李丁1，肖翰2，马双3，张江雪4
西南财经大学公共管理学院
西南财经大学经济学院
广州大学经济与统计学院
北京师范大学经济与资源管理研究院/城市绿色发展科技战略研究北京重点实验室
Ding Li, Han Xiao, Shuang Ma*, Jiangxue Zhang
Health Benefits of Air Quality Improvement: Empirical Research Based on Medical Insurance Reimbursement Data. Front. Public Health,2022. 10:855457.
DOI: 10.3389/fpubh.2022.855457
1. 摘要
测算空气质量改善的健康收益，是评价政府污染治理投入的新视角，本文首次使用某省会城市的医保报销数据来进行测算。基于对Grossman的健康投入模型的改进，本文将医疗费用节省作为健康收益评估的主体，并纳入了由于就诊导致的收入机会成本损失，进一步扩大了健康收益的外延。实证回归使用逆温强度作为工具变量缓解了空气污染效果识别的内生性问题。研究发现：1.PM2.5浓度每下降10μg/m3，呼吸系统和循环系统疾病患者的医疗支出将下降16%、就诊天数下降14%，对应患者的平均医疗成本将减少1699元，正常工作生活时长损失减少1.24天。2.基于空气污染在病种之间的作用差异，本文构建了双重差分模型进行稳健型检验，并且在基准回归的基础上考虑了数据结构、患者分布以及空气污染预警的影响之后结果依然显著。3.PM2.5对呼吸系统慢性病患者和循环系统住院患者的影响更为显著，空气质量改善主要减少了药品费用和诊疗费用的支出。4.空气质量改善能同时降低医保基金和患者自身的负担，表现为PM2.5每下降10μg/m3，平均每位患者的医保支出将节省1501元，实际个人负担的医疗费用将减少368元，且医保报销率更高的城职保患者受空气质量变化的影响更大。5.若该市PM2.5浓度下降到35μg/m3的标准，全年将会带来超过12.78亿元的健康收益，约占该市全年环保投资金额的18%，节省的医保支出约占该市全年医保基金支出的10%。
2. 引言
大气污染防治是当前诸多发展中国家生态环境建设的重点，由于大气污染导致的医疗成本在世界范围内得到更高的重视，现有研究已经构建了成熟的空气污染与健康结果的研究框架，发现空气污染会带来更高的婴儿死亡率、更高的患病率以及更高的医疗支出 (Currie et al, 2009；Janke, 2014; Greenstone and Hanna, 2014; Tanaka, 2015; Arceo, et al. 2016; Schlenker and Walker, 2016; Jans et al, 2018; Deryugin et al, 2019; Deschênes et al, 2020；DeCicca and Malak, 2020; Fan et al., 2020; He et al., 2020; Giaccherini et al., 2020)
然而，现有研究的视角普遍是从“差的空气质量——差的健康结果”的关系出发进行研究，评价“变好的空气质量”同样具有研究的意义，尤其对于经历过经济粗放式发展的发展中国家来说。中国经历了奇迹般的经济增长，与之伴随的是大气污染的沉重代价，2013年，中国政府出台了关于大气防治行动计划的通知，制定了开展大气污染系统治理的方案纲领，要求到2017年，全国地级及以上城市可吸入颗粒物浓度比2012年下降10%以上。现有的评估性研究也普遍发现这超过600亿人民币的投入换来了空气质量的明显改善(黎文靖和郑曼妮，2016；石光等，2016；宋弘等，2019；王岭等，2019)，但是对于政府而言，空气污染数字的降低是无意义的，还需要进一步研究来评价这一环境公共财政的投入效果，已有研究从供给侧的角度讨论了空气质量改善对于提升生产率的作用(Fu et al. 2021)，但是在需求侧健康收益的层面依旧值得进一步探讨。
现有研究普遍发现空气污染促使了口罩和空气净化器销量的提升(Sun et al., 2017;Zhang and Mu, 2018;Ito and Zhang, 2020)以及商业保险购买的提升(Chang; 2018)。环境信息的公开披露提高了民众的整体健康意识和健康投入，与之伴随的应对空气污染的主动防御性投入也在不断增多(Barwick et al. 2019)，由于消费惯性的存在，对于有能力进行自我防御的人群来说，空气质量的改善并不会改变其既有的消费习惯。相反对于没有足够的能力进行自我防御的人群，长期暴露在空气污染中导致的健康成本使其承担了更多粗放式发展的代价，这也是在环境信息公开披露之前中国家庭应对空气污染的主要方式，因此可以预见，空气质量的改善首先降低的不是防御性投入的支出，而是更为直接的医疗支出。
本文从一个新视角评价了环境治理投入的收益。在个人的层面，空气质量的改善主要表现为医疗支出的下降，本文使用呼吸系统疾病和循环系统疾病两大主要的空气污染相关的疾病进行分析。此外，本文还根据Grossman(1972)健康投入模型在医疗支出的基础上引入工作时长损失的概念，即空气污染可能导致患者由于治疗疾病从而带来了对应时间的工资收入损失，Chen et al.(2017)在关注空气污染与移民行为的文章中也讨论到了劳动者面对空气污染可能会选择放弃收入，即空气污染在健康成本以外带来的额外经济成本，这一机会成本的概念扩大了对健康收益的传统评价范围。在政府的层面，财政投入通常在不同部门之间是相互独立的，但是环保与医疗部门之间的联系是显而易见的，本文也评估了环保投入是否能够带来的医保部门支出的节省，这一层关系的确立有利于政府更好地发挥财政投入的乘数效应。
3. 数据和变量
3.1 衡量患者面临的空气污染
样本城市2015年-2017年的污染指标描述如表1所示，NO2和颗粒物污染均高于二级年平均标准，其中颗粒物污染超标十分严重，PM10和PM2.5均高于二级年平均标准20μg/m3以上。2015年至2017年间有30%左右的天数为轻度及以上污染，10%左右为中度及以上污染，PM10有16%的天数超过二级24小时平均标准，PM2.5的超标频率则达到了25%。根据该市2016年环境质量公报，该市空气质量在全国同类74个城市中排名中下游。
本文将PM2.5作为空气污染的代理指标。由于样本城市的主要污染为颗粒污染物，其中PM2.5相比PM10不仅更难被防御，而且对人体有更大的危害(Liu et al., 2019)。本文根据每位患者的就诊时间匹配了PM2.5浓度，并进一步做了以下两步处理：为保证空气质量与患者分布的一致性，本文使用了位于城区核心地段的国控监测站的污染数据，通过将不同监测站的数据在日度上进行平均得到样本城市核心城区当日的PM2.5浓度，进而匹配位于城市核心圈层的公立医院患者。二是先将日度空气污染指标进行了向前的移动平均，再匹配到患者的入院日期上，以反映空气污染作用的时间过程，根据现有文献和窗口期敏感性检验结果，本文选取了7天作为移动平均的窗口。
表1 样本城市空气污染状况
3.2 健康收益的衡量
本文使用了某省会城市公立医院的医保明细报销数据来具体衡量健康收益。这一数据库共有费用明细563,383,685条，包含每笔支出的发生时间、费用、患者就诊类型、患者报销类型以及确诊病种等信息。数据共包括就诊人次1,766,690人次，总就诊人数为869,781人。数据包括了发生医保报销记录的住院患者和特殊门诊患者，与当地卫生机构发布的统计公报对比发现，2016年的样本约占当年全市就诊人次的47.2%，没有囊括的就诊人次主要为没有医保或者没有使用医保账户进行支付的患者（例如普通门诊）。
参考已有文献(Pope, 2000; Wu et al., 2018; Brunekreef and Holgate, 2002; Qiu et al., 2018)，为保证空气污染作用识别的准确性，后续回归只使用了第一确诊病症为呼吸系统疾病和循环系统疾病的患者样本。循环系统疾病和呼吸系统疾病的就诊人次分别是213804次和313840次，在就诊总人次中分别占18%和12%，位居22个大病种的第一位和第三位。具体描述统计如表2所示：
表2 变量描述性统计
4. 实证方法
尽管空气质量对于个人行为来说是相对外生的变量，但是个人的空气污染暴露程度则可能是内生的，如果存在同时影响个体空气污染暴露程度与患者医疗支出的因素，则会使估计系数存在遗漏变量偏误，本文主要通过控制固定效应和使用工具变量的方法来得到一致性估计。本文控制的固定效应主要包括医院固定效应、6位ICD-10编码的病种固定效应，周末、月份、季节等时间固定效应。
对于工作场所的变动以及突发的公共事件等可能发生的既影响患者空气污染暴露又影响就诊费用的短期冲击，固定效应无法吸收这些因素的影响( Barwick et al. 2018)，因此本文进一步在回归中加入了工具变量。本文结合数据情况，选取了逆温强度作为工具变量。
逆温是大气层中出现的大气温度上热下冷的现象，形成的逆温层会阻碍污染物的扩散，而逆温现象除了通过影响污染扩散的渠道并不会直接对人体造成影响，因此逆温也成为现有空气污染研究中广泛使用的工具变量(Arceo et al., 2016; Fu et al., 2017; Chen et al., 2018; Liu and Salvo, 2018; Qin et al., 2019; Sager, 2019；沈煜和孙文凯，2020；吴超鹏等，2020)。基于NASA-MERRA2的数据库获取了由遥感卫星记录的925hpa层的大气温度和对应经纬度的地表温度数据，本文将样本城市范围内的所有栅格的逆温强度数据在日度上进行算术平均则得到了对应日期的逆温强度，相比传统以逆温发生频率作为逆温衡量标准的方法，逆温强度包含了更丰富的信息，能够更好地反映实际的逆温现象(Sager, 2019)。
本文的基准回归方程如下，脚标i表示随个体变化的变量，脚标t表示随个体变化的变量，其中costit包括就诊费用和就诊天数，均做取对数处理，PM2.5t为窗口期内的平均PM2.5，weathert 包含了日照日数、地表气温、气压、相对湿度、气温、蒸发量以及风速等会对呼吸系统疾病或循环系统疾病产生影响的气候变量 (Tian et al., 2018; Liu et al., 2019; Wang et.al, 2019)，pollutiont为表2中展示的其他的空气污染指标，包括二氧化硫、二氧化氮、一氧化碳、臭氧以及PM2.5-10的浓度，以上指标均取就诊前7天的移动平均，Xi为其余控制变量，包括就诊类型、保险类型以及就诊天数。
5. 实证结果
基准回归结果如表3所示，第一列是两阶段最小二乘(2SLS)第一阶段的回归结果，回归显示逆温强度对PM2.5有显著的正向影响，同预期一致，同时一阶段回归的Kleibergen-Paap rk Wald F值也远高于满足工具变量与内生变量相关性要求的临界值，拒绝了弱工具变量的假设，说明2SLS回归的结果是可靠的。第二列和第三列则是使用工具变量之后PM2.5对患者就诊费用和就诊天数的影响，系数表示PM2.5每下降10μg/m3，呼吸系统疾病和循环系统疾病患者的就诊费用将下降16%，就诊天数将下降14%，均在1%的水平下显著。对应到具体的数值上则是PM2.5每下降10μg/m3，患者的平均医疗成本将减少1699元，正常工作生活时长损失减少1.24天。
表3 基准回归
稳健性检验包括以下5个方面：
1.替换使用风速作为工具变量；
2. 构建双重差分模型，通过PM2.5在不同病种间的影响差异来检验空气污染的时效变化；
3. 只保留周二、周四、周六即隔日就诊的患者，扩大患者之间在核心解释变量上的差异；
4. 剔除了总就诊人次排名前10的医院以尽量规避外地就诊人口的影响；
5. 加入空气污染的预警虚拟变量（AQI超标频率）以控制回避行为的影响，经过上述稳健性检验，本文的回归系数和显著性基本稳健。
异质性分析包括以下三个方面：
1. 疾病类型。根据ICD-10编码将病种区分为急性疾病和慢性疾病考察PM2.5的作用差异，全病种下PM2.5对呼吸系统疾病患者的就诊费用有显著的影响，总体略高于表3基准回归中的系数，区分急性疾病和慢性疾病则显示PM2.5对慢性疾病的患者有更大的影响，这可能是因为慢性病患者长期处于亚健康的状况，本身属于对空气污染敏感度更高的人群，所以短期的空气污染暴露更容易导致疾病的复发
2. 患者类型。PM2.5对整体循环系统疾病患者的就诊费用有显著的影响，影响系数略低于呼吸系统疾病，进一步区分患者类型则显示PM2.5对循环系统住院患者的费用在统计上有更显著的影响，这部分人群同呼吸系统慢性疾病患者一样都属于空气污染的易感人群，因此受PM2.5影响较为明显；而特殊门诊患者不显著则主要是因为循环系统疾病的特殊门诊患者主要为长期慢性病患者（例如高血压和心脏病），其治疗方式主要为定期前往医院开药的药物治疗，因此就诊费用受短期环境变化的影响较小。
3. 费用类型。PM2.5对药品费用和诊疗费用有更显著的影响，说明空气污染主要增加了药品和医疗检查方面的支出，对手术等治疗方式的影响相对较小。在当前医疗改革背景下，空气质量的改善也将有利于促进药占比的降低。
异质性分析结果如表4:
表4 异质性分析：疾病类型、患者类型以及费用类型
6. 进一步讨论
（1）患者的真实负担
根据患者支付的明细种类，本文可以将费用区分为报销费用和自付费用，其中报销费用是由医保统筹基金支付的部分，自付费用是指患者就诊总费用中去除医保支付部分之后需要患者个人承担的部分，是可报销项目中的挂钩自付费用和不可报销项目中的个人自付费用加总之后的费用，可以反映患者自身对就诊费用的支付压力。表5panel A列（2）（3）分别是对报销费用和自付费用的影响，回归系数均在1%水平下显著，换算到具体金额上，PM2.5每下降10μg/m3，平均每位患者的医保支出将节省1501元，实际个人负担的医疗费用将减少368元。
（2）保险类型差异引致的“道德风险”问题
患者在保险类型上存在着城镇职工医疗保险和城乡居民医疗保险两个分类，其中城镇职工医保的报销率高于城乡居民医保。PM2.5与报销类型的交互项回归结果如表5 Panel B，不同支付方式下交互项回归系数均显著为正，即说明PM2.5对城职保患者医疗支出的正向影响要显著高于城乡居民医保患者。这一结果可能包含了多种因素，一是城职保患者大多拥有稳定的工作和更高的收入，更愿意花费更高的医疗支出，但是基于前文在讨论固定效应作用时的假设，假设公立医院患者自身的特征对就诊费用的决定程度有限，治疗方式和治疗费用更多是由主治医生决定；另一方面则可能是城镇职工医保医保报销率更高，医生可能会依据保险类型而进行差异化的治疗和用药，使得就诊费用更高。因此这一结果为“诱导性需求”现象的存在提供了潜在的证据。
表5 进一步分析：医保报销的影响
（3）粗略的计算: 空气质量改善的健康收益测算。
计算过程和结果如表6， PM2.5每下降10μg/m3的保守健康收益为一年超过5.4亿元。按照现有国家二级年平均PM2.5 35μg/m3的标准 ，若把现有PM2.5年平均水平降到标准线以下，一年将至少可以带来健康收益约12.78亿元，约占2016年该市环保投资金额的18% 。若使用报销费用的影响系数和人均医保报销费用计算，一年将至少可以节省医保开支10.32亿元，约占该市2016年医保统筹基金支出的10.34% 。
表6 空气质量改善的健康收益测算
本研究目前依旧存在以下的不足问题：首先，本文的数据仅包括了一个城市的数据，研究结论也仅限于样本城市，无法推广到全国范围；其次，数据的时间范围相对较短，无法衡量空气质量改善的长期作用；最后，作者接下来也将持续关注空气质量的政策估计，以期对空气质量进行更全面的评估。
供稿者简介
肖翰
西南财经大学经济学院西方经济学在读博士
研究方向：劳动经济学、健康经济学
邮箱：hanxiao_27@foxmail.com
供稿丨肖翰
编辑丨o
审校丨肖翰、o
欢迎投稿:heoagroup@126.com