首页资讯 Medical insurance for urban and rural residents, health and utilization of medical services for the elderly: Evidence from CLHLS data

Medical insurance for urban and rural residents, health and utilization of medical services for the elderly: Evidence from CLHLS data

来源：泰然健康网时间：2024年11月26日 13:21

1 问题提出

《2022年医疗保障事业发展统计快报》数据显示，截至2022年底，基本医疗保险参保人数达134 570万人，覆盖面稳定在95%以上。然而，人群广覆盖只是基本医疗保险制度建设的阶段性成果，在我国社会医疗保险事业深化发展的过程中，不少学者开始关注到医疗保险对参保人健康水平及医疗服务利用状况可能产生的影响，进而展开了一系列相关研究。

当前学者们在相关领域的研究中大致遵循两种思路：其一是采用单期或混合截面数据对参保人群(实验组)与未参保人群(对照组)间的健康水平或医疗服务利用状况进行横向比较，用以评估医疗保险可能对参保者带来的影响。[1-3]但事实上，参保人群与未参保人群间本身便可能存在着诸多潜在的异质性，如与参保资质相挂钩的从业特征、影响医保参保决策的身体状况、经济水平与保健意识等。因此，直接对两类人群的健康水平或医疗服务利用状况进行横向比较这一做法，不能精准地反映出参保行为对其影响的净效应；其二是在横向比较的基础上关注到了参保状态的变化，进而采用两期或多期非平衡面板数据同时估计群体维度(是否参保)与时间维度(参保前后)对参保人群健康水平或医疗服务利用状况的混合影响[4-6]，然而这种方法同样无法排除始终未参保人群特征可能对估计结果带来的干扰。

基于此，本文使用中国老年健康影响因素跟踪调查2005—2018年期间的五期平衡面板数据，将研究对象聚焦于首期调查时未参加城乡居民医保但在末期调查时完成参保的老年人，通过对比同一群体参保前后健康水平及医疗服务利用状况的变化，以分析参加城乡居民医保可能会对参保老年人带来的影响。相较于之前的文献，本文不仅为我国城乡居民医保制度的完善提供了宝贵参考，更为今后相关领域的研究提供了全新的研究视角，兼具一定的学术价值与现实意义。

2 文献综述与研究假设 2.1 医疗保险对参保人健康水平的影响

当前国内外学者在关于医疗保险与参保人健康之间关系的探讨上尚存在着较大的分歧。一方面，大量研究表明医疗保险能够显著改善参保人的健康状况。国外学者通过对美国老年医疗保险项目的研究，发现相较于未参保人群，参加此项目的老年人在遭受疾病冲击后健康恶化的速度要更慢。[7]有研究发现参与医疗补助计划的成年人自评身心健康状况均优于未参加人群。[8]国内学者发现医疗保险能够显著促进参保人健康自评[5-6]、提升参保人的认知能力[9]、降低参保人的死亡风险等[10]。另一方面，也有不少研究表明医疗保险并不能有效改善参保人的健康状况。国外学者发现美国老年医疗保险项目开始实施的前10年对65岁及以上人群的死亡率并未产生显著影响。[11]国内有研究发现参加医疗保险并不能有效改善参保人的健康自评[12-13]与生理健康状况[2, 9]。基于以上两种截然不同的研究结论，本文提出一组竞争性假设：

H1a：参加城乡居民医保会显著改善老年人的健康水平。

H1b：参加城乡居民医保并不会显著改善老年人的健康水平。

2.2 医疗保险对医疗服务利用状况的影响

Manning等通过分析兰德医保实验发现，医疗保险能够明显提高参保人的医疗服务利用水平。[14]国内也学者发现社会医疗保险能够显著增加老年人的医疗消费水平并提高及时就医的概率。[12, 15-16]然而，尽管大量研究表明医疗保险能够有效改善参保人的医疗服务利用状况，但学界同样也存在着一些不同的声音，如参加新农合并不会影响农村居民的自付医疗费用等。[17]基于以上观点，围绕城乡居民医保与参保老年人医疗服务利用状况间的关系提出第二组竞争性假设：

H2a：参加城乡居民医保会显著改善老年人的医疗服务利用状况。

H2b：参加城乡居民医保并不会显著改善老年人的医疗服务利用状况。

大量研究表明，老年人的医疗服务利用状况与其自身的健康水平间同样存在着紧密的联系[18-19]，相较于健康状况良好的老年人，健康状况较差的老年人通常会对医疗服务资源有着更高的需求，然而囿于有限的消费能力及不菲的服务价格，这类人群未被满足的医疗服务需求往往也更多。据此，本文推测城乡居民医保对参保老年人医疗服务利用状况的影响可能存在着健康层面上的异质性，提出以下研究假设：

H3：老年人的健康状况越差，城乡居民医保对其医疗服务利用状况的改善作用就越明显。

3 研究设计 3.1 数据来源

中国老年健康影响因素跟踪调查(Chinese Longitudinal Healthy Longevity Study, CLHLS)是由北京大学健康老龄与发展研究中心、国家发展研究院组织的老年人追踪调查项目，调查覆盖23个省(自治区、直辖市)，调查对象为65岁及以上的老年人，在1998年进行基线调查后，分别于2000年、2002年、2005年、2008—2009年、2011—2012年、2014年和2017—2018年进行了七轮跟踪调查，本文选取2005—2018年的五期数据展开研究。①

① CLHLS问卷于2005年的调查中首次设置医疗保险相关问题，故本文以2005年作为数据分析的初始期。

为对比同一群体参保前后健康水平与医疗服务利用状况的变化，本文对原始样本进行了如下筛选：(1)将样本限定为参与2005—2018年五期调查的受访者，剔除2005年以后样本丢失或死亡的受访者，保留1 331位受访者；(2) 剔除2005年调查中已参保、2005—2018年调查中始终未参保及参保后退保的受访者，保留1 101位受访者；(3)剔除关键变量及控制变量缺失的受访者，最终用于分析受访者健康水平与医疗服务利用状况的样本量分别为5 485和3 755个。

除此之外，考虑到在长达13年的追踪调查过程中，会有一部分老年人因为在追访期死亡而无法纳入分析样本当中，可能会导致数据出现一定的右删失(right-censored)问题，对此本文也尝试对老年人参保行为与其死亡事件间的关系进行检验，在剔除相关变量缺失的样本后，最终用于生存分析的总样本量为6 674个。

3.2 变量设置与描述性统计 3.2.1 因变量

健康水平。通过“您觉得现在您自己的健康状况怎么样？”生成两组健康水平变量：(1)自评健康的连续变量，得分越高代表受访者的健康水平越高；(2)自评健康的虚拟变量，将自评健康“良好”与“非常好”定义为“健康”，并赋值为1，自评健康其他定义为“不健康”，并赋值为0。除此之外，本文通过问卷中“过去一年来您觉得您的健康状况有没有改变？”生成一组健康水平的分类变量，将健康状况“差多了”“差一些”“没变”“好一些”和“好多了”五种变化情形依次赋值1~5。

医疗服务利用状况。变量通过“您过去一年实际花费的门诊医疗费用总计多少元？”以及“您过去一年实际花费的住院医疗费用总计多少元？”两个题目共同生成，加总计算获得受访者的年医疗服务总支出。在此基础上，以2005年为基期，使用国家统计局发布的居民消费价格指数对五期调查中的医疗服务费用进行平价处理，并取对数以减少该变量与其他变量间可能存在的数量级差异。

3.2.2 自变量

城乡居民医保参保情况。受访者回答参加新型农村合作医疗保险和城镇居民基本医疗保险中的任何一种便视为其参加了城乡居民医保，并将“参保”赋值为1，“未参保”赋值为0。

3.2.3 控制变量

参考已有文献[4-5]，本文选取受访者的性别、年龄、民族、受教育年限、现居地、婚姻状况、存活子女数、是否与子女同住、工作属性、日常生活活动能力(Activities of Daily Living, ADL)、慢性病数量以及是否吸烟、是否经常饮酒、是否经常体育锻炼三种健康行为作为控制变量。各变量的描述统计结果与赋值情况详见下表 1。

表 1 变量的描述统计与赋值

3.3 分析方法 3.3.1 固定效应模型

由于本文的因变量主要包括了连续变量与虚拟变量两种，为考察受访者在参加城乡居民医保前后自评健康及年医疗服务总支出的变化情况，在OLS回归、Logistic回归的基础上建立固定效应模型，通过控制模型中不随个体变化的不可观测性时间因素，解决时间层面上可能存在的遗漏变量问题。

3.3.2 系统GMM(Generalized Method of Momonts)方法

在静态面板固定效应模型的基础上，动态面板模型进一步纳入了受访者自评健康的滞后项作为自变量，这种做法会使得模型更加具有动态解释能力，但同时也会造成新的自变量(即因变量滞后项)与各截面上的时间效应和误差项相关，从而产生内生性问题。为消除这一问题可能为模型估计所带来的影响，选用系统GMM方法，通过引入受访者健康水平变量的滞后项作为模型的工具变量，从而综合利用水平变化和差分变化的信息对动态面板模型加以估计。

3.3.3 Cox比例风险模型

为进一步检验老年人参保行为对其死亡风险的影响，本文使用Cox比例风险模型进行了相应的生存分析。

4 城乡居民医保对参保老年人健康水平的影响 4.1 城乡居民医保对参保老年人自评健康影响的固定效应模型

模型1-2是连续型自评健康作为因变量的回归结果，模型1显示老年人在参加城乡居民医保后自评健康平均降低0.12分(P≤0.01)，模型2在加入控制变量后显著性水平有所下降，但结果依旧显著，此时老年人在参加城乡居民医保后自评健康平均会降低0.09分(P≤0.05)；模型3-4是虚拟型自评健康作为因变量的回归结果，模型3显示老年人在参加城乡居民医保后报告健康的可能性是参保前的79.82%(P≤0.05)，模型4在加入控制变量后显著性水平同样有所下降但结果依旧显著，此时老年人在参加城乡居民医保后报告健康的可能性是参保前的83.06%(P≤0.10)。

综上，模型1-4的回归结果均显示老年人在参加城乡居民医保后其健康水平会显著变差，这与潘杰等研究结果基本一致[4]，然而这一结论是否可靠我们尚不能断言。事实上，医疗保险可能会通过直接或间接的途径来影响参保老年人的健康水平，但同时老年人自身健康水平的好坏也可能会影响其是否参保，尽管在加入时间固定效应后可以在一定程度上解决可能存在的遗漏变量问题，但却始终无法消除自变量与因变量间反向因果关系可能带来的内生性问题。“参加城乡居民医保会明显降低老年人的健康水平”这一结论可能是受到了医保“逆向选择”的影响，因此上述结果可能均无法如实反映出参加城乡居民医保对老年人健康水平影响的净效应。

4.2 城乡居民医保的健康净效应估计

为消除反向因果关系可能带来的内生性问题，本文主要采用如下两种方法估计城乡居民医保的健康净效应：其一，将时点下静态的健康自评指标更换为动态的健康变化指标，用以排除参保逆向选择问题可能对回归结果造成的干扰。由于参保老年人的健康变化这一变量为五分类变量，故本文在有序多分类Logistic回归模型的基础上加入时间固定效应；其二，在静态面板固定效应模型的基础上，分别纳入老年人健康水平的一期、两期滞后项以构建动态面板模型，从而进一步排除由反向因果等问题可能带来的内生性问题，并使用系统GMM方法进行动态面板模型估计。两种方法的回归结果详情见表 3。

表 2 城乡居民医保对参保老年人自评健康影响的固定效应模型

表 3 城乡居民医保的健康净效应估计

模型5是城乡居民医保对参保老年人健康变化影响的全样本回归结果，城乡居民医保对参保老年人健康变化的影响在10%水平上并不显著，这一结果说明参加城乡居民医保不会对老年人的健康水平有显著影响。为确保这一结论的稳健性，本文将模型中健康变化这一变量进行调整，即将变量中“差多了”和“差一些”选项统一合并为“变差”，将变量中“好多了”和“好一些”选项统一合并为“变好”，使用新生成的三分类变量来替换原有的五分类变量并将其纳入模型，结果依旧在10%水平不显著，稳健性检验通过。模型6-7是使用系统GMM方法对动态面板模型进行估计的全样本回归结果，模型6显示在滞后一期的动态面板模型估计中，老年人在参加城乡居民医保后自评健康平均会降低0.11分(P>0.10)，模型7显示在滞后两期的动态面板模型估计中，老年人在参加城乡居民医保后自评健康平均会降低0.03分(P>0.10)，两次动态面板模型的回归结果均显示参加城乡居民医保并不会对老年人的自评健康产生显著影响。

鉴于城乡居民医保对参保老年人健康水平的影响可能存在着一定的滞后效应，即这些影响可能在短期内并不会立刻显现出来，故本文也对这一问题进行了相关检验，模型8是使用前置一期的参保情况来代替当期参保变量的全样本回归结果，该模型显示在纳入时期滞后效应后，参加城乡居民医保对老年人健康变化的影响在10%水平上仍不显著，据此本文认为城乡居民医保对参保老年人健康水平的影响并不存在明显的滞后效应。更进一步地，考虑到样本死亡可能会造成分析数据出现右删失问题，对此本文进一步使用了Cox比例风险模型对老年人参保行为与其死亡事件间的关系进行检验，模型9显示老年人是否参加城乡居民医保并不会对其死亡风险率造成显著影响(P>0.10)，据此可以推断之前的回归模型结果较为可靠。

在排除参保逆向选择问题所带来的干扰后，本文认为参加城乡居民医保对老年人的健康水平并没有显著影响，研究假设H1b通过检验，同时拒绝研究假设H1a。

5 城乡居民医保对参保老年人医疗服务利用状况的影响

在前文的基础上，本文进一步探究城乡居民医保对参保老年人医疗服务利用状况的影响，由于参保老年人的年医疗服务总支出变量为连续变量，故本文在多元线性回归模型的基础上加入时间固定效应。

表 4 城乡居民医保对参保老年人医疗服务利用状况影响的固定效应模型

模型10是城乡居民医保对参保老年人医疗服务利用状况影响的全样本回归结果，老年人在参加城乡居民医保后他们的年医疗服务总支出平均会上涨约41.55%(P ≤ 0.01)，参加城乡居民医保的确会显著改善老年人的医疗服务利用状况，故本文提出的研究假设H2a通过检验，同时拒绝研究假设H2b。除此之外，本文同样对城乡居民医保对参保老年人医疗服务利用状况的影响滞后效应进行了检验，模型14的回归结果显示，前置一期的参保情形并不会对当期老年人的医疗服务利用状况产生显著影响，即上述影响同样并不存在明显的滞后效应，对此本文推测主要原因有二：一是老年人的年医疗服务总支出易受到其近期身体状况的影响(如意外伤害、患病住院等)，然而同一老年人在追访过程中由于接受调查的年份并不连续，因此会出现数据收集上的偏差；二是由于参加城乡居民医保可能对不同老年群体医疗服务利用状况的影响存在差异，因此在全样本回归的过程中这种影响可能会被进一步地消解，从而导致回归结果并不显著。

本文同样在老年人的健康层面上对上述影响进行了异质性探讨，模型11-13分别是城乡居民医保对参保老年人医疗服务利用状况影响的分样本回归结果。模型11显示健康状况变差的老年人在参加城乡居民医保后年医疗服务总支出平均会上涨约70.60%(P ≤ 0.01)，模型12显示健康状况未发生变化的老年人在参加城乡居民医保后年医疗服务总支出平均上涨约34.81%(P﹥0.10)，模型13显示健康状况变好的老年人在参加城乡居民医保后年医疗服务总支出平均上涨约13.74%(P﹥0.10)。城乡居民医保对参保老年人的医疗服务利用状况影响存在着健康异质性，身体健康状况恶化的老年人在参保后医疗服务利用状况改善更为明显，而其他老年人在参保后其医疗服务利用状况并未发生明显的变化，研究假设H3通过检验。

6 结论与建议 6.1 结论

本文使用中国老年健康影响因素跟踪调查2005—2018年期间的五期平衡面板数据，运用固定效应模型、系统GMM方法及Cox比例风险模型，探究城乡居民医保对参保老年人健康水平及医疗服务利用状况究竟有何影响。本文的主要研究发现如下：

第一，参加城乡居民医保对老年人的健康水平并没有显著影响，且不存在明显的滞后效应。不同于学界中“医疗保险会改善参保人健康状况”这一观点，本文在对由反向因果、遗漏变量等可能导致的内生性问题进行处理后，发现城乡居民医保并不会显著影响自评健康状况。

第二，参加城乡居民医保会显著改善老年人的医疗服务利用状况，他们在参保后年医疗服务总支出平均会上涨约41.55%。同时上述影响也存在健康层面上的异质性，身体健康状况出现恶化的老年人在参保后其医疗服务利用状况改善更为明显，其年医疗服务总支出平均会上涨约70.60%，其他老年人在参保后医疗服务利用状况并未发生明显的变化。

6.2 建议

基于上述结论与已有发现，本文认为相较于职工医保、商业医保，我国城乡居民医保制度的实际效果与其预期目标间仍存在着一定的差距，对此本文提出如下两点建议：

第一，着力提升城乡居民医保的待遇水平。已有研究表明参加更高档次的医疗保险有助于促进个体的健康水平[20]，本文发现参加城乡居民医保并不能有效改善老年人的健康水平，这可能是因为当前我国城乡居民医保(尤其是农村居民)的保障水平仍然相对较低。因此，在城乡居民医保覆盖了95%以上的城乡居民后，医保扩面工作已经不再是未来的发展重点，新的重点应是如何在财政资金可以承受的前提下，进一步提升城乡居民医保的综合待遇，如通过扩大医保报销范围、降低起付线、提高封顶线、调整共付区间自付比例等途径来满足老年人多层次、多环节、多样化的医疗服务需求(如预防保健、小病诊治、大病医疗、长期照护、家庭床位、临终关怀等)。

第二，重视发挥医疗保险的疾病预防功能。城乡居民医保的发展始终离不开资金的支持，而疾病预防对于城乡居民医保的财政可持续至关重要，从本文的研究结果来看，参加城乡居民医保后会导致老年人医疗服务利用的增加，尤其是参保前健康状况不佳的老年人，费用增加的幅度更大。伴随着我国居民参保率的持续提升，这种变化会进一步加重我国城乡居民医保的财政负担。因此，未来我国的城乡居民医保应尝试调整其功能定位，逐步增加对参保人定期体检、健康筛查等预防性保健工作的投入，以实现从“事后治疗”到“事前预防”的转变，疾病预防不但有助于降低老年人的患病风险与患病严重程度，从而保障他们的健康水平与生活品质，同时也有助于缓解城乡居民的医保支出压力，进一步提升医保资金的财政可持续性。

6.3 局限性

不同于以往研究，本文通过对比不同时点下同一群体参保前后自评健康及年医疗服务总支出的变化情况，再次对医疗保险与老年人健康水平及医疗服务利用状况间的两组关系进行检验。当然，本文的研究同样也存在着一定的局限性，虽然前文已针对城乡居民医保对参保老年人健康水平及医疗服务利用状况的影响滞后效应进行了检验，但受限于调查数据，这种检验仅粗略地以不同调查期作为划分依据，具体言之，由于各期CLHLS问卷中并未设置询问老年人具体参保年份的题目，因此我们从时间维度上对其中可能存在的滞后效应进行更加准确的检验。

作者声明本文无实际或潜在的利益冲突。

Medical insurance for urban and rural residents, health and utilization of medical services for the elderly: Evidence from CLHLS data

推荐资讯

从出汗看健康出汗透露你的健康信号

早上怎么喝水最健康？

Medical insurance for urban and rural residents, health and utilization of medical services for the elderly: Evidence from CLHLS data

推荐资讯

从出汗看健康 出汗透露你的健康信号

早上怎么喝水最健康？

从出汗看健康出汗透露你的健康信号