国务院关于印发《国民健康"十五五"规划》的通知

基于Williamson的交易成本经济学，将"三医"部门间的政策协调视为一种组织间交易，其交易成本包括信息搜寻成本、谈判博弈成本和监督执行成本。North的制度变迁理论指出，制度设计的路径依赖会增加改革阻力。据此提出：H1——建立统一协调机构的地市，其"三医"政策摩擦成本显著低于分散治理地市；H2——公立医院薪酬改革中"两个允许"的落实程度与代理效率正相关；H3——三明医改模式的跨区域推广效果受制于地方制度环境的互补性。

利用"十五五"期间各省市推进"三医协同"改革的时序差异，构建多期双重差分模型。以各地设立统一医改协调机构的时间节点作为处理变量，以尚未完成制度整合的地市为对照组。核心识别假定是处理组与对照组在改革前的医疗效率指标满足平行趋势。辅以断点回归，以三明医改经验推广批次的时间节点作为断点，检验制度移植的因果效应。

基准模型为：$Y_{it} = \alpha + \beta_1 \cdot Reform_{it} + \beta_2 \cdot X_{it} + \mu_i + \lambda_t + \varepsilon_{it}$，其中$Y_{it}$为地市i在t年的医疗效率指标（医保基金使用效率、个人卫生支出占比等），$Reform_{it}$为"三医协同"改革强度指数，$X_{it}$为经济社会控制变量，$\mu_i$和$\lambda_t$分别为地市和年份固定效应。采用工具变量法处理内生性，以省级领导分管医改的行政级别作为工具变量。

核心解释变量"三医协同指数"通过文本分析法构建：对各省政府工作报告和医改文件进行关键词提取，从组织架构、信息共享、政策衔接三个维度赋分（0—10）。被解释变量包括医保基金结余率、个人卫生支出占比、次均门诊费用。控制变量涵盖人均GDP、城镇化率、65岁以上人口比例、每千人口床位数。数据来自《中国卫生健康统计年鉴》（2021—2030）和国家医保局年度报告。

第一，替换核心解释变量，使用专家德尔菲法评分代替文本分析构建的协同指数，检验结论是否一致。第二，采用倾向得分匹配后重新进行双重差分估计（PSM-DID），缓解样本选择偏误。第三，使用合成控制法为每个处理组地市构造反事实"合成地市"，比较改革前后的差异。第四，进行安慰剂检验，将改革时点随机前移两年，检验估计系数是否不显著。

---

基于Keynes的有效需求理论，政府健康支出通过直接增加总需求和间接提升劳动生产率两条渠道促进经济增长。Aschauer的生产性公共支出理论进一步指出，健康基础设施投资具有正外部性，其社会回报率高于私人回报率。据此提出：H1——健康领域的财政支出乘数显著大于1，且具有长期持续性；H2——预防性健康投资（早筛、健康管理）的乘数效应大于治疗性支出；H3——健康消费政府投入对民间健康消费呈现挤入效应而非挤出效应。

采用Blanchard & Perotti的SVAR识别策略，利用财政支出决策相对于经济活动的信息滞后性进行短期识别。以各省健康领域财政支出作为外生冲击，通过Cholesky分解识别健康支出冲击对GDP和私人消费的动态响应。同时利用"十五五"规划各地健康消费专项行动的实施时间差异，构建面板数据准实验，以专项行动启动前后作为处理变量进行因果推断。

SVAR模型设定为：$A_0 Y_t = A_1 Y_{t-1} + ... + A_p Y_{t-p} + \varepsilon_t$，其中$Y_t = [G_t, T_t, Y_t^g, C_t^p]$，分别为健康政府支出、税收、GDP和私人健康消费。识别约束为：同期内政府支出不受GDP和私人消费影响（决策滞后假定），税收对政府支出的同期弹性为1。面板模型补充采用：$\Delta C_{it}^p = \alpha + \sum_{k=0}^{4} \beta_k \Delta G_{i,t-k} + \gamma X_{it} + \mu_i + \lambda_t + \varepsilon_{it}$。

核心变量：省级健康领域财政支出（预防保健、医疗服务、医疗保障、健康消费补贴四个子项），卫生总费用中政府、社会和个人三方支出占比，居民健康消费支出（来自CFPS家庭调查）。控制变量包括人均可支配收入、老龄化率、城镇化率、每万人口卫生技术人员数。时间跨度为2015—2030年季度数据，其中2026年后为"十五五"期间政策冲击样本。数据来源为国家统计局和各省卫生健康年报。

第一，使用叙事法（narrative approach）识别外生的健康财政政策冲击，与SVAR结果交叉验证。第二，将样本区分为东部沿海与中西部地区，检验财政乘数的区域异质性。第三，采用GMM估计处理可能存在的动态面板偏误，引入被解释变量的滞后项作为工具变量。第四，使用地方政府换届年份作为工具变量进行2SLS估计，排除健康支出增长的内生驱动。

---

Amsden和Wade的发展型国家理论认为，后发国家通过选择性产业政策可以实现技术追赶。Mazzucato的使命导向型创新政策框架强调，政府在高风险基础研究中的"企业家型"角色是突破性创新的关键。据此提出：H1——全链条政策支持的创新药，其从IND到NDA的平均时间显著短于仅获部分环节支持的药品；H2——医保目录纳入对创新药企业研发投入的挤入效应在政策链条完整的地区更为显著；H3——中国在抗体药物、基因治疗等前沿领域的专利产出增速快于传统小分子药物领域。

利用创新药纳入国家医保目录的时间差异构建交错DID模型。以2020—2030年间获批的创新药为样本，将进入医保目录的药品作为处理组、未进入的作为对照组。核心假定是在控制药品适应症、研发阶段和企业特征后，进入医保与否与未观测的创新产出决定因素不相关。进一步利用各省落实"全链条支持"政策的时间差异作为第二重差分维度，检验政策链条完整性的增量效应。

创新药上市速度模型：$T_{ij} = \exp(\alpha + \beta_1 Chain_{ij} + \beta_2 X_{ij} + \mu_j + \lambda_t)$，其中$T_{ij}$为药品j从IND申报到获批的时间（月），$Chain_{ij}$为政策链条完整度指数（0—4，涵盖审评加速、医保纳入、临床评价、采购支持四个环节）。商业化成功率采用Cox比例风险模型：$h(t) = h_0(t) \exp(\beta' Z)$，其中$Z$包括政策变量和企业特征。

核心解释变量"全链条支持指数"根据每种药品在审评审批（是否获优先审评/突破性治疗认定）、医保支付（是否纳入国家医保目录/创新药目录）、临床应用（是否进入临床诊疗指南）、采购支持（是否获集中带量采购保障）四个环节的得分加总。被解释变量包括上市周期（月）、上市后3年累计销售额、相关专利授权数。数据来自Cortellis数据库的药品研发时间线、国家药监局审评报告和国家医保局目录更新。

第一，采用倾向得分匹配（PSM）为每种进入医保的创新药匹配特征相似的未进入药品，缓解选择偏误。第二，使用Heckman两阶段模型处理药品进入医保的自选择问题，第一阶段以企业政治关联度和研发管线数量作为排除限制变量。第三，进行排除检验，依次去除四个政策环节中的每一个，检验链条效应是否稳健。第四，使用安慰剂检验，将医保纳入时点随机前移3年，确认效应不存在。

---

基于Becker的人力资本理论，基层卫生人才供给取决于教育投资回报率和职业预期收益。Rosen的补偿性工资差异理论预测，农村和偏远地区的岗位需要提供更高的工资溢价以补偿非货币性劣势。据此提出：H1——实施"县管乡用"制度的县域，其乡镇卫生院执业医师密度显著高于未实施县域；H2——提高基层中高级专业技术岗位比例对人才留存的边际效果大于同等成本的薪酬增幅；H3——农村订单定向免费医学生政策对基层人才供给的长期效果受服务期满后流动意愿的制约。

利用"优质服务基层行"活动达标时间节点和"县管乡用"制度的分批次推广构建多期DID。以率先实施人才双向流动的县为处理组，尚未实施的县为对照组，平行趋势假定基于改革前三年基层诊疗量和人才密度趋势。辅以断点回归设计，利用农村订单定向免费医学生服务期满（通常6年）的时间节点作为断点，估计服务期约束对人才留存的因果效应。

基准DID模型：$Physician_{ct} = \alpha + \beta_1 \cdot Flow_{ct} + \beta_2 \cdot Incentive_{ct} + \beta_3 \cdot Flow_{ct} \times Incentive_{ct} + \gamma X_{ct} + \mu_c + \lambda_t + \varepsilon_{ct}$，其中$Physician_{ct}$为县域c在t年的基层每万人口执业医师数，$Flow_{ct}$为人才双向流动制度虚拟变量，$Incentive_{ct}$为激励强度指标（中高级岗位比例或薪酬增幅）。交互项系数$\beta_3$捕捉制度与激励的互补效应。

被解释变量包括基层每万人口执业医师数、乡镇卫生院诊疗量占比、基层卫生人员年流失率。核心解释变量"县管乡用"虚拟变量根据各县卫健局发文时间确定。激励强度指标包括基层卫生人员人均绩效工资、中高级岗位占比、继续教育机会频次。控制变量涵盖县域GDP、常住人口、老龄化率、到最近三甲医院距离。数据来自《中国卫生健康统计年鉴》和各省基层卫生年报（2018—2030）。

第一，使用事件研究法（event study）绘制改革前后动态效应图，验证平行趋势假定并观察效果的时间演化路径。第二，以相邻但未实施改革的县作为"边界对照组"进行边界断点分析，控制地理和文化因素的干扰。第三，采用结构估计方法，构建卫生人才职业选择的离散选择模型，反事实模拟不同激励组合下的人才配置均衡。第四，使用省级面板数据的合成控制法验证县级DID结果的外部有效性。

---

基于Kahneman和Tversky的前景理论，个体对健康风险的感知存在系统性偏差——对远期慢性病风险的贴现过度导致预防行为不足。Laibson的双曲线贴现模型预测，个体会过度偏好当下的味觉满足而忽视长期健康损失。Thaler和Sunstein的助推理论则指出，通过改变选择架构可以低成本地引导更健康的决策。据此提出：H1——损失框架的健康风险宣传比收益框架更能促进减盐行为；H2——社区层面的社会规范助推（公布社区平均盐摄入量）对个体减盐行为的效果强于单纯信息提供；H3——承诺机制（预先签署健康目标）对高现时偏好个体的效果最为显著。

在3—5个城市社区开展田野随机对照实验，将社区居民随机分为四组：损失框架信息组、社会规范助推组、承诺机制组和对照组（标准信息宣传）。随机化在个体层面实施，分层因素包括年龄、性别和基线BMI。通过比较各组在干预后6个月和12个月的实际行为变化（盐摄入量、运动频次、体重变化）识别因果效应。同时进行问卷调查收集认知和心理机制数据。

基准模型为：$HealthBehavior_{i,t} = \alpha + \beta_1 Loss_i + \beta_2 Norm_i + \beta_3 Commit_i + \gamma X_i + \delta_{baseline} Y_{i,0} + \varepsilon_i$，其中$HealthBehavior_{i,t}$为个体i在干预后t个月的健康行为指标（24小时尿钠排出量、每周运动分钟数、BMI变化），$Loss_i$、$Norm_i$、$Commit_i$分别为三种助推干预的虚拟变量，$Y_{i,0}$为基线值。引入交互项检验异质性：$\beta_k \times PresentBias_i$，其中$PresentBias_i$为通过问卷测量的个体现时偏好程度。

被解释变量采用客观健康行为指标：24小时尿钠排出量（减盐效果）、加速度计记录的运动分钟数（运动效果）、体重和腰围变化（综合效果）。核心解释变量为三种助推干预的分组虚拟变量。机制变量包括风险感知得分（基于前景理论的价值函数量表）、社会比较动机强度和承诺执行率。现时偏好通过时间偏好问卷和 Monetary Choice Questionnaire 测量。样本量为每组约500人，总计2000人，干预周期12个月。

第一，进行操纵检验（manipulation check），确认三种助推干预确实改变了目标认知渠道（风险感知、社会规范感知、承诺感），而非通过其他途径影响行为。第二，在干预结束后6个月进行追踪测量，检验行为改变的持续性和衰减模式。第三，利用Bonferroni校正和错误发现率（FDR）控制多重比较问题。第四，采用工具变量法处理可能的选择性遵从问题，以随机分组作为实际参与干预的工具变量进行LATE估计。

---

> 📌 选题说明：以上 5 个选题分别从制度经济学、凯恩斯宏观经济学、发展经济学、劳动经济学和行为经济学五个视角，围绕《国民健康"十五五"规划》中的"三医协同"治理、健康消费扩容、创新药产业政策、基层卫生人才激励和健康生活方式助推五个核心议题展开。每个选题均包含具体的理论框架、识别策略和计量模型设定，数据来源均为可公开获取的统计年鉴和数据库。