基于fsQCA组态视角的医保基金支出影响因素分析

董 波 姜孟涵

（1武汉大学 武汉 430072；
2山东中医药大学 济南 250355）

《中国卫生健康统计年鉴（2021）》数据显示，全国医保基金总支出由2009 年（新医改元年）的2797.4 亿元增长到2020 年的21032.1 亿元，年均增长速度20.1%。随着城镇化进程加快、人口老龄化程度加深、医保待遇水平提高等，医保基金运行面临更大的挑战，基金发展的可持续性值得关注和探究。

医保基金支出增长的因素很多，影响机制也比较复杂。综合已有相关研究，本文将医保基金支出的影响因素归纳为几个方面：人口老龄化因素[1,2]；
经济发展因素[3,4]；
医疗资源供给因素[5,6]；
城镇化[7,8]；
医保政策和管理因素[9,10]。从研究方法来看，目前已有研究主要是基于统计分析方法探究医保基金支出与影响因素之间的关系,即在控制其他变量之后探究某个影响因素的单独效应，或是通过中介变量和调节变量刻画影响因素对基金支出的影响，而对于这些因素之间的组合协同作用关注较少。

综上所述，对于医保基金支出增长这种多因果关系问题，利用传统回归分析探讨单个因素的净效应或至多三个变量的调节效应远远不够。基于集合论的定性比较分析（QCA）为解决类似问题提供了新视角，通过分析单个条件变量的必要性和不同条件组态的充分性，能够回答这些因素中哪几种组合会推动医保基金支出增长。基于此，本研究旨在探讨多个条件变量驱动医保基金支出增长的因果机制，为有效治理基金支出增长过快、促进基金可持续发展提供依据。

1.1 研究方法

本文运用以集合论为基础的QCA 方法，尝试从整体、组合视角分析我国医保基金支出的复杂作用机制。与定量方法追求更多的样本量、更好的统计显著性、更普遍的解释力相比，定性方法侧重于个案研究[11]，通过案例间的比较找出条件组态与结果间的因果关系[12]。

本文运用此方法主要出于以下几点考虑。首先，QCA 分析认为原因条件的相互依赖和不同组合构成了多重并发因果关系，这有助于探究医保基金支出各影响因素之间的相互作用机制，也有助于深入理解我国各省份医保基金支出差异化背后的原因。其次，我国各省份医保政策存在现实差异，这些差异决定了影响医保基金支出的因素以及调控基金支出过快增长的改革政策也存在异质性。最后，传统的回归分析方法虽能对医保基金支出的影响因素进行分析，但都只是用自变量的替代关系或累加关系解释因变量的变异，而非完全等效关系[13]，而QCA 方法在克服以上局限性方面具有明显优势。

1.2 变量选择

在借鉴现有研究及考虑数据完整性、连续性等的基础上，本文选择人口老龄化、经济发展、医疗资源供给、医疗技术水平、医疗费用、政府卫生支出、城镇化7 个要素作为条件变量，选择医保基金支出总额作为结果变量（见表1）。

表1 变量选择与描述性分析

1.2.1 条件变量选择。（1）人口老龄化。该因素是已有研究中探讨较多的一个变量，且相关研究结果差异较大。有研究提出65 岁及以上老年人口比重是一个重要的因素[14]，也有研究指出老年人口年均增长率对社会保障支出具有重要影响[15]。本研究认为这两个因素的效应具有相互替代性，因此仍采用65岁以上人口占总人口的比重来测量人口老龄化水平。

（2）经济发展。经济发展的测量参照朱恒鹏等的研究中对影响医疗费用市场特征变量的定义，选择人均GDP 作为各省经济发展水平的衡量指标[16]。

（3）医疗资源供给。医疗资源的可及性对患者就医选择和医疗费用有很大影响，也会直接影响医保基金支出。相关研究主要探讨医疗卫生机构的卫生技术人员、床位数等资源的增加对医疗费用的影响，且国内外研究结果基本一致，即医疗机构医生数、床位数等资源供给的增加促进了医疗费用的上升[17]。借鉴以上研究成果，本文选择每万人口卫生技术人员数与每万人口医疗卫生机构床位数之和测量医疗资源供给水平。

（4）医疗技术水平。医疗技术进步是影响医疗费用的一个重要因素，但医疗技术的多变与多样性也决定了其较难测量或者量化，相关研究并无统一的衡量指标[18]。本研究曾尝试用医疗设备数量或价值测量医疗技术进步水平，但相关统计年鉴只可获得各类医疗机构的设备总价值，未能获得各省的设备数量或价值。在此借鉴王文娟等的研究，选择医院急诊病死率作为医疗技术进步的测量指标[19]。

（5）医疗费用。医疗费用会直接影响医保基金支出，患者的医疗费用可分为门诊费用与住院费用。医保也是通过对这两类费用的报销将基金支付给医疗机构，以实现对其资源的战略购买。因此本文将医疗费用界定为人均门诊费用与人均住院费用之和，这也与相关研究对费用的测量一致[20]。

（6）政府卫生支出。政府卫生支出对医保基金支出也有较大影响，因为政府财政投入不仅是增加医疗资源、提高医保筹资水平的重要资金来源，同时也是将潜在的健康需求转变为现实需求的基础，是影响医疗消费的最稳定和最重要的因素[21]。因此本文也关注政府卫生支出对医保基金支出的影响，采用人均政府卫生支出测量，这也是相关研究的常用指标[22]。

（7）城镇化。城镇化也是影响医疗费用与基金支出的重要因素[23]，其测量指标基本一致，即城镇化率表示城镇化水平，可定义为市镇人口数/城乡总人口数。

1.2.2 结果变量选择。为了更加全面地测量各省份医保基金支出水平，从整体层面分析不同的条件组态对基金支出的作用机制，本文借鉴何文的研究[24]，运用医保基金支出总额对医保支出进行测量。

1.3 数据来源

本文选择我国31 个省级区域作为研究样本，将31 个省（市、自治区）分别视为一个案例。这不仅符合伯努瓦·里豪克斯等对案例的定义，“每个案例被定义为一系列特征的组合”[25],也与我国的现实相适应。因为我国东中西部各省之间不仅医疗卫生水平、经济发展水平、老龄化和城镇化等存在差异，在医保筹资、待遇保障、基金支出等方面也具有明显的差异（见图1）。基于QCA 变量的选取原则，对于中等规模样本（10 个—50 个案例),理想的条件变量个数尽量不要超过8个，以4 个—7 个为宜[26]。因此，本文纳入31 个样本、7 个条件变量。其中，人口老龄化、经济发展、城镇化3 个条件变量的数据来源于《中国统计年鉴（2020）》，而医疗资源供给、医疗技术水平、医疗费用、政府卫生支出4 个条件变量以及结果变量的数据来源于《中国卫生健康统计年鉴（2020）》。

图 1 分地区医保基金支出

2.1 数据校准

在模糊集定性比较分析（fsQCA）中，每一个条件和结果都视为一个独立的集合，每个案例在这些集合中均有隶属分数，给案例赋予集合隶属分数的过程就是校准[27]。本文在借鉴现有研究的基础上[28,29]，根据各条件与结果的数据类型，选择直接校准法对数据进行校准，将数据转换为模糊集隶属分数。校准的三个临界阈值分别为95%分位数(完全隶属)、50%分位数(交叉点)和5%分位数(完全不隶属)，校准后的集合隶属度全部介于0—1 之间，各条件和结果的校准信息如表2 所示。

表2 各变量校准定位点

2.2 单个条件变量的必要性分析

在进行条件组态分析前，有必要对各条件变量的必要性进行分析[30]，以检验单一条件是否构成促进医保基金支出增长的必要条件。一致性作为必要条件的重要检测标准，当一致性大于0.9 时，可认为该条件就是结果的必要条件[31]。

表3 为单个条件变量的必要性检验结果。所有条件变量的一致性水平均小于0.9，所以7 个条件变量均不能构成促进医保基金支出增长的必要条件，也说明医保基金支出增长成因的复杂性。

表3 医保基金支出增长的必要性条件分析

2.3 条件组态的充分性分析

不同于上述对必要条件的分析，组态分析是揭示由多个条件构成的不同组态引起结果产生的充分性。在条件组态的充分性分析中，也运用一致性指标来衡量其充分性，但可接受的最低标准和计算方法会存在差异。Schneider 指出确定条件组态的一致性水平不应低于0.75[32]，在频数阈值的确定上，则需要根据样本规模而定。对于中小样本、频数阈值为1 即可，而大样本的频数阈值应该大于1[33]。基于上述分析，本研究将组态分析的一致性阈值设定为0.75，频数阈值设定为1。

fsQCA3.0 软件分析会输出三种复杂程度不同的解(solution),即复杂解(complex solution)、简约解(parsimonious solution)和中间解(intermediate solution)。其中,复杂解没有经过任何简化处理，是完全按照变量设定出现的结果，完整性较好，但其构型较繁复。简约解是按照结果变量强弱出现的，相对简单，但往往与事实不符，可能精简掉必要的条件变量。中间解介于两者之间，由于其接受逻辑余项的原则比较合理,且分析结论的客观性较强,受到多数研究者的认可[31]。基于此，在借鉴已有研究的基础上［34］,本文汇报中间解并辅之以简约解。根据前面单个条件变量的必要性分析结果可知，7 个条件变量的影响效应尚未达成一致结论或缺乏明确的理论预期。因此，在中间解生成过程中，7 个条件变量均选择了存在或缺席。

表4 呈现了7 个条件变量对医保基金支出增长的组态分析结果。组态1、2、3 的一致性均大于0.9，总体解的一致性为0.97，总体解的覆盖度为0.61，说明这三种组态能够覆盖和解释60%以上的案例。因此可以认为，这三种组态是引致医保基金支出增长的充分条件组合。

表4 医保基金支出增长的组态分析结果

2.4 稳健性检验

本文借鉴相关研究成果[34]，选择调整一致性水平的方法分析结果的稳健性。将之前的一致性阈值由0.75 提高至0.80,频数阈值保持不变，结果如表5 所示。提高一致性水平后的组态A、B、C 分别对应于表4 中的组态1、2、3，而且拟合参数几乎未发生变化，说明研究结论具有较好的稳健性。更为重要的是，一致性阈值为0.8 的情况下，所有组合的覆盖率为0.64，较之一致性阈值为0.75 时的总体覆盖率0.61 高。因此，本文展示的是一致性阈值为0.8、频数阈值为1 的条件组态。

在组态A 中，人口老龄化、经济发展、医疗资源供给的存在发挥了核心作用，而医疗费用与城镇化的存在则起到了辅助作用。该组态的原始覆盖度为0.45、唯一覆盖度为0.08，覆盖的代表性案例是江苏、山东、湖北（见表5、图2），这几个省份的医保基金支出增长是三个核心条件与两个辅助条件共同作用的结果。以湖北省为例，其人口老龄化率为13.1%，人均GDP为77387 元，医疗资源供给的数量为115.14，分别在全国处于第10位、第8 位、第10 位的较高水平。

图2 组态A解释案例

在组态B 中，经济发展、医疗资源供给的存在发挥了核心作用，医疗费用、政府卫生支出、城镇化的存在起到了辅助作用。该组态的原始覆盖度为0.36、唯一覆盖度为0.04，覆盖的典型案例是广东、浙江（见表5、图3）。此条路径覆盖的省份与组态A 的代表性案例存在共同特点，都是医疗资源丰富、经济较为发达的区域。但两组组态中，各个条件变量的作用则存在显著差异，说明不同区域的医保基金支出增长成因有其差异性。

表5 调整一致性水平的组态分析检验

图3 组态B解释案例

在组态C 中，发挥核心作用的是人口老龄化、经济发展和医疗资源供给，该组态的原始覆盖度为0.39、唯一覆盖度为0.09，覆盖的代表案例是湖南和安徽（见表5、图4）。这两个省份的人口老龄化水平分别为15.1%、13.1%，均高于全国平均水平（12.6%），同时人均GDP 和医疗供给水平也高于全国平均水平。此条路径与组态A 相比，发挥核心作用的三个条件变量相同，但组态A 中基金支出增长也需医疗费用、城镇化两个辅助条件的存在。因此，组态C 足以解释老龄化程度加深、经济增长、医疗资源供给增加会导致医保基金支出增长。

图4 组态C解释案例

4.1 研究结论

我国不同省份的医保发展水平存在较大差异，医保基金支出的影响因素与路径也存在差异。本文运用fsQCA 方法探究人口老龄化、医疗资源供给、医疗技术水平等7个条件变量对医保基金支出增长的联动效应和作用路径，揭示了影响基金支出增长的核心条件和3 种条件组态。研究结论如下：（1）从总体上看，人口老龄化、经济发展、医疗技术、医疗资源供给、城镇化、医疗费用、政府卫生支出均不能单独构成医保基金支出增长的必要条件，表明这些因素对医保基金支出增长是组合模式的协同作用。（2）不同组态下，各个条件变量对医保基金支出增长的作用存在差异。其中人口老龄化、经济发展与医疗资源供给的存在发挥着核心作用，三者的变化组合分别在不同条件组态中发挥着关键作用。（3）不同省份医保基金支出增长的影响因素与作用路径存在差异化，这些差异说明调控基金支出过快增长、促进基金可持续发展应根据各地实际，选择不同的治理路径。

4.2 政策建议

基于以上研究结论，为促进医保基金支出可持续发展提出以下政策建议。第一，控制医保基金支出过快增长不应只关注某一单独因素的作用，而应从整体性视角出发，致力于多重条件的联动匹配，有针对性地制定调控医保基金支出过快增长的政策。第二，制定符合各地实际的医保治理政策。现实中许多治理政策基于净效应研究而习惯于全国一刀切，其结果往往是短时有效，长期来看治理效果较差[28]。因此各地应根据自身社会经济、医保的发展水平，选择适合路径和针对性措施确保医保基金的可持续，促进医保高质量发展。

4.3 贡献与不足

本文将fsQCA 方法引入到医保基金支出增长问题分析，不仅是研究方法的丰富，也为重新审视影响医保基金支出增长各因素之间的复杂互动和联动效应提供了一种整体的视角。同时，本文基于现有文献的研究经验选取7 个具有代表性的条件变量，可能存在其他具有影响的变量未考虑到，下一步可通过替换解释变量的方式对医保基金支出增长的原因进行多维度剖析。