医疗保险态势与结构优化影响因素研究*——基于人口结构变迁的视角

张 鑫 杨 林 蒋 鹏

(1 东北财经大学金融学院，辽宁大连，116023；2 山东大学商学院，山东威海，264200；3 大连海洋大学经济管理学院，辽宁大连，116023)

一、引言

现阶段我国医疗保险体系主要包括两个方面，一是由政府主办面向广大社会成员的社会医疗保险，二是由保险公司主办并作为补充力量介入的商业健康保险。自20世纪90年代中期开始，我国用了数十年时间建立起了社会化的医疗保险体系并成功实现了制度转型。在基本实现“病有所医”目标的同时，社会医疗保险中的诸如保障功能弱化、基金持续承压等问题也逐步显现。在这种情况下，作为补充的商业健康险正逐渐开始扮演越来越重要的角色，其对完善多层次医疗保险体系具有重大意义。

近年来，在国家政策的支持下，商业健康险取得了一定程度的快速发展。2010—2017年，健康保险原保费收入从691.72亿元迅速增长至4389.46亿元，健康险深度由0.17%增长至0.53%，健康险密度由50.5元/人增长至315.8元/人。尽管我国健康险的增长速度很快，但无论是深度还是密度都与发达国家有一定差距，存在较大的提升空间，并且2017年市场渗透率仅为9.1%，远不能满足医疗保险的需求缺口。

社会医疗保险与商业健康险所呈现出来的有效供给不足在一定程度上与我国现阶段的人口结构转变有着密不可分的联系。人口结构能够反映一个国家、一定时点人口总体内部各种不同质的规定性的数量比例关系，也是国家经济社会发展程度的有效反映。众所周知，我国是世界人口第一大国，现阶段我国人口结构变迁正呈现出新的趋势特征：一方面庞大的人口基数、低生育率和低死亡率不断驱动社会老龄化的加剧，2017年底，我国60岁及以上老龄人口占人口的比重为17.3%，人口数量高达2.41亿，较1990年净增1.1亿人，预计2050年这一比重将达34.9%；另一方面，农村人口加速向城镇流动带来城乡人口结构的转变，2017年底，我国城镇常住人口8.13亿人，城镇人口占比为58.52%，较2016年末提高1.17%。随着新型城镇化的推进，流动人口将逐渐市民化，愈来愈多的农民对城乡基本公共服务均等化的范围和程度有了更加深入的了解，其公共服务诉求意识增强，这有助于缩小城乡居民公共服务需求意识的差距，激发全体公民争取享受国民待遇的积极性。[1]因此，保险消费习惯也将逐渐向城镇居民靠拢，城市流动人口将成为商业保险新增消费的主力军。[2]

处在人口红利消失和转折时期的人群，更愿意增加对自身健康和医疗的保障支出，并将个人对健康风险的认知转化成投保健康保险的行动，毫无疑问，人口结构的转变正加速推动着医疗保险需求的上升。

然而，随着社会老龄化、城镇化程度的不断加深，仅凭社会医疗保险或商业医疗保险一股力量已无法有效解决居民医疗保障问题。如何有效地促进商业保险介入社会医疗保障体系的建设，参与解决“社会医疗贵、养老难”问题，成为现阶段新医改面临的一个重要课题。由于我国人口结构的特殊性，科学分析医疗保险态势和结构优化的影响因素，探究人口结构变迁对医疗保险结构优化的重要意义，不仅有助于厘清人口结构变量对医疗保险结构的影响，更有助于推进我国医疗保险体制的改革，促进医疗保险结构优化。此事关乎国计民生，意义重大。

二、文献综述

人口结构反映一定时间点上社会人口的内部构成，基于研究的需要，本文从自然结构、社会结构和区域结构进行剖析。

从国外文献看，研究人员从人口结构的多个角度对医疗保险的需求进行了分析阐述。许多学者认为，医疗保险的需求主要取决于文化因素、[3]年龄性别等自然因素、[4]家庭因素、[5][6]区域市场因素、[7]宗教因素等。[8]Nizar和Yosr基于207个响应数据的总样本，调查了宗教信仰对于保险购买意愿方面的作用，并使用ANOVA和结构方程模型进行了检验。结果表明，个人的宗教信仰与保险需求呈负向关系。[9]Matthew等通过比较中国和印度这两个大型新兴市场保险行业的演变发展和组织领域变化等差异化因素，分析了行政区域、国家环境差异对保险需求的影响。研究发现，监管和保护主义、家庭支持结构和行业因素对新型寿险市场组织领域的变化产生密切影响。[10]Mohamed等以马来西亚保险市场为研究对象，采用普通最小二乘法(OLS)和广义矩量法(GMM)技术，分析了影响马来西亚保险消费需求的经济和人口因素。研究发现，收入、银行业发展、教育、抚养比和人口因素与保险需求正相关。[11]Zelalem等通过对埃塞俄比亚农村医疗保险支出情况的调研，研究了家庭及预期等因素对未来医疗保险支出的影响，并且对医疗支付风险进行估计与测算。[12]

国内学者结合我国的实际情况也进行了大量有益的研究。孙学英和潘海涛从城乡结构的视角对中国保险市场需求进行了实证分析，运用双对数线性回归模型和岭回归模型刻画了人口因素对保险需求的影响。结果表明，人口的城乡结构对中国保险需求起到决定性作用。[13]张连增和尚颖从老龄化视角对我国保险市场发展情况进行分析，通过30个省份面板数据的模型检验，有效验证了老龄化对保险市场具有正向促进作用，并且呈现阶梯化区域性的市场特征。[14]刘宏和王俊基于中国健康与营养调查数据，构建居民医疗保险购买行为模型，分析商业健康保险市场中供需双方各自的风险选择行为，以及城乡地区居民的商业健康保险需求影响因素。实证研究表明，医疗保险存在逆向选择行为，并且社会医疗保险对居民商业健康保险需求行为有显著的促进作用。[15]张冲基于我国31个省份2004—2011年的面板数据，运用动态面板广义矩估计，研究了人口结构对保险市场的影响，结论显示，少儿抚养系数、已婚人口比重、第二和第三产业人口比重和城镇化率对我国人身保险市场发展产生显著的正向影响。老年抚养系数、平均家庭户规模和平均受教育年限对其影响不显著。[16]林森以人口老龄化为背景,详细阐述了人口因素与职工基本医疗保险制度、基金运行、经办管理的影响关系，得出人口老龄化背景下医疗费用上涨将导致医疗保险基金出现收支缺口的基本结论，并提出职工基本医疗保险制度整体优化和改进措施。[17]

从现有文献看，学者们对医疗保险需求的影响因素的研究范围较广，但对影响医疗保险的关键因素的研究很少，也鲜有学者从关键因素着手探讨人口结构中关键因素与社会医疗保险和商业健康险需求的关系。基于此，本文引入DEMATEL方法确定关键因素，确保在众多因素中有效地识别关键因素，并基于关键因素探究人口因素对社会医疗保险、商业健康险的影响机制，以便抓源头、抓主要矛盾，有针对性地解决医疗保险体系出现的问题。

三、研究设计

研究设计分为两部分：第一部分中，对控制变量的指标进行选择，即采用决策实验室方法(DEMATEL)在众多人口因素中筛选确定出影响医疗保险需求的权重最高的关键因素，并以关键因素作为控制变量指标，提出相关研究假设；第二部分中，通过采用上述指标与社保变量、商业健康险变量构建结构向量自回归模型(SVAR)，并进行参数估计与结果检验，并验证第一部分提出的研究假设。

(一)权重的确定及研究假设的提出

1.权重的确定

本文应用决策实验室法(Decision Making Trial and Evaluation Laboratory,DEMATEL)来确定因素之间的相互影响关系。该方法最初由日内瓦研究中心Battelle协会于1973年提出并且得到广泛的认可和应用,[18]它被认为是解决因素之间重要性和因果关系最有效的工具之一。[19][20][21]DEMATEL除了可以有效地了解复杂的因果关系结构，还可以测出要素间的两两影响程度，并以数字表示影响的强度。根据以往文献的研究内容，构建人口结构指标体系，如表1所示。

表1 人口结构指标体系

对人口结构指标体系中14个指标进行两两比较，并根据每一对指标之间的影响程度来获得直接影响矩阵(Z)，指标间的影响程度源自受访者问卷的填答结果。本研究于2018年2月—4月发放问卷300份，受访者1/3为高校保险学专业教授、博士或保险公司管理人员，1/3为社会基本医疗保险工作人员，1/3为商业健康险投保人，最终收回问卷288份，其中有效问卷271份，从而产生了一个基于271份问卷的直接影响矩阵(Z)，进而产生正规化后的直接影响矩阵(X)，将矩阵(X)代入公式T=X(I-X)-1，可得如表2所示的总影响关系矩阵(T)。

X=λZ

其中

n为因素的数量，zij代表因素i对因素j的影响程度，设定尺度为0(没有影响)，1(有一定影响)，2(有很大影响)。[22]直接影响矩阵中的对角线均为0。

表2 总影响矩阵T

令tij(i,j=1,2,…n)为总影响关系矩阵T中的元素，每一行的各元素之和为D，每一列的各元素之和为R，且将D+R定义为重要度，D+R越高说明该因素的重要程度也越高。另将D-R定义为关联度。若准则的关联度为正值，说明该因素属于主动影响者，当D-R值越大时，表示此因素直接影响其他因素之程度越高，对此类因素可考虑优先进行改善；但若因素的关联度为负值，说明该因素属于受影响者，当该值越小时，表示此因素被其他因素影响的程度越高。DEMATEL权重排序结果见表3。

根据表3，确定关键因素为死亡率、老年抚养系数和城镇化率。这三大因素在人口结构指标中权重最大，对医疗保险需求的变化起关键性作用，因此选择这三大关键因素作为人口结构的控制变量指标。

表3 DEMATEL权重排序结果

2．提出研究假设

商业健康保险的发展与人口结构变化、社会医疗保险体系完善程度密切相关。众所周知，我国是人口第一大国，庞大的人口基数、低生育率和低死亡率不断驱动社会老龄化的加剧；农村人口正加速向城镇流动带来城乡人口结构的转变；国家通过社会医疗保险体系满足人们基本健康保障需求，并积极扩大其覆盖范围，增加保障供给。处在人口红利消失和转折时期的人群，更愿意增加对自身健康和医疗的保障支出，并将个人对健康风险的认知转化成投保健康保险的行动，人口结构的转变正加速推动着商业健康保险需求的上升。基于上述考虑，本文从死亡率、老年抚养系数和城镇化率三个关键因素来分析其对医疗保险供给结构的影响，并提出如下研究假设：

研究假设1：死亡率与社会医疗保险、商业健康保险需求均呈负相关关系。

该假设反映了死亡率因素对于医疗保险需求的效应。死亡率与商业健康保险需求之间呈负相关关系，是由于死亡率的降低意味着人口寿命的增加，而长寿风险的不断加大，会增加人们的健康保障需求，并在一定程度上改变人们退休后的消费选择，促进消费与储蓄结构的调整。从福利损失角度看，长寿风险的增加会导致个体无法维持最优的平滑消费路径。[23]

研究假设2：老年抚养系数与社会医疗保险、商业健康保险需求均呈正相关关系。

该假设反映了抚养比因素对于医疗保险需求的效应。现阶段我国已经进入到老龄化社会，1997年我国65岁及以上年龄的老年人口抚养比为9.69%，而在2017年底该比重已上升至15%，中国已成为全球老年人口数量最多、增长速度最快的国家。众所周知，社保具有覆盖面广但保障水平低的特点，仅能满足基本生活保障，面对加剧增长的老龄化人口以及由此而带来的养老和医疗压力，需要商业保险进行有效补充以弥补社会保险的短板。由此可见，老年抚养系数的增加必将会刺激社会医疗数量，刺激商业健康保险、商业养老保险的需求，经济的不断发展、老龄化人口的加剧增长，将极大增加人们对健康保障的需求。

研究假设3：城镇化与社会医疗保险、商业健康保险需求均呈正相关关系。

该假设反映了城镇化因素对于医疗保险需求的效应。改革开放以来，我国城镇化发展迅速。2017年，我国城镇化率已达58.52%。一方面，作为公共服务的社会基本医疗保险将更多的城乡居民纳入社会保障体系之中，使社会医疗保险的覆盖水平和保障力度得到提升；另一方面，城镇化直接刺激了地区经济的发展，提高了居民收入，加快城乡居民的融合，促进人们消费习惯、风险意识和理财观念的升级转换，居民的健康意识增强，投保意愿增加，对于购买补充商业健康保险的需求也会起到一定的拉动作用。

研究假设4：社会医疗保险水平与商业健康保险需求呈互补关系。

该假设反映了社会医疗保险与商业健康保险的相互效应。以准公共物品形式存在的医疗卫生具有市场失灵和政府失灵的特点，仅仅凭借市场或政府的单一机制无法有效解决医疗卫生与健康保障问题。商业健康保险的介入，可以帮助政府减轻财政支出的负担，重构权利和责任，实现政府、个人、企业等多层次全面医疗保障模式。从国际经验看，商业健康保险使基本医疗保障体系承受的许多压力得以释放缓解，起到“调压阀”的作用。[24]而社保提供的医疗费用报销补偿机制在一定程度上又能弥补购买商业健康保险的流动性缺口。

(二)SVAR模型设定

1.指标的选择与数据来源

(1)社会保险方面：选择城镇基本医疗保险参保人数(mip)来衡量。这是由于城镇医疗保险在整体社会医疗保险体系中占有极大的比重，该数据来自wind数据库和中国统计年鉴，时间范围为1997—2017年。

(2)商业健康险方面：选择商业健康险收入(hi)来衡量。由于商业健康险参保人数的数据较难获得，因此采取商业健康险收入进行替代。该指标数据来自wind数据库和中国统计年鉴，时间范围为1997—2017年。

(3)人口结构方面：根据上文得到的结果，死亡率(m)、老年抚养系数(odr)和城镇化率(upr)对于医疗保险需求的变化起关键性作用，因此将这三个关键因素作为人口结构变量的主要指标。其中，城镇化率表示城镇化水平的高低，时间范围为1997—2017年。

死亡率=死亡人口/总人口数

老年抚养系数=(65岁以上人口数/劳动年龄人口数)×100%

城镇化率=城镇人口/总人口

2.模型设计

结构向量自回归模型(SVAR)允许变量之间存在当期影响，因而更符合实际的宏观经济环境。对含k个内生变量的SVAR(p)模型的结构式施加k(k-1)/2个限制条件才能识别结构冲击。[23]其表达式如下：

L0yt=Γ1yt-1+Γ2yt-2+........+Γpyt-p+μtt=1,2,3,…,T

式中：

i=1,2,3,…,p

对于该模型，需要估计的参数个数是k2p+k2。想得到结构式模型唯一的估计参数，需要对含k个内生变量的SVAR(p)模型的结构式施加k(k-1)/2个约束条件。这些约束条件可以是短期的，也可以是长期的。

可以把上述表达式写成滞后算子形式：

L(Q)yt=μt

L(Q)=L0-Γ1Q-Γ2Q2-…-ΓpQp

yt=D(Q)μt

L(Q)是滞后算子L的k×k的参数矩阵。假定A、B是k×k的可逆矩阵，A矩阵乘以上式可得：

Ayt=AD(Q)μt=Aεtt=1.2……,T

四、实证分析

基于DEMATEL已确定影响医疗保险需求的三大关键因素，为此本文采用SVAR模型研究人口结构关键因素与社会医疗保险、商业健康保险需求的关系，并对本文提出的研究假设进行验证。

(一)描述性统计

根据Eviews 7.2软件，可得各变量的数据描述结果。根据描述性统计结果，序列中不存在极端异常值(见表4所示)。

表4 变量的描述性统计

(二)单位根检验

为防止伪回归情况的发生，必须确保各个变量均为平稳的时间序列变量，因此有必要首先对各个变量进行单位根检验。本文采用Augmented Dickey-Fuller(ADF)检验方法进行单位根检验。对于初始序列，其结果显示，ADF检验值大于在5%的显著性水平下的临界值，所以应拒绝原假设，因此初始序列是非平稳序列。在此情形下，需要对各个变量进行一阶差分，可以看出各个变量的ADF检验值均小于各检验水平的临界值，所以应接受原假设。由此判定，各变量经一阶差分后的序列为平稳序列。从检验结果看，尽管各变量初始序列不平稳，但一阶差分序列为平稳序列，各变量都是一阶单整时间序列，因此，可以构建SVAR模型。各变量的ADF单位根检验结果如表5所示。

表5 各变量的ADF单位根检验结果

根据Eviews 7.2软件，通过对SVAR模型的系统稳定性进行检验，可以看出各变量所有特征根均分布在单位圆以内，如图1所示。因此据上述变量构建的SVAR模型具有系统稳定性，对其进行脉冲响应分析将是有效的。

图1 单位根检验结果

(三)协整关系检验

本文采用 Johansen 检验法对各个变量之间的协整关系进行检验，根据上述单位根检验结果，各变量都是一阶单整序列，协整关系检验的条件得到了满足，因此它们之间可能存在某种长期的协整关系。根据AIC和SC准则，不难判断该模型最优滞后阶数为1阶，并根据最大特征值和迹统计量两个指标来确定模型中协整方程的数量。如表6所示。

表6 协整关系检验

检验结果表明，各变量之间存在长期的协整关系，且模型有一个线性无关的协整方程。

(四)SVAR模型参数估计

本文建立了5变量的SVAR的“B”型模型，如下式所示：

上式中，εt是VAR模型的扰动项，μt的各子向量分别代表作用在死亡率(m)、老年抚养系数(odr)、城镇化率(upr)、城镇基本医疗保险参保人数(mip)、商业健康险收入(hi)五个变量上的结构性冲击，即结构式扰动项。本文建立的是5变量的SVAR(1)模型，至少需要施加k(k-1)/2=10个约束。估计结果如下：

μupr=εupr

(1)

μodr=-0.0013εodr+εlnmip

(2)

μm=0.5441εupr+εodr+1.1807εm

(3)

μlnmip=0.5979εodr+εm-0.3252εlnmip+0.3379εlnhi

(4)

μlnhi=εupr+2.1175εodr-3.0176εm+0.5092εlnmip+0.2178εlnhi

(5)

方程(1)表示当期城镇化率并不会受其他变量的同期影响，但是城镇化率可能会影响其他变量；方程(2)表示老年抚养系数可能会影响到当期社会基本医疗的覆盖水平；方程(3)表示同期的死亡率会对城镇化率和老年抚养系数产生影响；方程(4)表示当期的基本医疗保障覆盖水平是滞后变量，因此城镇化率不会对基本医疗覆盖水平产生同期反馈，但由于保费精算的需要，死亡率、老年抚养系数以及健康险需求量等因素会对基本医疗保险覆盖水平产生影响；方程(5)表示商业健康险的需求量水平会受到同期人口结构、医疗保险覆盖水平等因素的影响，特别是商业险的保费精算环节对同期死亡率、老年抚养系数等人口结构指标的变动反应较灵敏。这里死亡率对商业健康险收入的影响方向为负向，说明当期的死亡率与商业健康险收入呈负相关关系，原因在于较低的死亡率会增加较长的寿命预期，也增加了老年生活保障的要求，因此基于健康保障的商业保险需求也会相应增加，这符合研究假设1提出的“死亡率与商业健康保险需求呈负相关关系”的说法。老年抚养系数对商业健康险收入的影响方向为正向，说明当期的老年抚养系数与商业健康险呈正相关关系，这符合研究假设2提出的“老年抚养系数与商业健康保险需求呈正相关关系”的说法。城镇化率对商业健康险收入的影响方向为正向，说明当期的城镇化率与商业健康险呈正相关关系，这符合研究假设3提出的“城镇化与商业医疗保险需求呈正相关关系”的说法。城镇基本医疗保险参保人数作为社会医疗保险的替代指标，其与商业健康险收入的影响方向相同，说明当期的社会医疗保险与商业健康险呈正相关关系，验证了研究假设4的说法。

(五)脉冲响应分析

脉冲响应函数描述的是单个变量变化一个扰动项对内生变量当期值和未来值的影响，它可以反映变量与变量之间的正负关系，揭示变量之间的动态关系以及随时间推移的变化趋势。本文基于SVAR模型构建正交化的脉冲响应函数，对变量之间的动态交互作用进行分析。结果如图2～图9所示，图中横轴代表冲击作用的滞后期间(单位：年)，纵轴表示响应数。实线代表了脉冲响应函数，体现了其他变量对冲击变量的反应，两侧虚线表示正负两倍误差的偏离带。

图2 死亡率m对社会医疗保险mip的脉冲响应 图3 死亡率m对商业健康险hi的脉冲响应

图4 老年抚养系数odr对社会医疗保险mip的脉冲响应 图5 老年抚养系数odr对商业健康险hi的脉冲响应

图6 城镇化upr对社会医疗保险mip的脉冲响应 图7 城镇化upr对商业健康险hi的脉冲响应

图8 商业健康险hi对社会医疗保险mip的脉冲响应 图9 社会医疗保险mip对商业健康险hi的脉冲响应

从图2和图3可以看出：给控制变量死亡率一个正的冲击，它对社会医疗保险产生1期的滞后效应，1期以后始终存在负向影响，并且拉动效应逐渐加大，在第4期达到极值，自第4期以后，拉动效应减弱；给控制变量死亡率一个正的冲击，它对商业医疗保险产生若干期的滞后效应，而后呈现负向影响，于第6期达到极值，此后逐渐减弱，影响方向以负向为主，结论进一步验证了假设1。

给控制变量老年抚养系数一个正的冲击，它对社会医疗保险的影响始终为正，并且之后影响逐渐增强，其拉动作用明显，并在第3期之后保持稳定；给老年抚养系数一个正的冲击，它对商业医疗保险也产生正向影响。这表明老年抚养系数的提高对社会医疗保险需求具有正向拉动作用，并且持续效应显著。这种现象一方面能够有效反映出近年来我国人口老龄化程度是不断提高的，在老龄化加速运行的背景下，基本医疗保险发展不断提升，覆盖面和保障程度逐步扩大和加深；另一方面老龄化加速也将直接带动商业养老保险需求。结论进一步验证了假设2。

给控制变量城镇化率一个正的冲击，它对社会医疗保险的影响始终为正，并且在第4期达到峰值，而后逐渐减弱，总体来看，城镇化率对社会医疗保险的正向拉动作用较为稳定；给城镇化率一个正的冲击，它对商业医疗保险产生正向影响，并且拉动效果显著。产生这种影响的机理主要在于中国城镇化所处阶段的转变，中国的城镇化发展在经历了人口漂移阶段后，目前正处于农村居民身份转移阶段，并且这个转变过程是长期漫长的，因此，城镇化进程对基本医疗保险需求带来正向冲击。然而随着城镇化速度的不断加快，城镇人口的消费不断升级，对健康保障的多样化需求也逐年增加。结论进一步验证了假设3。

给商业医疗保险一个正的冲击，它对社会医疗保险始终产生正向的影响，且在第2期达到峰值，之后逐渐减弱并逐渐趋于平稳，具有可持续的拉动作用；给商业医疗保险一个正的冲击，它对社会医疗保险始终产生正向的影响，且在第5期达到峰值，之后趋于平稳，正向拉动效应持续且显著。结论进一步验证了假设4。

五、结论与政策建议

(一)结论

利用1997—2017年的数据，本文从我国人口结构中自然结构、社会结构和地域结构三个方面考察医疗保险市场的发展。鉴于涉及的人口结构因素众多，本文采用决策实验室法确定影响居民保险需求的三个关键人口结构因素，即最终选定死亡率、城镇化率、老年抚养系数三个测量指标来代表人口结构，并以此构建结构向量自回归模型。研究结果发现，人口结构的关键因素指标和社会保险、商业健康险需求之间的关系是显著的，符合本文研究假设。具体结论如下：

1．死亡率对社会医疗保险、商业健康险的影响均存在1期的滞后效应，死亡率水平和社会医疗保险、商业健康保险呈负向关系，说明我国人口死亡率的降低会带来社会医疗保险以及商业健康保险需求的上升。

2．老年抚养系数对社会医疗保险、商业健康险的影响亦存在1期的滞后效应，老年抚养系数水平和社会医疗保险、商业健康保险呈正向关系。这说明，年龄结构的变化是影响人民医疗保险需求的重要因素，老年抚养系数越高则人口老龄化的程度越高，对于商业健康的需求也会增加。

3．城镇化水平和商业健康保险需求的关系显著为正，并且存在若干时期滞后效应，城镇化水平对商业医疗保险的拉动效应更为明显，效果更加显著。这一方面说明城镇化导致居民对医疗保障需求的增加，另一方面也反映出基本医疗保险重在保基本，城镇化的加剧使得人们对商业健康险的需求更为强烈。

4．社会医疗保险水平与商业健康保险需求存在显著的互补效应。社会医疗保险制度的完善以及覆盖面的扩大，能够更有效地满足参保人员基本医疗保险的保障需求，基本医疗保险制度的不断完善，提高了参保人群高额医疗费用的补偿比例,释放出商业健康险的资金需求，使人们有更充足的资金去购买商业健康险，以应对更高层面的健康保障需求，增强了商业健康险的流动性。

(二)政策建议

综上，人口老龄化、少子化和城镇化已给医疗保险制度的可持续发展带来了极大的冲击和影响，因此，通过一系列举措优化医疗保险制度就显得十分必要和迫切。

1.加强顶层设计，建立多层次医疗保障体系。政府在积极推进城镇职工基本医疗保险制度改革的同时，进一步鼓励商业健康保险参与到社会医疗保障体系的建设中来。积极引导商业健康保险机构开发重疾、大病保险等险种，满足多样化的健康需求。同时为参保人员、健康保险公司提高政策便利，适时提供税收优惠政策，鼓励产品创新，增加社会保险与商业健康保险产品的有效供给，调节医疗保险产品市场的供需矛盾，不断完善我国医疗保障体系的建设，以应对老龄化严重、城镇化加剧情况下日益加重的医疗保障问题。

2.整合城乡资源，实现区域统筹，优化医疗保险城乡结构。将城镇和农村居民的医疗保险体系进行资源整合，统筹谋划，充分发挥政府部门间协同联动作用，推动政府各部门政策与医疗保障制度形成合力，共同提高医疗资源运作效率，实现城乡居民保险一体化发展。允许把在农村参加医疗保险的参保人员纳入城镇医疗保障体系，加快建立异地就医费用结算制度，进一步突破城乡差距对当前医疗保险发展造成的壁垒。

3.优化医疗保险基金筹资与分配方式，适应医疗保险分层年龄结构特点。强化医疗保障体系筹资方式的顶层设计，明确财政与个人、不同年龄结构人群之间的缴费责任分担机制，实行针对低收入、老弱势人群的参保补贴和二次补偿措施。通过建立多层次的医疗保障体系，分散人口老龄化、少子化对医疗保险制度带来的风险，满足不同年龄结构层级参保人群的多样化需求，保证社保基金的可持续性，提高制度的公平和效率。