胡 祁，朱銘來

(1.浙江財(cái)經(jīng)大學(xué)公共管理學(xué)院，浙江 杭州 310018；2.南開大學(xué)金融學(xué)院，天津 300350；3.南開大學(xué)周恩來政府管理學(xué)院，天津 300350)

一、引 言

商業(yè)健康保險(xiǎn)是基本醫(yī)療保障制度的重要補(bǔ)充，對(duì)我國(guó)居民防范疾病風(fēng)險(xiǎn)、提升健康水平具有重要意義。我國(guó)商業(yè)健康保險(xiǎn)近年來取得了長(zhǎng)足發(fā)展，逐漸形成了較為成熟的健康險(xiǎn)市場(chǎng)。從保費(fèi)收入來看，2019年我國(guó)健康險(xiǎn)收入達(dá)9066億元人民幣，是1999年(36.54億元)的248倍，年均增長(zhǎng)率為31.74%。此外，2019年健康險(xiǎn)保費(fèi)收入占人身險(xiǎn)保費(fèi)收入的30.6%，基本符合國(guó)際成熟保險(xiǎn)市場(chǎng)的標(biāo)準(zhǔn)(30%左右)。商業(yè)健康保險(xiǎn)的迅猛發(fā)展得益于我國(guó)政府一直以來的高度重視，釋放政策紅利以及不斷強(qiáng)調(diào)其與基本醫(yī)療保險(xiǎn)的協(xié)調(diào)發(fā)展。2014年《國(guó)務(wù)院辦公廳關(guān)于加快發(fā)展商業(yè)健康保險(xiǎn)的若干意見》(國(guó)辦發(fā)〔2014〕50號(hào))鼓勵(lì)商業(yè)保險(xiǎn)機(jī)構(gòu)加快研發(fā)醫(yī)療險(xiǎn)、疾病險(xiǎn)、失能收入險(xiǎn)等險(xiǎn)種產(chǎn)品，還提出商業(yè)健康保險(xiǎn)應(yīng)與基本醫(yī)療保險(xiǎn)實(shí)現(xiàn)銜接互補(bǔ)。2016年1月《國(guó)務(wù)院關(guān)于整合城鄉(xiāng)居民基本醫(yī)療保險(xiǎn)制度的意見》(國(guó)發(fā)〔2016〕3號(hào))(以下簡(jiǎn)稱整合政策)明確要求整合我國(guó)城鎮(zhèn)居民基本醫(yī)療保險(xiǎn)和新型農(nóng)村合作醫(yī)療兩項(xiàng)制度。該政策有利于提高居民的醫(yī)療保障待遇。居民醫(yī)保待遇的提高可能帶來更高的籌資壓力以及更大的財(cái)政負(fù)擔(dān)，在財(cái)政壓力的作用下可能會(huì)倒逼商業(yè)健康保險(xiǎn)的發(fā)展，以緩解醫(yī)?；鸬倪\(yùn)行壓力。本文從居民商業(yè)健康保險(xiǎn)需求角度出發(fā)，分析整合政策的出臺(tái)在居民醫(yī)療保障待遇提高和財(cái)政壓力的作用下是否促進(jìn)了商業(yè)健康保險(xiǎn)的發(fā)展。

二、文獻(xiàn)綜述

國(guó)內(nèi)外已有學(xué)者對(duì)商業(yè)健康保險(xiǎn)與基本醫(yī)療保險(xiǎn)之間的內(nèi)在聯(lián)系和作用進(jìn)行了研究。許多歐洲國(guó)家通過削減公共醫(yī)療保險(xiǎn)計(jì)劃來減輕財(cái)政壓力，而美國(guó)則是通過降低商業(yè)健康保險(xiǎn)擴(kuò)張來抑制醫(yī)療費(fèi)用上漲，以擴(kuò)大公共醫(yī)療保障的覆蓋面[1]，可見社會(huì)醫(yī)療保險(xiǎn)與商業(yè)健康保險(xiǎn)之間存在一定的相關(guān)關(guān)系，且這種關(guān)系受國(guó)情影響。Cutler和Jonathan(1996)研究了醫(yī)療救助制度和健康保險(xiǎn)的關(guān)系，發(fā)現(xiàn)擴(kuò)大醫(yī)療救助的覆蓋范圍會(huì)擠出一定的商業(yè)保險(xiǎn)需求[2]。但此后Gruber和Simon(2008)通過更全面的研究發(fā)現(xiàn)，當(dāng)個(gè)人獲得醫(yī)療救助的資格發(fā)生變化時(shí)，擠出效應(yīng)并不大[3]。國(guó)內(nèi)也有不少學(xué)者通過實(shí)證研究發(fā)現(xiàn)，社會(huì)醫(yī)療保險(xiǎn)制度對(duì)商業(yè)健康保險(xiǎn)會(huì)產(chǎn)生顯著的正向作用。王向楠(2011)采用全國(guó)省級(jí)面板數(shù)據(jù)進(jìn)行實(shí)證分析得到，中國(guó)社會(huì)醫(yī)療保險(xiǎn)制度不僅沒有擠出商業(yè)健康保險(xiǎn)，反而正向推動(dòng)了商業(yè)健康保險(xiǎn)的發(fā)展[4]。劉宏和王俊(2012)基于中國(guó)健康與營(yíng)養(yǎng)調(diào)查微觀數(shù)據(jù)的研究發(fā)現(xiàn)，中國(guó)城鄉(xiāng)社會(huì)醫(yī)療保障制度對(duì)居民的商業(yè)健康購(gòu)買行為有顯著促進(jìn)作用[5]。朱銘來和貴哲暄(2014)基于新醫(yī)改的政策背景，實(shí)證研究得到中國(guó)基本醫(yī)療保險(xiǎn)制度對(duì)商業(yè)健康保險(xiǎn)不是擠出而是促進(jìn)作用，并在計(jì)量模型中采用城鎮(zhèn)醫(yī)保支出代表社會(huì)醫(yī)療保險(xiǎn)保障水平，以此評(píng)估新醫(yī)改政策對(duì)商業(yè)健康保險(xiǎn)的正向影響[6]。彭浩然等(2017)深入研究了我國(guó)社會(huì)醫(yī)療保險(xiǎn)與商業(yè)健康保險(xiǎn)之間的關(guān)系，認(rèn)為地區(qū)間社會(huì)保險(xiǎn)發(fā)展程度不同，商業(yè)健康保險(xiǎn)的需求也不同，在醫(yī)保覆蓋面較廣且保障水平較高的地區(qū)，社會(huì)醫(yī)療保險(xiǎn)與商業(yè)健康保險(xiǎn)存在倒U型關(guān)系，在醫(yī)保覆蓋面和保障水平中等地區(qū)，二者存在互補(bǔ)關(guān)系，而在醫(yī)保覆蓋面和保障水平均較低的地區(qū)，二者關(guān)系不顯著[7]。倪瀾和馮國(guó)忠(2018)采用我國(guó)省級(jí)面板數(shù)據(jù)分析得到，城鎮(zhèn)職工基本醫(yī)療保險(xiǎn)制度對(duì)商業(yè)健康保險(xiǎn)有顯著的正向作用[8]。謝明明和李琴英(2020)同樣采用省級(jí)面板數(shù)據(jù)研究得到社會(huì)醫(yī)療保險(xiǎn)與商業(yè)健康保險(xiǎn)之間是互補(bǔ)關(guān)系，社會(huì)醫(yī)療保險(xiǎn)制度的不斷完善會(huì)帶動(dòng)我國(guó)商業(yè)健康保險(xiǎn)的快速發(fā)展[9]。

此外，國(guó)內(nèi)外許多學(xué)者圍繞商業(yè)健康保險(xiǎn)發(fā)展的影響因素展開了大量研究，這為我們?cè)趯?shí)證分析中選擇影響商業(yè)健康保險(xiǎn)發(fā)展的控制變量提供了思路。Walque(2007)和Dave等(2008)分別采用不同的研究數(shù)據(jù)，發(fā)現(xiàn)居民的受教育程度與其商業(yè)健康保險(xiǎn)購(gòu)買行為顯著正相關(guān)[10][11]。個(gè)體特征因素、健康狀況等也會(huì)影響商業(yè)健康保險(xiǎn)需求[12]。經(jīng)濟(jì)狀況、社會(huì)醫(yī)療保險(xiǎn)參保情況、宏觀失業(yè)率和價(jià)格指數(shù)等因素均會(huì)影響商業(yè)健康保險(xiǎn)的發(fā)展[13]。希臘的年輕人相比其他年齡層的居民更愿意購(gòu)買商業(yè)健康保險(xiǎn)，說明年齡也是一項(xiàng)重要的健康保險(xiǎn)影響因素。國(guó)內(nèi)也有不少學(xué)者在這方面作出了研究貢獻(xiàn)[14]。徐美芳(2006)利用上海市居民健康與服務(wù)調(diào)查數(shù)據(jù)，分析得到受教育水平、家庭收入水平、健康狀況、社會(huì)保險(xiǎn)參保情況等是影響中國(guó)健康保險(xiǎn)需求的主要因素[15]。朱銘來和尚穎(2011)匯總分析了關(guān)于商業(yè)健康保險(xiǎn)的國(guó)外經(jīng)典理論和國(guó)內(nèi)實(shí)證研究，將商業(yè)健康保險(xiǎn)的影響因素概括為個(gè)人經(jīng)濟(jì)狀況、健康狀況、受教育程度和基本醫(yī)保參保情況[16]。張仲芳(2012)借鑒國(guó)際經(jīng)驗(yàn)，提出相關(guān)制度設(shè)計(jì)及定位是影響商業(yè)健康保險(xiǎn)發(fā)展的重要因素[17]。齊子鵬等(2018)基于人口結(jié)構(gòu)對(duì)商業(yè)健康保險(xiǎn)需求進(jìn)行了分析，得到我國(guó)老年撫養(yǎng)比、少兒撫養(yǎng)比、家庭人數(shù)、受教育程度等均對(duì)商業(yè)健康保險(xiǎn)需求有顯著影響[18]。朱若然等(2018)采用微觀數(shù)據(jù)分析了影響城鎮(zhèn)居民同時(shí)選擇居民基本醫(yī)療保險(xiǎn)和商業(yè)健康保險(xiǎn)的相關(guān)因素，主要包括年齡、性別、家庭收入水平、受教育水平、工作狀況、健康狀況等[19]。

總結(jié)現(xiàn)有關(guān)于商業(yè)健康保險(xiǎn)的研究成果，還存在可以進(jìn)一步探討的方向：首先，大部分研究在分析醫(yī)保政策對(duì)商業(yè)健康保險(xiǎn)的影響時(shí)，主要以醫(yī)保基金收入或支出變量代表基本醫(yī)療保險(xiǎn)的保障水平，且多數(shù)采用省級(jí)面板數(shù)據(jù)進(jìn)行分析，很少有研究直接采用政策變量作為核心解釋變量，并選擇微觀個(gè)體作為研究對(duì)象來探析政策出臺(tái)前后居民對(duì)商業(yè)健康保險(xiǎn)購(gòu)買情況的變化。其次，已有研究幾乎沒有從整合政策的角度來研究商業(yè)健康保險(xiǎn)發(fā)展的變化情況。政策整合基本采用就高不就低的原則，居民的醫(yī)療保障水平普遍得到提高，這可能會(huì)對(duì)商業(yè)健康保險(xiǎn)產(chǎn)生一定影響，因此有必要對(duì)此進(jìn)行深入研究。再次，已有研究忽視了勞動(dòng)力流動(dòng)對(duì)居民商業(yè)健康保險(xiǎn)需求的影響。隨著城市現(xiàn)代化進(jìn)程加速，越來越多的農(nóng)民工群體從農(nóng)村涌向城市，人口的流動(dòng)和遷徙可能會(huì)使這個(gè)群體的健康狀況發(fā)生變化，也會(huì)受到新環(huán)境居民商業(yè)健康保險(xiǎn)購(gòu)買行為的影響，因此可能會(huì)改變個(gè)體對(duì)商業(yè)健康保險(xiǎn)的需求，有必要作為個(gè)體的流動(dòng)特征變量加入研究。最后，整合政策使得居民的醫(yī)療需求進(jìn)一步釋放，醫(yī)療費(fèi)用增加[20]，帶來醫(yī)?；鸹I資壓力的上升。居民醫(yī)?；I資由政府財(cái)政補(bǔ)貼和個(gè)人繳費(fèi)共同構(gòu)成，這意味著更高的財(cái)政壓力，但有研究顯示商業(yè)健康保險(xiǎn)在醫(yī)療保障籌資體系中的補(bǔ)充作用明顯，有利于緩解財(cái)政壓力[21][22]。因此，過高的財(cái)政壓力可能倒逼商業(yè)健康保險(xiǎn)的發(fā)展，本文將進(jìn)一步結(jié)合理論模型和實(shí)證分析進(jìn)行論證。

三、理論模型

(1)

0<θ<1，0<σ1<1，0<σ2<1，0<σ1+σ2<1

其中，ρ表示折現(xiàn)率。

個(gè)人收入的預(yù)算約束為：

(2)

其中，r表示利率。根據(jù)式(1)和式(2)構(gòu)建拉格朗日方程：

(3)

關(guān)于購(gòu)買商業(yè)健康保險(xiǎn)的一階條件為：

(4)

(4)式兩邊對(duì)時(shí)間求導(dǎo)得：

(5)

整理式(5)后，商業(yè)健康保險(xiǎn)的增長(zhǎng)率公式如下：

(6)

根據(jù)以上文獻(xiàn)綜述和理論模型分析，本文整合2015年和2017年兩期CHFS面板數(shù)據(jù)，并結(jié)合宏觀居民人均醫(yī)?；I資數(shù)據(jù)和人均財(cái)政壓力數(shù)據(jù)，采用PSM-DID方法分析整合政策的出臺(tái)對(duì)商業(yè)健康保險(xiǎn)發(fā)展的影響，并以居民商業(yè)健康保險(xiǎn)保費(fèi)支出作為被解釋變量構(gòu)建靜態(tài)面板模型，進(jìn)一步探究整合政策對(duì)商業(yè)健康保險(xiǎn)需求的影響機(jī)理，以及人均財(cái)政壓力在整合政策對(duì)商業(yè)健康保險(xiǎn)發(fā)展的影響中起到的調(diào)節(jié)作用。最后根據(jù)研究結(jié)論，結(jié)合新冠肺炎疫情期間我國(guó)醫(yī)保基金面臨更高財(cái)政壓力的現(xiàn)狀，提出重視商業(yè)健康保險(xiǎn)發(fā)展、構(gòu)建我國(guó)多層次醫(yī)療保障體系的重要建議。

四、數(shù)據(jù)處理、變量設(shè)定及研究方法

(一)數(shù)據(jù)來源和主要變量的描述性統(tǒng)計(jì)

本文使用的微觀數(shù)據(jù)來源于中國(guó)家庭金融調(diào)查(CHFS)。CHFS目前最新公布的數(shù)據(jù)為2017年第四輪調(diào)查樣本，主要覆蓋我國(guó)內(nèi)地29個(gè)省份(除西藏和新疆)，355個(gè)區(qū)縣，樣本規(guī)模達(dá)到40011戶家庭和127012個(gè)個(gè)體?？紤]到整合政策是2016年1月發(fā)布的，本文選擇CHFS2015和CHFS2017數(shù)據(jù)進(jìn)行分析。

在政策效應(yīng)分析的PSM-DID模型中，被解釋變量為居民商業(yè)健康保險(xiǎn)保費(fèi)支出，表示居民的商業(yè)健康保險(xiǎn)需求，核心解釋變量為政策虛擬變量和時(shí)間虛擬變量的交乘項(xiàng)，政策處理時(shí)點(diǎn)為2016年，2015年賦值為0，2017年賦值為1。CHFS2015和CHFS2017調(diào)查問卷中相關(guān)內(nèi)容顯示，2015年處于居民醫(yī)保整合省份并參保新農(nóng)合或城鎮(zhèn)居民醫(yī)保的樣本個(gè)體，本應(yīng)在2017年報(bào)告參保城鄉(xiāng)居民基本醫(yī)療保險(xiǎn)，但實(shí)際只有很少的被調(diào)查者明確了這三者關(guān)系并作出正確回答，如果直接使用微觀數(shù)據(jù)可能會(huì)存在很大誤差，因此本文采用宏觀層面的醫(yī)保整合數(shù)據(jù)代入微觀數(shù)據(jù)庫(kù)的個(gè)體樣本進(jìn)行分析。根據(jù)2016年和2018年的《中國(guó)衛(wèi)生健康統(tǒng)計(jì)年鑒》，報(bào)告新農(nóng)合數(shù)據(jù)的省份尚未實(shí)現(xiàn)城鄉(xiāng)居民醫(yī)保整合，CHFS中處于該省份的樣本個(gè)體賦值為0，其余賦值為1。2015年天津、浙江、廣東、重慶、山東、青海、寧夏7個(gè)省份已經(jīng)實(shí)現(xiàn)了醫(yī)保整合；2017年遼寧、吉林、安徽、貴州、陜西5個(gè)省份仍有新農(nóng)合數(shù)據(jù)，未完全實(shí)現(xiàn)醫(yī)保整合。

控制變量分為個(gè)體特征、保險(xiǎn)與健康狀況、職業(yè)特征、流動(dòng)特征四類。個(gè)體特征包括性別、年齡、婚姻、戶口、教育水平、家庭規(guī)模；保險(xiǎn)與健康狀況主要指居民的基本醫(yī)保參保狀況、商業(yè)壽險(xiǎn)購(gòu)買情況以及過去一年的健康狀況(自評(píng)健康、是否住院)；職業(yè)特征包括就業(yè)單位、就業(yè)身份、日均工作時(shí)間、工作年限和收入水平；流動(dòng)特征包括流動(dòng)范圍和流動(dòng)時(shí)間。

主要變量的描述性統(tǒng)計(jì)分析見表1。

表1 主要變量的描述性統(tǒng)計(jì)

(二)傾向性得分匹配和雙重差分方法(PSM-DID)

整合政策的實(shí)施構(gòu)成了一項(xiàng)準(zhǔn)自然實(shí)驗(yàn)，可以采用雙重差分法(DID)評(píng)估政策實(shí)施效果。但實(shí)踐中難以直接區(qū)分居民購(gòu)買商業(yè)健康保險(xiǎn)的行為是受政策影響還是自我選擇的結(jié)果，會(huì)導(dǎo)致傳統(tǒng)DID模型存在樣本選擇偏誤的內(nèi)生性問題。Rosenbaum和Rubin(1983)提出的傾向得分匹配(PSM)法能夠較好地解決該問題[24]。基本思想是，考慮一個(gè)樣本是否受到整合政策的影響，通過構(gòu)建Logistic回歸模型計(jì)算每個(gè)居民受到整合政策影響的概率(即傾向得分)，然后將得分接近的樣本進(jìn)行匹配，并將沒有匹配對(duì)象的樣本剔除，那么剩余樣本就具有了同質(zhì)性。因此本研究以PSM-DID方法為主分析整合政策對(duì)商業(yè)健康保險(xiǎn)需求的影響。

本文將2016年之前未整合、2016年后整合了城鄉(xiāng)居民基本醫(yī)療保險(xiǎn)的省份作為實(shí)驗(yàn)組，將2016年前后均未實(shí)現(xiàn)醫(yī)保整合的省份作為對(duì)照組，在滿足平行趨勢(shì)假設(shè)的前提下構(gòu)建傳統(tǒng)的面板DID模型：

(7)

其中，premiumit代表省份i在時(shí)期t的居民商業(yè)健康保險(xiǎn)保費(fèi)支出。policyit表示省份i的政策虛擬變量，已經(jīng)實(shí)現(xiàn)醫(yī)保整合的省份取值為1，未實(shí)現(xiàn)醫(yī)保整合的省份取值為0。yearit為時(shí)間虛擬變量，政策時(shí)點(diǎn)2016年之前取值為0，2016年之后取值為1。對(duì)照組在2016年前后的居民商業(yè)健康保險(xiǎn)需求變化為α2，即為時(shí)間效應(yīng)。實(shí)驗(yàn)組在2016年前后的居民商業(yè)健康保險(xiǎn)需求變化為α2+α3，其中α3為分離時(shí)間效應(yīng)后的政策效應(yīng)，即本文的主要考察對(duì)象。Zit為控制變量，εit為隨機(jī)誤差。

以往關(guān)于政策效應(yīng)的研究多采用雙重差分法，這一方法雖然能夠在一定程度上消除遺漏重要解釋變量帶來的內(nèi)生性問題，卻忽視了樣本選擇性偏差導(dǎo)致的內(nèi)生性問題。為此，本文采用PSM方法，通過Probit或Logit模型將多個(gè)協(xié)變量與政策實(shí)施概率聯(lián)系起來，降維得到一個(gè)傾向得分值[24]。本文用以匹配的傾向得分為：

Pi(X)=Pr(policyit=1|Xi)=F[f(xi)]

(8)

其中，Xi表示第i個(gè)省份的協(xié)變量集。居民的個(gè)人特質(zhì)、參保與健康狀況、經(jīng)濟(jì)水平、繳費(fèi)能力、政府財(cái)政壓力等是整合政策實(shí)施的重要條件，因此文本選取個(gè)人特征變量、保險(xiǎn)與健康變量、經(jīng)濟(jì)特征變量、流動(dòng)特征變量以及居民醫(yī)保人均籌資和人均財(cái)政壓力變量作為協(xié)變量。f(xi)為線性函數(shù)，F(xiàn)[·]是Logit函數(shù)。式(8)通過Logit函數(shù)將多個(gè)協(xié)變量進(jìn)行降維得到各省份實(shí)施整合政策的概率，即傾向得分。

根據(jù)上述分析，本文在利用PSM匹配到與處理組最接近的控制組樣本時(shí)，采用匹配后的處理組和控制組進(jìn)行DID回歸，具體模型如下：

(9)

本文采用一階最近鄰匹配方法進(jìn)行實(shí)驗(yàn)組和對(duì)照組的一對(duì)一匹配，匹配時(shí)在未實(shí)現(xiàn)醫(yī)保整合的省份中選出與已實(shí)現(xiàn)醫(yī)保整合的省份傾向得分值相近的個(gè)體作為對(duì)照組。通過式(9)對(duì)匹配后的實(shí)驗(yàn)組和對(duì)照組進(jìn)行雙重差分估計(jì)，可測(cè)變量也將作為控制變量加入雙重差分模型中進(jìn)行估計(jì)。

(三)基于調(diào)節(jié)效應(yīng)的機(jī)制分析

本文結(jié)合理論模型，基于調(diào)節(jié)效應(yīng)分析原理，在進(jìn)一步考察城鄉(xiāng)居民基本醫(yī)保整合政策對(duì)中國(guó)居民商業(yè)健康保險(xiǎn)需求的影響機(jī)理時(shí)，引入政策變量和人均財(cái)政壓力的交乘項(xiàng)作為核心解釋變量，分析財(cái)政壓力在整合政策對(duì)商業(yè)健康保險(xiǎn)需求的影響中起到的調(diào)節(jié)作用。

調(diào)節(jié)效應(yīng)是一種有因果指向的交互效應(yīng)，調(diào)節(jié)變量一般不受自變量和因變量的影響，但可以影響自變量和因變量[25]。在統(tǒng)計(jì)回歸分析中，檢驗(yàn)變量的調(diào)節(jié)效應(yīng)意味著檢驗(yàn)調(diào)節(jié)變量和自變量的交互效應(yīng)是否顯著。本文分別以居民商業(yè)健康保險(xiǎn)保費(fèi)支出和是否購(gòu)買商業(yè)健康保險(xiǎn)作為被解釋變量。商業(yè)健康保險(xiǎn)保費(fèi)支出為連續(xù)變量，分別采用面板隨機(jī)效應(yīng)模型(RE)、固定效應(yīng)模型(FE)、混合回歸(pooled)進(jìn)行實(shí)證分析。是否購(gòu)買商業(yè)健康保險(xiǎn)為類別變量，且本研究關(guān)注的個(gè)體因素、健康與保險(xiǎn)因素、職業(yè)因素、流動(dòng)因素等對(duì)商業(yè)健康險(xiǎn)需求的影響可能并不是線性的，本文采用Logistic回歸模型進(jìn)行估計(jì)，并將該估計(jì)結(jié)果用于穩(wěn)健性檢驗(yàn)。兩類模型設(shè)定如下：

以面板固體或隨機(jī)效應(yīng)回歸模型為例：

(10)

居民商業(yè)健康保險(xiǎn)保費(fèi)支出以premiumit表示。以financeit為調(diào)節(jié)變量，表示人均財(cái)政壓力，人均財(cái)政壓力與政策虛擬變量的交乘項(xiàng)為調(diào)節(jié)效應(yīng)，以此探究整合政策對(duì)商業(yè)健康保險(xiǎn)需求的影響是否受到財(cái)政壓力的調(diào)節(jié)作用，重點(diǎn)考察回歸系數(shù)α3。Zit為一系列控制變量，ui為代表個(gè)體異質(zhì)性的截距項(xiàng)，εi代表隨機(jī)擾動(dòng)項(xiàng)。統(tǒng)計(jì)學(xué)處理采用Stata15.1軟件。

在以是否購(gòu)買商業(yè)健康保險(xiǎn)為被解釋變量的穩(wěn)健性檢驗(yàn)中，采用Logistic回歸模型進(jìn)行估計(jì)，該模型是離散選擇模型的常用模型，設(shè)定為:

(11)

是否購(gòu)買商業(yè)健康保險(xiǎn)以comheait表示。comheait是二分類變量，當(dāng)觀測(cè)到購(gòu)買了商業(yè)健康保險(xiǎn)時(shí)取值為1，否則取值為0。在各解釋變量的作用下，購(gòu)買商業(yè)健康保險(xiǎn)的概率如下：

(12)

對(duì)式(12)進(jìn)行變換，Logistic回歸模型可以表示為：

(13)

五、PSM-DID模型實(shí)證結(jié)果及相關(guān)檢驗(yàn)

(一)基礎(chǔ)回歸結(jié)果：傳統(tǒng)DID模型分析

表2匯報(bào)了采用隨機(jī)效應(yīng)模型、固定效應(yīng)模型、混合回歸得到的傳統(tǒng)DID模型回歸結(jié)果，其中核心解釋變量did即為政策虛擬變量policy和時(shí)間虛擬變量year的交乘項(xiàng)。三個(gè)模型的回歸結(jié)果均顯示did的回歸系數(shù)顯著為正，表明整合政策對(duì)居民商業(yè)健康保險(xiǎn)需求有顯著的促進(jìn)作用。

表2 城鄉(xiāng)居民基本醫(yī)保整合對(duì)商業(yè)健康保險(xiǎn)需求的影響：DID模型

(二)基于PSM-DID方法的實(shí)證檢驗(yàn)

為解決樣本選擇性偏差的內(nèi)生性問題，使用一對(duì)一臨近匹配法對(duì)實(shí)現(xiàn)居民醫(yī)保整合省份與未實(shí)現(xiàn)整合省份的樣本進(jìn)行傾向得分匹配，參考陳強(qiáng)(2014)的做法[26]，將個(gè)人特征變量、保險(xiǎn)與健康變量、經(jīng)濟(jì)特征變量、流動(dòng)特征變量以及居民醫(yī)保人均籌資和人均財(cái)政壓力作為匹配使用的協(xié)變量。除個(gè)別變量外，其余協(xié)變量均通過了Logistic回歸的顯著性檢驗(yàn)，表明協(xié)變量選擇有效。

根據(jù)匹配前后實(shí)驗(yàn)組和對(duì)照組傾向得分的密度分布可以看出，經(jīng)過PSM后處理組和對(duì)照組之間的傾向得分分布差異較小。同時(shí)，PSM檢驗(yàn)結(jié)果還顯示匹配后協(xié)變量標(biāo)準(zhǔn)偏差值明顯降低，且大部分樣本都處于共同支撐域(1)因篇幅限制，未報(bào)告PSM檢驗(yàn)結(jié)果，作者備索。，因此經(jīng)匹配后的對(duì)照組樣本符合作為處理組的反事實(shí)個(gè)體的條件，可以為雙重差分篩選出理想樣本。

進(jìn)一步采用PSM-DID方法分別進(jìn)行隨機(jī)效應(yīng)、固定效應(yīng)、混合回歸模型的估計(jì)。表3結(jié)果顯示，核心解釋變量did的估計(jì)系數(shù)均顯著為正，表明上述傳統(tǒng)DID模型的回歸結(jié)果是穩(wěn)健的，整合政策的實(shí)施對(duì)商業(yè)健康保險(xiǎn)需求有顯著促進(jìn)作用。根據(jù)過度識(shí)別檢驗(yàn)和F檢驗(yàn)結(jié)果可知，穩(wěn)健的隨機(jī)效應(yīng)模型最優(yōu)，從該模型的控制變量回歸結(jié)果來看，大部分估計(jì)系數(shù)都通過了顯著性檢驗(yàn)，與DID模型保持一致。變量edu、com和incom的回歸系數(shù)均顯著為正，說明受教育程度、商業(yè)壽險(xiǎn)購(gòu)買行為和工作收入對(duì)居民商業(yè)健康保險(xiǎn)需求均存在顯著的正向作用。變量hosp、fami、id和wd的回歸系數(shù)均顯著為負(fù)，說明健康狀況、家庭規(guī)模、農(nóng)業(yè)戶口、日均工作時(shí)間對(duì)商業(yè)健康保險(xiǎn)需求存在顯著的負(fù)向作用。具體來說，健康狀況越好，商業(yè)健康保險(xiǎn)需求越低，體現(xiàn)了市場(chǎng)中存在的逆向選擇現(xiàn)象；家庭規(guī)模越大、居民負(fù)擔(dān)越重，對(duì)商業(yè)健康保險(xiǎn)的需求越低；農(nóng)村戶口相對(duì)城鎮(zhèn)戶口對(duì)商業(yè)健康保險(xiǎn)的需求更低；日均工作時(shí)間較長(zhǎng)說明生活節(jié)奏快，可能沒有閑暇購(gòu)買商業(yè)健康保險(xiǎn)。此外，居民的流動(dòng)特征對(duì)商業(yè)健康保險(xiǎn)需求的影響并不顯著。

表3 城鄉(xiāng)居民基本醫(yī)保整合對(duì)商業(yè)健康保險(xiǎn)需求的影響：PSM-DID方法(2)因篇幅限制，未報(bào)告控制變量回歸結(jié)果，作者備索。

(三)穩(wěn)健性檢驗(yàn)(3)因篇幅限制,未報(bào)告穩(wěn)健性檢驗(yàn)結(jié)果，作者備索。

上文的分析證實(shí)了整合政策對(duì)商業(yè)健康保險(xiǎn)需求的影響顯著為正，在實(shí)施PSM方法時(shí)采用的是一階近鄰匹配，如果采用匹配精確度更高的核匹配雙重差分方法也能得到類似結(jié)果，說明上述結(jié)果是穩(wěn)健的。因此文本基于原始數(shù)據(jù)，進(jìn)一步采用卡尺內(nèi)k階近鄰匹配和核匹配雙重差分進(jìn)行回歸，其中卡尺距離為0.001。經(jīng)過卡尺匹配和核匹配的雙重差分結(jié)果分別在5%和10%的顯著性水平下為正，與前文結(jié)論相符，說明該實(shí)證方法是穩(wěn)健的。

六、影響機(jī)理分析

(一)調(diào)節(jié)效應(yīng)的機(jī)制分析

以居民商業(yè)健康保險(xiǎn)保費(fèi)支出為被解釋變量，以政策虛擬變量與人均財(cái)政壓力的交乘項(xiàng)(policy_finance)為核心解釋變量，分別采用固定效應(yīng)、隨機(jī)效應(yīng)、混合回歸模型進(jìn)行回歸分析，探究整合政策出臺(tái)前后，財(cái)政壓力在整合政策對(duì)商業(yè)健康保險(xiǎn)需求的影響中是否起到調(diào)節(jié)作用，回歸結(jié)果如表4所示。表4結(jié)果顯示，核心解釋變量policy_finance的回歸系數(shù)顯著為正，表明財(cái)政壓力在整合政策對(duì)商業(yè)健康保險(xiǎn)需求的影響中起到了顯著的調(diào)節(jié)作用。這說明隨著整合政策的出臺(tái)，居民醫(yī)療保障水平的提高帶來了籌資壓力和財(cái)政壓力的上升，而財(cái)政壓力的進(jìn)一步提高可能會(huì)倒逼商業(yè)健康保險(xiǎn)的發(fā)展，以緩解城鄉(xiāng)居民基本醫(yī)保整合帶來的醫(yī)?；疬\(yùn)行壓力，綜合作用下整合政策對(duì)商業(yè)健康保險(xiǎn)需求的總效應(yīng)為正。

表4 居民商業(yè)健康保險(xiǎn)參保影響機(jī)制分析

(二)穩(wěn)健性檢驗(yàn)

采用Logistic回歸方法，以是否購(gòu)買商業(yè)健康保險(xiǎn)為被解釋變量，同時(shí)對(duì)人均財(cái)政壓力取對(duì)數(shù)，基于面板數(shù)據(jù)，利用固定效應(yīng)模型和隨機(jī)效應(yīng)模型進(jìn)行穩(wěn)健性檢驗(yàn)，結(jié)果表5所示。Hausman檢驗(yàn)結(jié)果顯示，強(qiáng)烈拒絕隨機(jī)效應(yīng)的原假設(shè)，選擇固定效應(yīng)模型。從第(1)列回歸結(jié)果來看，核心解釋變量policy_finance回歸系數(shù)顯著為正，說明該模型通過穩(wěn)健性檢驗(yàn)，財(cái)政壓力確實(shí)會(huì)在整合政策對(duì)商業(yè)健康保險(xiǎn)需求的影響中起到正向調(diào)節(jié)作用，可以認(rèn)為整合政策出臺(tái)帶來的財(cái)政壓力提高會(huì)倒逼商業(yè)健康保險(xiǎn)發(fā)展，因此整合政策對(duì)商業(yè)健康保險(xiǎn)發(fā)展的總效應(yīng)為正。

表5 居民商業(yè)健康保險(xiǎn)參保影響因素的Logistic回歸分析

七、研究結(jié)論及建議

本文采用PSM-DID方法證明了中國(guó)城鄉(xiāng)居民基本醫(yī)保整合政策對(duì)商業(yè)健康保險(xiǎn)發(fā)展會(huì)產(chǎn)生顯著的正向作用，并基于理論模型和相關(guān)實(shí)證分析探究了整合政策對(duì)商業(yè)健康保險(xiǎn)發(fā)展的影響是通過居民醫(yī)?；I資和財(cái)政壓力的共同作用實(shí)現(xiàn)的，即整合政策會(huì)提高居民的醫(yī)療保險(xiǎn)保障水平，同時(shí)帶來籌資壓力和財(cái)政壓力的上升，而財(cái)政壓力的提高會(huì)倒逼商業(yè)健康保險(xiǎn)的發(fā)展，以緩解醫(yī)?；疬\(yùn)行壓力，二者相互作用的最終效應(yīng)是整合政策顯著促進(jìn)商業(yè)健康保險(xiǎn)發(fā)展。

上述研究結(jié)論在我國(guó)受到新冠肺炎疫情嚴(yán)重影響的當(dāng)下具有重要的指導(dǎo)意義。2020年1月22日國(guó)家醫(yī)療保障局、財(cái)政部出臺(tái)了《關(guān)于做好新型冠狀病毒感染的肺炎疫情醫(yī)療保障的通知》，要求各地醫(yī)保及財(cái)政部門確保確診新型冠狀病毒感染的肺炎患者不因費(fèi)用問題影響就醫(yī)，確保收治醫(yī)院不因支付政策影響救治。顯然，此次疫情臨時(shí)增加了大量醫(yī)?；鹬С?，給我國(guó)醫(yī)?；饚砹溯^大壓力。本文建議政府給予商業(yè)健康保險(xiǎn)一定的支持，注重多層次保障體系中基本醫(yī)療保險(xiǎn)與商業(yè)健康保險(xiǎn)的銜接，充分發(fā)揮商業(yè)健康保險(xiǎn)在居民醫(yī)?；I資中的補(bǔ)充作用，緩解醫(yī)?；鸬倪\(yùn)行壓力。商業(yè)健康保險(xiǎn)與社會(huì)醫(yī)療保險(xiǎn)制度的銜接將產(chǎn)生帕累托改進(jìn)，提高社會(huì)經(jīng)濟(jì)總福利[27]。因此，加強(qiáng)商業(yè)健康保險(xiǎn)與基本醫(yī)療保險(xiǎn)制度的銜接，重視二者的協(xié)同發(fā)展，不僅有利于醫(yī)?；鸬目沙掷m(xù)發(fā)展，還會(huì)進(jìn)一步提高居民的醫(yī)療保障水平和社會(huì)福利。