城乡医保统筹政策、居民健康及其健康不平等研究

郑 超 王新军 孙 强

一、引言

随着我国医疗卫生政策的改革和发展，社会基本医疗保险已成为保障人民健康的重大民生制度安排。目前，我国社会医疗保险制度基本实现了全民覆盖。然而，由于我国城乡二元经济体制的存在和城乡社会医疗保险政策的不同，形成了条块分割明显的三大社会基本医疗保险制度①三大社会基本医疗保险制度包括：城镇职工基本医疗保险(简称城职保)、城镇居民基本医疗保险(简称城居保)和新型农村合作医疗保险(简称新农合)。(以下简称三大医保制度)。三大医保制度在筹资标准、保障水平和报销政策等方面均存在较大差距，这造成了城乡、区域和不同社会群体之间医疗服务利用不平衡、医保受益不均等的矛盾。目前，尽管三大医保制度基本实现了全民覆盖，但其发展不平衡不充分问题仍有待进一步解决。值得注意的是，当前，新冠肺炎疫情防控中也暴露出社会医疗保险存在异地就医、异地结算和医保支付困难等方面的棘手问题，这背后的重要原因在于三大医保制度统筹层次过低。因此，我国亟需以此次防控新冠疫情为契机，深化医保制度创新，加快提高社会基本医疗保险统筹层次，逐步解决医保制度发展不平衡不充分问题。

我国医疗保险制度覆盖率和报销水平的不断提升大幅释放了居民的医疗支出。快速增长的医疗支出是否能够显著促进人民健康水平提升成为衡量医疗保险制度运行效果的关键指标。因此，评估医保政策对居民健康的影响具有重要的现实意义。2016年1 月，国务院发布《关于整合城乡居民基本医疗保险制度的意见》，明确指出要整合城居保和新农合两项医保制度，建立统一的城乡居民基本医疗保险制度(简称城乡居民医保)①详见《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)。。实施城乡医保统筹政策是实现城乡居民公平享有医保权益和建立更加公平、更可持续的医疗保障制度的必然要求。城乡医保统筹政策的实施效果受到政府和社会的广泛关注。因此，本文旨在研究城乡医保统筹政策的健康绩效，并尝试检验其健康绩效的影响机制，探讨城乡医保统筹政策是否有利于居民健康均等化。

本文基于2015—2018 年中国健康与养老追踪调查数据，利用双重差分模型评估了城乡医保统筹政策的健康绩效及其作用渠道。本文的边际贡献主要有：(1)率先从医疗保险保障水平变化的角度，评估了城乡医保统筹政策对居民健康及健康不平等的影响，即医疗保险的集约边际效应，并检验了其健康绩效背后的传导机理。(2)鉴于参加统筹后的城乡居民基本医疗保险属于自愿行为，本文充分利用城乡医保统筹政策变化带来的“准自然实验”条件，并采用双差分模型有效解决逆向选择导致的内生性问题，可以正确识别城乡医保统筹政策与居民健康之间的因果效应。(3)从城乡、地区、年龄组、教育水平的四个不同维度探究了城乡医保统筹政策健康绩效的异质性特征，这有助于推进基本公共服务均等化建设，为精准制定差异化医保统筹政策提供了有益参考。

二、文献综述

识别医疗保险与健康之间的因果关系受到国内外学者的广泛关注和讨论。大量国外文献研究了参加医疗保险对居民健康的影响，即广延边际效应(Extensive Margin)。与之对应，部分文献也探讨了医疗保障水平变化对居民健康的影响，即集约边际效应(Intensive Margin)。比如大量文献研究了美国医疗保险与健康之间的因果关系。其中，较多文献探讨了美国老年人医疗保险(Medicare)和医疗补助保险(Medicaid)的健康效应(Card 等，2008；Chandra 等，2010；Miller 等，2013；McInerney 等，2017；Finkelstein等，2018)。例如，Finkelstein 和McKnight(2008)发现美国老年人医疗保险显著提升了老年人医疗服务利用水平，并改善了其自评健康状况。Card 等(2009)发现美国老年人医疗保险使得老年患者的7 天死亡率显著下降了约1 个百分点。Finkelstein 等(2012)发现医疗保险与自评健康状况的全面改善显著相关，平均改善了0.2 个标准差。Sommers 等(2014、2017)发现美国医疗保险(ACA)改革政策显著降低了死亡率和改善了自评健康状况。Graves 等(2020)与Borgschulte 和Vogler(2020)发现美国医疗补助保险覆盖率的提升显著降低了死亡率。其他国家的相关研究较少，Gruber 等(2014)发现泰国的医疗保险改革政策显著降低了低收入群体的婴儿死亡率。Pfutze(2014)发现墨西哥医疗保险政策使婴儿死亡率显著降低约千分之五。以上文献主要探讨了医疗保险影响健康的广延边际效应。与之对应，国外部分文献探讨了医疗保险影响健康的集约边际效应。例如著名的兰德公司设计了一个随机试验，研究医疗保障水平不同对医疗服务利用和健康的影响。兰德实验的结果表明，虽然医疗保障水平高低能够显著影响个人医疗服务利用水平，但是医疗保障水平的变化对健康结果没有产生显著影响(Manning 等，1984；Newhouse，2004)。Nishi 等(2012)发现日本降低医疗费用分担比例显著减少了老年人自付医疗支出并显著提升了其健康水平。然而，Shigeoka(2014)发现降低患者成本分担对老年人健康(比如死亡率、自评健康等)没有产生显著影响。

国内文献大多研究是否参加医疗保险对健康的影响。综合来看，参加医疗保险显著提升了居民医疗服务利用水平，减轻了医疗支出负担，改善了居民健康状况，缓解了“看病难(贵)”“因病致(返)贫”问题，显著增加了国民福祉(程令国和张晔，2012；王新军和郑超，2014；Cheng 等，2015)。然而，值得指出的是，周钦等(2016)发现城居保加剧了居民健康不公平。金双华等(2020)发现健康较差群体的医疗支出和医保报销水平更低，得出我国社会医疗保险存在较大的受益不公平问题。在社会医疗保险实现全民覆盖的基础上，未来医保政策的深化改革将集中在调整医疗保障水平、提高统筹层次、促进公平和创新治理能力增强等方面，目标在于解决医保制度发展不平衡不充分问题。目前，较少文献涉及医疗保障水平变化对健康的集约边际影响。比如赵绍阳等(2015)利用某城市的城乡医保统筹改革作为“准自然实验”，分析了医疗保险保障水平变化对居民医疗服务利用的影响。王贞等(2019)使用断点回归方法研究了城镇职工医疗保险保障水平提升对医疗服务利用的影响。沓钰淇等(2020)发现保障水平的提高显著提高了医疗服务利用水平，但对死亡率等健康指标没有显著影响。

综上所述，国内外探讨医疗保险广延边际效应的文献已经十分丰富，但是国内探讨医疗保险集约边际效应的文献稀少。其中，更是鲜有文献涉及医疗保险对健康影响的集约边际效应。因此，本文基于我国城乡医保统筹政策改革对居民健康的影响和微观数据，探讨了社会医疗保险的集约边际效应，这有助于弥补相关文献的不足。

三、理论框架和实证策略

（一）理论框架

为给后文评估城乡医保统筹政策的健康绩效提供理论层面的支撑，本文先在健康经济学范畴内进行理论探讨。在经典的Grossman 健康需求理论模型中，将健康作为耐用资本存量，健康水平变化受到健康初始禀赋、健康投资和健康折旧三个因素的共同驱动。本文借鉴Grossman(1972)构建的健康资本理论模型和Leibowitz(2004)提出的健康生产扩展模型分析影响个体健康的因素。以Grossman 健康资本理论模型为基础，不仅可以有效避免在实证分析中控制变量选择的随意性，而且也对各个变量的影响方向有明确的理论期望。在偏好、收入和健康生产函数形式给定的前提下，理性个体通过选择各期健康投资和其他商品的组合，最终实现终身效用最大化。具体健康资本累积方程如下：

在式(1)中，t 时期健康资本的变化(Δ Ht)是由健康投资和健康折旧两个要素共同决定的，健康投资受预算约束和健康生产效率的影响；Ht是在t 时期健康的存量，Ht−1是在 t-1时期健康的存量；It是在t 时期对健康的投资；δt是在第t 时期的健康折旧率，影响δt的因素包括年龄、收入、教育等。

从理论上讲，因为城乡医保统筹政策遵循“待遇就高不就低，范围就宽不就窄”的原则执行，那么该政策就是提高了社会医疗保险的保障水平，即通过调整起付线、封顶线、筹资机制、报销比率和支付方式等措施降低了居民医疗服务利用成本。本质上，城乡医保统筹政策降低了居民医疗服务利用价格，放松了收入预算约束，提高了居民的就医可及性，从而释放了更多的医疗服务需求，应该有利于促进其健康水平提升，但同时也带来了道德风险，即降低了不健康生活行为的成本，这就会对健康产生负向影响(Cutler 等，2010；Baicker 和Finkelstein，2011；Sommers 等，2017)。总体来看，大部分文献一致表明医疗保险是影响居民健康的重要因素，但并不是健康生产中影响健康最重要的因素，毕竟健康包括生理和精神等多个维度，既受到长期积累的影响，也有短期因素的干扰(Levy 和Meltzer，2008；李华和俞卫，2013)。比如Chetty 等(2016)强调健康行为是影响健康的重要因素之一，在有些方面，不良健康行为造成的健康伤害要高于医疗服务治疗干预的效果。鉴于此，城乡医保统筹政策能否有效改善居民健康状况还需要展开科学的实证研究。

从以上理论可知，健康投资主要受到收入预算约束和健康生产效率的影响。宽松的收入预算约束有利于增加健康投入，较高的健康生产效率有利于提高健康产出。城乡医保统筹政策降低了医疗服务利用价格，使得自付医疗成本有所削减，从而放松了个人收入预算约束。较高的收入有利于提供营养更均衡合理的饮食，从而有利于改善居民身心健康状况。因此，我们认为，在提高保障水平的情况下，城乡医保统筹政策可能通过提升居民医疗服务利用水平、直接降低医疗支出成本和增加健康投资等渠道影响居民健康。

（二）实证策略

本文主要研究我国城乡医保统筹政策与居民健康之间的因果效应(Causal Effect)，即评估该政策实施后的健康绩效。城乡医保统筹政策是一个由政府主导的外生因素，这就在该政策实施前后构成了一项准自然实验。在CHARLS 数据中，将实验组设定为2015 年基期已经参加城居保或新农合的居民，其在实验期选择参加统筹的城乡居民医保；与之对应，控制组是指在2015 年基期已经参加城居保或新农合的居民，但其在实验期间没有参加统筹的城乡居民医保。在随机实验中，居民进入实验组和控制组是完全随机的，可以直接计算两组之间健康指标均值之差。然而，现实环境中影响居民健康状况的因素复杂多样，可能存在不可观测的个体特征，其与是否进入实验组相关联，此时如果简单地对比实验组和控制组之间的均值差异，就会受到时间趋势和不可观测特征的共同驱动，那么就只能获得有偏估计。鉴于以上分析，本文使用双重差分法(简称DID)来解决模型内生性问题，并评估城乡医保统筹政策的健康绩效。本文在以上理论模型分析的基础上，将模型设定如下：

其中，下标i 表示居民，t 表示时期，Yit是因变量，即居民i 在第t 期的健康指标。DIDit是核心解释变量，其系数β1的经济含义是城乡医保统筹政策对居民健康的影响程度。T reatmenti是分组虚拟变量，如果i 属于实验组，则定义 Treatmenti=1；否则，i 属于控制组，则 Treatmenti=0。P ostt是时期虚拟变量，如果i 处于城乡医保统筹实施后的实验期(2018 年)，则设定 Postt=1；否则，设定 Postt=0。εit是扰动项。分组虚拟变量Treatmenti的系数β2代表实验组和控制组之间的差异，指的是即使现实中没有实施城乡医保统筹政策，其也会存在此差异。时期虚拟变量 Postt的系数β3代表实验前后两期本身的差异，指的是即使现实中没有实施城乡医保统筹政策，也会存在共同的时间趋势。从上述模型中可知，DID 方法同时控制了分组效应(Treatmenti)与时间效应(Postt)，从而可以得到更加干净的处理效应。对于控制变量Xit的选取，依据Grossman健康资本需求理论和相关文献进行选取，具体选择的控制变量如后文所示。

四、数据来源、变量选取及变量描述性统计

（一）数据来源

数据源于中国健康与养老追踪调查(简称CHARLS)。CHARLS 包含了45 岁及以上中老年居民和家庭的信息数据。本文使用最新公布的2015—2018 年CHARLS 两期数据。为了把城乡医保统筹政策对健康影响的集约边际效应从其他医疗保险中精确分离出来，我们进行了如下筛选：首先，排除数据中未参保个体和参加城职保的个体；其次，排除了参加商业医疗保险的个体；最后，排除了无法识别参保状态和变量数据缺失的数据。经过以上筛选过程，形成了一个两期面板数据。最终的样本量包含29100 个，其中实验组、控制组样本量分别是4424 个、24676 个。

（二）变量选取

1.健康测量

本文最关心的因变量是健康，健康是一个多维的综合性指标，既包括主观健康，也包括客观健康。参考已有经典文献，本文主要使用自评健康(Self-Reported Health)作为刻画健康状况的指标。对于自评健康，该指标在健康经济学中已被广大国内外学者所使用，能够体现居民身体在生理、心理、认知和外界环境等方面的多维度信息，并能够形成对自身健康的综合评价结果(Finkelstein 等，2009；李华和俞卫，2013；Humphreys等，2014)。由此可知，自评健康的内涵和世界卫生组织对“健康”的定义“健康不仅仅是不生病或不衰弱，而且还是身体的、精神的和社会的完好状态”相统一。当然，为了更加全面地评估城乡医保统筹政策与健康之间的因果效应，需要增加心理健康和客观健康指标来全面测度健康状况。其指标设定如下。

第一，对于自评健康状况，根据CHARLS 中的提问“您认为您的健康状况怎样？是很好、好、一般、不好，还是很不好？”进行设定，把自评健康(Self_Health)按照五个选项“很不好、不好、一般、好、很好”顺序赋值为1～5。

第二，对于心理健康状况，选取流调中心抑郁量表(简称CES-D)，其已被学者们广泛用于测量心理抑郁状况(Andersen 等，1994；李涛等，2018；郑超和王新军，2020)。根据CHARLS 中抑郁量表给出的十个问题计算CES-D 得分①在CHARLS 中，抑郁量表包含的10 道题是有关被调查者上一周的感觉及行为情况：1.因小事而烦恼；2.很难集中精力；3.感到情绪低落；4.做任何事都很费劲；5.对未来充满希望；6.感到害怕；7.睡眠不好；8.感到孤独；9.很愉快；10.无法继续生活。答案有四个选项：A.很少或者根本没有(＜1 天)，B.不太多(1～2 天)，C.有时或者说有一半的时间(3～4 天)，D.大多数的时间(5～7 天)。把第5 题和第9 题的答案选项依次赋值为3、2、1、0，剩余的8 道题的答案依次赋值为0、1、2、3。，将十个问题加总获得CES-D 得分，该得分越大，表示居民的抑郁程度越严重。

第三，对于客观健康状况，借鉴程令国和张晔(2012)的做法，主要选取受访者的认知功能(MMSE)②本文也选取了日常生活自理能力(ADL)和器具性生活自理能力(IADL)两个客观健康衡量指标进行回归，其结果与使用认知功能(MMSE)的回归结果基本保持一致。。在CHARLS 问卷中，简易精神状态量表(MMSE)包括11 个问题，赋值每一项目为0 或1，然后将其加总得到MMSE 得分，该分值越大，表示认知水平越高。

第四，对于健康不平等状况，采用由个人自评健康测度的相对剥夺指数来刻画健康不平等。依据相对剥夺理论，在一个群组内，如果居民健康水平越低，健康劣势就越大，遭受的健康相对剥夺程度就越高，即健康不平等水平越高。根据Kakwani(1984)对Kakwani 相对剥夺指数(简称RD)的定义，假设Y 代表一个参照群组，样本量为n，对居民的自评健康水平进行排序，得到总体自评健康分布为向量 Y=(y1,y2,y3,… ,yn−1,yn)，其中。因此，第i 个居民 yi与第j 个人相比较，第i 个居民的健康相对剥夺指数 RD (yj,yi)表示为：

在式(5)的基础上，可以将第i 个居民 yi受到的平均相对剥夺 RD (y,yi)表示为：

其中，μY是参照群组Y 中n 个所有样本的自评健康均值，是参照群组Y 中居民自评健康超过 yi样本的数量，是参照群组Y 中居民自评健康超过 yi样本的自评健康均值。

2.控制变量

本文从以下五个层面选取控制变量：第一，个体特征主要包括性别、年龄、婚姻、收入、受教育水平、子女数目等；第二，个人健康行为习惯主要包括是否抽烟、是否锻炼身体①在CHARLS 中，对于问题“通常每周有没有至少持续做以下三项活动十分钟？包括耗费体力的激烈活动(如快速骑车)、中等强度的体力活动(如打太极拳)、轻度体力活动(如走路)”，如果至少有一项回答“是”，表示有锻炼行为，否则，视为不锻炼。、是否喝酒等；第三，家庭卫生环境用家庭卫生整洁程度来表示②根据CHARLS 中对“这户人家的室内整洁度如何”问题的回答设定家庭卫生整洁程度。；第四，医疗机构服务质量和就医成本用医疗机构诊疗水平满意度指标来表示③根据CHARLS 中对“您对本地医疗服务的质量、成本和方便程度满意吗”问题的回答来设定医疗服务满意度。；第五，地区经济发展层面主要包括东部中部西部地区以及城乡和省份差异等。各变量的具体定义详见表1。

表1 变量定义和设定

（三）变量描述性统计结果

在表2 中，第(1)列和第(2)列分别报告了实验组和控制组在基期2015 年城乡医保统筹政策实施之前的统计结果；第(4)列和第(5)列分别报告了实验组和控制组在实验期2018 年城乡医保统筹政策实施之后的统计结果；第(3)列和第(6)列是控制组和实验组之间各变量差异的t 检验结果；第(7)列是全样本的描述性统计结果。

表2 变量描述性统计结果

续表2

首先，从健康指标来看，自评健康的全样本均值为3.0419，这表明大部分中老年人的自评健康水平为一般以上。在基期2015 年，实验组和控制组自评健康并不存在显著差异；在实验期，实验组的自评健康在5%统计水平上显著优于控制组。CES-D 得分在实验组和控制组之间均存在显著差异，实验组的CES-D 得分显著低于控制组得分。虽然认知功能(MMSE)在基期2015 年的实验组与控制组之间在5%水平上存在显著差异，但是在实验期，实验组的认知功能水平显著高于控制组的认知功能水平，并且在1%统计水平上显著。对于衡量健康不平等的相对剥夺指数(RD)，在基期2015 年实验组和控制组之间不存在显著差异；在实验期，实验组的相对剥夺指数显著低于控制组，并且在1%统计水平上显著。老年人在政策变动前后，大部分健康指标随着年龄增长逐步变差，但是城乡医保统筹政策使得实验组的健康优势有所增加。

其次，在各个控制变量方面，大部分控制变量在实验组和控制组之间并不存在显著差异。虽然少部分变量比如收入水平、子女数目等在实验组和控制组之间存在显著差异，但是这些差异在城乡医保统筹政策实施前后没有发生明显变化。

五、实证结果及分析

（一）城乡医保统筹政策健康绩效的总体评估

根据以上理论分析和实证策略，本文汇报了城乡医保统筹政策对居民健康影响的回归结果，具体如表3 所示。其中，模型(1)～模型(4)分别表示使用双重差分方法对自评健康、心理健康、客观健康和健康不平等指标的回归结果。

在表3 的模型(1)中，城乡医保统筹政策使得居民自评健康得分上升了0.1261 分，相当于0.1252 个标准差偏移，并且在1%统计水平上显著，这表明城乡医保统筹政策显著促进了居民自评健康水平的提升。在模型(2)中，城乡医保统筹政策使得CES-D得分显著降低了0.3128 分，相当于0.0478 个标准差偏移，并且在10%统计水平上显著，这表明城乡医保统筹政策改善了居民心理健康状况。其可能的原因是城乡医保统筹政策使得医保报销比例提高和保障范围扩大，有效缓解了居民的就医治疗压力和医疗支出的经济压力，进而降低其产生心理抑郁的可能性。在模型(3)中，城乡医保统筹政策使得居民MMSE 得分显著增加了0.2658 分，相当于0.0819 个标准差偏移，并且在1%统计水平上显著，这表明城乡医保统筹政策显著改善了居民客观认知状况。对于健康不平等而言，在模型(4)中可以发现城乡医保统筹政策使得健康相对剥夺指数(RD)在10%统计水平上显著下降了5.32 个百分点，该结果表明城乡医保统筹政策可能通过提高居民医疗服务利用受益公平性，进而有助于缩小居民健康不平等差距。在短期内，虽然城乡医保统筹政策改善居民健康的幅度相对有限，但是该政策显著改善了居民健康状况和缩小了居民健康不平等差距，因此该项惠民医保政策具有显著的健康绩效。鉴于健康是一个长期的资本存量(Grossman，1972)，本文认为在长期视角下，这项促进公共卫生服务均等化的城乡医保统筹政策将发挥更大的健康绩效，有助于“健康中国”的建设。

根据回归结果，表3 中的各个控制变量基本都符合健康经济学理论预期。从个体特征来看，年龄、性别、婚姻状况、受教育水平、收入水平、健康行为、子女数目等对居民健康产生了显著影响。其中，年龄对健康产生了负向影响，因为随着年龄增长，健康折旧加速，从而随着年龄增长，健康状况趋差。男性比女性更健康，已婚有配偶有利于改善健康状况。受教育水平是提升健康投资效率的重要因素，受教育水平显著提高了健康水平。收入是影响健康投资的重要约束因素，回归结果表明，收入与健康之间存在显著的正相关关系，收入和健康之间存在相互促进的循环作用。在个人日常健康行为中，规律锻炼有助于提升健康水平。子女数目与健康之间存在明显的负相关关系，这可能是由于在资源一定的情况下，子女数目越多，平均每位家庭成员获得的资源越少，父母经济负担越重，从而使得健康越差。家庭卫生环境越整洁，越有利于健康。医疗机构诊疗水平满意度越高，健康水平越高，主要是因为医疗机构服务质量的提升和就医成本的降低有利于提升居民服务利用水平，从而有助于提升其健康水平。一般而言，经济发展水平越高的地区，拥有更加优质的医疗资源和卫生服务，越有利于保障居民健康。与此同时，实证结果也验证了该预期结论，经济较发达的城镇和东部地区的居民健康水平更高。

表3 城乡医保统筹政策健康绩效的回归结果

鉴于本文实证数据是两期面板数据，使用DID 方法需要检验控制变量的均值在实验组和控制组之间是否平衡①限于篇幅，此处未汇报检验回归结果，如有需要可联系作者获取。。控制变量的均值在实验组与控制组之间并不存在统计

上的显著差异，均通过了均值t 检验。因此，本文使用DID 方法估计的回归结果是可信的。

（二）城乡医保统筹政策健康绩效的异质性分析

深入探讨城乡医保统筹政策健康绩效的异质性特征有助于精准制定差异化对策。本文从以下四个维度识别城乡医保统筹政策健康绩效的异质性。第一，由于处于生命周期不同阶段时，个人医疗服务利用水平和健康状况等特征存在显著差异，有必要分年龄段探究该政策的异质性特征；第二，由于受教育水平不同，居民的收入水平及健康投入效率等都会存在显著差异，因而我们按照受教育水平不同分样本进行研究；第三，由于城镇和农村分别运行城居保和新农合两项医保制度，要验证城乡医保统筹政策对城乡居民健康绩效的影响是否存在显著差异，还需要分城乡样本进行探究；第四，由于东部、中部、西部地区经济发展和医疗资源存在明显差距，有必要按照地区不同识别城乡医保统筹政策的异质性。表5 汇报了异质性回归结果。

对于表4 Panel A，按照年龄进行分组，具体在年龄65 岁处分为低龄组(Age＜65岁)和高龄组(Age≥65 岁)。在高龄组中，DID 估计量的系数明显大于低龄组，这表明城乡医保统筹政策对高龄组居民的健康绩效高于低龄组该绩效。这可能是由于高龄组居民医疗服务利用水平高于低龄组居民医疗服务利用水平，城乡医保统筹政策通过提升保障水平而大幅提高了高龄组居民的医疗服务利用水平，高龄组医保受益更大，进而对高龄组自评健康的影响更大。城乡医保统筹政策更加有利于改善低龄组的心理健康(CES_D)状况，对高龄组的影响并不显著。城乡医保统筹政策显著提升了高龄组的客观认知水平(MMSE)，但是对低龄组客观认知水平的影响并不显著。城乡医保统筹政策显著降低了高龄组的相对剥夺指数RD，减少了约11.41 个百分点，并且在10%统计水平上显著，但是对低龄组并没有产生显著影响。总体来看，城乡医保统筹政策的健康绩效更加有利于高龄组老年人，这有利于提高处于更加弱势地位的高龄老年人群体的健康福利水平。

对于表4 Panel B，按照受教育水平进行分组，具体分为受教育水平较低组(初中以下，Education＝0)和受教育水平较高组(初中及以上，Education＝1)。城乡医保统筹政策显著提升了受教育水平较低组的自评健康水平，并且在1%统计水平上显著。虽然城乡医保统筹政策对受教育水平较高组的自评健康产生了正向影响，但是在统计上并不显著。与之类似，城乡医保统筹政策显著提升了受教育水平较低组的客观认知水平(MMSE)，但对受教育水平较高组客观认知水平没有产生显著影响。城乡医保统筹政策显著降低了受教育水平较低组的相对剥夺指数RD，减少了约8.5 个百分点，并且在5%统计水平上显著，但是对受教育水平较高组没有产生显著影响。总体来看，城乡医保统筹政策的健康绩效更加有利于受教育水平较低组。通常，相比受教育水平更高的居民，受教育水平较低居民的社会资源更少，收入水平更低，获取医疗服务资源时处于弱势地位，城乡医保统筹政策有助于提升该群体的健康福利水平。

对于表4 Panel C，按照城乡进行分组，具体分为农村组(Urban＝0)和城镇组(Urban＝1)。城乡医保统筹政策显著促进了农村居民自评健康水平的提升，并且在1%水平上显著，但是对城镇地区影响并不显著。城乡医保统筹对农村居民的心理健康(CES_D)和客观健康指标(MMSE)均产生了显著改善作用，但是对城镇居民的心理健康和客观健康指标的影响较小。城乡医保统筹政策显著降低了农村居民的相对剥夺指数RD，减少了约9.16 个百分点，并且在1%统计水平上显著，但是对城镇组并没有产生显著影响。可以看出，城乡医保统筹政策对农村居民的影响更大。一直以来，城镇地区的医疗资源、基本公共卫生设施、医疗保障水平等均优于农村地区，城乡之间医疗服务利用不平衡、受益不均等的问题突出。城乡医保统筹政策的初衷也在于缓解城乡之间医疗服务利用不平衡、受益不均等以及健康不平等的矛盾，实现城乡居民公平享有基本医疗保险权益，并促进健康均等化。因此，城乡医保统筹政策运行初期已经促进了基本公共卫生服务的均等化建设和缩小城乡之间的健康不平等差距，较好地实现了政策目标。

对于表4 Panel D，按照地区进行分组，具体分为西部地区(District＝0)、中部地区(District＝1)和东部地区(District＝2)。整体来看，城乡医保统筹政策对西部、中部、东部三个不同地区居民健康的差异化影响并不明显。然而，西部地区和中部地区经济发展相对落后，医疗保障水平较低。国家财政需要加大对西部和中部地区医疗卫生的支持力度，推进优质医疗资源扩容和地区合理均衡布局，逐步缩小各个地区之间医疗保障发展不均等的差距，推进我国基本公共卫生服务的均等化建设，缓解地区之间发展不均衡的矛盾。

表4 城乡医保统筹政策对不同群体健康绩效影响的回归结果

综上分析，城乡医保统筹政策的健康绩效在不同年龄、不同受教育水平和城乡之间存在显著的异质性特征。其中，城乡医保统筹政策对年龄较高、受教育水平较低、农村地区居民的健康绩效影响更加显著，并显著缩小了其健康不平等差距。从以上异质性分析的结论可知，虽然城乡医保统筹政策实施时间较短，但是已经实现了显著的健康绩效，精准提升了弱势群体的健康水平，促进了我国新时期医疗保障体系的均等化建设。

（三）城乡医保统筹政策健康绩效的稳健性检验

上文通过利用双重差分方法考察了城乡医保统筹政策对居民自评健康、心理健康、客观健康和健康不平等指标的影响，表明城乡医保统筹政策具有显著的健康绩效。在此，为了验证以上结论的稳健性，我们进一步选取双重差分倾向得分匹配方法(简记DID-PSM)、安慰剂检验方法(Placebo Test)和变换健康指标分类三种方式进行检验。

1.使用DID-PSM 研究城乡医保统筹政策的健康绩效

该方法可以通过倾向得分匹配(PSM)控制样本在可观测特征上的偏差。具体而言，我们使用上文相关控制变量进行倾向得分匹配，最近邻匹配方法的匹配结果显示Logit 回归结果拟合程度较好(LRchi 2=1243.85，P =0.0 00)，该结果表明数据匹配质量较好。这使得控制组和实验组在城乡医保统筹政策实施之前尽可能没有显著差异，以减少城乡医保统筹政策实施时居民选择性偏误导致的内生性问题。如表5 所示，城乡医保统筹政策对自评健康、心理健康(CES_D)、客观认知水平(MMSE)和健康相对剥夺指数(RD)等健康指标的影响结果与表3 保持一致。因此，该实证结果表明上文估计得到城乡医保统筹政策具有显著健康绩效的结论是稳健可靠的。

表5 基于DID-PSM方法的稳健性检验结果

2.使用安慰剂检验方法进行稳健性检验

上文已经采用DID 方法和DID-PSM 方法评估了城乡医保统筹政策的健康绩效，这两种政策评估方法均可以有效控制可观测特征。然而，其无法完全剔除城乡医保统筹政策对健康的影响是否受到其他不可观测特征的共同驱动作用。对此，我们利用安慰剂检验方法排除随时间改变的异质性特征引起的估计偏差。安慰剂检验的路径为：通过使用实验组包含的2013 年CHARLS 受访个体(2212 人)作为安慰剂检验的实验组，同时将剩余的2013—2015 年CHARLS 数据中的个体作为对应的控制组，从而重新形成一组面板数据。进一步，我们使用上文的DID 方法重新评估城乡医保统筹政策的健康绩效。第一，假如上文中城乡医保统筹政策的健康绩效是由随时间而改变的异质性因素所驱动的，那么这种健康绩效应该会持续存在，因而在安慰剂检验结果中应该得到类似的健康绩效。第二，假如在安慰剂检验结果中看不到城乡医保统筹政策的健康绩效，那么说明随时间改变的异质性影响存在的可能性很低。其回归结果如表6所示。在表6 的模型(1)～模型(4)中，对于自评健康、心理健康(CES_D)、客观认知水平(MMSE)和健康相对剥夺指数(RD)而言，利用新构造的安慰剂检验数据评估的结果均不具有统计上的显著性。与此同时，少数交互项DID 估计系数的正负情况与表3 相异。根据安慰剂检验的回归结果，可以判定城乡医保统筹政策的健康绩效并不是遗漏的随时间改变的异质性因素所带来的影响。因此，安慰剂检验的结论进一步支持了表3 回归结果的稳健性。

表6 安慰剂检验结果

3.变换健康指标分类进行稳健性检验

为了检验以上结果的稳健性，将自评健康分为二值虚拟变量进行回归分析。将自评健康分为二值变量的处理方式在健康经济学研究中已被广泛采用(程令国和张晔，2012；潘杰等，2013)。第一种方式，将自评健康为“很不好、不好、一般”三个状态设置为自评健康状况差(Self_Health_a＝0)，与之对应，把“好、很好”两个状态设置为自评健康状况好(Self_Health_a＝1)；第二种方式，将自评健康为“很不好、不好”两个状态设置为自评健康状况差(Self_Health_b＝0)，与之对应，把“一般、好、很好”三个状态设置为自评健康状况好(Self_Health_b＝1)。其回归结果如表7 所示，模型(1)是将自评健康看作连续变量回归的结果，模型(2)和模型(3)是将自评健康看作二值虚拟变量的回归结果。从表7 模型(1)～模型(3)中可以发现城乡医保统筹政策均产生了显著的健康绩效，这与上文表3 的回归结果保持一致，进一步支持了上文研究结论的稳健性。

表7 城乡医保统筹政策对自评健康影响的稳健性检验结果

六、城乡医保统筹政策健康绩效的作用机制

医疗保险可以通过降低就医成本、提高居民医疗服务利用水平或增强居民的健康风险意识等方式，促进参保居民健康水平的提升(Card 等，2009；Finkelstein 等，2012；Dunn 和Shapiro，2019)。已有文献较好地分析了医疗保险影响健康的中介渠道，为本文分析作用机制提供了有益参考。本文将在上文理论分析的基础上，从多个中介变量详细检验城乡医保统筹政策健康绩效的作用机制，为呈现城乡医保统筹政策健康绩效的作用渠道提供新的证据。

城乡医保统筹政策在提高保障水平的前提下，其可能主要通过提升居民医疗服务利用水平、直接降低医疗支出成本和增加健康投资等作用渠道影响居民健康水平。本文主要选取门诊医疗支出自付比例和住院医疗支出自付比例代表医疗服务利用水平及医疗负担作为中介渠道变量；选取家庭医疗保健支出、是否体检代表居民健康投资和健康风险意识作为中介渠道变量。本文借鉴Hayes(2009)识别作用机制的方式，构建中介效应检验模型进行作用渠道分析。其回归方程如下：

根据式(7)至式(9)，中介效应检验程序依次为：第一步，在基准模型方程(7)中，估计城乡医保统筹政策对居民健康的影响，要求在系数β1显著的基础上，方可进行下一步检验；第二步，在方程(8)中，将中介变量作为被解释变量进行回归分析，如果核心解释变量交互项DID 的系数γ1不显著则停止分析；第三步，在方程(9)中，把中介变量和城乡医保统筹政策均纳入模型进行回归分析。在方程(8)和方程(9)中，M 为中介变量，主要包括门诊医疗支出自付比例(Oop_Outpatient)、住院医疗支出自付比例(Oop_Inpatient)、医疗保健支出的对数(Ln_Med)、体检(Exam_Physical)四个中介渠道变量。以自评健康为例，系数β1显著为正，如果η1和η2均显著为正且η1减小，则说明城乡医保统筹政策通过该中介变量发挥了部分中介效应；如果η1显著为正而η2显著为负且η1增大，则说明城乡医保统筹政策通过该中介变量发挥了部分中介效应；如果η1不显著而η2显著，则说明城乡医保统筹政策通过该中介变量发挥了完全中介效应。

上文实证结果已经表明，城乡医保统筹政策具有显著的健康绩效。鉴于此，本文依据方程(8)分析城乡医保统筹政策对各个中介变量的影响，回归结果如表8 所示。在表8 模型(1)中，虽然城乡医保统筹政策降低了居民门诊医疗支出自付比例，但是在统计上并不显著。在表8 模型(2)中，城乡医保统筹政策使得居民住院医疗支出自付比例显著下降了5.41 个百分点，并且在5%统计水平上显著。在表8 模型(3)中，城乡医保统筹政策对医疗保健支出没有产生显著影响。在表8 模型(4)中，城乡医保统筹政策显著提升了居民体检概率，并且在10%统计水平上显著，这表明该政策显著增强了居民健康风险意识。因此，我们把住院医疗支出自付比例和体检两个指标作为下一步检验的中介变量。

表8 城乡医保统筹政策对中介变量的影响结果

表9 汇报了中介效应检验结果，本文选取了自评健康(Self_Health)、心理健康(CES_D)、客观健康(MMSE)和健康相对剥夺指数(RD)作为被解释变量进行机制检验。表9 模型(1)中，住院医疗支出自付比例(Oop_Inpatient)显著降低了居民自评健康水平，且交互项DID 的系数不再显著，这说明住院医疗支出负担越重越不利于居民健康。表9 模型(2)中，体检(Exam_Physical)显著提升了居民自评健康水平，且交互项DID 的系数比基准回归该值有所减小。表9 模型(3)中，住院医疗支出自付比例(Oop_Inpatient)显著提升了居民心理抑郁程度，且交互项DID 的系数不再显著，这说明城乡医保统筹政策通过提高医保报销比例显著减轻了居民经济生活压力，改善了其心理健康状况。表9 模型(4)中，体检(Exam_Physical)显著降低了居民心理抑郁程度，且交互项DID 的系数比基准回归该值有所增大。表9 模型(5)中，住院医疗支出自付比例(Oop_Inpatient)显著降低了居民客观认知水平，且交互项DID 的系数不再显著。表9 模型(6)中，体检(Exam_Physical)显著提升了居民客观认知水平，且交互项DID的系数比基准回归该值有所减小。表 9 模型(7)中，住院医疗支出自付比例(Oop_Inpatient)提升了健康相对剥夺指数(RD)，但不具有统计显著性。在表9 模型(8)中，体检(Exam_Physical)显著降低了健康相对剥夺指数(RD)，且交互项DID 的系数比基准回归该值有所增大。

表9 中介效应检验结果

综上所述，经过中介效应模型检验发现，城乡医保统筹政策通过降低住院医疗支出自付比例和提升体检概率两个渠道提升了健康绩效。城乡医保统筹政策通过提高保障水平直接降低了居民医疗服务利用的医疗支出负担水平，同时增加了健康体检预防措施，增强了居民健康风险意识，从而有效改善了居民健康状况。

七、结论和建议

本文基于2015—2018 年中国健康与养老追踪调查(CHARLS)两期数据，利用双重差分方法(DID)评估了城乡医保统筹政策对居民健康及其健康不平等的影响，并探讨了其作用机制及其异质性影响，得到了下述结论。城乡医保统筹政策具有显著的健康绩效，显著提升了居民的自评健康、心理健康和客观健康水平；城乡医保统筹政策显著降低了Kakwani 健康相对剥夺指数，即有利于缩小居民健康不平等差距；城乡医保统筹政策对年龄较高、受教育水平较低、农村地区居民的健康绩效提升更加显著，并显著缩小其健康不平等差距，精准提升了弱势群体的健康水平，有助于解决我国医疗保障发展不平衡不充分的问题；同时，我们利用中介效应模型分析了城乡医保统筹政策健康绩效的作用机制，得出城乡医保统筹通过降低居民医疗支出自付比例和增强居民健康风险意识而显著促进了居民健康水平提升的结论。因此，虽然城乡医保统筹政策实施时间较短，但是已经显著提升了健康绩效，较好地实现了政策旨在保障城乡居民公平享有基本医疗保险权益、促进社会公平正义、增进人民福利的初衷。

基于以上研究结论，提出以下建议。第一，提升城乡社会基本医疗保险统筹层次，分阶段实现市级、省级、全国统筹，强化医保制度公平，逐步建立覆盖全民统一的社会医保制度，让人民都能享有公平医疗机会，促进全民健康平等。在加快推进城乡医保统筹过程中，要深化医保制度创新，以新发展理念解决医疗保障发展不平衡不充分的问题，要让统筹后的社会医疗保险制度引领医疗资源优化配置，降低医患双方的道德风险。让人民能公平享有同等医保待遇，以逐步降低长期累积的健康不公平程度，助力“健康中国”战略的实施。第二，建立救助对象及时精准识别机制，要重点识别特困人群、高龄老年人、残疾人、低收入农村居民等，这些人属于经济和健康弱势群体，需要加大对这些弱势群体的政策支持力度。逐步加强基层公共卫生设施建设，推动医疗健康资源和财政资金向农村和中西部地区倾斜，缓解城乡、地区之间发展不平衡的矛盾。第三，在城乡医保统筹政策实施过程中，需要科学提升医疗保险的保障水平，倡导健康生活方式。城乡医保统筹政策通过提高就医治疗概率、降低医疗支出自付比例和改变健康行为等方式来增大健康绩效。因此，需要适当降低就医门槛和增加基层医疗机构数量并提升其质量，让人民得到及时有益的治疗，避免出现“小病拖大病”医疗事件。同时，倡导开展健康体检、健康管理或者体育健身等活动，逐步培育以预防为中心的健康观念。