计量经济学 城镇人均医疗支出 毕业论文.doc

《计量经济学 城镇人均医疗支出 毕业论文.doc》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.doc（39页珍藏版）》请在三一文库上搜索。

1、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 JIANGXI NORMAL UNIVERSITY I 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

2、支出；CPI；卫生人员数；卫生人员数； II Abstract In recent years, with the improvement of peoples living standards, people are increasingly concerned about the personal health care issues. Residents living consumption has become an important part of health care consumption, the level of health care consumption, impo

3、rtant reaction is characterized by a region of a country living standards and health. In this paper, the time series data analysis through the establishment of the econometric model, the urban per capita healthcare expenditures in China for the past 20 years since. Analysis of urban per capita healt

4、h care spending and the urban per capita disposable income, government spending on health, CPI and the relationship between the number of health personnel. Key words：Per capita health care spending; Government expenditure on health;CPI; The number of health workers 1 目录 摘要摘要 I ABSTRACT.II 引言引言1 一、模型

5、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19 1.1图示法.19 1.2杜宾瓦尔逊检验.20 1.3游程检验.20 七、模型的多重共线性诊断及补救七、模

6、型的多重共线性诊断及补救22 (1)多重共线性的诊断22 1.1 R诊断.22 1.2 解释变量的相关性检验22 1.3 辅助回归22 (2)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35 1 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

7、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

8、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（

9、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） 199129.201700.60204.10105.1 0 627.80 199241.502026.60228.61108.6 0 640.90 199356.902577.40272.06116.1 0 654.10 199482.903496.20342.28125.0 0 663.10 1995110.104283.00387.34116.8 0 670.40 1996143.304838.90461.61108.8 0 673.50 1997179.705160.30523.5

10、6103.1 0 683.40 1998205.205425.10590.0699.40686.30 1999245.605754.00640.9698.70689.50 2000318.106279.98709.52100.8 0 691.00 2001343.206859.60800.61100.7 0 687.50 3 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.

11、5199.00652.90 2003476.008472.201116.94100.9 0 621.70 2004528.209421.601293.58103.3 0 633.30 2005600.9010493.0 0 1552.53101.6 0 644.70 2006620.5011759.5 0 1778.86101.5 0 668.10 2007699.1013785.8 0 2581.58104.5 0 696.40 2008786.2015780.8 0 3593.94105.6 0 725.20 2009856.4017174.7 0 4816.3099.10778.10 2

12、010871.8019019.0 0 5688.64103.2 0 820.80 4 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2-1 1991-2010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 （元） 199129.201700.60 199241.502026.60 199356.902577.40 1

13、99482.903496.20 1995110.104283.00 1996143.304838.90 1997179.705160.30 1998205.205425.10 1999245.605754.00 2000318.106279.98 2001343.206859.60 2002430.107702.80 2003476.008472.20 2004528.209421.60 2005600.9010493.00 2006620.5011759.50 2007699.1013785.80 2008786.2015780.80 2009856.4017174.70 2010871.8

14、019019.00 5 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yb1b2 X2（相关计算数据参照于表lnln i e 2-1） ，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 LnyLnX2LnX3LnX4LnX5 1991 3.377.4423.7415.650.05 1992 3.737.6123.8515.670.08 1993 4.047.8524.0315.690.15 1994

15、 4.428.1624.2615.710.22 1995 4.708.3624.3815.720.16 1996 4.968.4824.5615.720.08 1997 5.198.5524.6815.740.03 1998 5.328.6024.8015.74-0.01 1999 5.508.6624.8815.75-0.01 2000 5.768.7524.9915.750.01 2001 5.848.8325.1115.740.01 2002 6.068.9525.2315.69-0.01 2003 6.179.0425.4415.640.01 2004 6.279.1525.5915.

16、660.03 2005 6.409.2625.7715.680.02 6 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 LnyLnX2LnX3LnX4LnX5 2006 6.439.3725.9015.710.01 2007 6.559.5326.2815.760.04 2008 6.679.6726.6115.800.05 2009 6.759.7526.9015.87-0.01 2010 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

17、模型汇总 模型RR 方调整 R 方标准 估计的误差 1.983.966.964.199359 a. 预测变量: (常量), Lnx2。 表表2-3 Anova（b） 模型平方和df均方FSig. 回归20.117120.117506.176.000a 残差.71518.040 1 总计20.83319 a. 预测变量: (常量), Lnx2。 b. 因变量: Lny 7 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)-7.584.585-12.958.000 1 Lnx21.493.066.98322.498.000 a. 因变量: Lny

18、据此，可得该回归模型各项数据为： b2 1.493 b1 -7.584 22 lnlnybx 0.040 2 2 2 i e n Var（b1）0.342 Se（b1） 0.585 1 ( )Var b Var（b2）0.004 Se（b2） 0.066 2 ()Var b t（b1） -12.958 1 1 ( ) b Se b t（b2） 22.498 2 2 () b Se b 0.966 2 R df 18 模型为：lny-7.584+1.493lnX3 i e 令0.05， 在=0.05 的水平下，t 检验的拒绝域为：，2.101和2.101， 所以 t（b1） 、t（b2）均落在拒

19、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

20、卫生 支出(亿元) 城镇居民 消费价格指数 卫生人 员数（万人） 199129.20 1700.60 204.10 105.10 627.80 199241.50 2026.60 228.61 108.60 640.90 199356.90 2577.40 272.06 116.10 654.10 199482.90 3496.20 342.28 125.00 663.10 1995110.10 4283.00 387.34 116.80 670.40 1996143.30 4838.90 461.61 108.80 673.50 1997179.70 5160.30 523.56 103.1

21、0 683.40 1998205.20 5425.10 590.06 99.40 686.30 1999245.60 5754.00 640.96 98.70 689.50 2000318.10 6279.98 709.52 100.80 691.00 200129.20 1700.60 204.10 105.10 627.80 200241.50 2026.60 228.61 108.60 640.90 200356.90 2577.40 272.06 116.10 654.10 200482.90 3496.20 342.28 125.00 663.10 2005110.10 4283.0

22、0 387.34 116.80 670.40 2006143.30 4838.90 461.61 108.80 673.50 2007179.70 5160.30 523.56 103.10 683.40 2008205.20 5425.10 590.06 99.40 686.30 2009245.60 5754.00 640.96 98.70 689.50 2010318.10 6279.98 709.52 100.80 691.00 9 将上述数据经对数处理后的数据如表 3-2 所示 表表3-2 年份LnyLnX2LnX3LnX4LnX5 19913.377.4423.7415.650.0

23、5 19923.737.6123.8515.670.08 19934.047.8524.0315.690.15 19944.428.1624.2615.710.22 19954.708.3624.3815.720.16 19964.968.4824.5615.720.08 19975.198.5524.6815.740.03 19985.328.6024.8015.74-0.01 19995.508.6624.8815.75-0.01 20005.768.7524.9915.750.01 20015.848.8325.1115.740.01 20026.068.9525.2315.69-0.0

24、1 20036.179.0425.4415.640.01 20046.279.1525.5915.660.03 20056.409.2625.7715.680.02 20066.439.3725.9015.710.01 20076.559.5326.2815.760.04 20086.679.6726.6115.800.05 20096.759.7526.9015.87-0.01 20106.779.8527.0715.920.03 我们建立五元回归模型 Lnyb1b2LnX2b3LnX3b4LnX4b5LnX5 i e （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

25、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 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 3-3、表 3-4 和表 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3-4 Anovab 模型平方和Df均方FSig. 回归20.70245.175593.287.000a 残差.13115.009

26、 1 总计20.83319 a. 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)17.4206.3572.740.015 LnX22.020.1501.33013.423.000 LnX3-.384.113-.362-3.392.004 LnX4-1.262.458-.083-2.755.015 1 LnX5-1.877.395-.113-4.748.000 a. 因变量: Lny 11 据此，可得该回归模型各项数据为 Lny17.4202.020LnX2-0

27、.384LnX3-1.262LnX4-1.877LnX5 i e 令0.05 我们提出如下假设： H0：Bi0，LnYB1+B2LnX2+B3LnX3+B4LnX4+ B5LnX5+i yb1b2LnX2b3LnX3b4LnX4b5LnX5 i e t(bi) t0.025(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： 2 R 0 F F0.05 (4，15) 在水平下，查 F

28、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

29、分析 对于初始模型：Lny-7.584+1.493LnX3 i e Se0.585 0.066 t-12.958 22.948 0.966 df18 2 R 对于添加解释变量数据的模型（二） Lny17.4202.020LnX2-0.384LnX3-1.262LnX4-1.877LnX5 i e Se 6.357 0.150 0.113 0.458 0.395 t 2.740 13.423 3.392 -2.755 4.748 0.994 df 15 F 593.287 2 R 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

30、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 Lny17.4202.020LnX2-0.384LnX3-1.262LnX4-1.877LnX5 i e 13 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： Lny17.4202.020LnX2-0.384LnX3-1.262LnX4-1.877LnX5 i e Se6.357 0.150 0.113 0.458 0.395 T 2.740 13.423 3.392 -2.755 4.748 2 R 0.9

31、94 df 15 F 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 19913.37 7.44 23.74 15.65 0.05 19923.73 7.61 23.85 15.67 0.08 19934.04 7.86 24.03 15.69 0.15 19944.42 8.16 24.26 15.71 0.22 19954.70 8.36 24.38 15.72 0.16 19964.97 8.48 24.56 15.72 0.08 19975.19 8.55 24.68 15.

32、74 0.03 19985.32 8.60 24.80 15.74 -0.01 19995.50 8.66 24.88 15.75 -0.01 20005.76 8.75 24.99 15.75 0.01 我们建立五元回归模型 Lnyb1b2LnX2b3LnX3b4LnX4b5LnX5 i e （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5-3 Anovab

33、 模型平方和df均方FSig. 回归5.68141.420479.506.000a 残差.0155.003 1 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-91.60163.791-1.436.211 LnX2.053.382.031.138.896 LnX31.496.441.8253.388.020 LnX43.7764.394.155.859.429 1 LnX5.181.481.018.377.722 a. 因变量: Lny 可得该回归模型为： Lny-91.6010.053LnX21.496LnX33.776LnX40.18

34、1LnX5 i e ； 令=0.05 我们提出如下假设： 15 H0：Bi0，YB1+B2LnX2+B3LnX3B4LnX4B5LnX5+i yb1b2Lnx3b3Lnx3b4Lnx4b5Lnx5 i e t(bi) t0.025(5) 在水平下，t 检验的拒绝域为：，2.571和2.571，,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： 2 R 0 F 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，中，因为 F=479.506，所以拒绝原假

35、设，即 2 R0，回归方程是总体显著的。 （2）第二段数据如表 5-5 所示。 表表5-5 2001-2010年数据年数据 年份LnyLnX2LnX3LnX4LnX5 20015.84 8.83 25.11 15.74 0.01 20026.06 8.95 25.23 15.69 -0.01 20036.17 9.05 25.44 15.64 0.01 20046.27 9.15 25.59 15.66 0.03 20056.40 9.26 25.77 15.68 0.02 16 续表续表5-5 2001-2010年数据年数据 年份LnyLnX2LnX3LnX4LnX5 20066.43 9.

36、37 25.90 15.72 0.02 20076.55 9.53 26.28 15.76 0.04 20086.67 9.67 26.61 15.80 0.05 20096.75 9.75 26.90 15.87 -0.01 20106.77 9.85 27.07 15.92 0.03 我们建立五元回归模型 Lnyb1b2LnX2b3LnX3b4LnX4b5LnX5 i e （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

37、计的误差 1.999a.997.995.022428 预测变量: (常量), LnX5, LnX4, LnX2, LnX3。 表表5-7 Anovab 模型平方和df均方FSig. 回归.8544.213424.207.000a 残差.0035.001 1 总计.8569 a. 预测变量: (常量), LnX5, LnX4, LnX2, LnX3。 b. 因变量: Lny 表表5-8 系数系数a 17 非标准化系数标准系数 模型B标准 误差试用版tSig. (常量)13.1592.3635.568.003 Ln2.883.2621.0083.373.020 Ln3.126.148.284.84

38、9.434 Ln4-1.160.225-.341-5.166.004 1 Ln5-1.004.430-.070-2.335.067 a. 因变量: Lny 可得该回归模型为： Lny13.1590.883LnX20.126LnX3-1.160LnX4-1.004LnX5； i e 令=0.05 我们提出如下假设： H0：Bi0，YB1+B2LnX2+B3LnX3B4LnX4B5LnX5+i yb1b2Lnx2b3Lnx3b4Lnx4b5Lnx5 i e t(bi) t0.025(5) 在水平下，t 检验的拒绝域为：，2.571和2.571，,除去 t（b1） 、t（b2） 、t（b4） ，t（

39、b3） 、t（b5）均落在非拒绝域中，不拒绝原假设，即 X3 、X5对于模型均没有意义。 联合假设检验： H0：0 2 R F 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，中，因为 F=424.207，所以拒绝原假设，即0，回归方程是总体显著的。 2 R 18 2.对于模型 Lny17.4202.020LnX2-0.384LnX3-1.262LnX4-1.877LnX5 i e 0.131 R RSS 2 e 2 yy （） 对于模型 Lny-91.6010.053LnX21.496LnX33.776LnX40.181LnX5 i e 0.015 1

40、RSS 对于模型 Lny13.1590.883LnX20.126LnX3-1.160LnX4-1.004LnX5 i e 0.003 2 RSS 由此可得： 0.018 UR RSS 12 RSSRSS H0： R RSS UR RSS F 18.833 12 ()/ k / (2k) RUR UR RSSRSS RSSnn 在水平下，所以 F 值落在 F 检验的拒绝域5.56，中，拒绝原假设，即该 模型为结构不稳定稳定模型。故用 2001-2010 年段数据所建立的模型（二）： Lny13.1590.883LnX20.126LnX3-1.160LnX4-1.004LnX5 i e 19 六、

41、模型的自相关诊断及补救 (1)自相关的诊断 1.1图示法 表表6-1 2001-2010年数据表年数据表 年份LnyLnX2LnX3LnX4LnX5 20015.848.8325.1115.740.01 20026.068.9525.2315.69-0.01 20036.179.0525.4415.640.01 20046.279.1525.5915.660.03 20056.409.2625.7715.680.02 20066.439.3725.9015.720.02 20076.559.5326.2815.760.04 20086.679.6726.6115.800.05 20096.75

42、9.7526.9015.87-0.01 20106.779.8527.0715.920.03 作对的散点图，所得结果如图6-2所示。 i e 1i e 作对t的散点图，所得结果如图6-3所示。 i e 20 图 6-2 对的散点图 i e 1i e 图 6-3 对 t 的散点图 i e 1.2杜宾瓦尔逊检验 H0：是随机的 i e d2.841 在水平下，查 D-W 表得 DL=0.376、DU=2.414， 模 型RR 方 调整 R 方 标准 估计的 误差 Durbin- Watson 1.999a.997.995.0224282.841 21 a. 预测变量: (常量), LnX5, Ln

43、X4, LnX2, LnX3。 b. 因变量: Lny 因为 4-dU0.8,且 T 检验显著较多，因此难以推断 是否存在多重共线性。 1.2 解释变量的相关性检验 表表7-1 解释变量的相关系数表解释变量的相关系数表 LnX2LnX3LnX4LnX5 LnX2Pearson 相关性1.993.805.431 LnX3Pearson 相关性.9931.856.380 LnX4Pearson 相关性.805.8561.153 LnX5Pearson 相关性.431.380.1531 LnX2、LnX3的相关系数为 R12=0.9930.8 LnX3、LnX4的相关系数为 R23=0.8560.8

44、 Ln X4、LnX5的相关系数为 R13=0.153 F （4,5）=5.19， 因为 F 检验值落在拒绝域3.34， ，因此拒绝原假设，所以 F 检验结果也显 著，即模型总体上是显著的。 32 八、预测模型选择 （1）选取共线性补救前后的两个模型进行比较选择。 模型一：Lny13.1590.883LnX20.126LnX3-1.160LnX4-1.004LnX5 i e 模型二：y =0.122+13.165 x +3.380x -1.159x -1.019 x*5+ei * 1 * 2 * 4 两个模型都存在共线性，而且模型一经过共线性修正后得到的新模型与原模型相 比改善不大，故继续采用

45、模型一作为最终预测模型。 Lny13.1590.883LnX20.126LnX3-1.160LnX4-1.004LnX5 i e 。 33 九、选用模型的经济含义 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 0.883 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 0.126 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-1.160 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- 1.004 个百分点。并且该模型反映了 99.7%的真实情况。 34 35 参考文献 1国家统计局.中国统计年鉴 2011.中国统计出版社M.2011 2殷红、金永红.计量经济学理论与方法清华大学出版社第一版.2010 3李子奈，潘文卿.计量经济学M.高等教育出版社（第三版）.2005 4李子奈: 5 计量经济学应用研究的总体回归模型设定经济研究2008 年第 8 期 5何平、孟庆跃，卫生总费用及医疗费用影响因素研究现状，中国卫生事业管理， 2005 6何平平，我国医疗费用增长因素的计量经济分析，太平洋学报，2005（10） 7王凡、温小霓.我国医疗供方诱导需求理论与实证，中国卫生事业管理，2007(1)