中國城鄉(xiāng)居民基本醫(yī)保整合政策對商業(yè)健康保險發(fā)展的影響
——基于PSM-DID方法的實證分析

胡 祁，朱銘來

(1.浙江財經(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)健康保險是基本醫(yī)療保障制度的重要補充，對我國居民防范疾病風(fēng)險、提升健康水平具有重要意義。我國商業(yè)健康保險近年來取得了長足發(fā)展，逐漸形成了較為成熟的健康險市場。從保費收入來看，2019年我國健康險收入達(dá)9066億元人民幣，是1999年(36.54億元)的248倍，年均增長率為31.74%。此外，2019年健康險保費收入占人身險保費收入的30.6%，基本符合國際成熟保險市場的標(biāo)準(zhǔn)(30%左右)。商業(yè)健康保險的迅猛發(fā)展得益于我國政府一直以來的高度重視，釋放政策紅利以及不斷強調(diào)其與基本醫(yī)療保險的協(xié)調(diào)發(fā)展。2014年《國務(wù)院辦公廳關(guān)于加快發(fā)展商業(yè)健康保險的若干意見》(國辦發(fā)〔2014〕50號)鼓勵商業(yè)保險機構(gòu)加快研發(fā)醫(yī)療險、疾病險、失能收入險等險種產(chǎn)品，還提出商業(yè)健康保險應(yīng)與基本醫(yī)療保險實現(xiàn)銜接互補。2016年1月《國務(wù)院關(guān)于整合城鄉(xiāng)居民基本醫(yī)療保險制度的意見》(國發(fā)〔2016〕3號)(以下簡稱整合政策)明確要求整合我國城鎮(zhèn)居民基本醫(yī)療保險和新型農(nóng)村合作醫(yī)療兩項制度。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政負(fù)擔(dān)，在財政壓力的作用下可能會倒逼商業(yè)健康保險的發(fā)展，以緩解醫(yī)保基金的運行壓力。本文從居民商業(yè)健康保險需求角度出發(fā)，分析整合政策的出臺在居民醫(yī)療保障待遇提高和財政壓力的作用下是否促進(jìn)了商業(yè)健康保險的發(fā)展。

二、文獻(xiàn)綜述

國內(nèi)外已有學(xué)者對商業(yè)健康保險與基本醫(yī)療保險之間的內(nèi)在聯(lián)系和作用進(jìn)行了研究。許多歐洲國家通過削減公共醫(yī)療保險計劃來減輕財政壓力，而美國則是通過降低商業(yè)健康保險擴張來抑制醫(yī)療費用上漲，以擴大公共醫(yī)療保障的覆蓋面[1]，可見社會醫(yī)療保險與商業(yè)健康保險之間存在一定的相關(guān)關(guān)系，且這種關(guān)系受國情影響。Cutler和Jonathan(1996)研究了醫(yī)療救助制度和健康保險的關(guān)系，發(fā)現(xiàn)擴大醫(yī)療救助的覆蓋范圍會擠出一定的商業(yè)保險需求[2]。但此后Gruber和Simon(2008)通過更全面的研究發(fā)現(xiàn)，當(dāng)個人獲得醫(yī)療救助的資格發(fā)生變化時，擠出效應(yīng)并不大[3]。國內(nèi)也有不少學(xué)者通過實證研究發(fā)現(xiàn)，社會醫(yī)療保險制度對商業(yè)健康保險會產(chǎn)生顯著的正向作用。王向楠(2011)采用全國省級面板數(shù)據(jù)進(jìn)行實證分析得到，中國社會醫(yī)療保險制度不僅沒有擠出商業(yè)健康保險，反而正向推動了商業(yè)健康保險的發(fā)展[4]。劉宏和王俊(2012)基于中國健康與營養(yǎng)調(diào)查微觀數(shù)據(jù)的研究發(fā)現(xiàn)，中國城鄉(xiāng)社會醫(yī)療保障制度對居民的商業(yè)健康購買行為有顯著促進(jìn)作用[5]。朱銘來和貴哲暄(2014)基于新醫(yī)改的政策背景，實證研究得到中國基本醫(yī)療保險制度對商業(yè)健康保險不是擠出而是促進(jìn)作用，并在計量模型中采用城鎮(zhèn)醫(yī)保支出代表社會醫(yī)療保險保障水平，以此評估新醫(yī)改政策對商業(yè)健康保險的正向影響[6]。彭浩然等(2017)深入研究了我國社會醫(yī)療保險與商業(yè)健康保險之間的關(guān)系，認(rèn)為地區(qū)間社會保險發(fā)展程度不同，商業(yè)健康保險的需求也不同，在醫(yī)保覆蓋面較廣且保障水平較高的地區(qū)，社會醫(yī)療保險與商業(yè)健康保險存在倒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]。倪瀾和馮國忠(2018)采用我國省級面板數(shù)據(jù)分析得到，城鎮(zhèn)職工基本醫(yī)療保險制度對商業(yè)健康保險有顯著的正向作用[8]。謝明明和李琴英(2020)同樣采用省級面板數(shù)據(jù)研究得到社會醫(yī)療保險與商業(yè)健康保險之間是互補關(guān)系，社會醫(yī)療保險制度的不斷完善會帶動我國商業(yè)健康保險的快速發(fā)展[9]。

此外，國內(nèi)外許多學(xué)者圍繞商業(yè)健康保險發(fā)展的影響因素展開了大量研究，這為我們在實證分析中選擇影響商業(yè)健康保險發(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)健康保險購買行為顯著正相關(guān)[10][11]。個體特征因素、健康狀況等也會影響商業(yè)健康保險需求[12]。經(jīng)濟狀況、社會醫(yī)療保險參保情況、宏觀失業(yè)率和價格指數(shù)等因素均會影響商業(yè)健康保險的發(fā)展[13]。希臘的年輕人相比其他年齡層的居民更愿意購買商業(yè)健康保險，說明年齡也是一項重要的健康保險影響因素。國內(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、社會保險參保情況等是影響中國健康保險需求的主要因素[15]。朱銘來和尚穎(2011)匯總分析了關(guān)于商業(yè)健康保險的國外經(jīng)典理論和國內(nèi)實證研究，將商業(yè)健康保險的影響因素概括為個人經(jīng)濟狀況、健康狀況、受教育程度和基本醫(yī)保參保情況[16]。張仲芳(2012)借鑒國際經(jīng)驗，提出相關(guān)制度設(shè)計及定位是影響商業(yè)健康保險發(fā)展的重要因素[17]。齊子鵬等(2018)基于人口結(jié)構(gòu)對商業(yè)健康保險需求進(jìn)行了分析，得到我國老年撫養(yǎng)比、少兒撫養(yǎng)比、家庭人數(shù)、受教育程度等均對商業(yè)健康保險需求有顯著影響[18]。朱若然等(2018)采用微觀數(shù)據(jù)分析了影響城鎮(zhèn)居民同時選擇居民基本醫(yī)療保險和商業(yè)健康保險的相關(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)保政策對商業(yè)健康保險的影響時，主要以醫(yī)?；鹗杖牖蛑С鲎兞看砘踞t(yī)療保險的保障水平，且多數(shù)采用省級面板數(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，并選擇微觀個體作為研究對象來探析政策出臺前后居民對商業(yè)健康保險購買情況的變化。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，這可能會對商業(yè)健康保險產(chǎn)生一定影響，因此有必要對此進(jìn)行深入研究。再次，已有研究忽視了勞動力流動對居民商業(yè)健康保險需求的影響。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，人口的流動和遷徙可能會使這個群體的健康狀況發(fā)生變化，也會受到新環(huán)境居民商業(yè)健康保險購買行為的影響，因此可能會改變個體對商業(yè)健康保險的需求，有必要作為個體的流動特征變量加入研究。最后，整合政策使得居民的醫(yī)療需求進(jìn)一步釋放，醫(yī)療費用增加[20]，帶來醫(yī)保基金籌資壓力的上升。居民醫(yī)?；I資由政府財政補貼和個人繳費共同構(gòu)成，這意味著更高的財政壓力，但有研究顯示商業(yè)健康保險在醫(yī)療保障籌資體系中的補充作用明顯，有利于緩解財政壓力[21][22]。因此，過高的財政壓力可能倒逼商業(yè)健康保險的發(fā)展，本文將進(jìn)一步結(jié)合理論模型和實證分析進(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)于購買商業(yè)健康保險的一階條件為：

(4)

(4)式兩邊對時間求導(dǎo)得：

(5)

整理式(5)后，商業(yè)健康保險的增長率公式如下：

(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)保籌資數(shù)據(jù)和人均財政壓力數(shù)據(jù)，采用PSM-DID方法分析整合政策的出臺對商業(yè)健康保險發(fā)展的影響，并以居民商業(yè)健康保險保費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商業(yè)健康保險需求的影響機理，以及人均財政壓力在整合政策對商業(yè)健康保險發(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醫(yī)保基金面臨更高財政壓力的現(xiàn)狀，提出重視商業(yè)健康保險發(fā)展、構(gòu)建我國多層次醫(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

本文使用的微觀數(shù)據(jù)來源于中國家庭金融調(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，主要覆蓋我國內(nèi)地29個省份(除西藏和新疆)，355個區(qū)縣，樣本規(guī)模達(dá)到40011戶家庭和127012個個體?？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)健康保險保費支出，表示居民的商業(yè)健康保險需求，核心解釋變量為政策虛擬變量和時間虛擬變量的交乘項，政策處理時點為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)保的樣本個體，本應(yīng)在2017年報告參保城鄉(xiāng)居民基本醫(yī)療保險，但實際只有很少的被調(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)庫的個體樣本進(jìn)行分析。根據(jù)2016年和2018年的《中國衛(wèi)生健康統(tǒng)計年鑒》，報告新農(nóng)合數(shù)據(jù)的省份尚未實現(xiàn)城鄉(xiāng)居民醫(yī)保整合，CHFS中處于該省份的樣本個體賦值為0，其余賦值為1。2015年天津、浙江、廣東、重慶、山東、青海、寧夏7個省份已經(jīng)實現(xiàn)了醫(yī)保整合；2017年遼寧、吉林、安徽、貴州、陜西5個省份仍有新農(nóng)合數(shù)據(jù)，未完全實現(xiàn)醫(yī)保整合。

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

主要變量的描述性統(tǒng)計分析見表1。

表1 主要變量的描述性統(tǒng)計

(二)傾向性得分匹配和雙重差分方法(PSM-DID)

整合政策的實施構(gòu)成了一項準(zhǔn)自然實驗，可以采用雙重差分法(DID)評估政策實施效果。但實踐中難以直接區(qū)分居民購買商業(yè)健康保險的行為是受政策影響還是自我選擇的結(jié)果，會導(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]?；舅枷胧?，考慮一個樣本是否受到整合政策的影響，通過構(gòu)建Logistic回歸模型計算每個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商業(yè)健康保險需求的影響。

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)療保險的省份作為實驗組，將2016年前后均未實現(xiàn)醫(yī)保整合的省份作為對照組，在滿足平行趨勢假設(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在時期t的居民商業(yè)健康保險保費支出。policyit表示省份i的政策虛擬變量，已經(jīng)實現(xiàn)醫(yī)保整合的省份取值為1，未實現(xiàn)醫(yī)保整合的省份取值為0。yearit為時間虛擬變量，政策時點2016年之前取值為0，2016年之后取值為1。對照組在2016年前后的居民商業(yè)健康保險需求變化為α2，即為時間效應(yīng)。實驗組在2016年前后的居民商業(yè)健康保險需求變化為α2+α3，其中α3為分離時間效應(yīng)后的政策效應(yīng)，即本文的主要考察對象。Zit為控制變量，εit為隨機誤差。

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模型將多個協(xié)變量與政策實施概率聯(lián)系起來，降維得到一個傾向得分值[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個省份的協(xié)變量集。居民的個人特質(zhì)、參保與健康狀況、經(jīng)濟水平、繳費能力、政府財政壓力等是整合政策實施的重要條件，因此文本選取個人特征變量、保險與健康變量、經(jīng)濟特征變量、流動特征變量以及居民醫(yī)保人均籌資和人均財政壓力變量作為協(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)將多個協(xié)變量進(jìn)行降維得到各省份實施整合政策的概率，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，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)行實驗組和對照組的一對一匹配，匹配時在未實現(xiàn)醫(yī)保整合的省份中選出與已實現(xiàn)醫(yī)保整合的省份傾向得分值相近的個體作為對照組。通過式(9)對匹配后的實驗組和對照組進(jìn)行雙重差分估計，可測變量也將作為控制變量加入雙重差分模型中進(jìn)行估計。

(三)基于調(diào)節(jié)效應(yīng)的機制分析

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)保整合政策對中國居民商業(yè)健康保險需求的影響機理時，引入政策變量和人均財政壓力的交乘項作為核心解釋變量，分析財政壓力在整合政策對商業(yè)健康保險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)計回歸分析中，檢驗變量的調(diào)節(jié)效應(yīng)意味著檢驗調(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)健康保險保費支出和是否購買商業(yè)健康保險作為被解釋變量。商業(yè)健康保險保費支出為連續(xù)變量，分別采用面板隨機效應(yīng)模型(RE)、固定效應(yīng)模型(FE)、混合回歸(pooled)進(jìn)行實證分析。是否購買商業(yè)健康保險為類別變量，且本研究關(guān)注的個體因素、健康與保險因素、職業(yè)因素、流動因素等對商業(yè)健康險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，并將該估計結(jié)果用于穩(wěn)健性檢驗。兩類模型設(shè)定如下：

以面板固體或隨機效應(yīng)回歸模型為例：

(10)

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

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

(11)

是否購買商業(yè)健康保險以comheait表示。comheait是二分類變量，當(dāng)觀測到購買了商業(yè)健康保險時取值為1，否則取值為0。在各解釋變量的作用下，購買商業(yè)健康保險的概率如下：

(12)

對式(12)進(jìn)行變換，Logistic回歸模型可以表示為：

(13)

五、PSM-DID模型實證結(jié)果及相關(guān)檢驗

(一)基礎(chǔ)回歸結(jié)果：傳統(tǒng)DID模型分析

表2匯報了采用隨機效應(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和時間虛擬變量year的交乘項。三個模型的回歸結(jié)果均顯示did的回歸系數(shù)顯著為正，表明整合政策對居民商業(yè)健康保險需求有顯著的促進(jìn)作用。

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

(二)基于PSM-DID方法的實證檢驗

為解決樣本選擇性偏差的內(nèi)生性問題，使用一對一臨近匹配法對實現(xiàn)居民醫(yī)保整合省份與未實現(xiàn)整合省份的樣本進(jìn)行傾向得分匹配，參考陳強(2014)的做法[26]，將個人特征變量、保險與健康變量、經(jīng)濟特征變量、流動特征變量以及居民醫(yī)保人均籌資和人均財政壓力作為匹配使用的協(xié)變量。除個別變量外，其余協(xié)變量均通過了Logistic回歸的顯著性檢驗，表明協(xié)變量選擇有效。

根據(jù)匹配前后實驗組和對照組傾向得分的密度分布可以看出，經(jīng)過PSM后處理組和對照組之間的傾向得分分布差異較小。同時，PSM檢驗結(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，未報告PSM檢驗結(jié)果，作者備索。，因此經(jīng)匹配后的對照組樣本符合作為處理組的反事實個體的條件，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)行隨機效應(yīng)、固定效應(yīng)、混合回歸模型的估計。表3結(jié)果顯示，核心解釋變量did的估計系數(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，整合政策的實施對商業(yè)健康保險需求有顯著促進(jìn)作用。根據(jù)過度識別檢驗和F檢驗結(jié)果可知，穩(wěn)健的隨機效應(yīng)模型最優(yōu)，從該模型的控制變量回歸結(jié)果來看，大部分估計系數(shù)都通過了顯著性檢驗，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)壽險購買行為和工作收入對居民商業(yè)健康保險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、日均工作時間對商業(yè)健康保險需求存在顯著的負(fù)向作用。具體來說，健康狀況越好，商業(yè)健康保險需求越低，體現(xiàn)了市場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，對商業(yè)健康保險的需求越低；農(nóng)村戶口相對城鎮(zhèn)戶口對商業(yè)健康保險的需求更低；日均工作時間較長說明生活節(jié)奏快，可能沒有閑暇購買商業(yè)健康保險。此外，居民的流動特征對商業(yè)健康保險需求的影響并不顯著。

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

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

上文的分析證實了整合政策對商業(yè)健康保險需求的影響顯著為正，在實施PSM方法時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，說明該實證方法是穩(wěn)健的。

六、影響機理分析

(一)調(diào)節(jié)效應(yīng)的機制分析

以居民商業(yè)健康保險保費支出為被解釋變量，以政策虛擬變量與人均財政壓力的交乘項(policy_finance)為核心解釋變量，分別采用固定效應(yīng)、隨機效應(yīng)、混合回歸模型進(jìn)行回歸分析，探究整合政策出臺前后，財政壓力在整合政策對商業(yè)健康保險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，表明財政壓力在整合政策對商業(yè)健康保險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，居民醫(yī)療保障水平的提高帶來了籌資壓力和財政壓力的上升，而財政壓力的進(jìn)一步提高可能會倒逼商業(yè)健康保險的發(fā)展，以緩解城鄉(xiāng)居民基本醫(yī)保整合帶來的醫(yī)保基金運行壓力，綜合作用下整合政策對商業(yè)健康保險需求的總效應(yīng)為正。

表4 居民商業(yè)健康保險參保影響機制分析

(二)穩(wěn)健性檢驗

采用Logistic回歸方法，以是否購買商業(yè)健康保險為被解釋變量，同時對人均財政壓力取對數(shù)，基于面板數(shù)據(jù)，利用固定效應(yīng)模型和隨機效應(yīng)模型進(jìn)行穩(wěn)健性檢驗，結(jié)果表5所示。Hausman檢驗結(jié)果顯示，強烈拒絕隨機效應(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，財政壓力確實會在整合政策對商業(yè)健康保險需求的影響中起到正向調(diào)節(jié)作用，可以認(rèn)為整合政策出臺帶來的財政壓力提高會倒逼商業(yè)健康保險發(fā)展，因此整合政策對商業(yè)健康保險發(fā)展的總效應(yīng)為正。

表5 居民商業(yè)健康保險參保影響因素的Logistic回歸分析

七、研究結(jié)論及建議

本文采用PSM-DID方法證明了中國城鄉(xiāng)居民基本醫(yī)保整合政策對商業(yè)健康保險發(fā)展會產(chǎn)生顯著的正向作用，并基于理論模型和相關(guān)實證分析探究了整合政策對商業(yè)健康保險發(fā)展的影響是通過居民醫(yī)保籌資和財政壓力的共同作用實現(xiàn)的，即整合政策會提高居民的醫(yī)療保險保障水平，同時帶來籌資壓力和財政壓力的上升，而財政壓力的提高會倒逼商業(yè)健康保險的發(fā)展，以緩解醫(yī)?；疬\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)健康保險發(fā)展。

上述研究結(jié)論在我國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日國家醫(yī)療保障局、財政部出臺了《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)保及財政部門確保確診新型冠狀病毒感染的肺炎患者不因費用問題影響就醫(yī)，確保收治醫(yī)院不因支付政策影響救治。顯然，此次疫情臨時增加了大量醫(yī)?；鹬С?，給我國醫(yī)?；饚砹溯^大壓力。本文建議政府給予商業(yè)健康保險一定的支持，注重多層次保障體系中基本醫(yī)療保險與商業(yè)健康保險的銜接，充分發(fā)揮商業(yè)健康保險在居民醫(yī)?；I資中的補充作用，緩解醫(yī)?；鸬倪\行壓力。商業(yè)健康保險與社會醫(yī)療保險制度的銜接將產(chǎn)生帕累托改進(jìn)，提高社會經(jīng)濟總福利[27]。因此，加強商業(yè)健康保險與基本醫(yī)療保險制度的銜接，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，還會進(jìn)一步提高居民的醫(yī)療保障水平和社會福利。