政医疗卫生支出=地方财政医疗卫生支出÷年末常住人口。该指标根据2009～2013年《中国统计年鉴》地方财政医疗卫生支出、年末常住人口的有关数据计算而得。
（3）医疗支出占财政支出比重（HEAF）。医疗支出占财政支出比重=地方财政医疗卫生支出÷地方财政支出。该指标根据2009～2013年《中国统计年鉴》地方财政医疗卫生支出、地方财政支出的有关数据计算而得。
（4）医疗支出占地区生产总值比重（HEAG）。医疗支出占地区生产总值比重=地方财政医疗卫生支出÷地区生产总值。该指标根据2009～2013年《中国统计年鉴》地方财政医疗卫生支出、地区生产总值的有关数据计算而得。
（5）农村居民人均收入水平（RINC）。用来考察农村居民收入水平对基于居民健康促进的医疗卫生服务配置效率的影响，由2009～2013年《中国统计年鉴》各地区农村居民人均收入水平的有关数据获得。
（6）城镇化水平（URB）。用地方非农业人口占地区年末常住人口的比重来反映，主要用来考察城镇化水平的差异对基于居民健康促进的医疗卫生服务配置效应的影响，该指标数据根据2009～2013年《中国统计年鉴》各地区非农业人口、年末常住人口的有关数据计算获得。
3.数据描述
表6-35给出了EFHE、PERF、HEAF、HEAG、RINC和URB六个变量的均值、标准差、最小值、最大值和观测数目。
从均值来看，EFHE的均值为0.9233、PERF的均值为442.3943元、HEAF的均值为6.35%、HEAG的均值为1.51%、RINC的均值为6587.2120元、URB的均值为50.83%。
从标准差来看，六个变量的组间标准差均大于组内标准差，说明个体（省份）变化程度大于时间变化程度，表明31个省份在五年内EFHE、PERF、HEAF、HEAG、RINC和URB六个变量的变化较大，而不同省份间EFHE、PERF、HEAF、HEAG、RINC和URB六个变量的差别变化相对较小。
表6-35 基于居民健康促进的面板数据特征
从最小值来看，EFHE、PERF、HEAF、HEAG、RINC和URB六个变量的总体最小值小于组间最小值；除PERF、HEAG两个变量的总体最小值大于组内最小值外，其余EFHE、HEAF、RINC和URB四个变量的总体最小值均小于组内最小值；除EFHE、RINC、URB三个变量的组间最小值小于组内最小值外，PERF、HEAF、HEAG三个变量的组间最小值大于组内最小值，表明EFHE、RINC、URB三个变量因时间而变的最小值水平大于因个体（省份）而变的最小值水平，PERF、HEAF、HEAG三个变量因时间而变的最小值水平小于因个体（省份）而变的最小值水平。
从最大值来看，除EFHE外，PERF、HEAF、HEAG、RINC和URB五个变量的总体最大值大于组间最大值和组内最大值；除EFHE外，PERF、HEAF、HEAG、RINC、URB五个变量的组间最大值大于组内最大值，表明因个体（省份）而变的最大值水平大于因时间而变的最大值水平。
4.实证分析过程与结论(https://www.daowen.com)
（1）固定效应的面板数据模型
表6-36 基于居民健康促进的面板数据的固定效应模型估计
注：F（5，119）= 26.79，Prob > F = 0.0000。
依据表6-36固定效应模型的估计结果，PERF的系数为-0.00025，表明人均财政医疗卫生支出每增加1元，EFHE下降0.025%；HEAF的系数为-5.48050，表明医疗支出占财政支出比重每增加1%，EFHE却下降5.48%；HEAG的系数为8.07127，表明医疗支出占地区生产总值比重每增加1%，EFHE上升8.07%；RINC系数为0.00003，表明农村居民人均收入每增加1元，EFHE上升0.003%；URB系数为1.01942，表明城镇化水平每增加1%，EFHE上升1.02%。PERF、HEAF、HEAG、RINC和URB对EFHE都存在影响，其中PERF、HEAF对EFHE是负向影响（HEAF的负向影响程度最大），而HEAG、RINC和URB对EFHE是正向影响（HEAG的正向影响程度最大）。
（2）随机效应的面板数据模型
表6-37 基于居民健康促进的面板数据的随机效应模型估计
注：Wald chi2（5） =54.18，Prob > chi2 =0.0000。
依据表6-37随机效应模型的估计结果，PERF的系数为-0.00002，表明人均财政医疗卫生支出每增加1元，EFHE下降0.002%；HEAF的系数为-3.70204，表明医疗支出占财政支出比重每增加1%，EFHE却下降3.7%；HEAG的系数为1.24946，表明医疗支出占地区生产总值比重每增加1%，EFHE上升1.25%；RINC系数为0.00002，表明农村居民人均收入每增加1元，EFHE上升0.002%；URB系数为-0.35589，表明城镇化水平每增加1%，EFHE下降0.36%。PERF、HEAF、HEAG、RINC和URB对EFHE都存在影响，其中PERF、HEAF、URB对EFHE是负向影响（HEAF的负向影响程度最大），HEAG、RINC对EFHE是正向影响（HEAG的正向影响程度最大）。
（3）Hausman检验结果
如表6-38所示，随机效应模型与固定效应模型相比，PERF、HEAF对EFHE影响都是负向影响，但固定效应模型下的负向影响程度要大些；HEAG、RINC对EFHE影响都是正向影响，但固定效应模型下的正向影响程度要大些；URB对EFHE的影响在固定效应模型下是正向影响，在随机效应模型下是负向影响。
表6-38 基于居民健康促进的面板数据的Hausman检验结果
注：Test： H0： difference in coefficients not systematic；
chi2（3）= （b-B）'[（V_b-V_B）^（-1）]（b-B） = 31.07；
Prob>chi2 = 0.0000。
究竟是选择固定效应模型还是选择随机效应模型，本节采用Hausman检验结果来判断。由表6-38的Hausman检验结果来看，chi2（3）的值为31.07，接受原假设的概率为0，因此在5%的显著水平下拒绝原假设，应当采用固定效应模型。
在固定效应模型下，为更准确反映PERF、HEAF、HEAG、RINC、URB对EFHE的影响，模型采用了稳健性的估计方法，有关估计结果见表6-39。
表6-39 基于居民健康促进的面板数据的固定效应分析（稳健性估计）
注：F（5，30）= 13.25，Prob > F = 0.0000。