图片来源：Hollingsworth et al. (2024)
原文信息：
Hollingsworth, A. , Karbownik, K. , Thomasson, M. A. , & Wray, A. . (2024). The gift of a lifetime: the hospital, modern medicine, and mortality. American Economic Review, 114(7).
01
引言
现代医院体系的建立完善，在降低人口死亡率方面发挥着重要作用。从理论直觉来看，现代医院的可及性与人口死亡率之间的关系是显然的，但长期以来，囿于数据可获取性的问题，针对二者关系的实证类文献仍然非常有限。现代医院体系的建立究竟在多大程度上影响了人口死亡率，这一问题仍有待解答。
为回答上述问题，这篇于2024年发表于AER上的文献，巧妙地将美国杜克基金会在二十世纪初对医院现代化改造资助的这一历史事件作为外生冲击，基于双重差分的实证设计，定量评估了现代医院的可及性对死亡率的影响效果。研究结果显示，杜克基金会的资助使得医疗行业的规模“量质双升”，并推动了非营利性医院的扩张和高素质医生的发展。特别地，杜克基金会的资助显著降低了婴儿死亡率（对黑人婴儿的影响大于白人婴儿）以及长期死亡率。最后，文章还发现得到杜克基金会资助的社区在医疗创新方面受益更多。
下面，本推文将从制度背景、数据与方法、实证结果和研究结论等四个方面，对该文献进行详细介绍。
02
制度背景：
杜克基金会与北卡罗来纳州的医疗体系
1924年12月11日，詹姆斯·布坎南·杜克（James Buchanan Duke）创立了杜克基金会。当时，基金会的初始资金为4,000万美元，大致可折算成2017年的5.63亿美元。杜克基金会的成立初衷旨在提高北卡罗来纳州和南卡罗来纳州社区的社会经济福利。特别地，在杜克基金会的官方文件中，杜克先生明确指出，医院作为“不可或缺的机构”在“延长人类寿命”方面发挥的重要作用，“医学科学的进步”使“医院设施成为在医学实践中取得最佳效果的必备条件”。杜克先生还规定，将投资的基金会资金的25.6%用于非营利性医院的现代化、维护和建设。1925年，杜克先生意外离世。根据杜克先生的遗嘱，基金会又额外获得了6,900万美元（相当于2017年的9.72亿美元），其中该笔捐款的90%明确用于北卡罗来纳州和南卡罗来纳州医院的发展。
图 杜克先生画像
图片来源略
杜克基金会在改善医院设施方面的既定目标之一是吸引更多高素质医生。事实上，这一目标在北卡罗来纳州也基本得以实现。具体来说，1923年至1940年间，每千人口的医生数量从26人增加到56人。同时，医院内的婴儿出生率也有所上升，从1931年的8.9%上升至1942年的34.2%。
在杜克去世后、基金会拨款发放之前，基金会对北卡罗来纳州和南卡罗来纳州的医疗保健格局进行了调查，重点关注医院的质量、规模和密度以及医生的供给情况。掌握了这些信息后，基金会于1927年开始拨款——这也是为什么本文将1927年视为政策实施的第一年。图1展示了1922年至1942年杜克基金会的资助情况和婴儿死亡率的变化趋势。从Panel A可以看出，到1942年，累积约50%的县获得了杜克基金会的资助。进一步地，Panel B展示了婴儿死亡率的变化情况，可以发现，自1927年杜克基金会开始资助后，婴儿死亡率呈现出明显的下降趋势。Panel C和Panel D进一步刻画了地理层面杜克基金会的资助情况和婴儿死亡率的变化情况，二者表现出一定的空间关联性。
特别地，在做出资助决定时，杜克基金会“特别关注”种族平等问题，以期减少不同种族患者在获取医疗服务时所面临的不平等现象。在研究期内，基金会在北卡罗来纳州的大部分资助都用于同时接收白人和黑人患者的医院，而仅限白人患者或仅限黑人患者的医院获取的资助则相对较少。
03
数据与方法
3.1 研究数据
本文的数据来源主要有四：医院资助数据，医院数量与床位数数据，医生数据，以及婴儿死亡率数据。
（1）医院资助数据。本文从杜克基金会的年度报告中提取了针对医院项目的拨款记录。每条记录中包含了医院的名称、医院的地理位置、拨款情况和资助目的等信息。在1927年至1942年间，杜克基金会批准了对130个项目的拨款，涉及48个县的65家医院。需要说明的是，“批准拨款”并不等于“实际拨款”。其中，只有44个县的59家医院的116个项目截至1942年实际获得了拨款。
（2）医院数量与床位数数据。本文从美国医学协会杂志（Journal of the American Medical Association）上获取了1920年、1925年和1927年及以后的各年度县级医院数量和床位数量。为进一步补充上述数据，本文还从美国医学目录（American Medical Directory）上获取了新近的医院名录。同时，本文还从Pollitt (2017)提供的数据文件中，额外获得了医院服务黑人患者的数据。在整合上述数据后，考虑到杜克基金会的主要资助对象为综合医院（general hospital），本文剔除了疗养院和专科医院。其中，综合医院可大致划分为非营利医院（not-for-profit hospital）和营利性医院（proprietary hospital）两类。非营利性是医院获取杜克基金会资助的先决条件，而营利性医院要想获得资助，则必须将医院的性质转换为非营利性。
（3）医生数据。本文从美国医学目录中获取了1921年至1942年北卡罗来纳州的执业医生数据。该数据包含了医生的姓名、种族、出生年份、执业地区、毕业医学院、毕业年份和获得执业证书的年份等信息。
（4）死亡率数据。本文聚焦于“婴儿死亡率”这一指标。为测算该指标，则需要首先获得分年份和分县的婴儿死亡数量和出生数量两个加总数据。
婴儿死亡数量来源于北卡罗来纳州1917年至1963年的个人死亡证明，并据此计算出了按照出生年份加总的县级婴儿死亡数。特别地，本文将死亡事件发生在出生之日到一岁之间的死亡个体，界定为婴儿死亡，并将死亡个体的出生地限定在北卡罗来纳州这一地理范围（这是由于南卡罗来纳州无相关数据）。
婴儿出生数量来源于北卡罗来纳州人口动态统计局年度报告（Annual Report of the Bureau of Vital Statistics of the North Carolina State Board of Health），该报告提供了1922年至1948年的逐年婴儿出生数量。
由此，本文结合上述两个主要数据，构建了各县逐年的婴儿死亡率（每千活产婴儿）指标，并将其作为回归分析的主要变量。
除了婴儿死亡率之外，本文还关注了长期死亡率和肺炎死亡率。其中，长期死亡率来源于国家档案和记录管理局。肺炎死亡率数据来源于北卡罗来纳州人口动态统计年度报告。本文计算了1922年至1926年的平均肺炎死亡率，并使用该指标分析医疗创新问题（将在后文详细介绍）。
3.2 研究方法
本文使用渐进DID模型，对杜克基金会的资助效果进行评估。在第一阶段，本文评估了杜克基金会的资助对医院服务供给能力、医生数量与质量的影响。在此基础上，本文进一步评估了医院现代化对婴儿死亡率和长期死亡率的影响。关于处理组和对照组的设定，本文将一个县实际收到杜克基金会拨款的年份作为处理组受到处理的第一年，并将此后所有年份都视为“被处理”。
（1）第一阶段分析：杜克基金会资助与医院现代化
本文首先考察杜克基金会资助是否对医院现代化产生影响。本文将这类分析称之为“第一阶段”。具体而言，本文使用线性双向固定效应模型进行估计。模型设定如下：
在公式（1）中，c代表县，t代表年份。在分析杜克基金会对医院服务供给能力的影响时，被解释变量为县c在t年的医院数或医院床位数。此时，上标R代表了医院类型：非营利医院、营利性医院或“半营利性”医院。在分析杜克基金会对医生数量与质量的影响时，被解释变量则为医生数量，包括医生总数，也包括不同质量（高质量vs低质量）或不同种族（黑人vs白人）的医生数量。特别地，在第一阶段的分析中，本文将被解释变量表示为每千名活产婴儿的比率（比如每千名活产婴儿的医生数）。
处理变量（
）表示县c在t年是否已经获得了杜克基金会的资助，如果t不小于县c在首次获得杜克基金会资助的年份，则该变量取1，反之取0。
代表控制变量，具体包括文盲人口占比，黑人占比，其他非白人种族占比，居住在城市地区的人口占比，人均零售销售额，以及一个表示县卫生部门是否存在的虚拟变量。在平衡性检验中，本文未发现控制变量的变化与核心解释变量之间存在统计显著的关系，这意味着本文的结果受选择偏差或差异趋势的影响较小。
最后，所有模型均包含了县固定效应和年份固定效应。标准误差聚类在县层级。
在公式（1）的基础上，本文采用以下模型进行事件分析：
其中，j表示相对于县c的第一个拨款年份的时间差。系数β-p至β-2捕捉了受杜克基金会首次资助前的趋势，而系数β0至βq则捕捉了杜克基金会资助的影响效果。
（2）杜克基金会资助与短期婴儿死亡率
本文使用如下模型分析杜克基金资助对短期婴儿死亡率的影响：
此时，被解释变量为婴儿死亡人数或婴儿死亡率。其余变量的定义与公式（1）的定义相同。
在公式（3）的基础上，本文采用以下模型进行事件分析：
其中，除被解释变量外，公式（4）中其余变量的定义与公式（2）的定义相同。
04
实证结果
4.1 第一阶段：杜克基金会资助与医院
本文首先研究了杜克基金会在多大程度上实现了杜克先生的愿景，即提高北卡罗来纳州居民对现代医院的可及性。具体而言，本文分析了杜克基金会资助对医院床位数和医院数量的影响。鉴于杜克基金会明确将其资金限制在非营利性医院，因此，本文分别分析了对营利性和非营利性医院的影响。
图2绘制了1922年至1942年获得杜克基金会拨款的县与未获得的县的医院床位数的变化趋势（第一行），以及受处理县的各年份床位数与t=-1年床位数的比值。在获得杜克基金会的资助后，非营利性医院的床位显著增加，而营利性医院的床位减少，但床位的总数量有所增加。
表1汇报了基于模型（1）的杜克基金会资助对床位数（Panel A）和医院数（Panel B）的影响结果。第1列至第3列，被解释变量直接使用了床位数或医院数，而第4列至第6列，被解释变量则使用了每千名活产婴儿的床位数或医院数。以第6列为例，Panel A的回归结果表明，杜克基金会的资助使得每千名活产婴儿的床位数增加了25张，这相当于研究期内样本均值的49.7%。特别地，床位数的增加主要集中于非营利性医院，而营利性医院的床位数却显著减少。Panel B的回归结果表明，杜克基金会的资助还使得北卡罗来纳州的医院数量有所增加。具体而言，杜克基金会的资助（仍然以第6列为例）使得每千名活产婴儿的非营利医院数增加了0.33家。相比之下，营利性医院的数量却减少了。
图2的事件分析法（第三行）也验证了上述发现，相关结果还表明本文的DID模型并无事前趋势。
4.2 第一阶段：杜克基金会资助与医生
4.1部分的结果表明，杜克基金会的资助在总体上显著提升了医院的医疗服务供给能力。那么，杜克基金会的资助又是否会对医生劳动力市场产生影响呢？尽管资助的资金并没有被直接用于招聘医生，但基金会的管理者相信，设施的改善将吸引更优秀的医生。
图3绘制了1921年至1942年获得杜克基金会资助的县与未获得的县的医生数的变化趋势（第一行），以及受处理县的各年份医生数与t=-1年医生数的比值（第二行）。从图中可以明显看出，在所有县中，高质量医生的数量都有所增加，而在受处理县中，这一增长在杜克基金会资助后更为显著。同样，低质量医生的数量在所有县中都有所减少，但受处理县的减少幅度相对更大。
表2汇报了基于模型（1）的杜克基金会资助对医生数的影响结果。第1列至第3列，被解释变量直接使用了医生数量，而第4列至第6列，被解释变量则使用了每千名活产婴儿的医生数。结果表明，杜克基金会资助对县的医生总劳动力供给具有显著的正向影响，并使得医生的构成发生了变化——高质量医生增加，低质量医生减少。
图3的事件分析法（第三行）也验证了上述发现，相关结果还表明本文的DID模型并无明显的事前趋势。
4.3 婴儿死亡率
本文进一步考察杜克基金会资助对婴儿死亡率的影响。
图4绘制了1922年至1942年获得杜克基金会资助的县与未获得的县的医婴儿死亡率的变化趋势（第一行），以及受处理县的各年份婴儿死亡率与t=-1年婴儿死亡率的比值（第二行）。这些数据呈现出了三个比较有趣的描述性特征：首先，在1927年杜克基金会的首次资助拨款前，实验组和对照组的婴儿死亡率趋势相似，支持平行趋势假设的合理性。其次，受处理的县在获得杜克基金会的资助前婴儿死亡率更高，契合基金会的成立初衷。第三，在1927年之后，受处理的县的婴儿死亡率趋同于未受处理的县的婴儿死亡率，初步表明杜克基金会资助与婴儿死亡率之间可能存在某种因果关系。
表3结果显示，杜克基金会的资助使得婴儿死亡率显著降低，且这种影响对黑人婴儿的效果明显大于白人婴儿。以第6列为例，估计系数表明杜克基金会的资助使得婴儿死亡率总体降低了7.5%，黑人婴儿降低13.6%，白人婴儿降低4.7%。
图4的事件分析法（第三行）也验证了上述发现，相关结果还表明本文的DID模型并无明显的事前趋势。
4.4 医疗创新
本文进一步探究杜克基金会的资助效果是否因磺胺类药物（首种有效治疗细菌感染的现代疗法）的医学创新而增强（即二者为互补关系）或减弱（即二者为替代关系）。依据相关理论，若两投入要素服务于共同生产函数且具备不同特质，它们可能是互补品。反之，若一种投入替代另一种，则可能为替代品。本文预期此情境下两者为互补品。然而，伴随着新型药物的普及，医院对于患者的重要性可能下降，从而使得两者成为替代品。
为检验杜克基金会的资助效果与医疗创新之间的关系，本文将交互项引入基准模型中，结果如表5所示。具体而言，Panel A估计了杜克基金会资助与磺胺类药物引入的交互作用，通过比较肺炎死亡率第25百分位县与第75百分位县之间的差异，结果显示，杜克基金会资助的正向效果随医疗创新的可及性的增加而提升，且在肺炎死亡率高的县更为显著，表明这两种投入为互补品。Panel B和Panel C进一步剖析了交互项的估计系数，分别考察了高肺炎死亡率和低肺炎死亡率的地区，以及磺胺类药物引入前后，杜克基金会的资助效果。在肺炎死亡率低的县，无论磺胺类药物引入与否，杜克基金会的资助效果均无显著影响（Panel B的第2、4行）。同时，在磺胺类药物引入前后，杜克基金会资助效果的（系数）变化也非常小，且无统计显著性（Panel C的第2行）。
然而，在肺炎死亡率高的县，磺胺类药物引入前后，杜克基金会的资助效果均显著（Panel B第1、3行），且引入后的系数更大。这意味着，医院现代化与医疗创新之间具有互补关系。
4.5 长期死亡率
最后，本文考察了杜克基金会的资助对长期死亡率的影响。与表3的设定类似，在表6中，被解释变量为长期死亡人数。结果表明，杜克基金会资助的回归系数均显著为负。特别地，以第3列为例，杜克基金会的资助使得长期死亡率降低了9%，这表明婴儿期获得的诸多健康收益将延续至成年。
4.6 稳健性检验
为确保回归结果的可靠性，本文进行了一系列稳健性检验，如采用前沿DID统计量、工具变量法、调整样本、采用不同变量测度等。受限于篇幅，感兴趣的读者可详细参考原始文献的第六部分。
05
研究结论
本文利用杜克基金会的资助作为外生冲击，基于DID的实证设计，研究了其对婴儿死亡率和长期死亡率的影响。研究发现，杜克基金会的资助对北卡罗来纳州的医疗保健基础设施产生了重大影响：非营利性医院数量增加，可用床位增多，执业医生数量显著增加，且成功用训练有素的医生取代了资质较低的医生。此外，受杜克基金会资助的县从磺胺类药物的发明中获益更多。在杜克基金会的资助下，医疗基础设施的改善使得婴儿死亡率下降了7.5%。其中，黑人婴儿死亡率下降了13.6%，白人婴儿下降了4.7%。此外，相关证据还表明，杜克基金会的资助对当地人口健康状况的正向影响长期存在。
Abstract
We explore how access to modern hospitals and medicine affects mortality by leveraging efforts of the Duke Endowment to modernize hospitals in the early twentieth century. The Endowment helped communities build and expand hospitals, obtain state-of-the-art medical technology, attract qualified medical personnel, and refine management practices. We find that Duke support increased the size and quality of the medical sector, fostering growth in not-for-profit hospitals and high-quality physicians. Duke funding reduced both infant mortality—with larger effects for Black infants than White infants—and long-run mortality. Finally, we find that communities aided by Duke benefited more from medical innovations.
声明：推文仅代表文章原作者观点，以及推文作者的评论观点，并不代表香樟经济学术圈公众号平台的观点
0
推荐
京公网安备 11010502034662号 
