大学生就医行为及其影响因素：基于微观数据的实证分析于大川;李雨晴【摘要】利用广东省高校在校大学生的微观调查数据，采用 Multinomial logit 模型，实证分析大学生就医行为及其影响因素。

结果表明，年龄、性别、所处年级以及健康状况等因素对大学生就医行为具有显著影响，年龄越大、女性、低年级和健康状况相对差的大学生选择积极就医行为的可能性越大。

而是否拥有医疗保险、户口类型以及生活费用对大学生就医行为的影响并不显著。

因此，可以从加强高校或社区的医疗服务体系建设、强化健康宣传教育和完善大学生医保制度等方面满足他们的医疗服务需求，促进他们的理性就医。

%Based on the questionnaire data from college students in Guangdong,this paper carried out empirical research with Multi-nomial logit model on the issue of college students’hospitalizing behavior and its influencing factors.The results show that age,gen-der,grade and health condition of college students have significant impact on their hospitalizing behavior,that the college students with elder age,female,low grade and poor health condition are more possible to choose to be hospitalized,and that health insurance, household registration and living expenses have no statistically significant influence on college students’hospitalizing behavior.There-fore,the government department should reinforce campus and community health service system to meet the hospitalizing demand of col-lege students by consolidating the propaganda and education as well as the perfection of the medical insurance system of the college students to boost their rationally hospitalizing behavior.【期刊名称】《重庆工商大学学报（社会科学版）》【年(卷),期】2016(033)002【总页数】7页(P42-48)【关键词】大学生;就医行为;影响因素;Multinomial logit 模型【作者】于大川;李雨晴【作者单位】广东金融学院劳动经济与人力资源管理系，广东广州 510520;广东金融学院劳动经济与人力资源管理系，广东广州 510520【正文语种】中文【中图分类】G647.22引言大学生是社会中的精英人群，一个国家大学生的数量和质量在一定程度上代表了这个国家的发展潜力。

统计数据显示，2012年中国普通高等院校在校研究生、本专科生的数量为2 536多万人，[1]随着时间的推移及高校扩招政策的深入实施，会有越来越多的年轻人走进大学校园，中国大学生的总体规模将变得越来越庞大。

然而，大学生规模的扩张并不能完全代表一个国家的人才储备情况，更为关键的是大学生的质量提升，即大学生人力资本存量的增加。

人力资本理论认为，提升人力资本存量的途径有三个：分别为教育(培训)、医疗保健和人口迁徙。

[2]其中，接受适当的医疗保健是个体获得健康人力资本的主要途径[3]。

在传统观念中，大学生群体具有明显的特殊性，表现为大学生正值青春期，其身体各项机能处于一生中的巅峰状态，身体健康状况普遍好于其他年龄阶段的人群，因此，长期以来，大学生群体的就医行为并没有引起社会的广泛关注。

实际上，正是由于大学生所处的年龄阶段的特殊性以及较好的身体健康状况，决定了这一群体具有不同于其他人群的就医行为，例如，在疾病风险发生后，大学生可能会对自己的健康状况过于自信或缺少必要的风险规避意识，选择有病不就诊或自行购药治疗，从而埋下更大的损失隐患。

因此，探讨大学生的就医行为及其影响因素，对改善大学生的医疗服务利用行为、提高大学生的健康水平以及提升国家的潜在竞争力都具有重要的现实意义。

国外关于就医行为的经验研究大多是在安德森的卫生服务利用行为模型[4]框架下展开的。

该模型认为，决定医疗服务利用的主要因素有先决变量、使能变量和需要变量三种，这些变量共同影响并决定人们对于医疗服务的利用情况。

在先决变量方面，现有文献证实，相比较年轻群体，老年群体的就医行为更加积极[5]；男性比女性有着更低的医疗服务利用率[6]；另外，教育与医疗服务利用率之间呈正相关关系[7]。

使能变量方面，多数文献的研究结论表明，收入对医疗服务利用具有正的显著性影响[8]，但也有一些文献得到了完全相反的研究结论[5][7]；与没有医疗保险的群体相比，拥有医疗保险群体的住院日以及接受适当医疗服务的概率明显提升[9]；此外，医疗服务的可及性和可得性对医疗服务利用具有显著的正向影响[10]。

需要变量方面，绝大多数研究证实了健康状况是影响医疗服务利用率的重要因素[5][7]，人们的健康状况越差，对医疗服务的利用率会越高。

借鉴国外相对成熟的理论研究成果及研究方法，国内学者在这一领域亦取得了丰硕的研究成果。

例如，王俊等基于中国3省调查数据的研究发现，医疗费用是影响城镇及农村居民医疗需求行为的一个决定性因素。

[11]高梦滔、姚洋利用中国8省农户调查数据的研究表明，家庭收入和财富变量对农民两周患病就诊决定没有显著影响，但医疗服务的可得性和可及性对农民就诊决定意义重大。

[12]潘丹采用中国健康与营养调查(CHNS)数据的研究证明，性别、婚姻状况、家庭财富及医疗费用等因素对农民医疗服务利用具有显著影响。

[13]于大川基于中国健康与养老追踪调查(CHARLS)数据的研究发现，城镇居民医疗保险在一定程度上促进了参保人的医疗服务利用，但总体影响水平不高，且对不同群体的医疗服务利用存在结构性差异。

[14]国内对大学生就医行为的专门研究并不多见，更多学者将研究注意力集中在大学生医疗保险制度之上。

在这一领域，代表性的研究有两项：孙国梅等基于安徽省三所高校的调查数据，采用描述性统计方法分析了大学生的就医行为及其影响因素，研究表明，在患病后就诊率上，女性要高于男性，城镇要高于农村，老生要高于新生。

[15]李芬同样使用描述性分析方法，对海南大学在校学生就医行为的研究显示，是否参保(商业保险或社会医疗保险)对大学生的就医行为并没有显著影响。

[16]已有文献为本文研究奠定了良好的基础，但现有研究仍然存在以下不足：一是在研究对象上，多数文献将研究注意力集中在一般社会群体之上，对大学生群体的关注较少，相关研究文献不多；二是在研究方法上，已有研究大多采用简单描述性分析方法，由于描述性统计分析缺少对其他变量对因变量影响的控制，所得到的研究结果可能是有偏差的；三是在研究框架上，多数文献将研究重点放在了制度层面，即研究某项医疗保障制度对人们就医行为的影响，对其他因素的关注度不高。

本文利用广东省高校在校学生的调查数据，对大学生的就医行为及其影响因素进行实证分析。

大学生的就医行为是一系列主观和客观因素交叉影响的结果。

因此本文的研究框架中除了制度因素外，还包括其他因素对大学生就医行为影响的讨论。

研究将对以下现实问题做出解答：(1)影响大学生就医行为的主要因素有哪些？它们的影响程度分别有多大？(2)这些因素是如何影响大学生的就医行为的？在分析个体在获取医疗服务时的行为选择时，国外文献通常遵循的一个研究范式是：从微观个体效用理论出发，通过建立个体就医行为选择模型，利用参数估计的方法进行经验研究。

[11]沿着这一研究范式，本文首先给出个体就医行为选择过程中的间接效用函数为：U=U(X，Y，A)其中，X为一组个体特征变量的向量，如性别、年龄、户口类型、婚姻状况、教育程度和健康状况等；Y为个体的收入状况；A为其他消费品价格。

式(1)表明，个体在个体禀赋X、个体收入水平Y，以及其他消费品价格A的约束下，选择不同治疗方式所能得到的最大效用U。

为了简化实证分析过程，将其他消费品价格A标准化为1，由式(1)得到可用于实证分析的计量模型为：Uij=α+βjGi+εij(i=1,...,n;j=1,...,J)其中，α为常数项，Gi为个体i的特征向量，包括Xi、Yi，εij为随机误差项，βj 为要估计的参数。

很显然，个体i在患病后就医过程中，可供选择的治疗方式j，即就医行为有很多种，如果个体i选择j方式进行治疗，按照式(1)，说明在所有的J种就医行为中，第j种给个体带来的效用最大。

假设εij独立且服从对数韦布尔分布(Log Weibull distribution)，则个体i选择j的条件概率为：P(y=j|y=1或j)=exp(βjGi)/1+exp(βjGi)对第i个个体而言，其似然函数为：lnLi(β1,...,其中，1(·)为示性函数，即如果括号中的表达式成立，则取值为1，否则，取值为0。

将所有个体的对数似然函数加总可以得到样本总体的对数似然函数，将其最大化可以得到系数估计值MLE。

(一)数据来源本文研究所用的数据来源于2014年3月～5月在广东省3所高校*这三所高校分别为：广东金融学院、广东工业大学、广东财经大学。

进行的大学生就医行为特征及影响因素问卷调查。

此次调查共发放问卷455份，回收448份，经过整理筛选，剔除2份无效问卷，共获得446份有效问卷，有效回收率98%。

(二)变量选择因变量大学生就医行为界定为大学生在遭遇疾病风险时将采取怎么样的应对方式，这在一定程度上反映了大学生的疾病风险态度及其具体的行为方式。

在调查问卷中，对应的问题为“当你生病或感到不舒服时，你首先选择的治疗方式是什么？”，该问题有完全不在意、自我治疗和去医疗机构就医三个选项，不同的选择代表了大学生的不同就医行为。

实证分析中以完全不在意作为参照组。

按照模型设定，自变量主要包括大学生的年龄、性别、教育程度、户口类型、个人收入状况、是否购买医疗保险和健康状况等。