中国居民慢性病的经济影响
开篇：润墨网以专业的文秘视角，为您筛选了一篇中国居民慢性病的经济影响范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
*解垩，山东大学经济学院，财政部财政科学研究所博士后流动站，Email:，通讯地址：济南市山大南路27号山东大学经济学院，邮政编码：250100；感谢山东大学自主创新基金资助；感谢匿名审稿人的宝贵修改意见，文责自负。
摘要 慢性病的经济负担在世界范围内增加，但基于个体经济层面的研究较少。利用中国健康与营养调查 (CHNS) 数据和Heckman两阶段模型，分析了慢性病对个体医疗支出、非医疗消费、家庭间转移支付及工作时间的影响，结果显示：慢性病显著地增加了医疗费用开支；慢性病患者的周工作时间下降；慢性病患者接受来自其他家庭（亲属）的转移收入明显增加，这表明个体能够通过家庭间风险分担的非正式制度处理机制，来应对慢性疾病的冲击；尽管有来自其他家庭的转移收入，慢性病人的非医疗消费水平降低; 富裕个体在抵御慢性病冲击上明显比贫困的慢性病患者有利。最后，文章提出应当引入卫生筹资的政策干预。
关键词 慢性病 医疗支出 非医疗消费 个体经济影响
一、引言
世界范围内的证据表明，慢性病经济负担与风险在逐步增加。2005年，全球5800万死亡人数中，慢性引致的死亡人数为3500万（WHO，2005）。世界卫生组织预计未来10年中，将有3.88亿人死于慢性病，而死亡者中多数是处于经济活动年龄内的人口，由于这些慢性病死亡者对劳动供给和国民储蓄的影响而使得国民收入遭受巨大损失。一些家庭和个体往往由于慢性病而陷入贫困，贫困个体在抵御慢性病冲击上明显劣于富人，这可能会加剧社会经济的不平等。
随着收入水平的提高，我国居民慢性病患病率近年来呈现上升态势。中国卫生服务调查数据显示，1993、1998和2003年我国居民慢性病患病率分别为16.98%、15.75%和15.11%，在2008年，慢性病患病率增加到20%。对于社会和家庭而言，慢性病的经济负担均会加重。世界卫生组织预计，在未来十年中，中国死于慢性病的人数为8000万。在此期间，仅心脏病、中风和糖尿病就将给中国带来至少5500亿美元的经济损失（WHO,2005）。卫生保健筹资有税收、社会保险、私人保险和直接付费四种形式，中国在2006年的卫生总费用构成中，政府预算卫生支出为18.1％，社会卫生支出32.6％，个人现金卫生支出49.3％。居民个人直接付费仍为主要筹资形式。
研究慢性病对宏观经济影响的学者，试图通过社会经济这个渠道来分析慢性病对整个经济福利的影响，然而，慢性病通过何种机制对经济产生影响的问题仍没有明确答案（Dele Olawale Abegunde and Anderson，2008）。这就需要从家庭或个人的视角来考察个体对灾难性医疗支出的冲击做出何种反应，在面临慢性病的情况下如何平滑消费。本文通过考察个体应对慢性病的处理机制，来分析慢性病产生的经济影响。我们利用中国健康与营养调查数据集（CHNS）分析了个体在慢性病冲击下的反应，两阶段模型结果表明：慢性病人明显地增加了医疗费用支出，慢性病人的工作时间也明显减少，尽管得到亲属间的转移收入增加，但其非医疗消费水平下降明显，慢性病人的经济福利下降。
文章的结构安排如下，第二部分是文献回顾，第三部分是方法、变量与数据，第四部分是实证分析，最后是结论。
二、文献回顾
研究慢性病对经济的影响沿着两条主线展开，一条主线是研究健康对宏观经济增长的影响，以期望寿命为代表的健康状况是经济增长的指示器，而慢性病构成的经济负担及减少的预期寿命无疑会给经济增长带来负面影响。Barro（1996)的实证研究表明预期寿命增加5年将会使得一国的GDP多增长0.3%―0.5％。这个结果可以反推慢性病引致的死亡对经济增长的负面影响。而更多的实证只集中于特定疾病对宏观经济增长的影响。比如，疟疾（Gallup and Sachs，2001）、艾滋病（Cuddington and Hancock，1994）、肺结核（Delfino and Simmons，1999）对经济增长的影响。Suhrcke和Urban（2006a）是为数不多的研究慢性病对宏观经济影响的学者，他们考察了慢性病中的心血管病对经济增长的影响，并用多个国家初始年份的GDP与处在工作年龄内的心血管病死亡率作回归，结果表明，死亡率每增加1％，高收入国家的经济增长下降0.1％。另一条主线则是从微观个体的角度来研究慢性病对经济产生的影响。这种研究更多的是集中在慢性病对劳动供给、工资和劳动收入的影响方面。详见表1。
这些微观视角的研究主要关注发达国家患慢性病个体对经济的影响，关于发展中国家的慢性病对经济影响的研究较少，而且这些研究缺少对慢性病人的医疗支出、非医疗消费支出及家庭间非正式转移支付制度的分析。个人或家庭在面临慢性病冲击的时候，必然会遭受双重损失，一方面是不断增加的医疗支出，另一方面是不断减少的生产率。这就需要受到慢性病侵袭的个体或家庭有一种应对处理机制存在，对社会保障还不健全的国家来说，这种机制的存在显得尤为必要。患有慢性病的个体或者被迫增加劳动供给，或者减少其他非医疗方面的消费，抑或接受其他家庭、亲朋的现金及礼品馈赠。Gertler和Gruber（2002）利用印度尼西亚的面板数据并把执行日常活动能力（activities of daily living，ADL）定义为健康冲击，研究发现失去日常活动能力者，其消费下降20％。从能执行一单位的日常活动到不能执行日常活动的变化，将会使得消费降低1.8％，为此，他认为用公共的伤残保险或者是对医疗支出的补助来作为平滑消费的工具，将会增进个体的福利。Wagstaff (2005)用同样的方法研究了越南在1993―1998年健康冲击的经济影响，他把健康冲击定义为BMI（肥胖指数）的下降，实证研究表明，在面临收入减少或者额外的医疗支出增加时，尽管来自亲朋的转移收入增加，但个体并不能保持食品和非食品消费为常数，消费不能得到保险，健康冲击使得消费不能平滑。 Dele Olawale Abegunde和Anderson (2008)对俄罗斯1997―2004年慢性病的经济影响分析中也有相似的结论。慢性病引起的健康冲击还可能对家庭内部财富分配的不平等起到推波助澜作用，Dercon和Krishnan（2000)利用埃塞俄比亚的成人营养数据研究发现，女性更易受到疾病的冲击，而这会加剧配偶间财富分配的不平等。可以预料，缺乏应对慢性病的机制，将使家庭难以从慢性病的冲击中恢复过来。
在本文中，我们试图探索慢性病对医疗支出、非医疗消费、劳动供给的影响，并分析了慢性病人接受非正式制度的转移收入情况，非正式制度的转移收入可能会提供某种保险，进而缓冲慢性病给个人和家庭造成的负向冲击。慢性非传染性疾病通常为终身性疾患,个体一旦罹患慢性病，治疗过程将会陪伴其整个生命期，并且，到了慢性病的晚期, 各种并发症的出现将会使患者及其家庭付出巨额的医疗费用,这都对个体的生产率产生抑制作用。我们的问题是：慢性病经济负担是否增加了医疗消费，增加的程度如何？慢性病是否会影响非医疗消费？个体如何筹资应对慢性病引致的医疗费用的增加？慢性病是否会带来劳动生产率的下降？
三、方法、数据与变量
（一） 方法
在健康经济学中，个体健康与收入、支出的关系常面临不少问题。其一，在一定时期内，医疗支出为零的数据所占比重较大。其二，这些数据呈偏态分布。其三，存在内生性，即健康和财富的相互决定。在这种情况下，经典的0LS模型估计将会产生偏差。Heckman(1979)模型和Tobit模型是用来处理这种数据问题的常用方法，Tobit模型的长处在于因变量的纠偏方面，但在拟合就诊决策方面不如Heckman模型。Heckman模型的估计分为两个阶段进行。
第一阶段（选择方程）,个体决定是否进行医疗花费（用二元Probit模型）。
p*1=βxi+μi pi=1如果βxi+μi>0（1）
其中, p*i 为某事件发生的概率,它可以由一系列因素解释, xi为解释变量, β为待估参数, μi为随机扰动项。在第二阶段需要从Probit 估计式中得到转换比率( Inverse Mills Ratio)λ来作为修正参数。λ由以下公式获得:
λ=φ(βxi)(βxi)
其中φ (•) 为标准正态分布的密度函数, (•) 为相应的累积分布函数。
第二阶段，个体决定医疗支出的规模。
ln(yi)=θzi+γλi+εi（2）
其中，yi代表医疗支出，zi是解释变量，θ、γ是相应的变量系数，εi是误差项。
（二） 数据
本研究使用的数据取自“中国健康和营养调查”(CHNS) 数据集。该调查覆盖9 个省(辽宁、黑龙江、山东、江苏、河南、湖北、湖南、广西、贵州) 的城镇和农村,采用多阶段分层整群随机抽样方法。从1989 年开始,该调查迄今已进行了7次（1989 年、1991 年、1993 年、1997 年、2000 年、2004年、2006年），其数据集包含了医疗支出、工作时间、非正式制度的转移支付等信息。CHNS在1989年没有涉及慢性病的调查内容，本研究所用的样本为剩余的6个年份的数据，收入和支出数据用2006年的辽宁省城市消费品价格指数进行平减。因为慢性病很少在未成年人中出现，本研究将样本年龄限定为大于18 岁。这样，1991 年、1993 年、1997 年、2000 年、2004年、2006年6个年份的大于18岁的所有样本共57025个，Heckman模型的Inverse Mills Ratio需要预测计算，预测又需要每个样本的所有变量都不能有缺省值，而CHNS调查中的个体很多变量都含缺省值，因此，Heckman模型截断以后剩余的样本数量远远小于原始样本数量。
（三） 变量
本研究所用到的变量见表2。四个因变量分别是个体医疗支出、 个体非医疗消费支出、 非正式制度的转移支付收入及工作时间，所有的因变量都取对数。
注： ①根据所有医疗支出大于零的样本计算得到的平均数。
②医疗支出大于零的样本占全部样本的比例。
医疗支出：我们用Heckman模型估计慢性病对医疗支出的影响，先用选择方程来估计个体是否进行医疗花费决策的概率，6％的个体报告有医疗支出。第二步，估计个体的医疗支出水平（在医疗支出大于零的条件下），医疗支出是四周患病样本的医疗支出，医疗支出包括所有挂号费、药费、治疗费、床费等等，6个调查年份中，患慢性病个体的平均每年医疗支出761元，比四周患病样本的平均医疗支出高48％。
非医疗消费支出：在患有慢性病的情况下，个体可能把非医疗消费转向医疗消费，即伴随着医疗支出增长，非医疗消费可能下降。在两阶段模型中的第二阶段，非医疗消费支出取对数计算。
非正式制度的转移收入：这个变量的变化用来反映慢性病带来的收入效应，个体应对慢性病负担的工具选择，16％的个体有转移收入。
生产率：个体的生产率会因为慢性病而受到影响，我们用劳动力供给变动代表慢性病的一项非直接成本，生产率用一周工作的小时数来代表。
本研究中的两个关键的解释变量之一患病为慢性病，我们把有高血压、糖尿病、中风三种慢性病之一中的一种即确定为慢性病患者，采用医生诊断和自报相结合的方式确定， 医生下过高血压的诊断并且正在服用降压药者确定为高血压患者，而糖尿病、中风根据疾病史确定。患病为非慢性病采用医生诊断方法确定，即医生诊断为传染/寄生虫疾病、受伤、酒精中毒之一者即为非慢性病患者在CHNS中，你的病或伤，医生的诊断是什么？共有22个选项，无诊断、传染/寄生虫疾病、心脏病、肿瘤、呼吸系统疾病、受伤、酒精中毒、内分泌紊乱、造血系统疾病、精神系统疾病、智障、神经系统疾病、眼/耳/鼻/喉/牙病、消化系统疾病、泌尿系统疾病、障碍、妇产科疾病、新生儿疾病、皮肤病、肌肉/风湿病、遗传病、老年/中年综合征、其他。由于很多诊断都可能与慢性病有关，本文选择医生诊断为传染/寄生虫疾病、受伤、酒精中毒之一者为非慢性病的变量。。患病为慢性病和患病为非慢性病的比例分别为6.1％、0.3％。患慢性病的城乡、年龄及地区差异见表3。
从表3可以看出，慢性病发生率随着年龄的增加而增加；在每一个考察年份，城市慢性病发生率比农村要高，中国四次卫生服务调查的数据也佐证了这种现象，比如，1993年的第一次中国卫生服务调查显示，城、乡居民慢性病患病率分别为28.58%、13.07%，1998年则为27.33%和11.84%，2003年为23.96%和12.05%，2008年为28.3%和17.1%，出现这种城乡差异的原因之一可能是由于农村居民并不知道自己患有慢性疾病，进而可能低报数据，当然，我们这里只使用了高血压、糖尿病、中风来表示慢性病，所以慢性病患病率指标比中国卫生服务调查的慢性病患病率指标为低；在绝大部分年份，无论城市还是农村，东部省份慢性病发生率比西部省份显著为高；随着时间推移，城乡慢性病发病率都呈现上升态势。
疾病的严重程度可能影响就医行为或者自报健康状态，bad表示体质好或差作为控制变量。根据相关理论，影响收入或支出的变量也纳入模型。有人口社会学特征变量，如年龄、教育程度、家庭规模、性别等。一些引致慢性病的因素也可能对医疗支出产生影响，为此，模型中还包括了bmi身体质量指数、是否现在还在吸烟等变量，城乡居民在医疗服务可及性方面可能存在差异，模型中也纳入了城乡变量。
四、 实证分析
(一) 总样本回归
表4汇报了两阶段Heckman模型回归的边际效应结果。
注： ***, **, *分别表示在1%、5%和10%水平上显著。第一阶段指在正的因变量条件下的概率影响，第二阶段指对因变量对数的影响。
1. 医疗支出
第一阶段：患病为慢性病者因为需要长期服药和定期体检，其引致医疗花费的概率比平均数增加8.8％，且在1％的水平上显著。患病为非慢性病引致的医疗支出的概率增加79.6％。身体差引致医疗支出的概率增加18.5％。人均收入没有通过显著性检验，不显著的可能的原因在于两方面作用的结果：一是收入高的个体其健康状况更好，患病概率低，引致医疗支出的概率较低；二是经济低下阻碍其进行医疗花费。随着年龄增长，健康这种人力资本的折旧率逐渐增加，人体机能需要修复的几率就会增加，引致医疗支出的概率增加 。教育程度越高，由于前期对自己的健康投资（如增加体育锻炼）较多，其引致医疗支出概率不增反降。在相同的情况下，女性比男性就诊的概率高，女性由于生理原因寻求医疗服务的可能性比男性高。是否享有医疗保险可能会影响到医疗服务利用。Jones（2000）认为在自愿购买医疗保险的卫生医疗系统中，医疗保险在医疗服务利用模型中就可能不是完全意义上的外生变量。 在我国医疗保险体系中，参加城镇职工医疗保险是以强制性为条件的，而参加合作医疗和商业性医疗保险等则为自愿行为，在所有考察年份，自愿参加医疗保险的比例并不是太高，而且，本文的研究重点在于考察慢性病的经济影响，所以估计边际效应时，我们采用了同其他变量的处理方法，当然，这可能会影响到结果的准确性。结果显示，与没有医疗保险组相比较，享有医疗保险者引致医疗支出的概率增加1.2％。我国的医疗保险虽然存在补偿比率低问题，但确实可以释放居民一部分曾被抑制的卫生服务需求。城镇居民比农村居民引致医疗支出的概率要低1.1％，这可能是城镇居民前期注重自身健康人力资本投资的结果。
第二阶段：患病为慢性病者的医疗支出规模比医疗支出平均水平增加47.3％，且在1％的水平上显著。患病为非慢性病者的医疗支出规模增加336.1％。这可能是由于一些非慢性病需要住院手术治疗，导致其医疗支出水平较高，慢性病患者更可能采用自我治疗的方式。身体差的医疗支出水平增加101.1％。收入越高求医的资金约束越弱，其医疗费用支付能力越强。医疗支出的水平随年龄的增加而增加，女性医疗支出水平比男性高。享有医疗保险者的医疗支出规模高于没有医疗保险者，由于资料所限，我们无法分清这是由于医疗服务需方的道德风险因素所致，还是供方诱导需求所致。是否吸烟、肥胖、教育程度、家庭规模和城乡变量在医疗支出水平上没有差异，未能通过显著性检验。收入分组和慢性病的交叉项系数均为正，并且在高收入水平组和慢性病的交叉项系数通过了显著性检验，而且高收入组与慢性病交叉项系数在非医疗消费方程中也表现出比较显著的正号，这从一个侧面说明富裕个体在抵御慢性病冲击上明显比贫困的慢性病患者有利。
2. 非医疗消费
非医疗消费是收入的函数，而健康能对收入的获得有积极影响。患病为慢性病者其引致非医疗消费的概率降低3.8％。其非医疗消费的水平降低32.7％。有趣的是，患病为非慢性病者并没有减少非医疗消费支出，反而增加了医疗消费支出。现有的数据并不允许我们细致地分析这两类患病者在非医疗消费支出方面的差别，一个可能的解释是非慢性病的过程比慢性病短，在减少非医疗消费方面的作用有限。另外，个体可能采用不同的筹资方式应对非医疗消费支出，即他的消费“保险”渠道更多样，使得其非医疗消费水平在各期上不至于下降。“上瘾”商品的消费对非医疗消费有重要影响，吸烟者比不吸烟者的非医疗消费支出增加明显。非医疗消费支出随着收入的增长而增长。随着年龄的增长，非医疗消费下降。越趋于肥胖其非医疗消费越多。文化程度高、家庭规模大者的非医疗消费也高。城市居民的非医疗消费水平比农村居民高289％。
3. 非正式制度转移收入
个体可能并不是被动地来应对慢性疾病，当面临不间断的治疗成本或收入减少时，他可能借助于保险市场、动用储蓄、从友邻处借债或变卖家庭财产等手段来平滑生命期内的消费。如果正式的保险制度不完善，慢性病人家庭储蓄及财产在久病的情况下所余无多，非正式制度的转移收入会起到什么作用呢？表4显示，慢性病人接受亲友转移支付的概率增加2.4％，转移收入增加18.7％。这表明个体能够通过亲属间风险分担的非正式机制，来应对慢性疾病的冲击。非正式制度转移收入可能是应对慢性病的消费“保险”的重要来源。另外，年龄越大，其接受转移收入的概率和数量越多。城市居民比农村居民接受的转移收入明显为多，可能是因为穷人的亲属更多的是穷人，富人的亲属更多的是富人的缘故。
4. 工作时间
慢性病可能影响到劳动生产率和劳动供给，劳动生产率和劳动供给对个人和家庭的收入来说又是极其重要的。健康经济学理论表明，因为健康的个体在身体和智能上比患病者有更多优势，所以健康个体在单位劳动时间产出更多（劳动生产率增加）。另外，身体和智能健康的个体能更有效地使用技术、生产工具和设备。然而，经济学理论却没有回答健康对劳动供给的影响，如果因为健康状况差导致工作收入减少（健康差者的劳动生产率低下），个体倾向于选择更多的闲暇来替代劳动（替代效应）。另一方面，为避免生命期内的劳动生产率低带来的收入下降，个体可能选择增加劳动供给（收入效应），净效应更多地依靠实证来检验（Currie and Madrian，1999）。表4的实证结果表明，慢性病者的工作概率减少4.7％，其劳动总时间减少23.9％。同样的，另外两个健康指标（患病为非慢性病、身体差）也表现出工作概率和总工作时间的减少。
（二） 子样本回归
表5和表6汇报了城乡分组的回归结果。慢性病增加了农村患者的医疗支出水平，使得患慢性病者的消费下降，工作时间减少，其接受的私人转移支付数量上升。户主的年龄、教育程度、家庭有无在校学生、职业及家庭中其他人是否患病等变量都不同程度地影响着个体的医疗支出、非医疗消费、转移收入及工作时间。
注： ***, **, *分别表示在1%、5%和10%水平上显著。城乡以居住地划分，城市的调查点中也包括郊区的农民，所以城市的调查点中有农民职业。农村调查点包括县城，所以有非农职业。
注： ***, **, *分别表示在1%、5%和10%水平上显著。城乡以居住地划分，城市的调查点中也包括郊区的农民，所以城市的调查点中有农民职业。农村调查点包括县城，所以有非农职业。
城市的回归结果大体上与农村的回归结果相同。只是家庭中有读书者这个变量对城乡消费影响的显著程度有所不同，家庭中有读书者显著地增加了农村家庭人均消费，对农村家庭中有上学者来说，其教育支出往往会占支出的较大比例，教育支出成为农村家庭的沉重负担。城市家庭中有上学者对消费支出增加的影响只在10％的水平上统计显著。
五、 结论
本文的实证表明，慢性病对包括医疗支出、非医疗消费、劳动力供给及转移收入的个体经济具有显著影响。我们试图量化中国患慢性病个体的生产力损失。慢性病显著地增加了医疗费用开支，慢性病患者的医疗支出比平均医疗支出水平高出47.3％。慢性病患者的周工作时间减少23.9％。慢性病患者接受的来自其他家庭（亲属）的转移收入明显增加，这表明个体能够通过亲属间风险分担的非正式制度，来应对慢性疾病的冲击。尽管有来自其他家庭的转移收入，慢性病人的非医疗消费水平降低32.7％，消费“保险”机制缺失，其经济福利受到负面影响。另外，慢性病给低收入家庭带来了更多的医疗负担，慢性病对低收入家庭非医疗消费的挤出效应更大。有趣的是，享有医疗保险的个体其引致的医疗支出概率和医疗支出规模均比不享有医疗保险的为高。慢性病的经济负担，如果没有适当的政策干预，将会阻碍草根阶层的发展。本研究的政策含义是政府应当介入慢性病的筹资过程，比如，将慢性病纳入医疗保险覆盖的范围，为慢性病患者获取必需的医疗服务提供资金上的保障， 以经济支持的形式来消除慢性病造成的负面效应。依靠私人的、非正式的筹资机制来帮助个体应对慢性病的经济负担和风险毕竟不是长久之计。本文的实证还揭示了社会经济因素对个体经济福利的影响，老年人、女性都报告有较低的非医疗消费和较高的医疗支出，而这些人群又是慢性病的易感人群，这就需要卫生筹资政策适当向这些人群倾斜，减弱与慢性病相伴的医疗服务可及性的不平等。
与国际上研究慢性病经济影响的实证文献相比，本文还存在如下值得探讨的问题：正如Suhrcke等（2006b）所言，慢性病还会对教育绩效存在影响，如与父母死亡相伴随的入学率下降、父母吸烟可能影响孩子的认知能力、肥胖可能减少对教育投资的动力，我国居民的慢性病对代际人力资本投资会有什么影响？国际上对慢性病经济影响的研究或者使用截面数据或者使用平衡面板数据，由于中国健康与营养调查（CHNS）跨越的年份较长，一直参与了各年份调查的个体较少，因此，本研究使用的数据是非平衡面板数据，这可能会影响到结果的准确性；实证分析中重要的控制变量为患病是非慢性病（急性病），中国健康与营养调查（CHNS）没有提供急性病（非慢性病）诊断的指标，我们选择医生诊断为传染/寄生虫疾病、受伤、酒精中毒之一者为非慢性病的变量，这是否会产生误差？这都需要进一步研究。
参考文献
Barro, R., 1996, “Health and Economic Growth,” Mimeo. Cambridge, MA: Harvard University.
Coile, C., 2003, “Health Shocks and Couples Labor Supply Decisions,” Working Paper, crr.bc.edu/images/stories/Working_Papers/wp_200308.pdf.
Cuddington, J. T. and J. D. Hancock, 1994, “Assessing the Impact of AIDS on the Growth Path of the Malawian Economy,” Journal of Development Economics, 43(2), 363368.
Currie, J. and B. C. Madrian, 1999, “Health, Health Insurance and the Labor Market,” in O. Ashenfelter and D. Card (eds), Handbook of Labor Economics, Vol. 3, Chapter 50. Amsterdam: Elsevier Science BV.
Dele Olawale Abegunde and E. S. Anderson, 2008, “The Economic Impact of Chronic Diseases: How Do Households Respond to Shocks? Evidence from Russia,” Social Science & Medicine, 66,22962307.
Delfino, D. and P. J. Simmons, 1999, “Infectious Disease and Economic Growth: the Case of Tuberculosis,” Working Paper, www.york.ac.uk/media/economics/documents/discussionpapers/1999/9923.pdf.
Dercon, S. and P. Krishnan, 2000, “In Sickness and in Health: Risk Sharing within Households in Rural Ethiopia,” Journal of Political Economy, 108,688727.
Dwyer D. S. and O. S. Mitchell, 1999, “Health Problems as Determinants of Retirement: Are Selfrated Measures Endogenous,” Journal of Health Economics, 18, 173193.
Gallup, J. L. and J. D. Sachs, 2001, “The Economic Burden of Malaria,” American Journal of Tropical Medicine and Hygiene, 64, 8596.
Gertler, P. and J. Gruber, 2002, “Insuring Consumption against Iillness,” American Economic Review, 92(1), 5170.
Heckman J., 1979, “Sample Selection Bias As a Specification Error,” Econometrica, 47 (1), 153 162.
JimenezMartin S., J. M. Labeaga and M. MartinezGranada, 1999, “Health Status and Retirement Decisions for Older European Couples,” Working Paper, iriss.ceps.lu/documents/irisswp1.pdf.
Jones A. M., 2000, “Health Econometrics,” in A. J. Culyer and J. P. Newhouse, NorthHolland Handbook of Health Economics, Amsterdam:Elsevier.
Kraut A. R., T. R. Walld and C. Mustard, 2001, “Impact of Diabetes on Employment and Income in Manitoba, Canada,” Diabetes Care, 24, 6468.
Lindholm C., B. Burstrom and F. Diderichsen, 2001, “Does Chronic Iillness Cause Adverse Social and Economic Consequences among Swedes,”Scandinavian Journal of Public Health, 29, 6370.
Ng Y., P. Jacobs and J. A. Johnson, 2001, “Productivity Losses Associated with Diabetes in the US,”Diabetes Care, 24,257261.
Suhrcke M, L. Rocco, M. McKee, D. Urban, S. Mazzucco and A. Steinherr, 2005, “Economic Consequences of Noncommunicable Diseases and Injuries in the Russian Federation,” Working Paper, www.euro.who.int/_data/assets/pdf_file/0005/74741/E89992.pdf.
Suhrcke M. and D. Urban, 2006a, “Are Cardiovascular Disease Bad for Growth,” Working Paper, www.ifo.de/~DocCIDL/cesifo1_wp1845.pdf.
Suhrcke M., A. Rachel Nugent, David Stuckler and Lorenzo Rocco, 2006b, “Chronic Disease: An Economic Perspective,” London: Oxford Health Alliance.
Tunceli K., C. J. Bradley, D. Nerenz, L. K. Williams, M. Pladevall and J. E. Lafata, 2005, “The Impact of Diabeteson Employment and Work Productivity,” Diabetes Care, 28(11), 26622667.
Wagstaff A., 2005, “The Economic Consequences of Health Shocks,” Working Paper, wwwwds.省略/servlet/WDSContentSer...ered/PDF/wps3644.pdf.
World Health Organization, 2005, “Preventing Chronic Diseases: A Vital Investment,” WHO Global Report,Geneva: WHO.
“本文中所涉及到的图表、公式、注解等请以PDF格式阅读”