政策效果之差異中的差異模型（DID）估計結果

表 9 列出本研究中利用差異中的差異的估計策略所估計之兩階段模型結果。

估計過程中，我們控制了樣本的性別，區域，以及五個年紀分組。而表 9 中所呈 現的則是每一模型設定下的差異中的差異估計值，亦即其估計高低說明了政策變 動後，在實驗組與控制組之間，其政策的效果。首先我們就整體的西醫門診醫療 利用的結果來看，根據 DID 估計結果，短期下，民眾整體的西醫門診就醫機率 與前述趨勢分析一致，呈現下降的結果。由於此一機率模型為線性機率模型，因 此 DID 係數說明政策變動後，在兩組之間的邊際效果（marginal effects），又由 於估計上採用一般最小帄方的估計（修正同一病患之群聚效果變異數），因此在

帄均上（on average）仍舊刻畫出政策的帄均效果。而且根據估計係數²⁵，在就醫 的機率上，三實驗組在就醫的機率衝擊上並沒有太明顯的差距，然而第一實驗組 在就醫次數上的衝擊明顯高於第二組，最小的則為第三組，此一估計結果與原先 趨勢分析的結果相符。此外就就醫次數而言，短期下，民眾前往西醫門診之就醫 次數，在給定就醫次數為正的前提下，當政策調整後，考慮了實驗組與控制組的 差異後，我們可以發現部分負擔的調整，則使得民眾就醫次數下降，且此一衝擊 僅在第一組與第二組有顯著的影響（1％的顯著水準下顯著），至於第三實驗組，

其估計係數仍舊一致地呈現負向的關係，唯獨其統計上並不顯著。當然此一結果 與我們的設計相符，因為第三組實驗組基本上受到此一政策的影響最小。

然而部分負擔的政策調整，其政策目的在於減少民眾前往高層級醫院的就醫，

截至目前的分析，我們利用所有醫療層級進行分析，所得之結果僅說明政策變動 整體的影響，至於在高層級醫療機構的衝擊則必須再進一步分析。表 9 的第 3-6 欄，我們將估計集中在醫院，以及區域醫院等較高層級之醫療機構，分析政策變 動的衝擊。我們首先將研究重心轉移至醫院層級的醫療利用。根據表 9 的第三與 四欄的估計結果，透過 DID 的分析，在政策變動後，民眾前往醫院層級就醫的 機率增加，此一結果與前述整體的就醫機率衝擊相反。一個可能的原因在於部分 負擔的施行，確實使得許多帄常常前往高層級醫療院所就醫的民眾改往至低層級 的醫療院所，而由於醫療院所的設備限制（capacity constraint），因此這些醫院可 以有更多的空間可以服務更多的病患，而此一限制，使得整體西醫門診的就醫機 率下降，但在較高層級的就醫機率產生提高的現象。

再者，當部分負擔調整後並給定民眾前往醫院就醫的次數為正的前提之下，

民眾的就醫次數在部分負擔調整後呈現下降的結果，而此一差異中的差異分析結 果，其負向的關係在第一實驗組中有較明顯的結果，至於第二與第三實驗組，雖 然估計係數仍舊為負，說明政策之變動（部分負擔的調整之後），民眾前往醫院 層級之就醫次數下降，唯獨此一下降在統計上並不顯著。再者我們分析當部分負 擔提高後，民眾前往大醫院就診之機率以及使用大醫院之醫療利用（就醫次數）

是否產生衝擊，根據表 9 第五與六欄的估計結果，民眾在部分負擔調整後，前往

25 此估計係數所列，僅列出 DID 模型中政策變數與實驗組變數兩者之交叉項估計係數，亦即 DID 結果之估計係數。

到大醫院（區域醫院層級以上）的就醫機率上升，而此與前述結果相符一致，而 其次數亦呈現明顯下降，當然此一下降僅在較受政策影響之第一實驗組中出現，

其他的實驗組結果估計係數並不顯著。

事實上，我們可以發現在短期之下，民眾前往一般西醫門診的就診機率在部 分負擔調整後呈現下降的結果，但是使用次數卻在政策變動後呈現下降的狀況。

而此一結果即使是以分析民眾之醫院醫療利用（機率與次數），以及至大醫院就 醫的醫療利用（就醫機率與次數）皆呈現相同的結果。此一結果可能說明醫療院 所的設備限制（capacity constraint）使得在部分負擔調整後，帄時經常使用者，

由於醫療利用的使用機會成本提高，因此出現就診時候的改變，而此一改變，讓 一般民眾的就醫可能性提高（相對較掛得到號），因此整體的醫療就診機率雖然 下降，但在最受政策影響之大醫院的就醫機率則產生提高的現象。置言之，部分 負擔的調整，其政策的效果並非反映在就醫機率上，相對的，由所有分析中的使 用次數的下降，我們可以發現，調整部分負擔後，民眾的就醫次數皆減少，而且 民眾也減少至醫院層級就診的次數，進而亦減少前往大醫院就診的次數。

而將前述的估計結果與既有文獻的發現進行比較（例如陳昕等人），我們可 以發現，在這種非等比例調整部分負擔的政策下，傳統文獻所發現到的就醫次數 下降的結果與我們的發現一致。唯獨本研究則進一步發現，此類非等比例調整部 分負擔的政策施行下，亦同時使得民眾前往高層級醫院之就醫機率提高，雖然就 醫次數仍舊下降。

相對的，表 10 我們列出長期下以 DID 模型估計出來之政策效果。在該表中，

第一欄與第二欄列出整體西醫門診之就醫機率與次數，在政策調整後的長期 DID 估計結果。根據結果，我們可以發現其整體的醫療使用之政策效果與短期一致，

置言之，當部分負擔調整後，長期上民眾之整體就醫機率（不分醫療層級）亦是 呈現下降的結果，且就醫次數（給定長期下使用西醫門診次數為正）下降。不過，

當我們將分析重心轉移至醫院層級之醫療利用，以及大醫院（區域醫院以上）之 就醫機率與次數上來看，長期上，兩者的就醫機率，根據 DID 結果，政策的施 行均使得民眾前往該層級醫院就診之機率提高，唯獨與短期相反的是，在醫院的 就醫次數，以及到大醫院就醫的醫療次數，卻都在部分負擔調整後，出現就醫次 數提高的 DID 估計結果。此一結果與前述結果明顯不一致，一個可能的因素在

於，由於分析的期間相對增長，但隨期間的延長，理性的民眾在政策改變後，利 用調整其經濟行為來因應。因此差異中的差異所要求的外生性假設（政策變動的 外生性）便無法成立，因此本研究認為此一長期的差異中差異估計結果仍舊需要 進一步的資料與觀察，此一結果尚無法說明長期效果與短期效果上的差別。也因 為此，為了僅呈現資料上正確的估計結果，本研究後續的結果中，僅著重在短期 的分析。