大病保险的减贫效果研究
——基于CFPS数据的实证分析
2022-04-30陈中南孙圣民
陈中南, 孙圣民
一、引 言
党的十八大以来，以习近平同志为核心的党中央高度重视贫困人口医疗保障工作，持续完善多层次医疗保障制度体系，医疗保障脱贫攻坚取得了决定性成就，截至2020年底，累计资助贫困人口参保2.3亿人次，各项医保扶贫政策累计惠及贫困人口就医5.3亿人次，帮助减轻医疗负担超过3 600亿元，助力近1 000万户因病致贫群众精准脱贫。然而，由重大疾病导致的返贫问题是巩固脱贫攻坚成果的一大制约因素。国家卫健委数据显示，2018年因病致贫、因病返贫的情况在建档立卡的贫困户中占比达42%以上，其中，约40%的患病贫困人口年龄在15岁至59岁，是所在家庭的主要劳动力。患病不但会产生治疗费用，还可能因造成劳动力丧失劳动能力而影响其收入来源，从而使家庭陷入贫病交加的境地。因此，为了确保脱贫不返贫，使脱贫攻坚成果更加稳固、成效更可持续，有必要详细考察大病保险制度的减贫效果，完善健全贫困人口医疗费用兜底保障机制，探索防范因病返贫、致贫的长效机制。
为说明我国医疗保障的现状，首先简要回顾我国医疗保障制度的发展历程。我国于1998年、2003年、2007年先后建立了城镇职工基本医疗保险制度(城职保)、新型农村合作医疗制度(新农合)以及城镇居民基本医疗保险(城居保)三项制度，覆盖城乡全体居民的基本医疗保障制度框架初步形成。截至2011年底，我国基本医保覆盖人数超过13亿，参保率达95%以上，“病有所医”有了基本保障。但这些基本医疗保险预算太少，实际保障比例不高，2011年，城居保和新农合的住院实际报销比例分别为52.28%、49.20%，给有重疾病患者的底层家庭提供的帮助不过是杯水车薪，家庭医疗支出负担仍然很重。
为防止城乡居民因病致贫、因病返贫，提高社会福利水平，中央政府决定扩大新农合和城居保的覆盖面，将重大疾病产生的高额医疗费用纳入保险补偿范围。自2012年8月下发实施起，我国大病保险制度的发展大致经历了三个阶段：2012年8月至2015年7月的试点推广阶段、2015年8月至2020年2月的全面实施阶段及2020年2月至今的规范完善阶段。
2012年8月24日，国家发改委等6部委联合发布了《关于开展城乡居民大病保险工作的指导意见》，提出建立大病保险制度，各地方先试点后推广，确定大病保险合理的补偿机制，要求覆盖农村居民和城镇非从业人员，且费用报销比例不低于50%。随后几年里国务院多次出台文件，敦促地方推进大病保险的相关工作。截至2015年7月，大病保险试点相关工作已在全国31个省市展开，其中16个省市全面推开，覆盖人口超过7亿人。
2015年7月22日，国务院会议确定全面实施城乡居民大病保险，同年8月，国务院办公厅发布《关于全面实施城乡居民大病保险的意见》，大病保险制度在全国范围内全面推开。到2017年，大病保险制度已经有效对接医疗救助等医疗制度体系，有效减轻了重大疾病患者看病就医的负担。
2020年2月，《中共中央国务院关于深化医疗保障制度改革的意见》明确了“强化基本医疗保险、大病保险与医疗救助三重保障功能，促进各类医疗保障互补衔接，提高重特大疾病和多元医疗需求保障水平”的目标，大病保险制度进入规范完善阶段。随后，2021年5月《保险公司城乡居民大病保险业务管理办法》出台，提出“构建起一个覆盖大病保险承办全流程、全环节的监管体系”，同年8月，国家医保局、财政部下发《关于建立医疗保障待遇清单制度的意见》，将城乡居民大病保险纳入补充医疗保险制度范畴，要求大病保险起付标准原则上不高于统筹地区居民上年度人均可支配收入的50%，支付比例不低于60%，对低保对象、特困人员和返贫致贫人员，大病保险起付标准降低50%，支付比例提高5个百分点，并取消最高支付限额。
直觉上，将重大疾病保险纳入城乡基本医保能够有效减少家庭意外的巨额医疗支出，起到为贫困家庭托底的作用，避免因病致贫，那么实际上大病保险的减贫效果究竟如何呢？为回答这一问题，本文基于各省(市、自治区)先后试点推行大病保险改革这一准自然实验，使用DID模型研究大病保险改革对城乡居民的减贫效应。
二、文献综述
因病致贫本质是健康风险在经济层面的反映，往往发生在占社会人口大多数的中下层，是一个具备典型性和普遍性的社会问题。国外研究者很早就开始关注疾病与贫困的联系，在因病致贫的机制方面基本形成共识。首先，疾病导致的医疗开销属于必要支出，如果病情较为严重或持续不见好转，使支出超过家庭承受范围，就会引致家庭经济风险。其次，疾病导致患病者劳动能力受损，为了照顾病患，家庭成员的劳动竞争力同样会受到影响，甚至退出劳动市场。最后，前面两点互相促进，形成“患病—陷入贫困—病情加重—贫困加重”的恶性循环，导致家庭持续停留在低生活水平的泥潭中。
从动态均衡的视角看，患病风险表现为对低收入家庭的负向冲击，使均衡水平状态永久性降低，甚至进一步延续，导致家庭跨代贫穷。Damme研究柬埔寨低收入家庭时发现，重大疾病冲击产生的高额医疗费用可能导致这些家庭陷入长期贫困。Bredenkamp等对比研究了巴尔干半岛西部六国的疾病与贫困关系，发现高昂的大病医疗费用支出不仅造成居民贫困，还增加了居民患病概率，并且导致贫穷在代际传递。
疾病与贫穷的伴生连锁是否能被基本医疗保险制度终结，是研究者们进一步关注的问题。Finkelstein等在俄勒冈州进行了随机对照实验，发现扩大公共医疗保险范围会促使低收入人群更多地使用医疗服务，减少了灾难性医疗支出，并有效地改善了身体健康状况。Sommers和Oellerich发现美国医疗补助计划(Medicaid)能够减少参保人的自付医疗支出，平均减少495美元，同时降低了老人、孩童和残疾人等弱势群体的贫困发生率，2010年至少 260 万美国人受益而免于贫困。Korenman 和 Remler重新构建了贫困标准体系HIPM(Health-Inclusive Poverty Measure)，把健康要素和医保支付比例纳入考量范畴，结果发现公共医疗保险福利使马萨诸塞州65岁以下人口的贫困率下降了2.9个百分点，儿童贫困率下降了3.2个百分点。上述研究表明，社会提供的基本医疗保险制度确实能够减少贫困发生率。同时，这一经验规律在发达国家和塞内加尔、加纳这样的不发达国家都同样适用。但是医疗保险的帮扶力度可能比较有限，Dobkin等通过HRS(Health and Retirement Study)和加利福尼亚州的住院信用报告数据发现，住院治疗人群收入下降的部分只有10%被保险抵消。
除了确认基本医疗保险是否具备减贫效应外，研究者还关心社会医疗保险减少家庭贫困的机制路径。直接机制方面，基本医保一是减少了家庭自付的现金医疗支出(Finkelstein et al.，2012；Sommers & Oellerich，2013)，二是减少了灾难性医疗支出的发生概率。前者是减少支出总量，后者是压低支出峰值，减少大额支出产生递增的负面边际影响。此外，医疗保险减贫还存在间接机制，通过影响家庭短期与长期决策取舍发挥作用。Sauerborn等调查了566个农村家庭样本，发现家庭内部劳动力替代是应对成员疾病损失的主要策略，但是贫穷家庭并不能通过劳动力替代消除严重疾病造成的巨大损失。Hubbard等人提出社会保障制度能够降低民众对未来不确定性的预期，增强信心，从而减少居民的预防性储蓄。作为准公共物品的基本社会保险能增加家庭抵抗经济风险的能力，提升家庭潜在的劳动竞争力，从而达到减贫效果。Kochar则用IFPRI (International Food Policy Research Institute)的数据考察了巴基斯坦成年男性的健康状况对家庭投资决策的影响，发现疾病风险会影响家庭的决策，增加家庭储蓄而减少家庭投资，也就是说患病使得低收入家庭不得不放弃长远利益。此外，Brevoort等还发现医疗保险能够为贫困群体增信，PPACA(Patient Protection and Affordable Care Act)医疗补助改革减少了患者拖欠的医疗费用58.9亿美元，降低了个人贷款利率，改善了无力支付医疗费用群体的信贷条件。
国外对基本医疗保险的减贫效果研究结论相对一致，而国内研究对基本医疗保险的减贫效果评估存在一定分歧，主要可能是指标构建、评价体系差别造成的。大部分学者认为城居保和新农合都能起到较好的减贫效果。例如，李立清和危薇用2004—2009年中国健康营养调查(CHNS)农村样本数据做双重差分，发现参保新农合的农户更容易摆脱贫困，收入增加也更多。齐良书用清华大学2007新农合农户家庭健康状况调查数据匹配2003—2006年农村家庭微观调查数据30个省的数据，分析表明在省级层面新农合覆盖率越高，农村贫困率越低，同时在增收和减少贫富差距方面也有作用。方黎明使用河北霸州、湖北赤壁、重庆合川的微观调查数据，分析发现农村家庭的灾难性医疗支出发生率虽然因新农合有所降低，但仅从59.4%下降到54.4%，仍然属于高发，且自付的医疗支出远超其承担能力，实际减贫效果并不太明显。城镇居民医疗保险方面，国务院发起的城镇居民基本医疗保险试点评估调查数据被学者们广泛使用。胡宏伟和刘国恩用PSM-DID方法分析了2008—2010年的数据，发现低收入群体和老年人的健康水平都得到了提高，得出城居保有益于健康公平的结论。周钦等用2007—2011年的数据构建两部门模型进行分析，发现参与城居保支付同等保费情况下，高收入群体相比低收入阶层受益更多，从而指出城居保同样存在公平性不足的问题。黄薇也是用2007—2011年度的数据，发现城居保能有效改善受重大疾病冲击的家庭经济状况，同时该效应具有延续性，但是这种减贫帮扶效应对高收入群体更为明显，扶贫精准性有待提高。
尽管大病保险推行时间较新农合、城居保更晚，但近两年相关研究已经迅速跟进。多数研究认为，对贫困人口而言，新农合与城居保的覆盖是“从无到有”的改善，而大病保险推广是“从有到优”的提高。向运华和罗家琪详细整理了各省市的大病保险制度细则，对保障对象、病种、起付线、封顶线、补偿比例和贫困优惠政策进行相对全面的比较分析。朱铭来等提出灾难性医疗支出标准，使用面板门槛模型比较大病保险的三种补偿方案，结果发现以家庭为补偿对象的方案在三者中效果最优。Zhao使用DID模型考察我国大病保险对农村居民消费的影响，结果发现重病保险使人均家庭日消费增长15%以上，但医疗支出并未受到影响，通过比较不同消费水平和收入水平家庭的消费结果，进一步发现大病保险主要促进农村富裕家庭的消费，对贫困家庭没有激励作用，进而导致农村家庭消费不平等的恶化。同时，赵为民还发现大病保险改善了农村居民的健康状况。王黔京使用Probit模型分析贵州省入户调查数据，比较贵阳市和黔西南州的大病保险制度设计，发现“一元制模式”比“一制两档模式”在打破城乡二元结构、统筹医保资金分配上具备更强的正向效应，更有利于低收入群体。解莹使用DEA模型评估大病保险的减贫效率，发现城乡居民大病保险在2015年后总技术效率大幅提高，西部地区的总效率优于中部。同时，大病保险具有减贫作用，但没有显著削弱地区贫困，扶贫精准度不高。李庆霞和赵易以2013年2月为分界线，使用CHARLS数据考察城乡居民大病保险在前后两个政策时期的效应，发现城乡居民大病保险减少了目标群体的灾难性医疗支出，对低收入和中低收入群体的效果更好。
然而，就已有研究来看，关于大病保险减贫效果的文献仍然不够细致，对相关政策的干扰并未进行充分考虑和排除。大病保险是否能够有效抵御重大疾病对家庭财务造成的冲击，特别是对贫困人口而言，是不是一张兜住因病返贫风险的安全网，关系到巩固脱贫攻坚成果大局，细化研究大病保险实际减贫效果具有必要性和现实意义。
本文使用2010—2016年度CFPS的家庭数据，使用双重差分方法估计大病保险政策试点地区的减贫效应。选择这一时间段的原因是，2016年国务院印发《关于整合城乡居民基本医疗保险制度的意见》，此后各地开始逐步将新农合、城居保整合为城乡居民基本医疗保险，统一医保目录和保障待遇，增强了保障力度。然而，已有研究表明，整合城乡居民基本医疗保险制度改革与大病保险改革政策效果相仿，也是“从有到优”的改良。为了准确识别大病保险的政策效应，本文将受影响的样本剔除，以确保研究设计符合政策现实。与现有文献一致，我们发现扩大医疗保险的覆盖范围能够有效缓解收入贫困。结果表明，在实行大病保险改革的省市，绝对贫困发生率显著下降，PSM-DID的结果表明上述结论具有稳健性。此外，使用多时点DID的拓展分析表明，大病保险改革在绝对贫困方面的减贫效应具有时间上的持续性，随着时间推移，政策效应更加显著。
相对以往研究，本文有三个主要贡献：首先，前述研究对贫困的考察维度较为单一，而本文从绝对贫困和相对贫困两个维度使用多个指标度量贫困情况，从收入和支出两个角度分析大病保险减贫的机制，更为全面地考察了改革对城乡居民家庭的减贫作用。其次，过往针对大病保险的研究没有充分考虑同时期的其他政策效应，由于大病保险改革和整合城乡居民基本医疗保险两项改革几乎同时进行，过往研究识别出的政策效应很可能是两项改革影响叠加的效果(如赵为民，2020，2021)。在研究设计上，本文排除了整合城乡居民基本医疗保险改革的政策干扰，对大病保险改革的政策效应识别更加准确。最后，已有研究医疗保险改革的文献主要采用双重差分方法，而本文拓展了已有的研究方法，在DID基础上进一步采用多时点DID估计，从动态视角考察政策效果。
三、实证策略
(一)数据来源
本文使用的数据主要来源于中国家庭追踪调查(CFPS)。CFPS是一项由北京大学社会科学调查所(ISSS)于2010年发起的针对中国社区、家庭和个人的年度纵向调查。该项目随机抽取15 000个家庭进行调查，覆盖全国25个省市的4万多人，调查结果每两年公布一次，截至当前已公布2010—2018年的数据文件。因调研有时滞性，调查采集上一年度的数据，大部分家庭数据采集时间为2010年、2012年、2014年、2016年及2018年，实际获得的数据为2009年、2011年、2013年、2015年及2017年。考虑到2017年大部分省市开始落实新政策，将新农合、城居保整合为城乡居民基本医疗保险，为排除同类型政策的干扰，保证大病保险政策识别效果，最终使用2010—2016年的数据进行估计。
(二)变量设计
为衡量大病保险的减贫效果，本文使用虚拟变量“是否为贫困户”作为被解释变量，该虚拟变量基于样本家庭人均纯收入和贫困标准的对比计算得出。具体而言，绝对贫困线与我国现行农村贫困标准一致，以2010年2 300元不变价为基准，根据农村居民消费价格指数折算为当年不变价，得到的历年贫困标准如表1所示。参考已有文献，定义两种绝对贫困指标：指标1由家庭人均纯收入与贫困线对比得出，若当年度该家庭人均收入低于国家贫困线标准则取值为1，否则为0。这一指标主要反映了大病保险通过收入渠道减贫的效果。指标2在前者的基础上将自付医疗支出纳入贫困线门槛内，即将扣除医疗支出后的家庭人均纯收入与贫困线对比，作为判断是否贫困的标准。这一指标主要反映了大病保险通过支出渠道减贫的效果。同时，借鉴卢盛峰和卢洪友、陈宗胜等的做法,设置“相对贫困线”，定义两种相对贫困指标：一是按照年份对所有样本家庭进行五等份分组,将人均收入最低的20%标准作为当年度的相对贫困线，若家庭人均收入低于当年度相对贫困线则为贫困户。基于这一方法计算得到的指标记为3。二是按照样本家庭所在省(市、自治区)分别进行五等份分组,将人均收入最低的20%标准作为所在地区的相对贫困线,根据家庭人均收入的相对位置来衡量贫困状况。基于这一方法计算得到的指标记为4。对于上述指标，城镇居民和农村居民使用相同的贫困标准。综上，总共构建4种贫困指标，从绝对和相对两个角度较为全面地考察城乡家庭的贫困情况。
表1 按现行农村贫困标准衡量的贫困状况
(三)研究设计
自2012年起，各地开始试点大病保险制度，依托城乡居民基本医疗保险筹资，在原有的基本医保支付基础上给予进一步支付，以减轻城乡居民的医疗费用负担，解决人民群众反映强烈的因病致贫、因病返贫问题。截至2013年底，全国有25个省市出台了城乡居民大病保险试点实施方案，共计134个城镇进入试点。至2014年底，大病医保已经在27个省市开展，覆盖城乡人口达7亿人。2015年8月，国务院办公厅印发《关于全面实施城乡居民大病保险的意见》，要求在2015年底前，大病保险覆盖所有城乡居民基本医保参保人群；到2017年，在全国范围内建立起比较完善的大病保险制度，有效防止家庭灾难性医疗支出发生。由于各地推行大病保险的时间存在差异(如表2所示)，这就为我们评估大病保险制度的减贫效果提供了一个“准自然实验”的机会。
基于上述政策背景，本文以2013年作为政策变化的时间节点，将率先完成改革、在全省(市)范围内实施大病保险的省市作为“处理组”，将尚未完成改革的其余省市作为“控制组”，使用双重差分模型估计大病保险的政策效应。根据政策实施情况，处理组包括山东、福建、浙江、湖北、重庆、青海和江西。
然而，与此同时，很多地区正在经历从新农合、城镇居民基本医疗保险向城乡居民基本医疗保险的转变。2013年起，部分省市开始将新农合、城居保整合为城乡居民基本医疗保险。2016年1月，国务院印发《关于整合城乡居民基本医疗保险制度的意见》，要求各地于12月底前出台实施方案，力争2017年实施。和大病保险改革一样，整合城乡居民基本医疗保险同样是“从有到优”的提高。这就影响了本文的实验环境。如果不加以考虑，那么上述设计识别出的政策效应就是大病保险制度改革叠加整合城乡医保改革两次政策冲击的减贫效果。为了保证模型能准确识别出大病保险的减贫作用，我们必须剔除整合城乡基本医疗保险的影响。
从各地文件来看，绝大多数省市出台整合城乡医保方案的时间在2016年，而正式实施时间都晚于2016年甚至2017年。事实上，在2016年之前实施整合城乡医保改革的省市仅有天津、重庆、宁夏、山东、广东、上海、青海。因此，在剔除前述7个省市的样本后，我们就剔除了整合城乡居民基本医疗保险改革的影响。最终用于回归的44 773个样本仅存在一次政策冲击，处于干净的“准自然实验”环境，其中处理组为来自福建、浙江、湖北和江西4个省份的3 834个样本。
表2 各省市推行大病保险改革时间表
根据上述思路，设定双重差分模型如下：
=+++(×)+++
(1)
式中，是被解释变量，代表省(市)年家庭的贫困指标，包括绝对贫困和相对贫困两方面的4个指标。为区分处理组和控制组的示性变量，衡量实验效果。若家庭位于处理组省市则取值为1，否则为0。为政策效果虚拟变量，政策实施前取值为0，政策实施后取值为1。×为实验效果和政策效果的交互项，其系数显著则说明政策有效。为家庭层面的特征变量，包括家庭人口规模()、人均资产(_)和人均支出(_)3个变量。为减少离群值对回归结果的影响，我们首先对人均资产和人均支出进行双侧2.5%缩尾处理，再取自然对数值。控制省级经济特征，包括人均GDP(_)、GDP增长率(_)和城镇化率()3个指标。为误差项。表3给出了各变量的具体定义和数据来源。表4是主要变量的描述性统计。
表3 变量定义和数据来源
表4 变量描述性统计
使用双重差分方法估计的一个重要前提假设是控制组和处理组必须满足“平行趋势”检验，即两组样本在政策冲击发生前必须具有可比性，这样才能确保控制组在政策冲击后的表现是处理组的反事实。因此，是否满足平行趋势检验直接影响DID模型估计结果及其结论的正确性。平行趋势检验结果如图1所示。图1中上半部分显示，控制组和处理组的绝对贫困指标1和2在政策冲击前无显著差异，在政策冲击后2期均出现了显著差异。可见，绝对贫困指标满足平行趋势假设。再看相对贫困指标，图1中下半部分显示，控制组和处理组的3在政策冲击后也出现了显著差异，通过了平行趋势检验，但4在政策冲击前后均无显著差异。由于相对贫困指标不完全满足平行趋势假设，下文将使用倾向得分匹配法改变样本的权重，使处理组与匹配的控制组在政策冲击前具有相似的变化趋势，进而对基准回归结果进行稳健性检验。
图1 基准DID平行趋势检验
四、实证结果
(一)基准回归结果
根据上述识别策略，本文首先分析大病保险改革对四类贫困指标的影响。我们的基准回归结果如表5所示。其中，回归(1)—(4)使用绝对贫困指标作为被解释变量，回归(5)—(8)则采用根据分位数划定的相对贫困指标作为被解释变量。奇数栏只控制家庭特征变量，偶数栏同时控制家庭和省级特征变量。表5的结果显示，大病保险改革对于其中三项指标的影响具有统计显著性，表明大病保险既有利于减少城乡居民的绝对贫困程度，也有利于减少相对贫困的发生。
表5 DID双重差分估计结果
从前四列来看，推行大病保险政策使得家庭绝对贫困水平均有所下降。首先，大病保险改革对以人均收入衡量的绝对贫困户(1)减贫率分别为5.0%和5.3%，并在1%的置信水平下显著。这意味着重大疾病保险政策改革通过收入渠道减贫的效果良好，比如可能增加家庭成员的工作时间，即原本忙于照料病患的家庭成员由于具有大病保险的覆盖更倾向于使用专业的医疗环境和护理人员，从而获得更多从事生产工作的时间，在生产方面增加投入，继而增加家庭人均收入。其次，大病保险改革对以扣除医疗支出后的人均收入衡量的绝对贫困户(2)减贫率分别为5.3%和5.7%，在不同控制变量的情况下均比前一种指标降幅更大，表明大病保险制度的实施有效减少了患者的医疗负担，“因病致贫”、“因病返贫”的情况得到有效遏制。加入省级控制变量的回归结果与仅控制家庭特征的结果一致，效应更为明显。在家庭层面的控制变量中，家庭成员数越多，绝对贫困的程度越高。相较而言，农村家庭相比于逐步“原子化”的城镇家庭而言规模较大，老年人和未成年人数量占比较高，不作为家庭主要收入来源的承担者，且老年人更多面临着高昂的医疗费用，极易导致“因病致贫”、“因病返贫”等现象出现。因此，绝对贫困更多出现在农村家庭中，这一结果与现实情况相符。人均支出与绝对贫困负相关，说明富裕家庭人均支出更多。省级控制变量的结果则表明，人均GDP越高的省市对应更低的绝对贫困水平，在两种绝对贫困标准下，对应系数分别为-4.0%和-3.8%，后者贫困率的降幅更小，说明大病保险在经济落后地区减少医疗负担的效果优于发达地区，也说明经济落后地区贫困群众面临的医疗负担更为沉重。
从后四列来看，使用两种相对贫困指标的回归结果有所不同，基于年度家庭收入衡量的相对贫困指标(3)分别下降了4.9%和4.7%，基于各省市家庭收入衡量的相对贫困指数(4)反而分别上升了1.6%和1.2%，但是前者在1%水平上显著，后者并不显著。两种相对贫困指标的含义不同，3是同一年度横向比较，反映地区间的相对贫富情况，4是同一省市纵向比较，反映的是各省内部的相对贫富情况。回归结果说明，大病保险政策有助于减少地区间的相对贫困，缩小地区间的贫富差距，对省市内相对贫困的影响力度则较小。从控制变量来看，家庭人均资产和人均支出的回归系数显著为负，表明家庭人均资产和人均支出越高，相对贫困程度越低，与一般的经济认知相符。有意思的是，家庭人口越多，相对贫困程度反而越低，和绝对贫困正好相反，说明相对贫困群体家庭人口偏少的居多，可能以城市低收入群体为主。在省级层面经济特征变量中，人均GDP的系数显著为正，意味着人均GDP越高的省市相对贫困程度越高，反映出经济发达地区存在较严重的贫富差距。经济增速与城镇化率对相对贫困存在一定的负向影响，但影响较人均GDP微弱许多。
(二)稳健性检验：PSM-DID
本文采用的基本研究方法是双重差分估计。双重差分的一个关键假设是条件独立假设(CIA)，即处理组和对照组可能存在不同的潜在时间趋势，但是适当控制可观察协变量后可以消除选择性偏差。虽然我们在表5中控制了家庭和省际的特征变量，但这并不能保证满足CIA 假设。有几种方法可以解决这个问题：一是使用模糊断点回归(FRD)；二是采用工具变量做局部平均处理(local ATE)；三是使用双重差分—倾向匹配得分(PSM-DID)方法。由于FRD方法需要特殊的识别策略，而合适的工具变量往往不易找到，且本文的数据较难满足工具变量的条件，因此我们使用PSM-DID模型来检验结果的稳健性。此处采用核匹配方法，使用Logit函数估计倾向得分，选用的协变量包括家庭和省级层面的特征变量。PSM-DID估计的结果报告在表6中。
表6 PSM-DID双重差分估计结果
表6中PSM-DID结果显示，大病保险改革对前三种贫困指标的影响系数为负，对4的影响系数为正，绝对指标的系数均具有统计显著性，而相对指标的都没有。总体上PSM-DID的结果与表5中的基准回归结果基本一致。
利用双重差分倾向得分匹配方法的重要前提是匹配使得协变量在处理组和控制组的分布变得平衡，即满足可忽略性假定：回归方程中不存在与解释变量相关的遗漏变量，家庭是否接受政策干预完全取决于协变量和。因此，给定协变量和，潜在结果独立于处理变量，即匹配后处理变量对实验组和对照组的贫困指标的影响可以忽略。平衡性检验结果如表7所示。从表7结果可知，进行匹配后，家庭和省际控制变量的6个协变量的均值在实验组和对照组间存在显著差异。显然，受限于数据可获得性，纳入的协变量数量偏少，尽管PSM-DID与DID的结果一致，但仍应以一般的双重差分结果为准。
表7 匹配后政策前协变量的平衡性检验(Two-sample t test)
五、拓展分析：多时点DID
上述差分模型的控制组中，有部分省市在2013年开展试点。由于CFPS数据为了保护受访者隐私，只公布所在省市信息而没有区县信息，无法在省级以下进一步区分实验组和控制组，使差分估计的政策效应不够纯粹。不过即便将控制组的试点城市效应考虑进来，测得的减贫政策效应也只会“低估”实际效应，不影响文章结论。为了获得更“干净”的政策效应，并考察政策的长期效果，我们尝试用多时点DID模型重新估计，以全省全面铺开大病保险的年份作为该省的政策年，全部政策年设为基期第0期，前后年份平移处理，估计的政策效应随时间变化如图2所示。
从图2的结果来看，大病保险改革对两种绝对贫困指标的政策效应和前述DID模型结果基本一致。从绝对贫困指标来看，图2中上半部分显示，大病保险改革降低了以人均收入衡量的绝对贫困户(1)的发生概率，对以扣除医疗支出后人均收入衡量的绝对贫困户(2)减贫程度更高，且均十分显著。还可以看到，政策效应在改革后第二年仍然显著，甚至有所增加(系数更小)，说明大病保险改革对减少贫困的作用存在持续性。
和绝对贫困指标不同，大病保险改革对两种相对贫困指标的影响估计系数均为正数，说明大病保险可能增加了相对贫困。从相对贫困的具体指标来看，图2中下半部分显示，基于全国家庭收入衡量的相对贫困指标(3)不符合平行趋势检验，不适合多时点DID模型；基于全省家庭收入衡量的相对贫困指标(4)的政策冲击为正，表明大病保险制度确实不具备减少相对贫困的作用，只能承担兜底功能，减少绝对贫困，防止因病致贫、因病返贫。
表8展示了多时点DID的估计结果，其中，奇数栏只控制家庭特征变量，偶数栏同时控制家庭和省级特征变量。从前四列来看，仅控制家庭特征的多时点DID的估计结果(第1列和第3列)与基准DID结果大体一致，都在-0.05附近，而控制省份特征的政策效应(第2列和第4列)则略小于基准DID估计。从后四列来看，在控制省份特征后，改革对基于年度家庭收入衡量的相对贫困指标(3)影响并不显著，与动态检验结果一致。在基于各省份家庭收入衡量的相对贫困指数(4)下，大病保险改革使相对贫困户增加了2.5%和2.1%，且均在1%的统计水平上显著。由于这一指标反映的是各省内部的相对贫富情况，这一结果表明大病保险政策不能减少省内相对贫困的发生，反而拉大了差距。原因可能是政策兜底只能维持底线，但不足以支撑贫困人口实现更好的发展；相反，政策兜底可能造成类似“养懒汉”的负面效应，原本有激励动机奋斗的底层人口反而因此减少了劳动投入，落入相对贫困的状况。
图2 多时点DID动态检验
表8 多时点DID估计结果
六、结 论
本文基于大病保险改革的政策背景，使用2010—2016年的CFPS数据，以2013年作为政策变化的时间节点，将率先完成大病保险改革、在全省(市)范围内实施大病保险的省市作为“处理组”，将尚未完成改革的其余省市作为“控制组”，使用双重差分模型估计大病保险的减贫效应。在研究设计上，本文排除了整合城乡居民医疗保险的政策干扰，利用绝对贫困和相对贫困两个维度的四个指标考察大病保险的减贫效果。之后，本文使用倾向得分匹配方法进行稳健性检验，进一步验证了大病保险确实有助于防止因病致贫、因病返贫。拓展分析补充了多时点DID的结果，消除了各省市政策落实时间差的影响。
本文的研究结论主要有以下几点。
第一，实证结果表明，大病保险改革对绝对贫困指标的系数均负向显著，表明大病保险改革对于城镇和农村居民家庭存在整体的减贫效应，大病保险可以通过收入渠道减少贫困发生，即由于患病成员以及家庭护理人员丧失全部或部分的工作时间或能力，家庭收入会灾难性减少。而大病保险有利于病患及时获得治疗，原本忙于照料病患的家庭成员只需要短期简单照料，或者临时雇用护理人员，间接提高了家庭的劳动参与，变相增加了家庭收入，避免家庭经济因为大病冲击而出现断崖式恶化。第二，在控制变量相同的情况下，扣除医疗支出的贫困指标比直接按人均收入衡量的贫困指标降幅更大，表明大病保险制度减贫的主要机制是通过减少重症患者医疗开支，减轻患病家庭的经济负担，从而有效遏制“因病致贫”、“因病返贫”的发生。第三，经济越发达的省市绝对贫困程度越低，但是相对贫困却越高，反映出经济发达地区存在较严重的贫富差距。在家庭特征与贫困关系方面，人均开支与绝对贫困指标负相关，与相对贫困指标正相关，并且人数较多的家庭更容易面临绝对贫困问题。第四，多时点DID消除各省市政策落实时间差的影响，依然维持了和前述一致的基本结论，同时表明大病保险制度的减贫效应具有时间上的延续性。
2020年底，我国已经全面完成脱贫攻坚任务，通过总结扶贫攻坚战的成功经验，才能更好地向下一步实现共同富裕目标前进。习近平总书记在全国脱贫攻坚总结表彰大会的发言中指出，“脱贫摘帽不是终点，而是新生活、新奋斗的起点”，“要压紧压实各级党委和政府巩固脱贫攻坚成果责任，坚决守住不发生规模性返贫的底线”。要避免运动式减贫，必须依靠有针对性的长期制度保障，才能确保脱贫不返贫。本文研究表明，城乡居民大病保险制度起到为绝对贫困群体兜底的作用，有效遏制了因病致贫、因病返贫的发生，制度的减贫效应具有持续性，是扶贫战略的有效配套制度。各地地方政府应加大大病保险政策的落实力度，逐步提高大病保险覆盖范围，以实现减贫效应最大化。在具体的落实过程中，各地可以结合当地经济社会发展水平、医疗保险筹资能力等，在符合精算平衡的前提下尽可能降低常见重大疾病的报销门槛，以最大限度惠及低收入群体，充分发挥大病保险制度对因病致贫的针对性作用。但是，大病保险制度在减少相对贫困方面作用微弱，甚至可能起到负面作用，因此需要明确大病保险减少绝对贫困的制度定位，探索其他类型制度减少相对贫困，缩小贫富差距。
:陈中南，论文构思、数据搜集与整理、计量实证、初稿撰写与后期修改；孙圣民，论文撰写指导、后期修改建议。
