1、第三部分 影响医疗服务利用的多因素分析我们知道人们的医疗行为是一系列主观和客观因素交叉影响的结果。医疗服务利用实际上包括三个内容相互独立而又相互联系的一个过程：(1)患者决定是否利用医疗服务，当一个人身感不适时，首先要判断所患疾病的严重程度，然后根据其对医疗服务效果、价格、方便程度的认识，以及经济承受能力，决定是否就医以及花多少钱就医；(2)患者一旦进入医疗保健系统，医疗服务提供者（如医生）决定诊断治疗的种类以及进一步的服务内容（虽然不排除患者在诊治方面的参与，但医患信息不对称，医疗服务利用主要由供方控制） ；(3)考虑到患者病情严重程度和权衡利弊，医生决定患者是否应该住院治疗。因而，医疗服务
2、利用研究应该对上述整个过程的影响因素有全面认识和深入剖析。近年来，国内外一些学者对医疗服务的全过程进行了深入地研究，并提出“一个过程、四个组成部份”的理论假设，在此基础上建立了一系列独立等式分别解释门诊利用概率、住院利用概率、门诊对数费用和住院对数费用，并可在此基础上将上述等式的期望值有机结合，预测每一个人医疗总费用。第三部分将在描述性分析的基础上，应用“一个过程、四个组成部分”的基本理论假设，从需方角度出发，系统地分析和研究影响城乡居民门诊就诊概率、住院概率、门诊费用、住院费用以及门诊就诊单位选择概率的因素，以揭示影响我国城乡居民医疗服务利用的主要因素，为卫生改革和医疗保险制度的改革提供参考
3、。 一、医疗卫生服务利用多变量分析的基本原理和方法为了使读者更为深入地了解多变量分析的结果，在多变量分析前，我们将本部分使用的多变量分析法的基本原理和分析步骤简单介绍如下：1、 医疗服务利用过程的“四步模型”分析法根据医疗服务利用“一个过程、四个组成部份”的基本理论假设，建立四等式模型。有时也将“四步模型”分解为“门诊两步模型”和“住院两步模型” 。 “门诊两步模型”是把就诊分为两个组成部分：(1)就诊概率模型；(2)如去就诊，就诊的费用模型。每一个组成部分有一个等式：第一个等式是二值响应变量的概率模型，见等式（1） 。(1) I i = x i 1 + 1 i , 1i N(0,1) 等式（
4、1）中：I i 为个体 i 发生就诊的概率，如果 I=1，则有就诊费用（ MED）0；否则就诊费用（MED）=0；x 1 i 为个体 i 的社会、经济、人口学等解释变量； 1 解释变量的参数估计； 1 i 为随即误差， 1i N(0,1)。 第二个等式是对就诊费用取对数的线性模型：(2) Log ( MEDi | Ii 0 ) = x i 2 + 2 i , 2i N(0, 2) 对于具有特征 xi 的个体，门诊就诊费用的期望值为：(3) E ( MEDi | x i ) = Pi * E( MEDi |MEDi 0 , xi) = Pi * exp( x i 2 +2/2 )式中：P i =
5、 Pr ( MEDi 0 ) = Pr ( Ii 0 ) = ( xi 1 )等式(3)中，期望门诊就诊费用值能通过 1， 2，和 2 的估计值来替代。如果等式(2)中误差项 2i 不是正态分布的话，等式(3)计算的期望费用估计值与统计值不一致。四步模型是在二步模型法基础上，引入住院概率模型和住院费用对数线性模型。它把非门诊利用者和门诊利用者，非住院利用者和住院利用者之间分隔开来，获得下列四个等式：(4) Pr ( SICK=1 ) = ( xi 1 ) (5) Pr ( INPi 0 |SICK=1 ) = ( xi 2 )(6) Log (MEDi | SICK=1 , INPi = 0)
6、 = xi 3 + i (7) Log (MEDi | INPi 0) = xi 4 + i等式(4)和(5) 把研究对象分为三个群体：非利用者、门诊利用者、住院利用者，实际上是就诊概率和住院概率模型；等式(6)和(7)分别模拟门诊和住院利用者各自的费用，实际上是两个对数线性模型。与二步模型一样，四步模型的似然函数是积性可分。在等式(4)和(5) 中的误差项 i 和 i 均为正态分布，则具有 Xi 特征个体的预测医疗总费用（期望医疗总费用值）为：E (MEDt) = P i ( 1 i ) exp(xi 3 +2 / 2 ) + i exp(xi 4 +2 / 2 ) 式中 P i = Pr
7、( MEDi 0 ) , i = Pr ( INPi 0 | MEDi 0 ) 。基于上述基本原理，在实际应用中由于就诊概率和住院概率均为二值响应变量，采用Logistic 回归模型；就诊费用和住院费用均为左偏态分布，采用对数线性回归模型。2、影响患者就诊行为因素的多项式 LOGISTIC 回归分析我们知道二值响应变量（如：患病和未患病）和多项响应变量（如：患病轻、中、重）的问题在广泛存在卫生服务的研究领域。对于这一类问题，通常使用 LOGISTIC 回归分析来研究这些离散响应变量与一组解释变量之间的关系。在二值响应模型中，响应 Y 代表一个个体或一个实验单元，它的取值有两种可能性，0 和 1
8、（如：患病 Y=0，否则 Y=1） ，假定 X 是一个解释变量向量，且 p=Pr(Y=1|x)是要建模的响应概率，线性 Logistic 模型有如下的形式：(8) Logit(p) = Log ( p / (1-p) ) = a + bX 其中 a 是截距参数，b 是斜率参数向量。在多项响应变量中，响应变量 Y 的取值 1, 2, 3, ., m（这里数值 1，2，3，m 只表示一个排列序号，不存在 123.m 的数量关系） ，X 表示一个解释变量向量集。为了方便起见，假定 m=3（如就诊单位：村卫生室、乡镇卫生院和县及县以上医院三组结果类型） ，多序 Logistic 回归模型对每一个结果类
9、型均有一系列参数估计：显然，这个模型感觉上是不确定的： (1)， (2)， (3) 有多个解，Y=1、Y=2、Y=3 有相同的概率。为了确定模型，任意确定 (1)、 (2)或 (3)的其中一个为 0，如果我们假设 (1)=0，保留 (2)和 (3)去测量相对于 Y=1 组的变化；同样如果我们假设 (2)=0，保留)3()2()1(1Pr(eey)3()2()1(2)3()2()1(33r(eey (1)和 (3)去测量相对于 Y=2 组的变化。由于不同假设，它们的系数值是不同的，但对于 Y=1,2 或 3 来讲，预测的概率还是一致的。这样，对于相同的下列模型，任何一个参数均有一个结果。建立 (
10、1)=0，上述等式变为：对于第一组类型类型，第二组 Y=2 的相对概率：我们常称这个比值为相对危险度。进一步假设：X 和 (2) 分别为等于 (x1, x2, x3, ., xk) 和（1 (2) ,2 (2) ,.k (2) ）的矢量。对于 xi，一个单位变化的相对危险度比值有：这样，系数的幂指数值是协反应变量变化一个单位的相对危险度比值，可以理解为被测量的类型相对于基础（用于比较）类型的危险。3、研究变量和解释变量因变量：根据“四步模型”的基本理论和方法以及研究的目的，我们分别选择城市和农村门诊就诊概率（包括人群就诊概率和患者就诊概率） 、门诊就诊费用、住院概率和住院费用作为研究变量。由于
11、门诊和住院费用均呈明显的左偏态分布，建立模型时我们对费用数据进行了对数转换。研究患者选择就诊单位的因变量在城市为四值响应变量，即街道卫生院及以下医疗机构、市区级医院、地级医院和省级医院；在农村为三值响应变量，即村级卫生组织、乡镇卫生院、县及县以上医疗机构。在城市，将街道卫生院及以下医疗机构作为对照，选择其它不同级别就诊单位分别与此进行比较；在农村，分别将村卫生组织和乡镇卫生院作为对照，选择其它就诊单位分别与此进行比较。解释变量：我们将解释变量大体划分为社会经济、人口学特征，卫生服务可得性和医疗保险制度变量，居民健康状况，患病严重程度等四大类指标变量。对每一个定性指标，如婚姻、文化程度、就业状况
12、、医疗保险制度、自感疾病严重程度等因素，以及性别、年龄、人均收入、是否患慢性病、是否残障、是否失能等指标进行了分组，并进行数量化赋值。对于一些定量指标，如恩格尔系数（食物消费占收入的百分比例，反映生活贫困化程度，系数越大，生活越贫困）和就诊距离（反映卫生服务可得性）直接引入模型。结果解释：我们分别建立了城市、农村门诊就诊概率（居民和患者） 、住院概率的回归模型和就诊费用、住院费用的对数线性回归模型。利用模型的主要参数，如回归系数估计)3()2(1)Pr(ey)()()3()2()3r(y)2(1Pr(ey)2()2(.)(.1)2( )(.1)(.)( ikii ee值（弹性系数） 、差异显著
13、性水平、相对危险度（RR，即研究组与对照组概率相差的倍数）及其模型效度等来判断主要影响因素及其影响程度的大小。二、影响城乡居民就诊和住院的多因素分析结果（一） 、影响城市和农村居民和患者门诊就诊概率的主要因素分析 1、城市 15 岁及以上居民就诊概率模型及其结果居民就诊概率是指在调查的居民中（包括正常人和患者）发生就诊的机会，也可以认为在调查人群中发生就诊的概率。描述性分析中，我们按不同因素（如性别、年龄、文化程度、婚姻状况、就业状况、医疗保险制度等）进行分层，分别计算各层就诊率，发现各因素间居民就诊率高低不尽相同，同时也发现不同因素之间有明显的交互作用。建立影响就诊概率的多变量模型，一是研究
14、在控制其它因素的交互作用后，特定解释变量对就诊概率的影响；二是采用不同变量组分别引入模型，考察特定解释变量对就诊概率作用的变化。表 3-1-1 和表 3-1-2 是城市地区分别引入不同变量后，解释变量对居民和患者门诊就诊概率影响的分析结果。表中模型一是引入了社会、经济、人口学的主要特征变量、卫生服务可得性、医疗保险制度等解释变量，各因素间对就诊概率的影响程度及显著性水平；模型二是在模型一的基础上增加了居民健康状况的变量，如是否患有慢性病、失能和残障；模型三是在模型二的基础上再增加居民就诊前对自己所患疾病严重程度主观判断变量。分析结果表明三个模型的检验假设均具有高度显著性（p0.001） ，其预
15、测的一致性（Concordant）分别达到 65.6%、71.4% 、91.5% 。从模型一中可以看出，在没有控制居民健康状况和自感疾病严重程度时，性别、年龄、婚姻状况、文化程度、就业状况、收入水平、居民消费结构（恩格尔系数） 、医疗保险制度等社会、经济、人口学特征和卫生服务可得性等变量对居民门诊就诊概率均有明显的影响。如在控制其它因素后，女性就诊概率高于男性(RR=1.26)；35 岁以上各年龄组就诊概率高于对照的 15-24 岁年龄组，年龄越大就诊概率与 15-24 岁组的差异越大，如 65 及以上老人(RR=3.34)；不同婚姻状况与未婚者相比，差异具有高度显著性，尤其是离婚者，就诊概率
16、是未婚者的 2.2 倍；在控制其它因素后，尤其是年龄，不同文化程度就诊概率与描述性分析（文盲半文盲就诊率较高）有较大差异，这证实了不同文化程度就诊概率差异受到其它因素的交互影响，如文盲半文盲多半是老年人等；就业状况中，离退休和无业人员就诊概率高于在岗人员；高收入人群就诊概率高于低收入人群(RR=1.13)；恩格尔系数越大，即家庭越贫困，就诊概率越低，差异具有显著性（RR=0.41） ；在控制其它变量后，除了参加商业医疗保险（大多为学生）外，有医疗保险居民的就诊概率明显高于自费者，如公费医疗就诊概率是自费医疗者的 1.38 倍、劳保医疗是自费的 1.33 倍、半费医疗是自费的 1.20 倍、合作
17、医疗是自费的 1.78 倍。就诊概率与离最近医疗服务机构的距离呈正相关，但差异无显著性。如果在模型一基础上引入反映居民健康状况指标，即就诊者前半年是否患有慢性病、失能和残疾等。结果显示：一方面有无慢性病(RR=6.50)和是否残障（RR=1.82）的就诊概率差异具有高度显著性；另一方面当健康状况指标引入模型后，某些因素对就诊概率的影响程度消失（如年龄、文化程度） ，一些因素影响程度减弱（如性别、婚姻、人均收入、恩格尔系数等） ，有的因素影响程度增大（如就诊距离） ，说明这些影响因素与居民健康状况有交互作用，如老年人慢性病多，控制慢性病，年龄因素作用就显示不充分。如果在模型二的基础上进一步引入居
18、民对自己疾病严重程度判断变量，年龄、文化程度、就业状况、恩格尔系数等因素对就诊概率影响基本消失；性别（RR=1.12） 、有无慢性病（RR=1.38）就诊概率的差异有明显的减弱；医疗保险制度、收入水平和就诊距离的作用增强。表 3-1-1: 1998 年城市地区 15 岁以上居民门诊就诊概率的 LOGISTIC 回归模型结果模型一 模型二 模型三参数 显著 相对 参数 显著 相对 参数 显著 相对解释变量 估计 水平 危险性 估计 水平 危险性 估计 水平 危险性性别（0=男性 ) 0.2316 * 1.26 0.2031 * 1.23 0.1113 * 1.12年龄组 (对照=15-24岁)2
19、5-34岁 0.0890 1.09 -0.0126 0.99 -0.0485 0.9535-44岁 0.4320 * 1.54 0.0291 1.03 -0.1917 0.8345-54岁 0.6983 * 2.01 0.0622 1.06 -0.0931 0.9155-64岁 0.9628 * 2.62 0.1376 1.15 -0.0186 0.9865岁及以上 1.2044 * 3.34 0.2246 1.25 -0.0372 0.96婚姻状况 (对照组=未婚)初 婚 0.4053 * 1.50 0.3967 * 1.49 0.3634 * 1.44再 婚 0.6271 * 1.87 0
20、.5606 * 1.75 0.5676 * 1.76离 婚 0.7034 * 2.02 0.6656 * 1.95 0.4794 * 1.62丧 偶 0.4319 * 1.54 0.3346 * 1.40 0.3097 * 1.36文化程度 （对照组= 文盲半文盲 )小 学 0.1229 * 1.13 0.1338 * 1.14 0.1871 * 1.21初 中 0.1125 1.12 0.0826 1.09 0.0575 1.06高 中 0.0771 1.08 0.0563 1.06 0.0749 1.08大专及以上 0.1758 * 1.19 0.1186 1.13 0.0969 1.10
21、就业状况 （对照组= 在岗）下 岗 0.0380 1.04 -0.0740 0.93 -0.1479 0.86离 退 休 0.3892 * 1.48 0.1468 * 1.16 0.0451 1.05学 生 0.1930 1.21 0.1782 1.20 0.0893 1.09无 业 0.2019 * 1.22 -0.0177 0.98 -0.0440 0.96人均收入 （对照组= 低收入）中等收入 -0.0130 0.99 -0.0485 0.95 0.0421 1.04高 收 入 0.1176 * 1.13 0.0618 1.06 0.1735 * 1.19消费结构 （占消费支出的比例）恩
22、格尔系数 -0.8964 * 0.41 -0.5055 * 0.60 -0.1704 0.84医疗保险 (对照组=自费组)公费医疗 0.3202 * 1.38 0.1428 * 1.15 0.2490 * 1.28劳保医疗 0.2870 * 1.33 0.1662 * 1.18 0.1985 * 1.22半费医疗 0.1845 * 1.20 0.0871 1.09 0.2291 * 1.26医疗保险 -0.3798 * 0.68 -0.3828 * 0.68 0.0190 1.02合作医疗 0.5764 * 1.78 0.8091 * 2.25 1.4469 * 4.25卫生服务可得性就诊距离
23、 0.0106 1.01 0.0431 * 1.04 0.1330 * 1.14健康状况是否患慢性病 1.8712 * 6.50 0.3231 * 1.38是否有残障 0.6012 * 1.82 -0.1697 0.84是否有失能 -0.0852 0.92 -0.2730 0.76自己对疾病判断 （对照组= 不严重）较严重 3.6690 * 39.21很严重 4.5584 * 95.43说不好 3.7973 * 44.58常数项 -3.3413 * . -3.6132 * . -4.7723 * .注：* P0.05 * P 0.01从上述三个模型的结果可以看出，除了自感疾病严重程度以外，医疗
24、保险制度、居民健康状况（有无慢性病） 、收入水平、恩格尔系数、性别是影响中国城市居民就诊概率的主要因素。我们继续考察城市居民中患者的就诊概率（条件概率） ，影响因素除了自感疾病严重程度、医疗保险制度、收入水平、就诊距离等以外，患者就诊概率与人群就诊概率显著不同的是就业状况，模型显示下岗患者的就诊概率低于在岗人员，差异具有显著性（P0.05） 。在模型一中，控制其它社会经济、人口学特征、卫生服务可得性和医疗保险制度等因素的作用后，下岗人员中患者的就诊概率比在岗人员低 17%；如果在模型一的基础上，引入健康状况指标和疾病严重程度后，下岗人员中的患者就诊概率比在岗人员更低（低 19%） 。这一结果可
25、以解释为城市居民门诊量下降与职工下岗有一定联系。表 3-1-2: 1998 年城市地区 15 岁以上患者门诊就诊概率的 LOGISTIC 回归模型结果模型一 模型二 模型三参数 显著 相对 参数 显著 相对 参数 显著 相对解释变量 估计 水平 危险性 估计 水平 危险性 估计 水平 危险性性别（0=男性 ) 0.0467 1.05 0.0511 1.05 0.0497 1.05年龄组 (对照=15-24岁)25-34岁 -0.0224 0.98 -0.0357 0.97 -0.0559 0.9535-44岁 -0.2245 0.80 -0.2529 0.78 -0.3194 0.7345-5
26、4岁 -0.2175 0.81 -0.2514 0.78 -0.2900 0.7555-64岁 -0.1837 0.83 -0.2265 0.80 -0.2107 0.8165岁及以上 -0.1643 0.85 -0.2202 0.80 -0.2278 0.80婚姻状况 (对照组=未婚)初 婚 0.3897 * 1.48 0.3942 * 1.48 0.4038 * 1.50再 婚 0.3993 * 1.49 0.4060 * 1.50 0.4607 * 1.59离 婚 0.5199 * 1.68 0.5229 * 1.69 0.4903 * 1.63丧 偶 0.3015 * 1.35 0.2
27、943 * 1.34 0.3157 * 1.37文化程度 （对照组= 文盲半文盲 )小 学 0.0685 1.07 0.0825 1.09 0.1543 1.17初 中 -0.0465 0.96 -0.0360 0.97 0.0314 1.03高 中 -0.0639 0.94 -0.0518 0.95 0.0324 1.03大专及以上 -0.0850 0.92 -0.0743 0.93 -0.0035 1.00就业状况 （对照组= 在岗）下 岗 -0.1816 * 0.83 -0.1901 * 0.83 -0.2136 * 0.81离 退 休 0.0925 1.10 0.0742 1.08 0
28、.0331 1.03学 生 -0.0118 0.99 -0.0122 0.99 0.0064 1.01无 业 0.0090 1.01 -0.0141 0.99 -0.0234 0.98人均收入 （对照组= 低收入）中等收入 -0.0186 0.98 -0.0123 0.99 0.0324 1.03高 收 入 0.1047 1.11 0.1122 1.12 0.1925 * 1.21消费结构 （占消费支出的比例）恩格尔系数 -0.2024 0.82 -0.1576 0.85 -0.0788 0.92医疗保险 (对照组=自费组)公费医疗 0.2684 * 1.31 0.2573 * 1.29 0.
29、2569 * 1.29劳保医疗 0.1808 * 1.20 0.1738 * 1.19 0.1833 * 1.20半费医疗 0.3025 * 1.35 0.2948 * 1.34 0.2886 * 1.34医疗保险 0.0444 1.05 0.0545 1.06 0.0927 1.10合作医疗 1.4628 * 4.32 1.4963 * 4.47 1.7576 * 5.80卫生服务可得性就诊距离 0.1725 * 1.19 0.1746 * 1.19 0.1861 * 1.21健康状况是否患慢性病 0.0647 1.07 -0.1402 * 0.87是否有残障 0.2869 * 1.33 -
30、0.0950 0.91是否有失能 -0.0908 0.91 -0.2277 0.80自己对疾病判断 （对照组= 不严重）较严重 0.6953 * 2.00很严重 1.6145 * 5.03说不好 0.9178 * 2.50常数项 -0.6308 * . -0.6903 * . -1.4173 * .注：* P0.05 * P 0.01与 1993 年调查的城市居民门诊就诊概率模型分析结果相比，除了疾病严重程度和居民健康情况是影响城市居民就诊概率的主要因素外，经济收入差距和恩格尔系数增大，下岗人员增多，医疗保险制度覆盖率减少对就诊概率影响程度加大。1993 年调查研究中发现，如果控制居民健康状况
31、和疾病严重程度指标，几乎所有的社会经济和人口学特征变量、卫生服务可得性变量组间的差异没有显著性，即使是非重症疾病，文化水平高、收入高患者就诊概率反而低、自我医疗的比例高，不仅说明九十年代初期城市地区不同阶层居民在就诊概率即门诊利用上不存在明显差异，也就是当时城市地区有较好的卫生服务体系和医疗保险覆盖程度。2、农村 15 岁及以上居民和患者就诊概率模型及其结果与城市一样， 我们分别建立了农村地区 15 岁以上居民和患者门诊就诊概率的Logistic 回归模型。表 3-1-3 显示了农村地区 15 岁及以上居民就诊概率模型的分析结果，从模型一中可以看出，不同性别、年龄别、婚姻别、文化程度别、就业状
32、况别、恩格尔系数、医疗保险制度别的就诊概率差异均有显著性。如控制其它因素作用后，女性就诊概率高于男性 1.30 倍；25 岁以上各年龄组就诊概率均高于对照组（15-24 岁） ；初婚、再婚、离婚、丧偶组居民就诊概率均高于对照组未婚者；与文盲、半文盲组相比，具有小学及以上文化程度人群就诊概率均较低，且差异有显著性；就诊概率与恩格尔系数呈负的关联(RR=0.40)，也就是说，农村越贫困的家庭，就诊概率越低，差异具有高度显著性；享有公费医疗、劳保医疗、半费医疗、商业医疗保险和合作医疗就诊概率分别高于自费者 1.47、1.10、1.18、1.27 和 1.08 倍；不同收入组和就诊距离间差异的显著性不
33、强。在模型一的基础上引入居民健康状况指标，有无慢性病和有无残障的就诊概率分别表现出显著差异(RR=7.46，RR=1.34)，就诊概率与有无失能呈负的关联，差异未见显著性。健康状况指标的引入，文化程度、就业状况、除公费医疗外其它形式的医疗保险制度的就诊概率与对照组就诊概率的差异显著性消失；性别、年龄和婚姻别组间就诊概率差异的显著性有所减弱；而就诊距离的差异呈现出显著性，即与就诊概率的负关联增强（就诊距离越远，就诊概率越低，差异具有显著性） 。在模型二的基础上进一步引入自感疾病严重程度的指标，与对照的“不严重”组相比，“较严重” 、 “很严重” 、 “说不好”组就诊概率的差异具有高度显著性。由于
34、这一变量的引入，性别、年龄、婚姻别和有无慢性病组间的差异显著性减弱，有无残障方向改变，即有残障者就诊概率反而低；无业人员与在岗人员、高收入与低收入人群、就诊距离差异的显著性增强。因此，从上述三个模型的结果可以看出，中国农村地区居民就诊概率的影响因素除了自感疾病严重程度和健康状况外，主要为收入高低、恩格尔系数大小、就诊距离远近、医疗保险制度、无业人员以及性别、年龄和婚姻状况。与城市一样，我们进一步考察农村居民中患者的就诊概率及其影响因素，结果见表 3-1-4。可以认为，影响农村患者就诊概率的主要因素依次是：疾病严重程度、高收入、恩格尔系数、就诊距离、无业和性别。表 3-1-3: 1998 年农村
35、地区 15 岁以上居民门诊就诊概率的 LOGISTIC 回归模型结果模型一 模型二 模型三参数 显著 相对 参数 显著 相对 参数 显著 相对解释变量 估计 水平 危险性 估计 水平 危险性 估计 水平 危险性性别（0=男性 ) 0.2655 * 1.30 0.2443 * 1.28 0.1673 * 1.18年龄组 (对照组=15-24岁)25-34岁 0.3289 * 1.39 0.1774 * 1.19 0.1000 1.1135-44岁 0.6048 * 1.83 0.3034 * 1.35 0.1795 * 1.2045-54岁 0.7704 * 2.16 0.3012 * 1.35
36、 0.0640 1.0755-64岁 0.9903 * 2.69 0.4071 * 1.50 0.1717 * 1.1965岁及以上 0.9727 * 2.65 0.4051 * 1.50 0.1946 * 1.22婚姻状况 (对照组=未婚)初 婚 0.4521 * 1.57 0.3777 * 1.46 0.2813 * 1.33再 婚 0.6291 * 1.88 0.5006 * 1.65 0.3648 * 1.44离 婚 0.4231 * 1.53 0.3312 * 1.39 0.3396 1.40丧 偶 0.3404 * 1.41 0.2984 * 1.35 0.2634 * 1.30文
37、化程度 （对照组= 文盲半文盲 )小 学 -0.0779 * 0.93 0.0071 1.01 0.0584 1.06初 中 -0.1283 * 0.88 -0.0102 0.99 0.1064 * 1.11高 中 -0.2176 * 0.80 -0.0834 0.92 -0.0052 1.00大专及以上 -0.2025 0.82 -0.0592 0.94 0.0191 1.02就业状况 （对照组= 在岗）下 岗 0.2680 * 1.31 0.1997 1.22 -0.0460 0.96离 退 休 0.3178 * 1.37 0.0158 1.02 -0.0066 0.99学 生 0.232
38、2 * 1.26 0.2659 * 1.31 0.1767 1.19无 业 0.2067 * 1.23 -0.0561 0.95 -0.2027 * 0.82人均收入 （对照组= 低收入）中等收入 0.0156 1.02 0.0316 1.03 0.0512 1.05高 收 入 -0.0505 0.95 -0.0191 0.98 0.1262 * 1.14消费结构 （占消费支出的比例）恩格尔系数 -0.9192 * 0.40 -0.5583 * 0.57 -0.5300 * 0.59医疗保险 (对照组=自费组)公费医疗 0.3839 * 1.47 0.1999 * 1.22 0.2200 *
39、1.25劳保医疗 0.0937 1.10 -0.0100 0.99 -0.0797 0.92半费医疗 0.1623 * 1.18 0.0752 1.08 0.0063 1.01医疗保险 0.2411 1.27 0.1125 1.12 0.1856 1.20合作医疗 0.0764 * 1.08 0.0249 1.03 0.0376 1.04卫生服务可得性就诊距离 -0.0138 0.99 -0.0195 * 0.98 -0.0583 * 0.94健康状况是否患慢性病 2.0089 * 7.46 0.5136 * 1.67是否有残障 0.2955 * 1.34 -0.2345 * 0.79是否有失
40、能 -0.0681 0.93 -0.1070 0.90自己对疾病严重性判断 （对照组=不严重）较严重 4.2275 * 68.55很严重 4.5475 * 94.40说不好 4.2243 * 68.33常数项 -2.8277 * . -3.2168 * . -4.0010 * .注：* P0.05 * P 0.01表3-1-4: 1998年农村地区15岁以上患者门诊就诊概率的LOGISTIC回归模型结果模型一 模型二 模型三参数 显著 相对 参数 显著 相对 参数 显著 相对解释变量 估计 水平 危险性 估计 水平 危险性 估计 水平 危险性性别（0=男性 ) 0.0778 * 1.081 0
41、.08 * 1.083 0.0860 * 1.09年龄组 (对照=15-24岁)25-34岁 -0.0995 0.905 -0.0967 0.908 -0.0969 0.9135-44岁 -0.1483 0.862 -0.1412 0.868 -0.1388 0.8745-54岁 -0.262 * 0.77 -0.2511 * 0.778 -0.2642 * 0.7755-64岁 -0.1391 0.87 -0.1271 0.881 -0.1452 0.8765岁及以上 -0.0764 0.926 -0.0684 0.934 -0.0895 0.91婚姻状况 (对照组=未婚)初 婚 0.140
42、2 1.15 0.1445 1.156 0.1477 1.16再 婚 0.2316 1.261 0.235 1.265 0.2188 1.25离 婚 0.1727 1.189 0.1743 1.19 0.2012 1.22丧 偶 0.139 1.149 0.1434 1.154 0.1631 1.18文化程度 （对照组= 文盲半文盲 )小 学 -0.0252 0.975 -0.0248 0.976 0.0147 1.02初 中 0.0256 1.026 0.0265 1.027 0.0916 1.10高 中 -0.0762 0.927 -0.0749 0.928 -0.0211 0.98大专及
43、以上 -0.2777 0.758 -0.2808 0.755 -0.1775 0.84就业状况 （对照组= 在岗）下 岗 -0.0788 0.924 -0.0817 0.922 -0.1127 0.89离 退 休 -0.1505 0.86 -0.1514 0.859 -0.1254 0.88学 生 0.2532 * 1.288 0.2519 * 1.287 0.2306 1.26无 业 -0.2227 * 0.8 -0.2265 * 0.797 -0.2243 * 0.80人均收入水平（对照组= 低收入）中等收入 0.0568 1.058 0.0571 1.059 0.0631 1.07高 收
44、 入 0.1283 * 1.137 0.1288 * 1.137 0.1585 * 1.17消费结构 （占消费支出的比例）恩格尔系数 -0.3914 * 0.676 -0.3958 * 0.673 -0.3772 * 0.69医疗保险 (对照组=自费组)公费医疗 0.1305 1.139 0.1329 1.142 0.1369 1.15劳保医疗 0.2058 1.229 0.2007 1.222 0.1495 1.16半费医疗 0.2559 * 1.292 0.2532 * 1.288 0.1609 1.18医疗保险 0.1986 1.22 0.2038 1.226 0.1868 1.21合作
45、医疗 -0.1111 0.895 -0.1093 0.896 -0.0576 0.94卫生服务可得性就诊距离 -0.0358 * 0.965 -0.0359 * 0.965 -0.0505 * 0.95健康状况是否患慢性病 -0.0413 0.96 -0.1850 * 0.83是否有残障 0.0781 1.081 -0.1125 0.89是否有失能 0.3034 1.354 0.1229 1.13自己对疾病判断 （对照组= 不严重）较严重 0.7038 * 2.02很严重 1.1498 * 3.16说不好 0.8692 * 2.39常数项 0.7213 * . 0.7276 * . 0.177
46、3 * .注：* P0.05 * P 0.01（二） 、影响城市和农村居民门诊就诊费用的主要因素分析 、影响城市居民就诊费用的对数线性回归模型及其结果不同人群在门诊服务利用上的差距不仅反映在就诊概率，而且反映在就诊过程的资源消耗上。也就是说，患病后是否就诊只是整个就诊行为和医疗服务利用过程的一个方面，另外一个重要的方面是考察就诊所获得服务的数量和质量（通常用服务费用的高低来表示） 。正如我们在医疗费用理论模型的讨论中所提到的，医疗费用的多少不仅反映了病人就诊行为，同时也反映了医务人员的服务行为。就诊费用描述性分析发现其分布是一个左偏态，为了便于多变量分析，将就诊费用取对数，取对数后的就诊费用分布接近正态分布。表 3-2-1： 1998 年中国城市地区 15 岁以上患者均次就诊费用的对数线性回归模型结果所有疾病 重症疾病 轻症疾病参数 标准 显著 参数 标准 显著 参数 标准 显著解释变量 估计 误差 水平 估计 误差 水平 估计 误差 水平性别（0=男性 ) -0.1168 0.0502 * -0.2369 0.1406 -0.0519 0.0573 年龄组 (对照组=15-24岁)25-34岁 -0.2264 0.1762 -0.0721 0.5810 -0.2837
