互联网保险发展对居民医疗保健支出的影响研究*——基于城乡视角

王振,曾智,2△

(1.湖北医药学院公共卫生与健康学院,湖北 十堰 442000;2.湖北医药学院卫生管理与卫生事业发展研究中心)

近年来,互联网保险行业备受关注。依赖于大数据、信息技术、云计算等创新科技的互联网金融,一定程度上打破了地理空间的限制[1],增强了其保险产品的可及性。中国互联网保险发展程度明显领先于互联网信贷、互联网投资业务,其省级层面的发展指数均值已由2011年的47.12上升至2021年的642.13。中国保险行业协会数据显示,从2013～2022年,我国互联网保险的保费规模已经从290亿元增加至4782.5亿元,年均复合增长率达到32.3%。另外,互联网作为引领社会变革以及改变生活生产方式的技术进步,可以对微观家庭的收入、消费等经济行为产生深刻影响[2-3],如降低地理阻碍、信息不对称等形成的摩擦成本。

综观近年居民医疗保健支出情况,全国人均医疗保健支出由2013年的912.1元增涨到2021年的2115.2元,且无论是城镇地区还是农村地区,均呈现持续上升趋势,居民医疗保健支出压力较为沉重。党的二十大报告指出,要全面健全基本公共服务体系,提升公共服务水平,提高均衡性和可及性,扎实促进共同富裕。互联网保险具有保费成本低、选择灵活以及信息透明特点,理论上有助于缓解居民医疗保健支出压力,这对于抵御家庭灾难性卫生支出风险以及巩固健康扶贫成果具有重要意义。但是目前学术界对此研究较少,当前已有的研究大多关于互联网保险发展对居民健康状况以及消费水平的影响[4-6],而未考虑居民医疗保健支出压力。基于此,本研究使用我国31个省份的2011～2020年的面板数据,从城乡视角分析互联网保险发展对居民医疗保健支出的影响。

1 资料与方法

1.1 变量选取

被解释变量:本研究选取城镇人均医疗保健支出、医疗保健支出与消费性支出比值,以及农村人均医疗保健支出、医疗保健支出与消费性支出比值,分别作为衡量城镇、农村居民医疗保健支出情况的指标。需要说明的是,医疗保健支出为居民消费性支出的重要组成部分,指居民在医疗与保健方面的费用总和,主要包括药品、用品以及服务费用。

解释变量:互联网保险发展情况为本文核心解释变量,采用北京大学数字金融研究中心构造的互联网保险发展指数进行度量,其构建过程为:通过国内代表性互联网金融企业“蚂蚁金服”获取互联网保险用户数、人均保险金额等互联网保险服务数据,使用无量纲处理、变异系数法赋权及加权平均法合成指数。该指数能够客观地反映中国互联网保险的实际发展状况[7]。需要说明的是,由于互联网保险发展指数始于2011年,因此本文数据基期为2011年。

机制变量:本文引入的机制变量为保险购买意愿。随着互联网保险的蓬勃发展,居民对其保险产品的了解和信任程度愈加上升,购买保险的意愿也愈加强烈,从而能够使互联网保险发展在缓解居民医疗保健支出压力层面发挥积极作用。由于保险深度一定程度上可以衡量保险需求[8],且保险需求的增加也反映了群众较强的保险购买意愿,因此本文使用健康保险深度,即健康保险保费总收入占地区生产总值的比重,作为保险购买意愿的代理变量。

控制变量:为缓解遗漏变量可能带来的内生性问题,参考相关文献[9-11],本研究引入的控制变量为经济发展水平、教育发展水平、居民健康水平、医疗服务水平、社会医疗保障水平、物价水平以及人口结构。

1.2 数据来源

基于数据的可得性,本研究选取我国31个省份2011～2020年的面板数据,数据源自《中国统计年鉴》《中国卫生统计年鉴》《中国区域经济统计年鉴》《中国保险年鉴(地方版)》以及EPS数据库。为尽可能地消除异方差,对上述所有变量取自然对数。统计软件为Stata 16.0。

1.3 模型设置

为估计互联网保险发展对居民医疗保健支出的影响,本研究构建基准回归模型如下:

Expenditureit=α0+α1lnI_insuranceit+α2Xit+μi+λt+εit

(1)

其中,下标i表示对应省份,下标t表示年份。Expenditureit分别表示省份i在t年城镇人均医疗保健支出、医疗保健支出与消费性支出比值,以及农村人均医疗保健支出、医疗保健支出与消费性支出比值。实证结果部分分别用lnurban_hex、lnurban_hcp、lnrural_hex和lnrural_hcp表示。互联网保险发展指数lnI_insuraceit是核心解释变量,表示省份i在t年的互联网保险发展情况,Xit表示相关控制变量。μi、λt和εit分别表示对应的省份固定效应、时间固定效应以及随机扰动项。

为进一步研究互联网保险发展影响居民医疗保健支出的作用路径,本文参考温忠麟[12]等的方法,在基准回归模型的基础上引入中介渠道,通过逐步检验参数显著性的方法判断互联网保险发展影响居民医疗保健支出的作用机制。中介效用作用模型如式(2)—(4)所示。

Expenditureit=α3+α4lnI_insuranceit+α5Xit+εit

(2)

Mediateit=β0+β1lnI_insuranceit+β2Xit+εit

(3)

Expenditureit=γ0+γ1ageit+γ2lnI_insuranceit+γ3Xit+εit

(4)

这里,Mediateit为中介变量,即保险购买意愿,用intention表示,用于检验中介效应传导路径。如果式(2)的系数α4显著,说明互联网保险发展对居民医疗保健支出影响的总效应存在;如果式(3)的系数β1和式(4)的系数γ2均显著,则说明存在中介效应。

2 结果与分析

2.1 描述性统计与数据检验

为更加清晰地体现数据特征,采用未取自然对数的原始数据进行描述性统计,见表1。由表中结果可知,在全国范围内,农村人均医疗保健支出少于城镇,而其在消费性支出中的比重大于城镇,这说明农村居民的消费水平相对较低,医疗保健支出的压力相对较重。本研究在对面板数据回归前,进行多重共线性检验与Hausman检验。多重共线性检验结果显示,各变量VIF值均低于10(最大值为6.13),平均VIF值为3.20,说明数据不具有严重的多重共线性问题;模型在1%的显著性水平通过Hausman检验,故使用固定效应模型进行实证分析。

表1 变量的描述性统计

2.2 回归结果分析

由表2中的第(1)—(2)列回归结果可知,无论以城镇人均医疗保健支出还是以城镇人均医疗保健支出与消费性支出比值为被解释变量,互联网发展指数的系数均负向显著,说明随着互联网保险的发展,城镇居民的医疗保健支出随之降低。具体来说,互联网保险发展指数每增加1%,城镇人均医疗保健支出及其在消费性支出占比分别降低0.036%和0.031%。由第(3)—(4)列回归结果可知,互联网保险发展指数对农村居民医疗保健支出的影响并不显著。

表2 基准回归结果

从控制变量来看,经济发展水平、教育发展水平以及衡量医疗服务水平的每千人医师数是影响城镇居民医疗保健支出的显著因素,而衡量人口结构的老年抚养比是影响农村居民医疗保健支出的显著因素。

2.3 稳健性检验

由于直辖市与其他省份在社会运行、财政收支、经济发展等方面存在显著差异,因此,为保证回归结果的稳健性,本研究对4个直辖市予以剔除后再次进行回归,见表3。从第(1)—(2)列结果来看,互联网发展指数的系数仍均负向显著,即互联网保险发展对城镇居民的医疗保健支出的影响仍显著;由第(3)—(4)列结果可知,互联网发展指数的系数均不显著,与表2结果相一致;故表明回归结果具有良好的稳健性。

2.4 内生性及工具变量回归

由于数据的可得性有限,部分影响居民医疗保健支出的重要变量无法获取,且影响因素众多,一定程度上可能增加内生性。依据表4中DWH检验结果可知,模型具有内生性。因此,为克服内生性问题,本研究使用工具变量法(IV-2SLS)对回归方程重新估计。

表4 工具变量回归结果

本研究选取各省份地形起伏度作为工具变量,主要基于以下考虑:一方面,互联网保险的发展,与当地互联网普及程度和相关质量有关,而网络基础设施的建设会受到地形起伏度的影响,其中包括建设成本、宽带网络的信号质量、运行效率等[13]。另一方面,地形起伏度属于自然地理变量,不会直接影响居民医疗保健支出情况,符合工具变量的外生性假设。本研究工具变量若仅选择地形起伏度,会受固定效应模型的应用限制,从而导致难以度量。参考相关设置方法[14-15],构造各省份地形起伏度(与个体变化有关)分别与同一年的移动电话普及率(与时间有关)的交互项,作为各省份互联网保险发展指数的工具变量。

由表4中第一阶段回归结果可知,工具变量与互联网保险发展指数之间具有相关性。另外,F值大于10,可认为不存在弱有效工具变量问题。依据第(1)—(2)列结果可知,互联网保险发展指数系数分别为-0.321和-0.204,仍显著为负,而系数估计值却明显增大,这表明在模型的内生性问题得到缓解后,互联网保险发展对城镇居民医疗保健支出的影响解释能力明显增强;从第(3)—(4)列结果来看,互联网保险发展指数的系数均不显著。表4的相关结果与表2相一致,说明基准回归结果较为稳健。

2.5 异质性分析

我国不同区域的省份在经济发展状况、互联网发展水平等方面具有一定的差异性。为探讨互联网保险发展对城镇居民医疗保健支出的影响是否存在区域差异,本研究将31个省份分为东部、中部、西部以及东北部四组后进行回归分析。

由表5可知,在中部地区,互联网保险发展对城镇居民医疗保健支出的影响较为显著,且互联网保险发展指数的系数仍为负向,而在东部、西部以及东北部均不显著。

表5 区域异质性分析

2.6 机制分析

前文实证分析结果已证实互联网保险发展会显著降低城镇居民医疗保健支出,下文将从保险购买意愿角度进行探讨其可能存在的影响机制。

表6为以保险购买意愿为中介变量的检验结果。回归方程中的被解释变量分别为衡量城镇居民医疗保健支出的两个指标(城镇人均医疗保健支出,城镇人均医疗保健支出与消费性支出比值)。从第(1)—(3)列检验结果中可以看出,式(3)的系数和式(4)的系数均显著,表明该中介效应存在。而第(4)—(6)列检验结果显示,式(3)的系数显著,而式(4)的系数不显著。因此,可以认为保险购买意愿是互联网保险发展影响衡量城镇居民医疗保健支出的指标(城镇人均医疗保健支出)的重要渠道,即互联网保险的发展通过增强居民对保险的购买意愿来影响城镇人均医疗保健支出。而互联网保险发展对衡量城镇居民医疗保健支出的另一指标(城镇人均医疗保健支出与消费性支出比值)的影响机制仍有待进一步探讨。

表6 以保险购买意愿为中介变量的机制分析

3 讨论与建议

3.1 互联网保险的发展能够显著缓解城镇居民医疗保健支出压力

医疗负担对居民家庭经济状况造成巨大影响,尤其是农村地区,我国于2018年已有超过40%的农村贫困人口因病致贫、因病返贫[16]。医疗负担不仅会增加居民家庭经济支出,还会减少居民劳动时间,从而导致其收入下降[17]。本研究发现互联网保险的发展能够有效降低居民医疗保健支出压力,但作用范围仅限于城镇区域,对农村居民医疗保健支出的影响并不明显。有研究得出类似的结论,苏秋慧和魏倩雨研究发现互联网保险的发展显著促进了城镇居民的消费水平[6],间接说明了互联网保险在缓解城镇居民医疗经济负担方面起到了一定的作用。出现本研究结果可能的原因是:城镇地区互联网发展水平以及居民基础数字素养,比农村地区较高[18],城镇居民更容易利用互联网保险产品来降低自身医疗保健费用,从而导致该影响在农村地区不明显。为了使互联网保险发展带来的这种积极作用能够有效波及至农村地区,首先,在大力发展互联网保险行业的过程中,应更多地关注农村地区。一方面,由于农村地区具有基础设施较差,人群居住分散,地理位置较偏等特点,因此应积极推进农村地区网络基础设施建设,提高网络运行效率,推动互联网保险在农村范围内普及;另一方面,由于农村居民文化水平相对较低,对于数字产品的熟悉程度不高,导致互联网保险的优势难以在农村地区得到充分发挥,因此可以通过志愿培训、公益讲座等形式提升农村居民的数字素养,弥合城乡之间“数字鸿沟”,在通过使用互联网保险产品来缓解自身医疗保健支出压力的同时,还有利于缩小城乡差距以及实现共同富裕。

3.2 互联网保险发展对城镇居民医疗保健支出的影响具有区域异质性

本研究发现互联网保险发展对缓解城镇居民医疗保健支出压力的影响存在区域异质性,即该效应在中部地区显著成立,而在东部、西部以及东北部地区并不显著。可能原因如下:一方面,东部地区具有较为发达的经济水平,居民家庭财富积累相对较多,对医疗保健支出的反应较低,导致医疗保障水平的提升对预防性储蓄的影响较小[19]。另一方面,由于互联网保险发展指数越高,表明信息不对称现象越少[20],对于西部和东北部来说,其互联网保险发展指数较低,因此可能受到信息不对称带来的负面影响。为了实现对全地区居民医疗保健支出压力的有效缓解,以及促进区域协调发展,应充分重视互联网保险具有的空间集聚特征与网络溢出特征[5],推动互联网保险的协同发展。由于各地区互联网保险发展水平存在一定的差异,所以各级政府应当给予政策和资金支持,促进本地区互联网保险产业的发展,从而缩小各区域间互联网保险发展水平的差距,进而促使各地区互联网保险的协同发展。应给予互联网保险发展指数相对较低的地区更多的关注,如西部、东北部,减少信息不对称现象,需针对本地区互联网保险产品的选购、理赔等方案做出合理调整与优化,提高保险产品质量,提升保险产品服务效率,实现对当地居民医疗保健支出压力的有效缓解。

3.3 保险购买意愿为互联网保险发展影响城镇人均医疗保健支出的重要渠道

互联网保险发展的不断向好,会提高居民对其产品了解的主动性,使居民对互联网保险的认知和信任程度上升,由于居民对保险的认知程度与个人态度会对其购买保险的意愿产生显著影响[21-22],因此,互联网保险发展增强了居民的保险购买意愿,进而促使互联网保险发展在缓解居民医疗保健支出压力上发挥作用。本研究发现保险购买意愿为互联网保险发展影响城镇人均医疗保健支出的重要渠道,即互联网保险发展通过增强城镇居民的保险购买意愿来影响城镇人均医疗保健支出。为了促进互联网保险更好地发展以及增强居民购买保险的意愿,一方面应充分发挥互联网平台与数字技术优势对保险产品进行有效宣传与讲解,增强居民保险意识。另一方面,推出多元化、个性化的保险产品,增加对各类人群的吸引力。同时,需合理优化相关业务操作流程,并做好风险提示工作。