我国城镇人均医疗费用实证分析—计量经济学

6.27 6.40 6.43 6.55 6.67 6.75 6.77

9.15 9.26 9.37 9.53 9.67 9.75 9.85 25.59 25.77 25.90 26.28 26.61 26.90 27.07 15.66 15.68 15.71 15.76 15.80 15.87 15.92 0.03 0.02 0.01 0.04 0.05 -0.01 0.03

我们建立五元回归模型lny＝b1＋b2lnX2＋b3lnX3＋b4lnX4＋b5lnX5＋ei（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，人均可支配收入作为解释变量X2，政府卫生支出作为解释变量X3，卫生人口数作为解释变量X4，CPI列为解释变量X5（以下各步同上），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2-3、表2-4和表2-5所示。

表2-3 模型汇总

模型 R 方 调整 R 方 R 1 .997a .994 .992 a. 预测变量: (常量), lnX5, lnX4, lnX2, lnX3。

表2-4 Anovab 标准 估计的误差 .093399

模型 1 回归 残差 总计 a. 预测变量: (常量), lnX5, lnX4, lnX2, lnX3。 b. 因变量: lny

非标准化系数 标准 误差 B 17.420 6.357 2.020 .150 -.384 .113 -1.262 .458 -1.877 .395 平方和 20.702 .131 20.833 df 4 15 19 均方 5.175 .009 F 593.287 Sig. .000a 表2-5 系数a 模型 1 (常量) lnX2 lnX3 lnX4 lnX5 a. 因变量: lny

据此，可得该回归模型各项数据为

标准系数 试用版 1.330 -.362 -.083 -.113 t 2.740 13.423 -3.392 -2.755 -4.748 Sig. .015 .000 .004 .015 .000 lny＝17.420＋2.020lnX2-0.384lnX3-1.262lnX4-1.877lnX5＋ei 令?＝0.05

我们提出如下假设：

H0：Bi＝0，lnY＝B1+B2lnX2+B3lnX3+B4lnX4+ B5lnX5+μi

5

y＝b1＋b2lnX2＋b3lnX3＋b4lnX4＋b5lnX5＋ei t(bi)~ t0.05(15)

在?水平下，t检验的拒绝域为：〔－∞，－2.131〕和〔2.131，＋∞〕

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：R＝0

F ～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。

2 6

三、模型设定误差分析

对于初始模型：lny＝-7.584+1.493lnX3＋ei Se＝0.585 0.066 t＝-12.958 22.948

R2＝0.966 df＝18

对于添加变量数据的模型（二）

lny＝17.420＋2.020lnX2-0.384lnX3-1.262lnX4-1.877lnX5＋ei Se＝6.357 0.150 0.113 0.458 0.395

T ＝2.740 13.423 －3.392 -2.755 －4.748

R2＝0.994 df ＝15 F ＝ 593.287

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＋ei

7

四、模型结构稳定性检验

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＋ei Se＝6.357 0.150 0.113 0.458 0.395

T ＝2.740 13.423 －3.392 -2.755 －4.748

R2＝0.994 df ＝15 F ＝ 593.287

（1）将样本分为两段，其中第一段数据如表4-1所示

表4-1 1991-2000年数据

年份 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 lny 3.374 3.726 4.041 4.418 4.701 4.965 5.191 5.324 5.504 5.762 lnX2 7.439 7.614 7.855 8.159 8.362 8.484 8.549 8.599 8.658 8.745 lnX3 23.739 23.853 24.027 24.256 24.380 24.555 24.681 24.801 24.884 24.985 lnX4 15.653 15.673 15.694 15.707 15.718 15.723 15.737 15.742 15.746 15.748 lnX5 .050 .083 .149 .223 .155 .084 .031 -.006 -.013 .008

我们建立五元回归模型lny＝b1＋b2lnX2＋b3lnX3＋b4lnX4＋b5lnX5＋ei（相关计算数据参照于表4-1）。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4-2、表4-3和表4-4所示。

表4-2 模型汇总

模型 R 方 调整 R 方 R 1 .999a .997 .995 a. 预测变量: (常量), lnX5, lnX2, lnX4, lnX3。

表4-3 Anovab 标准 估计的误差 .054425

模型 1 回归 残差 总计 a. 预测变量: (常量), lnX5, lnX2, lnX4, lnX3。 b. 因变量: lny

非标准化系数 标准 误差 B -91.601 63.791 .053 .382 1.496 .441 3.776 4.394 平方和 5.681 .015 5.696 df 4 5 9 均方 1.420 .003 F 479.506 Sig. .000a 表4-4 系数a 模型 1 (常量) lnX2 lnX3 lnX4 标准系数 试用版 .031 .825 .155 t -1.436 .138 3.388 .859 Sig. .211 .896 .020 .429 8