周德水 党思琪
1.安徽财经大学财政与公共管理学院 安徽合肥 233030 2.中国人民大学公共管理学院 北京 100872
根据国家卫健委2021年公布的数据显示,中国人均预期寿命、婴儿和孕产妇死亡率分别为77.3岁、5.6 ‰和17.8/10万,衡量国民健康水平的三大指标已整体居于中高收入国家前列。并且随着中国社会经济向高质量发展转型,人民群众对健康需求的多样性和多层次性也逐渐提升,在看好病的基础上更希望得到个性化、高质量的医疗服务。然而,中国人口老龄化带来医疗费用快速增长以及社会基本医疗保险可持续性发展面临巨大挑战,使个人、家庭的医疗费用负担也在不断增加。这既有悖于“健康中国战略”建设的初衷,也对人民群众的健康保障提出了严峻挑战。因此,研究中国居民健康的决定因素具有重要的现实意义。
在促进居民健康的政策选择上,中国政府将商业健康保险定位为社会医疗保险的有益补充[1],并已成为满足人民群众对美好健康向往的重要制度保障。商业健康保险以自愿参保的居民为保障对象,参保人在生病或受伤时,保险公司按照合同约定的比例支付其医疗费用,进而减少了个人高额的医疗费用支出,增强了居民持续的健康投资能力。中国政府一直重视和鼓励商业健康保险的发展。2009年5月,保监会发布的《关于保险业深入贯彻医改意见,积极参加多层次医疗保障体系建设的意见》中提出大力发展商业健康保险,满足多样化的健康保障需求。2014年10月,国务院出台《加快发展商业健康保险的若干意见》,提出扩大商业健康保险的供给,全面推进商业保险机构承办居民大病保险。党的十九大、十九届五中全会以及《十四五规划纲要》均提出,建立多层次社会保障体系,实施健康中国战略。健康中国战略不再单纯是以疾病治疗为目的,费用报销为手段的治疗服务,而是建立覆盖人群更广、服务更加连续、范围更加细化的健康服务。由此可见,商业健康保险对于提高人民群众的健康水平、满足人民群众多层次健康需求以及助力推动“健康中国2030”战略目标的实现均具有重要价值。
虽然在中国学术界商业健康保险在医疗保障体系中的重要性已经获得一致认同[2-5],但由于中国商业健康保险的覆盖率仍处于较低水平,目前系统评估中国商业健康保险对城乡参保居民健康影响的文献尚不多见。本文将基于截面倍差法(DID)与倾向得分匹配法(PSM)等研究方法,估计商业健康保险对城乡参保居民的健康效应,并对这种效应进行异质性检验,在此基础上提出进一步促进商业健康保险健康发展的若干思考。
国际上,关于商业健康保险对健康影响的实证分析比较丰富,不过研究尚存在争议。有研究认为参加商业健康保险可以在不同程度上减少老年人身患疾病的风险。[6,7]有学者基于越南的一项家庭调查数据,指出越南政府实施的自愿医疗保险计划显著提高了穷人获得医疗服务的机会,促进了穷人健康的改善。[8]此外,美国私人健康保险制度可以显著提高参保个人的健康水平[9,10], Simon评估了美国医疗补助计划的有效性,认为扩大健康保险覆盖范围,有利于提高低收入和无子女成年人获得健康的机会,并且能够增加他们的健康防范意识。[11]
但也有研究指出商业健康保险除了对低收入人群的高血压症状有所改善外,对整体的健康获得机会并没有显著影响。[12,13]也有学者指出健康保险虽然可以改善某些特定群体的健康状况,但是需要投入大量的社会资源才能有效论证健康保险的健康效应是存在的。[14]有研究基于美国健康与退休调查报告数据,发现无论之前是否参加商业健康保险,参保者和不参保者在65岁时的自评健康状况没有明显差距。[15]除此之外,一项对南非 2013—2015年665名样本的研究发现,商业健康保险对肺癌的早期治愈率并没有显著效果。[16]加纳的国民健康保险制度虽然降低了个人在过去14年间的自付支出,但由于加纳存在高昂的医疗成本问题,所以难以缓解参保家庭的医疗支出。[17]
受到中国具体国情的影响,国内学者重点关注社会医疗保险制度对参保人健康的影响,且尚未达成一致。其中一项比较有代表性的研究成果指出,我国社会医疗保险的制度设计应侧重于满足老年人的医疗需求,以进一步改善老年人的健康水平。[18]也有学者认为中国城镇居民基本医疗保险制度显著促进了参保个人的健康。[19]并且无医保的“医保夹心层”群体的健康状况较差。[20]然而,部分学者的研究指出社会医疗保险并未能促进健康。[21-23]尤其新农合参与不仅提高了不健康行为的倾向[24],而且加剧了未成年人的健康不平等[25]。
关于中国商业健康保险的相关研究,质性层面较多分析商业健康保险的重要性。譬如有学者将商业健康保险定位为中国医疗保障体系的“第三支柱”[2],也有学者认为我国“新医改方案”将其定位为中国医疗保险领域建立公私伙伴关系的重要举措。[3]但也有学者认为商业健康保险不应是社会医疗保险的简单补充,而应成为其必不可少的组成部分。[26]当前,我国医疗体制改革应该从“小医保”向“大医保”转型,即充分发展商业健康保险对社会医疗保险的补充作用,才能满足人民群众日益增长的健康需要。[5]但是商业健康保险也面临着欺诈方面的道德风险问题。[27]
在实证分析层面,关于商业健康保险对健康的影响仅在近几年才获得关注。有研究基于中国健康与养老追踪调查(CHARLS)数据,分析中老年人参加商业健康保险的健康绩效,指出商业健康保险能够改善参保中老年人的健康水平。[28]有研究则立足于中国健康和营养调查(CHNS)数据,指出商业健康保险能够显著提升居民的健康水平。[29]此外,也有学者通过中国省级面板数据,发现人均商业健康保险保费的增加会显著降低中国居民的人均健康支出成本。[30]
综合上述文献可以看出,国内外学者对于商业健康保险与健康之间的关系研究虽然存在一定分歧,但研究成果可以为本文进一步探索提供良好的基础。虽然仅有的数篇文献论证了商业健康保险存在的健康效应,但由于商业健康保险在我国的覆盖率仍然处于较低水平,学术界利用实证方法研究商业健康保险对居民健康的影响仍然较为缺乏,这为本文研究提供了一定的拓展空间。
本文的主要目的在于:(1)利用2015—2017年中国综合社会调查(CGSS)数据,估计商业健康保险影响居民健康的微观效应,为商业健康保险与健康之间的关系提供经验证据;(2)基于截面倍差法(DID)与反事实估计的倾向得分匹配法(PSM)对健康效应进行再估计,为评价商业健康保险的健康效应提供稳健性支撑;(3)与已有研究不同的是,本文发现商业健康保险虽然能促进健康,但对居民健康的影响存在较强的群体差异,尤其对低收入群体健康的促进效应并不十分明显。
本文数据来源于中国人民大学发布的2015年和2017年中国综合社会调查(CGSS)数据。该数据是我国第一个综合性的在全国范围内开展的大型微观调查项目,每期对全国一万多个家庭进行调查,内容涉及个人经济特征、家庭经济变迁、职业特征、社会认同感以及健康等多方面内容。CGSS涵盖了全国28个省、自治区和直辖市,具有广泛的全国代表性,为论证我国商业健康保险的健康效应提供了可靠的数据支撑。根据研究需要,本文选择18~59岁的样本作为研究对象,在剔除了相关缺失值和不符合研究要求的样本并控制全部变量后,使用的样本总量为15 401个。
本文被解释变量是受访者自评健康。根据问卷设计,将受访者对自评健康的回答为“非常差、比较差、一般、较好和比较好”,依次赋值为1~5。受访者自评健康的均值为3.771 9,说明样本中绝大多数受访者的健康状况处于“一般”和“比较好”之间,但也有相当比例受访者健康状况不佳。
本文的解释变量是商业健康保险,CGSS问卷中询问了“您是否有商业健康保险”,在具体研究中将回答为“有”赋值为1,回答为“无”赋值为0。样本中有商业健康保险的比例为13.23%,这与中国保险行业协会公布的全国商业健康保险覆盖率仅为10%的水平相接近。表1是有商业健康保险和无商业健康保险两类样本的健康均值比较。可以看出,有商业健康保险的健康均值是4.012 1,无商业健康保险的健康均值为3.735 3,两者差值为0.278 6,说明有商业健康保险的居民其健康均值整体更高。
表1 有商业健康保险与无商业健康保险的健康均值比较
在控制变量的选择上,本文列入了个人特征、家庭特征、社会经济特征等。其中,个人特征包括性别、年龄、受教育程度、婚姻和户籍特征;家庭特征包括家庭规模、家庭经济级别以及家庭是否拥有小汽车;社会经济特征则包括社会交往的频繁程度、互联网使用以及股票投资和社会公平感。变量详细定义与描述性统计见表2。
表2 主要变量定义与描述性统计
由于本文关注的受访者自评健康变量属于有序排列的五分类变量,本文首先基于Ordered Logit模型,考察商业健康保险对居民健康的影响。具体设置以下方程:
Y*=γ0+γ1CMIi+γ2Xi+μi
(1)
式(1)中,Y*表示受访者自评健康状况,CMIi(Commercial Medical Insurance)是本文重点关注的解释变量即商业健康保险。Xi是一系列控制变量,γ1、γ2表示待估参数,μi表示随机误差项。
但是,上述回归仅能表示一种相关性,说明商业健康保险与居民健康之间存在显著的相关性,并不能作为因果关系进行解释。这是由于CMI很可能是内生解释变量,比如健康水平较高的个体可能正是商业健康保险发挥了作用。对此,本文采用截面倍差法(DID)进行估计。设置如下方程:
Y*=α0+α1CMIi*Ti+α2Ti+α3Xi+θi
(2)
式(2)中Ti可以看成实验期虚拟变量,即(T=1表示时间效应为2017年;T=0表示时间效应为2015年);CMIi*Ti是截面倍差法的估计量,在两期混合截面数据中代表商业健康保险的健康效应特征。截面倍差法与式(1)相比,优点在于构建时间效应与参保变量的交叉项,并采用省份层面的聚类稳健性标准误,能够同时控制分组效应(group-specific effects)与时间效应(time-specific effects),从而能够较好的估计参加商业健康保险对居民健康状态的影响。
此外,本文进一步采用基于“反事实”框架的倾向得分匹配法进行稳健性论证。该方法通过计算得分因子,依据样本中的相似特征进行匹配,将参与组和控制组的两组样本进行配对,通过估计没有参加商业健康保险的这类群体,以及如果参加的话其结果如何影响这一反事实推断,估计出商业健康保险对健康影响的平均处理效应(ATT)。ATT具体计算公式如下:
ATT=E(Y1i|Ii=1)-E(Y0i|Ii=1)
(3)
式(3)中,Y1i表示有商业健康保险的居民其健康水平值,Y0i表示假设参与组中的样本没有参加商业健康保险的健康水平。由于Y0i并不能直接被观测,所以通过反事实对E(Y0i|Ii=1)即ATT的值加以观测,即为反事实推断的净效应。
表3是商业健康保险对我国居民健康影响的基准回归。本文以Ologit模型作为基础回归模型,列(1)与列(2)仅分别加入个人特征与家庭特征,发现商业健康保险能够显著提升城乡参保居民的健康水平。列(3)中加入社会经济特征,结果显示商业健康保险的健康效应仍然存在。进一步,模型四中控制省份效应与时间效应,商业健康保险仍然在1%的统计水平上显著为正。这些结果说明,相对于没有商业健康保险的居民,参加商业健康保险具有正向且显著的健康效应,即参加商业健康保险能够显著促进居民健康,提升居民健康水平。表3中主要控制变量与预期结果基本保持一致,但由于控制变量不是本文的核心关切,在此不做引申讨论。
表3 商业健康保险对居民健康影响的基准回归
虽然表3中给出了商业健康保险能够促进居民健康的回归结果,但直接的Ologit回归可能因内生性问题导致结果不够稳健。对此,本文引入截面倍差法克服内生性问题,使得回归结果更趋于因果解释。
如式(2)介绍,截面倍差法关注交互项的系数。表4回归结果显示,列(1)仅控制个人特征,发现处理效应的系数显著为正,说明商业健康保险对健康影响的正向效应存在。列(2)中加入家庭特征,结论仍然一致。列(3)进一步控制社会经济特征,处理效应的系数仍然为正,且通过了5%的显著性检验,表明在采用截面倍差法控制因果效应后,商业健康保险可以有效提升参保居民的健康水平,进一步证实了本文的基准结论。
表4 截面倍差法的估计
本文进一步采用基于反事实推断的倾向得分匹配法(PSM)进行稳健性检验。常见的倾向得分匹配法有最近邻匹配、半径匹配和核匹配。结果如表5所示,基于最近邻匹配在匹配后的ATT值为0.050 4,且在1%的统计水平上显著,即商业健康保险能够使居民健康水平显著提升5.04%。为了进一步验证最近邻匹配结果是否稳健,本文同时估计了半径匹配和核匹配的估计结果,结论仍然显著为正。整体来看,商业健康保险能够显著促进居民健康水平。
表5 倾向得分匹配的估计结果
由于倾向得分匹配需要通过样本的平衡性检验,即检验在样本匹配后是否符合条件独立分布假设。结果显示,绝大多数变量在匹配前P值显著,匹配后不再显著,并且匹配后样本标准偏差均小于10%,说明样本特征值在较大程度上获得消除,匹配结果能够较好的平衡数据。表6的整体匹配指标前后对比结果显示,由Logit模型估计的伪R平方在匹配后为0.001,这说明样本由“反事实”框架构建的匹配变量对商业健康保险参与的影响幅度大幅下降,即匹配变量对中国居民是否参与商业健康保险的解释力非常微弱,这证明商业健康保险的个人参与在匹配后符合条件随机假设,倾向得分匹配法的估计质量得到保障。
表6 匹配结果的平衡性检验
商业健康保险能够促进居民健康水平。但上述检验是整体效应,并没有考虑不同群体的异质性。根据商业健康保险的现实特征,本部分将基于截面倍差法从年龄、收入与区域三个方面进行分组考察,以检验商业健康保险影响的异质性。
(1)按年龄分组。从表7可以看出,商业健康保险对40岁以上居民健康的影响显著高于40岁以下居民。40岁以下群体属于青壮年群体,拥有商业健康保险会增进其对健康风险的认知,形成良好的健康风险预防意识,有利于促进健康;但相对而言,青年群体的健康人力资本存量还没有产生较大损耗,同时,青壮年整体疾病风险发生率相对较低,所以商业健康保险对其健康的直接促进效果会减弱。对于40岁以上居民,他们购买商业健康保险对其健康具有显著正向影响,这可能是商业健康保险发挥了重要作用。一方面,考虑到目前商业健康保险中较大比例为重疾险,所以40岁以上居民中更健康的群体更容易买到健康保险;另一方面,年龄增加导致健康和疾病风险的发生率逐渐提高,商业健康保险可以对该群体因疾病冲击所产生的经济负担提供较大幅度的补偿,有利于提高该类群体对健康的持续投资能力。
表7 基于截面倍差法的异质性检验
(2)按收入层次分组。本文将月收入低于2 000元划分为低收入样本,结果显示,在低收入样本中商业健康保险的系数为正,但没有统计显著性。在中高收入组中,商业健康保险在1%的统计水平上显著为正,这说明商业健康保险具有“嫌贫爱富”的特征,对中高收入群体的健康效应要显著高于低收入群体。对于低收入群体而言,限于经济条件和支付能力约束,自身很难选择保障程度较高的商业健康险种,抑或被动接受用人单位提供的档次较低的健康险种,所以整体而言,该类群体参保的商业健康险种补偿水平有限。低收入群体作为弱势群体的组成部分,往往面临着诸多社会风险,对社会缺乏安全感,“畏惧生病、担心失业、难以向上流动等”都是该类群体的现实特征。[31]
与此同时,中国政府提供的社会医疗保险已经基本实现了全覆盖,能够对低收入群体的健康提供较好保障,在一定程度上替代了支付费用更高的商业健康保险的健康保障功能。但是,对于有着较高收入的群体而言,由于商业健康保险有着盈利属性,不同商业医疗险种之间的缴费层次差距较大,较高收入群体有着选择更高商业健康险种的能力,能够为商业健康保险的供给方带来更高的经济效益,所以商业健康保险为高收入群体提供了更高的健康保障。有学者指出我国城镇居民基本医疗保险对高收入阶层的经济促进作用要高于低收入阶层[32],本文结论说明商业健康保险也存在这一效应。
(3)在区域划分上,商业健康保险在中西部子样本回归中在1%的统计水平上显著为正,但在东部地区的子样本回归中并没有显著性统计意义。这说明商业健康保险对健康的促进效应主要在中西部地区。东部地区社会经济发展水平较高,各项社会保障制度也相对健全,并且与健康相关的体育基础设施建设也比较完善,所以商业健康保险发展对东部地区居民健康的“边际贡献”可能不是十分明显。而中西部地区经济发展相对滞后,原有的社会保障待遇水平也相对较低,商业健康保险对个体健康的影响会更加敏感,所产生的“边际贡献”更大。党的十九大提出,发展不平衡不充分已成为人民群众对美好健康向往的主要障碍,如何消除区域间存在的健康不平等现象,已经成为我国政府和学术界共同关注的话题。本研究表明,大力发展商业健康保险,将其作为社会医疗保险的有益补充,有利于助力实现这一目标。
文章基于中国综合社会调查(CGSS)数据,采用截面倍差法(DID)与倾向得分匹配法(PSM)研究了商业健康保险对参保者健康的影响。研究发现:商业健康保险具有正向健康效应,即参加商业健康保险能够显著促进居民健康,提升居民健康水平。通过使用截面倍差法克服因果效应与倾向得分匹配法进行反事实估计发现,商业健康保险对居民健康的正向影响仍然成立。扩展性分析显示,商业健康保险对高收入群体的健康促进效应显著高于低收入群体,且在40岁以上、中西部地区更显著。
本文研究有助于认清商业健康保险对提升居民健康水平的价值与深层影响。在商业健康保险的发展完善方面:首先,国家层面应进一步发挥商业健康保险对社会医疗保险的补充作用。尤其是在社会医疗保险已经基本实现全覆盖的新时代背景下,扩大商业健康保险的覆盖面,可尝试借鉴社会医疗保险的制度设计,为购买商业健康保险的个体提供一定的参保激励,如政府可给予参保者一定的缴费补偿,进而带动参保积极性。其次,商业健康保险提供方应推动商业健康保险的普惠性创新,特别是针对低收入群体的普惠性产品。应降低低收入人群参保的缴费门槛,以拓宽保障范围和保障水平。再者,应促进健康资源公共配置的均等化建设,尤其是向中西部地区倾斜。此外,健康应从青年预防开始,提高青年群体的健康风险意识,进一步扩大商业健康保险的群体适用性,并提升对中老年群体的健康保障程度,进而助力推动健康中国建设。
作者声明本文无实际或潜在的利益冲突。