許永河　吉田浩^[1]

［摘要］ 本文利用臺(tái)灣地區(qū)1999年到2014年間20個(gè)縣市之追蹤資料（panel data），實(shí)證分析臺(tái)灣快速老齡化社會(huì)之精神疾病醫(yī)療支出的影響因素。實(shí)證結(jié)果顯示，人口老齡化對(duì)精神健康醫(yī)療支出有正向且顯著的影響。此外，社會(huì)經(jīng)濟(jì)因素，如受高等教育之人口比率、性別比率和離婚率等均與精神疾病醫(yī)療支出之增加有顯著統(tǒng)計(jì)關(guān)系。醫(yī)療服務(wù)的使用包含了時(shí)間和金錢成本，因此，所得高低和區(qū)域醫(yī)療的可近性在精神疾病之醫(yī)療支出上存在兩個(gè)沖突性影響，對(duì)于所得與醫(yī)療可近性的實(shí)證結(jié)果解釋，需要更加謹(jǐn)慎。

［關(guān)鍵詞］ 老齡化，老年福利，精神疾病，中國(guó)臺(tái)灣，醫(yī)療服務(wù)需求

一、引　言

依據(jù)中國(guó)臺(tái)灣地區(qū)“發(fā)展委員會(huì)”^[2]之報(bào)告，2011年臺(tái)灣65歲以上人口占總?cè)丝诘谋嚷蕿?0.89%，預(yù)期此一比例在2025年將超過(guò)20%。另外臺(tái)灣之健康統(tǒng)計(jì)數(shù)據(jù)顯示在2011年大約有24.4%精神疾病患者為老年人口。因此，可以預(yù)期的是人口老齡化將導(dǎo)致老年精神疾患的人數(shù)增加，也會(huì)帶來(lái)相關(guān)醫(yī)療照護(hù)支出的增加。

盡管很多研究聚焦于醫(yī)療服務(wù)的總體需求，然而，對(duì)精神疾病醫(yī)療需求的研究相對(duì)短缺。過(guò)去相關(guān)研究的結(jié)論，大約有如下數(shù)點(diǎn)：（1）影響精神疾病醫(yī)療服務(wù)的需求的最主要因素為價(jià)格，尤其是醫(yī)療使用之自付額比例高低，對(duì)精神疾病醫(yī)療照護(hù)的使用有關(guān)鍵性的影響。（2）關(guān)于所得高低對(duì)精神疾病醫(yī)療支出的影響，過(guò)去的研究結(jié)果顯示精神疾病醫(yī)療需求的所得需求彈性大于或等于一，其差異的原因乃是數(shù)據(jù)來(lái)源與估算方法的差異所致。（3）許多研究的結(jié)論認(rèn)為人口老齡化不是影響精神醫(yī)療支出增加的關(guān)鍵性因素。（4）關(guān)于影響精神疾病及一般醫(yī)療支出的因素，過(guò)去僅有少數(shù)研究在收入與年齡兩因素之外，加入社會(huì)因素作為探討對(duì)象。

有部分學(xué)者以臺(tái)灣作為研究對(duì)象，探討影響臺(tái)灣醫(yī)療健康支出的因素。例如鐘等人（Chong MY，etc.2001）的研究結(jié)論指出臺(tái)灣城市地區(qū)低教育水平的寡婦是罹患抑郁癥的高風(fēng)險(xiǎn)族群。另陳等人（Chan AF，etc.，2006）研究指出，盡管患者接受醫(yī)療治療的比例每年均維持在2%，但臺(tái)灣地區(qū)整體醫(yī)療支出還是從2000年的9 300萬(wàn)美元增長(zhǎng)到2001年的1億1 700萬(wàn)美元。關(guān)于性別與精神疾患的研究，林等人發(fā)現(xiàn)女性無(wú)配偶且無(wú)工作者、未與子女同住者，以及身體健康狀況不佳者，會(huì)有顯著的罹患抑郁疾病風(fēng)險(xiǎn)；然而，其研究未能得出老齡化對(duì)抑郁癥產(chǎn)生決定性影響的結(jié)論。

臺(tái)灣之“衛(wèi)生研究院”分別在2001年、2005年、2009年和2013年進(jìn)行“民眾健康訪問(wèn)調(diào)查”的綜合性普查，該調(diào)查提供了非常豐富的民眾健康狀況信息。^[3]依據(jù)最新一期的調(diào)查結(jié)果顯示，精神疾病在高齡者、低收入者，以及非城市居民等群體有較高的罹患率。

由于全島醫(yī)療保險(xiǎn)制度的施行，臺(tái)灣的精神疾病服務(wù)價(jià)格在患者個(gè)體間并無(wú)顯著差異；然而，隱性價(jià)格（如非貨幣成本）對(duì)精神疾患診療需求的影響，仍待進(jìn)一步探討。因此，本文引入時(shí)間成本變量作為“隱性價(jià)格”的代理變量（proxy）。另過(guò)去大多數(shù)的研究，或使用國(guó)際宏觀（總體）數(shù)據(jù)，或使用用微觀（個(gè)體）數(shù)據(jù)，缺乏整合個(gè)體與總體的數(shù)據(jù)分析。因此，本文使用本地區(qū)數(shù)據(jù)，期望借由此一數(shù)據(jù)的使用而能發(fā)掘新的計(jì)量經(jīng)濟(jì)證據(jù)。

此外，除了個(gè)體因素之外，本文也考慮小區(qū)或社會(huì)面的因素對(duì)精神健康的影響。到目前為止，臺(tái)灣尚無(wú)確切證據(jù)能證明老齡化和精神疾病有關(guān)系，此一議題的相關(guān)實(shí)證研究，其回歸分析大多不使用結(jié)構(gòu)模型之關(guān)系。為了對(duì)精神疾病的醫(yī)療需求水平作更有效的掌握，本文在理論上建立了一個(gè)明確的人力資源模型，擬借該模型來(lái)探討精神健康服務(wù)需求最適水平的決定，并探討理性消費(fèi)決策在精神疾病醫(yī)療需求的有效性。

本文第二節(jié)中首先建立精神疾病醫(yī)療需求的一般性理論模型，并依據(jù)該理論模型建立本文的實(shí)證模型。第三節(jié)中則代入數(shù)據(jù)，進(jìn)行計(jì)量實(shí)證分析，并討論結(jié)果之意義。第四節(jié)中討論本文實(shí)證結(jié)果所引申出來(lái)的政策建議，除總結(jié)本研究之內(nèi)容外，并提出未來(lái)研究改進(jìn)之處。

二、方　法

（一）理論模型

本文參考格羅斯曼的文獻(xiàn)，建立醫(yī)療服務(wù)的最適需求模型。本文假每一個(gè)經(jīng)濟(jì)個(gè)體在生活中所得到的滿意度取決于他們的身心健康狀況和消費(fèi)水平。每一個(gè)經(jīng)濟(jì)個(gè)體在健康狀況（h）、商品與勞務(wù)的消費(fèi)水平（c），以及其他的限制條件下，追求的效用的最大化。因此，此一效用最大化的模型為：

在公式（1）中，U（·）為效用函數(shù)，（2）式中的函數(shù)h（·）為健康狀況；人們通過(guò)醫(yī)療投資（m）來(lái)維護(hù)精神健康，但在年齡和壓力的影響下，失去他們的健康。公式（3）則表所得的限制條件；（3）式等號(hào)左方為所得總額，右方則為消費(fèi)與醫(yī)療支出之總額。其中，w代表每單位勞動(dòng)時(shí)間的工資收入，T是一個(gè)人總的可用時(shí)間，P是消費(fèi)品的價(jià)格，Pm為醫(yī)療服務(wù)的價(jià)格，tm則是為了維持身心健康的醫(yī)療投資時(shí)間。為了看病，患者不僅需支付醫(yī)療治療費(fèi)用（pm×m），并且因?yàn)檎?qǐng)假看病而產(chǎn)生工資損失的隱性機(jī)會(huì)成本（（w·tm）×m）。教育水平的提高可以提高勞動(dòng)生產(chǎn)力，因此本文工資所得是教育水平（edu）的增函數(shù)：

根據(jù)前述模型，最佳化的醫(yī)療需求水平（m*）由以下條件所決定：

公式（4）說(shuō)明一個(gè)人的最佳醫(yī)療需求水平出現(xiàn)在醫(yī)療消費(fèi)的邊際效用等于邊際成本時(shí)，亦即邊際效用等于醫(yī)療的邊際時(shí)間成本與邊際貨幣成本之和。

因?yàn)槔淆g化會(huì)帶來(lái)健康存量h的減少，所以人們必須對(duì)自己投資更多的m。因此，m/age＞0。其次，壓力影響身心健康，高壓力導(dǎo)致健康存量h減少，所以m/stress＞0。一般而言，教育程度的提高會(huì)提高每個(gè)人的所得和健康知識(shí)。更高的教育會(huì)增加健康存量，并減少醫(yī)療m的需求；然而，醫(yī)療治療成本的增加，包括接受醫(yī)療的時(shí)間成本（tm）和金錢成本（pm）均增加，將會(huì)降低對(duì)醫(yī)療服務(wù)（m）的需求。依據(jù)前述模型，表1整理出各因素對(duì)精神疾患醫(yī)療支出需求的預(yù)期影響方向：

表1　影響精神健康服務(wù)需求的因素及其預(yù)期影響方向

（二）回歸模型與數(shù)據(jù)說(shuō)明

本文使用1999年到2014年間臺(tái)灣地區(qū)20縣市的區(qū)域性宏觀追蹤數(shù)據(jù)^[4]，借由地域別的追蹤資料的使用，可以將個(gè)人身心健康之外的社會(huì)經(jīng)濟(jì)因素（包括失業(yè)和離婚率）代入精神疾病治療的實(shí)證需求中。此外，本文也加入人口密度的變量，用以掌握生活環(huán)境因素對(duì)身心健康的影響。依據(jù)前節(jié)之理論模型，本文使用“人均精神疾病治療費(fèi)用”作為代表醫(yī)療的需求的變量（mit），而影響醫(yī)療需求的解釋變量分別為：

解釋變量中的所有數(shù)據(jù)，都使用來(lái)自臺(tái)灣地區(qū)“統(tǒng)計(jì)信息網(wǎng)”的區(qū)域數(shù)據(jù)庫(kù)數(shù)據(jù)^[5]；本文以精神疾病的醫(yī)療花費(fèi)代表精神健康服務(wù)的需求（m），也是本文實(shí)證模型之應(yīng)變量（dependent variable），其數(shù)據(jù)是從臺(tái)灣地區(qū)“衛(wèi)生福利部”之“醫(yī)療健保資統(tǒng)計(jì)”擷取ICD 9CM基本代碼290—319（ICD 9CM Basic Code 290—319）項(xiàng)下的醫(yī)療費(fèi)用總點(diǎn)數(shù)，再折算成平均每人的精神醫(yī)療成本。

在自變量（independent variable）部分，本文使用“家庭收支調(diào)查”中的家庭可支配所得資料，予以換算成家戶人均所得。另為說(shuō)明使用醫(yī)療服務(wù)的時(shí)間成本，本文建立醫(yī)療可近性（medical accessibility）的變量；醫(yī)療可近性的指數(shù)（H）之定義為：H＝其中Doctors為該地區(qū)的醫(yī)生人數(shù)，Hospitals為該區(qū)域每1 000人的醫(yī)院或診所數(shù)目。在教育水平部分，本文以15歲以上人口受大專以上高等教育的比例作為代表變量；失業(yè)率的定義則為目前處于失業(yè)狀態(tài)，但正努力尋找工作的勞動(dòng)力比例；老齡化指數(shù)則為該地區(qū)65歲以上人口占地區(qū)人口的比例。離婚率指粗離婚率，亦即一年間離婚對(duì)數(shù)對(duì)同一期間之期中人口數(shù)的比率；本文參考霍姆斯等人（Holmes and Rahe，1967），使用離婚率作為社會(huì)經(jīng)濟(jì)因素的代表指標(biāo)之一。此外，一個(gè)地區(qū)都市化程度越高，人口密度也相對(duì)提高；為了了解都市化程度對(duì)精神健康的影響，本文實(shí)證模型中亦使用人口密度作為解釋變量。又依據(jù)衛(wèi)生研究院的個(gè)體層級(jí)的數(shù)據(jù)顯示，年長(zhǎng)女性比年長(zhǎng)男性有較高的精神疾病罹病率，因此，本文實(shí)證模型亦加入性別比作為解釋變量。

圖1簡(jiǎn)要說(shuō)明了本文實(shí)證模型的建構(gòu)概念；本文模型假設(shè)代表性個(gè)體在考慮其經(jīng)濟(jì)因素、個(gè)人生理及心理因素，以及社會(huì)因素之后，決定其效用最大化的精神健康服務(wù)需求。此一需求將會(huì)透過(guò)全民健康保險(xiǎn)體系與老齡化社會(huì)的社會(huì)成本作聯(lián)結(jié)，從而顯現(xiàn)在健康支出中的變化中。因此，健康支出中的變化將反映老齡化社會(huì)對(duì)醫(yī)療服務(wù)需求的改變。

圖1　本文模型的研究概念架構(gòu)

本文使用1999年到2014年臺(tái)灣地區(qū)20個(gè)縣市的區(qū)域宏觀追蹤數(shù)據(jù)進(jìn)行實(shí)證估計(jì)，追蹤數(shù)據(jù)的基本回歸式為：

其中i表示橫斷面之身份指標(biāo)（cross-sectional identity），i＝1，2，…，n；t表示時(shí)間序列，t＝1，2，…，T。yit是因變量，xit則是說(shuō)明變量；αit是每個(gè)實(shí)體的未知的截距項(xiàng)，βit是代估計(jì)系數(shù)，εit是誤差；假設(shè)Corr（xit，εit）＝0，亦即自變量與干擾項(xiàng)之間無(wú)關(guān)聯(lián)。傳統(tǒng)追蹤數(shù)據(jù)模型假設(shè)橫斷面及時(shí)間序列之?dāng)?shù)據(jù)具有同構(gòu)型，亦即α1t＝α2t＝…＝α，β1t＝β2t＝…＝β。然而，模型（5）中橫斷面的個(gè)體或時(shí)間序列的數(shù)據(jù)可能存在異質(zhì)性或未觀察到的差異性。因此，模型（5）中如果不能確認(rèn)異質(zhì)性的存在與否，并在模型估計(jì)時(shí)對(duì)潛在的異質(zhì)性做修正，其估計(jì)結(jié)果將產(chǎn)生偏誤。這個(gè)問(wèn)題在實(shí)證研究來(lái)說(shuō)，是研究者必須對(duì)資料的估計(jì)結(jié)果做診斷，并在混合估計(jì)模型（pooled model）、隨機(jī)效果模型（random effect model）或固定效果模型（fixed effect model）之間，依據(jù)診斷結(jié)果做出估計(jì)方法的選擇。

追蹤資料除了前述潛在的異質(zhì)性問(wèn)題外，近來(lái)的研究關(guān)注資料的非定態(tài)性（nonstationarity）^[6]，以及數(shù)據(jù)的空間或橫截面的相依性問(wèn)題（spatial or cross-sectional dependence）^[7]。前者關(guān)注的是非定態(tài)性所帶來(lái)的虛偽回歸（spurious regression）和共整合（cointegration）問(wèn)題^[8]；后者則關(guān)注橫截面相依對(duì)追蹤數(shù)據(jù)估計(jì)系數(shù)的影響，認(rèn)為盡管數(shù)據(jù)沒(méi)有異質(zhì)性，但在橫截面相依的情況下進(jìn)行估計(jì)，其結(jié)果是“非有效估計(jì)量”（inefficient estimator）。針對(duì)后一問(wèn)題，Pesaran提出一個(gè)橫截面相依的誤差檢驗(yàn)方法，此方法適合追蹤數(shù)據(jù)的時(shí)間序列期間不長(zhǎng)（短T）與橫截面觀測(cè)值大（大n）的數(shù)據(jù)，而且此方法不僅適用于定態(tài)的數(shù)據(jù)，也適合具有單根的序列所使用。

本文研究對(duì)象為臺(tái)灣地區(qū)的20個(gè)縣市（n＝20）、1999年到2014年間的追蹤數(shù)據(jù)（T＝16），數(shù)據(jù)的觀測(cè)值數(shù)目為320個(gè)（N＝n×T＝320）。初步以散布圖（scatter plot）來(lái)探討老齡化與精神健康支出之間的關(guān)聯(lián)，圖形顯示這兩者間存在正向相關(guān)的關(guān)系（圖2）。

圖2　老齡化率與醫(yī)療支出關(guān)系之散布圖

表2中列舉本文所使用變量的概述統(tǒng)計(jì)量（summary statistics）。概述統(tǒng)計(jì)顯示所得、醫(yī)療可近性與人口密度三個(gè)變量在不同區(qū)域間的標(biāo)準(zhǔn)差差異不大，其群組間（between）的標(biāo)準(zhǔn)差接近整體（overall）的標(biāo)準(zhǔn)差。然而，如果作區(qū)域內(nèi)與區(qū)域間的變異數(shù)比較，則發(fā)現(xiàn)老齡化率、所得、醫(yī)療服務(wù)可近性、受高等教育居民比例、離婚率、人口密度和性別比等變量在區(qū)域間（between）的變異數(shù)較之于區(qū)域內(nèi)（within）的變異數(shù)更大，這也反映臺(tái)灣經(jīng)濟(jì)發(fā)展過(guò)程的重北輕南、重西岸忽略東岸的經(jīng)濟(jì)發(fā)展結(jié)果。因此，從資料的概述統(tǒng)計(jì)來(lái)看，臺(tái)灣各縣市之老齡化程度、家庭收入高低、居民教育程度、人口密度和醫(yī)療服務(wù)的可近性等變量并不是均等分布的。

表2　追蹤資料之?dāng)⑹鼋y(tǒng)計(jì)

（續(xù) 表）

三、實(shí)證結(jié)果

本文實(shí)證模型估計(jì)之前，先對(duì)追蹤數(shù)據(jù)序列進(jìn)行單根檢定（unit root test），參考Levin-Lin-Chu（LLC；27）及Im-Pesaran-Shin（IPS；28）的追蹤數(shù)據(jù)單根檢定方法，檢定時(shí)假設(shè)數(shù)據(jù)具有時(shí)間趨勢(shì)。對(duì)各數(shù)據(jù)分別進(jìn)行單根檢定，檢定結(jié)果都拒絕數(shù)據(jù)具有單根的虛無(wú)假設(shè)（null hypothesis）。因此，結(jié)論為全部變量均是定態(tài)的資料。

其次，進(jìn)行估計(jì)模型的鑒別。此部分的實(shí)證方法，在于鑒別追蹤數(shù)據(jù)應(yīng)以混合估計(jì)模型、隨機(jī)效果模型或固定效果模型進(jìn)行估計(jì)，以避免估計(jì)量的偏誤。實(shí)證鑒別抉擇從最簡(jiǎn)單的混合模型開始，進(jìn)而以各種統(tǒng)計(jì)檢驗(yàn)決定最合適的估計(jì)模型。表3為本小節(jié)所討論的四個(gè)模型，在完成各種統(tǒng)計(jì)檢驗(yàn)之后，本文實(shí)證的結(jié)論為第四個(gè)模型（fixed effect DK模型）為最妥適，因此本為的結(jié)論將依據(jù)該模型來(lái)討論。茲介紹本研究的實(shí)證過(guò)程，并說(shuō)明本文如何得到最終的模型和相關(guān)的結(jié)論。表3第1列資料為混合最小平方法（Pooled OLS）模型的估計(jì)量。該模型假設(shè)數(shù)據(jù)在橫截面與時(shí)間面均具有同構(gòu)型，因此以混合最小平方法來(lái)估計(jì)。然而，數(shù)據(jù)集的可混合性檢定（poolability test）拒絕了數(shù)據(jù)具有同構(gòu)型的假設(shè)，因此實(shí)證模型的估計(jì)應(yīng)考慮時(shí)間和區(qū)域的異質(zhì)性問(wèn)題。

進(jìn)一步將混合最小平方法模型的估計(jì)量（表3第1列）與固定效果模型的估計(jì)結(jié)果（表3第3列）作比較檢定，得到F-statistic：F18，291＝19.06。因此，在5%顯著性水平下，拒絕了區(qū)域間同構(gòu)型的虛無(wú)假設(shè)，亦即拒絕不同區(qū)域間有相同截距項(xiàng)的假設(shè)，得出固定效果模型較混合模型為更適當(dāng)?shù)墓烙?jì)模型。再進(jìn)一步以豪斯曼檢定（the Hausman test）來(lái)檢定固定效果模型和隨機(jī)效果模型（表3第2列）何者適合本研究所使用的數(shù)據(jù)集，得出豪斯曼檢定的統(tǒng)計(jì)量＝20.41，所以在5%顯著性水平上拒絕虛無(wú)假設(shè)，亦即拒絕數(shù)據(jù)有跨時(shí)間或跨區(qū)域的隨機(jī)差異，從而得出固定效果模型較隨機(jī)模型適當(dāng)?shù)慕Y(jié)論。

巴爾塔基（Baltagi）認(rèn)為國(guó)家或地區(qū)之長(zhǎng)時(shí)間序列的總體追蹤數(shù)據(jù)（macro panel data）如果不考慮國(guó)家或地區(qū)間的相依性（cross dependence），將導(dǎo)致誤導(dǎo)性的推論。^[9]標(biāo)準(zhǔn)追蹤數(shù)據(jù)模型的標(biāo)準(zhǔn)假設(shè)之一是模型誤差項(xiàng)在橫截面間是相互獨(dú)立而不相關(guān)的。由Breusch和Pagancan提出的LM檢定統(tǒng)計(jì)量，可以用來(lái)檢定大T和小n數(shù)據(jù)集的橫截面相依性。然而，Breusch-Pagan的檢定方法在小T和大n的數(shù)據(jù)集并非有效的檢定量，Pesaran的方法提供小T和大n的數(shù)據(jù)集的計(jì)量理論基礎(chǔ)。在實(shí)證的應(yīng)用上，De Hoyos and Sarafidis開發(fā)了一個(gè)STATA的模塊程序，可供小T和大n的案例使用。

本文的宏觀追蹤數(shù)據(jù)集中n＝20＞T＝16，宏觀追蹤相關(guān)的空間相依性是實(shí)證估計(jì)需檢定的問(wèn)題。本文此部分的研究使用De Hoyos和Sarafidis的STATA xtcsd模塊程序進(jìn)行Pesaran的橫截面相依性檢定（Pesaran CD test），得出CD檢定的統(tǒng)計(jì)量為10.93，p-value＝0.000。因此，依據(jù)Pesaran CD檢定的證據(jù)強(qiáng)烈拒絕了橫截面相依性不存在的虛無(wú)假設(shè)。因此，模型的估計(jì)應(yīng)當(dāng)關(guān)注數(shù)據(jù)的橫截面相依性，并處理橫截面相依性的問(wèn)題。

表3　實(shí)證估計(jì)結(jié)果（應(yīng)變量為人均精神健康費(fèi)用支出，取對(duì)數(shù)之值）

注：*p＜0.05，**p＜0.01，***p＜0.001；括號(hào)內(nèi)數(shù)字為估計(jì)量之標(biāo)準(zhǔn)差。

實(shí)證模型的檢定結(jié)果為臺(tái)灣地區(qū)的縣市追蹤資料集具有跨縣市的橫截面差異性，且數(shù)據(jù)有跨區(qū)域的相依關(guān)系。因此，本文的實(shí)證模型是以固定效果的回歸模型估計(jì)，并參考Driscoll和Kraay對(duì)標(biāo)準(zhǔn)差作修正，以得出空間相依一致性的標(biāo)準(zhǔn)差估計(jì)量。表3第4列（fixed effect-DK）所顯示者為對(duì)區(qū)域相依性作誤差修正后的固定效果模型的估計(jì)量，其與一般固定效果模型估計(jì)量的差異在于每一變量的系數(shù)估計(jì)值下方括號(hào)內(nèi)的標(biāo)準(zhǔn)差有所差異。

依據(jù)表3的第4列的結(jié)果，在1%的顯著性水平下，老齡化率、離婚率、受高等教育居民比例和性別比都是精神健康支出的顯著決定因素。換言之，臺(tái)灣各地區(qū)之人口老齡化比例提高、離婚率增加和女性人口比例增加均會(huì)導(dǎo)致該地區(qū)精神醫(yī)療支出的增加；高等教育人口的比例提高則會(huì)帶來(lái)精神醫(yī)療支出減少的效果。另醫(yī)療服務(wù)可近性的提高，在5%的顯著水平下，有助于降低臺(tái)灣地區(qū)的精神健康醫(yī)療支出。

雖然本文假設(shè)家庭收入、失業(yè)率和都市化程度是臺(tái)灣地區(qū)精神健康支出的潛決定因素，但實(shí)證結(jié)果并未支持這些假設(shè)。

四、討論與結(jié)論

本文研究的焦點(diǎn)為探討臺(tái)灣地區(qū)影響精神疾病醫(yī)療支出的因素，并使用1999年到2014年間臺(tái)灣地區(qū)20個(gè)縣市的區(qū)域宏觀追蹤數(shù)據(jù)，實(shí)證分析人口老齡化及其他社經(jīng)環(huán)境因素對(duì)精神疾病醫(yī)療支出的影響。實(shí)證模型的理論基礎(chǔ)為理性消費(fèi)決策的選擇模型，以之說(shuō)明最終的精神疾病醫(yī)療支出是家計(jì)單位的最適消費(fèi)選擇的結(jié)果。實(shí)證分析結(jié)果顯示老齡化、居民教育水平、離婚率、性別比，以及醫(yī)療服務(wù)可近性等因素，是統(tǒng)計(jì)上顯著影響臺(tái)灣地區(qū)精神疾病的醫(yī)療支出的因素。

正如本文理論模型所預(yù)測(cè)，老齡人口率的估計(jì)系數(shù)符號(hào)為正值，表示老齡人口比例與社會(huì)精神醫(yī)療支出呈顯著正相關(guān)。這意味著，每個(gè)區(qū)域的人口老齡化增加會(huì)帶來(lái)精神疾病的康復(fù)支出的增加，本文的結(jié)論與先前研究認(rèn)為兩者無(wú)顯著相關(guān)的結(jié)論有所不同（10，11，12）。

關(guān)于人口老齡化的程度與精神疾病醫(yī)療支出的正向關(guān)系，其實(shí)很容易理解。一般而言，高齡者的精神疾病如阿茲海默癥（Alzheimer's disease）、失智癥（dementia）和認(rèn)知障礙（cognitive impairment）等，均是伴隨著生理衰老而出現(xiàn)的慢性疾病。依據(jù)2011年衛(wèi)生福利主管部門委托“臺(tái)灣失智癥協(xié)會(huì)”進(jìn)行之臺(tái)灣失智癥盛行率調(diào)查報(bào)告指出，臺(tái)灣65歲以上老齡人口的失智盛行率為4.97%，且失智癥隨年齡增加而增加，且每五歲盛行率即出現(xiàn)倍增之趨勢(shì)（表4）。因此，本文之實(shí)證結(jié)果與現(xiàn)實(shí)之失智癥盛行率普查結(jié)果一致，均認(rèn)為老齡化人口比率增加將會(huì)導(dǎo)致社會(huì)更高的精神疾病醫(yī)療支出。

表4　臺(tái)灣65歲以上五歲年齡組之失智癥盛行率

資料來(lái)源：臺(tái)灣失智癥協(xié)會(huì)，網(wǎng)址：http://www.tada2002.org.tw/。

高教育程度與精神疾病醫(yī)療支出的負(fù)向相關(guān)關(guān)系也是不難理解的，因?yàn)楦呓逃潭日咄ǔ＞哂薪邮芨嘈掠嵪⒌哪芰Γ睦黹_放性也較佳，因此更能適應(yīng)環(huán)境的改變，被困在不利的現(xiàn)實(shí)與心理環(huán)境的機(jī)會(huì)相對(duì)降低。此外，高教育程度者更容易接受現(xiàn)代醫(yī)學(xué)的預(yù)防保健知識(shí)而保持身心健康，因此教育程度高低與精神疾病的醫(yī)療支出有負(fù)相關(guān)的關(guān)系。此外，高教育程度者通常有較高的所得水平，高所得意味其有能力負(fù)擔(dān)醫(yī)療支出，但高所得也表示看病的機(jī)會(huì)成本提高。本文有關(guān)高教育程度與精神醫(yī)療支出負(fù)相關(guān)的實(shí)證結(jié)果，除了一方面反映教育程度高者之知識(shí)累積有利于心理健康外，另一方面某種程度也反映其看病的高機(jī)會(huì)成本現(xiàn)象。離婚是兩性親密關(guān)系的瓦解，也是家庭與社會(huì)關(guān)系的崩解，衍生的社會(huì)關(guān)系定位、生活安排與調(diào)適問(wèn)題，不僅對(duì)當(dāng)事人的生活產(chǎn)生重大沖擊，也會(huì)帶來(lái)心理的影響。因此，離婚往往伴隨著出現(xiàn)慢性精神壓力，甚至可能出現(xiàn)深度抑郁的癥狀。本文實(shí)證結(jié)果顯示，高離婚率對(duì)臺(tái)灣地區(qū)精神醫(yī)療支出的增加有顯著的正向影響。

本文實(shí)證結(jié)果也顯示性別比（男性/女性）與精神健康支出間存在顯著的負(fù)相關(guān)關(guān)系，此結(jié)果意味一個(gè)小區(qū)的女性人口的比例越高，將會(huì)有更高的精神醫(yī)療支出。盡管焦慮和抑郁在兩性中都普遍存在，但一般而言，女性較男性容易受到荷爾蒙變化的影響。因此，女性更容易出現(xiàn)一些性別相關(guān)的焦慮和抑郁，比如產(chǎn)期前后憂郁癥（perinatal depression）、經(jīng)前焦慮障礙（premenstrual dysphoric disorder），以及更年期憂郁癥（perimenopause-related depression）等。此外，女性的預(yù)期余命較男性長(zhǎng)，因此，本文的估計(jì)結(jié)果顯示，隨著人口老齡化和女性居民比例的增加，社會(huì)的精神疾病醫(yī)療支出便跟著增加。

實(shí)證結(jié)果也顯示，在5%的顯著性水平下，醫(yī)療服務(wù)可近性和醫(yī)療服務(wù)支出具有負(fù)相關(guān)關(guān)系。這個(gè)實(shí)證證據(jù)說(shuō)明一個(gè)社會(huì)醫(yī)療服務(wù)的可近性越高，越能節(jié)省民眾在疾病治療中的所花費(fèi)的時(shí)間成本。此外，醫(yī)療服務(wù)可近性也可以提高預(yù)防性醫(yī)療服務(wù)和預(yù)防醫(yī)學(xué)的效果，預(yù)防勝于治療，預(yù)防醫(yī)學(xué)的提升也有助于醫(yī)療支出的下降。然而，醫(yī)療的可近性越高，民眾看診越便利，可能帶來(lái)醫(yī)療支出的增加。一增一減兩股力量相互抵銷，使醫(yī)療服務(wù)可近性對(duì)醫(yī)療支出的影響相對(duì)減弱，僅在5%的水平下顯著，而非如離婚率或老齡人口比之1%。

本文的實(shí)證結(jié)果顯示所得的估計(jì)量與精神醫(yī)療支出的關(guān)系并不顯著，前此的一些實(shí)證研究關(guān)于所得水平對(duì)醫(yī)療支出的影響也未有一致性的結(jié)論。本文對(duì)此提出如下的解釋：依據(jù)本文醫(yī)療消費(fèi)需求理論，所得可能會(huì)對(duì)醫(yī)療消費(fèi)的需求產(chǎn)生兩個(gè)不同的效果，其一為收入效果（income effect），其次是替代效果（substitution effect）。從收入效果來(lái)看，收入的增加提高了醫(yī)療服務(wù)的負(fù)擔(dān)能力，因此會(huì)增加醫(yī)療服務(wù)消費(fèi)的需求；但從替代效果來(lái)說(shuō)，收入水平越高，看病時(shí)間的機(jī)會(huì)成本越高，其替代效果會(huì)減少對(duì)醫(yī)療服務(wù)的需求。由于這兩種效果的交互影響，導(dǎo)致所得對(duì)醫(yī)療支出的影響并不顯著。

實(shí)證結(jié)果顯示失業(yè)率對(duì)精神醫(yī)療支出的影響是負(fù)面的，但其影響并不顯著。雖然失業(yè)率并不是精神健康支出的重要預(yù)測(cè)指標(biāo)，但失業(yè)帶來(lái)的主要影響是收入的減少，以及失業(yè)所產(chǎn)生的經(jīng)濟(jì)不安全感衍生的焦慮或抑郁。盡管失業(yè)對(duì)精神醫(yī)療支出的影響并不顯著，但估計(jì)量系數(shù)的負(fù)號(hào)也意味著提升所得水平和工作的壓力，都可能減少精神健康保健的需求。

此外，依據(jù)fixed effect-DK模型的估計(jì)量，假若老齡化比例提高1%，精神疾病醫(yī)療支出將增加0.286%，換算成全民健保的醫(yī)療支出是增加7.81個(gè)點(diǎn)。離婚率每增加1%，將會(huì)導(dǎo)致精神醫(yī)療支出增長(zhǎng)0.374%，換成健保點(diǎn)數(shù)是增加1.62個(gè)點(diǎn)。臺(tái)灣全民健保給付有相當(dāng)繁復(fù)的金額計(jì)算方式，但平均每一點(diǎn)數(shù)的給付額大約在新臺(tái)幣0.8—0.9元之間。因此，老齡化比例提高1%，將帶來(lái)每人精神醫(yī)療支出增加新臺(tái)幣6.248元（以每點(diǎn)0.8元計(jì)）；離婚率增加1%，將帶來(lái)新臺(tái)幣1.296元的精神醫(yī)療支出增加。依據(jù)Fu等人的估計(jì)（32），臺(tái)灣常見(jiàn)精神疾病^[10]（common mental disorders）盛行率在2010年為23.8%。以2015年底的人口總數(shù)23 492 074人及23.8%的盛行率來(lái)估算，老齡人口每增加1%將帶來(lái)精神疾病健保支出增加新臺(tái)幣約3 500萬(wàn)元，離婚率增加1%將帶來(lái)精神疾病健保成本增加新臺(tái)幣約725萬(wàn)元的支出。

總結(jié)而言，本文實(shí)證分析結(jié)果顯示老齡化率與社經(jīng)環(huán)境中導(dǎo)致精神壓力增加的因素均會(huì)帶來(lái)精神疾病治療費(fèi)用的增加。但是，所得水平與教育程度對(duì)精神疾病的支出有正面和負(fù)面的混合影響。實(shí)證結(jié)果顯示，藉由提升教育水平和增加知識(shí)累積來(lái)改善社經(jīng)地位垂直移動(dòng)瓶頸、創(chuàng)造更多對(duì)工作機(jī)會(huì)，以及設(shè)計(jì)高齡友好小區(qū)環(huán)境都能夠改善民眾的精神健康，并帶來(lái)老齡化社會(huì)精神疾病的成本。

過(guò)去許多心理健康問(wèn)題的研究是以心理學(xué)的方法對(duì)精神健康障礙的問(wèn)題進(jìn)行研析，本文則以經(jīng)濟(jì)學(xué)理性選擇的模型為基礎(chǔ)，探討影響精神疾病醫(yī)療支出的個(gè)人及社經(jīng)因素。借由理性消費(fèi)選擇的理論模型，本文闡明了所得和教育程度對(duì)精神疾病醫(yī)療支出的正負(fù)影響。本文的實(shí)證結(jié)果也顯示在老齡化社會(huì)，精神疾病不僅是病患個(gè)人的問(wèn)題，也是一個(gè)社會(huì)經(jīng)濟(jì)問(wèn)題。

本文的實(shí)證結(jié)果雖大體證實(shí)了第二節(jié)中的理論假設(shè)和影響精神疾病醫(yī)療支出因素的預(yù)測(cè)，但未來(lái)的研究仍有一些需要改善之處。首先，未來(lái)應(yīng)思考引進(jìn)更多的解釋變量，并增加樣本量，以改善模型的估計(jì)與說(shuō)明力。其次，在未來(lái)的研究中，數(shù)據(jù)的選用可能需考慮使用微觀層次調(diào)查數(shù)據(jù)，而非本文之區(qū)域性宏觀加總數(shù)據(jù)，以便納入個(gè)體之性別、年齡、生活環(huán)境與生活方式之差異對(duì)精神疾病支出的可能影響。最后，在目前研究中老齡化與其他因素（例如老齡化與所得）彼此間的交叉影響是被假設(shè)成固定或不存在的，但某地區(qū)的老齡化與該地區(qū)所得變化可能是相關(guān)的。因此，未來(lái)需要建立更合理的假設(shè)，或引進(jìn)更先進(jìn)的計(jì)量方法，對(duì)變量間的交叉影響問(wèn)題作更有效的處理。

參考文獻(xiàn)

Baltagi BH.Econometric Analysis of Panel Data，3rd ed Chichester，West Sussex，United Kingdom：John Wiley＆Sons，2005.

Breitung J，Pesaran MH.2008.“Unit Roots and Cointegration in Panels.”In L.Matyas and P.Sevestre（eds.），The Econometrics of Panel Data（Third Edition）.Berlin，Heidelberg：Springer-Verlag.

Breusch T.S，Pagan AR.“A Simple Test for Heteroscedasticity and Random Coefficient Variation.”Econometrica 1979；47：1287—1294.

Chan AF，Yang TC，Chen J-X，Yu LH，Leung HWC.“Cost of Depression of Adults in Taiwan.”International Journal of Psychiatry in Medicine 2006；36：131—135.

Chong MY，Tsang H-Y，Chen C-S，Tang TC，Chen CC，Yeh TL，Lee YH，Lo HY.“Community Study of Depression in Old Age in Taiwan：Prevalence，Life Events and socio-demographic Correlates.”British Journal of Psychiatry 2001；178：29—35.

De Hoyos RE，Sarafidis V.“Testing for Cross-sectional Dependence in Panel-data Models.”The Stata Journal 2006；6：482—496.

Denton FT，Gafni A，Spencer BG.“Exploring the Effects of Population Change on the Costs of Physician Services.”Journal of Health Economics 2002；21：781—803.

Department of Health in Taiwan.National Health Interview Survey in Taiwan 2009.2010；Executive Yuan，Taipei，Taiwan.

Dormont B，Grignon M，Huber H.“Health Expenditure Growth：Reassessing the Threat of Ageing.”Health Economics 2006；15：947—963.

Driscoll JC，Kraay AC.“Consistent Covariance Matrix Estimation with Spatially Dependent Panel Data.”Review of Economics and Statistics 1998；80：549—560.

Fu TS，Lee CS，Gunnell D，Lee WC，Chen A.“Changing Trends in the Prevalence of Common Mental Disorders in Taiwan：a 20-year Repeated Crosssectional Survey.”The Lancet January 2013；381：235—241.

Getzen TE.“Population Aging and the Growth of Health Care Expenditures.”Journal of Gerontology 1992；47：S98—S104.

Grossman M.“On the Concept of Health Capital and the Demand for Health.”Journal of Political Economy 1972；80：223—255.

Hansen P，King A.“The Determinants of Health Care Expenditure：a Cointegration Approach.”Journal of Health Economics 1996；15：127—137.

Holmes TH，Rahe RH.“The Social Readjustment Rating Scale.”Journal of Psychosomatic Research 1967；11：213—218.

Horgan CM.“The Demand for Ambulatory Mental Health Services from Specialty Providers.”Health Services Research 1986；21：291—319.

Im KS，Pesaran MH，Shin Y.“Testing for Unit Roots in Heterogeneous Panels.”Journal of Econometrics 2003；115：53—74.29.

Levin A，Lin C，Chu C-J.“Unit Root Tests in Panel Data：Asymptotic and Finite-sample Properties.”Journal of Econometrics 2002；108：1—24.

Lin C-H，Chen P-H，Lin H-S.“A Panel Study on Factors Affecting the Changing Status of Depression among the Elderly in Taiwan（in Chinese with English summary）.”Journal of Population Studies（National Taiwan University）2010；41：67—109.

McCloskey SK，Selden TM.“Health Care Expenditure and GDP：Panel Data Unit Root Tests.”Journal of Health Economics 1998；17：369—376.

Meyerhoefer CD，Zuvekas SH.“New Estimates of the Demand for Physical and Mental Health Treatment.”Health Economics 2010；19：297—315.

Ministry of Health and Welfare in Taiwan.Health Expenditure Annual Statistical Report，2014.Taipei，Taiwan.

Ministry of Health and Welfare in Taiwan.Health Insurance Annual Statistical Report of 2011，2013，2014.Taipei，Taiwan.

Moscone F，Knapp M.“Exploring the Spatial Pattern of Mental Health Expenditure.”Journal of Mental Health Policy and Economics 2005；8：205—217.

Moscone F，Tosetti E.“Health Expenditure and Income in the United States.”Health Economics 2010；19：1385—1403.

O'Connell J.“The Relationship between Health Expenditures and the Age Structure of the Population in OECD countries.”Health Economics 1996；5：573—578.

Pesaran MH.2004.“General Diagnostic Tests for Cross Section Dependence in Panels.”Cambridge Working Papers in Economics，0435，University of Cambridge.

Pesaran MH.2012.“Testing Weak Cross-sectional Dependence in Large Panels.”Cambridge Working Papers in Economics 1208，F(xiàn)aculty of Economics，University of Cambridge.

Pesaran MH.“Estimation and Inference in Large Heterogeneous Panels with a Multifactor Error Structure.”Econometrica 2006；74：967—1012.

Seshamani M，Gray AM.“Aging and Health-careexpenditure：the Red Herring Argument Revisited.”Health Economics 2004；13：303—314.

The Council for Economic Planning and Development in Taiwan.Population Projections（Taiwan）2012：2012—2060.

Zweifel P，F(xiàn)elder S，Meiers M.“Ageing of the Population and Health Care Expenditure：a Red Herring？”Health Economics 1999；8：485—496.

【注釋】

[1]許永河，臺(tái)灣成功大學(xué)經(jīng)濟(jì)系；吉田浩，日本東北大學(xué)大學(xué)院經(jīng)濟(jì)學(xué)研究科。

[2]該委員會(huì)前身為“經(jīng)濟(jì)計(jì)劃與發(fā)展委員會(huì)”，由于臺(tái)灣行政當(dāng)局組織再造，于2014年1月改名。

[3]http://www.hpa.gov.tw/English/ClassShow.aspx?No=200803270010.

[4]2010年之前，臺(tái)灣地區(qū)共有25個(gè)縣市。但連江縣和金門縣是歷史特殊區(qū)域，本文最初將該二縣排除，僅使用其余23個(gè)縣市的數(shù)據(jù)。2010年臺(tái)灣地區(qū)縣市重組，數(shù)個(gè)都會(huì)區(qū)被合并整合，出現(xiàn)“六都”都會(huì)區(qū)。因此，本文配合現(xiàn)實(shí)之行政區(qū)域整并，將2009年前之23個(gè)縣市區(qū)域數(shù)據(jù)合并，成為20個(gè)行政司法管轄區(qū)。

[5]參見(jiàn)：http://statdb.dgbas.gov.tw/pxweb/dialog/statfile9.asp。

[6]參閱Breitung and Pesaran（2008）對(duì)追蹤資料單根檢定方法研究的介紹。

[7]參閱Pesaran（2006，2012）。

[8]參閱Baltalgi（2005，chap.12）討論。

[9]Baltalgi（2005），p.8.

[10]泛指非精神分裂癥、妄想癥與躁郁癥等的憂郁癥和焦慮癥的疾病。