# 健康經濟學
> 113-2 授課：國立成功大學經濟學系 劉亞明 教授
> 整理：醫學系學士班 119級 張恩睿
## Introduction
經濟學研究人類行為，醫療與健康行為也是人類行為。健康經濟學的研究範圍，包括健康行為、健康保險市場、醫療品質與糾紛、醫事人員與藥品市場、環境與健康、健康不平等等議題。在所得、壽命與健康相伴成長的現代，健康照護部門的規模伴隨醫療服務量大幅擴張，而其中有許多議題都包含經濟元素，包括資本、人力市場，因此健康經濟學界近年蓬勃發展。經濟學上的傳統，包括**資源稀少性**、**理性決策（被行為經濟學修正）**、**邊際分析**、**替代性**、**模型分析**，都可以用於分析健康行為。但是，健康照護領域也有其特殊性質，包括**高度不確定性**、**保險的影響**、**資訊不對稱**、**非營利機構**、**競爭管制**、**政府補貼**。
## Behavioral Economics & Health Behavior
行為經濟學是心理學與經濟學的結合，修正了經濟學傳統中對於所有人都會以理性決策的假設。
### System I/II thinking
system I/II thinking是行為經濟學界重要學者Daniel Kahneman在*Thinking, Fast And Slow*一書中談到的重要理論。
| System I | System II|
| -------- | -------- |
| 行為經濟學、認知科學、marketing討論|傳統經濟學、賽局|
| Affect = Valence(只有正面、負面二元)\*Intensity(強度) |Expectancy = Utility/Disutility(量化)\*Probability|
| 快速、自動、不耗力，對日常生活而言實用(Heuristic=mental shortcut)，但容易做出不理性的判斷| 理性、需要力氣|

<div class="page-break-before"></div>

### Intertemporal Choice
較晚發生的事情，心裡上會有discount的效果。因此，此效應會造成無法抵抗誘惑與拖延的行為。因為**誘惑**是立刻可以得到效用，但較晚付出成本；**被拖延的行為**則是需要立即投入成本，但未來才能得到效用。
舉例言之，現在吃鹽酥雞，馬上可以得到快樂，未來才需要負擔變胖的成本。未來變胖的成本，因為被時間discount所以會比現在的效用小，所以人無法地抗鹽酥雞的誘惑。而運動，則是立刻需要付出成本，但未來可以取得體態變好、變健康的效用。同樣的，未來的健康與好體態的效用會被時間discount，而比現在需要付出的成本小，所以人會不斷拖延不運動。
不過，隨時間的discount rate並非一直不變。例如，人比起立刻等一小時，通常更願意於一週後等一小時。
#### Models for Intertemporal Choice
##### Classical Model
Discount Rate: $r$ (效用隨時間遞減越快，$r$越大)
Discount Factor: $\delta = \frac{1}{1+r}$
Utility Function of Time: $U(t)=\delta^t$
不過，依傳統模型所畫出的效用函數，其效用的遞減率一直是相同的。其無法反應出行為經濟學中，時間越遠discount rate就越小的發現。
##### Hyperbolic Discounting Model
為了解決傳統模型的問題，經濟學家開發出了$\beta-\delta$ model。
Discount Rate: $r$ (效用隨時間遞減越快，$r$越大)
Discount Factor: $\delta = \frac{1}{1+r}$
Utility Function of Time: $U(t)=\beta\delta^t$ ($\beta=1$, when t=0; $0<\beta<1$ and remain constant, when t>0)
僅僅只是在傳統模型的效用函數中加上一個$\beta$就可有效將時間越遠discount rate越小的問題考慮進去。
#### An Example: When to go to the gym
##### System II Thinking: Regardless of Intertemporal Choice
在System II Thinking中，discount rate $r$為0，因此discount factor $\delta$為1。（假設運動的痛苦所帶來的立即效用是-6，健康的明天效用是8）
| | 今天$D_0$ | 明天$D_1$ |後天$D_2$ |
| -------- | -------- | -------- |-------- |
| 今天運動 | -6 | +8 | |
| 明天運動 | | -6 | +8 |

因此，根據System II 理性思考，會得到每天都該運動的結論。因為運動所帶來的效用總是正的。
##### System I Thinking: Regarding Intertemporal Choice
考慮System I Thinking時，加入$\beta=0.5$做討論。
| | 今天$D_0$ | 明天$D_1$ |後天$D_2$ |
| -------- | -------- | -------- |-------- |
| 今天運動 | -6 | $+8\beta=8\times0.5=\bf{+4}$ | |
| **明天運動** | | $-6\beta=\bf{-3}$ | $+8\beta=\bf{+4}$ |

結果發現，今天運動的效用是-6+4=-2，所以今天不會運動；明天運動的效用是-3+4=1，所以明天等明天再運動吧！不過，到了明天，明天就成為今天，決策方式依然是和今天一樣。換言之，**明天永遠不會到**，也就永遠會拖延運動。此行為稱為**偏好反轉（Preference Reversal）**。不過，當$\beta=1$時，偏好反轉就不會發生。
#### Discounters
| 種類| 概述 | 作為 |
| -------- | -------- | -------- |
| Sophisticated Hyperbolic Discounting |完全意識到$\beta$的存在 | 運用**承諾機制** |
| Naive Hyperbolic Discounting | 完全**未**意識到$\beta$，誤以為未來的時間對自己而言都是等值的 | 沒有意識到需要承諾機制 |
| Partial Naifs | 部分意識到$\beta$ | 介於前兩者間 |

承諾機制：例如stickK網站，運用**損失趨避**等天性強迫使用者實現承諾。
### Heuristics
Heuristics（捷思）包括許多類型。
#### Visual Perception
視覺上的捷思，讓我們自動用清晰或模糊的程度(X)或大小(X)，判斷景物的遠近(Y)。儘管這種判斷方式多數時是正確的，卻仍可能出錯。
#### Priming
預示效應是讓前刺激影響人對後刺激的回應。例如，我們看到EAT SO_P時，會直接想到SOUP；當我們看到WASH WITH SO_P時，則會想到SOAP。
#### Anchoring
定錨效應屬於一種特殊的預示效應，通常是可量化的預示。有一個心理學實驗的設計是，免費發放兩種不同尺寸，但同樣難吃的爆米花給觀影者。結果顯示，雖然爆米花非常難吃，但拿到大包爆米花的人還是會吃很多。因此，實驗認為包裝的尺寸造成定錨效應，影響了食量。此外，和同儕一起進食時，同儕的食量也可能造成定錨效應。
#### Availability
人常會透過最容易被回想起的記憶來判斷事件發生的可能性或頻率。例如戲劇、鮮明並廣為流傳的事件，都可能變成較容易回想的記憶。例如，雖然罕見疾病、中樂透等事件很少發生，卻會帶來鮮明的印象。所以，人常會高估這類事件發生的機率。
#### Representative
由於我們認知中的族群特性、無意識中的刻板印象，我們常會高估某些訊息的重要性並做出判斷。例如，當我們了解一位中年男子喜歡在開車時聽歌劇、在家喝加州紅葡萄酒、讀詩集，更容易認為他是一位教授，而非藍領工人。Base Rate Fallacy也是屬於此類捷思造成的結果。
#### Affect
人有時也會被情感反應影響決策。例如，實驗中受試者先聽過悲傷的故事後，對於災難事件的發生機率會高估；受試者先聽過開心的故事後，會低估災難事件發生的機率。此效應常被用於商業廣告。例如，菸商使用鮮活的色彩與圖像，使人低估菸草的危害。
#### Status Quo Bias(SQB)
人喜歡維持現狀、選擇預設選項。對於此現象，可能是由於做出決策需要成本、相信前人的選擇是比較低成本的。此外，人也有Loss Aversion（損失厭惡）的性格。
#### Dicision Fatigue
決策帶來疲勞，所以人在長期決策（例如醫師看了好多病患、法院處理了好多假釋聲請案）後，會傾向選擇容易的選擇（例如預設選擇：開立抗生素、駁回假釋聲請）。
### Prospect Theory
展望理論有**參照點**、**遞減邊際敏感度**、**損失趨避**三個重要見解。
#### Reference Points
參照點指人會透過設定參考點，再比較決策可能帶來的效用與損失。
#### Diminishing Marginal Sensitivity
遞減邊際敏感度的概念與邊際效用遞減類似，人會對極巨大的效用與損失的敏感度下降。（賺一萬跟賺十萬差很多，賺一千萬跟一千又十萬好像差不多）
#### Loss Aversion
人是損失趨避的動物，所以在有確定報酬時，人會趨避損失，避免讓可以獲得的報酬減少。不過，當人已經確定要有損失時，人會傾向賭一把，試著縮小損失。
##### Framing Effect
由於人類對損失與獲利的效用反應不同，所以一個事件用不同方式陳述，可以帶給人不同反應，此即框架效應。例如，醫院如果和患者說手術成功率有80%，患者會比聽到醫院說手術失敗率有20%開心。
##### 四象限型態（Fourfold Pattern）偏好
| | 獲利| 損失 |
| -------- | -------- | -------- |
| 高機率發生（人會低估） | 趨避風險（例如：接受和解）| 風險愛好，做困獸之鬥試圖降低損失 |
| 低機率發生（人會高估） | 風險愛好（例如：提起濫訴）| 風險趨避，避免更大損失而買保險 |
### Conclusion
- 人是損失趨避的動物
- 框架會影響人類決策
- 預設選項具有力量
- 人喜歡維持現狀

這些行為經濟學的發現，告訴我們當人類決策偏離理性時，背後可能有這些系統性偏誤(systematic bias)在運作。而系統性偏誤相對隨機偏誤(random bias)，是可以被預測的（e.g. $\beta-\delta\ model$）。
### The Application of Behavioral Economics: Health Behavior
人類在發展的歷程中，開始攝取更多的加工食品、產生成癮等健康問題。而對於成癮物質：菸草的稅捐政策，就受到行為經濟學的影響。傳統經濟學認為，菸捐只要考量外部成本（e.g.環境污染、對他人健康的影響），將外部成本內部化即可。因為，吸菸帶來健康損害的內部成本，應該已經被吸菸者的決策系統考量了。可是，行為經濟學研究指出，人對於**未來**的健康損害，會有折現（Discount）效應。因此，其實內部成本沒有被完全納入考量，出現**未內部化之內部效應**。所以，行為經濟學家認為，**最適稅額＝外部效應(Rational Addiction Model)＋未內部化之內部效應(Myopic Addiction Model)**。易言之，新的菸品稅捐是：**你漏算的，政府幫你算**。
#### 健康資本（endpoint）的衡量
要如何量化健康，也是健康經濟學的一大議題。傳統上，會用死亡率衡量健康。可是，在已開發國家，死亡率普遍非常低。而「活著」也不等於「健康」，相反地，慢性疾病是威脅已開發國家健康的一大因素。因此，需要更多指標。如**生活品質修正人年QALY**，但是QALY應該要如何計算呢？有使用**標準賭博法Standard Gamble Approach**（有一個疾病，接受治療成功可以痊癒，但治療失敗則會立即、無痛苦地死亡。病患不需負擔任何治療費用。那麼，成功率最低為多少時，病患仍會選擇接受治療？）或**時間抵換法Time Tradeoff**（你覺得健康生活一年，其價值相當於帶著某疾病生活幾年？）。
此外，失能調整生命年DALY則是計算失能年損失YLD+生命損失YLL得出疾病對生命造成的影響。
評估效益（統計學上的生命價值，Value of a statistical life VSL），也可以分為顯示性偏好（Revealed Preference）、敘述性偏好（Stated Preference）兩種評估方式。顯示性偏好，是觀察高風險工作所需多提供的工資，計算承擔風險的價格。敘述性偏好則是在假設的情境下讓受試者回答。經濟學家認為敘述性偏好可能比較不準，因為嘴上說的和實際做的可能不一樣。
## Asymmetric Information & Healthcare
訊息經濟學是對於經濟學中完全訊息假設的修正，重視「不完全訊息」。而不對稱訊息是不完全訊息的一種類型。不對稱訊息會如何影響市場的機能和參與者的行為（獲取準確訊息可能需要相當高成本或完全不可能），是訊息經濟學的重要議題。在此討論四個主題：**逆向選擇**、**道德風險**、**發信號**、**激勵契約**。
### Adverse Selection
逆向選擇常被用於探討二手車市場。在二手車市場中，買主往往無法了解實際的車況。假設市場上有兩款車：
| | Peach(好車)| Lemon(爛車) |
| -------- | -------- | -------- |
|Seller Accept|$2000|$1000|
|Buyer Pay|$2400| $1200|
|市場佔比| $q$|$1-q$|

可是，買主並無法確認哪些是好車，哪些是爛車。因此，買主只能用平均定價的方式買車。也就是 $EV=1200(1-q)+2400q$（$EV=$Expected Value）。一旦爛車的比例太高，使$EV$低於$2000，好車的車主就不會願意賣車。因此，此時所有買主也會知道市場上只剩下爛車，也就只會花費$1200買車了。所以，太多的爛車會使好車被排擠出市場。這個現象就是由資訊不對稱造成平均主義，進一步導致逆向選擇。
#### Adverse Selection for Insurance
除了二手車市，保險市場也有逆向選擇的議題。因為，保險人常無法確認個別被保險人的風險（資訊不對稱）。所以，保費會依被保險人團體的平均風險訂定。因此，只有高風險的被保險人願意購買保險，就會使費率持續提升，造成低風險被保險人不願意加保。這就是保險的逆向選擇。為了避免逆向選擇，社會保險（如全民健康保險）採取**強制納保**（Compulsory Participation）策略，而無法以法律強制納保的商業保險，則會提供**團體投保**方案（例如美國企業提供員工的Fringe Benefit常包含醫療保險。企業具有議價能力，團體投保的費率往往會比個人投保低很多）。
當保險人可以分辨被保險人的風險時，會給不同被保險人不同費率，稱為**分離均衡（Separating Equilibrium）**；當保險人無法分辨個別被保險人風險，給不同被保險人相同費率時，會造成高風險與低風險被保險人混同，由低風險者補貼高風險者，稱為**混同均衡（Pooling Equilibrium）**。
### Moral Hazard
逆向選擇談的是保險人對於被保險人的風險的資訊不對稱，道德風險則是談保險人對被保險人**投保後**行為無法掌握。例如，保了高額失竊險的車主，可能就不會這麼細心的做好防盜工作；醫療險也可能使被保險人使用更多醫療服務。而降低道德風險的方式就是**部分負擔（Cost Sharing）**。例如許多保險會有自付額（Deductible）的設計。以醫療保險的情況而言，醫療需求有彈性（Elastic）與剛性（Inelastic）之分，保險應該先儘量滿足剛性需求，而彈性需求則需搭配部分負擔制度以避免道德風險。
### Signaling
在資訊不對稱的市場中，為了讓缺乏資訊者可以獲得決策的資訊，會出現發訊號的行為。例如，商品提供保固，可以向消費者發出商品有好品質的訊號；來自前雇主的推薦信、學位證明則是勞動力市場中常見的發訊號行為。
雖然發訊號可以增進市場的訊息透明度，卻需要成本。所以，發訊號會影響市場的效率。
### Incentive Contracting
委託人（Principal）是訊息的劣勢方（例如雇主），而代理人（Agent）是訊息優勢方（例如勞工）。委託人期待代理人忠誠履行職務，讓委託人的利益最大化。只是，代理人的努力往往很難直接被觀察到。所以，委託人要透過設計激勵契約，讓代理人可以努力工作。
而在公司中，由於bondholders不是最後剩餘索取者，只會取得固定的給付，不會有動力使獲益最大化；而會成為最後剩餘索取者的stockholders則有動力使公司獲利最大化。所以，bondholders沒有公司決策權，stockholders才有。這也是Incentive Contracting的應用。
孟加拉的Grameen Bank也是運用了訊息經濟學的技巧，使借用人彼此監督，消除逆向選擇、道德風險、降低監督成本。藉此，可以解決規模效益問題，實現微型金融的理想。
#### Incentives Contracting - Modelling
$e$是代理人的努力程度；$y=f(e)$則是委託人的回饋；代理人的收入$s(y)$。因此，委託人的利潤是$\Pi_p=y-s(y)=f(e)-s(f(e))$。$\widetilde{u}$是代理人不工作時也會獲得的效用，所以激勵契約必須給代理人$\ge\widetilde{u}$的效用使其願意參與其中；而代理人的成本則是$c(e)$。
所以，激勵契約的設計目的是讓找到$e$使$\Pi_p$最大化。
$max\ \Pi_p=f(e)-s(f(e))$，
並同時滿足$s(f(e))-c(e)\ge\widetilde{u}$。
假設$s(f(e))-c(e)=\widetilde{u}$，則$max\ \Pi_p=f(e)-c(e)-\widetilde{u}$。做一階導函數，得$f^{\prime}(e)=c^{\prime}(e)$，則此時的$e=e^*$。此時，代理人的邊際成本和委託人的邊際效用相等。此時，尚須滿足$s(f(e^*))-c(e^*)\ge s(f(e))-c(e)$。如此，委託人和代理人都可以獲得滿足，是相容的。
#### Rental Contracting
租賃契約的概念，是委託人收取固定租金，而剩餘的工作產出全由代理人保留。
$s(f(e))=f(e)-\bar{R}$。
最適租金$R$應設定於$R=f(e^*)-c(e^*)-\widetilde{u}$，使代理人願意參與契約的同時，委託人可以取得最大利益。
#### Wages Contracting
工資契約的設計，是先給代理人一筆底薪，再依其努力程度給予獎金。$s(f(e))=we+K$。
最適的底薪$K=\widetilde{u}+c(e^*)-we^*$。
#### Take-it-or-leave-it
此契約的設計理念是，選定$e=e^*$時，支付$L$；若$e\ne e^*$，則支付$0$元。
最適的工資$L=\widetilde{u}+c(e^*)$。
#### Sharecropping\*
分成契約是使先給予佃農基本工資$F$，再讓佃農獲得產出的一定分成$\alpha$。因此，佃農的薪資會是：
$s(f(e))=\alpha f(e)+F$。
若計算佃農的利潤$max\ \alpha f(e)+F-c(e)$，取一階導函數的結果為$\alpha MP(\hat{e})=MC(\hat{e})$。此時，$\hat{e}\ne e^*$，因此並非數學上最理想的激勵契約。但是。分成契約卻從古埃及時代就流傳至今，應如何解釋？這是由於，在Take-it-or-leave-it、Rental Contracting中，所有的風險皆由代理人承擔。而Wage Contracting中，也有代理人的$e$難以直接衡量的問題。但Sharecropping中，風險由代理人與委託人共同承擔。由於人有風險趨避的性格，Sharecropping分享風險的特性，使其得以被流傳至今。
#### Insurance & Incentive Contracting
在健康保險中，保險人對於醫療機構，相當於委託人與代理人。保險人希望醫療機構可以降低醫療成本，使保險人利益最大化。因此，保險人也會應用Incentive Contracting。例如，論病例計酬（Case-Based Payment）支付模式。經典的論病例計酬，是美國Medicare所使用的診斷關聯群（Diagnosis Related Groups, DRGs），而我國全民健康保險也在部分疾病實施了TW-DRGs制度。DRGs的概念，就是保險人按疾病別支付定額給醫療機構，醫療機構治療被保險人時若消耗了超過定額的成本，則需自行吸收。若只用了較低的成本治療，則醫療機構可以保有差額作為利潤。但是，此模式使醫療機構必須完全承受被保險人併發症的風險，所以DRGs不受歡迎。保險人可以參考Sharecropping的精神，重新設計DRGs制度，和醫療機構共同分攤風險。
## Nursing Market
護理師是健康照護體系中最大的族群。但是，護理人員的低薪困境卻是全球性的議題。從經濟學的角度觀察，護理人員的薪資如果可以彈性快速調整，應該不會產生缺工問題。所以，缺工問題的核心是工資的僵固性。工資僵固性的來源，包括公共管制與獨買力量（Monopsony Power）。
### Monopsony Power
在獨買市場中，邊際勞動成本MLC的斜率比勞動供給S更大。因此，MLC和邊際收益產量MRP=需求D線的交點（最適雇用量$N_m$），會在均衡點（S和D的交點$N_c$）的左側，即護理人員人力不足的結果。而此雇用量下的薪資和MRP的差別，就會被解釋為剝削$E=\frac{(MRP-w)}{w}=\frac{1}{\epsilon}$。此時，$\epsilon$稱為工資彈性。
舉例言之，若一個醫院聘用了100位護理師，工資為20美元/小時。若醫院為了吸引多一位護理師，提升薪資為21美元/小時，則其增加的成本並非21美元，而是121美元/小時。因為醫院不可能對護理師工資歧視，所以要為原有的100位護理師加薪1元（總成本100元/小時），再加上新的護理師薪資21元，總成本就會是121元/小時。這就是邊際勞動成本（Marginal Labor Cost, MLC）的概念。
要檢視護理人員市場是否為獨買市場，可以透過檢視勞動供給彈性、分析市場結構的實證研究。這邊需要注意粗放邊際（extensive margin）：是否**參與市場交易**和集約邊際（intensive margin）：**交易多少**的分析。
### Nurse & Healthcare Outcomes
研究護病比與醫院照護品質，可以透過醫院間研究、醫院內比較、追蹤研究和公共政策反應等措施研究，但需要注意Confounding的問題。
## Hospital Market & Taiwan
在產業經濟學中，會分析市場結構、競爭模式對廠商行為、市場表現的影響。
- 市場結構：
- 廠商家數、規模
- 廠商權屬別
- 政府管制、加入市場障礙
- 資訊不對稱程度
- 競爭行為：
- 價格競爭：掛號費、自費項目（以醫院市場為例）
- 非價格競爭：在全民健保管制下，醫院多從事非價格競爭，例如新技術與器材
- 市場表現：
- 效率
- 品質

醫院市場相對一般產業，需要考量醫院服務產品的特殊性、資訊不對稱、政府管制、多元權屬別、三元管理結構（受僱管理者、醫事人員、董事會）。**醫院服務產品的特殊性**在於，醫療服務是異質商品，且不能轉售，而病患偏好同時也有異質性。這些特性使醫院具有**市場力量**，使市場結構接近異質的寡占市場，需要注意其他競爭者動態，形成**賽局**。同時，醫療服務大部分是由保險付費，使醫院的競爭模式以非價格競爭為主。**資訊不對稱**則存在消費者和保險人間（即道德風險），使消費者欠缺搜尋最低價格的誘因，導致非價格競爭；此外，資訊不對稱也存在醫院和病患間，使病患不具有搜尋品質的能力、可能有供給誘發需求的問題，也引入政府管制。**政府管制**包含對於價格的管制，導致非價格競爭；資本支出（新醫院加入、舊醫院擴張和購買新器材）管制造成醫院市場的加入障礙，強化市場力量。**醫院權屬別**則包含公營、非營利和營利醫院。由於醫療品質具有noncontractible的特性，民營企業可能會透過降低noncontractible quality以降低成本、最大化利潤。此外，民營醫院可能對於財務誘因的反應較快、具有較高的經營效率。
### Competition
雖然就理論言，醫院權屬別對於醫院行為會造成影響。但是實證研究發現，不同權屬別的醫院行為相似程度大於相異程度。因此，經濟學家研究的焦點轉往競爭行為。除了前述的價格競爭與非價格競爭外，還可以從競爭主導者的角度進行分析。
由於醫療市場中，多半會有保險介入。因此實際上的付費者（Payer）是保險人，尋求醫療服務者為病患（Patient）。由這兩個角色所主導的競爭，會對醫院市場帶來不同影響。
#### Patient-Driven Competition
在臺灣，由於社會保險涵蓋率極高，且採取單一保險人（Single payer）制度，幾乎所有醫療院所都是全民健康保險特約機構，也幾乎所有民眾都是全民健保的被保險人。在全民健保的制度中，病患具有完全自由就醫的權利，不一定要在指定的醫療機構就醫。因此，醫療機構面臨的競爭，不是爭取保險人特約，而是爭取病患就診。所以，臺灣的醫療機構，主要面對病患主導的競爭。
由於病患並非付費者，所以通常病患不會有搜尋最低價格的誘因，且由於資訊不對稱，病患也沒有搜尋品質的能力。所以，在美國，病患會由基層醫師（Primary Care Physician / General Practitioner, GP）擔任病患的代理人（Agent），由基層醫師為病患轉診。不過，在臺灣的制度中，病患可以直接自行選擇專科醫師，與美國稍有不同。
但是，不論是美國或臺灣的制度，都可能衍生出醫武競賽（The Medical Arms Race, MAR）的問題。醫院透過引進新技術、新設備以吸引基層醫師開立轉診單或吸引病患，進行非價格競爭。MAR可能造成醫療成本的上升，到超過social optimum的程度。
##### Study MAR
實證研究會透過研究市場集中度的方式，了解MAR是否真實存在。簡單的公式如下：
$Y=f(H,X)$
$Y$：成本或服務密集度, $H$：市場集中度（e.g.賀氏指數）, $X$：其他控制變數
市場集中度可以用四大廠商售額指標（前四大廠商所佔的市場銷售份額）或賀氏指數（Herfindahl-Hirschman Index, HHI）評估。HHI的計算方式，是市場上前五十家廠商或所有廠商銷售份額百分比數值的平方和。例如，在完全壟斷的市場中，$HHI=100^2=10000$（只有一家廠商，其銷售份額為100%）；完全競爭市場中，$HHI=0.1^2\times 50=0.5$（前50家廠商，每家的銷售份額都只有0.1%）。
然而，成本高與競爭，究竟誰是因誰是果？會產生所謂內生性問題，是實證研究需要處裡的。
#### Payer-Driven Competition
美國聯邦政府提供的Medicare, Medicaid是美國醫療市場的重要付費者。為了降低醫療支出，此二付費者進行支付制度改革，採用前瞻性支付制度並調整醫師費。但是，民間保險人並沒有辦法做到如同國家一般的支付制度改革，因此，私部門發展出另一套方式控制醫療成本。例如：Preperred Provider Organizations, PPOs。
PPO只和特定醫療院所簽約。若醫療院所無法給予付費者足夠的折扣，就會被付費者排除在特惠醫院（Preferred Providers）外。此做法稱為選擇性契約（Selective Conctracting）。研究指出，選擇性契約的策略，在醫院家數越多、越容易取得醫院資訊和契約成本越低的市場，越容易成功。
選擇PPO醫療保險的患者只有在PPO的特惠醫院就診時可以享有充分的保險給付，如果在特惠醫院以外的院所就診則需負擔極高的自負額或完全無法獲得給付。Health Maintenance Organizations, HMOs醫療保險也有篩選願意提供折扣的院所的商業模式。患者選擇PPOs或HMOs等商業醫療保險時，就是將搜尋最低價格的責任委託給付費者，而付費者也確實有誘因搜尋最低價格以降低成本、提高利潤。此外，由於付費者代表數量龐大的病患，會較有議價能力。
在此制度下，基層醫師為病患選擇轉診醫療院所的考量就不再包括價格，因為篩選價格的工作已經由保險人完成。換言之，醫院的競爭也不再是爭取基層醫師轉診，而是和保險人即付費者簽約。這種新的競爭模式稱為付費者主導的競爭。
##### Payer-Driven Competition & Care Quality
雖然PPOs可以解決基層醫師無法搜尋好價格的問題，但長期運作的結果，可能導致**醫療品質下降**至低於最適值。因為PPOs壓低醫療服務的價格，在病患無法明確衡量品質下，醫院就會以降低品質回應。不過，品質是相當難以衡量的指標，對不同人的意義不同、數據難以取得更難以向一般人說明。以我國醫院評鑑為例，就使用了結構、過程、結果等三個面向的各種指標衡量醫療品質。所以，雖然付費者主導競爭可以控制醫療支出成長，但其對品質的影響仍未有定論。
#### Patient/Payer-Driven Competition: Conclusion
在病患主導競爭下，可能產生MAR現象，導致價格與市場競爭有正相關。越競爭的市場，醫療支出越高。而在付費者主導競爭下，市場越競爭則選擇性契約越盛行，會使醫療支出下降
### Analyze The Hospital Market of Taiwan
臺灣採取單一付費者、極高涵蓋率的社會保險制度，因此很難比較不同支付制度下的醫院市場行為。有一些實證研究會以全民健保施行前後醫院市場的差異，不過已經有一點年代了。就理論言，我國全民健保資料庫是極佳的研究素材，但因各種因素，研究我國醫院市場的實證研究並不多。
#### Structure
由於財團法人醫院具有非營利機構稅捐優惠帶來的成本優勢，我國醫院市場結構除了政府管制帶來進入障礙外，更朝向大型化、私有化、集團化與兩極化發展。大型醫療集團持續擴張，而小型地區醫院可能倒閉或轉型成規模更小、成本更低的診所。此外，在全民健康保險開辦後，我國的醫療系統就轉向政府籌資、私人提供。雖然公立醫院仍是市場的要角，但佔比較低。而在醫院較為競爭的區域，變得更競爭；較為集中的區域，則更為集中。
對醫院而言，集團化可發揮規模經濟的效益，降低醫院的成本、提高因應風險的能力並加強進入障礙、建立品牌聲譽。有認為醫院集團化可以提高效率，卻也有認為醫院集團化會造成醫院市場力量提升，使醫療價格上升、品質下降。
#### Conduct
這邊討論的行為，主要指競爭。由於全民健康保險不允許醫院在健保給付的項目向病患收取法定部分負擔以外的費用（特材除外），在健保項目中醫院沒有價格競爭的空間。醫院能從事價格競爭的領域，只有掛號費、自費項目或差額自付項目。整體而言，掛號費佔門診的費用僅約3.5~7%，佔住院約0.3%；自費項目則佔醫院總產值的12%左右。
醫院所從事的非價格競爭，最常見的做法是購買高科技器材、技術。此外，也會用增加便利性（例如派專車）、以新聞版面宣傳醫療品質等方式進行非價格競爭。實證研究指出，競爭程度越高的區域，確實傾向提供更多高科技醫療服務給病患（例如照CT、MRI的次數）。
醫院競爭行為的目的，主要仍是衝高**服務量**。1996~2001年間，法人醫院的醫療服務成長>公立醫院>私立醫院。
#### Policy: Pro/Anti-Competition
由於醫院市場結構並**不是完全競爭市場**，所以競爭未必會帶來效率提升。而醫院採取非價格競爭的結果，是醫療服務量與支出的提升。政府要控制醫療費用，可能會採取鼓勵競爭（Pro-competition）或管制（Anti-competition）的做法。鼓勵競爭的政策，是要病患犧牲自由就醫的權利，由付費者決定病患就醫的醫院，造就付費者主導競爭。由於付費者主導競爭是價格競爭，這種政策可以控制醫療成本。然而，如果缺乏評估與確保品質的方式，鼓勵價格競爭會導致品質下降。管制是目前全民健保的策略，透過實施總額預算（Global Budget）控制醫療成本。理論上，在總額之下，醫院會失去非價格競爭的誘因，因為衝量產生的額外成本需要自行吸收。但是實際情形是否如此仍需研究。另一個管制策略是限制高科技醫療服務的擴散，但證據顯示此類管制只有短期效果。
鼓勵競爭強調效率，可能犧牲就醫公平性（可近性）；而管制則是強調協商與管制排除競爭，重視公平，但會犧牲效率。
## Medical Demand & Demand-Side Cost Sharing
醫療服務市場的特性在於保險人的角色。被保險人-保險人-醫療服務提供者呈現三邊關係，與一般市場中買方、賣方的雙邊關係大有不同。因此，在醫療市場中，有兩個策略可以用於控制醫療費用，包括需求面分擔（demand-side cost sharing）和供給面分擔（supply-side cost sharing）。
### Moral Hazard
保險導致的道德危險，包括事前與事後兩個層面。事前道德危險，指被保險人從事預防保健的誘因因保險而降低；事後道德危險，則是因為保險而增加就醫。動態的事後道德危險效果則是指消費者因為不用自己付費，而追求高品質醫療服務，造成高科技醫療的擴大使用、醫療成本上升。
由於生病會帶來的成本不只有醫療費用，還有工作損失、精神痛苦等，而醫療保險只能涵蓋醫療費用。因此，就理論言，被保險人還是有從事預防保健的誘因，事前道德危險可以被風險趨避的行為部分抵銷，影響應該不會太大。不過，預防保健的努力難以觀察。
事後的道德危險，則需要透過需求面分擔，也就是**部分負擔**（coinsurance/co-pay）或**自付額**（deductible）處理。但是保險鼓勵研發新科技、造成科技發展、進而造成醫療費用上升的狀況、最後再度鼓勵病患加入保險（因為難以負擔龐大的醫療費）的循環，則是難以避免。
不過，道德危險所造成的社會福利損失有多大，取決於醫療需求的價格彈性（因價格改變而改變需求）-價格彈性越大，社會福利損失越大。而需求面成本分擔的效果，同樣取決於醫療需求的價格彈性。
### Find Empirical Evidence
要找出醫療需求的價格彈性，需要透過實證研究。進行實證研究，需要先建立可檢驗的假說（testable hypothesis）、收集資料、衡量變數、選擇計量方法並解釋結果，最後導出政策意涵（policy implication）。實證資料涵蓋時間數列（times-series）、個人（individual）、個人時間數列（longitudinal）、橫斷面與時間數列合併（pooling）等類型。變數則是連接實證資料與理論的重點。例如：健康可能可以用平均餘命、死亡率等各種變數衡量，醫療服務可以用門診、住院日數、急診次數衡量。研究方法則可分為觀察（非試驗性資料）研究和自然試驗、控制試驗。自然試驗是透過比較政策改變前後，變因較少但機會難得。但是，不論是非試驗性或自然試驗研究，得出的價格彈性差異很大。而控制試驗則成本過高而難以執行，但是美國曾執行過Rand Health Insurance Experiment（HIE）研究醫療服務需求。HIE研究指出，醫療需求具有一定的價格彈性，所以部分負擔制度可以抑制醫療支出；此外，消費者不會增加住院以取代門診（互補非替代）；部分負擔抑制醫療需求後，沒有造成消費者健康惡化。
### Policy Implication
由於門診與住院之間是互補關係，保險可以透過只保住院不保門診的方式以降低支出。同時，針對價格彈性大的醫療需求，應該有高部分負擔率才能減少浪費，例如：門診部分負擔率大於住院。所以，部分負擔的效果與設計方式在HIE中得到驗證。
### Limitations of Demand-Side Cost Sharing
然而，部分負擔不是控制醫療費用的萬靈丹。因為部分負擔會降低保險的風險保護功能、降低公平性，而且被部分負擔抑制的需求不一定是不必要的醫療需求（消費者沒有能力分辨）。高部分負擔更會產生邊際效益遞減的效果。此外，供給者仍可能用供給誘發需求，抵銷部分負擔的機能。
理想上，應該找到部分負擔的邊際成本與邊際效益的平衡點，稱為最適部分負擔率（optimal coinsurance rate）。目前研究結果認為，最適部分負擔率為25%左右。由於部分負擔的種種限制，需求面成本分擔需要協同供給面成本分擔制度。
## Supply-Side Cost Sharing
保險人支付給醫療服務提供者的費用可以簡化為$Ps=R+rX=R+(1-S)X$。其中，$R$是事前支付的價格；$X$是服務量；$r$是保險人支付比例（$0\le r\le 1$）而$S$是醫療機構負擔比例（$0\le S\le 1$）。在純粹的論量計酬（fee-for-service, FFS）支付制度中，$R=0,S=0$；純粹的前瞻性支付（Pure Prospective）制度中，$R>0,S=1$；混合制度則是$R>0,0<S<1$。
### Retrospective Method
回溯性支付制度是以投入成本為基礎所設計。其中，醫療機構的利潤為：
Profit$(\pi)=\sum p_i q_i-\sum c_i q_i$;
$p_i$為醫療機構的報酬; $c_i$為其成本。
Cost-based Method的概念是設定$p_i = c_i$，使醫院沒有財務誘因，純粹根據病患健康狀況決定最適的投入與產出。實務上，此理念常透過FFS制度實現。可是，FFS的費率基本上會高於成本，給醫院一些些利潤（$S<0$）。因此，FFS往往造成醫院衝量，因為做越多賺越多。
### Prospective Method
前瞻性支付制度則是以服務產出為基礎設計。因此，醫院會有追求最小成本的誘因以最大化利潤。實務上，在門診中，會使用論人計酬（capitation）制度；住院則是使用論病例計酬（case-based payment, 以Medicare的DRG為代表）。
### Mixed Method
在回溯性支付制度中，所有財務風險由保險人承擔；在前瞻性支付制度中，所有財務風險則由醫療服務提供者承擔。因此，多數保險人會使用混合支付制度，一部分以資源投入、一部分以產出計算給付。

| 成本分擔參數 | 極端（左） | 中間 | 極端（右） |
| -------- | -------- | -------- | -------- |
| 供給面（S） | $S=0$（回溯性支付）| $0<S<1$ | $S=1$（前瞻性支付）|
| 需求面（D） | $\theta=0$（完全免費） | $0<\theta<1$ | $\theta=1$（無保險） |

### The Role of Physicians
在純粹FFS制度下，醫師只要扮演病患的代理人（agent）；但是，在供給面成本分擔制度內，醫師要同時成為病患與保險人的代理人。醫師若給兩個委託人不同的權數比重，就會影響到醫師面對財務誘因的反應程度。
病患期待醫師成為完全的代理人（perfect agent），但醫師往往是不完全代理人（imperfect agent）。因為不同的治療方式有一定的替代性，且醫病間有資訊不對稱，所以財務誘因就可能影響醫師的決策。
### Pros & Cons of Supply-Side Cost Sharing
供給面成本分擔制度可以避免增加病患的財務風險、也不會降低就醫的公平性（不會加重低收入病患的負擔）。同時，也可以影響醫療提供者採用新科技的誘因。最後，混合支付制度也可以讓保險人與醫療提供者共同分擔風險。但是，供給面成本分擔可能造成篩選病患與服務提供不足的問題。因此，還是只能透過混合支付制度平衡財務誘因與風險選擇的問題。
### Find Empirical Evidence
供給面成本分擔的實證研究，可能使用跨國比較、一國多制比較、個別醫師或醫院層級的比較。在實證研究中，發現供給面成本分擔確實可以降低醫療服務的支出。不過，實際情況中會發現混合制度較少見。這可能是因為保險人對降低成本的追求超過提升品質的追求；此外，醫院也可能操控成本配置來獲得更大利潤，使保險人負擔更多成本，因此保險人會更傾向使用不容易被操弄的單一支付制度。另外也需要注意的是，由於臺灣的制度是封閉式醫院，沒有美國開放式醫院的住院特許權；此外，臺灣也沒有完全落實醫藥分業（例如診所仍能聘請藥師調劑、開門前藥局）。因此，這些制度差異可能都會造成不同的結果。
## Pharmaceutical Market, Generic Competition & Taiwan
新藥上市後，可以享受一段時間的專利保護。專利過期後，其他廠商才能生產相同成分的藥物，稱為學名藥。因此，藥品市場的商品分類包含原廠藥（Brand-name）/學名藥（Generic）與生物藥（生物製劑之學名藥稱為生物相似藥）/化學藥之分；此外，還有成藥和指示藥（over-the-counter, OTC）與處方藥（Prescription, Rx）之分。
### Buyer Side
OTC可以由病患直接在藥局購得，Rx則由醫師處方。除了醫病雙方外，保險人、醫院都會有自己的藥品處方集（Formularies）。
### Supply Side
在分析藥品市場結構時，需要注意的是多數藥品對病患而言無法相互替代。因此，藥品市場看似完全競爭，實則為**異質的寡占市場**（differentiated oligopoly）。**專利制度**對藥品市場相當重要。但是專利制度是保護化學分子創新而非治療創新，因此，專利保護不代表沒有競爭。藥品市場的**大量廣告**也是一大特色，最適廣告支出須滿足以下條件：$\frac{A}{S}=e[\frac{P-MC}{P}]$。$A$是廣告支出，$S$是銷售金額，$e$是需求的廣告彈性；$MC$為邊際成本，$P$為價格。價格與邊際成本的差異（$\frac{P-MC}{P}$）可以衡量市場力量，而藥廠定價往往與邊際成本差異極大，因此**藥廠有很大的市場力量**。
### Pricing
藥品開發有很高的固定成本（fixed or sunk cost, 主要是開發成本）和低邊際成本。因此，根據實證研究，藥品定價不會反應邊際生產成本而是反應消費者的邊際價值（marginal value）。對經濟學而言，藥品定價策略有二：壓低藥價，接近邊際成本的**靜態效率**。但是，壓低藥價可能影響廠商研發新藥的動機，進而影響病患健康。第二個定價策略則是給新藥高價，追求**動態效率**。因此，如何平衡靜態與動態效率，是各國政策的挑戰。
為藥品做定價時，**新藥**應視其創新程度定價，創新程度愈高價格愈高；**專利藥品**則視替代藥品數量、療效隨時間調降藥價；**專利過期之原廠藥**則透過鼓勵學名藥以壓低藥價；**學名藥**則視市場競爭程度定價，市場愈競爭，價格壓得越低。
### Generic Competition
在1984年美國Waxman-Hatch Act通過以前，學名藥上市需要通過非常嚴格的程序，因此學名藥在市場上的佔比不高。但是，在1984年後，學名藥上市的程序簡化、也可以在專利過期前就開始準備試驗與申請上市，讓學名藥最快可以在專利過期的當天上市。為了補償專利藥廠，美國政府延長了專利藥物的專利期限。此後，學名藥的市佔率大幅上升。因此，學名藥如何定價、原廠藥如何回應，以及管制如何影響學名藥競爭，成為重要議題。而在未管制和管制的市場中，學名藥與原廠藥的競爭行為會有很大的差異。
#### Unregulated Market
根據實證資料，在自由市場（例如美國）中，學名藥上市的定價會在原廠藥的40%~70%之間。隨著競爭程度提升，學名藥的價格會降至邊際成本附近。但是，原廠藥的藥價在學名藥加入市場後反而會**上升**。因為，在學名藥上市後，仍會選擇原廠藥的患者，較具有品牌忠誠度、價格彈性低。因此，原廠藥廠商透過提高定價，可以維持利潤。而學名藥與原廠藥的價差越大，專利藥的市佔率越低。因此，學名藥加入競爭後，雖然原廠藥提升售價，但**整體市場平均價格會降低**。綜上，原廠藥與學名藥有市場區隔，兩者的競爭策略不同。**原廠藥採品質競爭**，試圖鎖定有品牌忠誠度的病患；**學名藥採價格競爭**，市場競爭程度越高，藥價越低。
#### Regulated Market
在管制的市場中，原廠藥無法調整售價維持利潤。對於學名藥而言，管制形同一種**保護**，使學名藥沒有壓低價格來競爭的壓力。所以，在美國（自由市場），學名藥的價格可以低至原廠藥的15%，但是韓國（管制市場），學名藥的價格高達原廠藥的76%。總結來說，管制市場中的廠商無法採取提高價格的定價策略，也比較少價格競爭的空間。所以，學名藥與原廠藥的價差較小，學名藥也欠缺降價的競爭壓力。
### Analyze The Pharmaceutical Market of Taiwan
臺灣在未實施完全醫藥分業的狀況下，藥品支出佔經常性醫療保健支出（CHE）的比例達近20%，相較完全實施醫藥分業的國家高。健保雖然鼓勵醫藥分業，但卻催生出了**門前藥局**的現象。也就是，診所醫師在背後籌資開設藥局，聘請藥師。如此，診所醫師可以賺到釋出處方的費用、調劑費用以及藥品利潤。此外，醫院也多半有自己的藥劑部門。
在臺灣的藥品市場中，所需要關注的是**管制與競爭併存**、**藥價差**和**學名藥市場**的問題。
#### Structure
在藥品市場中，由藥廠提供藥物、保險人選擇是否納保與給付價格。全民健保納入處方集的藥物多達16700種以上。個別醫院會從健保處方集中選擇一些藥物，形成醫院的處方集，此處方集內的藥物通常在1000種以下。其中，醫院選擇藥物的動力在於藥品利潤。由於醫院是直接向藥廠進貨，醫院可以運用其議價能力取得比保險給付更低的藥價，其中的藥價差是醫院的重要利潤來源。醫院在給予患者藥物時，同時還會向患者收取藥品部分負擔。不過，我國藥品部分負擔非常低廉，藥物總價高於1000元後，一律只需要200元的部分負擔。因此，部分負擔對我國藥品市場的影響不大。
#### Regulated Price
在我國，藥品獲得許可上市到健保納入給付的需時可能長達4~5年，最主要的問題就在於藥品定價。目前我國健保的藥價定價策略是：專利藥以OECD國家藥價中位數（$P_{IM}$）為基準、專利過期之原廠藥則是0.85$P_{IM}$、BA/BE學名藥0.85$P_{IM}$、一般學名藥定價則是0.68$P_{IM}$。
#### Pharmaceutical Price Gap
藥價差 $\Pi =P-(1-\theta )P=\theta P$; $P$為健保支付藥價, $(1-\theta )P$為藥品取得價格。
由於藥品的管理、倉儲需要成本，所以保險給付價格與醫院實際進貨之藥價有差異是合理的。不過，到底價差多少為「合理」呢？日本健保所訂定的R Zone(Resonable Zone)約為$2\%\le\theta\le 6\%$；臺灣健保則為$\theta\le 15\%$。
為了確認藥價差是否在合理範圍內，健保會辦理藥價調查以實施藥價調整。令$WAP$為藥價調查後的市場真實平均藥價、$P_{old}$為舊藥價、$P_{new}$為新藥價、$r$為合理藥價差15%。
則若$WAP\ge (1-r)P_{old}$，藥價差在合理範圍內，不予調整價格。
若$WAP<(1-r)P_{old}$，則調整價格為$P_{new}=WAP+P_{old}\times r$。
因此，透過藥價調整的資料，可以移項得出實際藥價差（$P_{old},P_{new},r$均為公開資料，可推出$WAP$進而計算藥價折扣$\theta$）。此資料成為臺灣藥價差實證研究的重要素材。此外，健保藥價調整降低藥價差後，會使醫院再向藥廠要求更大的折扣率以補足藥價差。接下來，健保就再調整藥價，使得藥品價格進入降價循環。

藥價差$\pi=\theta P$; $\theta$為藥價折扣, $P$為支付價格。所以，藥價差由保險人的支付水準和藥廠願意給的折扣決定。至於學名藥和原廠藥的相對藥價差則為$\frac{\pi_g}{\pi_b}=\frac{\theta_g}{\theta_b}\times\frac{P_g}{P_b}$。因此，兩者的相對價格與相對折扣率都會影響相對藥價差。由於原廠藥的支付價格較學名藥高，因此學名藥的藥價差要大於原廠藥的必要條件是學名藥的藥價折扣率要比較大。不過，由於樣本數不足，尚無法確認學名藥是否必然能提供更多藥價差。目前實證研究認為，學名藥競爭會使學名藥價格下降幅度較原廠藥大，使學名藥相對利潤下降；但是療效市場的競爭只會壓低原廠藥的價格，使學名藥相對原廠藥利潤提高。
#### The Choice of Drug
藥價折扣率可能由成本$C$、支付價格$P$、同成份廠商數$N$、醫院市場規模$M$、權屬別$Priv$決定:
（$\theta=\theta(C,P,N,M,Priv)$）
由於學名藥只需要做BA/BE或第四期臨床，上市成本遠低於原廠藥，行銷成本亦同。此外，原廠藥行銷全球，訂價需要考慮外部性（例如：給了臺灣1美元的售價，就不太可能在日本賣100美元）；學名藥一般只有本地市場，沒有訂價外部性的問題。所以，可以假設學名藥的成本低於原廠藥（$C_g<C_b$）。

那醫師會如何選擇藥品呢？假設醫師會追求最大效用，則需寫出醫師的效用函數：
$U=U(\pi,V)=\gamma\pi+(1-\gamma)V$; $\pi$是藥價差, $V$是病人的效用, $\gamma$是醫師對財務利益的看重程度。
當$\gamma=1$，代表醫師只重視自己的財務利益，完全不考慮病患；$\gamma=0$，則醫師是完全代理人，只考慮病患不考慮自己的財務利益。一般而言，$0<\gamma<1$，醫師通常是不完全代理人（imperfect agent），會同時考慮病患與自己的財務利益。
醫師開立學名藥的條件是：$U(\pi_g,V_g)>U(\pi_b>V_b)$; $V_g,V_b$是病人得到學名藥和原廠藥的效用。
上式可移項後展開為：$\gamma(\pi_g-\pi_b)+(1-\gamma)(V_g-V_b)>0$。
一般而言，由於原廠藥的品質穩定度高於學名藥。而健保藥品部分負擔至多為200元，學名藥和原廠藥的部分負擔差距不大，應不影響病患效用。綜上，可以假設$V_b>V_g$。所以，醫師開立學名藥的必要條件有二：1.醫師是不完全代理人（$\gamma>0$）且2.醫師開立學名藥可以取得更大的藥價差（$\frac{\pi_g}{\pi_b}>1$）

建構理論後，可以推出五個實證命題：
1. 學名藥廠商增加，被開立機會提高：因為廠商提高$\frac{\theta_g}{\theta_b}$以與其他廠商競爭
2. 健保砍價越多，開立學名藥機會越高*：理論上有三種可能，視價格與折扣率的互動而定
3. 院所規模越大，開學名藥機會低：院所規模大時，議價能力較強，可能在原廠藥拿到很好的折扣率。此外，院所規模大可能使其重視聲譽多過財務利益（$\gamma$較小）
4. 私立醫院相對公立醫院更喜歡開學名藥：私立醫院更重視財務利益（$\gamma$較大）
5. 總額預算實施後，會提高開立學名藥的機率：GB減低醫師提升認知品質（例如開立原廠藥）的誘因；且GB壓縮醫院利潤，使醫院更需要藥價差幫助營收（$\gamma$提升）

#### Policy Implications
##### Separation of Prescribing and Dispensing
在**醫藥分業**下，學名藥替代原廠藥可以節省藥品支出，**獲益對象為保險人與消費者**。**未落實醫藥分業**時，帶動學名藥替代原廠藥的動力是醫療院所追求藥價差的逐利行為，節省藥品支出的效果不大，**獲益對象為醫療提供者**而非保險人或消費者。
##### Pricing Policy of NHI
在管制市場中，由於有管制價格和實際取得藥物價格的兩個價格，學名藥與原廠藥的藥價差不會完全回饋給保險人與消費者，會有部分被醫療提供者賺取。在臺灣，醫療院所每年的藥價差在200~300億元左右，是醫療院所很重要的收入來源。
我國健保定價政策無法鼓勵創新的原因，不是單純藥價太低，而是相對價格不正確。健保定價應該透過改變原廠藥與學名藥的相對價格，以改變市場競爭模式，在鼓勵新藥研發的同時保障民眾用藥權利。
## Algorithmic Bias
在機器學習當道的現代，有一些演算法或機器學習已經被用於健康照護系統中。例如：用於決定哪些病患較為急迫，可以優先接受醫療。演算法可能產生偏誤（Bias）的問題。其中，選擇正確的Label非常重要。例如：前述決定醫療需求的演算法中，可能會以醫療支出作為Label：$Y^*=Y(x)+\Delta$。$Y(x)$是醫療支出、$Y^*$是醫療需求。在此式中，可以發現$\Delta$會影響預測的準確性，且未被估計。$\Delta$可能包括就醫決策模式因種族、所得而不同的因子，其存在可能造成系統結構性偏誤。這就是選了錯誤的Label的原因。就算修正了$x$，仍然無法得到正確的結果。因此，設計演算法時，不只要有對各模型的熟悉度，更需要應用該演算法領域的背景知識，才可以避免選錯Label的問題。如果選錯Label，不論是用簡陋或先進的模型，都只會得到有偏誤的答案。