中国城乡居民基本医保整合政策对商业健康保险发展的影响——基于PSM-DID方法的实证分析

胡 祁，朱铭来

(1.浙江财经大学公共管理学院，浙江 杭州 310018；2.南开大学金融学院，天津 300350；3.南开大学周恩来政府管理学院，天津 300350)

一、引 言

商业健康保险是基本医疗保障制度的重要补充，对我国居民防范疾病风险、提升健康水平具有重要意义。我国商业健康保险近年来取得了长足发展，逐渐形成了较为成熟的健康险市场。从保费收入来看，2019年我国健康险收入达9066亿元人民币，是1999年(36.54亿元)的248倍，年均增长率为31.74%。此外，2019年健康险保费收入占人身险保费收入的30.6%，基本符合国际成熟保险市场的标准(30%左右)。商业健康保险的迅猛发展得益于我国政府一直以来的高度重视，释放政策红利以及不断强调其与基本医疗保险的协调发展。2014年《国务院办公厅关于加快发展商业健康保险的若干意见》(国办发〔2014〕50号)鼓励商业保险机构加快研发医疗险、疾病险、失能收入险等险种产品，还提出商业健康保险应与基本医疗保险实现衔接互补。2016年1月《国务院关于整合城乡居民基本医疗保险制度的意见》(国发〔2016〕3号)(以下简称整合政策)明确要求整合我国城镇居民基本医疗保险和新型农村合作医疗两项制度。该政策有利于提高居民的医疗保障待遇。居民医保待遇的提高可能带来更高的筹资压力以及更大的财政负担，在财政压力的作用下可能会倒逼商业健康保险的发展，以缓解医保基金的运行压力。本文从居民商业健康保险需求角度出发，分析整合政策的出台在居民医疗保障待遇提高和财政压力的作用下是否促进了商业健康保险的发展。

二、文献综述

国内外已有学者对商业健康保险与基本医疗保险之间的内在联系和作用进行了研究。许多欧洲国家通过削减公共医疗保险计划来减轻财政压力，而美国则是通过降低商业健康保险扩张来抑制医疗费用上涨，以扩大公共医疗保障的覆盖面[1]，可见社会医疗保险与商业健康保险之间存在一定的相关关系，且这种关系受国情影响。Cutler和Jonathan(1996)研究了医疗救助制度和健康保险的关系，发现扩大医疗救助的覆盖范围会挤出一定的商业保险需求[2]。但此后Gruber和Simon(2008)通过更全面的研究发现，当个人获得医疗救助的资格发生变化时，挤出效应并不大[3]。国内也有不少学者通过实证研究发现，社会医疗保险制度对商业健康保险会产生显著的正向作用。王向楠(2011)采用全国省级面板数据进行实证分析得到，中国社会医疗保险制度不仅没有挤出商业健康保险，反而正向推动了商业健康保险的发展[4]。刘宏和王俊(2012)基于中国健康与营养调查微观数据的研究发现，中国城乡社会医疗保障制度对居民的商业健康购买行为有显著促进作用[5]。朱铭来和贵哲暄(2014)基于新医改的政策背景，实证研究得到中国基本医疗保险制度对商业健康保险不是挤出而是促进作用，并在计量模型中采用城镇医保支出代表社会医疗保险保障水平，以此评估新医改政策对商业健康保险的正向影响[6]。彭浩然等(2017)深入研究了我国社会医疗保险与商业健康保险之间的关系，认为地区间社会保险发展程度不同，商业健康保险的需求也不同，在医保覆盖面较广且保障水平较高的地区，社会医疗保险与商业健康保险存在倒U型关系，在医保覆盖面和保障水平中等地区，二者存在互补关系，而在医保覆盖面和保障水平均较低的地区，二者关系不显著[7]。倪澜和冯国忠(2018)采用我国省级面板数据分析得到，城镇职工基本医疗保险制度对商业健康保险有显著的正向作用[8]。谢明明和李琴英(2020)同样采用省级面板数据研究得到社会医疗保险与商业健康保险之间是互补关系，社会医疗保险制度的不断完善会带动我国商业健康保险的快速发展[9]。

此外，国内外许多学者围绕商业健康保险发展的影响因素展开了大量研究，这为我们在实证分析中选择影响商业健康保险发展的控制变量提供了思路。Walque(2007)和Dave等(2008)分别采用不同的研究数据，发现居民的受教育程度与其商业健康保险购买行为显著正相关[10][11]。个体特征因素、健康状况等也会影响商业健康保险需求[12]。经济状况、社会医疗保险参保情况、宏观失业率和价格指数等因素均会影响商业健康保险的发展[13]。希腊的年轻人相比其他年龄层的居民更愿意购买商业健康保险，说明年龄也是一项重要的健康保险影响因素。国内也有不少学者在这方面作出了研究贡献[14]。徐美芳(2006)利用上海市居民健康与服务调查数据，分析得到受教育水平、家庭收入水平、健康状况、社会保险参保情况等是影响中国健康保险需求的主要因素[15]。朱铭来和尚颖(2011)汇总分析了关于商业健康保险的国外经典理论和国内实证研究，将商业健康保险的影响因素概括为个人经济状况、健康状况、受教育程度和基本医保参保情况[16]。张仲芳(2012)借鉴国际经验，提出相关制度设计及定位是影响商业健康保险发展的重要因素[17]。齐子鹏等(2018)基于人口结构对商业健康保险需求进行了分析，得到我国老年抚养比、少儿抚养比、家庭人数、受教育程度等均对商业健康保险需求有显著影响[18]。朱若然等(2018)采用微观数据分析了影响城镇居民同时选择居民基本医疗保险和商业健康保险的相关因素，主要包括年龄、性别、家庭收入水平、受教育水平、工作状况、健康状况等[19]。

总结现有关于商业健康保险的研究成果，还存在可以进一步探讨的方向：首先，大部分研究在分析医保政策对商业健康保险的影响时，主要以医保基金收入或支出变量代表基本医疗保险的保障水平，且多数采用省级面板数据进行分析，很少有研究直接采用政策变量作为核心解释变量，并选择微观个体作为研究对象来探析政策出台前后居民对商业健康保险购买情况的变化。其次，已有研究几乎没有从整合政策的角度来研究商业健康保险发展的变化情况。政策整合基本采用就高不就低的原则，居民的医疗保障水平普遍得到提高，这可能会对商业健康保险产生一定影响，因此有必要对此进行深入研究。再次，已有研究忽视了劳动力流动对居民商业健康保险需求的影响。随着城市现代化进程加速，越来越多的农民工群体从农村涌向城市，人口的流动和迁徙可能会使这个群体的健康状况发生变化，也会受到新环境居民商业健康保险购买行为的影响，因此可能会改变个体对商业健康保险的需求，有必要作为个体的流动特征变量加入研究。最后，整合政策使得居民的医疗需求进一步释放，医疗费用增加[20]，带来医保基金筹资压力的上升。居民医保筹资由政府财政补贴和个人缴费共同构成，这意味着更高的财政压力，但有研究显示商业健康保险在医疗保障筹资体系中的补充作用明显，有利于缓解财政压力[21][22]。因此，过高的财政压力可能倒逼商业健康保险的发展，本文将进一步结合理论模型和实证分析进行论证。

三、理论模型

(1)

0<θ<1，0<σ1<1，0<σ2<1，0<σ1+σ2<1

其中，ρ表示折现率。

个人收入的预算约束为：

(2)

其中，r表示利率。根据式(1)和式(2)构建拉格朗日方程：

(3)

关于购买商业健康保险的一阶条件为：

(4)

(4)式两边对时间求导得：

(5)

整理式(5)后，商业健康保险的增长率公式如下：

(6)

根据以上文献综述和理论模型分析，本文整合2015年和2017年两期CHFS面板数据，并结合宏观居民人均医保筹资数据和人均财政压力数据，采用PSM-DID方法分析整合政策的出台对商业健康保险发展的影响，并以居民商业健康保险保费支出作为被解释变量构建静态面板模型，进一步探究整合政策对商业健康保险需求的影响机理，以及人均财政压力在整合政策对商业健康保险发展的影响中起到的调节作用。最后根据研究结论，结合新冠肺炎疫情期间我国医保基金面临更高财政压力的现状，提出重视商业健康保险发展、构建我国多层次医疗保障体系的重要建议。

四、数据处理、变量设定及研究方法

(一)数据来源和主要变量的描述性统计

本文使用的微观数据来源于中国家庭金融调查(CHFS)。CHFS目前最新公布的数据为2017年第四轮调查样本，主要覆盖我国内地29个省份(除西藏和新疆)，355个区县，样本规模达到40011户家庭和127012个个体。考虑到整合政策是2016年1月发布的，本文选择CHFS2015和CHFS2017数据进行分析。

在政策效应分析的PSM-DID模型中，被解释变量为居民商业健康保险保费支出，表示居民的商业健康保险需求，核心解释变量为政策虚拟变量和时间虚拟变量的交乘项，政策处理时点为2016年，2015年赋值为0，2017年赋值为1。CHFS2015和CHFS2017调查问卷中相关内容显示，2015年处于居民医保整合省份并参保新农合或城镇居民医保的样本个体，本应在2017年报告参保城乡居民基本医疗保险，但实际只有很少的被调查者明确了这三者关系并作出正确回答，如果直接使用微观数据可能会存在很大误差，因此本文采用宏观层面的医保整合数据代入微观数据库的个体样本进行分析。根据2016年和2018年的《中国卫生健康统计年鉴》，报告新农合数据的省份尚未实现城乡居民医保整合，CHFS中处于该省份的样本个体赋值为0，其余赋值为1。2015年天津、浙江、广东、重庆、山东、青海、宁夏7个省份已经实现了医保整合；2017年辽宁、吉林、安徽、贵州、陕西5个省份仍有新农合数据，未完全实现医保整合。

控制变量分为个体特征、保险与健康状况、职业特征、流动特征四类。个体特征包括性别、年龄、婚姻、户口、教育水平、家庭规模；保险与健康状况主要指居民的基本医保参保状况、商业寿险购买情况以及过去一年的健康状况(自评健康、是否住院)；职业特征包括就业单位、就业身份、日均工作时间、工作年限和收入水平；流动特征包括流动范围和流动时间。

主要变量的描述性统计分析见表1。

表1 主要变量的描述性统计

(二)倾向性得分匹配和双重差分方法(PSM-DID)

整合政策的实施构成了一项准自然实验，可以采用双重差分法(DID)评估政策实施效果。但实践中难以直接区分居民购买商业健康保险的行为是受政策影响还是自我选择的结果，会导致传统DID模型存在样本选择偏误的内生性问题。Rosenbaum和Rubin(1983)提出的倾向得分匹配(PSM)法能够较好地解决该问题[24]。基本思想是，考虑一个样本是否受到整合政策的影响，通过构建Logistic回归模型计算每个居民受到整合政策影响的概率(即倾向得分)，然后将得分接近的样本进行匹配，并将没有匹配对象的样本剔除，那么剩余样本就具有了同质性。因此本研究以PSM-DID方法为主分析整合政策对商业健康保险需求的影响。

本文将2016年之前未整合、2016年后整合了城乡居民基本医疗保险的省份作为实验组，将2016年前后均未实现医保整合的省份作为对照组，在满足平行趋势假设的前提下构建传统的面板DID模型：

(7)

其中，premiumit代表省份i在时期t的居民商业健康保险保费支出。policyit表示省份i的政策虚拟变量，已经实现医保整合的省份取值为1，未实现医保整合的省份取值为0。yearit为时间虚拟变量，政策时点2016年之前取值为0，2016年之后取值为1。对照组在2016年前后的居民商业健康保险需求变化为α2，即为时间效应。实验组在2016年前后的居民商业健康保险需求变化为α2+α3，其中α3为分离时间效应后的政策效应，即本文的主要考察对象。Zit为控制变量，εit为随机误差。

以往关于政策效应的研究多采用双重差分法，这一方法虽然能够在一定程度上消除遗漏重要解释变量带来的内生性问题，却忽视了样本选择性偏差导致的内生性问题。为此，本文采用PSM方法，通过Probit或Logit模型将多个协变量与政策实施概率联系起来，降维得到一个倾向得分值[24]。本文用以匹配的倾向得分为：

Pi(X)=Pr(policyit=1|Xi)=F[f(xi)]

(8)

其中，Xi表示第i个省份的协变量集。居民的个人特质、参保与健康状况、经济水平、缴费能力、政府财政压力等是整合政策实施的重要条件，因此文本选取个人特征变量、保险与健康变量、经济特征变量、流动特征变量以及居民医保人均筹资和人均财政压力变量作为协变量。f(xi)为线性函数，F[·]是Logit函数。式(8)通过Logit函数将多个协变量进行降维得到各省份实施整合政策的概率，即倾向得分。

根据上述分析，本文在利用PSM匹配到与处理组最接近的控制组样本时，采用匹配后的处理组和控制组进行DID回归，具体模型如下：

(9)

本文采用一阶最近邻匹配方法进行实验组和对照组的一对一匹配，匹配时在未实现医保整合的省份中选出与已实现医保整合的省份倾向得分值相近的个体作为对照组。通过式(9)对匹配后的实验组和对照组进行双重差分估计，可测变量也将作为控制变量加入双重差分模型中进行估计。

(三)基于调节效应的机制分析

本文结合理论模型，基于调节效应分析原理，在进一步考察城乡居民基本医保整合政策对中国居民商业健康保险需求的影响机理时，引入政策变量和人均财政压力的交乘项作为核心解释变量，分析财政压力在整合政策对商业健康保险需求的影响中起到的调节作用。

调节效应是一种有因果指向的交互效应，调节变量一般不受自变量和因变量的影响，但可以影响自变量和因变量[25]。在统计回归分析中，检验变量的调节效应意味着检验调节变量和自变量的交互效应是否显著。本文分别以居民商业健康保险保费支出和是否购买商业健康保险作为被解释变量。商业健康保险保费支出为连续变量，分别采用面板随机效应模型(RE)、固定效应模型(FE)、混合回归(pooled)进行实证分析。是否购买商业健康保险为类别变量，且本研究关注的个体因素、健康与保险因素、职业因素、流动因素等对商业健康险需求的影响可能并不是线性的，本文采用Logistic回归模型进行估计，并将该估计结果用于稳健性检验。两类模型设定如下：

以面板固体或随机效应回归模型为例：

(10)

居民商业健康保险保费支出以premiumit表示。以financeit为调节变量，表示人均财政压力，人均财政压力与政策虚拟变量的交乘项为调节效应，以此探究整合政策对商业健康保险需求的影响是否受到财政压力的调节作用，重点考察回归系数α3。Zit为一系列控制变量，ui为代表个体异质性的截距项，εi代表随机扰动项。统计学处理采用Stata15.1软件。

在以是否购买商业健康保险为被解释变量的稳健性检验中，采用Logistic回归模型进行估计，该模型是离散选择模型的常用模型，设定为:

(11)

是否购买商业健康保险以comheait表示。comheait是二分类变量，当观测到购买了商业健康保险时取值为1，否则取值为0。在各解释变量的作用下，购买商业健康保险的概率如下：

(12)

对式(12)进行变换，Logistic回归模型可以表示为：

(13)

五、PSM-DID模型实证结果及相关检验

(一)基础回归结果：传统DID模型分析

表2汇报了采用随机效应模型、固定效应模型、混合回归得到的传统DID模型回归结果，其中核心解释变量did即为政策虚拟变量policy和时间虚拟变量year的交乘项。三个模型的回归结果均显示did的回归系数显著为正，表明整合政策对居民商业健康保险需求有显著的促进作用。

表2 城乡居民基本医保整合对商业健康保险需求的影响：DID模型

(二)基于PSM-DID方法的实证检验

为解决样本选择性偏差的内生性问题，使用一对一临近匹配法对实现居民医保整合省份与未实现整合省份的样本进行倾向得分匹配，参考陈强(2014)的做法[26]，将个人特征变量、保险与健康变量、经济特征变量、流动特征变量以及居民医保人均筹资和人均财政压力作为匹配使用的协变量。除个别变量外，其余协变量均通过了Logistic回归的显著性检验，表明协变量选择有效。

根据匹配前后实验组和对照组倾向得分的密度分布可以看出，经过PSM后处理组和对照组之间的倾向得分分布差异较小。同时，PSM检验结果还显示匹配后协变量标准偏差值明显降低，且大部分样本都处于共同支撑域(1)因篇幅限制，未报告PSM检验结果，作者备索。，因此经匹配后的对照组样本符合作为处理组的反事实个体的条件，可以为双重差分筛选出理想样本。

进一步采用PSM-DID方法分别进行随机效应、固定效应、混合回归模型的估计。表3结果显示，核心解释变量did的估计系数均显著为正，表明上述传统DID模型的回归结果是稳健的，整合政策的实施对商业健康保险需求有显著促进作用。根据过度识别检验和F检验结果可知，稳健的随机效应模型最优，从该模型的控制变量回归结果来看，大部分估计系数都通过了显著性检验，与DID模型保持一致。变量edu、com和incom的回归系数均显著为正，说明受教育程度、商业寿险购买行为和工作收入对居民商业健康保险需求均存在显著的正向作用。变量hosp、fami、id和wd的回归系数均显著为负，说明健康状况、家庭规模、农业户口、日均工作时间对商业健康保险需求存在显著的负向作用。具体来说，健康状况越好，商业健康保险需求越低，体现了市场中存在的逆向选择现象；家庭规模越大、居民负担越重，对商业健康保险的需求越低；农村户口相对城镇户口对商业健康保险的需求更低；日均工作时间较长说明生活节奏快，可能没有闲暇购买商业健康保险。此外，居民的流动特征对商业健康保险需求的影响并不显著。

表3 城乡居民基本医保整合对商业健康保险需求的影响：PSM-DID方法(2)因篇幅限制，未报告控制变量回归结果，作者备索。

(三)稳健性检验(3)因篇幅限制,未报告稳健性检验结果，作者备索。

上文的分析证实了整合政策对商业健康保险需求的影响显著为正，在实施PSM方法时采用的是一阶近邻匹配，如果采用匹配精确度更高的核匹配双重差分方法也能得到类似结果，说明上述结果是稳健的。因此文本基于原始数据，进一步采用卡尺内k阶近邻匹配和核匹配双重差分进行回归，其中卡尺距离为0.001。经过卡尺匹配和核匹配的双重差分结果分别在5%和10%的显著性水平下为正，与前文结论相符，说明该实证方法是稳健的。

六、影响机理分析

(一)调节效应的机制分析

以居民商业健康保险保费支出为被解释变量，以政策虚拟变量与人均财政压力的交乘项(policy_finance)为核心解释变量，分别采用固定效应、随机效应、混合回归模型进行回归分析，探究整合政策出台前后，财政压力在整合政策对商业健康保险需求的影响中是否起到调节作用，回归结果如表4所示。表4结果显示，核心解释变量policy_finance的回归系数显著为正，表明财政压力在整合政策对商业健康保险需求的影响中起到了显著的调节作用。这说明随着整合政策的出台，居民医疗保障水平的提高带来了筹资压力和财政压力的上升，而财政压力的进一步提高可能会倒逼商业健康保险的发展，以缓解城乡居民基本医保整合带来的医保基金运行压力，综合作用下整合政策对商业健康保险需求的总效应为正。

表4 居民商业健康保险参保影响机制分析

(二)稳健性检验

采用Logistic回归方法，以是否购买商业健康保险为被解释变量，同时对人均财政压力取对数，基于面板数据，利用固定效应模型和随机效应模型进行稳健性检验，结果表5所示。Hausman检验结果显示，强烈拒绝随机效应的原假设，选择固定效应模型。从第(1)列回归结果来看，核心解释变量policy_finance回归系数显著为正，说明该模型通过稳健性检验，财政压力确实会在整合政策对商业健康保险需求的影响中起到正向调节作用，可以认为整合政策出台带来的财政压力提高会倒逼商业健康保险发展，因此整合政策对商业健康保险发展的总效应为正。

表5 居民商业健康保险参保影响因素的Logistic回归分析

七、研究结论及建议

本文采用PSM-DID方法证明了中国城乡居民基本医保整合政策对商业健康保险发展会产生显著的正向作用，并基于理论模型和相关实证分析探究了整合政策对商业健康保险发展的影响是通过居民医保筹资和财政压力的共同作用实现的，即整合政策会提高居民的医疗保险保障水平，同时带来筹资压力和财政压力的上升，而财政压力的提高会倒逼商业健康保险的发展，以缓解医保基金运行压力，二者相互作用的最终效应是整合政策显著促进商业健康保险发展。

上述研究结论在我国受到新冠肺炎疫情严重影响的当下具有重要的指导意义。2020年1月22日国家医疗保障局、财政部出台了《关于做好新型冠状病毒感染的肺炎疫情医疗保障的通知》，要求各地医保及财政部门确保确诊新型冠状病毒感染的肺炎患者不因费用问题影响就医，确保收治医院不因支付政策影响救治。显然，此次疫情临时增加了大量医保基金支出，给我国医保基金带来了较大压力。本文建议政府给予商业健康保险一定的支持，注重多层次保障体系中基本医疗保险与商业健康保险的衔接，充分发挥商业健康保险在居民医保筹资中的补充作用，缓解医保基金的运行压力。商业健康保险与社会医疗保险制度的衔接将产生帕累托改进，提高社会经济总福利[27]。因此，加强商业健康保险与基本医疗保险制度的衔接，重视二者的协同发展，不仅有利于医保基金的可持续发展，还会进一步提高居民的医疗保障水平和社会福利。