6.3.2 基于医疗机构服务促进的面板数据分析
1.面板数据模型的建立
基于各因素的影响程度，所构建的面板数据模型为：
在方程6-2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；EFRG为基于医疗机构服务促进的医疗卫生服务配置效率，CHE为城镇居民人均医疗消费支出，URB为城镇化水平，POPR为人口增长水平，uit为随机扰动项。
2.数据说明
（1）基于医疗机构服务促进的医疗卫生服务配置效率（EFRG）。本指标根据2008～2012年全国31个省份基于医疗机构服务促进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）城镇居民人均医疗消费支出（CHE）。用来考察城镇居民医疗消费支出状况对基于医疗机构服务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》各地区城镇居民人均医疗消费支出的有关数据获得。
（3）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差异对基于医疗机构服务促进的医疗卫生服务配置效率的影响，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。
（4）人口增长水平（POPR）。主要用来考察人口增长状况对基于医疗机构服务促进的医疗卫生服务配置效率的影响，该指标数据根据2009～2013年《中国统计年鉴》各地区人口自然增长率的有关数据计算获得。
3.数据描述
表6-40给出了EFRG、CHE、URB、POPR四个个变量的均值、标准差、最小值、最大值和观测数目。
从均值来看，EFRG的均值为0.8632、CHE的均值为885.16元、URB的均值为50.83%、POPR的均值为5.42%。
表6-40 基于医疗机构服务促进的面板数据特征表
从标准差来看，EFRG的组间标准差均小于组内标准差，说明个体（省份）变化程度小于时间变化程度，表明31个省份在五年内EFRG的变化较小，而不同省份间EFRG的差别变化相对较大；CHE、URB、POPR三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CHE、URB、POPR三个变量的变化较大，而不同省份间CHE、URB、POPR三个变量的差别变化相对较小。
从最小值来看，EFRG、CHE、URB、POPR四个变量的总体最小值小于组间最小值和组内最小值；除EFRG组间最小值大于组内最小值外，CHE、URB、POPR三个变量的组间最小值小于组内最小值，表明EFRG因个体（省份）而变的最小值水平大于因时间而变的最小值水平，CHE、URB、POPR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。
从最大值来看，EFRG、CHE、URB、POPR四个变量的总体最大值大于组间最大值，CHE、URB、POPR三个变量的总体最大值大于组内最大值；EFRG变量的组间最大值小于组内最大值，表明因个体（省份）而变的最大值水平小于因时间而变的最大值水平；CHE、URB、POPR三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
（1）固定效应的面板数据模型
表6-41 基于医疗机构服务改进的面板数据的固定效应模型估计(https://www.daowen.com)
注：F（3，121）=2.01，Prob > F = 0.1166。
依据表6-41固定效应模型的估计结果，CHE、URB、POPR对EFRG都有影响，其中URB对EFRG具有负向影响，CHE、POPR对EFRG具有正向影响。在三个变量中，CHE对EFRG的影响非常微弱，URB、POPR对EFRG的影响最大。URB的系数为-1.71672，表明城镇化水平每增加1%，EFRG下降1.72%。POPR的系数为5.05067，表明人口增长水平每增加1%，EFRG上升5.05%。
就计量结果来看，城镇化水平URB的提高反而导致了基于医疗机构服务促进的医疗卫生服务配置效率EFRG的降低，这是因为在农村居民低收入水平和农村医疗卫生服务资源投入不足的前提下，城镇化水平的提高可能不会立即提高农村地区医疗卫生服务配置效率，反而会导致农村居民人均医疗消费支出的增加。城镇居民人均医疗消费支出CHE的增加导致了基于医疗机构服务促进的医疗卫生服务配置效率EFRG的提高，这是因为城镇配置医疗卫生服务资源较多（尤其是财政医疗卫生投入）的情况下，城镇居民人均医疗消费支出的增加意味着城镇居民可以获得更多的医疗卫生服务和更好地满足多样化的医疗卫生服务需求，从而表现为医疗卫生服务资源配置效率的提高。人口增长水平POPR的提高也促使了医疗卫生服务配置效率的提高，这是因为在实现“人人享有基本医疗卫生服务”目标的驱动下，人口增长水平的提高会促使政府根据人口增长水平调整医疗卫生服务资源的配置结构，从而提高了医疗卫生服务的配置效率。
（2）随机效应的面板数据模型
表6-42 基于医疗机构服务改进的面板数据的随机效应模型估计
注：Wald chi2（5） =0.16，Prob > chi2 =0.9832。
依据表6-42随机效应模型的估计结果，URB对EFRG具有负向影响，CHE、POPR对EFRG具有正向影响。CHE对EFRG的影响非常微弱，URB、POPR对EFRG的影响相对较大。URB的系数为-0.03172，表明城镇化水平每增加1%，EFRG下降0.03%。POPR的系数为0.05754，表明人口增长水平每增加1%，EFRG上升0.05%。
（3）Hausman检验结果
表6-43 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） = 6.03；
Prob>chi2 = 0.0490。
如表6-43所示，在随机效应模型与固定效应模型下，CHE、URB、POPR对EFRG的影响方向相同，但在固定效应模型下估计结果的影响程度要大于随机效应模型下的估计结果的影响程度。例如，固定效应模型下URB、POPR的系数分别为-1.71672和5.05067，而随机效应模型下URB、POPR的系数分别为-0.03172和0.05754，差额分别为-1.68499和4.99313。
由表6-43的Hausman检验结果来看，chi2（3）的值为6.03，接受原假设的概率为0.0490，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CHE、URB、POPR对EFRG的影响，模型采用了稳健性的估计方法，有关估计结果见表6-44。由表6-44可以看出，固定效应模型稳健性的估计结果的标准差要小些，估计结果相对精确些。
表6-44 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（3，30）=2.36，Prob > F = 0.0913。