新型农村合作医疗对农民就医行为及健康的影响——基于不同收入层次的分析，本文主要内容关键词为：新型农村合作医疗论文,层次论文,收入论文,农民论文,健康论文，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
卫生经济学家Mooney(1986)指出，医疗卫生政策应该把健康平等目标放在其他目标之前考虑，甚至在效率与平等的取舍中也是如此。然而，在各国、各地区的卫生政策运行实践中，健康不平等、医疗服务利用不平等、卫生筹资不平等却较为普遍，特别是基于不同收入层次人群的不平等尤为突出。穷人可能本身面临着更高的发病率、更低下的健康水平，他们对医疗服务存在更多的需求，但卫生政策的实施给他们带来的可利用的医疗服务却可能比富人少，同时对不同收入人群健康水平的影响产生差异。
新型农村合作医疗(以下简称“新农合”)作为一项由我国政府补贴的社会医疗保险制度，其目的在于促进我国农村地区医疗卫生服务利用以及居民健康的公平和平等。与传统合作医疗立足于农村预防保健与常见病、多发病不同，新农合是一种以保大病为主的医疗保险。政府的补贴和农民缴费主要补助“大额医疗费用或住院费用”。以保大病为主的制度设计，应该可以有效降低农民“因病致贫、因病返贫”的比率，对缓解“因病致贫、因病返贫”具有重要作用。新农合制度自2003年开始实施以来，截止到2009年参合率己到达94.19％。现有的有关新农合制度效应的探讨主要集中于两个问题：第一，新农合的实施是否提高了农民对医疗服务的利用水平。王翌秋和张兵(2009)、高梦滔(2010)认为农村居民参加新农合促进了他们对医疗服务的利用。李燕凌和李立清(2009)指出，新农合提高了门诊服务利用效率且改善了服务的公平性，但没有明显改善住院服务的利用水平与公平性。蒋远胜等(2009)则强调新农合显著地促进了农户对住院医疗服务的利用。封进和李珍珍(2009)的实证研究表明，新农合对农民医疗服务利用的影响程度尚不清楚，对很多农民而言，门诊的费用相对于收入并不低，仅仅补偿住院费用并不能减轻平均的医疗负担。Lei和Lin(2009)发现新农合只是显著增加了参保人员对保健服务的利用，但并未增加对正规医疗服务的利用，总体来看，新农合对参保人员医疗服务利用的影响不显著。新农合虽然增加了门诊就诊概率和住院概率，却没有降低自付的费用和医疗负担(Wagstaff et al.,2009)。第二，新农合的实施是否促进了参合地区农民的健康水平。这方面的研究文献并不是很多。Lei和Lin(2009)的研究表明，新农合对农民的健康影响不显著。吴联灿和申曙光(2010)以农民自评健康水平为因变量分析了新农合对农民健康的影响，结果表明新农合制度对农民健康改善具有积极影响，但影响有限。Chen和Jin(2010)用儿童和孕妇的死亡率来评价新农合对健康影响，实证结果表明参合组的儿童和孕妇的死亡率要低于未参合组，说明新农合对农民健康存在正影响。综合上述文献，现有的研究显示新农合对农民医疗服务利用及健康的影响是不确定的。
相关研究无疑具有重要的学术价值。然而，我们认为有关新农合实施对农民医疗服务利用及健康影响的分析还需要进一步的深入。第一，卫生政策实施可能产生基于不同收入层次人群的健康和医疗服务利用的不平等。如赵晓强和宗颖生(2008)根据新农合补偿资金分布特点的实证研究发现，新农合制定统一的补偿比例线不利于贫困群体，就医时富人和穷人支付相同的医疗费用，在补偿资金的使用上形成了贫困群体补贴富裕群体，导致政策福利在不同收入群体间的差异，进而产生卫生资源配置不合理。然而，现有的相关研究主要集中于新农合对整体参合群体或不同服务类型的医疗服务利用及健康水平的影响，并没有考虑新农合对不同收入层次人群医疗服务利用和健康水平影响的差异性。第二，有关于新农合对农民医疗服务利用影响的研究，大多以新农合实施对总体门诊量、住院等客观就诊量指标的影响大小来衡量。然而，门诊量和住院量可能既包括新农合定点医疗机构的就诊量，也包括非定点医疗机构的就诊量。实质上，定点医疗机构的就诊量才真正反映了新农合制度下农民对医疗服务的有效利用，而这将涉及居民对就医地点的选择行为。因此，仅仅使用总体门诊量、住院量作为影响卫生服务利用的指标会导致在分析新农合的净效果时产生偏差(Wagstaff et al.,2009)。医疗保险实施过程中会影响到居民对就医地点的选择行为(Sepehri et al.,2006)，而这种选择行为决定了不同人群医疗服务利用程度的差异。通过考察新农合实施如何影响不同收入群体的就医行为，可以更准确地反映该制度对农民医疗服务利用的影响。第三，已有的研究大多采用对比新农合实施前后农民卫生服务利用和健康变化的两阶段分析，很少有文献能在控制时间和环境变量情况下，估计新农合对农民卫生服务利用和健康产生的净效应，尤其缺少对于这种变化的多阶段动态跟踪分析。在剔除环境和时间的影响的情况下，分析新农合制度实施过程中对农户产生的递进性影响，可以更准确地反映该制度实施过程对农村医疗服务利用及农民健康的影响。
由于就医行为和健康水平受多种因素的影响，而评价一项卫生政策的净作用通常使用平均处理效应(Average Treatment Effect，简称ATE)(Athey and Imben,2006)。本文将采用带有倾向得分匹配(Propensity Score Matching，简称PSM)的多阶段倍差法(Difference-in-Differences简称DID)，使用中国健康营养调查数据(CHNS)2000年、2004年、2006年和2009年四个时期的成人样本数据，研究新农合实施过程中农民就医行为和健康水平的多阶段动态变化，估计新农合对不同收入阶层农民就医行为和健康水平的平均处理效应，进而考察新农合的实施对农村居民就医行为与健康的净影响及影响的差异性。
二、新型农村合作医疗制度平均处理效应的估计方法
Athey和Imben(2006)指出在政策实施过程中，总体处理效应(Population Average Treatment Effect，简称PATE)变化可能是政策作用的结果，也可能是时间累积效应产生的。剔除时间的影响计算政策作用组平均处理效应(Average Treatment Effect on theTreated，简称ATT)的倍差法是广为应用的一种方法。其基本思路是比较政策实施前与实施后作用组和对照组对于某项产出的作用效果的差异，并以此作为政策的净效果(Heckman et al.,1997)。按照倍差法的基本设计方法，针对新农合问题我们将样本人群分为两组，参合人群作为作用组，未参合人群为对照组；同时，为了描述新农合对农民就医行为和健康产生递进性的影响，本文选择2000年作为新农合实施前年份，2004年、2006年和2009年作为实施后年份，则新农合制度平均处理效应的多阶段倍差回归模型如下：
模型(1)是在假设参加新农合对农民就医行为和健康的影响不存在异质性的条件下给出的，即要求
对所有的参与者都是相同的，并且使用传统回归方法估计模型(1)时，假设在控制了协变量X的情况下，农民是否参合为外生决定的。但事实上，农民是否参合存在自由选择或被选择，方程(1)中的协变量X也可能因人而异。因此，常规的最小二乘估计、工具变量估计方法计算的新农合对农民就医行为和健康的影响都是有偏的(Heckman and Li,2004)。
基于上述原因，本文不再使用传统的OLS回归模型来讨论新农合对农民就医行为和健康的影响，而是采用平均处理效应的分析框架下，建立新农合制度作用效果方程。并根据Heckman和Robb(1985)给出的定义，新农合对农民就医行为和健康的ATT可用公式(2)表示：
由于无法观测到作用组在没有政策作用下的效应，而未参合组即对照组的处理效应是可测的，因此通常以同一时刻对照组的效应作为新农合作用组的反事实效应。但是除新农合外，农民的就医行为和健康还受到社会、经济、教育和人口学特征等混杂因素(confounders)的影响，由于混杂因素的存在，直接把对照组作为作用组的反事实效应会导致选择性偏差(selection bias)。为了剔除选择性偏差减少混杂因素的影响，在估计新农合作用组的反事实效应时，要求因变量、政策变量和协变量必须满足如下无混杂性假设(unconfoundedness assumption)，也称条件独立假设(Rosenbaum and Rubin,1983)，如下式所示：
(3)(3)式表示的无混杂性的使用条件是：因变量的处理效应只与政策变量和协变量有关，而不存在其他不可观测变量的影响。结合本文研究内容，对无混杂性做出如下两个方面的解释：首先，农民是否参合是非强制的，农民有权自己决定是否参合，因此是否参合应与预见性的未来的就医行为和健康有关；其次，假设在控制了与就医行为和健康有关的协变量X之后，是否参合与潜在的就医行为和健康无关。也就是说，农民选择参合是通过协变量X和潜在的就医行为和健康相联系。
由无混杂性可推导出(4)式和(5)式：
使用(10)式推断ATT时要求满足无混杂性条件，实证分析中无混杂性条件常见的处理方法有两种(Rosenbaum and Rubin,1984)：①作用组和对照组具有相同的协变量X，则对照组的处理效应直接可以作为作用组的反事实效应；②根据X的特征值进行分层，计算不同单元的作用组与对照组的平均处理效应。但是，当协变量数目太多、范围太大时，上述两种方法都不适用。为此，Rosenbaum和Rubin(1983,1984)提出了一种基于倾向得分(propensity score)的方法来计算不同样本的接受政策干预的可能性，如下式所示：
根据前面有关ATT的分析可知，当作用组和对照组的可观测的协变量X不满足无混杂性条件时，直接使用(1)式估计新农合的ATT是不可信的。而且，本文中农民的就医行为和健康受到人文、经济和人口学特征等众多协变量因素的影响，上面提到无混杂性条件的两种处理方法都不适用于计算新农合制度的平均处理效应。因此，本文采用倾向得分匹配来进行配对估计。由于新农合的作用组和对照组的配对个体之间并不能完美配对(可观察到的特征X并不完全一样)，匹配方法的ATT估计就是要通过倾向得分找一些特征相近的个体来作为匹配组进行配对估计。
依据Blundell和Costa-Dias(2000)，带有倾向得分匹配的倍差估计(Propensity Score MatchIng with Difference-in-differences简称PSDD)中ATT计算公式如下：
三、数据、变量与倾向得分匹配
(一)数据说明
本文采用中国健康营养调查数据(CHNS)2000年、2004年、2006年和2009年四个时期的数据，去掉缺失数据项后各个时期的有效样本数分别为：2000年7 285个，2004年7 484个，2006年7 204个，2009年7 412个。由于我国的新型农村合作医疗制度是在2003年开始实施的，在CHNS调查中并不区分新、旧农村合作医疗制度，为剔除旧的农村合作医疗制度数据，在2000年的数据中把参加农村合作医疗的样本删除，因此2000年最后的有效样本数为6882个，2004、2006和2009年的分析数据中同样也不包含这部分样本，以此来保证分析中参合数据均为新农合的数据。由于本文使用的是面板数据的倍差分析方法(如公式(1)所示)，为减少误差该方法要求对不同年份中相同的样本进行倍差分析，但是CHNS数据中如果4个年份均使用相同的样本会导致参合组即作用组的样本过小(每年的样本只有153个)。因此，依据Athey和Imben(2006)和Chen等(2006)对于多阶段多作用组倍差分析的研究，本文以2000年为基年，2004年、2006年和2009年数据中只保留与2000年相同的样本。具体使用的数据样本量如表2所示。
(二)变量
本文分别以农民患病后的就医行为和健康水平作为因变量，结合CHNS提供的数据在因变量的选择上分别作了如下处理。
1.农民就医行为
就医行为是一个很广泛的概念，目前没有统一的定义，不同的研究者对其有不同的解释。由于本文主要分析新农合的实施对农民在患病后寻求治疗时的医疗机构(包括自己治疗)选择行为所产生的影响，因此，结合CHNS数据的调查内容，本文中的就医行为定义为过去四周患病后，农民对新农合定点医疗机构和定点医疗机构以外的其他治疗方式(以下简称“其他治疗方式”)的选择行为。其中定点医疗机构指新农合指定的报销医疗机构，其他治疗方式则包括非定点医疗机构就诊和自己治疗。由于新农合的统筹层次各地并不统一，导致无法直接区分定点医疗机构和其他治疗方式，因此本文将使用CHNS调查数据中“患病所花费用由医疗保险支付的比例”这一变量来进行样本区分。分析过程中如下：首先将CHNS数据中参加新农合同时还有其他医疗保险的样本剔除①，那么参合样本中如果医疗保险支付的比例大于零，则代表该患者在新农合定点医疗机构就诊，否则为其他治疗方式。由于就医行为变量分为选择新农合定点医疗机构就诊和选择定点医疗机构以外的其他治疗方式两类。因此，本文设定农民四周内曾选择定点医疗机构就诊时该交量值为1，否则为0。同理，农民四周内选择其他治疗方式时则该变量为值1，否则为0。
2.农民的健康水平
国内已有文献中有关新农合对于健康影响研究中多采用农民的自评健康水平。该指标主观性较强，并且在生成虚拟变量时健康的截断点具有随意性(Wagstaff,1994)。本文采用的健康指标是由Kaplan和Anderson(1988)发展起来的生活质量指标(Quality of Well-Being Scale,QWB)，QWB指标是在经济学、心理学、医学和公共卫生学的专业知识基础上构建的。QWB指标构建分为四类，对相应的指标赋予不同的权重而获得。前三类为客观指标，即人们在日常活动中的行动(Mobility)、体力(Physical Activity)与社会活动(Social Activity)能力指标；第四类为主观指标，即症状/情况(Symptom)指标，是以个人对自身健康症状的主观陈述为依据的。QWB取值在0与1之间连续分布，0表示死亡、1表示健康。赵忠和侯振刚(2005)详细介绍了QWB值四类指标的权重及其计算方法，并结合CHNS调查中相应的数据项目进行了归纳。
参考Chen等(2007)、Moreno-Serra(2009)、Lei和Lin(2009)等分析一项医疗保险制度的作用效果中协变量的选择，本文把影响新农合政策作用效果的社会经济和人口学特征的如下变量作为协变量：性别、年龄、家庭规模、受教育程度、家庭成员人均收入、健康行为和患慢性病的情况。为避免共线性问题，最终用于回归分析的协变量如表3所示，其中全部变量均为虚拟变量。 (三)倾向得分匹配 以是否参加新农合作为因变量，上述社会经济和人口学特征变量为自变量进行倾向得分匹配分析。常用的PSM配比算法有最近邻近匹配法(Nearest Neighbors Matching)、半径匹配法(Radius Matching)、核匹配法(Kernel Matching)等方法。Heinrich等(2010)给出进行倾向得分匹配前需考虑的四个条件：①匹配时是否进行替换；②如何获得最邻近的匹配样本；③在分析中如何使用权重(倾向得分)；④作用组每一样本可以匹配的对照组的样本数。参看上述四个条件并对比几种匹配算法在实际计算时误差大小，本文选择最近邻近匹配法，匹配时不进行替换(without replacement)，作用组可以匹配的样本数为1个，同时，为减少误差，在匹配时设定匹配的卡值(Caliper)为0.01。Jones(2009)指出为了避免政策作用产生的偏差(post treatment bias)，只对政策作用前作用组和对照组的协变量进行匹配。因此，本文只对2000年的作用组和对照组进行PSM，表3给出了PSM后检验结果。
从表3的检验结果可以看出，PSM后19个协变量中仅有2个变量的标准偏误增加，其余17个变量标准偏误均减少，表明处理组与对照组的样本均值更加接近，即PSM后对照组样本的协变量具有与作用组协变量更为相近的特征，使得对照组作用结果更适合作为作用组的反事实效应。同时表3中匹配后协变量的p值看上去比匹配前要大，这是因为在进行非替换(without replacement)的倾向得分匹配时，由于作用组可以比较的样本数的减少，匹配结果在标准偏误减少的同时必然会导致p值的增加(Jones,2009)。
四、新农合对不同收入阶层农民平均处理效应的估计结果
PSM后2000年的样本中剔除掉了1028个样本，同时将这1028个样本分别从2004年、2006年和2009年的样本中去掉，则用于回归的样本数分别为2000年4269个样本，2004年3799个样本，2006年3442个样本，2009年3151个样本。由于2009年CHNS调查中无自评健康数据，无法计算相应的QWB值，故新农合对健康水平的平均处理效应的估计只使用2000、2004及2006三个年份的数据。
表4列示了无条件倍差法分析的新农合实施前后作用组与对照组就医行为与健康水平的平均变化。表4中前四行为2000年、2004年、2006年和2009年新农合作用组与对照组就医行为和健康的平均值，第五到第七行分别表示2004年、2006年和2009年同新农合实施前的2000年相比作用组与对照组就医行为和健康水平的变化。最后三行分别表示2004年、2006年和2009年三年的无条件倍差估计值。
表4的数据显示：首先，从平均值来看，除2004年外新农合制度作用组去定点医疗机构就诊的概率均高于对照组；而选择其他治疗方式上，则出现了作用组均低于对照组的情况，这说明新农合实施前和实施后，作用组和对照组农民的就医选择行为存在差异。其次，农民就医行为的变化表明新农合作用组选择定点医疗机构就诊的概率表现出逐年递增的趋势，而选择其他治疗方式上则只有2009年的变化值具有正的统计显著性，而对照组无论在选择定点医疗机构还是其他治疗方式上其变化均具有正的统计显著性。再次，就医行为的无条件倍差估计值中，DD2和DD3均表明新农合增加了农民选择定点医疗机构就诊的概率，减少了选择其他治疗方式的概率，但这种作用效果只有DD3具有统计的显著性，说明新农合在实施初期对农民就医行为的影响较小，随着政策推进和参合率的提高，新农合对农民就医行为的作用可能才显现出来。最后，健康水平方面，作用组与对照组农民的健康状况差异值(DD1、DD2)则出现了先降后升的情况，但均不具有显著性。表4的比较初步显示，患病后就医行为上，新农合作用组比对照组到新农合定点报销医疗机构就诊的概率大于选择其他治疗方式，健康水平则不具有这样的特征。这种结果是新农合导致的还是混杂因素影响导致的，有待进一步的分析。
为比较新农合对不同收入阶层农民的影响，我们将总体样本按照家庭成员的人均收入(封进、余央央，2007)分为低收入、中等收入和高收入三组。由于家庭成员的人均收入是变化量，因此在处理过程中是以2000年不变价对人均家庭收入进行了调整。我们以农民患病后选择定点医疗机构就诊和其他治疗方式为因变量，以(13)式为权重，使用总体平均(population-averaged)估计的probit面板数据回归模型对方程(1)做逆概率的加权回归。回归结果如表5、表6所示。
表5的回归结果显示：首先，总体样本模型的coop项的系数在10％显著性水平下显著，而各收入组样本不具有统计的显著性。这说明新农合作用组的样本与对照组中具有类似的倾向得分的样本相比，两者在参合前选择定点医疗机构就诊的概率在总体样本上有差异，不同收入组样本却没有明显的差异。其次，根据公式(1)，交叉项系数代表了新农合的ATT。2004年总体样本及不同收入样本模型中新农合对农民选择定点医疗机构就诊的ATT均不具有统计显著；2006年只有总体样本和中等收入样本模型的ATT是正显著的；而2009年四个模型ATT均具有统计显著性。这说明新农合的实施初期没有影响到农民到定点医疗机构就诊的概率，随着制度的全面推进和参合率的提高，新农合首先提高中等收入人群到定点医疗机构就诊的概率，之后这种影响扩大到低收入和高收入的参合农民，从而促进了农村居民对医疗服务的有效利用。最后，新农合净效应的动态变动。对比2004年、2006年和2009年交叉项系数可以看出，新农合的净效应呈逐年递增的趋势，特别是2009年对低收入和高收入农民选择定点医疗机构就诊的概率出现了较大幅度的增加。
表6显示了农民选择新农合定点医疗机构以外的其他治疗方式的回归结果。首先，参合情况(coop)的系数在低收入、中等收入群体以及总体样本估计模型均为负，且统计显著，这一结论与表4结果相吻合。这说明无论对于总体样本还是不同收入人群，新农合作用组农民在患病后同对照组相比本身选择其他治疗方式的概率要小，这是新农合作用组与对照组的固有差异(fixed difference)，这种固有差异与时间、是否参合以及其他协变量均无关。其次，从交叉项的系数中新农合对于农民选择其他治疗方式的ATT来看，除2004年高收入样本模型和2006年的总体样本模型外，其他模型的ATT均不具有统计显著性。这说明新农合的实施对农民选择其他治疗方式的概率没有显著性影响。
当然，表5和表6中的统计结果还给出了除新农合外其他影响农民就医行为的因素。首先，从总体样本来看，年龄段、受教育程度、收入水平以及健康行为对农民就医行为存在负影响，性别、时间阶段和慢性病则对就医选择行为的影响不确定，而家庭规模因素不会影响到家庭成员的就医行为。其次，就不同收入人群来看，低收入人群中年龄阶段等三个变量不同程度地存在统计不显著。定点医疗机构就诊选择上，60岁以下人群不具有正的统计显著性；其他治疗方式上，45岁以上人群不具有正的显著性。该结论说明低收入农民中患病后选择定点医疗机构就诊的以老年人为主，而年纪较小的农民则更多地选择其他治疗方式。
新农合对农民健康的ATT估计过程如下：由于stata无法对［0,1］之间的数据进行总体平均处理效应的面板数据回归，因此本文将QWB健康系数以其平均值为截断点，大于平均值时因变量为1表示健康，小于平均值时因变量为0表示不健康。其他变量选取和处理方法同表5和表6，使用总体平均处理效应的probit面板数据做逆概率加权回归，结果如表7所示。
表7中数据表明：首先，从每个模型参合情况(coop)的系数看，均不具有统计显著性，说明新农合作用组与对照组不存在明显的固有差异，即不存在“逆向选择行为”。其次，交叉项系数表明，同2000年相比，总体样本回归模型中2006年新农合对农民健康的ATT是0.1250，且统计显著，即新农合的实施在一定程度促进了农民的健康；不同收入组样本模型回归结果表明新农合主要促进了高收入农民健康水平(交叉项显示2006年ATTT是0.2736，且统计显著)，而没有影响到中低收入农民健康水平(交叉项显示2004和2006年的ATT统计不显著)。这种对不同收入群体健康影响的差异显然将加剧农村亲富人型的健康不平等②。
结合表5中2006年的估计结果，新农合的实施虽然有效提升了中低收入农民特别是中等收入群体的医疗服务利用水平，但对其健康的影响并不显著，反而对高收入群体的健康产生了正影响。由此可见，卫生服务利用水平的高低与健康水平之间似乎并没有必然的联系。卫生服务利用水平可以通过制度的实施快速提升③，但健康状况的改善可能是一个相对漫长的累积过程。许多学者研究表明，收入水平与健康之间呈现出一种非线性正相关关系(齐良书，2006；陈在余和王洪亮，2010；杨默，2011)。收入的增加使得生活水平与医疗条件得以改善、健康水平提高，但收入对健康影响的边际效应是递减的。按照这种观点，对于本文的回归结果，一种可能的解释是：只有人群健康达到一定的水平(阙值)，新农合的实施才会对健康产生显著正影响。高收入农民本身的健康水平要高于中低收入农民，虽然新农合的实施使其对医疗服务的利用不如中低收入农民充分，但是其累积的健康水平超过了阙值，进而对健康水平产生了正影响。当然，这种解释还需要进一步的验证。
表7中回归结果同时也指出其他协变量对于健康的影响，从表7的数据可以看出，无论是总体样本模型还是不同收入群体模型都显示随着时间的推移，农民的健康水平是不断提高的。女性的健康水平要高于男性，年龄阶段、健康习惯以及患慢性病的情况均对健康存在明显的负影响；而受教育程度则与健康水平存在正相关，而且相关系数显示受教育程度越高，农民的健康水平也越高。家庭规模基本上不会影响到农民的健康状况。
五、结论与启示
本文利用2000年、2004年、2006年及2009年CHNS对中国九个省份农户调查数据，先通过计算作用组和对照组的倾向得分的方式，把具有类似倾向得分的对照组样本作为新农合作用组在没有政策作用下的反事实效应。接下来，使用总体平均倍差估计方法实证分析了新农合对不同收入农民就医行为和健康的平均处理效应。回归结果发现：第一，从总体样本模型来看新农合提高了农民选择定点医疗机构就诊的概率(2004年平均增加0.1462，2006年平均增加0.2374，2009年平均增加0.5344)，同时也提高了农民的健康水平(2006年平均处理效应为0.1250)，且新农合的净效应呈动态递增的趋势。第二，就不同收入人群来看，新农合实施初期没有影响到农民到定点医疗机构就诊的概率，随着制度的全面推进和参合率的提高，新农合首先提高中等收入人群到定点医疗机构就诊的概率，之后这种影响扩大到低收入和高收入的参合农民，从而促进了农村居民对医疗服务的有效利用；新农合的实施主要提高了高收入农民的健康水平，对中低收入农民的影响不显著。
综合上述结论，总体上看，新农合的实施对于促进农村医疗服务有效利用、提高农民健康水平有积极作用，特别是呈现持续递增的促进效应。因此，如何深层次完善新农合制度设计，使之发挥可持续性作用是今后改革中的关键点之一。基于不同收入层次的分析表明，新农合实施的早期可能会导致医疗服务利用在不同收入群体间的不平等，但随着制度的全面推进，这种不平等状况得到了改善，特别是促进了低收入群体对医疗服务的有效利用，这对于缓解“因病致贫、因病返贫”发挥了重要的作用。此外，新农合的实施对不同收入群体健康影响的差异将可能加剧农村亲富人型的健康不平等。相应的政策含义是，应当不断提高低收入农民的收入，改善其健康水平，进而充分发挥新农合对中低收入群体健康的正影响效应。
注释：
①该部分样本的数量非常少，仅占总体样本的1.6％。
②解垩(2009)的研究指出，农村地区的健康不平等程度不断加深，表现为高收入人群的健康水平高于低收入人群的健康水平，即亲富人型。且农村地区亲富人倾向总体上高于城市。
③表5中2009年的估计结果验证了这一点。