利用VAR模型分析中国基本药物筹资结构各变量相互影响

       导读：利用VAR模型分析中国基本药物筹资结构各变量相互影响.第2期迅速下降为负，随后有所上升但影响不大；该序列对来自政府支出增长率和社会支出增长率的影响较为类似，第1期为负，第2期迅速上升为正，随后下降，第4期又为负，但前者比后者的影响幅度更大。
参考：《中国抗体药物市场现状分析及未来五年盈利战略研究报告》

       我国仍是发展中国家，经济发展水平决定了我国医疗卫生水平与发达国家的差距，目前基本药物费用全部由政府承担并不现实，仍然需要政府支出、社会支出和个人现金支出共同筹资，而药物费用的支出结构反映了政府、社会和个人对药物的投入格局、规模和变化趋势，也反映了政府、社会和个人对健康重视程度的关键指标。药物支出不同构成部分的长期均衡与短期波动更能体现药物费用发展变化的现实规律性，为药物费用的合理筹资与运用提供理论和政策依据。
       由于政府、社会和个人对药物支出的数据不可得，本文将分别使用政府、社会和个人对卫生支出的数据替代，数据来自历年《中国统计年鉴》，时间跨度为2000-2011年，采用政府卫生支出增长率(LZ)、社会卫生支出增长率(LS)和个人现金卫生支出增长率(LG)这三个指标作为研究对象，同时为了减少模型拟合的异方差性，对以上三个指标取自然对数。
       一般的模型仅仅只是描述因变量对自变量变化的反应，向量自回归模型(VAR)则考虑了模型中各变量间的相互作用。在某些给定条件下，VAR模型能够用来确定一个基本的经济冲击给其他经济变量带来多大影响，即其他经济变量对该基本经济冲击的响应的大小，所以VAR模型被公认为描述变量间动态关系的一种使用的方法。因此，本文采用VAR模型分析药物筹资结构各变量间的相互影响。
       首先需要对变量进行平稳性检验，采用ADF检验法，三个变量的平稳性检验如表3所示。
表3 平稳性检验
变量 ADF值 P值 结论 变量 ADF值 P值 结论
LZ -2.129145 0.2381 不平稳 ΔLZ -4.663965 0.0091 平稳
LS -0.626186 0.4181 不平稳 ΔLS -3.621277 0.0271 平稳
LG -0.139073 0.6087 不平稳 ΔLG -4.207499 0.0133 平稳
       由表3可知，LZ、LS和LG三个变量原始序列均不能拒绝存在单位根的原假设，表明这三个变量的时间序列都是非平稳的，而三个变量的一阶差分序列均拒绝了有单位根的原假设，即其一阶差分序列都是平稳的，表明这三个变量都是一阶单整的。
       由于各变量都是一阶单整变量，所以需要进一步对这些变量之间是否存在协整关系进行检验。我们运用Johansen于1995年提出的基于向量自回归模型的协整检验方法对模型中的LZ、LS和LG三个变量进行协整检验，检验结果如表4所示。
表4 协整检验结果
原假设 特征值 迹统计量 5%临界值 P值
没有协整关系* 0.999514 113.3857 29.79707 0.0000
至多有一个协整关系* 0.966896 37.10072 15.49471 0.0000
至多有两个协整关系 0.260651 3.019857 3.841466 0.0822
       由表4可知，在5%的显著性水平下，三个变量存在协整关系。Sims，Stock and Watson(1990)指出，当一组变量是协整的时候，按水平变量建立的VAR模型并不是错误识别的，并且最小二乘估计在这种情况下是一致估计的。所以可以建立VAR模型，在选择该模型的滞后阶数，我们按照Hendry and Mizon(1993)和Hendry and Doornik(1994)所使用的方法，由此确定LZ、LS和LG三个变量的最优滞后阶数为2阶，模型所有的特征根都落在单位圆内，表明VAR模型满足平稳条件。由于VAR模型参数估计值意义并不大，所以本文省略参数估计结果，而重点分析基于VAR的脉冲响应与方差分解。
       接下来进行Granger因果检验，该方法自从Granger提出以来，已被广泛运用。协整检验表明了变量之间的均衡关系，但这种均衡关系是否构成因果关系需要通过Granger因果检验进行验证。检验结果如表5所示。
表5 Granger因果检验结果
原假设 F统计量 P值 原假设 F统计量 P值
LS不是LZ的Granger原因 0.81146 0.4952 LZ不是LG的Granger原因 0.03888 0.9622
LZ不是LS的Granger原因 5.12911 0.0615 LG不是LS的Granger原因 3.54427 0.1100
LG不是LZ的Granger原因 6.84810 0.0370 LS不是LG的Granger原因 0.45934 0.6559
       由表5可知，政府支出是社会支出的Granger原因，个人支出是政府支出的Granger原因，说明政府政府支出增长率波动具有解释社会支出增长率波动的能力，而个人支出增长率波动能够解释政府支出增长率波动。
       脉冲响应分析能够提供进一步观察动态效果，并能够描绘特定变量对各种冲击的反应轨迹。各变量的脉冲响应图如图2所示。

       图2 各变量对一个标准差新息的脉冲响应
       由图2(a)可知，政府支出增长率对自身的一个标准差新息立刻有较强烈的反应，增长率约增加了0.2631，到第2期即到达最高点0.4751，随后迅速下降，到第4期有负的影响；政府支出增长率对其他变量的信息均有反映，来自社会支出增长率的影响在第2期达到最大且为正的影响，随后迅速下降且影响不大，而来自个人支出增长率的影响在第2期达到最大且为负的影响，随后迅速上升且影响不大。
       由图2(b)可知，社会支出增长率对自身的一个标准差新息在前4期有较强烈的反应，且前3期影响为正，第4期的影响迅速下降为负；该序列对来自政府支出增长率的影响与来自自身的影响相似，但前者比后者的影响幅度更大；该序列对来自个人支出增长率的影响在前2期没有反应，第3期为负的影响，而第4期迅速上升为正的影响。
       由图2(c)可知，个人支出增长率对自身的一个标准差新息立刻有较强烈的反应，增长率增加了约0.1456，第2期迅速下降为负，随后有所上升但影响不大；该序列对来自政府支出增长率和社会支出增长率的影响较为类似，第1期为负，第2期迅速上升为正，随后下降，第4期又为负，但前者比后者的影响幅度更大。
脉冲响应函数为我们评价特定变量对各种冲击的反应方向和程度提供了有用的工具，而方差分解使我们可以更进一步分析特定变量的变化中各种冲击的相对重要性。Sims(1980)提出了方差分解的方法，从大致上把握变量间的影响关系。表6、表7、表8给出方差分解的结果。
表6 变量LZ方差分解结果
Period S.E. LZ LS LG
1 0.263107 100.0000 0.000000 0.000000
2 0.623797 75.80818 18.13304 6.058785
3 0.628942 76.04878 17.94337 6.007845
4 0.639753 76.83409 17.34473 5.821182
5 0.641180 76.49763 17.64387 5.858504
6 0.647151 75.56262 18.40491 6.032465
7 0.658822 74.32955 19.37111 6.299336
8 0.664443 73.48642 20.02863 6.484955
9 0.666716 73.00535 20.41434 6.580311
10 0.668589 72.60560 20.74153 6.652868
表7 变量LS方差分解结果
Period S.E. LZ LS LG
1 0.123429 85.34753 14.65247 0.000000
2 0.129916 86.23642 13.23376 0.529822
3 0.249333 61.81969 30.14908 8.031229
4 0.405992 64.08236 27.31924 8.598396
5 0.408759 63.40119 27.80201 8.796792
6 0.414270 64.34962 27.08604 8.564347
7 0.415941 64.42538 27.06093 8.513688
8 0.420571 63.52879 27.81172 8.659496
9 0.430681 62.45119 28.66285 8.885959
10 0.436455 61.54299 29.36917 9.087841
表8 变量LG方差分解结果
Period S.E. LZ LS LG
1 0.539001 71.91349 20.78651 7.300001
2 0.608051 72.45105 20.10884 7.440109
3 0.655999 73.83922 19.19363 6.967144
4 0.677121 73.87456 19.12713 6.998305
5 0.678291 73.85602 19.12683 7.017141
6 0.682947 73.85409 19.14042 7.005495
7 0.687698 73.80473 19.17362 7.021646
8 0.687792 73.79096 19.18213 7.026913
9 0.688440 73.81354 19.16566 7.020793
10 0.688795 73.82376 19.15705 7.019183
       由表6可知，来自社会支出增长率和个人支出增长率新息对政府支出增长率预测误差方差的影响都基本比较稳定，且社会支出增长率新息对政府支出增长率的影响比个人支出增长率新息的影响大，来自社会支出增长率新息对自身预测误差方差的影响也比较稳定且始终起主要作用。
       由表7可知，来自个人支出增长率新息对社会支出增长率预测误差方差的影响由0.529822%迅速增长到8.031229%，随后基本保持稳定，来自政府支出增长率新息对社会支出增长率预测误差方差的影响由85.34753%逐步下降至61.54299%，而且起主要作用，来自社会支出增长率新息对自身预测误差方差的影响由14%左右上升至30%左右，随后基本保持稳定。
       由表8可知，来自政府支出增长率和社会支出增长率新息对个人支出增长率预测误差方差的影响都基本比较稳定，但政府支出增长率新息的影响在很大程度上大于社会支出增长率新息的影响，且起主要作用，来自个人支出增长率新息对自身的预测误差的贡献度比较稳定且不高。