我国居民因病致贫脆弱性评估研究
发布时间：2021-08-12 17:11
随着我国绝对贫困人口大量减少,一般居民因病致贫的问题则日益凸显。这表明贫困问题由长期性的生存贫困转变为突发性的风险贫困;并且因病致贫风险威胁的对象也不再局限于低收入群体,而是扩展到平均收入甚至更高收入水平的居民。针对这些变化,需要引入新的方法,对因病致贫风险进行分析和评估。为了对我国居民面临的因病致贫风险有一个总体的认识,本文将因病致贫看作所有居民都面临的一种风险,以风险理论、贫困理论为基础,借鉴灾害学、经济学成熟的区域风险评估方法,参考风险脆弱性评估框架,结合情景分析方法,综合脆弱性评估模型和贫困计量模型的优点,构建适用于居民因病致贫脆弱性评估的模型。应用2015年的相关截面数据,评估了省域水平上我国居民的因病致贫脆弱性指数。并根据评估结果呈现出的明显城乡差异特征,进一步分析不同风险情景下各省市居民因病致贫脆弱性指数的城乡差异具体状况。这对当前正在推进的城乡居民基本医疗保险的统一有参考意义。为了揭示各省市居民脆弱性指数受外部因素影响的情况,本文还应用主成分分析、Spearman相关分析等方法讨论了各省市居民因病致贫脆弱性指数的影响因素,从而为居民接受政府的医疗救助提供更充分的依据,也...
【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校
【文章页数】：188 页
【学位级别】：博士
【部分图文】：
城市居民主成分分析碎石图
华中科技大学博士学位论文128第五步，主成分因子载荷图分析。通过绘制主成分载荷图可以更加直观地表现各特征变量的重要性及相关性，是主成分分析常用的结果分析方法。但是在二维坐标内，每个图只能表现两个主成分因子所包含的信息，由于本文共提取了四个主成分因子，因此绘制的载荷图也是四个因子的组合，即第一第二、第一第三、第二第三、第一第四、第二第四、第三第四主成分因子载荷图，具体如图6-2。图6-2城市居民脆弱性影响因素主成分分析载荷图观察各载荷图容易看出，凡是包含component1，即第一主成分因子的载荷图中，ppbe、ppse、phele、cbjz以及pse都位于component1轴的高位，如图右上两图及右下一图所示，这表明第一主成分主要包含了这些原始变量的信息。结合ppbe、ppse、phele、cbjz以及pse的实际含义为：人均地方公共预算支出、人均一般公共服务支出、人均社会保障和就业支出、城镇医保人均资助金额以及人均医疗计划生育支出，由此可以认为第一主成分主要概括了公共服务因素，这与最初认为公共服务因素会影响居民脆弱性的假设相吻合，验证了假设的合理性。当然也有例外，原假设中人均GDP在component1轴的位置则较低，说明其没被第一主成分因子包含太多信息。再归纳第二主成分因子的特征：图中凡是包含component2轴的载荷图，cdpi、cgdp、csav、cbjz、cheale等原始因素都聚集于该轴的高位，说明第二主成分包含了较多这些因素的信息。
华中科技大学博士学位论文131图6-3城市居民脆弱性影响因素主成分分析得分图最后，观察以第四主成分直接作用因子为轴的图形中，sd山东、nmg内蒙古、shx山西、heb河北、sx山西位于负向高位，fj福建、gx广西、yn云南、jx江西等位于正向较高位置。表明这些省份对第四主成分贡献更大。结合第四主成分中载荷量最大的egas大气污染、zjjz直接救助金额，表明以上省市在这两个因素上存在巨大差异，这也与华中地区大气污染严重，东南沿海空气质量较好的现实相符。第七步，构建预测模型。根据前文分析，选择的四项主成分因子已经包含原始数据83.08%的信息，可以将之与城市居民在各风险情景下的因病致贫脆弱性指数进行回归，据之揭示这些因素对脆弱性指数的具体影响。（1）.四项主成分因子与城市居民日常医疗脆弱性指数的回归分析。结果如下表6-7。由表可见，四项主成分因子与城市居民日常医疗脆弱性回归的总体检验显著P=0.000；第一主成分公共服务系数的检验结果为显著P=0.002，第二主成分居民收入储蓄系数的检验结果为显著P=0.000，第三主成分负外部性系数检验结果为一星显著P=0.094，第四主成分系数检验结果不显著P=0.341。由此，结合相关系数-0.010、-0.013、-0.009可以认为城市居民居民日常医疗脆弱性会受到公共服务、居民收入储蓄、负外部性所涵盖因素的轻微影响。
【参考文献】：
期刊论文
[1]我国新型城镇化的主成分影响因子及其VAR传导效应研究[J]. 杨丽莹. 河北经贸大学学报. 2019(02)
[2]论中国养老保障制度与服务整合——基于“四力协调”的分析框架[J]. 丁建定. 西北大学学报(哲学社会科学版). 2019(02)
[3]基于主成分分析法的制造业企业市场导向水平测度[J]. 卢志平,赵紫娟. 商业经济. 2019(01)
[4]中国股市投资者情绪测度指标的优选研究[J]. 刘学文. 中国管理科学. 2019(01)
[5]多元回归模型及其在GDP增长中的应用[J]. 邓娌莉,夏师. 经济研究导刊. 2018(34)
[6]多元回归分析模型及其教学水平预测应用[J]. 赵家正. 科技风. 2018(33)
[7]基于优化支持向量机及Spearman秩次检验的q滑坡变形预测研究[J]. 翟会君,饶振兴,翟洪涛. 甘肃科学学报. 2018(05)
[8]精准脱贫中政府与社会合作的欠缺及提升[J]. 王三秀,王昶. 理论探索. 2018(05)
[9]城市群视角下的高校科技合作对策──基于半模糊Spearman-Hamming联接强度模型[J]. 陈奕延,陈小宪,李晔. 技术经济与管理研究. 2018(06)
[10]农村贫困人口因病致贫、因病返贫现状及调查分析——基于南宁市12个县（区）调查数据[J]. 吴忆彤,苏玉璐. 大众科技. 2018(05)
博士论文
[1]气温对西藏自治区人群健康的影响及脆弱性评估研究[D]. 白莉.中国疾病预防控制中心 2014
[2]重大疾病对贫困的作用机制及其应对策略研究[D]. 王伟.南京大学 2013
硕士论文
[1]甘肃省2008-2016年新型农村合作医疗制度运行情况分析[D]. 王震.兰州大学 2018
[2]风险冲击、脆弱性与农户贫困关系研究[D]. 黄伟.华中农业大学 2008
本文编号：3338731
【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校
【文章页数】：188 页
【学位级别】：博士
【部分图文】：
城市居民主成分分析碎石图
华中科技大学博士学位论文128第五步，主成分因子载荷图分析。通过绘制主成分载荷图可以更加直观地表现各特征变量的重要性及相关性，是主成分分析常用的结果分析方法。但是在二维坐标内，每个图只能表现两个主成分因子所包含的信息，由于本文共提取了四个主成分因子，因此绘制的载荷图也是四个因子的组合，即第一第二、第一第三、第二第三、第一第四、第二第四、第三第四主成分因子载荷图，具体如图6-2。图6-2城市居民脆弱性影响因素主成分分析载荷图观察各载荷图容易看出，凡是包含component1，即第一主成分因子的载荷图中，ppbe、ppse、phele、cbjz以及pse都位于component1轴的高位，如图右上两图及右下一图所示，这表明第一主成分主要包含了这些原始变量的信息。结合ppbe、ppse、phele、cbjz以及pse的实际含义为：人均地方公共预算支出、人均一般公共服务支出、人均社会保障和就业支出、城镇医保人均资助金额以及人均医疗计划生育支出，由此可以认为第一主成分主要概括了公共服务因素，这与最初认为公共服务因素会影响居民脆弱性的假设相吻合，验证了假设的合理性。当然也有例外，原假设中人均GDP在component1轴的位置则较低，说明其没被第一主成分因子包含太多信息。再归纳第二主成分因子的特征：图中凡是包含component2轴的载荷图，cdpi、cgdp、csav、cbjz、cheale等原始因素都聚集于该轴的高位，说明第二主成分包含了较多这些因素的信息。
华中科技大学博士学位论文131图6-3城市居民脆弱性影响因素主成分分析得分图最后，观察以第四主成分直接作用因子为轴的图形中，sd山东、nmg内蒙古、shx山西、heb河北、sx山西位于负向高位，fj福建、gx广西、yn云南、jx江西等位于正向较高位置。表明这些省份对第四主成分贡献更大。结合第四主成分中载荷量最大的egas大气污染、zjjz直接救助金额，表明以上省市在这两个因素上存在巨大差异，这也与华中地区大气污染严重，东南沿海空气质量较好的现实相符。第七步，构建预测模型。根据前文分析，选择的四项主成分因子已经包含原始数据83.08%的信息，可以将之与城市居民在各风险情景下的因病致贫脆弱性指数进行回归，据之揭示这些因素对脆弱性指数的具体影响。（1）.四项主成分因子与城市居民日常医疗脆弱性指数的回归分析。结果如下表6-7。由表可见，四项主成分因子与城市居民日常医疗脆弱性回归的总体检验显著P=0.000；第一主成分公共服务系数的检验结果为显著P=0.002，第二主成分居民收入储蓄系数的检验结果为显著P=0.000，第三主成分负外部性系数检验结果为一星显著P=0.094，第四主成分系数检验结果不显著P=0.341。由此，结合相关系数-0.010、-0.013、-0.009可以认为城市居民居民日常医疗脆弱性会受到公共服务、居民收入储蓄、负外部性所涵盖因素的轻微影响。
【参考文献】：
期刊论文
[1]我国新型城镇化的主成分影响因子及其VAR传导效应研究[J]. 杨丽莹. 河北经贸大学学报. 2019(02)
[2]论中国养老保障制度与服务整合——基于“四力协调”的分析框架[J]. 丁建定. 西北大学学报(哲学社会科学版). 2019(02)
[3]基于主成分分析法的制造业企业市场导向水平测度[J]. 卢志平,赵紫娟. 商业经济. 2019(01)
[4]中国股市投资者情绪测度指标的优选研究[J]. 刘学文. 中国管理科学. 2019(01)
[5]多元回归模型及其在GDP增长中的应用[J]. 邓娌莉,夏师. 经济研究导刊. 2018(34)
[6]多元回归分析模型及其教学水平预测应用[J]. 赵家正. 科技风. 2018(33)
[7]基于优化支持向量机及Spearman秩次检验的q滑坡变形预测研究[J]. 翟会君,饶振兴,翟洪涛. 甘肃科学学报. 2018(05)
[8]精准脱贫中政府与社会合作的欠缺及提升[J]. 王三秀,王昶. 理论探索. 2018(05)
[9]城市群视角下的高校科技合作对策──基于半模糊Spearman-Hamming联接强度模型[J]. 陈奕延,陈小宪,李晔. 技术经济与管理研究. 2018(06)
[10]农村贫困人口因病致贫、因病返贫现状及调查分析——基于南宁市12个县（区）调查数据[J]. 吴忆彤,苏玉璐. 大众科技. 2018(05)
博士论文
[1]气温对西藏自治区人群健康的影响及脆弱性评估研究[D]. 白莉.中国疾病预防控制中心 2014
[2]重大疾病对贫困的作用机制及其应对策略研究[D]. 王伟.南京大学 2013
硕士论文
[1]甘肃省2008-2016年新型农村合作医疗制度运行情况分析[D]. 王震.兰州大学 2018
[2]风险冲击、脆弱性与农户贫困关系研究[D]. 黄伟.华中农业大学 2008
本文编号：3338731
本文链接：https://www.wllwen.com/yixuelunwen/yiyuanguanlilunwen/3338731.html
