经济政策的不确定性与中国医疗支出的变动趋势

《Frontiers in Public Health》：Economic policy uncertainty and the dynamics of healthcare expenditure in China

　　**摘要**
本研究探讨了经济政策不确定性（EPU）对中国医疗保健财政支出的动态影响，重点关注在宏观经济波动背景下公共资金的合理分配。本研究采用SV-TVP-FAVAR模型分析季度全国数据（2007–2025年）和省级数据（2009–2019年），突破了传统静态模型的局限性。EPU冲击表现出显著的时间变化性：在2008年金融危机期间呈现负面的“挤压”效应，而在2020年新冠疫情期间则出现反周期的扩张效应。地区财政实力对这些冲击具有调节作用。研究结果表明，财政状况良好的地区通过反周期支出表现出韧性，而财政薄弱地区则表现出顺周期的紧缩趋势。政策建议集中在长期医疗保健投资机制和优化转移支付方面。

**1 引言**
在中国不断发展的医疗和卫生体系中，财政支出是确保公共卫生和促进社会公平的关键工具，对社会福利和稳定经济发展具有深远影响。与此同时，全球经济格局正在进行调整。作为宏观经济波动的主要驱动力，EPU已成为宏观经济研究的焦点。内部和外部经济不确定性冲击影响了全球宏观经济政策响应的有效性和调整路径。EPU水平的上升会通过“观望效应”抑制企业的投资决策，即企业会推迟资本支出以等待更明确的政策信号。白等人（Bai et al.）的研究将这一现象扩展到了空间维度，指出中国的经济政策不确定性对地方政府的医疗保健支出存在空间溢出效应。后续学者进一步证实，这种不确定性还会通过调整收入预期影响家庭消费行为，并通过财政可持续性预期改变政府支出的结构和规模。中国的医疗保健体系在中国更广泛的财政体系中实现了医疗服务的广泛整合。提供公共卫生服务和医疗资源的责任主要由地方政府承担。然而，地方政府财政能力与支出义务的刚性之间往往存在结构性错配。因此，医疗保健财政支出系统同时承担着宏观和微观控制功能，同时也服务于国家的战略目标，如“健康中国2030”。由此，医疗保健财政支出系统的资金状况对地方财政健康状况以及外部宏观经济冲击极为敏感。例如，2008年全球金融危机后的财政刺激措施主要集中在基础设施建设上，而2020年新冠疫情期间则转向了公共卫生领域。此外，后疫情时代的文献 increasingly 强调医疗保健系统需要具备财政韧性以抵御复杂的宏观冲击（De Lucchi, 2021）。De Lucchi（2021）发现，美国在新冠疫情期间经历了V型复苏，广义货币扩张强劲，这与全球金融危机后的L型复苏轨迹形成鲜明对比，凸显了危机特定冲击对财政货币政策响应动态的不同影响。为了准确捕捉这些复杂动态，有必要改进时间变化参数方法的应用，以评估对不确定性冲击的非线性响应（9）。

目前，全球形势日益复杂，导致EPU持续上升。与此同时，世界经历了大规模的公共卫生紧急事件，给全球医疗和卫生系统带来了前所未有的冲击。在这种动荡背景下，中国省级政府也面临着税收减少和社会福利支出需求刚性增加的巨大结构性压力。因此，迫切需要深入研究医疗保健财政支出在面对这些严重EPU冲击时的反应。鉴于此，关于EPU冲击与医疗保健财政支出之间动态联系的研究已从理论探讨转变为构建具有韧性的公共卫生系统和为所有公民提供公平医疗服务的实际需求。

现有文献探讨了EPU对宏观经济实体行为的影响，但在系统分析EPU对财政层面公共卫生支出传递程度的方面仍存在空白：（1）许多研究仅考察了总体财政支出或基础设施和教育方面的生产性投资（10）；现有文献通常将公共服务与社会保障相结合，未能凸显系统性危机期间增加医疗保健支出的紧迫性（11）；（2）现有文献大多采用高度静态或固定参数的VAR建模技术，很少有研究指出EPU冲击在不同经济周期中具有时间变化的、非线性传递特征，因此财政对EPU冲击的响应方向和幅度可能因危机性质的不同而大幅改变（12）；（3）近年来，学者们越来越关注地方财政约束如何影响公共支出，特别是税收分享制度下的支出偏好（13），但关于这些约束在特定地区面对经济政策冲击时是导致顺周期还是逆周期响应的研究仍有限。

本研究的理论基础系统地建立在宏观经济传导理论、财政分权理论和地方政府支出层次理论之上。当经济不确定性增加时，地方政府在企业尚未看清形势前会减少对未来的投资（2）。因此，地方企业投资和消费者支出下降，从而对整体经济状况产生负面影响，并减少地方税收收入。由于中国的财政管理是分散式的，这些地方收入冲击会与垂直财政不平衡相互作用，导致地方政府预算受到严格限制。根据层次财政转移支出理论，地方政府在面对财政危机时的表现因所遭遇的财政冲击类型而异：在总体经济活动下降的广泛财政危机期间（如2008年的金融危机），政府会优先投资生产性活动以经济复苏，此时提供医疗服务的成本相对于整体经济状况可被压缩，从而产生顺周期挤出效应；而在存在公共卫生系统威胁的情况下（如2020年的新冠疫情），由于危机性质，医疗保健被视为国家安全的核心优先事项，需要采取逆周期财政扩张来提供必要资金。此外，各地区应对这些财政冲击的实际能力取决于其当时的财政状况，从而决定了该地区吸收或放大这些不确定性冲击的程度。这一综合理论模型将为后续实证数据分析提供框架。

通过总结以往研究的不足和未探索的内容，本研究的核心目标是系统研究经济政策不确定性对中国医疗保健财政支出的动态、时间变化效应，以及识别经济政策不确定性通过不同类型危机和地区财政实力水平的传递机制。为此，我们将使用全国季度数据（2007–2025年）和省级（次国家级）数据（2009–2019年）构建SV-TVP-FAVAR模型。我们将从大量（n=98个）宏观经济变量中提取共同核心因素；除了比较2008年全球金融危机和2020年新冠疫情期间经济政策不确定性的不同影响轨迹外，还将评估地区财政实力对医疗保健财政支出的异质性响应。

本研究对现有文献的原创贡献有三点：（1）采用SV-TVP-FAVAR方法和三维脉冲响应函数，解决了传统静态模型的局限性，能够动态观察EPU冲击在不同经济周期阶段的程度和持续时间变化；（2）研究发现EPU对经济的影响取决于冲击的具体性质——例如，在2008年全球金融危机期间EPU具有顺周期效应，而在2020年新冠疫情期间则相反（逆周期）；（3）本研究从空间维度细化了现有文献，强调了地区财政实力作为重要调节因素的作用，为财政分权理论做出了贡献。研究结果表明，财政状况良好的地区对EPU冲击具有逆周期韧性，而财政薄弱地区则容易受到EPU冲击的影响，不确定性加剧了地区间的公共卫生差距。

**2 方法**
**2.1 模型构建**
为系统研究EPU对中国医疗和卫生财政支出的动态和复杂影响，本文采用了金（Jin）和张（Zhang）提出的先进方法论，构建了一个随机波动时变参数因子增强向量自回归（SV-TVP-FAVAR）模型。该模型结合了因子增强、时变参数和随机波动性三个要素。与传统VAR模型相比，该模型具有以下优势：（1）FAVAR机制能够识别高维数据中的关键宏观经济要素，并规避维度问题；（2）模型系数为时变参数，允许系数随时间变化；（3）SV规格能够考虑危机期间的异方差性和冲击聚集，从而不低估这些动荡时期的不确定性影响（14, 15）。该模型结合了因子增强、时变参数和随机波动三种关键方法，有效克服了传统计量经济模型的固有局限性，更准确地捕捉宏观经济不确定性与财政行为之间的复杂非线性动态关系。

首先，模型引入了因子增强机制，有效解决了传统向量自回归（VAR）模型的“维度缺陷”。为解决这一问题，本文采用的SV-TVP-FAVAR框架从包含98个宏观经济指标的高维数据集中提取了少量潜在的共同因子，保留了数据集中的系统信息，确保分析反映更广泛的宏观经济环境，同时控制变量数量，提高模型估计效率和稳定性。其次，模型采用时变参数（TVP）设置，有效捕捉中国经济结构和政策环境的动态演变，帮助识别结构断裂和转变，以及不同时期影响强度和方向的变化。最后，模型引入随机波动（SV）设置，使模型能够适应经济系统的异方差性。宏观经济时间序列数据常表现为波动聚集现象，即高波动期之后是低波动期，低波动期之后又是高波动期。假设方差固定的模型往往会低估极端事件期间的不确定性水平。在本研究中，扰动项的协方差矩阵随时间变化，使模型能够更好地捕捉特殊时期的影响强度变化。通过考虑这些波动性变化，SV-TVP-FAVAR模型显著提高了统计推断的准确性，并确保即使在方差不可变的情况下，脉冲响应分析仍然保持稳健性。为了研究EPU对中国医疗卫生财政支出的动态影响，我们首先建立了一个基本的VAR模型（方程1）：yt=b1yt?1+b2yt?2+?+bpyt?p+νt（1）其中，yt表示（l+1）×1的观测变量向量，包括中国的医疗卫生财政支出、EPU指数和其他关键宏观经济变量；bi（i=1,2,?,p）代表（l+1）×（l+1）的固定系数矩阵；νt～N(0,Ω)是（l+1）×1的扰动向量；Ω是（l+1）×（l+1）的固定协方差矩阵。然而，该模型有两个主要局限。首先，变量维度通常不超过20个，这难以涵盖影响医疗卫生支出的许多宏观经济因素。其次，固定系数和固定协方差矩阵无法反映冲击效应的时间变化，因此需要进一步扩展。

为了解决纳入高维变量的问题，本文引入了动态因子增强的概念。n维的可观察宏观经济变量xt（本研究选择了98个变量，包括GDP、工业增加值、完成固定资产投资、需求存款利率等）被 reduced 到k个不可观察的共同因子ft（k<
为了进一步捕捉宏观经济系统中由突发冲击引起的波动性异质性，tvp-favar模型中扰动项的协方差矩阵被允许随时间变化，即νt～n(0,ωt)。协方差矩阵的时变特性通过三角矩阵分解和随机波动性设置来表征（方程6和7）：atωt=σtσt′（6）ωt=a?1tσtσt′（7），其中at是一个（m×m）的下三角矩阵，主对角线元素等于1（用于识别结构冲击），其非主对角线元素αt遵循随机游走过程αt=αt?1+jtα（其中ηα～n(0,qα)）；σt是包含σt第j个对角元素σjt（j=1,2,?,m）的对角矩阵，具体是时变标准差σjt，logσt=logσt?1+jtσ（其中ησ～n(0,qσ)）。因此，sv-tvp-favar模型正式建立起来，将因子增强、时变参数和随机波动性综合到一个系统中。该框架建立在因子方程和回归方程的双重基础上，能够全面描述经济政策不确定性（epu）对医疗卫生财政支出的动态冲击，在一个复杂的高维宏观经济变量系统中。

sv-tvp-favar模型的综合优势在于其多功能性：它不仅最大限度地利用了高维宏观经济信息，有效避免了变量偏差的遗漏，还准确捕捉了变量关系的时变特性。通过明确考虑经济冲击的异方差性，该模型为研究epu对健康支出的动态影响提供了一个理想的实证框架。这种特定的模型配置特别适合分析中国经济转型和日益动荡的外部环境中财政支出行为的复杂性。因此，它可以为政策制定者提供更丰富和更详细的时空维度证据，从而支持更严谨和有效的政策评估。

在估计方法方面，本文采用贝叶斯框架下的马尔科夫链蒙特卡洛（mcmc）方法来采样后验分布。借鉴primiceri（17）和koop与korobilis（16）的开创性研究，本研究为时变参数设置了随机游走过程，并为每个参数指定了适当的先验分布。提取的共同因子被视为不可观察的潜在变量，并与模型的时变系数（bt）和时变协方差矩阵参数（αt, σt）一起纳入贝叶斯估计框架。本文采用gibbs抽样方法进行迭代估计。具体来说，时变系数的初始状态设置为b0～n(?b,?v)，其中?b表示先验均值矩阵（将第一个滞后的系数设置为0.9，其余滞后项的系数设置为0），?v表示先验协方差矩阵（采用minnesota形式）。下三角矩阵的元素设置为α0～n(0,4i)，波动性因子设置为logσ0～n(0,4i)。对于协方差矩阵的冲击项，建立了以下逆wishart先验分布（方程8）：q?1b～w(0.005×(dim(b)+1)×?v,dim(b)+1)，α～w(0.01×(dim(α)+1)×i,dim(α)+1)，σ～w(0.0001×(dim(σ)+1)×i,dim(σ)+1）{qb?1～w(0.005×(dim(b)+1)×v?,dim(b)+1)，qα?1～w(0.01×(dim(α)+1)×i,dim(α)+1)，qσ?1～w(0.0001×(dim(σ)+1)×i,dim(σ)+1）。其中w表示wishart分布（第一个参数代表尺度矩阵，第二个参数代表自由度）；dim作为变量维度操作符，返回向量或矩阵的维度。

3 实证分析
3.1 变量选择和共同因子提取
国家层面分析的时间范围选择为2007–2025年，主要是基于数据的可用性，因为2007年是能够获得一致且高质量季度记录的最早年份。将样本延长到2025年，确保了足够长的时间序列，以便捕捉2008年全球金融危机和covid-19大流行期间的情况，从而使sv-tvp-favar模型能够有效捕捉不同危机制度下的时变脉冲响应。对于省级异质性分析，样本限定在2009–2019年。这种截断是必要的，原因有两个。首先，从2020年开始， beberapa 省份停止了关键财政和经济指标的发布，导致了显著的数据缺口和不一致性。其次，covid-19大流行的爆发引入了极端值和数据结构上的断裂，这可能会扭曲正常周期关系的估计，并掩盖省份间的财政行为差异。因此，为了确保数据的一致性、可靠性和跨省份比较的有效性，我们从异质性分析中排除了2019年以后的观测数据。

本研究使用的所有数据均系统地从wind经济数据库中提取和编制，该数据库综合汇总了国家统计局（nbs）最初发布的官方统计数据、中国财政年鉴、财政部的公开数据以及地方财政统计材料。为了建立实证模型的整体可信度和有效性，对原始时间序列数据进行了广泛的数据预处理。第一步是将wind数据的频率转换为统一的季度频率。接下来是对具有显著季节性模式的宏观经济变量进行季节性调整，以消除日历效应和季节性扭曲。最后的预处理步骤是对三个不同的季度数据序列使用扩展的dickey-fuller（adf）单位根测试，以确保它们都符合进行时间序列分析的基本统计假设。通过这一过程发现的非平稳变量进行了多次差分变换，直到达到严格平稳，只有完全平稳的时间序列数据最终被纳入sv-tvp-favar模型。本研究中使用的所有变量的描述性统计分析在附录表1.3.1.1中提供。

3.1.1 解释变量
本研究选择经济政策不确定性指数作为主要的外部冲击变量。早期文献通常使用单一的政策变量或基于新闻报道文本的指数（18），但其数据来源单一且不够具有代表性。它仅依赖于香港的《南华早报》（scmp），这是一份海外英语报纸，主要关注与香港和中国大陆相关的问题，对内地内部政策的敏感性较低，而且政策术语在英语语境中的翻译和传播容易导致信息失真。因此，本文采用了huang和luk（19）的方法，使用了74个季度观测数据，这些数据与国家样本期相匹配。他们构建了针对中国国情的epu指数，该指数在baker框架上进行了优化，覆盖了10份中国大陆核心报纸的数据来源，以确保地理和政策代表的合理性，这更符合中国政策环境的特征。与其他方法相比，这种方法的epu季度指数具有更强的稳健性和更合理的波动特性。

3.1.2 被解释变量
本研究的核心因变量是医疗卫生支出。具体来说，我们选择了“医疗卫生和计划生育支出”作为因变量（20）。该指标的数据来自中国财政年鉴和各省的财务报表。这一指标直接反映了地方政府在医疗卫生领域的财政投资规模，具有权威性、连续性和跨区域性可比性，是衡量政府卫生支出行为的权威指标。因此，它为分析经济政策不确定性对卫生支出的动态影响提供了准确的定量工具。国家级数据的数量包括74个季度观测值（2007q1–2025q2）。

3.1.3 共同因子提取
宏观经济系统变量来自wind数据库，包括98个不同的宏观经济指标，提取了3个共同因子。在本研究中，提取了3个不同的共同因子来分析宏观经济趋势。通过检查这些因子的后验均值标准差的轨迹，可以清晰地看出周期性的模式。特别是，数据显示在2008年、2015年和2020年，这些因子出现了剧烈波动，波动峰值明显。这些波动峰值对应于重大结构冲击和经济转型时期（图1）。2008年是首次受到全球金融危机影响的主要波动；外部出口需求大幅下降，国内投资者的信心也受到负面影响。经济试图适应全球需求的丧失导致了经济放缓，这对几个主要宏观经济变量（如工业增加值和财政收入）产生了负面影响，这些变量经历了显著的波动。大约在2015年出现了第二个波动高峰，意味着传统的增长引擎正在减弱，深刻的结构性变化对经济系统产生了必要的但痛苦的短期冲击；同时，由于资本流动的重大转变以及股市改革和汇率阶段的变化，也出现了一些金融不稳定因素；总体而言，所有这些金融不稳定因素增加了宏观经济指标的不确定性。最后，也是最重要的波动与全球covid-19大流行有关。作为前所未有的公共卫生紧急事件，这场疫情对中国经济和社会系统产生了全面影响。 hitter)是具有随机波动性的结构残差项，其中hitter是表征波动异质性的波动性因子。通过放宽基本var模型中固定系数矩阵的假设，并允许系数矩阵随时间变化以捕捉epu冲击的时变特性，得到了tvp-favar模型（方程4）：yt=b1yt?1+b2yt?2+?+bptyt?p+νt（4）其中bjt（j=1,2,?,p）是（m×m）的时变系数矩阵（m=k+l+1，代表扩展变量的总维度，k是共同因子的数量，l是核心观测变量的数量），它们随时间tt变化；νt是扰动向量。此外，时变系数矩阵被向量化为Bt=(vec(b1t)'，?,vec(bpt)'"（其中Bt是由向量化的bjt堆叠而成的）。假设参数矩阵遵循Koop和Korobilis（16）提出的创新随机游走过程（方程5）：Bt=Bt?1+JBtη（JBt=1表示时变系数，JBt=0表示固定系数）；ηt～N(0,QB)是参数冲击项，QB是冲击协方差矩阵。 为了进一步捕捉宏观经济系统中由突发冲击引起的波动性异质性，tvp-favar模型中扰动项的协方差矩阵被允许随时间变化，即νt～n(0,ωt)。协方差矩阵的时变特性通过三角矩阵分解和随机波动性设置来表征（方程6和7）：atωt=ΣtΣt′（6）Ωt=A?1tΣtΣt′（7），其中At是一个（m×m）的下三角矩阵，主对角线元素等于1（用于识别结构冲击），其非主对角线元素αt遵循随机游走过程αt=αt?1+Jtα（其中ηα～N(0,Qα)）；Σt是包含Σt第j个对角元素σjt（j=1,2,?,m）的对角矩阵，具体是时变标准差σjt，logσt=logσt?1+Jtσ（其中ησ～N(0,Qσ)）。因此，SV-TVP-FAVAR模型正式建立起来，将因子增强、时变参数和随机波动性综合到一个系统中。该框架建立在因子方程和回归方程的双重基础上，能够全面描述经济政策不确定性（EPU）对医疗卫生财政支出的动态冲击，在一个复杂的高维宏观经济变量系统中。 sv-tvp-favar模型的综合优势在于其多功能性：它不仅最大限度地利用了高维宏观经济信息，有效避免了变量偏差的遗漏，还准确捕捉了变量关系的时变特性。通过明确考虑经济冲击的异方差性，该模型为研究epu对健康支出的动态影响提供了一个理想的实证框架。这种特定的模型配置特别适合分析中国经济转型和日益动荡的外部环境中财政支出行为的复杂性。因此，它可以为政策制定者提供更丰富和更详细的时空维度证据，从而支持更严谨和有效的政策评估。 在估计方法方面，本文采用贝叶斯框架下的马尔科夫链蒙特卡洛（mcmc）方法来采样后验分布。借鉴primiceri（17）和koop与korobilis（16）的开创性研究，本研究为时变参数设置了随机游走过程，并为每个参数指定了适当的先验分布。提取的共同因子被视为不可观察的潜在变量，并与模型的时变系数（bt）和时变协方差矩阵参数（αt, σt）一起纳入贝叶斯估计框架。本文采用gibbs抽样方法进行迭代估计。具体来说，时变系数的初始状态设置为b0～n(?b,?v)，其中?b表示先验均值矩阵（将第一个滞后的系数设置为0.9，其余滞后项的系数设置为0），?v表示先验协方差矩阵（采用minnesota形式）。下三角矩阵的元素设置为α0～n(0,4i)，波动性因子设置为logσ0～n(0,4i)。对于协方差矩阵的冲击项，建立了以下逆wishart先验分布（方程8）：q?1b～w(0.005×(dim(b)+1)×?v,dim(b)+1)，α～w(0.01×(dim(α)+1)×i,dim(α)+1)，σ～w(0.0001×(dim(σ)+1)×i,dim(σ)+1）{qb?1～w(0.005×(dim(b)+1)×v?,dim(b)+1)，qα?1～w(0.01×(dim(α)+1)×i,dim(α)+1)，qσ?1～w(0.0001×(dim(σ)+1)×i,dim(σ)+1）。其中w表示wishart分布（第一个参数代表尺度矩阵，第二个参数代表自由度）；dim作为变量维度操作符，返回向量或矩阵的维度。 3 实证分析 3.1 变量选择和共同因子提取 国家层面分析的时间范围选择为2007–2025年，主要是基于数据的可用性，因为2007年是能够获得一致且高质量季度记录的最早年份。将样本延长到2025年，确保了足够长的时间序列，以便捕捉2008年全球金融危机和covid-19大流行期间的情况，从而使sv-tvp-favar模型能够有效捕捉不同危机制度下的时变脉冲响应。对于省级异质性分析，样本限定在2009–2019年。这种截断是必要的，原因有两个。首先，从2020年开始， beberapa 省份停止了关键财政和经济指标的发布，导致了显著的数据缺口和不一致性。其次，covid-19大流行的爆发引入了极端值和数据结构上的断裂，这可能会扭曲正常周期关系的估计，并掩盖省份间的财政行为差异。因此，为了确保数据的一致性、可靠性和跨省份比较的有效性，我们从异质性分析中排除了2019年以后的观测数据。 本研究使用的所有数据均系统地从wind经济数据库中提取和编制，该数据库综合汇总了国家统计局（nbs）最初发布的官方统计数据、中国财政年鉴、财政部的公开数据以及地方财政统计材料。为了建立实证模型的整体可信度和有效性，对原始时间序列数据进行了广泛的数据预处理。第一步是将wind数据的频率转换为统一的季度频率。接下来是对具有显著季节性模式的宏观经济变量进行季节性调整，以消除日历效应和季节性扭曲。最后的预处理步骤是对三个不同的季度数据序列使用扩展的dickey-fuller（adf）单位根测试，以确保它们都符合进行时间序列分析的基本统计假设。通过这一过程发现的非平稳变量进行了多次差分变换，直到达到严格平稳，只有完全平稳的时间序列数据最终被纳入sv-tvp-favar模型。本研究中使用的所有变量的描述性统计分析在附录表1.3.1.1中提供。 3.1.1 解释变量 本研究选择经济政策不确定性指数作为主要的外部冲击变量。早期文献通常使用单一的政策变量或基于新闻报道文本的指数（18），但其数据来源单一且不够具有代表性。它仅依赖于香港的《南华早报》（scmp），这是一份海外英语报纸，主要关注与香港和中国大陆相关的问题，对内地内部政策的敏感性较低，而且政策术语在英语语境中的翻译和传播容易导致信息失真。因此，本文采用了huang和luk（19）的方法，使用了74个季度观测数据，这些数据与国家样本期相匹配。他们构建了针对中国国情的epu指数，该指数在baker框架上进行了优化，覆盖了10份中国大陆核心报纸的数据来源，以确保地理和政策代表的合理性，这更符合中国政策环境的特征。与其他方法相比，这种方法的epu季度指数具有更强的稳健性和更合理的波动特性。 3.1.2 被解释变量 本研究的核心因变量是医疗卫生支出。具体来说，我们选择了“医疗卫生和计划生育支出”作为因变量（20）。该指标的数据来自中国财政年鉴和各省的财务报表。这一指标直接反映了地方政府在医疗卫生领域的财政投资规模，具有权威性、连续性和跨区域性可比性，是衡量政府卫生支出行为的权威指标。因此，它为分析经济政策不确定性对卫生支出的动态影响提供了准确的定量工具。国家级数据的数量包括74个季度观测值（2007q1–2025q2）。 3.1.3 共同因子提取>
为了进一步捕捉宏观经济系统中由突发冲击引起的波动性异质性，tvp-favar模型中扰动项的协方差矩阵被允许随时间变化，即νt～n(0,ωt)。协方差矩阵的时变特性通过三角矩阵分解和随机波动性设置来表征（方程6和7）：atωt=σtσt′（6）ωt=a?1tσtσt′（7），其中at是一个（m×m）的下三角矩阵，主对角线元素等于1（用于识别结构冲击），其非主对角线元素αt遵循随机游走过程αt=αt?1+jtα（其中ηα～n(0,qα)）；σt是包含σt第j个对角元素σjt（j=1,2,?,m）的对角矩阵，具体是时变标准差σjt，logσt=logσt?1+jtσ（其中ησ～n(0,qσ)）。因此，sv-tvp-favar模型正式建立起来，将因子增强、时变参数和随机波动性综合到一个系统中。该框架建立在因子方程和回归方程的双重基础上，能够全面描述经济政策不确定性（epu）对医疗卫生财政支出的动态冲击，在一个复杂的高维宏观经济变量系统中。

sv-tvp-favar模型的综合优势在于其多功能性：它不仅最大限度地利用了高维宏观经济信息，有效避免了变量偏差的遗漏，还准确捕捉了变量关系的时变特性。通过明确考虑经济冲击的异方差性，该模型为研究epu对健康支出的动态影响提供了一个理想的实证框架。这种特定的模型配置特别适合分析中国经济转型和日益动荡的外部环境中财政支出行为的复杂性。因此，它可以为政策制定者提供更丰富和更详细的时空维度证据，从而支持更严谨和有效的政策评估。

在估计方法方面，本文采用贝叶斯框架下的马尔科夫链蒙特卡洛（mcmc）方法来采样后验分布。借鉴primiceri（17）和koop与korobilis（16）的开创性研究，本研究为时变参数设置了随机游走过程，并为每个参数指定了适当的先验分布。提取的共同因子被视为不可观察的潜在变量，并与模型的时变系数（bt）和时变协方差矩阵参数（αt, σt）一起纳入贝叶斯估计框架。本文采用gibbs抽样方法进行迭代估计。具体来说，时变系数的初始状态设置为b0～n(?b,?v)，其中?b表示先验均值矩阵（将第一个滞后的系数设置为0.9，其余滞后项的系数设置为0），?v表示先验协方差矩阵（采用minnesota形式）。下三角矩阵的元素设置为α0～n(0,4i)，波动性因子设置为logσ0～n(0,4i)。对于协方差矩阵的冲击项，建立了以下逆wishart先验分布（方程8）：q?1b～w(0.005×(dim(b)+1)×?v,dim(b)+1)，α～w(0.01×(dim(α)+1)×i,dim(α)+1)，σ～w(0.0001×(dim(σ)+1)×i,dim(σ)+1）{qb?1～w(0.005×(dim(b)+1)×v?,dim(b)+1)，qα?1～w(0.01×(dim(α)+1)×i,dim(α)+1)，qσ?1～w(0.0001×(dim(σ)+1)×i,dim(σ)+1）。其中w表示wishart分布（第一个参数代表尺度矩阵，第二个参数代表自由度）；dim作为变量维度操作符，返回向量或矩阵的维度。

3 实证分析
3.1 变量选择和共同因子提取
国家层面分析的时间范围选择为2007–2025年，主要是基于数据的可用性，因为2007年是能够获得一致且高质量季度记录的最早年份。将样本延长到2025年，确保了足够长的时间序列，以便捕捉2008年全球金融危机和covid-19大流行期间的情况，从而使sv-tvp-favar模型能够有效捕捉不同危机制度下的时变脉冲响应。对于省级异质性分析，样本限定在2009–2019年。这种截断是必要的，原因有两个。首先，从2020年开始， beberapa 省份停止了关键财政和经济指标的发布，导致了显著的数据缺口和不一致性。其次，covid-19大流行的爆发引入了极端值和数据结构上的断裂，这可能会扭曲正常周期关系的估计，并掩盖省份间的财政行为差异。因此，为了确保数据的一致性、可靠性和跨省份比较的有效性，我们从异质性分析中排除了2019年以后的观测数据。

本研究使用的所有数据均系统地从wind经济数据库中提取和编制，该数据库综合汇总了国家统计局（nbs）最初发布的官方统计数据、中国财政年鉴、财政部的公开数据以及地方财政统计材料。为了建立实证模型的整体可信度和有效性，对原始时间序列数据进行了广泛的数据预处理。第一步是将wind数据的频率转换为统一的季度频率。接下来是对具有显著季节性模式的宏观经济变量进行季节性调整，以消除日历效应和季节性扭曲。最后的预处理步骤是对三个不同的季度数据序列使用扩展的dickey-fuller（adf）单位根测试，以确保它们都符合进行时间序列分析的基本统计假设。通过这一过程发现的非平稳变量进行了多次差分变换，直到达到严格平稳，只有完全平稳的时间序列数据最终被纳入sv-tvp-favar模型。本研究中使用的所有变量的描述性统计分析在附录表1.3.1.1中提供。

3.1.1 解释变量
本研究选择经济政策不确定性指数作为主要的外部冲击变量。早期文献通常使用单一的政策变量或基于新闻报道文本的指数（18），但其数据来源单一且不够具有代表性。它仅依赖于香港的《南华早报》（scmp），这是一份海外英语报纸，主要关注与香港和中国大陆相关的问题，对内地内部政策的敏感性较低，而且政策术语在英语语境中的翻译和传播容易导致信息失真。因此，本文采用了huang和luk（19）的方法，使用了74个季度观测数据，这些数据与国家样本期相匹配。他们构建了针对中国国情的epu指数，该指数在baker框架上进行了优化，覆盖了10份中国大陆核心报纸的数据来源，以确保地理和政策代表的合理性，这更符合中国政策环境的特征。与其他方法相比，这种方法的epu季度指数具有更强的稳健性和更合理的波动特性。

3.1.2 被解释变量
本研究的核心因变量是医疗卫生支出。具体来说，我们选择了“医疗卫生和计划生育支出”作为因变量（20）。该指标的数据来自中国财政年鉴和各省的财务报表。这一指标直接反映了地方政府在医疗卫生领域的财政投资规模，具有权威性、连续性和跨区域性可比性，是衡量政府卫生支出行为的权威指标。因此，它为分析经济政策不确定性对卫生支出的动态影响提供了准确的定量工具。国家级数据的数量包括74个季度观测值（2007q1–2025q2）。

3.1.3 共同因子提取
宏观经济系统变量来自wind数据库，包括98个不同的宏观经济指标，提取了3个共同因子。在本研究中，提取了3个不同的共同因子来分析宏观经济趋势。通过检查这些因子的后验均值标准差的轨迹，可以清晰地看出周期性的模式。特别是，数据显示在2008年、2015年和2020年，这些因子出现了剧烈波动，波动峰值明显。这些波动峰值对应于重大结构冲击和经济转型时期（图1）。2008年是首次受到全球金融危机影响的主要波动；外部出口需求大幅下降，国内投资者的信心也受到负面影响。经济试图适应全球需求的丧失导致了经济放缓，这对几个主要宏观经济变量（如工业增加值和财政收入）产生了负面影响，这些变量经历了显著的波动。大约在2015年出现了第二个波动高峰，意味着传统的增长引擎正在减弱，深刻的结构性变化对经济系统产生了必要的但痛苦的短期冲击；同时，由于资本流动的重大转变以及股市改革和汇率阶段的变化，也出现了一些金融不稳定因素；总体而言，所有这些金融不稳定因素增加了宏观经济指标的不确定性。最后，也是最重要的波动与全球covid-19大流行有关。作为前所未有的公共卫生紧急事件，这场疫情对中国经济和社会系统产生了全面影响。>在供应方面，由于广泛的封锁措施，生产活动停滞不前；在需求方面，消费基本冻结。同时，对医疗资源的突然需求激增迫使政府迫切增加公共卫生方面的财政支出。在这种极端情况下，这些变量之间的复杂联系导致了共同因素的显著波动。图1显示了三个共同因素的时间序列。总之，这三个共同因素成功地捕捉并解释了所分析的98个宏观经济变量中绝大多数信息。因此，它们可以作为宏观经济信息的高度可靠的载体，为后续模型准确捕捉和分析EPU的动态影响奠定了坚实的基础。

3.2 三维脉冲响应结果
为了深入捕捉和分析EPU对公共卫生财政支出产生的冲击的动态演变特征，本研究采用了三维脉冲响应函数分析。这种先进的方法论能够同时可视化三个关键维度之间的复杂相互关系：冲击发生的具体时间、响应的强度以及滞后期的持续时间。通过将这些维度整合到一个框架中，该方法系统地揭示了变量之间随时间变化的关系的全貌，提供了比传统静态模型更详细的视图。观察三维脉冲响应图可以发现，EPU对医疗和卫生财政支出的影响表现出显著的时间变化特征和结构转型。总体而言，不同历史时期的冲击效应在强度和方向上都表现出显著的异质性。这种变化强调了外部环境的变化和政策目标演变的系统性影响对政府财政支出行为的作用。响应根据当前的宏观经济状况而变化，并非保持一致。研究发现有两个时期的波动性特别高。全球金融危机期间，当EPU相对于经济增长时，对经济产生的冲击效应最为严重。这是通过不同的传导渠道实现的：它减缓了实体经济的增长并减少了政府的可用财政资源。这两种渠道上的下行压力与公共卫生支出的“挤出”或紧缩效应相关。随着不确定性的增加，财政约束也随之增加，导致医疗保健资金的减少。另一个高波动性和极端财政不确定性的时期出现在COVID-19大流行之初。尽管大流行的冲击在开始时达到顶峰（图2），但它改变了公共卫生危机期间政策不确定性与支出之间的关系。在这段时间里，不确定性与紧急财政投入的增加呈正向相关。数据显示，尽管政府因COVID-19增加了对医疗和卫生服务的公共支出，但财政不确定性的增加却与对卫生服务的积极财政支持增加相关，而不是减少。因此，财政政策的适应性似乎取决于危机的类型。

为了进一步明确不同情景下的传导差异，本文分别分析了2008年第三季度和2020年第一季度这两个代表性时期。2008年第三季度标志着全球金融危机的深化阶段，此时积极的EPU冲击引发了卫生财政支出的显著负面短期反应，反映了顺周期的紧缩。响应曲线在第二个时期达到最小值（约为-0.1），90%的置信区间较窄（图3），这表明该时期对冲击效应的估计不确定性较低，负面影响的统计显著性较高。这与金融危机期间政策转向增长保护的倾向相符，当时卫生支出因政策不确定性而受到压制。2020年第一季度，COVID-19大流行的爆发引发了积极的EPU冲击，导致卫生财政支出的显著增加，体现了逆周期的扩张。响应曲线在第二阶段达到峰值（约为0.2），并在短期扩张后逐渐收窄，反映了大流行初期的高不确定性，但随着政策和遏制机制的明确而趋于稳定（图3）。这表明，在重大公共卫生危机期间，EPU的增加实际上促使政府迅速将资源分配给卫生行业，实施积极的扩张性财政政策以保障公共卫生和应急响应能力。

为了更好地理解不同情景下对EPU响应的差异，本研究将分析两个时期：2008年第三季度和2020年第一季度，这两个时期代表了不同的通胀响应和来源。2008年7月至9月是一个关键时刻，因为那时全球经济崩溃开始演变成全球性危机。这场危机对卫生支出的影响显而易见，因为这一时期的EPU大幅增加，由于通货膨胀对经济的负面影响，短期卫生支出大幅下降。这一时期对EPU不确定性的总体响应接近最低点，响应曲线约为-0.1，90%的置信区间非常狭窄，表明对卫生支出冲击效应的不确定性已经大大降低。这与当时的经济不确定性相符，因为几乎没有新的投资或雇员招聘来应对这些问题，同时失业率大幅上升，导致美国财政当局在卫生支出上的削减。在分析的第二个时期，2020年第一季度，COVID-19大流行引发了另一个主要的经济不确定性来源，从而导致EPU大幅增加，进而以逆周期的方式导致卫生财政支出大幅增加。由于EPU的增加，财政支出的峰值约为0.2，并在2020年3月底开始迅速下降，因为政策、遏制机制和其他因素有助于稳定COVID-19对财政政策的影响（图3）。这表明，在重大公共卫生危机期间，经济不确定性的增加实际上促使政府迅速将资源分配给卫生行业，并实施积极的扩张性财政政策以保障公共卫生和应急响应能力。

同时，我们将解释各种宏观经济环境下不同的传导机制，为此我们需要关注几个特定的时间点，在这里我们选择2008年第三季度和2020年第一季度。这两个实例是解释不确定性与财政行动关系如何根据危机类型而演变的最典型例子。2008年第三季度与全球金融危机的加剧有关。在此期间，EPU的积极冲击导致了医疗和卫生财政支出的非常短期的负面响应，这是一种典型的收缩，表现为顺周期的紧缩。这种收缩的响应曲线在第二个时间窗口降至最低点，约为-0.1。该时间窗口相对较窄的90%置信区间是一个非常重要的高阶统计观察结果——这意味着关于冲击效应的不确定性非常低，负面冲击具有显著性（图3）。从经济角度来看，这种重要性源于政府在金融危机期间改变了其策略。政府开始更加重视经济增长的稳定和救援计划，同时关注财政资源。结果，经济政策不确定性对医疗/卫生支出产生了不利影响，因为政策不确定性影响了经济增长和复苏。因此，在经济危机期间，地方财政当局认为医疗/卫生支出可以被视为可削减的项目，以便缓解一些宏观经济财政压力。2020年第一季度则与前一个时期形成对比，COVID-19大流行引发了经济政策不确定性的积极冲击，从而导致了医疗/卫生支出的扩张性逆周期增加。医疗/卫生支出的初始响应在第二个时期达到峰值约为0.2，随后由于COVID-19大流行初期经济政策不确定性的积累，初始冲击逐渐减弱并趋于稳定（图3）。这种变化表明，危机的性质显著改变了政策响应。在重大公共卫生危机期间，EPU的增加实际上促使政府迅速将资源分配给卫生行业，并实施积极的扩张性财政政策。

综合三维脉冲响应函数和典型历史时期分析的实证证据，得出了关于EPU与公共卫生财政支出之间关系的关键结论。分析表明，EPU的影响并不统一；其影响的方向性和幅度从根本上取决于当时主导危机的特定性质。政府在不同类型的极端事件中的财政响应机制存在明显的差异。在金融危机（如2008年经济衰退）的背景下，财政支出的反应倾向于收缩。这表明在经济约束和收入下降的情况下，卫生支出受到挤压。相反，在像COVID-19大流行这样的公共卫生危机期间，响应机制显著转向扩张。在这些情况下，高不确定性成为政府加大干预的催化剂。这种差异凸显出财政政策制定者采取了适应性策略，在一般情况下优先考虑财政整合，而在存在性公共卫生威胁期间则转向积极资源分配和应急资金。

为了严格确保参考回归所得结论的可靠性，本研究进行了一系列稳健性测试。实证结果一致表明，即使使用替代测量方法对关键变量进行测量，EPU对卫生行业投资的影响模式仍与主要回归结果高度一致。这种一致性强烈证实了本研究提出的核心发现的稳健性和有效性。

在初步分析中，我们将“医疗和卫生政府支出”作为自变量。两者之间的核心区别在于它们的经济定义和统计范围：原始的“财政支出”严格代表政府的直接供给侧预算投入，而替代的“总医疗支出”指标则从整个社会消费的角度衡量更广泛的卫生投资——反映了包括政府、企业和个人支出在内的医疗服务的实际实现情况。在这组新结果中，我们将自变量替换为“总医疗成本”（来自国家卫生委员会的数据）。财政支出代表政府的系统投入，而总医疗成本指标表示使用卫生服务所需的成本——即实际用于医疗服务的资金数额。如图4所示，新自变量得出的曲线形状与图2中的结果几乎相同。两条曲线的形状和大部分特征都非常相似。直到2008年的全球金融危机，仍然存在显著的抑制效应。相比之下，在2020年COVID-19大流行初期，我们看到了强烈的促进效应。图4显示了替换解释变量后的三维时间序列表面图。图5中的脉冲响应分析也证实了这一点。EPU冲击的动态影响在金融危机和公共卫生危机中呈现出相似的方向、强度和动态，这与基线模型中的观察结果一致，表明这些效应的性质并不取决于财政账户的分类方式。相反，EPU的结构性、周期性和变化驱动的影响在医疗和卫生相关行业中的体验是平等的。很明显，两次不同危机之间EPU效应的累积差异并不是由政府的财政投入或社会的消费所决定的，这支持了基线结果的总体有效性。图5显示了替换解释变量后的脉冲响应函数图。

3.3.2 替换解释变量
为了进一步验证研究结论对用于衡量EPU的具体方法的敏感性，本文进行了第二次关键的稳健性检验。在这项分析中，原本基于黄和卢（19）指数的核心解释变量被巴克等人（18）构建的国际公认和广泛使用的EPU指数所替代。这两个指数之间的主要区别在于它们的数据来源和构建方法。虽然原始的黄和卢指数是专门为中国的情况设计的，使用了10份中国大陆的报纸来增强国内代表性，但替代的巴克等人指数依赖于一份主要的海外英文报纸（《南华早报》，并采用了一种全球标准的测量框架。这次对EPU衡量方法敏感性进行确认的第二次迭代支持了本文的主要发现，因为它将独立变量（核心解释变量）的测量工具从基于（19）的工具替换为了获得全球认可和使用的工具（18）。图6提供了强有力的证据来支持上述内容。尽管巴克等人的EPU指数采用了与基线指数不同的构建方法，并基于非常不同的数据来源，但它显示了中国总体卫生支出随时间的变化趋势相似。具体来说，表明支出变化的曲线基本形状相同；巴克等人的指数和基线指数（如图7所示的脉冲响应图）在全球金融危机期间都显示出非常大的负面冲击，在COVID-19大流行开始后则显示出非常大的正面冲击。这项研究的发现表明，本文中的结果既不是由于测量错误也不是由于特定EPU指数的独特特性所致，而是表明政府支出与经济变化之间存在稳定的模式。

3.4 异质性分析
本研究将重点关注EPU如何影响中国不同地区的医疗支出。为此，我们将考察中国具有不同地理和经济特征的地区，以及这些差异如何影响当地的医疗服务支出。我们的分类方法基于先前的研究，这些研究使用了不同的方法来描述财政分散的程度（21）以及中国城市之间的等级差异（22）。因此，我们的关键假设是，财政自主权和经济实力使各地区对EPU冲击的敏感度有所不同。
在选择分析省份时，我们根据财政能力和经济发展水平将省份分为两组。一组包括财政资源非常强大且经济发展水平较高的省份，具体包括北京、广东、江苏和上海。这四个省份都位于中国的东南部，由于税收收入庞大和预算管理的自主性高，该地区被认为是整个国家的经济强国。另一组则包括财政能力相对较弱的省份，如福建、河北、天津和云南。通过检查这两组省份的脉冲响应特征，我们发现了在EPU冲击下医疗和卫生预算支出中的不同调节机制，并确定了对冲周期性和反周期性反应之间存在差异。
在对不同省份对COVID-19反应的异质性进行分析时，采用了与初始分析不同的时间序列方法。虽然初步研究为报告建立基线信息时使用了从2007年至2025年的综合全国数据集，按季度进行了分析，但在进行区域分析时发现，由于COVID-19大流行导致统计报告中断，某些地区的综合数据需要进行截断。2020年，COVID-19大流行导致一些省级政府的报告流程出现问题，许多省份在相当长的一段时间内无法提供统计数据，而且他们报告的部分信息也因COVID-19封锁和紧急资金分配的方式而存在不准确之处。大流行产生了一个不对称的外生冲击，掩盖了本研究中以及未来类似研究中旨在分析的省份之间的结构差异。因此，为了能够在考虑到数据可用性和可靠性的限制的同时考察省份之间的结构差异，异质性分析的样本时间范围被修改为仅包括疫情前的时期（2009年至2019年）。通过这种样本范围的调整，异质性分析的结果将更准确地描绘出在不确定性平均波动下省份的典型财政行为，并消除由2020年COVID-19公共卫生紧急情况导致的异常极端值。
为了验证这些地区的分类并展示财政资源的差异，我们分析了公共预算支出数据。对于财政状况良好的地区，如北京、广东、江苏和上海，它们的公共预算支出在2009年至2019年期间始终位于全国前三名。具体来说，根据2017年的省级公共预算支出数据（单位：亿元人民币），本研究中考察的八个省份的表现如下：北京（6824.53亿元人民币）、广东（15037.48亿元人民币）、江苏（10621.03亿元人民币）和上海（7547.62亿元人民币），这些省份在同一时期的表现明显优于大多数其他省份，显示出巨大的财政资源储备。相比之下，另一组省份的支出规模明显较低。例如，同一年的福建（4684.15亿元人民币）、河北（6639.18亿元人民币）、天津（3282.54亿元人民币）和云南（5712.97亿元人民币）。这种差异在将上海这样的经济中心与天津或福建等地区进行比较时尤为明显。这种财政规模的巨大差距证实了分类方法的统计合理性，并准确反映了资源丰富地区和资源匮乏地区之间的差异。
从制度角度来看，地区间的不同反应可以归因于中国的财政分权制度。根据“分层管理和分层负担分担”的原则，地方政府在其管辖范围内承担主要的医疗保健融资责任。具有较强财政能力的地区，例如已经为公立医院建立了全面的补偿机制和稳健的预算管理系统，使它们能够在EPU冲击期间维持反周期性的医疗支出。
中国的财政分权制度是从制度角度理解各地区对中国经济挑战不同反应的基础。财政系统的第一个组成部分是，地方政府在其管辖范围内是医疗保健融资的主要提供者，遵循“各级政府的指定责任或垂直管理体系和负担分担”的原则。例如，财政能力最强的地区，如北京、广东、江苏和上海，已经为市级或地区的医院建立了全面的补偿计划和预算会计系统，以支持在EPU冲击期间的反周期性医疗支出。
脉冲响应函数的结果强烈证明了财政能力如何决定政策反应。对于财政实力强劲的地区，如北京、广东、江苏和上海，医疗和卫生支出对经济政策不确定性的反应显示出明确的模式。特别是在经济政策不确定性初期，这些财务状况良好的地区表现出显著的正面反应，或者在最坏的情况下，仅有微不足道的负面反应（图8-11）。这与资源匮乏环境中的常见周期性收缩形成鲜明对比。这些经济发达的省份拥有足够的财政储备和更广泛的税收基础。因此，当经济政策不确定性增加时，这些地方政府无需采取紧缩措施。相反，他们既有能力也有政治意愿实施反周期性的财政政策。在外部冲击面前，这些政府有足够的财政空间来维持甚至显著增加关键公共福利领域的支出。这种支出具有双重作用：首先，它确保了公共服务的连续性；其次，它有助于稳定社会预期。通过保护医疗和卫生部门免受经济不确定性的波动影响，这些地区表现出明显的反周期性调整特征。

相反，财政能力较低的地区，如福建、河北、天津和云南，将面临结构性障碍。这些地区的财政收入增长较慢，税收基础狭窄，并且严重依赖上级政府的转移支付，因此财政缓冲能力有限。从区域异质性的角度来看，福建、河北、天津和云南在面对经济政策不确定性冲击时表现出更为明显和持久的负面医疗支出反应。特别是在冲击后的短期内，它们的支出行为显示出典型的顺周期性特征（图12-15）。这些地区通常面临结构性挑战，包括财政收入增长缓慢、税收基础狭窄和对转移支付的依赖性强，导致在应对外部冲击时的财政缓冲能力较弱。
根据关和傅（23）的研究，当地政府在面临更大的财政压力时可能会停止公共服务支出。当地方政府经历财政垂直失衡（地方财政能力与支出责任不匹配）时，他们会对公共服务给予较少关注。这种情况在财政较弱的地区尤为明显。当经济政策不确定性增加导致宏观经济紧缩和财政收入压力加大时，地方政府将面临保护工资、运营职能和基本公共福利的多重责任，因此必须优先考虑支出。在优先考虑支出时，医疗保健支出往往首先被削减，因为医疗保健支出的预算相对不那么严格，削减此类支出所涉及的政治成本较低，而且收入具有不确定性。总之，经济周期性波动（EPU）的增加使得这些地区的医疗保健支出更容易受到削减。这与张等人的研究结论一致（24），该研究指出，在财政压力时期，地方政府会优先支付强制性支出，同时削减公共服务支出等选择性（非刚性）支出。因此，地方政府的行为会表现为在削减刚性支出之前先削减非刚性支出。财政压力通过减少收入来影响许多地方政府。由于收入增长有限，地方政府不得不通过拒绝报销请求、推迟报销、减少卫生预算以及改变卫生支出的会计方式来提供资金以解决当前的财政问题，从而隐含地削减卫生服务的资金。这种对卫生服务的资金隐秘削减导致这些服务的长期可持续性受损，进一步加剧了不同地区在公共服务提供方面的差距。薄弱的财政能力不仅限制了地方政府的支出能力，也限制了其利用监管手段进行逆周期调节的能力。财政分权制度给予地方政府较大的支出自主权，但当地方政府面临严峻的财政状况时，这种自主性就会成为一种结构性约束。由于缺乏足够的资源来平滑经济周期的影响，地方政府通常会试图减少非核心支出以解决因不确定性造成的财政问题，这会形成一个恶性循环。

图123D展示了福建省的时间序列表面图。图133D展示了河北省的时间序列表面图。图143D展示了天津市的时间序列表面图。图153D展示了云南省的时间序列表面图。脉冲响应分析的区域异质性方面表明，各地区对经济周期性波动（EPU）冲击的响应因其财政能力不同而存在显著差异。具体而言，财政能力较低的省份，如福建省、河北省、天津市和云南省，在面对EPU冲击时的表现与财政能力较强的省份不同。财政能力较低的省份的医疗和卫生财政支出在长期内对EPU冲击呈负面反应（见图12-15），尤其是在EPU冲击发生之后，其支出行为通常具有顺周期性。因此，随着宏观经济环境恶化以及不确定性的增加，财政能力较弱的地方政府会减少支出，这反而会加剧而不是缓解经济周期。这种顺周期下滑是由于上述省份的公共财政体系存在内在弱点所致。这些省份的经济不够多样化或强大，因此普遍存在根深蒂固的结构问题，例如财政收入增长缓慢、税源有限以及对中央政府转移支付的高度依赖。这些特征总体上没有提供足够的“财政缓冲”来抵御外部冲击；也就是说，当外部冲击发生时，这些地区没有积累足够的储备来吸收其影响。结果，宏观经济波动对这些地区的财政可持续性产生了显著影响；随着不确定性增加，税收常常下降或停滞（从而引发流动性问题），迫使地方政府做出艰难的资源分配决策。

各地区对财政不确定性的不同反应主要是由于它们之间的财政能力差异，这是中国财政分权框架下的制度安排所导致的结果，这种安排引发了地方政府之间的竞争，从而导致社会福利支出的优先考虑。此外，财政脆弱地区面临的财政压力促使它们减少公共服务支出。这为理解为何各地区之间存在如此大的差异提供了一个重要的制度框架。财政能力较强的地区能够通过维持或增加医疗支出来缓解不确定性冲击的影响，因为它们具有强烈的逆周期倾向。以往的研究表明，增加财政自主性使地方政府在经济动荡期间更有能力在社会福利上投入，并继续为居民提供基本公共服务（25）。相反，财政能力较弱的地区受到预算限制，使其更容易受到不确定性冲击对医疗支出的负面影响。实证研究表明，地方政府在面临财政压力时倾向于将预算支出用于促进经济增长，并优先考虑与社会福利相关的支出，从而导致具有典型顺周期特征的行为（13）。因此，地区财政实力的特点在地方政府对经济政策不确定性的反应中起着重要的调节作用。最近的研究进一步证实，增加一般性转移支付可以有效缓解地方财政压力，并显著提高基本公共服务（如医疗保健）的稳定性（26）。这为改进财政转移支付系统和提高欠发达地区的财政韧性提供了重要的政策启示。因此，财政能力的强弱直接决定了地方政府是否能够通过财政支出措施有效缓冲外部冲击。

### 4 研究发现与启示
#### 4.1 研究发现
本研究使用了2007-2025年的中国季度数据，并采用SV-TVP-FAVAR模型，系统地分析了经济政策不确定性对中国医疗保健财政支出的动态影响。这也是首次在省级层面探讨地方财政异质性如何影响这一传导机制。主要发现包括：首先，EPU对医疗保健财政支出的影响具有显著的时间变化特征和情景依赖性。相比之下，在2020年COVID-19大流行的初期，政府采取了扩张性财政政策以应对突发公共卫生紧急情况。EPU和医疗支出变化的逆周期性质表明，EPU的影响取决于危机的性质以及为应对危机而采取的政策。研究结果揭示了地区财政能力如何调节EPU冲击：财政韧性较强的地区表现出最强的吸收EPU冲击的能力，而财政能力较弱的地区面临许多预算约束，因此随着EPU的增加，其医疗支出更容易受到挤出效应的影响，并表现出明显的顺周期支出模式。此外，三维脉冲响应分析的结果表明，EPU对经济的影响在强度和持续时间上随时间而变化。例如，在正常经济条件下，影响较为温和；然而，在极端经济动荡期间，影响会变得更大且持续时间更长，表明经济对极端EPU冲击的脆弱性增强。

这些研究结果对中国医疗保健体系有重要影响。在中国财政能力较弱的地区发现的“顺周期脆弱性”表明，EPU冲击会负面影响重要医疗服务的可及性，并在经济活动减少期间加剧地区间的健康差异。此外，过度依赖地方财政也削弱了中国现有医疗保健体系提供普遍公共卫生服务的能力。

#### 4.2 政策启示
世界已进入一个充满动荡和变化的新时代。地缘政治冲突、贸易保护主义的重新兴起以及全球经济复苏的不平衡导致了宏观经济政策的不确定性变得长期化、复杂化并趋于常态化。在国内，随着经济结构的调整和对土地相关财政收入的持续压力，地方政府面临着收入增长放缓与社会福利支出刚性之间的结构性矛盾。特别是在公共卫生领域，疫情后对常规护理和紧急护理之间无缝过渡的需求凸显了医疗融资的战略性和基础性重要性。鉴于中国的医疗支出在公共卫生危机期间展现了强烈的逆周期稳定效应，而地区间的财政韧性差异显著影响了政策传导效率，政府可以通过制度调整进一步加强医疗投资的战略定位。这些努力应集中在建立一个优化医疗保健系统中具体财政政策工具的系统方法上。这方面的主要措施应包括：（1）中央政府必须增加对核心公共卫生服务的资金投入，从而减轻财政脆弱地方政府的财务负担，防止他们在经济低迷时期不得不削减医疗预算；（2）通过实施定向转移支付来改进转移支付体系。应大幅增加通用转移支付，为经济较弱地区创建永久性的“财政缓冲”，以确保无论是否发生EPU冲击，常规医疗服务都能持续提供。这将确保在突发公共卫生紧急情况下，中央紧急资金能够迅速直接分配给社区级别的医疗机构，从而实现资源的即时逆周期扩张。本文的实证研究证实了这些预定计划的有效性和可行性。首先，通过异质性分析可以验证一般性转移支付扩张的有效性，正如北京和广东等财政韧性较强的地区在EPU冲击期间利用其储备管理医疗支出的情况所示（Yu等人，26）。其次，我们的三维脉冲响应研究表明，快速、无障碍的财政注入能够产生高水平的逆周期扩张。通过制度化这些直接渠道，我们可以确保2020年的扩张措施能够在未来危机中得到系统性复制，并避免地方资金瓶颈。最后，通过将结构性支出的责任向上转移，我们可以消除2008年金融危机期间出现的“挤出效应”的根本原因，同时继续保护基本医疗福利不受地方经济刺激措施的牺牲。

同时，政策努力应优先考虑刺激国内需求和振兴市场实体。创造更加开放的国际贸易环境将促进不同国际市场的形成，为国内财政政策的实施提供机会。此外，随着市场准入度的提高，各国将有更好的机会抵御外部冲击，从而促进包括医疗保健在内的社会项目的更公平和高质量发展。各国还需要通过改进财政政策传导和应对紧急情况的流程，加强跨境协调和沟通，以提高系统的整体稳定性和韧性，以有效应对重大公共卫生挑战，确保中国经济和社会的长期健康发展。

### 5 讨论
本研究的实证发现表明，中国的经济周期性波动并非一种绝对且恒定的力量，而是在时间和情况下表现出相当大的异质性。EPU对中国医疗保健支出的影响方向和程度主要受到发生在中国境内的危机类型的影响。在2008年的全球金融危机期间，EPU与医疗支出形成了顺周期关系；而在2020年的COVID-19大流行期间，EPU与医疗支出的关联则表现为逆周期。因此，这是一个重要的发现，因为它指出了以往研究中存在的空白，即需要动态和具体的情境分析来确定EPU影响的程度和方向，而不能仅仅依赖静态或平均估计。该研究的发现发展或建立在之前关于EPU及其对财政行为影响的研究基础上，但通过考虑这些概念对企业和个人的重要经济影响，进一步深化了这些知识，而不仅仅是确认EPU确实有影响力并且与财政行为相关联。EPU的影响在经济领域对公共部门和私营部门的影响是不同的。在私营企业中，EPU带来了不确定性，这使得企业更加谨慎地使用资源并减缓投资（2, 4）。相反，在公共财政领域，EPU的经济影响取决于政府的效用函数和危机类型。2008年地方政府预算的顺周期紧缩就体现了这种动态性，例如公共卫生服务的“挤出效应”，因为面临传统宏观经济流动性限制的地方政府不得不将公共卫生视为一种可以压缩的“软”福利支出。大多数针对金融危机的结构性改革都是顺周期的，但在2020年，采取了反周期的扩张措施，因此顺周期的财政行为被反周期的财政行为所取代。由于系统性威胁，医疗保健无法作为弹性资源运作，现在它成为了一种“固定安全义务”，这反过来又产生了紧急资源调动的不可协商的义务。这表明，财政资源的分配存在一种基于危机对整体经济环境影响程度的层次结构。此外，研究发现国家的财政强区域表现出反周期的韧性，而财政弱区域表现出顺周期的脆弱性，这进一步补充和完善了Bai等人（3）关于空间溢出效应的研究成果。由此可知，EPU不仅仅是经济上的一个定量冲击，而是一个结构性再分配机制或过程，其动态性受到当地吸收各种冲击能力的显著影响。

尽管这项研究揭示了许多见解，但仍需承认其一些局限性。首先，尽管SV-TVP-FAVAR模型能够很好地再现动态相互作用，但提取出的反映重大经济事件的共同因素并没有直接的经济解释。未来的研究可能能够将这些类型的结构冲击纳入其框架中。其次，由于缺乏可用数据，省际异质性分析仅针对2009-2019年的时间段进行；因此，无法在同一框架下直接比较各地区对2020年独特疫情冲击的反应。因此，无法确定在过去重大经济危机期间区域差异是否扩大。最后，这项研究主要集中在总体医疗保健财政支出的反应上；关于医疗保健资金在微观层面的分配细节及其对医疗质量和可及性的最终影响，仍需要使用更详细的数据进行进一步研究。

未来，可以在以下三个维度上大幅扩展研究，以巩固这项研究的成果。首先，在空间和微观层面上，未来的研究应致力于开发城市或县级的EPU指数。将这些高度细化的指数与空间计量模型相结合，将使研究人员能够更深入地探讨区域内部差异的动态以及地方财政对不确定性响应的空间溢出模式。其次，未来的研究应关注研究的微观和结果方面，利用微观数据分析医疗保健中的不同支出类别。将特定预算项目与某些公共卫生结果（如死亡率或疾病）联系起来，有助于研究人员评估政府对危机响应的效率和公平性。第三，关于危机类型，未来的研究应扩大这一分析框架的范围，涵盖不同类型的不确定性冲击。对内生经济调整和外生结构冲击的财政后果进行比较研究，将有助于制定政府财政选择的全面理论。

为了进一步发展这项研究的结果，未来的研究可以在三个领域进行深入探讨。首先是开发地方层面的EPU指数。一旦建立了非常细化的指数，将其与空间计量经济学结合起来，将帮助研究人员理解区域内部差异背后的动态，并捕捉由于地方实体财政响应的不确定性而产生的空间溢出效应。其次，在微观分析方面，研究人员可以利用有关公共卫生的微观数据来评估政府应对不确定性的效率和有效性。例如，确定预防性公共卫生支出与直接公立医院补贴对公共卫生结果的贡献程度。最后，关于影响决策的危机类型，未来的研究可以使用更广泛的不确定性冲击来增强本文描述的分析框架。例如，研究人员可以系统地比较内生经济冲击与外生和系统性冲击对政府决策财政影响的差异。