1.6.2 研究方法
1.6.2.1 主要研究方法
本书研究方法主要以理论研究为基础，调查研究和实证研究相结合。详见图1-2。
图1-2 研究方法框架图
第一，理论研究。本书运用文献评述法、德尔菲法、焦点访谈法、头脑风暴法等，构建政府卫生支出风险理论框架、逻辑框架、风险维度框架、风险因素指标体系、城乡居民医保系统动力学模型边界与指标，确定各类风险评价指标等。
第二，实证研究。本书使用统计描述对各类指标进行描述性分析；运用灰色预测法、协整检验、格兰杰检验、系统动力学等进行政府卫生支出规模风险分析；运用柯布道格拉斯函数、拉格朗日函数、基尼系数、泰尔指数、双变量泰尔指数、数据包络分析、集中指数等进行政府卫生支出结构风险分析；运用基尼系数、泰尔指数、数据包络分析等进行政府卫生支出效率风险分析；同时，应用偏最小二乘回归分析、系统动力学、Tobit回归模型等进行风险因素实证分析。
第三，调查研究。政府卫生支出风险研究的相关数据的获取，基于大量实地问卷调查和人员焦点访谈等。笔者在研究过程中走访山东省潍坊、青岛、济南等各地级市的医保、财政等相关部门进行专家焦点访谈，深入各区域、城乡和层级间医疗卫生机构进行问卷调查，全面了解和获取政府卫生支出相关法律法规、政策文件，以及各类机构卫生财政资金配置和使用状况的相关数据，例如潍坊市各县市区居民医保类数据等，为本书提供了大量且有效的基础性调研数据和资料。
1.6.2.2 方法学基础
1.理论研究部分——德尔菲法
德尔菲法，主要应用于政府卫生支出风险因素分析。德尔菲法（Delphi Method），又称征询专家意见法，是一种综合多名专家经验和主观判断的方法，通过信函的方式，利用一系列简明扼要的征询表对专家征得意见，并进行有控制的反馈，从而获得一组最可靠的专家统一意见。该方法具有匿名性、反馈性、统计性三大特性，能够有效规避社会心理因素对调查研究的干扰，使调查结果更加准确地反映专家集体意见。
2.风险分析部分
（1）灰色预测模型
灰色预测模型GM（1，1），主要应用于政府卫生支出充足性和可持续性风险分析。灰色预测，是指对既含有已知信息又含有不确定未知信息的“小样本”数据系统的行为发展变化进行预测，即对与时间序列有关、在一定范围内发展变化的“灰过程”进行预测。“灰过程”表象看似随机且杂乱无章，实则有序且有界，数据具有潜在规律。灰色预测法就是利用该规律建立灰色模型，对灰色系统进行相关预测。
目前，GM（1，1）灰色预测模型因可减少时间序列随机性和具有较高预测精准度等优点，被广泛应用于样本量较小或原始时间序列呈指数变化规律的相关预测，例如费用预测。GM（1，1）是基于随机性较强的原始时间序列，经时间累计后形成新的时间序列，新序列所呈现的变化规律可用一阶线性微分方程的解来逼近和拟合。GM（1，1）灰色预测模型的参数a为发展系数［9］。当|a|≤0.30时，模型可应用于长期费用预测；当0.30＜|a|≤0.50时，模型可应用于短期费用预测；当0.50＜|a|≤0.80时，模型可应用于短期费用预测，但需谨慎；当0.80＜|a|≤1.00时，应使用残差修正GM（1，1）灰色预测模型；当|a|＞1.00时，不宜用GM（1，1）灰色预测模型进行预测。平均模拟相对误差“△”，间接反映出模型预测精度，相对精准度为“1-△”，平均模拟相对误差小于35%，即模型的拟合优度等级高［177］。
（2）协整检验和格兰杰因果检验
协整检验（Granger，1987）和格兰杰因果检验（Granger，1969）主要应用于研究政府卫生支出（组成部分）与个人卫生支出之间的长期均衡因果关系。协整理论和方法，常用以避免非平稳序列建模引起的“伪回归”现象，可以对拥有“共同随机趋势”的经济变量做适当线性组合，以消除随机趋势，从而得到平稳性序列。协整检验可以用来反映多个单位根变量之间，由于某种经济变量而存在的“长期均衡关系”，但并不能验证变量之间的因果关系，需使用格兰杰因果检验进一步分析变量从x到y、从y到x，或双向因果关系。因此，相关研究常将两者结合使用，以判断变量之间的长期均衡因果关系。
（3）系统动力学模型
系统动力学的理论和方法，主要应用于医疗保障支出超支风险分析。系统动力学（system dynamics，SD），由福瑞斯特（Forrester J.W.）（1956）提出，是一种以反馈控制理论为基础，以仿真技术为手段，从系统内部机制寻找问题根源，定量和定性研究相统一的系统科学方法。系统动力学，常用以研究复杂的社会经济系统，尤其是对系统的行为趋势和政策变化影响进行长期预测［10］。
系统动力学模型的建立过程一般分为以下步骤：
第一步，设立研究目标。通过明确研究目的，来确定研究目标，再通过研究目标，来界定研究的范围。
第二步，选定关键因素。在众多的影响因素中，筛选出关键的影响因素，分析各类影响因素之间的层次关系和影响方向。
第三步，构建数学模型。利用系统动力学软件系统，构建社会系统运行机制仿真模型。
第四步，设定参数模拟。对待定的参数进行合理的设定，对系统的结果进行模拟分析。
第五步，系统结果分析。根据模拟的结果进行参数调整，再根据系统仿真的结果进行分析。
第六步，调整政策靶点。根据构建的仿真系统的结果，对政策运行机制中的关键靶点进行调整，给政策制定者提供科学参考。
（4）泰尔指数和基尼系数
因收入和支出是经济学中体现“生产要素生产产品的货币价值”的对立维度，本书将支出替代为收入，选取泰尔指数和基尼系数共同判定政府卫生支出城乡、层级、区域分配风险。
泰尔指数（Theil index），由荷兰经济学家泰尔（Theil）（1967）提出，是衡量地区收入不平等度、资源配置差异的指标。它具有样本逐层分解的特点，能够弥补基尼系数仅能反映“总体差异程度”的缺陷。在本书中，泰尔指数使用收入作为权重，泰尔指数数值越大，政府卫生支出不均等性程度越高。同时，泰尔指数可分为单变量泰尔指数和双变量泰尔指数2类，在政府卫生支出城乡分配风险中，使用单变量泰尔指数进行风险识别，双变量泰尔指数进行风险分解。
基尼系数（Gini coefficient），由意大利统计与社会学家基尼（Corrado Gini）（1912）提出，是国际上通用的衡量区域收入差距的指标。其根据洛伦茨曲线，计算和判断收入分配的公平程度。基尼系数最大值为1，最小值为0，越接近0表明收入分配越公平。联合国开发计划署等组织规定，基尼系数若低于0.2表示指数等级极低（高度平均）；0.2~0.29表示指数等级低（比较平均）；0.3~0.39表示指数等级中（相对合理）；0.4~0.59表示指数等级高（差距较大）；0.6以上表示指数等级极高（差距悬殊）。国际惯例，通常把基尼系数0.4作为收入差距的警戒值，超过则极易引起社会动荡。本书使用基尼系数分析政府卫生支出分配差异，将政府卫生支出代替收入值，其含义变成按照人口或地域分布所形成的政府卫生支出平均差距，相对于政府卫生支出总体期望值的相对偏离程度。基尼系数0.4~0.6，为政府卫生支出分配差异的警戒线和风险临界点。
（5）集中指数
集中指数，是改进的基尼系数法，是瓦格斯塔夫（Adam Wagstaff）（1998）在分析医疗卫生服务公平程度时引入的方法，目前，常被用于评价与收入相关的健康相关变量分布的公平性研究。集中指数可以反映某社会经济特征在量化参照标准的条件下，对变量不公平性的影响程度。本书使用集中指数，分析政府卫生支出层级资金分配风险。集中指数取值范围为-1~1，数值越接近-1和1，不均等程度越高。如取值为0，资金层级分配绝对公平；如取值小于0，资金层级分配倾向于生产效率低的层级，存在不均等性；如取值大于0，资金层级分配倾向于生产效率高的层级，存在不均等性。
（6）数据包络分析
数据包络分析，主要应用于政府卫生支出资源配置、健康生产效率风险分析。数据包络分析（data envelopment analysis，DEA），由美国运筹学家查恩斯和库伯（A.Charnes & W.W.Cooper）（1978）提出，是运筹学、数学、数理经济学和管理科学交叉研究的新领域。DEA是一种对政府卫生支出健康效率进行相对比较的非参数分析方法，运用数学规划模型评价同类决策单元（具有多产出多投入）间的相对有效性。
DEA由于原理简单，无须测算权重，无量纲要求，客观性好，具有分析“多投入与产出”的特殊优势，因此，适用范围广，被广泛应用于医疗卫生服务的各类效率评价。换言之，DEA是一种可以让具有稀缺性的医疗卫生资源实现“最小投入、最大产出”的评价模式。
DEA中最常使用的模型包括规模报酬可变模型（variable return scale，VRS）和规模报酬不变模型（constant return scale，CRS）。基于“投入和产生”两个角度，DEA效率核算可以分为投入导向型和产出导向型。投入导向型是在控制产出水平不变的条件下，达到投入最小化；而产出导向型是指在控制投入水平不变的条件下，考察如何产出最大化。由于政府卫生支出具有较强的社会公益性和价格刚性，以及医疗卫生服务需求弹性小等特点，本书采用VRS投入导向型测算各类效率，分析在现有国民健康水平下，政府卫生支出配置是否合理。
VRS模型通常测算综合效率、技术效率和规模效率。综合效率表示决策单元实现产出不变、投入最少，或投入不变、产出最多的能力；技术效率表示技术配置能否符合总体要求（综合效率）并发挥最大效益；规模效率表示由靠近最优生产规模而引发的生产率增加量。三者函数关系：综合效率=技术效率×规模效率。DEA测算结果，若效率值为1，则决策单元资源配置为有效；若效率值小于1，则资源配置无效。同时，依据DEA效率分类方法，若效率值为1，则决策单元资源配置为有效，若效率值小于1，则资源配置无效。无效值小于0.7为低效率，无效值介于［0.7，0.9）为中效率，无效值介于［0.9，1）为高效率。
3.实证研究部分——偏最小二乘回归和Tobit回归模型
现有政府卫生支出风险因素分析，主要采用传统多元回归模型（如逐步回归法），通过数据相关系数和共线性诊断分析，发现某些自变量间存在高度相关，相关系数超过0.9，如使用一般多元回归模型，可能出现多重共线性问题，无法准确判断单个自变量对因变量的影响是否显著，而偏最小二乘回归作为研究方法优势明显，既有效避免了自变量之间的多重共线性，又保留了所有变量，使风险因素分析整体性研究更强、结论更可靠；同时，DEA效率模型测算出的政府卫生支出健康生产效率取值在“0”到“1”之间，属于因变量为“片段”和“切割”数值，如果使用普通最小二乘法，会导致参数估计的信息偏移。而遵循“最大拟然法则”的Tobit回归模型，可以有效规避这类问题。因此，本书主要采用偏最小二乘回归和Tobit回归模型，对政府卫生支出风险因素进行分析。