社会基本医疗保险对家庭消费的影响.docx

社会基本医疗保险对家庭消费的影响.docx

《社会基本医疗保险对家庭消费的影响.docx》由会员分享，可在线阅读，更多相关《社会基本医疗保险对家庭消费的影响.docx（5页珍藏版）》请在冰豆网上搜索。

社会基本医疗保险对家庭消费的影响

社会基本医疗保险对家庭消费的影响

一、问题的提出和文献综述基本医疗保险是当居民生病或受到伤害后，由国家或社会给予的一种物质帮助，即提供医疗服务或经济补偿的一种社会保障制度，是社会保障的重要组成部分。

目前我国覆盖范围最广的基本医疗保险制度分别为城镇职工基本医疗保险、城镇居民基本医疗保险和新型农村合作医疗保险。

根据人社部、卫计委公布的数据，2012年“城职保”“城居保”的参保人数分别为*****万人、*****万人；新农合参合人口8.05亿。

合理的制度设计与补偿方案能够发挥基本医疗保险的健康风险分散作用，减少居民因健康问题造成的经济损失，降低未来支出不确定性，提高当期消费。

而消费是经济活动的起点，是拉动经济健康增长的发动机，不少学者提出，上世纪80年代开始的包括住房、教育、医疗保障、养老体系等一系列改革增加了居民未来的不确定性[1，2]，而启动消费需求的一项关键措施是完善社会保障体系[3，4]。

基本医疗保险作为社会保障体系的核心板块之一，可以在很大程度上降低居民未来医疗保健支出的不确定性，从而提高消费水平。

类似结论在实证研究中获得支持，Carroll[5-7]、Skinner等采用校准与模拟的方法发现未来收入不确定的增加将显著减少当期消费水平。

Zhang和Wan通过分析中国1961～1998年宏观消费数据，认为1984～1998年期间未来收入的不确定性对当期消费有显著负向影响。

由于保险可以降低未来不确定性事件给人们带来的经济上的冲击，因此在一定程度上会减轻预防性储蓄动机。

Hubbard、Skinner等学者指出社会保障体系的健全，往往伴随着居民储蓄水平显著降低。

Chou和Liu等将未来医疗花费的不确定性引入居民预算约束，得出居民最优的消费路径受医疗花费的不确定性的影响。

Gruber、Yelowitz等研究发现20世纪80年代中后期，美国Medicaid医疗保险条件的放宽使低收入家庭持有的财产降低17.7010，消费升高5.2010。

一直以来都有学者研究中国基本医疗保险制度的得失、医疗保障对经济增长和家庭消费的影响，理论研究成果丰硕；实证分析里绝大多数采用宏观加总数据，而此类数据规模受限并且缺少更丰富的个体信息和差异。

采用微观入户调查数据对社会基本医疗保障政策效应进行经验研究日益增多，马双、臧文斌等通过对比CHNS数据2004年、2006年参合家庭与未参合家庭各营养物质摄人量，发现新农合将显著增加居民热量、碳水化合物以及蛋白质等营养摄人量，以此推断新农合一定程度上减少农村居民未来不确定性。

李湘君等使用CHNS数据分析认为新农合提升了农民对医疗服务的有效利用，同时也提高了参合农民的健康水平，但这种影响首先惠及中等收入人群，之后这扩大到低收入和高收入的参合农民。

李燕凌等利用湖南省七个县1203个农户样本数据研究表明，新农合提高了门诊服务利用效率且改善了服务公平性，但没有明显改善住院服务利用水平与公平性。

臧文斌、刘国恩等采用2007年、2008年国务院中国城镇居民基本医疗保险入户调查九个城市的面板数据进行计量分析，参加城居保的家庭的年非医疗消费支出比未参保家庭约高13.0010，医疗消费没有发生显著变化，参保对低收入家庭的非医疗消费影响最大。

同样利用国务院城居保调查数据，胡宏伟等发现2008～2010年城居保没有显著改善城镇居民健康，但显著促进了低健康群体的健康改进，其中主要是促进了老年人和低收入低健康者的健康改进。

方匡南等选用*****6年调查数据，以基本养老保险和医疗保险的并集作为社会保障的代理变量，认为有社会保障的家庭人均消费高于无社会保障家庭。

现有基于微观调查数据的经验研究的研究对象多为单项医疗保险，实证分析内容集中在近10年内试点、推广而后实现高覆盖的“新农合”和“城居保”两类对居民健康和福利的改善情况，针对基本医疗保险对消费的总体促进作用的讨论依然不充分。

从研究方法上看，较多采用线性回归、双重差分分析、倾向分数匹配等模型，回归分析不可避免地遇到变量的内生性问题，无保险人群参保存在一个逆向选择过程，而居民是否参保还受到年龄、职业、健康状况、收入、风险偏好等多方面因素的影响。

另外，限于数据可得性，较少有实证研究选择2012年以后调查数据。

基于上述背景，本文利用北京大学中国社会科学调查中心执行的中国家庭追踪调查（ChinaFamilyPanelStudies，CFPS）最近两期调查数据，以倾向匹配分析法逼近“准随机化实验”，构造了反实事分析框架，估计基本医疗保险对城乡家庭消费支出的影响。

本文在以下两点区别与以往的实证研究，一是囊括多个保险项目考察医保整体对于家庭消费的影响，二是控制住不随时间变化的影响因素和个体的逆向选择。

接下来的第二部分介绍基于双重差分的倾向分数匹配研方法，协变量的选择和描述性实事；第三部分是实证研究过程，包括实证结果的比较与讨论，最后给出结论与建议。

二、方法、数据与变量选取

（一）研究方法评估某一公共支出项目或公共品的分配效应需要测量参加者取自项目的“净获得”（参与人和非参与人的“净获得”之差）。

项目参加人的数据不难收集，而非参加人的数据基本不可观测，因为一个人不能同时处于参加和非参加两种状态，非参与人可能包括那些想参加却因为供给不足无法参与的个体，这是因果推断中常见的基本问题。

为了从大量的同期的非参加人中抽取统计意义上可比的对照组，本文应用了倾向分数匹配方法（Rosenbaum和Rubin，1983）19（以下简称PSM）。

PSM方法的优点还有一条是自然地考虑该项目效应的内生性问题，医保政策成功与否的评估很显然地需要取决于参保前居民消费的条件分布。

1.倾向分数匹配方法（PSM）。

参保家庭若是没有这种保障，消费支出怎样？

这是个反事实的概念，只要参与者（干预组）和非参与者（对照组）具有相同的非观测特征分布，PSM方法便是有效的。

评估政策作用组平均处理效应（AverageTreatmentEffectontheTreated，ATT）的基本思路是比较政策实施前与实施后作用组和对照组对于某项结果变量（outcome）的差异，以此作为政策的“净效果”。

根据Heckman和Robb给出的定义，医疗保障对居民消费的“净效果”（ATT）可表示为：

Yl代表样本在拥有医疗时的产出（消费），Yo代表样本在没有医疗保障时的产出；treat为虚拟变量，用来代表是否拥有医保，干预组取值为1，对照组取值为O；E为期望值。

用式

（1）估计ATT存在数据缺失问题，所以需要假设一种拥有医保的个体在没有医保时的情形，即反事实情形。

没有医保的个体的产出属于可测数据，通常以这一群体构造对照组以便分析反事实情形。

但是除了医疗保障制度外，居民的消费行为还受到经济、教育、人口统计学特征等混杂因素（confounders）的影响；居民参不参加医保，存在被选择或自我选择的过程，必需要求结果变量（因变量）、虚拟变量以及协变量①满足独立条件假设，如下所示：

式（3）中的E[Y0]Jtreat=1，X]和E[ylltreat=o，X]无法实际测算，而等号右侧的两个平均处理效应均可实际测算，反事实效应便借助协变量X推断获得。

为解决过多协变量带来的“维度灾难”，Rosenbaum和Rubin认为可以依靠协变量向量X的概率P（X），即X的“倾向分数”。

这里的P（X）=Prob（treat=1/X）可由受限因变量模型估计获得。

在对照组中寻找与医保作用组中具有类似倾向分数的样本，我们便能在总体中将非参与者匹配给参与者，从而最终获得医保的净效应。

为使得两组成员在倾向值上尽量相似，人们发展出了不同策略的算法来匹配，包括贪婪匹配、马氏距离匹配、最佳匹配以及非参数估计量匹配。

2.双重差分PSM的基本原理。

倾向值匹配还可以被应用于两时点的平衡面板数据，即干预前和干预后的数据分析，以阐明动态形式的政策干预所导致的结果变量的变化，这种方法可以消除不随时间变动的不可测因素对ATT估计的影响。

双重差分PSM最早由Heckman等学者提出，假设有两期面板数据，记政策干预前的时期为t“，政策干预后的时期为t。

在t’期，政策还未发生，所有个体无论处理组还是控制组的潜在结果均记为y0T“。

在时期t，可能有两种情况，如果参保记为yit，如果没参保记为y0t，双重差分PSM成立前提为以下均值可忽略性假定：

如果假设（4）成立，则可以一致地估计ATT：

Nl表示匹配成功的匹配对数；i表示干预组个体；j表示控制组个体；w（i，j）表示用于配对的控制组比重，由不同匹配策略和算法决定。

（二）数据与变量1.数据。

倾向分数匹配方法需要运用大量的、涉及个人和家庭的医保信息、人口特征信息、收入信息等相关数据，相比较而言，微观人户追踪调查会更为适用。

为满足方法要求，本文采用的数据来自北京大学“985”项目资助、北京大学中国社会科学调查中心执行的中国家庭追踪调查（ChinaFamilyPanelStudies，CFPS）。

CFPS旨在通过跟踪收集个体、家庭、社区三个层次的数据，反映中国社会、经济、人口、教育和健康的变迁，为学术研究和公共政策分析提供数据基础。

CFPS样本覆盖25个省/市/自治区，目标样本规模为*****户，调查对象包含样本家户中的全部家庭成员。

2.变量选取。

许多研究中判断家庭是否参保的方法为：

家庭成员中至少有一人享有医保即认为整个家庭为医保家庭，将干预变量设为1；所有家庭成员均没有医保的，则该家庭的干预变量为0。

这类文献以单一医保项目的政策效应为研究目标，而本文旨在将现有各类医保项目纳入同一视野，设定统一的研究框架评估“医保”这一公共品对家庭消费的影响，因此需要找到合适的变量代理家庭参加医保的程度。

2012年CFPS调查数据中合适的家庭数为*****户，医保覆盖率达到92%，分城镇和农村的话，覆盖率分别为95%和87%，从卫生和计划生育委员会公布的数据看，2012年底我国新型农村合作医疗覆盖率已达95%，在三大类医保尤其是新农合已经几乎实现制度全覆盖的背景下，若采用以往的设定方法，会造成干预组样本数明显超过对照组样本数以致配对失败的情形；更重要的是，笼统地以个体代表家庭，免不了以偏概全，忽视了个体间的差异对这个家庭的影响，使得估计精度大幅度降低。

基于以上分析，本文在构造干预组和对照组数据集时，突出家庭只有一人参保和家庭多成员参保这些情行之间的差异，即提出家庭内部医保参与率这一概念，在设定干预变量时将家庭内部医保参与率作为阀值。

设t为干预变量，代表家庭是否享有医保，表达式如下：

t=1时该家庭参保，反之则为O；内部医保覆盖率=家庭成员中参保人数÷家庭成员总数；阀值66.7010是所有样本家庭内部医保参与率的简单算数平均数，且城镇和农村数值接近。

CFPS数据没事先规定“户主”这一概念，因此本研究适时选取“家庭问卷受访人”或“最熟悉家庭财务的成员”1作为户主的替代变量，以满足实证研究需要。

循着调查本身的思路，处理“年龄”变量时计算户内平均数。

2012年CFPS原始调查问卷包括*****个家庭样本和*****个成人样本，2010年分别是*****和*****。

经过整理，筛选出那些连续两期接受调查、2010年没有医保、2012年仍有未参保的家庭，以此适应双重差分分析对于平衡面板数据的要求；然后将2010年没有医保而2012年参保的家庭划人干预组数据集（t=l），2010年和2012年均未参保的家庭划入对照组；介于中国巨大的城乡差距这一社会现实，本文自然区分城镇家庭和农村家庭。

由此得到城镇干预组样本数770、对照组样本数990；农村分别为686、3430。

根据定义，倾向值代表了协变量向量。

为了获得政策实施的净效应，需要控制住所有可能与政策实施效果相关的其他各类影响因素。

协变量中既有包括影响居民参保的因素，也涵盖影响居民消费和储蓄的因素，医疗保险是非免费的公共品，需要居民支付一定费用才能获得，居民是否参保有自我选择的可能，非正规就业的居民是否参保也会受雇佣单位制度所限；居民对自身健康状况预判较差有可能积极参保，地方政府宣传政策有力