手机普及加剧医疗不平等

数字包容的斗争：印度农村的电话、医疗保健和边缘化

摘要

技术扩散的收益被认为对国际发展至关重要，但这些收益的分配却并不均衡。这种不均衡的分布是否意味着并非每个人都能同等程度地受益于新技术，或者在此过程中某些人是否会遭遇绝对的劣势？我通过印度农村在手机快速普及背景下治疗性医疗可及性的案例研究来探讨这一问题，从而为（移动）技术扩散社会影响中一个至关重要却出乎意料地缺乏研究的方面做出贡献。

受此前对印度农村横截面数据研究的启发，我假设：在手机普及程度较高的地区，卫生系统会日益适应手机用户。这种适应会使贫困的非采用者处境比以前更差，并加剧医疗不平等。我使用印度人类发展调查中2005年和2012年包含疾病的12,003个农村家庭面板数据来检验这一假设。基于村庄聚类稳健固定效应线性概率模型，我发现：（a）手机普及与多种农村医疗可及性之间存在显著的负相关关系，表明卫生系统日益适应手机使用并歧视非用户；（b）与较富裕家庭相比，无手机的贫困农村家庭受到更不利的影响，这表明边缘化群体之间存在对医疗可及性的争夺与竞争；以及（c）在获取公立医院医生服务方面未出现显著影响，这意味着某些医疗服务提供者对手机使用的响应程度低于其他机构。

总体而言，我的研究结果表明，印度农村医疗保健系统正逐渐适应手机使用的增加，但这是以非用户为代价的。我得出结论：手机普及的加快为改善印度农村地区的医疗可及性创造了机会，但也导致了贫困农村家庭中新的边缘化形式。

1. 引言

人们普遍认为，信息与通信技术（ICT）的普及对发展至关重要。(阿克和姆比特，2010：229；唐纳，2015：14；希克斯，2008：26），但如果数字包容的过程是一场斗争，导致被排斥群体的处境比以往更差呢？我通过2005年至2012年印度农村手机辅助的治疗性医疗保健获取的案例研究来探讨这一问题，表明手机可用性的增加加剧了贫困农村家庭对稀缺医疗服务的竞争。尽管在手机普及迅速的背景下，拥有手机的贫困人口能获得更多接触私人医生的机会，但医疗供应增长缓慢，且整个体系日益偏向手机使用者，这意味着没有手机的贫困家庭获得医疗可及性反而下降。因此，在各自为政的情况下，手机采用者在这场争夺稀缺农村卫生服务。1与此同时，拥有更广泛医疗保健选择的较富裕家庭则免受这些发展的影响。

本研究的动机来自关于“数字鸿沟”和“信息与通信技术与发展”（ICTD）的文献，这些文献已经开始探讨技术采纳方面的不平等（唐纳，2015：137–154；格雷厄姆、霍根、斯特劳曼和梅德哈特，2014：758–759；纳波利和奥巴尔，2014；施罗德，2015：2828–2830；范迪克，2005：22），但往往假设普及本身是可取的，并且没有人会因此遭受绝对的劣势。与此观点相反，早前一项关于印度农村和中国农村医疗相关手机使用的混合方法研究项目表明，广泛的手机使用可能导致资源受限的农村卫生系统出现不利的过度利用，从而使数字排斥群体处于日益加剧的不利地位（Haenssgen& Ariana, 2017b）。由于该横断面研究并非旨在捕捉手机普及的长期和系统性影响，本文采用来自印度人类发展调查（IHDS；德赛等人，2010b；德赛、范尼曼和应用经济研究全国委员会，2016）的全印度面板数据。采用手机辅助的医疗保健获取的过程视角，我假设印度农村手机的日益普及会恶化数字排斥家庭的医疗可及性。

本文对技术扩散社会影响的跨学科研究做出了贡献，特别是对信息与通信技术与发展（ICTD）领域中的数字鸿沟和包容性创新研究做出了贡献。本文通过一个基于实证的技术采纳过程框架，推进了对数字包容的概念化，该框架重视手机普及对资源受限的农村地区医疗可及性的动态和系统性效应。从实证角度看，本文首次提供了定量证据，表明随着手机普及率的提高，数字排斥群体的医疗可及性反而恶化，这挑战了将手机视为包容性创新以及将数字包容视为无问题过程的观点。本文的工具和发现为就业、政府服务获取或社会互动等其他数字发展领域的进一步研究提供了空间。

本文的其余部分将研究置于技术采纳和信息与通信技术与发展（ICTD）领域，并随后对分析框架进行了详细描述（第2节）。第3节介绍了实证模型，用于分析来自印度人类发展调查（IHDS）的家庭面板数据，采用固定效应线性概率模型并结合村庄聚类稳健标准误，以估计家庭获得医疗服务的概率如何受到手机采用和地区级手机普及的影响。第4节描述了结果，表明在2005年至2012年间未能获得手机的家庭平均更为贫困，且在所在地区手机已广泛普及的情况下，没有手机的贫困家庭更难获得“响应性”较强的私立医疗服务提供者的服务。第5节将论证这些结果与分析框架相吻合。在需求侧，普及推动竞争，并在贫困用户与非用户之间形成差距；在供给侧，对患者手机使用更具响应性的医疗服务提供者将越来越多地服务于这一群体，而牺牲非用户的利益。尽管目前公共医疗服务可及性尚未受到这些趋势的影响，但这仅能带来暂时的缓解，因为本人此前在2013–2014年的横断面研究显示，印度农村的公共医疗服务提供者已经开始适应患者的手机使用情况。也。第6部分为结论。

2. 文献与框架

2.1. 技术扩散、ICTD和手机背景下的数字鸿沟

本文涉及数字鸿沟和“信息与通信技术与发展”（ICTD）领域的文献，作为更广泛的关于技术扩散社会影响的跨学科研究的一部分。来自这一更广泛领域——包括人类学、社会学和经济研究——的两个关键见解是：（a）技术扩散对社会、经济和政治发展既有正面也有负面后果；以及（b）这些影响并非均匀分布（Miller,2010:53；Pedersen&Bunkenborg, 2012:565；Munn,1992:109；Thompson,1967:81–86；Bédoucha, 2002:104）。鉴于技术与社会之间普遍理解的辩证关系，技术扩散始终导致理想的发展成果（如改善的经济安全、教育或政治参与）似乎是不太可能的（例如考虑联合国开发计划署的人类发展指数，该指数由收入、教育和寿命构成；UNDP, 2014:160–163）。并非所有技术变革过程都是“亲贫”的这一点已被 Gudeman(1992:145)证明，他说明了持续的创新和技术变革如何帮助危地马拉家庭在本地市场中节约成本并可能产生利润，但由于其议价能力不足，剩余收益被更有竞争力的商人所吸收。尽管技术扩散的更广泛经济学文献往往对其潜在益处更为乐观（Bandiera&Rasul,2006:869；Besley&Case,1993:396；Foster&Rosenzweig,2010:421），但该文献偶尔也意识到发展成果的细微差别和缺失（Stewart, 1978:74）。

在这一领域中，信息与通信技术与发展研究关注的是一组（通常是数字）技术及其在中低收入环境中支持“发展”（定义各异）的潜在应用（邓科姆，2012:2；迪亚兹·安德拉德与厄克哈特，2012:289；弗洛尔，2015；希克斯，2014:2；安温，2009:1）。因此，该领域的大多数研究集中于信息通信技术准备程度与可及性、推动技术扩散与接受的因素，以及技术变革所具有的积极的发展潜力（安德松和哈塔卡，2013:293；多德森、斯特林与贝内特，2012；希克斯，2014:12；库雷希，2015:516；罗佐茨基与韦斯特罗弗，2014:351）。这包括例如在个人金融（杰克与苏里，2014:220）、农产品营销（拉希德与埃尔德，2009:5–8）或学习（艾克、克索尔与莱伯特，2012:118）等领域开发和实施基于手机的干预措施。

ICTD中的技术中心主义关注点因对技术的社会嵌入性、用户行为及不同使用形式、信息和通信技术扩散的意外负面和正面影响、技术变革的公平性影响以及围绕数字包容与排斥的广泛后果强调不足而受到批评（阿扬索、赵和莱特瓦查拉，2013:63；格雷厄姆，2011；希克斯，2014:12；Sæbø&Furuholt, 2013:128–130；怀奇，2015:2）。该领域目前才正经历逐步转向更广泛的技术与社会发展研究，拥有日益增长的理论基础，以及更多允许得出基于本地情境结论的跨学科和混合方法研究——从而开始反映技术普及更广泛研究的关注（安德松与哈塔卡，2013；伯雷尔和丰田，2009；奇布，2015；唐纳，2015；加利亚尔多内，2015；希克斯，2009:27；克莱因，2013；沃尔沙姆，2013:50）。

“数字鸿沟”这一子领域也经历了类似的转变。数字鸿沟文献关注技术采用的不均衡，这种不均衡往往复制甚至加剧人际和社会间的不平等。最初以信息通信技术的所有权来界定——即“有者”与“无者”之分（巴齐莱‐纳洪，2006:270；德万和弗雷德里克，2005:299–300；库雷希，2014:215；斯坦普、龚和李，2008）——这一概念最终发展为涉及实际使用信息与通信技术及其操作所需技能的“高阶”形式（巴齐莱‐纳洪，2006:274–275；赫尔思珀，2012:411–414；梅和迪加，2015:100；皮尔斯，2013:78；罗宾逊等人，2015；范迪克，2006:224）。唐纳（2015:137–154）、格雷厄姆等人（2014:758–759）以及施罗德（2015:2828–2830）更进一步，从技术辅助的媒体内容创作与消费角度分析社会群体之间及国家之间的数字鸿沟。

尽管人们日益认识到技术扩散可能带来有问题的公平结果（姆比特和韦尔，2011：16–17），但包容过程被视为没有问题的，而采用技术通常被认为是可取的。例如，唐纳虽然对全球移动互联网扩散的分配效应持批评态度，但他认为：“当我们评估通过移动设备传播的信息生产时，不应让（缺失的）完美成为（几乎无处不在的）良善之敌”（唐纳，2015：153–154）。因此，人们假设普及过程对不同群体带来的利益各不相同，但参与该过程的任何一方的生活条件都不会恶化。

除了数字鸿沟之外，本文还涉及ICTD领域中相关的“包容性创新”研究，该研究通常从描述性和规范性的角度来探讨创新与包容，旨在克服主流创新（源自企业）中常见的不平等模式（希克斯、福斯特和努格罗霍，2014；帕帕约安努，2014）。包容性的不同形式或“层次”被定义，例如由希克斯、阿玛丽亚、金图和沙阿（2013:6）提出，范围涵盖从意图包容、通过采纳和影响实现包容，到通过包容性设计过程以及包容性话语中的创新来实现包容。更广泛的包容性创新文献倾向于关注有意识的创新活动，而非像本研究案例中所关注的技术普及模式（福斯特和希克斯，2014；弗雷索利等人，2014），2但它也意识到创新与普及过程可能在被排斥群体内部及之间造成潜在的不平等（希克斯等人，2013:5–6；帕帕约安努，2014:11）。在本案例中，手机作为一种创新的普及可被视为“包容性”的，例如，如果其采纳和影响是公平分配的，或以亲贫的方式进行（福斯特和希克斯，2013:335）。本文探讨对数字包容采取积极的过程视角是否站得住脚，以及手机是否成为一种“包容性创新”。与以往关于技术采纳和ICTD领域的研究相比，我的重点特别放在那些被排除在手机普及进程之外的人群。我考察资源受限环境下医疗可及性问题（卫生是发展的重要领域；Sen, 1999），具体而言是2005年至2012年印度农村的治疗性医疗可及性。我的假设源于一个扎根于此前在印度农村和中国农村开展的定性与定量研究的分析框架（海恩斯根，2015b；亨斯根和阿丽亚娜，2015；亨斯根和阿丽亚娜，2017b）。

2.2. 分析框架

2.2.1. 概述

简而言之，我的框架探讨了数字包容的过程，并提出随着手机的普及，印度农村中原本已被边缘化的一部分人口将无法将手机融入其健康行为中。能够做到这一点的个体可能会通过手机呼叫医生进行上门就诊或预约，让家庭成员安排出租车，或向朋友咨询合理的治疗选择。在我的框架内，我预期此类行为将导致患者对医疗服务提供者的可及性发生转变，即转向那些更有能力在其服务提供过程中接纳手机辅助行为的医疗服务提供者——在印度农村，这些“响应型”医疗服务提供者更可能是私立而非公立医院医生，例如他们不受限于诊所而可以上门就诊。如果越来越多的患者使用手机来获取医疗服务，那么这不仅会增加医疗需求（此处不考虑这种需求是否构成改善，因为未必如此），卫生系统也将逐步适应并迎合这种行为（例如当地医生仅处于随叫随到状态）。基于此框架，我假设一个不断适应的卫生系统将日益歧视边缘化群体和数字排斥群体。

2.2.2. 将电话纳入健康行为

与医疗保健相关的手机使用过程在图1的流程图中进行了展示。该图表表明，当患者生病并需要获得医疗可及性时，如果手机普遍可用、可获取用于与健康相关的目的，并且是针对当前问题的合适解决方案，则她会将手机纳入其就医行为中。如果这三个条件不满足，患者将不使用手机而采取传统健康行为。此过程在以下内容中详细描述。

即使在手机在个人、家庭和社区中迅速普及的环境中，人们在获取移动设备方面仍会表现出不同的安排，这意味着使用该技术的困难可能依然存在（Burrell,2010；Chipchase,2006；Hampshire等,2015:97–98；Hampshire,Porter,Owusu,Tanle,&Abane,2011:707；Helsper,2012:411；Karnowski,vonPape,&Wirth,2011；Katz,2008:10–11；Reisdorf, Axelsson,& Söderholm,2012:15–16；Steenson& Donner, 2009）。例如，要“借用”一部手机，需要获得手机所有者的明确许可，并且对借用人而言可能会带来明确或隐含的成本与义务。在此背景下，Hahn和Kibora（2008）指出，在布基纳法索，当村民去世时，习惯上会通过电话召唤远方的家庭成员来安排葬礼。为此，村民们会向居住在村里的教师等人借用手机，而作为回报，教师们则会“期望村里的年轻人为他们除草”（Hahn& Kibora,2008:99）。类似地，个人特征、技术特性、技术环境、社会环境以及当地文化的差异会影响人们与移动设备的互动方式。例如，不同类型的手机以及专为老年用户设计的设备（音频辅助工具、高对比度显示屏、简化导航）可以缓解部分由与年龄相关的感官障碍带来的挑战（Kurniawan,2008:893–895；Ziefle&Bay,2005:381–382）。

电话是否确实可获取以用于卫生相关用途，还取决于患者的健康状况的严重程度。获取困难可能会排除因被认为是“轻微”的卫生原因而使用手机的情况；像感冒或头痛这类常见且轻微的健康状况，可能既无法说服出借人出借手机，也不足以让借用人承担社交义务去向他人借用手机。较少紧迫的健康问题、间接和非个人访问，以及较少的密集和广泛使用，因此可能导致手机普及与手机辅助健康行动之间的脱节。

除了为与健康相关的目的可获取外，手机还需要从患者的角度来看是一种合适的解决方案。我对适用性的理解包含三个相互关联的要素。

首先，卫生系统中的参与者和解决方案需要对手机使用有响应，这意味着它们可以通过电话进行访问，并从患者的角度提供理想的解决方案。如果患者所在卫生系统的参与者没有响应性，那么通过手机来获取这些资源可能是徒劳的，患者将不得不寻找其他解决办法。例如，Pitt和Pusponegoro（2005年：145）报告了在雅加达发生恐怖袭击后对紧急救护车服务的需求。由于一名受伤外交官呼叫的救护车未能及时到达，“伤员被送往最近可用的交通工具——一辆垃圾车”（Pitt&Pusponegoro，2005年：146）。尽管在此类情况中，卫生系统参与者可能无法对手机使用作出响应，但另一些人则可能积极反对这可能有许多原因，包括收入来源损失、工作量担忧、绕过制度化的转诊系统、上门服务期间的隐私、问责制和个人安全问题（梅查尔，2006：169–170）。尽管获取这些无响应的服务提供者的服务也可以在无需直接互动的情况下进行协调（Nakahara等人，2010：323–325），但我们预计通过电话寻求医疗保健更有可能沿着卫生系统中响应型医疗服务提供者的方向进行沿响应型参与者的方向进行。

其次，当卫生系统可以通过可行的替代方案而非手机辅助的方式进行导航时，手机便是多余的。如果患者在附近地区就有首选医疗机构，他们使用电话的可能性就较小。世界卫生组织（WHO）以加纳的急诊护理为例说明了这种可替代性：‘‘可通过固定电话和手机拨打专用紧急电话线（193）来获得救护车服务。然而，人们也可以步行前往救护车站点，或通过本地调频电台发布广播通知’（WHO, 2010:9）。因此，是否能够无障碍地获得医疗服务，部分取决于医疗机构相对于患者的可用性和位置。影响手机辅助与传统医疗可及性之间可替代性的其他因素包括个人特征（例如步行或骑自行车的能力、家庭中立即获得车辆和护理人员）、以及情境条件（例如状况良好的安全道路、高效且负担得起的公共交通），这些都可能削弱在患病期间手机的工具性价值。此外，患者可能会选择较少涉及手机的行为路径，例如在家自行用药治疗。

第三，尽管某些个人、情境和行为因素为与健康相关的手机使用提供了替代方案，但其他因素则构成了互补性，有助于实现特定类型的手机辅助的医疗寻求，例如完善的道路基础设施支持上门就诊。3例如，一些作者认为，需要存在出租车等互补性服务网络，才能通过手机实现在紧急情况下的交通安排（霍斯特和米勒，2006：140；梅凯尔，2006：121–122；米勒，2010：128）。同样，上文所述的有利的地理位置、公共交通连接和个人车辆拥有等作为上门就诊的替代方案，也可能促进其他活动，例如预约就诊。虽然替代方案与互补性的本地相互作用塑造了手机辅助的医疗解决方案的可见范围，但目前尚不明确a priori特定资产（如车辆）的存在或缺失在平均程度上究竟是促进还是阻碍了手机辅助的卫生行动。

该过程框架表明，尽管这些设备看似已得到普及，但某些群体可能仍被排除在手机辅助健康行动之外。因此，这种形式的数字排斥部分是由于选择（如果替代方案占主导地位），部分是由于限制（无手机普及、手机使用与健康状况之间不匹配、缺乏有响应能力的服务提供者）。已存在的经济、社会和空间边缘化模式可能导致人们成为“受限的非使用者”。

2.2.3. 手机辅助健康行动的公平性影响

图2考虑了过程框架对农村医疗可及性的影响。总体而言，如果患者过去因缺乏更好的选择而避免寻求治疗或依赖当地但无资质的卫生专业人员f or want of better options，那么手机可能使他们能够利用更广泛的解决方案，前提是其他因素参与者具有响应性。卫生系统的响应性可以说取决于手机普及以及患者出于与健康相关的目的使用电话的程度。浅灰色阴影箭头在图2中说明了这一点：手机普及程度越高，就越容易通过手机直接获取有响应性的医疗服务提供者。即使医疗服务提供者不直接响应手机使用，便利的后勤安排（例如出租车）仍然可以在一定程度上增加获取服务的机会，尽管效果较小。

该框架的一个重要含义是，卫生系统为应对日益增长的与健康相关的手机使用而进行的动态适应，可能会使非用户境况比以往更差，如图2中的深灰色阴影箭头所示。设想越来越多的患者通过电话呼叫响应性医生上门治疗（例如Mechael，2006：169–170；Mechael，2008：98）。这些医疗服务提供者将因此花费更多时间不在岗，使得其他患者在前往诊所就诊前必须预约。被数字排斥的患者随之将面临更大的困难来应对卫生系统，在到达诊所时发现“响应型”医疗服务提供者正忙于服务手机用户，甚至根本不在岗。对于那些由于存在主导替代方式而此前未使用手机的人而言，这种变化未必构成问题。正如该框架所示，随着手机在寻求医疗方面的相对价值上升，这一群体可能会开始使用手机。然而，对于那些因社会、经济或空间上的边缘化而无法使用手机的人而言，这种变化则会带来问题，从而进一步增加获得医疗服务的障碍。由此导致的被数字排斥患者对响应型医疗服务提供者可及性的下降，体现在图2底部的箭头中。在较小程度上，这种“挤出”效应也会发生在被数字排斥患者对接收非响应型服务提供者的场景中。该框架表明，数字包容的过程在能够使用手机以促进医疗可及性的患者与无法使用手机的患者之间引发了一场不平等的斗争。

总之，我的理论框架对数字包容过程提出了质疑，指出了与手机使用相关的医疗保健获取中的积极和消极模式，以及加剧某些群体边缘化的风险。这与现有的数字包容叙事相矛盾，后者即使承认全面普及的结果分布不均，仍认为普及过程本身是无痛且毫无问题的。如果最终发现普及反而削弱了农村贫困人口对服务的获取，那么我们就可以将手机视为医疗领域中的一种“排他性”创新，而主流叙事可能就需要进行修正。

3. 材料与方法

我的分析基于最近发布的全印度人类发展调查（IHDS；德赛等人，2010b；Desai等，2016）的面板数据，该调查在2004–2005年和2011–2012年分两轮进行。第一轮包括41,554户家庭，共215,754名个人；第二轮调查了42,152户家庭，共204,569名个人。IHDS中的面板数据结构允许在两个调查期间对家庭进行匹配，但无法对个人进行匹配。因此，分析仅涵盖在两个调查期间均报告患病的农村家庭，以追踪其医疗选择随时间的变化情况；即在22个印度邦中，每个时期包含12,003户家庭。4

我估计了具有村庄聚类稳健标准误的固定效应线性概率模型。如果医疗可及性Ykit被定义为家庭i在时间t获得医疗服务提供者k的几率，则时间去均值化固定效应模型（含t1= 2005和t2= 2012）的实证设定为

Y€kit ¼ bmM O€Bit þ bdD €ISTit þ bxMOBx€DISTit þ bCON€TROLSit þ YEARt þ €uit ð1Þ

其中Ÿkit= Ykit Yki等为时间去均值变量；MOBit为家庭层面的手机拥有情况；DISTit为县级手机普及率（作为卫生系统适应手机使用的代理指标）；MOBxDISTit为交互项；CONTROLSit为其他控制医疗可及性的家庭层面的时间变化变量；YEARt为趋势变量；且uit为特异性误差项。由于进行了时间去均值处理（见以下说明），家庭特定且时间不变的特征从分析中被剔除（类似于两期情形下调查期间的差分）。本模型中的因变量和自变量汇总于表1。

本分析涉及医疗可及性模型的估计，该模型包含手机采用与普及以及其他可及性的决定因素。医疗可及性发生在一个更广泛的卫生系统中，我依据世界卫生组织将其定义为一个涵盖‘所有主要目的在于促进、恢复或维持健康的组织、个人和行动’的系统（WHO,2007:2）。因此，对公立和私立医疗服务提供者的可及性并非医疗卫生利用的唯一形式。在医疗可及性模型中，也应考虑非正式照护者和传统治疗师，因为在一些中低收入国家的卫生系统中，他们占所有医疗服务提供者的比例高达90%（Sudhinaraset, Ingram,Lofthouse,& Montagu, 2013:3）。为了充分认识印度农村卫生系统的多主体（或“多元”）特性，因变量包括对公立医院医生和护士、私立诊所、药剂师以及“传统及其他”医疗服务提供者的可及性，以及对这些提供者中任何一类的总体可及性。

在实证模型中，这些是虚拟变量，用于表示在每次调查轮次前十二个月内家庭中有“轻微”或“严重”疾病的任何成员是否获得了相应类型的医疗保健（以家庭内存在疾病为条件）。5同一家庭在同一时间可能发生不同类型的可及性。

我假设适应手机的卫生系统将越来越歧视那些不采用移动技术的个体，因此感兴趣的自变量与家庭层面的手机采用和卫生系统对手机普及的适应有关。我使用县级手机普及率来近似表示卫生系统对人们在不同程度上使用手机的预期。该变量计算为拥有手机的家庭的人口加权百分比。此外，印尼人口与健康调查数据未包含患者与医疗保健相关的手机使用情况，但先前的研究发现，家庭缺乏手机比个人无手机所有权更能预测无法通过手机寻求医疗保健的情况（亨斯根，2015a）。因此，我使用家庭层面的手机拥有情况来近似估计家庭成员进行与健康相关的手机使用的可能性。家庭电话使用和卫生系统适应可能存在交互作用，例如，在一个预期人们使用手机的卫生系统中，某人通过手机联系医生可能会更成功（例如通过呼叫出租车，或医生已准备好接听手机来电）。交互项MOBxDIST it 捕捉了这种关系。

如果满足以下条件，则假设得到正向验证：（a）与健康相关的手机使用有助于改善医疗可及性；（b）日益增强的卫生系统适应对医疗可及性产生负面影响；（c）与健康相关的手机使用和系统适应之间交互项系数为正，意味着手机拥有情况的作用愈发重要，并能够弥补系统适应所带来的不利影响。然而，该分析框架也指出了存在一定的空间异质性，因为对于无法通过替代方式获得医疗服务的贫困家庭而言，不利影响可能尤为显著。此外，我们预计不同类型的医疗保健提供者之间也存在异质性，对于受制度化转诊制度和指南约束、限制基于电话的服务提供的公共医疗机构（如地区医院）来说，其影响可能较小（梅查尔，2006：169–170）。

实证模型根据有关医疗寻求和治疗轨迹的文献，控制了其他可及性决定因素。该文献中医疗可及性的重要决定因素包括：特定健康状况的性质、严重程度和阶段；患者的教育水平、经济状况、年龄、性别和决策自主权；个人倾向和信仰体系（例如将疼痛视为生活方式的一部分）；社会对健康状况的认知；服务提供者的可用性、可及性和知晓度（如地理位置）；对服务提供者护理质量的信任和认知；以及服务提供者能力与患者状况的匹配性（比尔斯，1976：184–185；科尔森，1971：234–236；克罗格，1983：149；利伯、李、吴、罗斯瑟姆‐博鲁斯和关，2006：469；尼亚蒙戈，2002：381；谢赫、哈兰和哈彻，2008：749–753；谢赫和哈彻，2005：50–52；范艾格伦和法布雷加，1976：537–538；沃德、默滕斯和托马斯，1997：21–23）。

这一长串的决定因素表明，对医疗可及性的实证分析不仅应关注手机普及，还应考虑患者特征、其社交网络和文化环境以及疾病性质，

变量	描述
Ykit(因变量)
任何医疗保健	[1]如果有生病的家庭成员访问过任何类型的正规或非正规医疗保健提供者；[0]否则
公共医疗	[1]如果任何生病的家庭成员就诊于公立医院医生；[0]否则
私人医疗	[1]如果任何生病的家庭成员就诊于私人医生；[0]否则
药剂师	[1]如果任何生病的家庭成员访问了药剂师；[0]否则
传统/其他护理	[1]如果有生病的家庭成员访问过传统治疗师或其他医疗保健提供者提供者；[0]否则
感兴趣的自变量
MOBit(家庭移动电话)	[1]如果家庭至少拥有一部手机；[0]否则
地区手机普及it	地区层面拥有电话的家庭的加权平均比例
MOBxDISTit（交互项）	家庭层面的手机拥有情况与地区的交互项手机普及率水平
其他控制变量
家庭固定电话	[1]如果家庭拥有至少一部固定电话；[0]否则
家庭最高教育程度	任何家庭成员完成的正规教育的最高年级；[0]如果文盲，[1]如果未完成小学教育，[2]如果完成小学教育（五年级），[3]如果完成中学教育（八年级），[4]如果完成中等教育（十年级），[5]如果完成高等教育（十二年级）。
家庭平均性别比例	家庭中女性所占百分比；[1]如果100%为女性
家庭规模	家庭成员人数
家庭平均年龄	所有家庭成员的未加权平均年龄
家庭低于贫困线	[1]如果人均家庭支出<贫困线（因州而异；2005年按村庄划分的平减指数调整后的贫困线）；[0]否则
家庭资产指数a	33项家庭资产的未加权总和，使用同一家庭资产类别在2005年至2012年。根据家庭财富对样本进行分层如果家庭在2005年至2012年的平均资产低于未加权样本中位数，否则视为“富裕”。
重大疾病	[1]如果任何家庭成员在过去12个月中患过“重大”疾病（例如白内障、结核病、高血压）；[0]否则
轻微疾病	[1]如果任何家庭成员在过去12个月中患过“轻微”疾病（例如发烧、咳嗽/感冒、腹泻）；[0]否则
公立卫生设施数量	村级计数公立诊所（例如分中心、初级卫生保健中心，社区卫生中心），记录于医疗机构问卷中
私立卫生设施数量	村级计数的私立机构，记录于医疗机构问卷中
其他卫生设施数量	村级计数的其他卫生设施（例如计划生育诊所），记录于医疗机构问卷中
年份虚拟变量	趋势变量，用于捕捉本地基础设施和整体卫生方面的变化等情况服务提供

来源：作者，基于比尔斯（1976）、科尔森（1971）、古利福德等（2002）、克罗格（1983）、利伯等（2006）、梅森等（2011）、尼亚蒙戈（2002）、谢赫等（2008）、谢赫和哈彻（2005）、斯托拉、伊默尔和比尤内（2008）、范艾格伦和法布雷加（1976）、沃德等（1997）。注释：HH为家庭；定义为“同住一个屋檐下并共用厨房的人”（Desai etal., 2010a：222）。a财富指数包含手机。将手机从指数中排除的稳健性检验确认了主要结果。将车辆从财富指数中分离的稳健性检验也重现了模型结果，且无明显差异，而交通工具系数在所有估计模型中均统计上不显著。因此，报告的模型仅包含财富指数。

以及卫生系统属性。表1展示了并描述了在印度人类发展调查（IHDS）数据集中近似反映这些因素的控制变量。然而，有可能像医疗服务提供者偏好这样的未观测特征在印度人类发展调查（IHDS）数据中并未被捕捉到。在这种情况下，实证模型中的误差项eit可以被设定为包含一个特异性成分和一个家庭特定的、不随时间变化的成分：eit= ai+ uit。如果未观测的家庭特征与其他预测变量相关，则会产生遗漏变量问题。我选择固定效应模型来解决这一问题，因为通过时间去均值处理，不可观测的（假设为静态的）家庭特征äi= ai a¯ i 会从模型中剔除，仅留下特异性误差项üit= uit ui。豪斯曼检验和广义豪斯曼检验在所有估计模型中除了两个之外均在0.1%水平上统计显著（两个富裕子样本的估计在1%水平上统计显著），表明固定效应设定优于将未观测变量视为与其他自变量不相关的随机效应面板模型。

由于因变量不是正态分布，通常逻辑回归模型比
非线性概率模型更适用于对二元医疗服务可及性进行建模。然而，在两期情况下，面板logit回归模型中的固定效应估计量是不一致的（格林，2008:801）。因此，本文仅报告使用村庄聚类稳健标准误的线性概率模型（采用序列相关和异方差稳健标准误的估计结果较为宽松，此处予以省略）。使用固定效应logit模型进行的稳健性检验重现了结果的大致方向，尽管显著性水平对函数形式具有较弱的敏感性。

此外，可以认为包含患病家庭的面板引入了样本选择偏差。然而，仅包含2005年和2012年患病家庭的估计样本与完整的印度农村家庭面板在诸如家庭规模（2005年平均少0.3名成员；2012年少0.2名）和财富（在0到33的量表上，2005年平均高出0.10个指数单位；2012年高出0.17个指数单位）等方面表现出显著相似性。6此外，可以合理假设导致被纳入估计样本的任何未观测的家庭特征已被固定效应估计量所控制。

我使用Stata13（StataCorp., 2013）进行了分析。

4. 结果

4.1. 案例研究背景

4.1.1. 印度卫生体系背景

研究期间从2004年到2012年，这一时期因2005年启动国家农村卫生任务（NRHM）而形成，该任务旨在改善印度人口的整体健康状况，同时将此前印度分散的卫生项目格局整合到一个统一框架下（MoHFW, 2002:§2.3.2.1；Prasad& Sathyamala,2006:13）。本节描述了印度医疗保健系统、与NRHM实施相关的变革，以及印度医疗保健的持续挑战。7

国家农村卫生任务（NHRM）设想在农村地区建立一个具有多层次医疗保健的理想服务体系（卫生和家庭福利部，2006年：4）。在村级层面，社区卫生工作者如经认证的社会健康倡导者（ASHAs）通过健康教育和社会动员，成为与卫生系统的第一个接触点。配备一名护士和一名男性多功能卫生工作者（即男护士）的分中心是与卫生基础设施的第一个接触点，覆盖五到六个村庄。与医生的首次接触点是初级卫生保健中心，服务约四万人。首级转诊单位为社区卫生中心（配备30张床位的医院并有专科医生）。三级机构则是县级医院，拥有31至750张床位，服务人口在10万至100万之间。8

2005年至2013年期间，国家农村卫生任务（NRHM）提供了1万亿印度卢比（约合120亿英镑）用于支持印度农村医疗保健，其中包括建设近15,000个农村卫生设施以及招聘89万名认证社会健康活动家（MoHFW, 2014:1–2）。这些投资与研究期间印度医疗保健改善和社会经济发展的总体趋势相吻合（并可能对此做出了贡献）（表2）。2000年至2015年期间，五岁以下儿童死亡率几乎减半，从每千名活产婴儿91.2例死亡降至47.7例；孕产妇死亡率从每十万名活产婴儿374例降至174例；出生时预期寿命从62.6岁增至68.0岁（表2）。尽管取得了这些进展，印度的健康绝对水平仍令人担忧。例如，2014年，印度在生命expectancy方面在全球199个国家和地区中排名第142位（世界银行.,2017），其卫生系统在资金筹措、基础设施和人力资源方面持续存在差距与不足。

印度卫生部门长期以来资金不足，而国家农村卫生任务（NRHM）仅对此问题起到了部分补救作用。例如，《2002年国家卫生政策》强调需要增加卫生财政资源，设想至2010年将州支出的7%和印度国内生产总值（GDP）的2%用于卫生（MoHFW, 2002：方框IV）。尽管在NRHM下的支出有所增长，但即使是2014年的最新数据显示，政府卫生支出仅达到政府总支出的5%或GDP的1.4%。作为对比，英国在2014年将其GDP的7.6%用于卫生，而印度2014年的人均公共卫生支出（按购买力调整后）约为英国的2.9%（世界银行,2017）。

由于公共支出未能达到目标，家庭仍是医疗融资的主要来源。根据印度国家卫生账户的数据，家庭自付费用（尤其是用于私营医疗服务的支出）占医疗融资的大部分（2004–2005年为71%，2013–2014年为69%），且五分之四的医疗支出用于治疗性医疗，如图3所示（尤其是药品费用；卫生和家庭福利部,2016:xx；世界卫生组织,2009:29,39）。尽管实施了国家农村卫生任务，高额的自付费用仍持续给家庭带来负担，而对治疗性医疗的依赖也反映了中低收入国家在医疗寻求行为方面的更广泛挑战（杜帕斯,2011）。

持续的资金筹措挑战反映出印度医疗保健服务仍然存在问题。例如，印度规划委员会报告了2008年农村地区的数据，显示全国范围内有12.9%的分中心、17.2%的初级卫生保健中心和36%的社区卫生中心存在短缺（印度规划委员会，2011:149），且截至2013年，国家农村卫生任务（NRHM）计划中的农村医疗设施仅完成了54%（卫生和家庭福利部，2014）。即使基础设施已提供，医疗保健劳动力配备和出勤情况仍不稳定（乔杜里、哈默、克雷默、穆拉利达兰和罗杰斯，2006；饶等人，2011；萨蒂亚马拉，2006:143）。例如，印度首席护理官报告称，到2012年，印度护士短缺达240万人（西尼尔，2010），而饶、巴特纳加尔、伯曼、萨兰和拉哈（2008:25）估计，印度医护比仅为0.8，这表明卫生中心的劳动分工并不理想。作为比较，英国目前的护士与医生比例为2.8（经济合作与发展组织，2017），世界银行认为每名医生配备两到四名护士属于“充足”水平（世界银行，1993:133）。

总之，在研究期间，印度扩大了农村卫生系统的资金筹措、基础设施和劳动力，并对国家卫生项目进行了重组，同时伴随着更广泛的发展趋势。然而，卫生系统挑战依然存在，研究背景仍表现为资源受限，且严重依赖家庭自付医疗支出来支付私立和公立的治疗性医疗服务。这些情况与本研究关注的涉及公立和私立西医医疗保健提供者的治疗性健康行为相呼应。

4.1.2. 描述性统计

本研究的家庭样本表现出在社会经济指标不断改善、医疗需求高且供应稳定的情况下，手机普及迅速但存在差异性。汇总统计见表3。

表3表明，2005年至2012年期间手机在印度农村迅速普及。样本中家庭拥有电话的比例从3%上升到75%。研究样本中的平均地区，农村家庭拥有手机的绝对比例增加了70个百分点，四分位距为62–81%（表示增长情况的直方图见图4）。拥有固定电话的家庭比例从11%下降至5%。

其他社会经济指标也显示出随时间的显著变化。例如，在第二轮调查中，平均调查家庭规模变小，且年龄增加了3.7年。财富从9.7件常见家庭用品增加到12.5件，增幅为29%，低于贫困线的家庭比例下降了3个百分点（基于经通胀调整的省级贫困线和人均家庭支出）。

在医疗保健方面，非正式和正式医疗服务提供者的总体利用率在2012年高达97%，比2005年上升了1个百分点。私营医疗服务在2012年以71%的比例成为最常见的就医类型，而传统治疗师及其他形式的医疗保健服务在2012年仅占样本的4%。在两个研究期间，各类医疗服务提供者的可及性均有所提高，增幅在1（传统治疗师）到4（公立医院医生）个百分点之间。就卫生设施供给而言，印度人类发展调查（IHDS）的村级设施调查数据显示，公立诊所的配备数量略有增加，从平均每村0.89个增至0.90个（对应无任何公立诊所的村庄比例从12.0%下降至10.6%）。私立医疗机构在调查村庄中较为常见。

指标	Unit	Year 2000	2005	2010	2015
健康指标
出生时预期寿命	年	62.6	64.5	66.5	68.0（2014年）
五岁以下儿童死亡率	每千例活产死亡数	91.2	74.6	59.9	47.7
孕产妇死亡率	每十万例活产死亡数	374.0	280.0	215.0	174.0
营养不良患病率	总人口百分比	17.0	21.2	15.7	15.2
百白破疫苗接种覆盖率	12‐23个月儿童百分比	58.0	65.0	79.0	87.0
医生密度	每千人医生数	0.5	0.6	0.7	0.7（2012年）
护士密度	每千人护士和助产士数	1.2	1.3	1.6	..
公共卫生支出
国内生产总值（GDP）百分比		1.1	1.1	1.2	1.4（2014年）
政府总支出百分比		4.4	4.5	4.3	5.0（2014）
按购买力平价计算的2011年不变美元平价（PPP）		22.2	32.4	50.7	80.3（2014）
自付医疗支出
占卫生总支出的百分比		67.9	65.9	63.4	62.4（2014）
其他发展指标
人均GDP	2011年不变价美元，购买力平价	2521.3	3213.1	4404.5	5729.8
贫困发生率	每日生活费低于1.90美元的人口占比(购买力平价，2011年美元)	..	38.2(2004年)	21.2(2011)	..
农村人口	总人口百分比	72.3	70.8	69.1	67.3
成人识字率	15+岁及以上总人口百分比	61.0(2001)	62.8(2006)	69.3(2011)	72.2
电力获取	总人口百分比	62.3	..	75.0	78.7（2012年）
	农村人口百分比	48.4	..	66.9	69.7（2012年）
获得改善的卫生设施	总人口百分比	25.6	30.6	35.5	39.6
	农村人口百分比	14.5	19.5	24.5	28.5
获得改善的水源	总人口百分比	80.6	85.5	90.3	94.1
	农村人口百分比	76.1	82.0	87.9	92.6
固定电话用户数	每100人中的订阅数	3.1	4.5	2.9	2.0
手机订阅	每100人中的订阅数	0.3	8.0	62.4	78.8

来源：世界银行（2017）。注释：括号内为报告年份的偏差。“..”表示相应时期无可用数据。

第一轮：2005年					第二轮：2012年					2005–2012年一阶差分
n	平均值标准差 Dev	Min	Max	n	平均值标准差 Dev	Min	Max	n	Mean差异	Std.Dev	Min差异	Max差异
12,0030.03	0.17	0	1	12,0030.75	0.43	0	1	12,003	+0.72	0.45	1	+1
264	0.03	0.05	0.00	0.33	264	0.73	0.18	0.00	0.99	12,003	+0.70	0.16	0.00	+0.95
12,0030.11	0.31	0	1	12,0030.05	0.22	0	1	12,003	0.06	0.30	1	+1
12,0036.38	3.25	1	33	12,0035.14	2.52	1	33	12,003	1.24	3.27	24	+26
12,003	1.97	1.53	0	5	12,003	2.15	1.56	0	5	12,003	+0.18	1.30	5	+5
12,003	0.49	0.16	0.001.00	12,003	0.51	0.18	0.001.00	12,003	+0.02	0.16	0.75	+1.00
12,003	28.2310.89	8.0090.0012,00331.9513.79	6.8099.0012,003	+3.72	11.15	59.40	+58.00
12,003	0.22	0.41	0	1	12,003	0.19	0.39	0	1	12,003	0.03	0.50	1	+1
12,0039.68	5.14	0	27	12,00312.495.73	0	28	12,003	2.81	3.68	15	+21
12,003	1.00	0.00	1	1	12,003	1.00	0.00	1	1	12,003	+0.00	0.00	0	0
12,003	0.96	0.19	0	1	12,003	0.97	0.16	0	1	12,003	+0.01	0.25	1	+1
12,003	0.31	0.46	0	1	12,003	0.34	0.47	0	1	12,003	+0.04	0.58	1	+1
12,003	0.69	0.46	0	1	12,003	0.72	0.45	0	1	12,003	+0.03	0.58	1	+1
12,0030.06	0.23	0	1	12,0030.08	0.28	0	1	12,003	+0.03	0.36	1	+1
12,003	0.03	0.16	0	1	12,003	0.04	0.19	0	1	12,003	+0.01	0.24	1	+1
12,003	0.83	0.38	0	1	12,003	0.80	0.40	0	1	12,003	0.03	0.51	1	+1
12,003	0.43	0.50	0	1	12,003	0.56	0.50	0	1	12,003	0.13	0.65	1	+1
1266	0.89	0.35	0	2	1325	0.90	0.32	0	2	1266	0.01	0.44	2	+1
1266	0.93	0.33	0	3	1325	0.86	0.35	0	2	1266	0.06	0.45	2	+1
1266	0.09	0.30	0	2	1325	0.07	0.26	0	2	1266	0.02	0.39	2	+2

注释：未加权统计。针对在两次调查轮次中均经历轻微/重大疾病的家庭，计算其首次差异发病率。HH表示家庭。a县级数据（仅限农村地区），使用完整调查样本和村庄抽样权重，按地区拥有电话的家庭比例的加权平均值计算。b 0=“文盲”， 1=“未完成小学教育”， 2=“完成小学教育（五年级）”， 3=“完成中学教育（八年级）”， 4=“完成中学教育（十年级）”， 5=“完成高等教育（十二年级）”。c 1=人均家庭支出<贫困线（因州而异；2005年贫困线根据按村庄划分的平减指数调整）。d 33项家庭资产的未加权总和，使用2005年至2012年相同的家庭资产类别。e村庄级数据，记录于医疗机构问卷中。

本文其余部分的分析将论证，手机普及以较富裕家庭的利益为代价，损害了边缘化群体获得医疗保健的机会。为了证实拥有电话的家庭境况更好比那些‘‘disconnected”的同龄人，表4列出了家庭资产和贫困状况的水平及变化情况，具体取决于家庭在2005年和2012年是否拥有手机。该表显示，在任一时期均未拥有手机的家庭贫困发生率最高，财富水平最低，且后者增长速度慢于样本平均水平。相比之下，在2005年至2012年间获得手机的家庭其资产财富增长了3.7个单位（若将手机作为指数组成部分进行调整则为2.7），明显高于样本平均值2.8（2.1）。鉴于这些趋势，我们可以确定，到2012年仍未获得手机的家庭在经济上比已拥有手机的家庭更加边缘化。9

2005年手机	2012年手机	面板中的家庭数量	平均家庭资产指数			家庭百分比<贫困Line
			2005年（已调整）a	2012年（调整后）a	差异（调整后）a	2005	2012	差异
Yes	No	22(0.2%)	16.5(15.5)	11.9	4.6(3.6)	0.0%	18.2%	+18.2%
No	No	2,987(24.9%)	6.6	7.2	+0.6	33.8%	33.1%	0.7%
Yes	Yes	340(2.8%)	19.7(18.7)	20.6(19.6)	+0.9	1.5%	4.4%	+2.9%
No	Yes	8,654(72.1%)	10.3	14.0(13.0)	+3.7(+2.7)	18.9%	14.3%	4.6%
总计		12,003	9.7(9.7)	12.5(11.7)	+2.8(+2.1)	22.1%	18.7%	3.3%

注释：未加权统计。a家庭手机拥有率是家庭资产指数的一个组成部分。获得家庭第一部手机相当于该指数的一个单位的增加。

4.2. 回归结果

本节展示固定效应线性概率模型的结果。如第3节所述，我估计了15个模型，分别为印度农村总人口、收入低于中位数的农村家庭（“贫困”家庭）和收入高于中位数的农村家庭（“富裕”家庭）各五个模型。对于每个群体，我分别估计了一个关于对任何医疗服务提供者的总体可及性的模型，以及针对公立医院医生、私人医生、药剂师和传统及其他医疗服务提供者的特定服务提供者模型。主要自变量为家庭层面的手机拥有情况、县级手机普及率以及这两个变量之间的交互项。线性概率模型结果见表5，所有结果均在0.1%水平上显著。我对结果的分析重点放在贫困家庭的总体医疗保健可及性以及对公立和私立医疗服务提供者的可及性上，这些代表了最常见的医疗卫生利用形式。

结果允许得出三个主要观察结论。首先，手机普及与整体医疗可及性（模型1和6）、私立医疗可及性（模型3和8）、药剂师可及性（模型4、9和14）以及传统和其他医疗服务提供者可及性（模型15）的变化相关。公共医疗可及性在家庭和地区层面似乎独立于手机普及，且手机普及与医疗可及性之间的关系在较富裕家庭中较弱。这些在不同医疗服务提供者之间的差异，尤其是私立诊所的反应，印证了我所提出的观点，即卫生系统中的某些参与者对手机使用更具响应性。

其次，与较富裕家庭相比，贫困家庭在县级手机普及率与整体医疗保健利用（模型6，在5%水平上显著）以及药剂师可及性（模型9，在1%水平上显著）之间表现出更明显的负向关联。回归系数表明，县级手机普及率每提高10个百分点，贫困家庭子样本的整体医疗保健利用和药剂师可及性分别下降1.5和1.3个百分点（总样本分别下降1.0和1.3个百分点）。较富裕子样本中相对较小的影响效应支持了我的观点，即较富裕家庭拥有更多获取医疗保健的途径，从而降低了他们对手机的需求，并使其免受潜在不利后果的影响。

第三，县级手机普及率对家庭访问私立诊所的影响取决于该家庭是否拥有手机。在模型3中，总体样本的交互项在5%水平上具有统计显著性；在模型8中，贫困子样本的交互项在1%水平上具有统计显著性。在这两种情况下，交互项都需要结合其交互变量来理解：如果交互项具有统计显著性，则两个交互变量也均具有统计显著性（希尔贝2009:197)。交互项的正系数表明，随着手机在地区内的普及程度不断提高，家庭层面的手机普及与私立医疗可及性之间的关系变得“更加积极”。在模型3中，手机所有者和非所有者最初处于相同的起点（交互变量在统计上不显著），这与图2、第2.2.3节所示的模式一致。因此，模型3的结果支持了以下假设：在一个能够适应这种使用的系统中，手机用于获取响应迅速的（私立）医疗保健提供者的价值会发生变化。

在模型8中，手机普及与家庭层面的所有权之间也出现了类似的关系。然而，尽管交互项为正，但交互变量的系数均为负值。家庭手机的影响最初为负，但随着区级普及程度的提高，对拥有手机的家庭产生正面影响，导致综合效应逐渐增加，并在区级普及率达到约57%时超过无手机的家庭。虽然交互作用的方向与理论模型一致，但贫困子样本的起始点差异与我最初的论点相悖。此外，系数的任何线性组合仍为负值（从数值上看，只有当一个地区约有180%的家庭拥有手机时，该值才会转为正值）。我在第5节讨论了起始点为负以及平均效应为负的原因。

其他控制变量包括固定电话接入10。考虑到在研究期间，拥有固定电话的家庭比例从11%下降到5%，且固定电话在偏远地区安装的可能性较低，系数表明，如果家庭失去固定电话连接，则其获得公共医疗保健的可能性更低。除了固定电话、疾病严重程度和常数项之外，针对贫困家庭的公共医疗服务可及性的其他控制变量在5%水平上均不显著。家庭规模扩大以及收入超过贫困线的家庭更有可能使用私营医疗服务。

为了探讨这些结果的相关性，比较手机普及对所有农村家庭和贫困子样本的预测效应具有参考意义。例如，基于模型1和6的线性预测表明，县级手机普及率从25%提高到75%时，所有患疾病的农村家庭获得任何类型医疗保健的比例将从98%下降至93%，贫困家庭则从96%下降至90%。在这两种情景下，两组家庭对药剂师的可及性都将从9%下降至3%。

由于交互项的存在，私立医疗可及性与手机普及之间的关系较为复杂。对于所有农村家庭的样本，线性预测表明这表明，在手机普及率为25%的地区，没有手机的家庭获得私人医生服务的概率为70.5%，而在手机普及率达到75%的地区，这一概率下降至64.8%。相比之下，拥有手机的家庭获得私人医生服务的概率几乎保持不变，为68.6%。对于贫困家庭而言，这种差异更为显著：在县级手机普及率提升的情况下，无手机的家庭获得私人医生服务的概率从70.0%下降至60.3%，而拥有手机的贫困家庭则从60.9%上升至65.1%。

总体而言，这些结果支持了以下假设：在手机快速普及的背景下，非手机用户对医疗保健的可及性较低。贫困家庭在整体医疗、私人医生和药剂师方面的可及性与地区层面或个人层面的手机普及呈负相关。相比之下，富裕农村家庭的医疗可及性在很大程度上不受这些发展的影响。

5. 讨论

5.1. 局限性

尽管我在上一节中已经暗示了对结果的可能解释，但在讨论其意义之前，必须至少考虑分析中的三个重要局限性。首先，控制家庭医疗可及性的疾病严重程度由调查机构而非受访者本人定义，这可能存在问题。个人。个体最初寻求医疗的决定更可能由其自身的观察和对适当卫生行为的社会共识所驱动，而不是由医生和研究人员后续的诊断所决定（比尔斯，1976：184–185；古利福德等，2002：187）。尽管这可能会削弱控制变量对“轻微”和“严重”疾病预测能力的准确性，但这些变量仍具有统计显著性，并改善了模型拟合度。将二元疾病严重程度指标替换为患有“轻微”和“严重”疾病的家庭成员数量的稳健性检验并未影响结果。

其次，该面板数据并非随时间变化的印度农村家庭的代表性样本，而是那些在调查期间成员反复患病的家庭的样本。本研究使用的面板结构能够分析在动态的移动通信普及背景下，有患病成员的家庭如何改变其行为，但这留下了一个问题：考虑到样本中只有60.2%的家庭在2005年报告患病，71.7%的家庭在2012年报告患病，“平均”家庭的行为会如何。例如，手机可能使一些人将不适识别为疾病。然而，全部农村样本的平均家庭特征与患病家庭面板相似（见第3节），并且家庭固定效应分析控制了未观测到的、不随时间变化的家庭特征。这使得可以合理推断，与印度普通农村家庭行为的偏差较小。

最后，或许也是最重要的一点，印度人类发展调查（IHDS）的面板数据仅允许对医疗可及性和手机普及指标进行家庭层面分析，这限制了分析的深度。在当前情况下，作为二元变量的家庭层面医疗可及性掩盖了就医行为可能存在的顺序逻辑（巴拉班诺娃和麦基，2002；亨斯根和阿里亚纳，2017a；基巴迪等人，2009；莫沙贝拉、普罗尼克、威廉姆斯、施耐德和卢里，2011；赛赫等人，2008），无法反映潜在的集体医疗决策性质（Peglidou,2010:49），并且作为一个“显现行为”变量，仅捕捉到成功获得医疗服务的情况，而忽略了个人是否曾“寻求”但未能获得医疗保健。考虑到本研究重点是治疗性医疗可及性（在研究期间占医疗支出的五分之四），该分析也无法涵盖健康教育（例如由经认证的社会健康倡导者等社区卫生工作者提供的教育）、预防性医疗（例如疫苗接种）以及其他形式的医疗保健服务（例如安甘瓦迪中心提供的营养服务）。

同样，家庭层面的手机拥有情况并不能完全反映个人对手机的实际卫生相关使用情况。无论是患者直接使用，还是通过第三方间接使用。与健康相关的手机使用有多种形式（例如上门就诊、安排出租车前往医疗机构、呼叫家人支付医院账单），并涉及广泛的医疗保健功能（如预防性的、治疗性的、康复性的）、医疗服务提供者（社区级外展工作人员、护士、公立和私立医生、未经培训的医疗从业者、非政府组织）以及一系列医疗可及方式（步行、雇车、使用等）（海恩斯根，2015b；亨斯根和阿丽亚娜，2015）。通过家庭手机拥有情况（或更准确地说，通过家庭缺乏手机来近似估计此类使用的缺失；亨斯根，2015a：8）来近似衡量与健康相关的手机使用，从而阻碍了对手机普及如何与医疗可及