基本医疗保险对我国居民健康水平的影响

张允新 ，宫春博 ，郭新苗

1山东中医药大学药学院，山东济南，250300；2山东中医药大学管理学院，山东济南，250300

健康是人类进行物质活动的前提，是人类最基本的权利。我国民众的健康需求正随着社会发展模式的转型与提速呈现出细致化、多样化、层次化等特点。健康需求层次的转变造就了目前卫生医疗服务供需不均衡的局面，民众更倾向于选择高质量、高水平的医疗卫生服务。根据国家统计局发布的2021年国家统计年鉴中的数据显示，2020年我国人均卫生费用高达5112.34元，较2019年增长了9.49%，人均卫生费用与人均国民总收入之比(7.10%)也达历史之最。因此，为进一步满足发展新常态下的国民健康需求，提升群众的健康水平，缓解群体的健康差异，我国于2016年提出了建设“健康中国2030”，以健康建设为民生切入点提升国民生活质量与生活幸福感。基本医疗保险作为居民防范健康风险的重要工具也将成为健康建设的重点项目。但是，目前对于基本医疗保险提升居民健康问题的研究存在很大分歧。尽管有研究认为基本医疗保险能够显著提升参保者在主观、客观、心理层面的健康水平[1-3]，但仍有学者认为其影响甚微，并不能有效提升参保居民的健康水平[4-5]。为此，本研究重新检视现行基本医疗保险制度对居民健康水平的影响效果。为保证研究结论的可靠性，相较以往研究，本研究在以下方面具有一定新意。本研究选用中国家庭追踪调查数据为评估结果的科学性及有效性提供基础；利用多种方法处理回归中的内生性问题以保证研究结论的稳健性；通过多维度分析基本医疗保险对不同参保人群的健康水平的影响以实现对基本医疗保险实施效果的多角度识别；通过厘清基本医疗保险提升居民健康水平的作用渠道以保证研究结论的丰富性与全面性。

1 资料来源与方法

1.1 资料来源

本研究所用数据来源于北京大学中国社会调查中心于2010年始开展的中国家庭追踪调查(China family panel studies,CFPS)。该调查分为个人、家庭、社区3个部分，通过分层多阶段抽样的方式覆盖了25个省级行政单位，访问规模达16000户，调查内容包括经济活动、教育成果、家庭关系与家庭动态、人口迁移、健康等多个方面，数据内容真实可靠。本研究选用CFPS数据库中的2016年与2018年数据为实验样本，在保有两期数据中交集样本数据的同时，剔除居民自评健康水平、居民参保状况、个人特征、医疗卫生服务、居民健康行为等关键指标回答缺失或无效的样本数据，最终1652例样本纳入回归。

1.2 研究方法

1.2.1 指标选取。健康是一个多维度指标，包括主观健康和客观健康。因此，本研究选取居民自评健康水平作为度量样本健康的指标。该指标既是居民对自身健康状况的主观感知，又带有客观属性，与死亡率等客观指标有显著关联，是衡量个人健康水平的优良指标。本研究核心解释变量为衡量居民是否参加基本医疗保险的指标。我国的基本医疗保险包括城镇职工基本医疗保险、城镇居民基本医疗保险和新型农村合作医疗，其中城镇居民基本医疗保险与新型农村合作医疗自2016年起逐步合并为城乡居民基本医疗保险。因此，本研究将2016年未参加基本医疗保险，2018年参加基本医疗保险任一险种的样本设定为实验组；将2016年与2018年都未参加基本医疗保险任一险种的样本设定为控制组，用分组虚拟变量treatedit表示。但由于本研究所用模型为双重差分模型，交互项时间虚拟变量与分组虚拟变量的乘积(yearit*treatedit)才是真正衡量基本医疗保险对居民健康产生影响的核心解释变量。本研究以Grossman模型为模板，在结合相关文献的基础上[6-7]，从以下3个层面选取控制变量：个体特征方面选取户籍、家庭成员人数、年龄、性别、婚姻状况、受教育年限、年收入等；医疗卫生服务方面选取医疗支出、就诊医院规模、看病点条件满意度、看病点医疗水平等；健康行为方面选取是否抽烟、是否饮酒、是否午休、周娱乐活动时长、周锻炼次数等。各变量定义及赋值情况见表1。

表1 变量定义及赋值

1.2.2 模型选择。本研究模型构建基础来源于1972年Grossman提出的健康需求模型[8]。该模型指出个体第i+1期的健康存量(Hi+1)是由第i期的健康投资(Ii)与健康折旧率(δi)以及健康存量(Hi)决定的，见式(1)。而健康投资又分为消费者购买的医疗服务(Mi)、消费者从事健康投资消耗的时间(Thi)、消费者人为资本存量(Ei)3个部分，见式(2)。由此可知，基本医疗保险是通过影响居民的医疗服务购买需求来对居民健康产生影响的。

Hi+1=Ii+(1-δi)Hi

(1)

Ii=Ii(Mi，Thi，Ei)

(2)

本研究为估计基本医疗保险对居民健康水平的提升效果，构建如下模型。

Healthit=α0+α1treatedit+α2yearit+α3yearit*treatedit+βiXit+εit

以上模型中，Healthit为样本个体i在第t年的健康水平；treatedit为与居民基本医疗保险参保行为相关的分组虚拟变量，实验组取值为1，控制组取值为0；yearit为区分年份的时间虚拟变量，2018年取值为1，2016年取值为0；交互项treatedit*yearit为居民个人是否参加基本医疗保险与年份的乘积；Xit为控制变量；εit为随机扰动项；α3为交互项的回归系数，其数值反映出基本医疗保险对居民健康水平提升效果的优劣。

1.3 统计学方法

采用Stata 16.0 进行统计学分析。选取倾向性评分匹配(propensity score matching，PSM)与双重差分(difference in differences，DID)相结合的方法探究基本医疗保险对居民健康产生的影响是本研究统计分析的主要内容；选用反事实检验及更换回归方法对估算结果的稳健性进行验证以确保统计分析结果的科学性；在考察基本医疗保险的异质性的基础上，利用中介效应研究基本医疗保险提升居民健康水平的作用路径。

2 结果

2.1 调查对象基本情况

本研究共收集样本信息1652条，基本医疗保险的参保者617人(37.35%)，未参保者1035人(62.65%)。居住地在城镇的有834人(50.48%)，乡村的有818人(49.52%)；男性802人(48.49%)，女性850人(51.51%)；拥有配偶者1359人(82.26%)，未拥有配偶者293人(17.74%)；≤45岁者739人(44.73%)，46岁及以上913人(55.27%)；文盲398人(24.09%)，初中及以下847人(51.27%)，高中及大专332人(20.10%)，本科及以上75人(0.85%)；1355人(82.02%)年收入少于3万元。

2.2 居民健康水平的描述性统计

本部分为实验组与控制组之间的自评健康水平变量统计结果。通过对所得结果进行比较，可以较为直观地发现控制组中的个体拥有更高的健康水平，控制组的平均健康水平为5.658，高于实验组的自评健康水平均值5.514。见表2。两组样本健康水平的核密度图也再次印证了该结论，两组样本的健康水平分布均为左偏尖峰分布(偏度<0且峰度>3)，但实验组偏度与峰度的绝对值较控制组更高，实验组样本中拥有更多的低健康水平的个体。见图1。

对个体是否参加基本医疗保险虚拟变量与个体自评健康水平变量进行相关性分析后发现，个体的参保情况与其自身健康水平之间存在较强的负相关关系，相关系数为-0.048，且该系数在5%的统计水平上显著。见图2。相较于未拥有基本医疗保险来说，居民拥有基本医疗保险后健康水平反而更低，基本医疗保险并未能提升居民的自评健康水平。

综上可知，基本医疗保险并未使居民健康水平得以提升，与预期不符。但经过对相关文献进行梳理工作后发现，该结果是因居民参保过程中对基本医疗保险的逆向选择行为所致，健康水平较低的个体会更加倾向于通过参加医疗保险来释放自身的健康需求。因此，为得出基本医疗保险健康绩效的纯净效应，需对回归中的内生性问题做出专项处理。

表2 实验组与控制组居民自评健康变量的描述统计

图1 控制组(左)和实验组(右)自评健康水平分布差异

图2 健康变量与分组虚拟变量的拟合曲线

2.3 PSM-DID回归结果

PSM-DID可以有效解决回归中的内生性问题，是实证研究中估计政策实施效果应用较为广泛的方法。本研究利用PSM中的卡尺匹配法对样本中的个体分组别进行匹配工作并利用DID对匹配后的两组样本进行回归估计。PSM需满足共同支撑域假设即要求实验组与控制组倾向性评分的取值范围相近。在进行匹配时，为保证匹配质量，通常仅保留两组倾向性评分重叠部分的个体。若两组倾向性评分的共同取值范围太小则会丢失过多观测值，进而导致回归结果因回归样本不具代表性而丧失可信度。本研究的实验组与控制组在匹配过程发生之前，倾向性评分的取值范围存在较大差异，倾向性评分核密度图曲线重合度差；在匹配过程发生之后，二者倾向性评分的分布曲线高度拟合且走势一致。见图3。由此可知，匹配效果理想，匹配后的样本可以满足共同支撑域假设条件。

图3 倾向性评分匹配共同支撑域检验核密度函数曲线

图4为样本匹配结果的平衡性检验。由图4可知，在匹配过程发生之后，控制变量的标准化偏差明显缩小，其绝对值均小于10%。因此，两组样本不存在系统性差异，满足平衡性假设条件，匹配效果佳。PSM-DID的回归结果如表3所示，交互项的回归系数为0.455且在5%的统计水平上显著。这一结果表明选择参加基本医疗保险居民相较于未参加基本医疗保险的自身来说，其自评健康水平会提升0.455个单位。由此可知，基本医疗保险对居民的健康水平有十分显著的提升效果，符合Grossman健康需求模型中的相关理论。该结论同时证明PSM-DID方法对内生性问题有着良好的处理效果。

基本医疗保险作为补贴医疗卫生服务价格的主要手段，可以有效降低居民购买医疗卫生服务的成本。当医疗卫生服务价格下降时，居民产出健康的边际回报率增加，健康需求也随之增加，参保人的健康水平也得到改善。本研究控制变量的回归结果中关于居民饮酒行为变量的估计系数是正向的且在1%的水平下显著。这表示饮酒行为可以显著提升居民的健康水平，与预期不符。在CFPS中，个体饮酒行为的统计是受访者是否在一个月内饮酒超过3次，该变量并不能准确衡量受访者是否存在酗酒行为，进而会导致参数估计出现偏误。

图4 倾向性评分匹配平衡性检验结果

表3 双重差分结果

2.4 稳健性检验结果

本研究利用工具变量法(instrumental variable analysis，IV)以及安慰剂检验对PSM-DID回归结果的稳健性进行验证。利用IV替换PSM-DID进行回归估计，需要选用既与内生解释变量相关又要与扰动项无关的工具变量。根据此要求，本研究将“基本医疗保险的参保比率”及“对医生的信任程度”作为此次研究中的工具变量，此二者既与居民的参保行为密切相关又具有良好的外生性。另外，本研究选用反事实检验中的安慰剂检验作为另一稳健性验证方法。具体实现方式为从样本中随机抽取与原有控制组相同数量的样本作为虚假控制组，剩余样本作为虚假实验组，在相关控制变量、匹配方法、回归步骤不变的情况下，再次对回归参数进行重复1000次的估计。

本研究的工具变量“基本医疗保险的参保比率”需要对研究中的样本进行再分组，计算出不同群体的基本医疗保险参保比例。为此，本研究利用样本个体的参保信息，按照户口(2组)、性别(2组)、婚姻状况(2组)、年龄(3组)、受教育水平(3组)、收入(3组)将样本划分为216个不同组群，并计算出不同组群的基本医疗保险的参保比例。由表4可知，基本医疗保险对居民自评健康水平的提升幅度为0.257单位且该结果在1%的统计水平上显著。此估计结果虽与前文回归系数存在稍许差异，但仍表明居民在参加基本医疗保险后自身健康水平得以显著提升，佐证了PSM-DID回归结论的稳健性。

表4 工具变量法回归结果

本研究对工具变量的适用性检验分为3个部分。首先，利用Hausman检验与DWH检验估计模型中解释变量的内生性，二者检验结果均在1%的统计水平上显著(见表5)，强烈拒绝“所有解释变量均为外生”的假设，表明模型中的基本医疗保险存在内生性。其次，本研究利用过度识别检验检测工具变量的外生性，结果表明工具变量与扰动项不相关。最后，本研究发现工具变量检验的F统计量为755.345(F>10)，在1%的统计水平上显著，表明工具变量与基本医疗保险具有显著的相关性，是较强的工具变量。本研究利用安慰剂检验验证PSM-DID法对核心解释变量系数α3估计的可靠性。图5为重复1000次之后交互项估计系数的核密度图，由图可知估计系数α3均匀分布于0附近，接近标准正态分布。图中垂直竖线为系数α3的位置(0.455)。该数值出现在核密度分布图尾部，说明在构造虚假实验后，基本医疗保险并不能显著提升基本医疗保险参保居民的健康水平，继而佐证前文结论的稳健性。

表5 工具变量法检验结果

图5 1000次随机抽样回归系数的核密度分布

2.5 作用机制及异质性分析

本研究利用中介效应回归中逐步检验回归系数的方法对基本医疗保险提升居民健康水平的作用机制进行分析。逐步检验回归系数是考察中介效应的方法中较为基础的回归方法。该方法将中介效应的检验分为3个步骤：查验核心解释变量与自变量之间的回归关系；查验核心解释变量与中介变量之间的回归关系；查验自变量、核心解释变量与中介变量三者之间的回归关系。结果如表6所示，基本医疗保险影响居民健康水平的总效应为0.396且在10%的统计水平上显著。总效应中，基本医疗保险的直接效应为0.388(在10%的统计水平上显著)，间接效应为0.008，间接效应在总效应中占比约2.0%。另外，由表6可知，基本医疗保险可以显著提升参保者的身体锻炼次数。居民在参保基本医疗保险后锻炼频率会上升0.279次，该结果在10%的统计水平上显著。因此，基本医疗保险的间接效应是通过改善以身体锻炼为代表的居民健康行为来间接提升居民健康水平的。

本研究同时以年龄(45岁)与年收入(6430元)为切入点研究基本医疗保险对居民健康水平影响的群体性差异。由于老年及低收入群体对医疗服务的需求弹性较大，基本医疗保险为该人群带来的健康回报率更高，基本医疗保险对中老年群体以及贫困人口的健康水平提升幅度就更为明显。见表7。

表6 周锻炼频次对居民自评健康水平影响的中介效应分析

表7 基本医疗保险对不同年龄、收入人群自评健康水平影响的异质性检验

3 讨论

3.1 基本医疗保险可以有效提升参保者的健康水平

本研究探究基本医疗保险对居民健康水平的影响后发现，基本医疗保险可以显著提升参保居民的健康水平。与以往部分研究不同[9]，本研究结论更倾向于认为基本医疗保险对居民健康水平有着显著正向的影响。本研究认为考察时间的差异可能会导致部分研究低估了基本医疗保险对居民健康水平的提升作用。居民参与基本医疗保险后，自身健康水平的恢复与提高需要一定的周期，即健康存量累积引起的居民健康水平变化是量变到质变的过程。这就造成基本医疗保险对居民健康的正向影响在实施初期或在较短时间跨度内考察困难。基本医疗保险需要一定时限通过补贴手段降低参保者的实际医疗支出，减少参保居民的健康产出成本，释放其潜在健康需求，提升参保居民的健康水平[10]。因此，基本医疗保险是建设“健康中国”的良好切入点。然而，基本医疗保险促进健康作用的发挥需要广泛的群众基础，想要持续强化基本医疗保险的促进健康作用就必须实现“全民医保”的目标[11]。目前，我国基本医疗保险参保率虽已常年保持在95%以上，但仍未实现全面覆盖。参考德国、日本的医保体系改革可知，以立法形式强制居民参保才是快速实现“全民医保”的主要途径。因此，我国基本医疗保险体系的改革需与相应的法律法规相配合，让法律起到放大基本医疗保险健康绩效的作用。

3.2 基本医疗保险对不同人群健康水平的影响具有明显差异

本研究发现，基本医疗保险对高龄、低收入的群体健康改善作用更为显著。这可能是因为不同群体的初始健康水平存在一定差异，个体健康投资带来的健康产出的边际效用也有所区别[12]。对于健康存量较低的高龄群体，该人群的卫生服务需求较大，基本医疗保险提高了该人群的及时就医率[13]，大大降低了该人群的死亡率[14]。对于收入较低的群体，基本医疗保险能促进该人群对医疗卫生服务的利用[15]。目前我国人口总和生育率跌至1.3，“共同富裕”建设也刚刚起步，基本医疗保险已成为政府平衡人口结构、调节社会财富再分配、提升国民整体健康有效的手段。因此，为激发基本医疗保险在社会新常态下的制度活力，基本医疗保险的改革路径可以从以下3个方面着手。第一，基本医疗保险需要将弱势群体作为改革的重点关注人群，将扩大医保药品目录及提升医保报销比例作为改革的重点内容，深入释放弱势群体的潜在健康需求。第二，完善基本医疗保险体系的多层次建设进程，以财政补贴的方式隐性分地区、分人群地划分不同的医保准入标准，从而深入调控社会财富再分配的过程。第三，基本医疗保险改革需要配合政府对医疗卫生服务市场的宏观调控手段，提高带量采购对医疗药品及器械价格的影响力。

3.3 基本医疗保险可以显著影响居民的健康行为

以往学者大多探讨基本医疗保险对居民抽烟、饮酒等消极健康行为的改善作用[16]，一定程度上忽视了基本医疗保险对锻炼等积极健康行为的正向强化作用。本研究将居民的周锻炼频次作为居民积极健康行为的代表变量，研究发现基本医疗保险可以通过增加居民的锻炼频率来提高参保居民的健康水平。基本医疗保险通过降低医疗卫生服务的价格增加参保居民的就医次数，就医次数的增加有利于居民建立良好的健康意识，从而在日常生活中改善自身的健康行为，特别是对积极健康行为具备良好的强化作用，其中包括锻炼身体的频率等。基本医疗保险应对参保居民起到良好的健康行为引导作用。因此，应鼓励地方开展具有地方特色的健康运动项目，引导居民开展广泛的健康活动。或将医疗服务点作为健康知识的宣传点，以讲座形式对患者宣传健康知识，扩展其健康知识获取渠道，培养其良好的健康行为。