医疗保险促进健康吗?——基于中国城镇居民基本医疗保险的实证分析，本文主要内容关键词为：实证论文,医疗保险论文,中国论文,城镇居民论文,基本医疗保险论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
一、引言
医疗保险是健康人群与非健康人群之间或健康时与病患时对病患风险的分摊机制，它的直接功能在于保障人们在患病时对医疗卫生服务利用的财务可及性。由于医疗服务利用是为了获得健康(Grossman，1972)，所以医疗保险的最终目的是维护和提高个人健康水平。
近年来，医疗保险全民覆盖是包括中国、美国在内的世界各国(大国)医改主要推进的卫生政策，但该政策的实行往往耗资巨大，如中国新医改规划政府(2009—2011年)每年投入约1300亿元(国务院深化医药卫生体制改革领导小组办公室，2009；中国国务院，2009)，而美国政府更是预计在未来10年每年投入近940亿美元(United States Congress，2010)。这样巨额的支出能否提高人们的健康水平成为全球经济学家们争论的焦点。
首先，医疗保险提高了个人就医的财务可及性，增加了卫生服务利用，确实应该提高人们健康水平；但由于健康的决定因素很多，较之环境、基因、收入等因素，卫生服务利用对健康的影响实际上相对较低(WHO，2011)，而且边际递减，最终甚至有可能有害(Phelps，2002；Ashton et al.，2003；Fisher，2003)。因此医疗保险最终能否有效促进健康还需要展开深入的经验研究(Baicker and Finkelstein，2011)。其次，医疗保险让个人在医疗卫生服务利用时面临较低的边际成本，由此产生的道德风险可能导致资源浪费。如果医疗保险有效促进健康，则更多的支出为有效消费，反之则为过度需求(黄枫、吴纯杰，2010)。医疗保险能否促进健康也就成为解答增加的医疗卫生服务是否为有效需求这一问题的关键。更重要的是，维护和提高人们健康长寿的手段不仅有医疗保险，其他如医疗救助、提供免费疫苗等干预手段(Levy and Melzer，2008)，也可以维护和提高健康水平。那么，只有准确估计医疗保险对健康的影响，才能通过成本产出、成本效果或成本效益的方法，将医疗保险与其他干预手段进行比较，从而调整和优化相关公共政策，以利用有限的社会资源取得最大化的社会效益。
基于此，许多学者针对医疗保险影响健康的因果关系展开了研究。相关因果研究大部分集中在对美国医疗保险的研究。其中，相当的文献对美国老年医疗保险(Medicare)进行了研究。①比如，Cutler & Vigdor(2005)利用面板数据，采用倍差法(DID)进行识别，比较51—65岁中有无 Medicare的人群面对疾病冲击后健康的变化，发现未参保个人在面临慢性病冲击后，健康的恶化程度超过参保个人，但是两组人群在面临急性疾病冲击下并不存在显著差异。Finkelstein & McKnight(2008)利用Medicare于1965年开始在美国各州实行的特点，也用倍差法发现Medicare在实行的头10年里并没有显著降低65岁以上人群死亡率。Card et al.(2009)利用Medicare向所有年满65岁的美国居民免费提供的政策规定，采用断点回归设计(regression discontinuity design)方法研究 Medicare对65岁急诊入院病人健康的影响，发现Medicare显著降低了他们7天内的死亡数。另外还有大量文献对美国低收入医疗保险(Medicaid)②进行了研究。比如，Currie & Gruber(1996a)发现1984—1992年Medicaid的扩张降低了儿童死亡率的比例达5.1％，同年她们的另一篇文章(Currie and Gruber，1996b)也发现Medicaid的扩张降低了新生婴儿死亡和新生低体重儿的发生率。Finkelstein et al.(2011)的研究则发现美国俄勒冈州标准医疗保险计划(Oregon OHP Standard， Medicaid的一种)③显著提高了19—64岁的白评身体和精神健康，但对死亡率没有影响。
始于1971年的兰德医疗保险实验(Manning et al.，1987)采用实验研究的方法，通过随机原则赋予不同个人不同的医疗保险项目来研究不同的医保分担比例对个人卫生服务利用及健康的影响。由于所有的实验组都有医疗保险(最低保障程度的只有大病医疗保险)，所以该研究主要是对不同保障程度的医疗保险对健康的影响，而不是对是否参保的研究。
对美国之外的其他国家研究相对较少。Hanratty(1996)研究加拿大全民医疗保险的实施对婴儿健康的影响，发现全民医保显著降低了4％的婴儿死亡率和1.3％的新生低体重发生率。King et al.(2009)研究墨西哥全民医疗保险对全人群健康的影响，发现全民医保对个人自评健康未产生显著影响。
国内相关的因果研究并不多，集中在对农村居民和老年人群的研究。Lei & Lin(2009)、Chen& Jin(2010)、吴联灿和申曙光(2010)采用倍差法和趋势得分法相结合的方法考察了新型农村合作医疗(以下简称“新农合”)对中国农民健康的影响，而黄枫和吴纯杰(2009)、黄枫和甘犁(2010)研究医疗保险对城镇老人健康的影响。Lei & Lin(2009)、Chen & Jin(2010)都未发现新农合显著提高了参保农村居民(儿童)的健康，但吴联灿和申曙光(2010)发现新农合对个人自评健康有小幅正影响(降低了自评健康不佳的比例2.75％)。Wang et al.(2009)采用实验研究的方式，研究了农村互助医疗保险(RMHC)，发现RMHC显著提高了农村居民健康水平(降低了全年龄段农村居民的自报疼痛和焦虑比例，提高了55岁以上个人的行动和自理能力)。黄枫和吴纯杰(2009)、黄枫和甘犁(2010)均发现参保老人死亡风险较未参保老人更低。
从上述文献看，不同的研究采用了不同的识别方法从不同角度估计了各种医疗保险对不同人群健康状况的影响，尽管没有得到统一的结论，但是确实找到了扩大医疗保险的覆盖有助于提高人们健康水平的证据。由于各国卫生体制差异很大，特别是由于经济发展的限制，中国社会医疗保险项目提供的卫生服务包并不丰富，在目前中国关注此类问题文章有限的情况下，中国现行的三大医疗保险(城市职工医疗保险、城镇居民基本医疗保险和新农合)到底对各个年龄段人群有没有显著影响?尤其是尚未见对(截至2010年底)覆盖近2亿中国城镇人口的城镇居民基本医疗保险(以下简称“城居保”)进行的相关研究。本文的研究将弥补目前文献的不足。
本文利用最新的具有代表性的微观数据——2007—2010年“国务院城镇居民基本医疗保险试点评估入户调查数据”(URBMIS)，估计城居保对城镇成年人健康的因果影响。由于城居保政府补助比例在各地不同，这会影响到个人参保意愿，从而改变个人的参保状态，而政府补助比例对个人健康而言是外生因素，本文利用了这一“自然实验”——政府补助比例的差异导致城居保参保的不同，识别了城居保对参保个人健康的影响。个人自评健康对城居保参保状态的最小二乘法(OLS)估计结果显示，个人健康与参保状态存在显著的负相关，这意味着城居保的自愿参保政策可能导致了严重的“逆向选择”(adverse selection)问题。固定效应(FE)模型尽管没有排除健康与参保的交互关系，但是修正了由不可观测的“固定效应”带来的偏差，得到了二者无显著关系的估计结果。接着，通过采用各市级针对不同城居保参保人群的政府补助比例作为工具变量(IV)进行估计，结果显示城居保显著提高了参保个人的健康。进一步对不同社会经济状态(SES)人群进行分析发现城居保对弱势人群(低收入、低教育水平)健康起到的正向作用更大。另外我们还通过对影响渠道的估计，找到了一些证据，支持城居保提高了参保者卫生服务利用但并未增加个人就医经济负担，从而说明城居保可能正是通过提高卫生服务利用促进个人健康。对更多健康指标的回归结果看，城居保并没有对慢性病和EQ5D得分及其各个维度产生一致的显著正向影响。
本文结构安排如下：第二部分对城居保制度背景和本文使用数据做简要概述；第三部分考察参保状态与个人健康的相关关系；第四部分采用IV的方法考察城居保对个人健康影响的因果关系；第五部分对不同人群、影响渠道及更多健康指标展开分析；最后是结论和讨论。
二、城居保制度背景概述与数据
(一)城镇居民基本医疗保险制度
城居保与城镇职工基本医疗保险(以下简称“城职保”)、新农合及城乡医疗救助共同组成中国基本医疗保障体系，分别覆盖城镇非就业人口、城镇就业人口、农村人口和城乡困难人群(中共中央、国务院，2009)，④它是中国社会医疗保险的重要组成部分。
1.建立
1998年中国在全国范围建立城职保制度，2002年提出建立新农合医疗制度，2005年明确开展城乡医疗救助工作(胡晓义，2007)，但是大量的城镇非就业人员被排斥在社会医疗保障体系之外。中共中央十六届六中全会通过的《关于构建社会主义和谐社会若干重大问题的决定》做出了将“覆盖城乡居民的社会保障体系基本建立”作为“构建社会主义和谐社会的目标和主要任务”之一(中共中央，2006)。为实现这一目标，2007年国务院决定在79个城市启动城居保试点(中共中央、国务院，2007)，2008年新增229个试点城市，并于2009年在全国推开。2007年国务院20号文件《国务院关于开展城镇居民基本医疗保险试点的指导意见》(以下简称《20号文件》)对其实施制定了以下3个原则：(1)自愿参保；(2)重点保障城镇非从业居民的大病医疗需求；(3)中央确定基本原则和主要政策，地方制定参保范围、筹资水平等具体办法。与新农合为避免逆向选择要求以户为参保单位的参保政策不同，城居保没有对个人参保进行限制。从2007年开展试点以来，城居保覆盖人群数持续增加，2007—2010年参保人数分别为0.43亿、1.18亿、1.81亿和1.95亿人，成为中国“全民医保”制度体系的重要制度基础(国务院城镇居民基本医疗保险试点评估专家组，2011)。
2.参保范围
根据《20号文件》规定，城居保的参保范围为“不属于城职保制度覆盖范围的中小学阶段的学生(包括职业高中、中专、技校学生)、少年儿童和其他非从业城镇居民”。在2007年试点展开时，各地对参保对象的规定并不相同，主要是对城镇居民中未参加城职保的灵活就业人员、劳动年龄未就业人员、不具有城市户籍的农民工及其子女、当地农村户籍居民，以及在校大学生是否纳入参保范围的规定不同。但随着国家明确建立覆盖全民的医保制度目标，各地逐年扩大参保范围，截止2010年底，除少部分地区未将当地农民和不具有城市户籍的农民工纳入参保范围外，各地几乎都已将上述人群全部纳入。
3.筹资和补助
城居保的筹资来源主要是个人缴费和政府补助。其中，政府补助来自中央、省级和地方三级政府。城居保具体的筹资水平和地方政府补助水平由地方根据当地居民家庭和财政负担能力而定，但中央政府规定了最低补助额度：2007年规定各地政府补助最少不低于人均40元(国务院，2007)，到2010年达到120元(中共中央、国务院，2009)。在地方实行当中，一般还按人群(未成年人、老年人和从业居民)规定了不同政府补助和筹资标准。总的筹资水平呈东、中、西部逐渐递减(朱俊生，2009)。从79个试点城市上报数据看，2007—2010年成年人平均筹资水平分别为219元、231元、242元和274元，其中各级财政补助分别为74元、94元、97元和120元，占筹资水平的34％、41％、40％和44％；学生儿童平均筹资水平分别为101元、111元、124元和160元，其中各级财政补助分别为56元、80元、86元和117元，占筹资水平的55％、72％、69％和73％(国务院城镇居民基本医疗保险试点评估专家组，2011)。
4.保障范围
根据《20号文件》，城居保重点保障城镇非从业居民的大病医疗需求，基金重点用于参保居民的住院和门诊大病医疗支出。因此，大部分地区在2007年实行初期只针对住院和大病门诊进行保障，但根据人保部门的政策部署，越来越多的地区开始将普通门诊纳入保障范围(黎成等，2010)。
(二)URBMIS数据
本文采用的是个人层面的2007—2010年追踪调查数据，它来源于城镇居民基本医疗保险入户调查(Urban Resident Basic Medical Insurance Survey，URBMIS)。从2007年起，受国务院城居保试点评估专家组委托，北京大学中国卫生经济研究中心课题组在内蒙古自治区包头市、吉林省吉林市、浙江省绍兴市、福建省厦门市、山东省淄博市、湖南省常德市、四川省成都市、青海省西宁市和新疆维吾尔自治区乌鲁木齐市等9个城市开展了国务院城居保试点评估入户调查(林莞娟等，2011)。该调查的主要目的是对城居保制度运行状况、居民健康和医疗保障情况进行评估。通过多阶段、概率与规模成比例抽象(probability proportionate to size sampling，PPS)方法确定了大约11800户家庭，涉及到约32000个调查对象。调查从2007年开始，每年进行一次，现已获得2007—2010年共4年的数据。调查收集了被访者个人基本情况、健康及行为状况、医疗保险状态和医疗服务利用，以及家庭经济情况等方面翔实的信息。
三、数据描述和基本回归结果
(一)数据描述
URBMIS的原始数据共有127333个样本，我们选择了符合城居保参保资格的样本进行研究。对于是否符合资格的界定，本文基于9城市2007—2010年城居保的相关文件和咨询地方城居保管理机构进行筛选，其中由于大部分城市每年都在扩大参保范围，因此是否符合资格是根据当年的参保资格信息进行选择。由于儿童的健康状况与成年人不同，我们选取年龄在18岁以上的成年人样本，并且去除了在读学生(大学生)和残疾人。本研究使用的有效样本包含了8822户，16405个个人，4年样本共计31145个。
自评健康是本文主要用到的健康指标，⑤分别采用连续变量和虚拟变量的形式。⑥变量“健康状态”是连续变量，取值1—5，分别表示受访者在回答“总的来说，您如何评价自己过去一个月内的健康状况”时选择“很差”、“差”、“一般”、“好”和“很好”；我们根据这个健康变量生成了“健康好”的虚拟变量，将“好”和“很好”视为一组，取值为1，其他(包括“很差”、“差”和“一般”)视为另一组，取值为0。⑦
表1给出了相关变量的描述统计分析结果。城镇全体成年居民(调查全样本)⑧与具有城居保参保资格的成年人群比较，无论是自评健康、慢性疾病、EQ5D等健康指标，⑨还是收入、教育、从业状态，具有城居保参保资格的人群表现都要差。值得强调的是，尽管健康状态不好，但是该人群在卫生服务利用上却较少，这表明城居保人群确实是城镇人口中健康状态和经济社会状态(SES)较差的，也是面对疾病风险最缺乏抵御能力的人群。
在具有参保资格的人群中，未参保人群在自评健康、慢性疾病、EQ5D等健康指标上都较参保人群好，对卫生服务的利用更少。未参保人群的平均年龄较参保人群年轻近7岁，教育程度和职业状态明显要高，⑩但两个人群在收入上差异不大。健康行为方面，参保人群要好于未参保人群。
从健康状态的简单比较上，似乎参加城居保给个人健康带来了负影响，但是由于两个人群在年龄、社会经济状态和健康行为的表现差异都很大，这些因素可能是导致未参保人群健康状况优于参保人群的原因，所以两个人群在排除其他可观测因素干扰后的关系如何，还有待进一步考察。
(二)OLS模型和FE模型的主要结果
本文采用了回归的方法来估计医疗保险对健康的因果影响，基本的模型为：
表2分别给出了全部样本对“健康状态”变量和“健康好”虚拟变量的OLS回归和固定效应(FE)模型的估计结果。参照相关文献，模型中控制了一系列反映人口、社会经济状态的个人异质特征变量，包括年龄、性别、教育、婚姻、工作、收入，以及城市、年份虚拟变量等。
OLS模型假设个人参保状态外生，即参保不会受到健康的反向影响，也不存在共同影响二者的不可观测因素。估计结果显示，城居保的估计系数都在1％水平上显著为负，城居保与个人“健康状态”0.041单位的降低，以及报告“健康好”的概率2.1个百分点的下降相关。
FE模型则利用了URBMIS数据的长期固定追踪特点，排除可能共同影响个人健康和参保状态且随时间不变的不可观测因素的影响后进行估计。结果显示，排除不可观测“固定效应”后，城居保的估计系数变得非常小且在10％水平上失去显著性。
OLS模型假设城居保外生，FE模型假设排除不可观测的“固定效应”后城居保外生，然而有必要指出，过去的研究都倾向于否定以上两个假设。医保可能通过直接或间接方式影响健康，自身健康的好坏也会反过来影响个人参保，并且一些不可观测的(如基因、时间偏好等)个人特征因素也可能会同时影响二者。因此，OLS模型可能只是针对相关关系的估计，显著为负的结果表明居民参保可能存在显著的“逆向选择”，而不显著、接近0的FE模型估计结果则表明不可观测的“固定效应”确实导致了OLS模型的低估，但仍无法厘清健康与参保之间的交互关系。因此，以上结果可能都不是对城居保影响健康因果关系的一致性估计，这是下面IV模型希望解决的主要问题。
四、工具变量模型估计结果
前面分析了个人健康与城居保参保之间的相关关系，但我们更感兴趣的是参加城居保是否对个人健康产生因果影响。本部分将利用政府补助比例在各地的差异导致的城居保参保的不同这一“自然实验”来识别城居保对参保个人健康的影响。
(一)工具变量
本文采用分年分城市针对不同的城居保参保人群的政府补助占当年当地的城居保总筹资比例作为个人是否参加城居保的工具变量，具体定义为：
正如第二部分所讲，各地区各年对个人参加城居保的政府补助存在差异。2007—2010年间政府补助比例最低的城市为14.06％，最高的为75％，平均值为33.87％，变异系数为40.59％。部分地区在不同年龄组别间的补助也有差异，比如淄博市2007年对于男满60周岁、女满55周岁人群的补贴比例为45.5％，而对低年龄人群的补贴较低，为27.3％。
(二)补助的约简影响
在进行工具变量回归之前本文首先考察了政府补助对个人的约简影响(reduced-form subsidy effects)。本文采用以下方程来进行估计：
表3中的第(3)和第(4)列分别报告了约简形式的回归结果，显示政府补助比例与个人健康存在非常强的正相关关系，1％政府补助比例的提高对应了自评健康0.159个单位的增加和报告健康好概率7个百分点的提高。当然，约简形式的回归结果并没有识别约简影响中的多大部分是政府补助通过城居保影响到个人健康，但确实给我们提供了城居保可能正向促进个人健康的间接证据。
(三)工具变量的有效性
如同所有采用工具变量的识别策略进行因果影响识别的文献，研究结果的可信性取决于工具变量是否满足两个条件：第一个条件是工具变量是否与内生变量存在显著的偏相关(partially correlated)。在本文中，即政府补助比例是否与个人参保行为之间存在高度相关。本文认为，政府补助比例与个人参保状态应该呈正相关关系，因为政府补助比例越高，个人缴纳的保费比例就越低，那么个人就更有激励参加城居保。进一步地，本文通过以下方程来进行一阶段估计：
回归中的控制变量与之前的OLS、FE和约简式回归保持相同。由于我们采用了Staiger & Stock(1997)的方法进行弱工具变量检验，表4还报告了工具变量的F统计量。从估计结果看，与我们的预期保持一致，在控制其他外生变量的情况下，政府补助比例在1％水平上与个人参加城居保的概率呈显著正相关关系。同时，工具变量的F统计量超过了10％水平误差容忍的临界值16.98(Stock and Yogo，2002)，意味着本文使用的工具变量通过了弱工具变量检验。
工具变量有效的第二个条件是其外生性，即在本文中，政府补助比例只是通过参保行为影响个人健康。相关文献认为个人对其所在城市参保政策影响很小，因此都采用了相似的地区参保政策作为个人参保状态的工具变量(Bhattacharya et al.，2003；Goldman et al.，2001)。本文用到的政府补助比例看起来也很难受到个人的影响，但是这里有必要进行两方面的强调：第一，由于政府对城居保参保的补助规定来自于中央政府，由地方政府具体制定细则，所以本文认为具有参保资格的个人很难直接对参保政府补助比例产生直接影响。第二，是否存在不可观测的城市因素可能共同影响当地的城居保财政补助政策和个人健康。关于这一点，本文在模型中加入了地区和时间虚拟变量以控制地区和时间对个人健康影响的差异，但还是可能存在不可观测的因素共同影响二者，比如一些地方政府非常重视民生建设，一方面进行了非常多的公共卫生干预，另一方面同时提高了政府对参加医疗保险的补助比例。在这种情况下，个人健康的提高可能来自于公共卫生的干预，而非参加医保所致。因此，为了进一步验证政府补助比例作为IV的有效，本文采用了Bhattacharya et al.(2003)提出的一种间接验证方法来对本文的工具变量的外生性进行检验。本文针对不具有参保资格(且未参加城职保、新农合和公费医疗)的人群按照式(3)进行了约简形式(reduced-form)回归。由于不具有参保资格的人群不能参保，除非可能存在共同影响到当地城居保财政补助政策和个人健康的不可观测的地区因素，政府补助比例就不应该对其健康状态产生影响。表3中的第(1)和第(2)列报告了约简形式的回归结果，与我们的预期相同，地方财政补助比例在10％水平上未对不具有参保资格的人群健康产生显著影响。这间接地支持了我们对政府补助比例外生的假设。
总的来讲，我们发现政府补助比例与个人参保显著相关，并且找到了政府补助比例外生的间接证据。下面本文将以其作为个人参保状态的工具变量来识别城居保对健康的影响。
(四)两阶段最小二乘模型(2SLS)的估计结果
接着，本文以式(4)为第一阶段，采用最小二乘模型估计式(1)。表5报告采用政府补助比例作为个人参保状态工具变量对城居保健康效应进行回归估计的结果。本表的两列分别使用“健康状态”和“健康好”作为健康的衡量指标。可以看到，在修正了参保状态可能的内生性问题后，参与城居保在5％水平上显著提高了个人“健康状态”1.479个单位的提高，以及个人报告“健康好”的可能性提高64.6个百分点的提高。结果表明城居保确实对个人健康起到了正向影响。
工具变量模型与OLS和FE模型估计结果差异很大，造成差异的可能原因有：第一，由于城居保自愿参保的政策，居民参保行为可能存在严重的“逆向选择”，尽管可能城居保对个人健康起到了正向影响，但是由于“逆向选择”的作用更大，所以OLS估计中二者相关关系显著为负。FE模型尽管没有排除健康与参保的交互关系，但是修正了由不可观测的“固定效应”带来的偏差，得到了二者无显著关系的估计结果。工具变量模型利用外生的政府补助比例，进一步排除了参保的内生性问题，识别了城居保对个人健康的因果影响。这里，内生性问题的处理是造成不同模型估计结果差异的主要的可能原因。第二，本文的工具变量估计结果只是一个LATE(local average treatment effects)估计，它只是针对参保行为受到城居保政府补助比例影响的人群，即对顺从者(complier)的城居保健康效应的因果影响估计。由于人群的异质性，对不受补贴政策影响的人群，城居保对健康的平均影响可能较小，我们在后面部分还会就这个问题进行深入分析。除了以上原因外，测量误差可能也是造成OLS低估的原因。
五、进一步研究
(一)城居保对不同人群的影响(11)
既然城居保对城镇成年人的健康产生影响，那么这种影响在不同人群中有较大差别吗?一个很直观的推测是，城居保的健康效应可能对社会经济状态差的人群影响较对经济状态好的人群更大。我们构建了城居保与不同收入分层、不同教育水平和代表农民工人群的变量的交叉项来验证上述假设。
估计结果如我们推测，城居保对参保个人的健康促进作用随着收入的提高而越来越小，如人均家庭收入最高的20％人群受到的城居保健康效应较最低的20％人群小1.008个单位的“健康状态”，而报告“健康好”的可能性的影响也要低46.2个百分点。对不同教育水平人群影响的结果与分收入的结果类似，城居保的健康效应对教育程度较低的人群影响更大。
我们也估计了城居保对处于不同生命周期阶段的个人健康的影响。按照世界卫生组织(WHO，1963)的标准将成年人分为三个年龄段：青年(18—45岁)、中年(45—59岁)及老年(60岁以上)。从结果看，尽管交叉项对“健康状态”的影响仅对老年人在10％水平上显著，但是对报告“健康好”的系数却都在1％水平上显著，说明城居保的健康效应随年龄的增长效应也在减小。这可能在于参保带来的卫生服务利用的增加在边际上对老年人的效果要低于年轻人，而导致了健康效应随年龄的减弱。
总的来看，对不同人群影响的估计结果符合推测，即城居保的健康效应对那些经济状态差的人群影响更大。
(二)可能的影响渠道
在关于医保影响健康的研究中，一般认为医保提高了就医的财务可及性从而增加了医疗卫生服务，进而对参保个人的健康起到正向促进作用(Bhattacharya et al.，2003；Card et al.，2009； Doyle，2005；Finkelstein et al.，2011)。在文献中，一般将由于医保增加的卫生服务利用分为就医的强度(intensity)和质量(quality)。
表6报告了对应的2SLS模型回归结果。卫生服务利用方面，城居保并没有对(过去一年)主动进行健康体检、(过去两周)门诊就医、门诊就医医院等级、门诊费用、(过去一年)是否住院产生显著影响，(12)但是分别在5％和10％水平上显著提高了住院的医疗机构等级和增加了(最近一次)住院总医疗费用。(13)由于在对就医的医疗机构等级和就医费用的回归中加入了疾病的ICD10分类变量，本文认为不同疾病的异质性得到了很好控制，住院医疗机构等级的提高表明参保人群享受到了更高质量的医疗服务。当然，医疗总费用提高的原因有两方面，一方面是参保人群可能享受了更多或更高质量的服务，另一种可能是参保人群面临了更高的医疗价格。另外，由于城居保在2010年及以前，大部分城市并未将普通门诊纳入城居保统筹，因此健康检查和门诊卫生服务利用的不显著的结果符合政策设定。
进一步地，我们通过考察城居保是否增加了参保个人一年内主动健康体检来考察其是否对个人健康行为产生影响从而促进健康。由于样本城市城居保参保政策并没有提供免费健康体检，所以如果参加医疗保险使得人们更重视健康，可能就会提高个人主动体检次数。但从估计结果看，尽管城居保估计系数显著为正，但在统计上不显著，所以这个结果不能表明城居保确实改变了个人健康行为。
对家庭医疗负担的结果看，尽管参保增加了个人住院的医疗费用和就医医疗机构等级，但是个人自付的医疗费用并没有显著提高，表明城居保在增加医疗卫生服务利用的同时并没有增加其自身的经济负担。但对“今年患病造成家庭经济负担严重”的影响看，尽管城居保变量的回归估计系数为负，但在统计上也不显著，表明城居保并没有显著降低参保个人所在家庭整体就医的经济负担。
总的来讲，在城居保影响健康可能渠道的分析中，我们找到了一些支持城居保提高了参保者卫生服务利用但并未增加其经济负担的证据，这与现有的文献得到的结果保持一致(Finkelstein et al.，2011)。
(三)对健康的更多影响
下面我们采用包括欧洲五维度健康量表(EQ5D)(14)和慢性病患病情况等更多维度的健康指标来考察城居保对参保个人健康的影响。慢性病指被访者是否存在某种慢性疾病，为虚拟变量，1为存在，0为否。这里我们选用《中国卫生统计年鉴》中发病率最高的5种慢性病进行考察。由于本文的样本是全人群，大部分被访者在回答EQ5D问题时都报告不存在任何问题，因此本文还采用了文献中的做法(Wang et al.，2009)，构建了EQ5D每个维度的虚拟变量，1代表有些问题或存在严重问题，0代表没有问题。
从对更多的健康指标的回归结果看，(15)城居保没有对EQ5D得分及其任一维度的虚拟变量产生显著影响，量表中所有变量的估计系数在10％水平上都不显著。对慢性病的影响看，结果很不一致。城居保显著增加了被访者报告“高血压”和“高血糖或糖尿病”的概率，但同时却降低了被访者报告“心血管疾病”和“中风或脑血管疾病”的可能性。这里需要着重解释的是，一方面，EQ5D五个维度对正常人群存在问题的就很少(其中，任一维度存在问题的在全样本中仅占23％)，且 EQ5D中的任一维度的问题本身在长期也很难治愈，城居保的健康效应可能并没有强到足以治愈它们；另一方面，未参保时缺少卫生服务使用可能使其对自身疾患情况缺乏了解，而参保后可能对慢性病患病情况得以确诊。(16)当然如同EQ5D中的问题，慢性病在长期也是很难治愈的。得到的结果中，有显著降低了被访者报告“心血管疾病”和“中风或脑血管疾病”的可能性，我们推测可能是这些疾病相对高血压、高血糖来说，更为急性和严重，需要日常进行控制的更少，可能城居保带来的更多医疗卫生服务对这些慢性病确实起到了一定的缓解作用。
六、结论
政府补助比例的差异为识别中国城镇居民基本医疗保险对个人健康的因果影响提供了一个非常好的“自然实验”。通过使用政府补贴比例2SLS回归估计，本文找到了城居保正向影响个人自评健康的证据，并且发现城居保对社会经济状态差的人群影响更大。进一步通过可能的影响渠道分析，我们找到了一些支持城居保提高了参保者卫生服务利用(提高了个人住院的费用和住院的医疗机构等级)，但并未增加个人就医经济负担的证据。不过，对更多的健康指标的回归发现，城居保对慢性病和EQ5D得分及其各个维度并没有产生一致的显著正向影响。
尽管本文的结果显示城居保对慢性病和EQ5D得分没有产生一致的显著正影响，但正如上部分提到的，它们本身就算在长期也很难治愈。自评健康作为客观健康与主观心理健康的综合体，是个人对自身整个身体及精神状态的综合评价，因此本文认为更有意义。
由于采用工具变量方法进行因果影响识别，在个人异质性假设下，本文识别的仅是城居保对“顺从者”——参保行为受到政府补助比例影响人群的平均健康效应，即LATE。一般来说，受到政府补助比例影响的往往是那些社会经济状态较差的“弱势群体”，由于参保降低了就医的财务约束，他们在参保后可能获益更大，因此城居保对全人群健康的因果影响可能要小于本研究估计的结果。但无论出于伦理，还是现实考虑，在任何一个国家，尤其在始终坚持社会主义公平原则的中国，保证每一位公民的健康应该是决策者的首要目标(王绍光，2005)。具有城居保参保资格的人群本来就已经是全人群中社会经济状态相对较差的人群，而这些“顺从者”更是差中之差，他们极易受到疾病风险的冲击，因此也应该得到决策者额外的重视(左学金、胡苏云，2001)。(17)
另外，从经济学的角度阐释，一个很直接的方式是采用成本收益分析将城居保与其他不同的医疗保险或一些公共卫生项目，如注射疫苗等，进行比较。这里，成本可能相对容易计算，但是如何将自评健康转化为可比较的效果、效用或货币价值就很难，这超出了本文研究的范畴。这里简单地将城居保与其他研究中的医疗保险健康效果进行比较：国外文献中，Finkelstein et al.(2011)对OHP进行研究，发现其显著提高了被访者报告“健康好”13.3％的概率；国内文献中，新农合未对个人健康产生影响(Lei and Lin，2009)或很小的影响(吴联灿、申曙光，2010)，与它们相比，城居保的正向影响明显更大。当然，跨国的文化及人群都可能是造成结果差异的原因。
从社会福利而言，城居保制度的建立为城镇非就业居民在避免病患的财务上提供了更多选择，选择增加的本身对于个人就是帕累托改进。并且由于自愿参保的政策，在行为理性的假设下，个人选择参保表明个人预期参保后增加的效用，较参保费用用作其他消费而获得的效用更高。如果预期效用是通过维护和提高个人健康水平得到，那么本文结果支持这个判断，即城居保在一定程度上取得了1.95亿参保百姓期望得到的结果。
本研究得到的城居保显著提高了个人健康的结果支持城居保可以起到“不断提高全民健康水平”的作用，为当前不断加大政府补助推进城乡医疗保险覆盖的公共政策提供了一定决策支持，但该项公共政策的推进还有待进一步的“成本-收益”分析，这样才能与其他公共卫生政策进行比较，从而使得有限的社会资源取得最大化的社会效益。
作者感谢中国社会科学院经济研究所朱恒鹏、杜创和匿名审稿人对本文提出的宝贵建议，并感谢北京大学中国卫生经济研究中心提供的数据支持，文责自负。
注释：
①Medicare是美国政府免费提供给超过65岁的美国公民的医疗保险。
②Medicaid是美国政府提供给低收入家庭的医疗保险总称，它的形式在各个州有所不同，但通常是政府免费提供。
③标准OHP是俄勒冈州Medicaid的一种形式，由政府免费提供给在当地居住的19—64岁低收入美国公民。
④需要指出的是，由于城镇中存在大量的灵活就业人员，而这些人员在一些地区并未完全被城职保纳入参保范围，因此一些地区的城居保的参保人群除包含城镇非就业人群外，还覆盖了灵活就业人员。
⑤自评健康是相关文献(Finkelstein et al.，2011；Lurie et al.，1986；Wang et al.，2009；吴联灿和申曙光，2010)中最常使用的健康代理变量。使用自评健康对结果的阐释必须小心，因为自评健康是客观健康与主观心理健康的综合体，是对个体身体状况基本的描述。
⑥Ferrer-i-Carbonell & Frijters(2004)等指出，当因变量为心理测评类的等级指标时，使用如Ordered probit等非线性模型得到的估计与传统线性回归的估计结果相差不大，并且线性回归结果在边际效应表达及分析政策含义阐释时更加直观，本文使用线性模型就“健康”进行回归估计。考虑到“健康”各个取值等距的假设可能的潜在问题，本文同时构建了“健康好”的虚拟变量进行分析。
⑦为了检验结果的稳健性，除了正文中报告的健康虚拟变量的划分标准外，我们还采用了其他多种的划分标准，包括只是将“很好”作为一组，其他(包括“很差”、“差”、“一般”和“好”)作为另一组，发现相关的估计结果与报告的结果相似。
⑧为与“具有城居保参保资格的人群”对比，这里“城镇全体居民”只包括成年居民，且去除了在读学生(大学生)和残疾人。
⑨由于篇幅限制，这里并未报告对更多健康指标和卫生服务利用变量的数据描述，读者可向作者索取。
⑩在比较职业状态时，按照中国国情，我们进行了正式员工优于临时工或钟点工的假设。
(11)由于篇幅限制，第一和第三部分的表格没有报告，有兴趣的读者可向作者索取。
(12)表6报告的(过去一年)是否主动进行健康体检、(过去两周)是否门诊就医、(过去一年)是否住院的回归结果。我们还对健康体检次数、门诊就医次数和住院次数进行了考察，得到的结果与表6一致，限于篇幅没有在文中报告。
(13)除基本模型控制的变量外，在针对就医医疗机构等级和就医费用的回归中，本文还加入了疾病的ICD10分类变量以控制不同病种的影响。考虑分年的通货膨胀，门诊费用和住院费用都通过CPI调整到2010年的水平。
(14)EQ5D是测量健康结果的标准量表，可广泛使用在健康情况和治疗结果的测量中。它由欧洲生命质量项目研究组(European Qualify of Life Project Group)共同开发。EQ5D问卷由3个层次和5个领域组成，分别是行动、自我照顾、平常活动、疼痛/不舒服、焦虑/沮丧。在以上5个方面，受访者都被要求选择回答没有问题、有些问题或存在严重问题。它一般采用一定的参数结合以上5个维度得到一个单独的指数值，以对健康状态进行简明的描述性概括。
(15)表格由于篇幅限制没有报告，读者可向作者索取。
(16)问卷的题目是“您是否患有经过医生诊断的慢性病?”。
(17)由于工具变量方法的限制，本文并不能识别出永远不接受者(Never-taker)的收益。这些永远不接受者如果是由于无力支付补贴后的参保费用而未参保，那么她(他)们的状况将比顺从者还要差，是最易受到疾病冲击的人群。