一、引言

党的十九大报告指出，“……城乡区域发展差距和居民生活水平差距显著缩小，基本公共服务均等化基本实现……”是2020年实现全面小康社会的主要目标之一。其中，城乡医疗支出不平等是城乡不平等的重要组成部分，缩小城乡医疗支出不平等也是基本公共服务均等化的主要内容之一。当前，中国城乡医疗支出不平等问题仍然严峻。根据《2017年中国卫生和计划生育统计年鉴》，2002年城乡居民人均医疗支出差异为230.50元，2016年扩大为701.60元；根据《2017年中国统计年鉴》，城乡人均卫生费用差距从2003年的834.24元上升为2014年的2 344.10元^①。

① 城乡人均卫生费用只更新到2014年。

如何缩小城乡医疗支出不平等，不仅是政策制定者关心的重要问题之一，也是学术界广泛关注的一个研究热点，诸多学者已经针对可能导致城乡医疗支出不平等的因素展开了一系列富有意义的探索。然而，城乡基本医疗保险补偿率差异是否导致医疗支出不平等却没有得到应有的关注。在制度设计层面上，农村基本医疗保险与城镇基本医疗保险在诸多方面存在不同，比如药品覆盖范围、人均可用资金等^[1]，而制度差异最终体现在补偿率差异上。根据本文所使用的数据，2015年城镇居民平均补偿率为76.66%，农村居民为51.08%^②。

② 城镇居民补偿率包括城镇居民基本医疗保险和城镇职工基本医疗保险。

那么，城乡基本医疗保险补偿率差异是否造成医疗支出不平等？如果是，它对医疗支出不平等的贡献为多大？在整合城乡基本医疗保险的背景下，清楚该问题具有重要的政策指导意义。为此，本文基于国务院发展研究中心2015年和2016年“中国民生问题”入户调查数据，运用Heckman两步法估计保险补偿率对医疗支出的边际影响；在此基础上，运用Blinder-Oaxaca分解法测算城乡补偿率差异对医疗支出不平等的贡献。

二、文献综述

城乡居民医疗支出不平等的原因可概括为两种情况：一种情况是经济社会状况(social-economic status)差异，包括收入、教育程度、人口结构特征等；另一种情况是城乡医疗保险政策制度设计不同。诸多学者围绕经济社会状况差异进行了实证分析。早期的研究成果集中在收入差距对医疗服务利用不平等的影响上。胡琳琳^[2]、解垩^[3]、齐良书和李子奈^[4]等学者研究较早，主要是运用集中指数方法对“与收入相关的医疗服务利用不平等问题”进行分解。封进、刘芳^[5]和赵广川^[6]进行的后续相关研究涉及其他变量，包括年龄、教育以及健康程度等。与此同时，也有个别学者针对城乡医疗保险政策不同展开研究。顾海等^[7]、顾海和李佳佳^[8]研究的是共付率差异对城乡医疗支出差异的影响。最近较有代表性的研究是熊跃根和黄静^[9]，两位学者证明了医疗保险政策是造成城乡居民医疗支出差异的重要因素之一，但作者没有具体分析某一特定制度，更没有研究补偿率。

造成城乡居民医疗支出不平等的因素除经济社会状况差异之外，还有城乡医疗保险政策差异。针对医疗保险政策差异，一些研究直接引入虚拟变量，笼统地关注政策本身；也有文献具体地分析城乡政策的某一特定差异，如共付率，但鲜有文献考察补偿率。城乡基本医疗保险政策包括一系列制度安排，比如人群覆盖差异化、病种覆盖差异化、就医地点差异化等，但这些制度差异对医疗支出不平等的影响最终体现在补偿率上，本文将重点考察补偿率差异是否造成医疗支出不平等。如果单纯地考察是否加入新农合，或是否加入城镇居民基本医疗保险对城乡居民医疗支出不平等的影响，实际参考价值相对较低，因为这无法告诉政策制定者该如何改变当前的政策制度，或具体针对哪一方面进行调整。本文将视角独特地集中在补偿率上，这对于如何从补偿制度出发，以缩小城乡医疗支出不平等具有实际借鉴意义。此外，本文所用数据来自国务院发展研究中心在全国范围内的调查数据，样本具有相当高的代表性，且运用的是2015年和2016年的调查数据，所得结论能反映最近的实际情况。

从理论出发，城乡居民医疗支出不平等有一部分是由补偿率差异所造成的。在城镇补偿率高于农村的背景下，假设城镇基本医疗保险补偿制度不变且其他条件相同，如果提高农村补偿率增加了农村居民医疗支出，则城乡补偿率差异缩小就会降低医疗支出不平等。那么，提高农村补偿率会促进居民医疗支出增加吗？首先，Schmitz^[10]和GoPffarth et al.^[11]从基本的经济学理论出发，提高补偿率相当于降低医疗需求价格，进而增加医疗服务利用和支出。其次，从现有实证研究看，答案也倾向于肯定：第一，补偿率增加可能导致被保险人群的前期健康投入减少，从而其健康程度相对有所恶化，医疗支出也因此增加，经济学中称为“事前道德风险”^①[12-13]；第二，即使前期健康投入没有变化，补偿率增加会提高被保险人对疾病的提前应对和防范意愿，医疗支出随之增长^[14]。最后，存在于农村地区的一个基本事实是：大量应该住院的居民因收入约束而选择不住院。根据本文所使用的数据，2015年，医院建议住院而没有住院的被访者占被访者总数的9.48%。对于农村贫困居民，这一问题更加严重。根据《2015年中国农村贫困监测报告》，2014年贫困农村居民中，因经济困难而无法及时就医的比重为16.50%。如果补偿率提高，这意味着农村居民的收入约束得到缓解，从而医疗支出增加。总之，无论从经济学理论出发，还是根据实证研究判断，抑或是基于实际存在的社会现象，提高医疗保险补偿会促进居民医疗支出增加，它不仅缓解了有经济能力看病的家庭的医疗支出负担，也会提高无经济能力就医的低收入家庭的医疗服务利用水平，其所给予的补偿额是居民增加医疗服务利用最直接的激励。

① 这一点通常不被提倡。

三、理论基础与研究方法 (一) 理论基础

根据经典的Grossman^[15]健康需求函数(用h表示)，个人的健康状况用收入水平和其他个人特征、家庭特征以及社区特征来表示的函数为：

$ H=h\left(Y, X_{1}, X_{2}, X_{3}\right) $

(1)

式(1)中，H表示健康状况；Y表示收入水平；X₁表示教育状况、年龄、婚姻、就业、医疗保险等个人特征；X₂表示家庭规模、家庭收入等特征；X₃表示个人所在社区的特征，比如医疗价格水平、医疗资源供给等。

个体是否发生医疗消费行为以及消费多少主要取决于个体健康状况和支付能力，而支付能力受收入水平的约束。当个体健康遭受到冲击时，医疗支出将相应发生变化，所以医疗支出方程(用f表示)为：

$ E=f\left(H, X_{1}, X_{2}, X_{3}, \text { Sick }\right) $

(2)

式(2)中，E表示医疗支出，Sick代表个人健康遭受到的冲击程度。结合方程(1)和(2)，可以建立如下的医疗支出方程：

$ \ln E=\beta_{0}+\beta_{1} \ln \text { income }+\beta_{2} \operatorname{Sick}+\beta_{3} P_{e}+\beta_{4} {\boldsymbol{X}}_{1}+\beta_{5} {\boldsymbol{X}}_{2}+\beta_{6} {\boldsymbol{X}}_{3}+\mu $

(3)

式(3)中，income表示收入水平(取对数)；P_e表示医疗支出价格；μ表示误差项；X₁、X₂和X₃分别表示个人、家庭和社区层面的特征向量。

(二) 估计方法

个体在发生医疗支出前必须作出是否就医的行为决策。当健康遭受到冲击时，是否选择就医取决于个体的医疗偿付能力、健康风险偏好等因素，因此不是所有个体都会发生医疗支出，即存在自我选择问题。为保证样本的代表性，本文采用Heckman两步法进行处理。

第一步，采用Probit模型估计居民是否决定就医。当P=1时，表示居民i决定就医，即：

$ P=\left\{ \begin{align} & 1, \ \ 当{{E}_{i}}>0 \\ & 0, \ \ 当{{E}_{i}}=0 \\ \end{align} \right. $

(4)

利用所得参数估计逆米尔斯比率(inverse mills' ratio)：

$ \hat{\lambda}_{i}={\mathit{\emptyset}}\left(X_{i}^{\prime} \hat{\beta}_{p b}\right) / \varphi\left(X_{i}^{\prime} \hat{\beta}_{p b}\right) $

(5)

式(5)中，Ø表示标准正态概率密度函数；φ表示标准正态累积分布函数；X′_i表示自变量向量；$\hat{\boldsymbol{\beta}}_{p b}$表示参数估计值。

第二步，在居民医疗支出行为发生的条件下，将(5)式引入医疗支出方程，采用OLS估计如下方程：

$ E\left[E_{i} | X_{j i}, E_{i}>0\right]=\beta_{0}+\sum_{j}^{n} \beta_{j} X_{j i}+\sigma \hat{\lambda}_{i} $

(6)

这样，便可以估计出每个变量的影响系数。j表示变量个数，下同。

(三) 分解方法

Blinder-Oaxaca分解法是Blinder^[16]和Oaxaca^[17]提出的一种研究方法，最初用于分析两个不同群体(黑人和白人、男性和女性等)工资差异的影响因素。目前，该方法已被广泛用于不同群体的收入和支出差异的影响因素分解，并扩展到健康状况差异等研究领域^[18-19]。本文将运用该方法测量城乡补偿率差异对居民医疗支出差异的影响程度。

为简化，用向量X代表自变量。假设城镇和农村居民的医疗支出分别用E_i^U和E_i^R表示，则城乡居民的医疗支出差异可分解为：

$ \begin{align} & \overline{E_{i}^{U}}-\overline{E_{i}^{R}}=\left( \beta _{0}^{U}-\beta _{0}^{R} \right)+\sum\nolimits_{j}{\beta _{j}^{U}}\left( \overline{X_{j}^{U}}-\overline{X_{j}^{R}} \right)+\sum\nolimits_{j}{\overline{X_{j}^{R}}}\left( \beta _{j}^{U}-\beta _{j}^{R} \right) \\ & \ \ \ \ \ \ \ \ \ \ \ \ \ =\left( \beta _{0}^{U}-\beta _{0}^{R} \right)+\sum\nolimits_{j}{\beta _{j}^{R}}\left( \overline{X_{j}^{U}}-\overline{X_{j}^{R}} \right)+\sum\nolimits_{j}{\overline{X_{j}^{U}}}\left( \beta _{j}^{U}-\beta _{j}^{R} \right) \\ \end{align} $

(7)

第一个等式以城镇居民医疗支出方程为基准，第二个等式以农村居民医疗支出方程为基准。等式右边的第一项称为“无法解释的差异”，即城乡居民医疗支出差异中无法解释的部分，用U表示；第二项称为“禀赋差异”，即城乡居民医疗支出差异中，解释变量本身不同造成的差异，用E表示；第三项称为“系数差异”，即城乡居民医疗支出差异中，解释变量变化所造成的差异，用C表示。

基准方程的选择不同，可能会导致估计结果有较大差异，即指数基准问题(index number problem)，本文采用Cotton^[20]提出的方法来解决该问题。将式(7)进一步分解为：

$ \overline{E_{i}^{U}}-\overline{E_{i}^{R}}=\left(\beta_{0}^{U}-\beta_{0}^{R}\right)+ \sum_{j} \beta_{j}^{*}\left(\overline{X_{j}^{U}}-\overline{X_{j}^{R}}\right)+\\ \sum_{j} \overline{X_{j}^{U}}\left(\beta_{j}^{U}-\beta_{j}^{*}\right)+\sum_{j} \overline{X_{j}^{R}}\left(\beta_{j}^{*}-\beta_{j}^{R}\right) $

(8)

式(8)中，$\beta_{j}^{*}=\delta^{u} \beta_{j}^{U}+\delta^{R} \beta_{j}^{R}$，δ^U表示城乡居民总样本中城镇居民所占的比例；δ^R表示城乡居民总样本中农村居民所占的比例。那么，等式右边的第二项为“禀赋差异”，第三项与第四项之和表示“系数差异”。

与(5)式结合，城乡居民医疗支出差异最终可分解为：

$ \begin{aligned} \overline{E_{i}^{U}}-\overline{E_{i}^{R}}=&\left(\beta_{0}^{U}-\beta_{0}^{R}\right)+\sum\nolimits_{j} \beta_{j}^{*}\left(\overline{X_{j}^{U}}-\overline{X_{j}^{R}}\right)+\sum\nolimits_{j} \overline{X_{j}^{U}}\left(\beta_{j}^{U}-\beta_{j}^{*}\right) \\ &+\sum\nolimits_{j} \overline{X_{j}^{R}}\left(\beta_{j}^{*}-\beta_{j}^{R}\right)+\left(\sigma^{U} \hat{\lambda}_{i}^{U}-\sigma^{R} \hat{\lambda}_{i}^{R}\right) \end{aligned} $

(9)

与式(8)相比，式(9)等号右边增加了最后一项。按照传统方法，将最后一项移到左边。也就是说，城乡居民医疗支出差异的分解，实质是解决选择性偏差问题之后，对医疗支出差异的分解。

四、数据来源及变量说明 (一) 数据来源

本文运用的数据来源于国务院发展研究中心2015年和2016年“中国民生问题”入户调查数据，反映的是2014年和2015年的基本情况。调查范围包括安徽、浙江、广东、黑龙江、陕西、四川、河北7个省份，基本涵盖了东、中、西部省份，具有较强的代表性。调查共分为工作与就业、基本民生问题、收入与消费、子女教育、医疗卫生、养老保障、住房保障、生活环境和政府服务共9个大类项目以及个人和家庭基本情况。根据调查数据，参加基本医疗保险的样本占总样本的96.80%。基于本文重点关注已参加基本医疗保险的城乡居民，故剔除未加入基本医疗保险的少量样本，同时对异常样本进行处理，最终形成9 851个有效样本。其中，城镇样本共3 446个，占34.98%；农村样本共6 405个，占65.02%。城镇样本中，有住院支出的样本524个，占15.21%，其中获得基本医疗保险补偿的样本485个，占92.56%；农村样本中，有住院支出的样本1 115个，占17.41%，其中获得基本医疗保险补偿的样本985个，占88.34%。

(二) 变量解释及说明

如果选择医疗总支出作为因变量，会低估补偿率的估计参数，因为当前新农合补偿项目仍以住院支出为主。因此，本文选择住院支出作为医疗总支出的衡量变量^①，界定为“居民生病住院的自付诊疗总费用”，即扣除医疗保险报销金额后实际支付的住院费用。

① 根据调查数据，城乡居民2015年住院支出占医疗总支出的比例分别为73.02%和74.65%。

解释变量中，核心变量为补偿率，即居民所在地区(以市为单位)所规定的补偿率。城镇地区补偿率基于城镇职工基本医疗保险和城镇居民基本医疗保险，农村地区补偿率基于新农合。用当年的城乡补偿率可能存在内生性问题，而用滞后一期的补偿率则可以有效避免内生性。

收入的定义为“个人税后年平均收入”。由于已经控制家庭规模，所以不再引入家庭总收入。个人收入对其就医决策和医疗支出大小的影响是多方面的。比如，收入水平较高的个人和家庭，日常膳食质量可能较高，也可能更注重身体锻炼，所以患病的概率比较小，最终导致医疗支出较小。但是，收入水平较高的患病家庭也有可能对就医质量的要求较高，所以医疗支出也相对较高。如果排除预防性就医行为，健康程度是决定个人是否就医以及医疗支出大小的重要变量之一，所以必须引入。通常情况下，在控制收入、年龄、社区环境等变量后，健康冲击越大，就医概率越大，医疗支出也相应增加。

除收入水平、健康程度和补偿率之外，个人对健康的风险偏好也是影响其就医决策和医疗支出的重要因素。个人对健康风险的偏好程度取决于个人特征，包括年龄、教育水平、婚姻状况、工作类型等。个人所处的社区或农村的生活环境质量会通过影响其健康程度，进而影响医疗支出。同时，个人的健康预防行为也会受到周围生活环境质量的影响，进而就医行为受到影响。就医频率和医疗质量追求的差异最终取决于个人对周围环境质量的判断。因此，本文考虑了空气质量变化。

城镇和农村在医疗服务质量和供给等方面存在明显的不平等，在控制个人和家庭特征后，这可能会造成医疗支出差异。本文引入每万城市人口医疗机构床位数和卫生技术人员数来控制城镇地区医疗服务质量和供给；对于农村地区，引入每万农村人口乡镇卫生院床位数和每万农村人口卫生技术人员数^①。

① 数据来源于《2016年中国统计年鉴》。原始数据为“每千人口……”，但是为了更好体现出城乡差异，这里采用“每万人口……”。

作为一种公益性服务，医疗服务市场几乎不存在竞争性，而且相关部门对医疗价格的监管也相当严格，因此在同一个省份或地区内，可以合理假设城乡之间的医疗支出价格是相等的。除价格外，还有一些无法观测的社区特征可能会影响医疗支出。借鉴江金启和郑风田^[21]的方法，通过引入地区虚拟变量予以控制^②。

② 由于医疗支出价格很难测算，也无法通过调研直接获取相关数据，因此绝大多数研究均通过引入虚拟变量来控制价格差异。这种引入虚拟变量的方法不仅适用于医疗支出价格，对于其他消费品价格的处理，也比较常见。

表 1报告了所有变量的定义和数值特征。2014年，农村地区平均补偿率为51.08%，最高补偿率为92.20%；城镇地区平均补偿率为76.66%，最高补偿率为94.80%。2015年，城镇居民和农村居民身体健康的比例分别为82.27%和75.74%，丧失劳动能力的比例分别为6.32%和11.19%。就住院比例看，每100个城镇居民，有15个人住院，而每100个农村居民中有17个人住院。综合来看，农村居民的健康水平低于城镇居民，且住院概率高于城镇居民。但是，农村居民医疗支出却低于城镇居民，城镇居民人均自付医疗支出为9 123.71元，农村居民为8 516.08元。城乡居民收入差距明显，2015年城镇居民个人税后年收入平均为40 544.59元，农村居民为22 874.01元。城乡之间差距更明显的是教育。农村居民接受过高中/中专/技校及以上教育的比例仅为14.19%，城镇居民为52.69%。城镇居民以非农就业为主，农村居民以农业就业为主。城乡之间医疗资源分配差异非常明显。在城镇地区，每万人口的卫生技术人员数量平均为0.99人，而农村地区只有0.41人。也就是说，在城镇地区，一个专业的卫生技术人员平均为101个病人服务；在农村地区，一个专业的卫生技术人员平均为246个病人服务。对于床位数，在城镇地区，一个床位平均被123个居民利用；在农村地区，平均273个居民“争抢”一个床位。由此可以看出，城乡之间的基本医疗资源供给严重不均衡。

五、实证结果及分析 (一) 散点图分析

在同一个省份或地区内，各地级市(包括其他市级单位，如自治州)之间的基本情况存在较大区别，因此本文的补偿率计算以城市为基本单位。在对2014年和2015年的样本进行匹配之后，最终，农村样本覆盖49个城市和1个自治州，城镇样本覆盖39个城市。图 1反映的是以城市为基本单位，城乡居民平均医疗支出和补偿率的拟合关系。从图中可以看出，无论是城镇地区，还是农村地区，居民医疗支出与补偿率呈正向相关关系。那么，两者之间具体存在什么关系，下面将进行实证检验。

(二) 补偿率对居民就医行为的影响

表 2报告的是就医决策方程和医疗支出方程的Heckman两步法回归结果，表 3报告的是就医决策方程的主要解释变量的边际效果。根据表中结果，无论是城镇居民还是农村居民，补偿率对居民就医决策和医疗支出的影响在5%水平下通过显著性检验。在控制其他因素后，补偿率每提高1个单位，城镇居民和农村居民的就医概率将分别增加9.0%和9.1%，这说明基本医疗保险在保障城乡居民的医疗需求上发挥了重要作用。

健康程度对城乡居民就医决策的影响在1%水平下通过显著性检验。系数符号为正，说明健康冲击越大，居民就医概率越大。在其他条件不变的情况下，如果遭受到更严重的健康冲击，城乡居民的就医概率将分别增加12.7%和12.9%。两者相差不大，这说明城乡居民对健康水平的重视程度基本一致。

个人收入对城镇居民就医决策有显著影响，但对农村居民的影响不显著。符号均为负，说明当收入增加时，就医概率会相应减少。收入水平较高的居民，日常可能更注重膳食营养结构和身体锻炼。此外，收入水平较高的居民也可能通过购买一些保健品、高营养含量的补品等对医疗支出形成替代。这均有可能造成就医概率随收入增加而下降。

城乡之间医疗机构床位数和卫生技术人员数的差异反映了医疗资源分配不均衡，两者对农村居民就医决策均有显著的正向影响。城镇居民就医概率受床位数量的影响显著，床位数量越多，就医概率越大。卫生技术人员数量代表了医疗卫生公共资源的分布范围，可享受到的资源越多，居民健康水平也会相应提高。床位数差异反映了医疗卫生公共资源的供给不平等，供给增加时，需求也会相应增加^①。

① 考虑到患病居民数量增加，可能导致床位数需求增加。因此，本文采用滞后一期的床位数作为工具变量。同时，卫生技术人员数量也相应滞后一期。

对于其余控制变量，教育水平对城乡居民就医决策的影响在1%水平下通过显著性检验。系数符号为负，说明居民教育水平越高，就医概率越小。一个合理的解释是教育水平越高，饮食知识和保健知识等水平越高，患病的概率越小。年龄和年龄的平方对城乡居民就医决策有显著影响，年龄的系数为负，年龄平方的系数为正，这符合传统的生命周期假说。相比未就业的居民，从事农业和非农工作的居民的就医概率均相对增加。家庭规模对居民就医决策有显著正向影响。对于婚姻状况，城乡居民之间表现出不同的结果。相比未婚居民，有过婚姻经历的城镇居民就医概率增加，而有过婚姻经历的农村居民就医概率降低。居民周围空气质量的变化对就医决策有显著影响，空气质量变好会显著降低城镇居民就医概率；空气质量变差会显著增加农村居民就医概率。

(三) 补偿率对居民医疗支出的影响 1. 估计结果分析

根据表 2，补偿率对城镇居民医疗支出的影响在10%水平下通过显著性检验，对农村居民的影响在5%水平下通过显著性检验。补偿率每增加1个单位，城镇居民自付医疗支出增加5 772.89元，农村居民医疗支出增加4 420.46元。结合决策方程估计结果，当城乡补偿率增加相同单位的时候，城镇居民医疗支出的增加幅度高于农村居民。因此，要缩小城乡医疗服务利用不平等，需要提高农村地区补偿率。

健康水平对医疗支出的影响在1%水平下通过显著性检验。对健康的冲击程度越大，城乡居民的医疗支出水平越高。在其他条件不变的情况下，如果健康遭受到更严重的冲击，城乡居民的医疗支出将分别增加3 880.50元和3 085.95元。

收入水平对医疗支出的影响不显著，但符号为正，符合预期，说明城乡居民一旦决定住院，收入越高的居民，医疗支出也越高。其余变量均符合预期，不再详细阐述。

2. 异质性检验

从平均值看，相比农村居民，城镇居民医疗支出对补偿率上升的反应更加敏感。那么，补偿率变化对不同收入水平的城乡居民的影响存在异质性吗？表 4报告的是按收入三等分分组的补偿率对城乡居民医疗支出影响的异质性检验结果。可以看出，补偿率增加相同水平，最低收入组与中间、最高收入组的农村居民的医疗支出变化有很大差异。补偿率每增加1个单位，最低收入组的农村居民医疗支出增加1 500.35元，而中间收入组和最高收入组的农村居民医疗支出增幅超过5 000元。对于城镇居民，补偿率每增加1个单位，中间收入组居民的医疗支出增加22 616.72元，高于最低收入组和最高收入组。城乡对比看，对于最低和中间收入组，补偿率每增加1个单位，城镇居民的医疗支出增加幅度均远高于农村居民，而高收入组农村居民对补偿率变化的反应比城镇居民更敏感。因此，无论是城镇居民，还是农村居民，收入水平不同，补偿率变化对医疗支出的影响有较大异质性。

(四) 城乡居民医疗支出差异的影响因素分解

表 5报告了城乡居民医疗支出差异的Blinder-Oaxaca分解结果。在尽可能地控制影响因素后，城镇居民医疗支出比农村居民高34.66%，即总差异。其中，禀赋差异为21.68%，说明当医疗支出行为发生时，城镇居民比农村居民拥有更好的禀赋条件，医疗支付能力更高；系数差异为2.58%，说明城镇居民对影响因素的敏感程度略高于农村居民；无法解释的差异为10.40%。

对比补偿率、收入水平和健康状况三个核心变量。城乡补偿率差异对居民医疗支出差异的贡献为14.37%，表明在其他条件不变的情况下，如果城乡补偿率不变，城镇居民的医疗支出将比农村居民平均高14.37%。其中，禀赋差异占9.93%，表明当医疗需求发生时，相对农村居民，城镇基本医疗保险为城镇居民提供了更多补偿；剩余的4.44%来自系数差异，表明城镇居民医疗支出对补偿率的敏感程度高于农村居民。

收入差异是造成医疗支出差异的主要原因，贡献率为16.44%。在其他条件不变的情况下，如果城乡居民的收入差异维持不变，城镇居民的医疗支出将比农村居民高16.44%。系数差异为3.57%，表明当医疗需求发生时，城镇居民对收入变化的反应比农村居民更敏感；禀赋差异为12.86%，表明城乡居民的收入差异对医疗支出差异的影响相对较大，这与Baeten^[22]、赵广川等^[23]的研究结论一致。因此，收入差距是城乡医疗支出不平等的首要原因。

居民的健康程度与医疗支出直接相关，在其他条件不变的情况下，城镇居民因健康变化导致的医疗支出比农村居民平均高9.28%。从满足居民基本医疗需求的角度看，农村居民理应比城镇居民的医疗支出更高，但实际并非如此。

除上述核心变量外，年龄、教育和公共卫生资源供给的差异对医疗支出差异也有一定的贡献，尤其是教育水平差异。由于篇幅所限，不再详细阐述。

六、研究结论与相关政策启示

基于国务院发展研究中心2015年和2016年“中国民生问题”入户调查数据，本文首先运用Heckman两步法，考察了城乡基本医疗保险补偿率对居民就医决策和医疗支出的影响。在此基础上，运用Blinder-Oaxaca分解法，进一步测算了补偿率及其他变量对居民医疗支出不平等的贡献。研究结果表明：第一，城乡基本医疗保险政策在保障居民基本医疗需求上有重要作用。控制其他因素后，补偿率每增加1个单位，城乡居民的就医概率将分别增加9.0%和9.1%，医疗支出将分别增加5 772.89元和4 420.46元；第二，补偿率差异对居民医疗支出差异的贡献率为14.37%，仅小于收入差异的贡献；第三，补偿率对医疗支出的影响表现出了收入异质性，不同收入水平的城乡居民，其医疗支出行为对补偿率的敏感性不同。

确保城乡居民享受公平的医疗保障服务是促进社会公平正义和城乡经济社会协调发展的基本目标之一。当前，国家及有关部门正在积极制定并实施城乡基本医疗保险统筹，这必将进一步提高城乡居民医疗保障水平和健康水平。本文研究结论表明，城乡基本医疗保险统筹同时也会缩小城乡医疗支出不平等，进而有利于加快实现城乡基本公共服务均等化。此外，公共医疗卫生资源向农村倾斜会降低城乡医疗支出不平等。但是，这个因素的贡献程度低于补偿率差异。最后，提高补偿率对农村中低收入家庭医疗支出增加的边际效果大于高收入家庭。因此，依据上述研究结论，可得出如下政策启示：

第一，为进一步促进城乡基本公共服务均等化，降低城乡医疗支出不平等，各地应严格按照“待遇就高不就低”的原则实施城乡居民基本医疗保险统筹。同时，扩大农村地区基本药物保障目录以提高对农村居民的预防药物和保健药物等医疗支出的补偿水平。

第二，在统筹城乡基本医疗保险过程中，适当提高对农村中低收入群体的医疗保障惠及力度。首先，对于五保户和贫困户等低收入群体实施个人缴费补助和适当减免政策；其次，通过财政补贴机制增强医疗保险对低收入群体的补偿力度。

第三，缩小城乡收入差距是降低城乡医疗支出不平等的重要政策选项。在此基础上，优化城乡教育资源配置，加强对农村教育的扶持力度，不仅能缩小城乡教育差距，而且有利于降低城乡医疗支出不平等。

第四，公共医疗卫生资源可适当向农村倾斜，但不宜盲目，原因在于城乡公共医疗卫生资源差距对医疗支出不平等的贡献相对较小。如果盲目地增加农村地区公共医疗卫生资源供给，还有可能引发医疗服务供给方诱导需求行为和患者过度医疗行为，从而造成资源浪费。