新型农村合作医疗保险公平性研究——基于广州市A区的实证分析

侯小娟 郑倩昀

中山大学 岭南学院，广东 广州 510275

初可佳

广东金融学院 保险系，广东 广州 510521

一、引言及文献综述

《我国卫生事业发展统计公报》显示，截至2012年底全国共有2566县(市、区)开展新型农村合作医疗，参合人口数达8．05亿人，参合率达98．3%，补偿支出受益人次达17．45亿人次，新农合在一定程度上推动了农村居民健康水平的提高和农村医疗卫生事业的发展。但由于社会经济发展失衡，农村地区内部的社会经济水平也存在较大差距。在农村地区基本实现新农合全覆盖的背景下，医疗服务利用、补偿受益和基金使用的公平性问题直接关乎参合人群的医疗行为选择、健康状况和生活水平，进而影响农村地区“看病难、看病贵”问题的解决与新农合制度的可持续健康发展，成为当前社会关注的热点问题。

公平性是社会医疗保险政策制定和运行的重要原则，卫生经济领域对公平性问题的研究非常活跃，并将其作为重要的政策目标。国外对于医疗保险公平性的研究比较早，也较为成熟。Sen(1973)［1］、Atkinson(1983)［2］等的研究成果为公平性度量指标与方法的确立与完善做出了重要的贡献;Cowell(2000)［3］全面系统地回顾了公平性度量的理论体系。随着社会医疗保险数据的不断积累和统计、计量等定量分析方法的发展，国内对社会医疗保险公平性的研究方法逐步从以定性分析为主转向以定量分析为主。当前，常用的医疗保险公平性度量指标和方法包括极差法、分位数比、基尼系数、集中指数、卡瓦尼指数、阿特金森指数等。通过对上述指标和方法的利用，中国已出现较多对不同时期、不同地区间医疗卫生与医疗保险公平性进行评估的实证文章(解垩，2009)［4］。而对于新农合的公平性问题，也有部分学者进行了研究。研究主要包括两个方面:一是对新农合制度推行及其改革后的公平性进行评估，以此判断新农合是否会缓解不公平程度(李晓燕，2009)［5］;二是对新农合制度运行的公平性进行评估，直接判断制度本身的公平性(申曙光等，2009)［6］。

总体来看，新农合公平性问题的相关研究较为丰富，但大多数研究仅仅停留于描述新农合的公平性状况，没有进一步检验其变化趋势与探讨各社会经济变量对不公平的贡献。从研究范围来看，文献主要基于全国、省、市的层面，而新农合主要以区(县)为统筹单位，现有研究并没有剔除政策差异的影响，从而削弱了公平性评估的客观性。此外，现有研究主要从筹资、医疗服务利用、补偿受益等方面来评估公平性，而忽略了新农合运行的另一个重要方面——基金使用的公平性评估。基于此，本文以广州市A区为研究范围，首先采用概要公平性指标综合评估新农合的公平性状况，并推断和检验其变化趋势;然后在此基础上采用多因素分析方法，在控制其他变量的情况下，进一步判断社会经济对于新农合医疗服务利用、受益和基金使用的影响，以便得到更为客观的评估结果。

二、研究设计

(一)样本范围与数据来源

新农合大多以区县为统筹单位，选择区为研究范围，可以避免政策规定、管理模式、行政能力等方面的差异对研究结果的影响，从而使得研究结果直接反映社会经济发展的影响。广州市A区是全国第一批被列为新农合试点的地方，成熟的制度运行机制、创新的管理体制和先进的信息系统使其形成了“A区模式”，并于2006年被评为广东省新农合示范区;此外，A区社会经济发展较快，但其与中国大部分地区相类似，内部发展不平衡问题仍然存在。所以，选择A区作为研究对象，既可检验中国第一批新农合试点的成效，也可为研究富裕农村地区新农合的发展提供范例。A区自2000年撤市设区以来，行政区划变化较大，但2006年及其以后较为稳定，仅在2009年和2010年各增加一个街道，所以，本文选择2006～2011年都存在的17个镇(街)作为样本范围。

本文所使用的数据主要包括两类，一类是与新农合政策运行相关的，如住院次数、次均报销金额、基金使用率、参保人群老龄化程度等，由该区的卫生局提供;另一类则是社会经济发展与人民生活水平相关的，来自于历年《A区年鉴》和《A区统计年鉴》。

(二)变量选择

卫生经济的相关研究一般用一定时期内观察到的医疗服务消费来衡量医疗服务的利用，如过去一年或两周的就诊次数、入院次数、住院天数等(Van Doorslaer et al．，2008)［7］，所以，本文用当年新农合参合人群的入院次数(vst)来衡量医疗服务利用。而参合人群的补偿受益程度和新农合基金的使用状况则分别用次均补偿金额(cmp)和基金使用率(fund)来衡量，其中，基金使用率用基金支出与基金收入相除计算得到。上述3个变量主要用于本文公平性指标的测算和作为回归分析的被解释变量。

估计医疗服务利用的解释变量通常可以分为四类:社会经济、人口特征、健康状态和医疗保险情况，其中，在人口特征变量中，年龄和性别会对医疗服务利用产生重要和显著的影响(Salvado，2008)［8］。本文亦遵循这样的思路来为3个模型选择解释变量。社会经济变量包括衡量人民生活水平的人均收入(inc)、衡量经济发展水平的人均国内生产总值(pg)、衡量产业结构和农业人口比例的第一产业占比(ag)和农业人口占比(pag)。人均纯收入和人均国内生产总值同时也用于公平性指数的测算。人口特征变量包括衡量参合人群人口结构的老龄化程度(age)、衡量男女比例的性别比(sex)。健康状态变量则用衡量健康程度的死亡率(dea)来表示(表1)。

由于本文的研究对象为新农合，医疗保险情况的变量则不再包含在回归方程中。此外，近年来该区新农合参合率一直维持在99%及其以上，基本实现了对农村居民的全覆盖，所以本文用农村居民的人均纯收入、居民的性别比和死亡率来分别作为参合居民人均收入、性别比和死亡率的代理变量。

表1 变量描述性统计

(三)模型设定

基于研究思路与目的，本文首先通过相关公平度量指标来衡量公平性状况及其变化趋势，然后通过面板模型来分析医疗服务利用、受益和基金使用的影响因素。

1．公平性度量指标。卫生医疗领域经常采用分位数比、基尼系数、变异系数、泰尔指数、阿特金森指数、集中指数来作为测量公平性程度的指标和方法。前5种指数都不能反映社会经济状况对公平性的影响，而集中指数取决于关注变量与社会经济变量的分数秩次的关系，将社会经济对不公平的贡献纳入考虑，反映了与社会经济状态相关的不公平程度。因此，本文通过公平性指标从3个方面逐步推进来反映医疗服务利用、受益和基金使用的公平性状况及其变化趋势。

(1)以概要公平性指标来反映2006～2011年的整体公平性状况，并检验其变化趋势。这些指标包括分位数比、基尼系数、泰尔指数和具有不同厌恶参数的3个阿特金森指数。由于篇幅原因，本文主要分析和检验2006～2011年的变化趋势。

(2)基于集中指数来分析与社会经济状态相关的公平性，进一步判断不公平的方向。

(3)按照不同的社会经济特征变量将群体分组，采用组分解工具来测量群体之间的差异对于不公平程度的贡献。

2．构建面板模型。本文通过构建面板模型进一步判断在控制其他变量时，社会经济对医疗服务利用、受益和基金使用的影响，已验证不公平的方向。具体模型如下:

其中，被解释变量yit分别为入院次数、次均补偿金额和基金使用率，由此构成3个模型。通过Hausman检验判定，前两个模型应采用随机效应模型估计，第3个模型应采用固定效应模型估计。

三、实证结果分析

(一)公平性状况及其变化趋势

1．基于概要公平性指标的公平性状况及其变化趋势。概要公平性指标由P90P10(第90分位数与第10分位数之比)、基尼系数、泰尔指数和具有不同厌恶参数的3个阿特金森指数所构成，这些指标的值越大，则关注变量的公平性程度越低。如图1所示，入院次数的5个公平性指标在2006～2011年总体上呈上升趋势，表明参合人群医疗服务利用的不公平程度日益提高。而阿特金森指数带有明显的社会福利规范准则，其公式中含有的不平等厌恶参数衡量了社会对不平等的厌恶程度，它再次论证了医疗服务利用的不公平程度在上升。同时，入院次数的不公平程度随着不平等厌恶参数的增大而变大，且不公平程度变化的绝对值也随着不平等厌恶参数的增加而提高，但变化的百分比却逐渐下降。次均报销金额和基金使用的不公平程度都远远低于入院次数，而次均报销金额的不公平程度略低于基金使用。除了次均报销金额的分位数比在2009年出现波折外，两个变量的5个公平性指数在2006～2011年间的变化趋势基本一致，在2007年下降后呈上升趋势，2011年再次下降，但总体有所下降，表明新农合补偿受益和基金使用率的不公平程度日益降低。当进一步通过假设检验来检验变化趋势的显著性时，会发现这些变化值都落在95%的置信区间内，从而无法拒绝变化为0的原假设，即这些变化趋势并不显著①由于篇幅有限，文中并未列出表格，如需要可向作者索取。。

2．与社会经济发展相关的公平。概要公平性指标就关注变量本身进行分析，而未将社会经济相关变量纳入分析框架，仅仅反映了不公平的程度，而不能判断其是偏向“富人”，还是偏向“穷人”的不公平。因此，本文进一步通过集中指数来分析与收入和社会经济发展相关的公平性状况。如表2所示，以农村居民人均纯收入衡量的与收入相关的集中指数，在关注变量为入院次数时，历年都为负数，即入院次数较为集中在“穷人”，医疗服务利用是“亲穷人”的;而当关注变量为次均报销金额和基金使用时，集中指数历年都为正数(除了基金使用的集中指数在2006年为负数外)，即关注变量较为集中在“富人”，补偿受益和基金使用是“亲富人”的。以人均国内生产总值衡量的与社会经济发展相关的集中指数的计算结果和与收入相关的集中指数一样，即医疗服务利用是“亲不发达地区”的(2009年除外)，而补偿受益和基金使用是“亲发达地区”的。

表2 基于收入和社会经济发展的公平

3．社会经济各变量对不公平程度的贡献。前文已通过概要公平性指标评估了新农合医疗服务利用、受益和基金使用的总体不公平状况。接下来，本文根据社会经济各变量将群体进行分组，将总体不公平程度分解为组间不公平和组内不公平，以测量群体之间的差异对于不公平程度的贡献。本文基于人均纯收入、人均国内生产总值、第一产业占比、农业人口占比、死亡率、参合人群老龄化程度和性别比进行分组，其中，前5个变量按分位数将群体平均分为3组，参合人群老龄化程度以15%为界限分为两组，而性别比则以1为界限分为两组。由于篇幅原因，表3仅列出2006年和2011年入院次数的分解结果作为例子。如2006年，收入的组间部分对于入院次数基尼系数、泰尔指数及基于不同厌恶参数的阿特金森指数的贡献分别为46．08%、28．36%、26．99%、2．51%和23．59%。结果显示，对于医疗服务利用的不公平而言，第一产业占比、人均国内生产总值和农业人口占比的贡献最大，而死亡率的贡献紧随其后。对于补偿受益的不公平而言，2006年性别比、农村居民人均纯收入和第一产业占比的贡献最大;而2011年则变为第一产业占比、农业人口占比和死亡率的贡献最大，农村居民人均纯收入紧随其后。对于基金使用的不公平而言，2006年性别比、农村居民人均纯收入和第一产业占比的贡献最大;而2011年则变为农村居民人均纯收入、第一产业占比和参合人群老龄化结构的贡献最大。

表3 社会经济各变量对不平等的贡献(单位:%)

(二)医疗服务利用、受益、基金使用的影响因素

1．基准模型回归结果分析。如表4所示，对于医疗服务利用的影响因素的研究发现:(1)收入与入院次数呈负相关关系。这与前文所测算的与收入相关的集中指数所得到的结果一致，即收入更低的群体使用了更多的医疗服务利用。低收入人群可得到的公共卫生服务水平低，其营养状况和生活条件也较差，健康状况可能处于较低水平(封进和秦蓓，2006［9］;许荣等，2013［10］)，导致更多的使用医疗服务。值得注意的是，在控制其他变量后，这种负相关关系并不显著，这可能有两种原因:一是因为“收入效应”与“健康效应”相抵消，净效应表现为医疗服务利用与收入的不相关;二是“收入效应”与“健康效应”都不强，因而医疗服务利用与收入无关。(2)入院次数与人均gdp呈正相关关系。这与前文计算的与社会经济发展相关的集中指数所得到的结果一样，即经济的发展会促进医疗服务的利用，而工业化程度低则会阻碍医疗服务利用，但两者的促进或阻碍作用并不显著。(3)农业人口占比越高，越会促进医疗服务的利用。Henderson et al．(1998)［11］研究发现，尽管城市和农村的医疗设施存在很大差别，但农村居民更可能利用医疗服务。(4)老龄化程度越高，医疗服务利用越少。封进和秦蓓(2006)也得到年龄越大，医疗服务利用越少的结论，其可能原因是农村资源被更多地分配给了年轻人。(5)男性越多，使用的医疗服务越少。这与Henderson et al．(1998)的研究结论一致。(6)健康程度越低，医疗服务利用越多。国外学者的研究

表明，健康状态变量是显著的，并能够解释更多与之相关的医疗服务利用，出现慢性病或者残疾等不健康时，就诊的次数就会增加(Lourenco et al．，2005)［12］。

表4 医疗服务利用、受益、基金使用的影响因素

对于受益的影响因素的研究发现:(1)收入水平越高，经济越发达，次均补偿金额越高，受益越大。这与前文计算的集中指数所得到的结果一致，即新农合受益更为集中在富人和发达地区，存在不公平性。此时，可能是收入效应在发挥作用，收入水平越高，其健康投资越多，医疗费用支出越大，在制度规定一样的情况下，其补偿受益也越高。但在控制其他变量后，收入效应与健康效应相抵消，使得不公平性并不显著。(2)农业人口占比越高，次均补偿金额越低，而第一产业占比对受益的影响并不显著。(3)老龄化程度越高，受益越大。从理论上来说，随着年龄增长，健康资本折旧率不断提高，为维持健康则需要更多的医疗服务需求，从而增加医疗费用支出，Di Matteo(2005)［13］得到了类似结果。在制度规定不变的情况，医疗费用的增长就意味着补偿受益的提高。(4)性别比对受益的影响并不显著。(5)健康水平越差，补偿受益越低。一般来说，健康状况越差，其医疗服务需求和医疗费用支出会越高，所以不健康人群应该获得更高的补偿，而医疗保险目的之一也是实现基金由健康人群向不健康人群的转移。本文的研究结果说明补偿更多的集中在健康人群，存在着不公平现象。

对于基金使用的影响的研究发现:(1)收入水平越高，经济越发达，其基金使用率越低。与前文所计算的集中指数所得到的结果并不一致。这说明在控制其他变量的作用后，收入与基金使用率的相关关系并不显著，而基金使用不存在“亲发达地区”的不公平。(2)第一产业占比与基金使用呈正比，即工业化程度越低，对医疗保险的依赖程度越高，基金使用率越高。(3)健康程度越低，基金使用越高，即不健康人群对医疗保险的依赖度更高，基金使用更多的集中在不健康人群，说明基金使用是公平的。此外，其他变量与基金使用并不存在显著的关系。

2．内生性检验。由于被解释变量与解释变量的相互影响，如医疗服务利用和基金使用情况可能影响收入水平和健康状况，而次均报销金额则可能会影响收入水平，本文可能存在内生性问题。基于此，本文采用两种方式来处理内生性问题。一是将上一期的收入水平(inct－1)和健康状况(deat－1)作为解释变量放入模型中，由于inct－1和deat－1反映的是上一期的信息，不会受到当期医疗服务利用、次均报销金额和基金使用状况的影响，因此可以避免内生性问题。如表5所示，总体上，收入和死亡率系数的符号并没有发生变化，但在医疗服务利用和基金使用模型中，收入的系数变得显著。虽然在基金使用模型中，死亡率系数的符号发生了变化，但其不显著。这与基准模型差别不大。另一种方法则是选择收入和健康的滞后项、地理位置①根据人口分布和地理位置，将A区分为两个区域:一是中心城区、华南板块及其周边;二是其他。作为工具变量，进行工具变量估计。入院次数模型的Hausman检验失败，而sargan检验表明工具变量的设定是有效的。就变量的符号而言，人均gdp和参合人群老龄化程度发生了变化，但并不显著，而人均收入和死亡率的显著性发生了变化。次均补偿金额模型的Hausman检验的卡方值为97．94，拒绝工具变量估计与普通估计不存在显著差异的原假设。但在sargen检验工具变量有效的情况，工具变量估计和普通估计的结果并无太大区别。基金使用模型的Hausman检验失败，但使用David－McKinnon内生性检验表明不存在内生性，而在工具变量有效的情况得到的工具变量结果都不是显著的。综上所述，本文设定的模型并不存在明显的内生性问题，基准回归模型得到的结果是稳健的。

四、结论与政策建议

本文研究发现，总体上医疗服务利用的不公平性程度呈上升趋势，补偿受益和基金使用的不公平程度呈波动趋势，却有所下降，而当阿特金森指数的不平等厌恶系数达到2时，基金使用的不公平程度会上升。但通过假设检验发现这些变化趋势并不显著。医疗服务利用是“亲穷人”和“亲不发达地区”的(2009年除外)，而补偿受益和基金使用是“亲富人”和“亲发达地区”的，但当进一步控制其他变量时，收入水平和社会经济发展对医疗服务利用和次均补偿金额的影响并不显著，此时，“收入效应”和“健康效应”相抵消;基金使用也并不存在“亲富人”和“亲发达地区”的不公平;社会经济各变量对不公平贡献大小的排序变化很大，但从近年来看，第一产业占比、农村居民人均纯收入和农业人口占比的贡献较大;农业人口占比越高，老龄化程度越低，健康状况越差，越会促进医疗服务的利用，但补偿受益越低;而工业化程度越低，健康水平越差，基金使用越多;其他变量对关注变量的影响并不显著。

可以看出，虽然总体上A区的不公平程度较低，新农合的运行状况良好，但仍有不足，如补偿受益并未实现基金由健康人群向非健康人群的转移等。此外，新农合不应局限于自身的发展，而应在社会医疗卫生改革和社会医疗保险整体发展的大背景寻求新的定位和目标，以缩小与城镇居民基本医疗保险、城镇职工基本医疗保险的差距，真正实现社会医疗保险的全民覆盖，以有效地解决农村居民的“看病难、看病贵”问题。因此，政府应继续采取相关措施来完善新农合的建设:促进新农合统筹单位之间的经验交流和借鉴，以缩小统筹单位间新农合的不平衡发展，为社会医疗保险城乡统筹奠定基础;加大财政对新农合建设的投入，提高新农合的保障水平;制定并严格实施双向转诊制度，合理引导不同病情的病人到相应等级的医疗机构就医，使医疗资源的利用更科学合理。

［1］Sen，Amartya，1973．On Economic Inequality，New York:Oxford University Press．

［2］Atkinson，A．B．，1983．The Economics of Inequality，New York:Oxford University Press．

［3］Cowell，F．A．，2000．Measurement of Inequality，Handbook of Income Distribution，ed．A．B．Atkinson and F．Bourguignon，87－166．Elsevier B．V．

［4］解垩．与收入相关的健康及医疗服务利用不平等研究［J］．经济研究，2009(2)．

［5］李晓燕．从健康水平、服务利用和筹资视角看新农合制度公平性——基于黑龙江省的实证分析［J］．中国人口科学，2009(3)．

［6］申曙光，孙健，刘巧，周坚．新型农村合作医疗制度公平性研究——以广东省为例［J］．人口与经济，2009．

［7］Van Doorslaer E．，Clarke P．，Savage E．，et al．，2008．Horizontal Inequities in Australia’s Mixed Public/Private Health Care System，Health Policy，Vol．86，No．1:97－108．

［8］Salvado J C．，2008．The Determinants of Health Care Utilization in Portugal:An Approach with Count Data Models，Swiss Journal of Economics and Statistics(SJES)，Vol．144，No．3:437－458．

［9］封进，秦蓓．中国农村医疗消费行为变化及其政策含义［J］．世界经济文汇，2006(1)．

［10］许荣，张迪，吉学．新农合对农户商业医疗保险需求影响的研究［J］．保险研究，2013(3)．

［11］ Henderson G．E．，Akin J．S．，and Hutchinson P．M．，1998．Trends in Health Services Utilization in Eight Provinces in China，1989－1993，Social Science ＆ Medicine，Vol．47，No．12:1957－1971．

［12］Lourenco O．D．，and Ferreira P．L．，2005．Utilization of Public Health Centres in Portugal:Effect of Time Costs and other Determinants，Finite Mixture Models Applied to Truncated Samples，Health E-conomics，Vol．14，No．9:939－953．

［13］Di Matteo L．，2005．The Macro Determinants of Health Expenditure in the United States and Canada:Assessing the Impact of Income，Age Distribution and Time，Health Policy，Vol．71，No．1:23－42．

(责任编辑 张 伟)