大病保險的減貧效果研究
——基于CFPS數(shù)據(jù)的實證分析

陳中南, 孫圣民

一、引 言

黨的十八大以來，以習近平同志為核心的黨中央高度重視貧困人口醫(yī)療保障工作，持續(xù)完善多層次醫(yī)療保障制度體系，醫(yī)療保障脫貧攻堅取得了決定性成就，截至2020年底，累計資助貧困人口參保2.3億人次，各項醫(yī)保扶貧政策累計惠及貧困人口就醫(yī)5.3億人次，幫助減輕醫(yī)療負擔超過3 600億元，助力近1 000萬戶因病致貧群眾精準脫貧。然而，由重大疾病導致的返貧問題是鞏固脫貧攻堅成果的一大制約因素。國家衛(wèi)健委數(shù)據(jù)顯示，2018年因病致貧、因病返貧的情況在建檔立卡的貧困戶中占比達42%以上，其中，約40%的患病貧困人口年齡在15歲至59歲，是所在家庭的主要勞動力。患病不但會產(chǎn)生治療費用，還可能因造成勞動力喪失勞動能力而影響其收入來源，從而使家庭陷入貧病交加的境地。因此，為了確保脫貧不返貧，使脫貧攻堅成果更加穩(wěn)固、成效更可持續(xù)，有必要詳細考察大病保險制度的減貧效果，完善健全貧困人口醫(yī)療費用兜底保障機制，探索防范因病返貧、致貧的長效機制。

為說明我國醫(yī)療保障的現(xiàn)狀，首先簡要回顧我國醫(yī)療保障制度的發(fā)展歷程。我國于1998年、2003年、2007年先后建立了城鎮(zhèn)職工基本醫(yī)療保險制度(城職保)、新型農(nóng)村合作醫(yī)療制度(新農(nóng)合)以及城鎮(zhèn)居民基本醫(yī)療保險(城居保)三項制度，覆蓋城鄉(xiāng)全體居民的基本醫(yī)療保障制度框架初步形成。截至2011年底，我國基本醫(yī)保覆蓋人數(shù)超過13億，參保率達95%以上，“病有所醫(yī)”有了基本保障。但這些基本醫(yī)療保險預算太少，實際保障比例不高，2011年，城居保和新農(nóng)合的住院實際報銷比例分別為52.28%、49.20%，給有重疾病患者的底層家庭提供的幫助不過是杯水車薪，家庭醫(yī)療支出負擔仍然很重。Wagstaff， A.,Lindelow, M.,Jun, G., et al., “Extending Health Insurance to the Rural Population: An Impact Evaluation of China’s New Cooperative Medical Scheme”， , Vol.28, No.1, 2009, pp.1-19.

為防止城鄉(xiāng)居民因病致貧、因病返貧，提高社會福利水平，中央政府決定擴大新農(nóng)合和城居保的覆蓋面，將重大疾病產(chǎn)生的高額醫(yī)療費用納入保險補償范圍。自2012年8月下發(fā)實施起，我國大病保險制度的發(fā)展大致經(jīng)歷了三個階段：2012年8月至2015年7月的試點推廣階段、2015年8月至2020年2月的全面實施階段及2020年2月至今的規(guī)范完善階段。

2012年8月24日，國家發(fā)改委等6部委聯(lián)合發(fā)布了《關于開展城鄉(xiāng)居民大病保險工作的指導意見》，提出建立大病保險制度，各地方先試點后推廣，確定大病保險合理的補償機制，要求覆蓋農(nóng)村居民和城鎮(zhèn)非從業(yè)人員，且費用報銷比例不低于50%。隨后幾年里國務院多次出臺文件，敦促地方推進大病保險的相關工作。截至2015年7月，大病保險試點相關工作已在全國31個省市展開，其中16個省市全面推開，覆蓋人口超過7億人。

2015年7月22日，國務院會議確定全面實施城鄉(xiāng)居民大病保險，同年8月，國務院辦公廳發(fā)布《關于全面實施城鄉(xiāng)居民大病保險的意見》，大病保險制度在全國范圍內全面推開。到2017年，大病保險制度已經(jīng)有效對接醫(yī)療救助等醫(yī)療制度體系，有效減輕了重大疾病患者看病就醫(yī)的負擔。

2020年2月，《中共中央國務院關于深化醫(yī)療保障制度改革的意見》明確了“強化基本醫(yī)療保險、大病保險與醫(yī)療救助三重保障功能，促進各類醫(yī)療保障互補銜接，提高重特大疾病和多元醫(yī)療需求保障水平”的目標，大病保險制度進入規(guī)范完善階段。隨后，2021年5月《保險公司城鄉(xiāng)居民大病保險業(yè)務管理辦法》出臺，提出“構建起一個覆蓋大病保險承辦全流程、全環(huán)節(jié)的監(jiān)管體系”，同年8月，國家醫(yī)保局、財政部下發(fā)《關于建立醫(yī)療保障待遇清單制度的意見》，將城鄉(xiāng)居民大病保險納入補充醫(yī)療保險制度范疇，要求大病保險起付標準原則上不高于統(tǒng)籌地區(qū)居民上年度人均可支配收入的50%，支付比例不低于60%，對低保對象、特困人員和返貧致貧人員，大病保險起付標準降低50%，支付比例提高5個百分點，并取消最高支付限額。

直覺上，將重大疾病保險納入城鄉(xiāng)基本醫(yī)保能夠有效減少家庭意外的巨額醫(yī)療支出，起到為貧困家庭托底的作用，避免因病致貧，那么實際上大病保險的減貧效果究竟如何呢？為回答這一問題，本文基于各省(市、自治區(qū))先后試點推行大病保險改革這一準自然實驗，使用DID模型研究大病保險改革對城鄉(xiāng)居民的減貧效應。

二、文獻綜述

因病致貧本質是健康風險在經(jīng)濟層面的反映，往往發(fā)生在占社會人口大多數(shù)的中下層，是一個具備典型性和普遍性的社會問題。國外研究者很早就開始關注疾病與貧困的聯(lián)系，在因病致貧的機制方面基本形成共識。首先，疾病導致的醫(yī)療開銷屬于必要支出，如果病情較為嚴重或持續(xù)不見好轉，使支出超過家庭承受范圍，就會引致家庭經(jīng)濟風險。Russell, S., “Ability to Pay for Health Care: Concepts and Evidence ”, , Vol.11, No.3, 1996, pp.219-237. 其次，疾病導致患病者勞動能力受損，為了照顧病患，家庭成員的勞動競爭力同樣會受到影響，甚至退出勞動市場。Pradhan, M.,Prescott, N., “Social Risk Management Options for Medical Care in Indonesia”, , Vol.11, No.5, 2002, pp.431-446. 最后，前面兩點互相促進，形成“患病—陷入貧困—病情加重—貧困加重”的惡性循環(huán)，導致家庭持續(xù)停留在低生活水平的泥潭中。Das, J.,Hammer, J.,Leonard， K., “The Quality of Medical Advice in Low-Income Countries”, , Vol.22, No.2, 2008, pp.93-114. Wagstaff, A., “Poverty and Health Sector Inequalities”, , Vol.80, 2002, pp.97-105.

從動態(tài)均衡的視角看，患病風險表現(xiàn)為對低收入家庭的負向沖擊，使均衡水平狀態(tài)永久性降低，甚至進一步延續(xù)，導致家庭跨代貧窮。Damme研究柬埔寨低收入家庭時發(fā)現(xiàn)，重大疾病沖擊產(chǎn)生的高額醫(yī)療費用可能導致這些家庭陷入長期貧困。Damme, W.V.,Leemput, L.V.,Por, I., et al.， “Out-of-Pocket Health Expenditure and Debt in Poor Households: Evidence from Cambodia”, , Vol.9, No.2, 2004, pp.273-280. Bredenkamp等對比研究了巴爾干半島西部六國的疾病與貧困關系，發(fā)現(xiàn)高昂的大病醫(yī)療費用支出不僅造成居民貧困，還增加了居民患病概率，并且導致貧窮在代際傳遞。Bredenkamp, C.,Mendola, M.,Gragnolati, M., “Catastrophic and Impoverishing Effects of Health Expenditure: New Evidence from the Western Balkans”, , Vol.26, No.4, 2011, pp.349-356.

疾病與貧窮的伴生連鎖是否能被基本醫(yī)療保險制度終結，是研究者們進一步關注的問題。Finkelstein等在俄勒岡州進行了隨機對照實驗，發(fā)現(xiàn)擴大公共醫(yī)療保險范圍會促使低收入人群更多地使用醫(yī)療服務，減少了災難性醫(yī)療支出，并有效地改善了身體健康狀況。Finkelstein, A.,Taubman, S.,Wright, B., et al., “The Oregon Health Insurance Experiment: Evidence from the First Year”, , Vol.127, No.3, 2012, pp.1057-1106. Sommers和Oellerich發(fā)現(xiàn)美國醫(yī)療補助計劃(Medicaid)能夠減少參保人的自付醫(yī)療支出，平均減少495美元，同時降低了老人、孩童和殘疾人等弱勢群體的貧困發(fā)生率，2010年至少 260 萬美國人受益而免于貧困。Sommers, B.D.,Oellerich, D., “The Poverty-Reducing Effect of Medicaid ”, , Vol.32, No.5, 2013, pp.816-832. Korenman 和 Remler重新構建了貧困標準體系HIPM(Health-Inclusive Poverty Measure)，把健康要素和醫(yī)保支付比例納入考量范疇，結果發(fā)現(xiàn)公共醫(yī)療保險福利使馬薩諸塞州65歲以下人口的貧困率下降了2.9個百分點，兒童貧困率下降了3.2個百分點。Korenman, S.D.,Remler, D.K., “Including Health Insurance in Poverty Measurement: The Impact of Massachusetts Health Reform on Poverty”, , Vol.50, 2016, pp.27-35. 上述研究表明，社會提供的基本醫(yī)療保險制度確實能夠減少貧困發(fā)生率。同時，這一經(jīng)驗規(guī)律在發(fā)達國家和塞內加爾、加納這樣的不發(fā)達國家都同樣適用。Asfaw, A.,Jütting, J.P., “The Role of Health Insurance in Poverty Reduction: Empirical Evidence From Senegal”, , Vol.30, No.8, 2007, pp.835-858. Aryeetey, G.C.,Westeneng, J.,Spaan, E., et al., “Can Health Insurance Protect Against Out-of-Pocket and Catastrophic Expenditures and Also Support Poverty Reduction? Evidence From Ghana’s National Health Insurance Scheme”, , Vol.15, No.1, 2016, pp.1-11. 但是醫(yī)療保險的幫扶力度可能比較有限，Dobkin等通過HRS(Health and Retirement Study)和加利福尼亞州的住院信用報告數(shù)據(jù)發(fā)現(xiàn)，住院治療人群收入下降的部分只有10%被保險抵消。Dobkin, C.,Finkelstein, A.,Kluender, R.,Notowidigdo, M.J.,“The Economic Consequences of Hospital Admissions”, , Vol.108, No.2, 2018, pp.308-352.

除了確認基本醫(yī)療保險是否具備減貧效應外，研究者還關心社會醫(yī)療保險減少家庭貧困的機制路徑。直接機制方面，基本醫(yī)保一是減少了家庭自付的現(xiàn)金醫(yī)療支出(Finkelstein et al.，2012；Sommers & Oellerich，2013)，二是減少了災難性醫(yī)療支出的發(fā)生概率。前者是減少支出總量，后者是壓低支出峰值，減少大額支出產(chǎn)生遞增的負面邊際影響。此外，醫(yī)療保險減貧還存在間接機制，通過影響家庭短期與長期決策取舍發(fā)揮作用。Sauerborn等調查了566個農(nóng)村家庭樣本，發(fā)現(xiàn)家庭內部勞動力替代是應對成員疾病損失的主要策略，但是貧窮家庭并不能通過勞動力替代消除嚴重疾病造成的巨大損失。Sauerborn, R.,Adams, A.,Hien, M., “Household Strategies to Cope with the Economic Costs of Illness”, , Vol.43, No.3, 1996, pp.291-301. Hubbard等人提出社會保障制度能夠降低民眾對未來不確定性的預期，增強信心，從而減少居民的預防性儲蓄。作為準公共物品的基本社會保險能增加家庭抵抗經(jīng)濟風險的能力，提升家庭潛在的勞動競爭力，從而達到減貧效果。Hubbard, R.G.,Skinner, J.,Zeldes, S.P., “Precautionary Saving and Social Insurance”, , Vol.103, No.2, 1995, pp.360-399.Kochar則用IFPRI (International Food Policy Research Institute)的數(shù)據(jù)考察了巴基斯坦成年男性的健康狀況對家庭投資決策的影響，發(fā)現(xiàn)疾病風險會影響家庭的決策，增加家庭儲蓄而減少家庭投資，也就是說患病使得低收入家庭不得不放棄長遠利益。Kochar, A., “Ill-Health, Savings and Portfolio Choices in Developing Economies”, , Vol.73, No.1, 2004, pp.257-285. 此外，Brevoort等還發(fā)現(xiàn)醫(yī)療保險能夠為貧困群體增信，PPACA(Patient Protection and Affordable Care Act)醫(yī)療補助改革減少了患者拖欠的醫(yī)療費用58.9億美元，降低了個人貸款利率，改善了無力支付醫(yī)療費用群體的信貸條件。Brevoort, K.,Grodzicki, D.,Hackmann, M.B., “The Credit Consequences of Unpaid Medical Bills”, , Vol.187, 104203.

國外對基本醫(yī)療保險的減貧效果研究結論相對一致，而國內研究對基本醫(yī)療保險的減貧效果評估存在一定分歧，主要可能是指標構建、評價體系差別造成的。大部分學者認為城居保和新農(nóng)合都能起到較好的減貧效果。例如，李立清和危薇用2004—2009年中國健康營養(yǎng)調查(CHNS)農(nóng)村樣本數(shù)據(jù)做雙重差分，發(fā)現(xiàn)參保新農(nóng)合的農(nóng)戶更容易擺脫貧困，收入增加也更多。齊良書用清華大學2007新農(nóng)合農(nóng)戶家庭健康狀況調查數(shù)據(jù)匹配2003—2006年農(nóng)村家庭微觀調查數(shù)據(jù)30個省的數(shù)據(jù)，分析表明在省級層面新農(nóng)合覆蓋率越高，農(nóng)村貧困率越低，同時在增收和減少貧富差距方面也有作用。方黎明使用河北霸州、湖北赤壁、重慶合川的微觀調查數(shù)據(jù)，分析發(fā)現(xiàn)農(nóng)村家庭的災難性醫(yī)療支出發(fā)生率雖然因新農(nóng)合有所降低，但僅從59.4%下降到54.4%，仍然屬于高發(fā)，且自付的醫(yī)療支出遠超其承擔能力，實際減貧效果并不太明顯。城鎮(zhèn)居民醫(yī)療保險方面，國務院發(fā)起的城鎮(zhèn)居民基本醫(yī)療保險試點評估調查數(shù)據(jù)被學者們廣泛使用。胡宏偉和劉國恩用PSM-DID方法分析了2008—2010年的數(shù)據(jù)，發(fā)現(xiàn)低收入群體和老年人的健康水平都得到了提高，得出城居保有益于健康公平的結論。周欽等用2007—2011年的數(shù)據(jù)構建兩部門模型進行分析，發(fā)現(xiàn)參與城居保支付同等保費情況下，高收入群體相比低收入階層受益更多，從而指出城居保同樣存在公平性不足的問題。黃薇也是用2007—2011年度的數(shù)據(jù)，發(fā)現(xiàn)城居保能有效改善受重大疾病沖擊的家庭經(jīng)濟狀況，同時該效應具有延續(xù)性，但是這種減貧幫扶效應對高收入群體更為明顯，扶貧精準性有待提高。

盡管大病保險推行時間較新農(nóng)合、城居保更晚，但近兩年相關研究已經(jīng)迅速跟進。多數(shù)研究認為，對貧困人口而言，新農(nóng)合與城居保的覆蓋是“從無到有”的改善，而大病保險推廣是“從有到優(yōu)”的提高。向運華和羅家琪詳細整理了各省市的大病保險制度細則，對保障對象、病種、起付線、封頂線、補償比例和貧困優(yōu)惠政策進行相對全面的比較分析。朱銘來等提出災難性醫(yī)療支出標準，使用面板門檻模型比較大病保險的三種補償方案，結果發(fā)現(xiàn)以家庭為補償對象的方案在三者中效果最優(yōu)。Zhao使用DID模型考察我國大病保險對農(nóng)村居民消費的影響，結果發(fā)現(xiàn)重病保險使人均家庭日消費增長15%以上，但醫(yī)療支出并未受到影響，通過比較不同消費水平和收入水平家庭的消費結果，進一步發(fā)現(xiàn)大病保險主要促進農(nóng)村富裕家庭的消費，對貧困家庭沒有激勵作用，進而導致農(nóng)村家庭消費不平等的惡化。Zhao, W., “Does Health Insurance Promote People’s Consumption? New Evidence From China”, ,Vol.53, 2019, pp.65-86. 同時，趙為民還發(fā)現(xiàn)大病保險改善了農(nóng)村居民的健康狀況。王黔京使用Probit模型分析貴州省入戶調查數(shù)據(jù)，比較貴陽市和黔西南州的大病保險制度設計，發(fā)現(xiàn)“一元制模式”比“一制兩檔模式”在打破城鄉(xiāng)二元結構、統(tǒng)籌醫(yī)保資金分配上具備更強的正向效應，更有利于低收入群體。解瑩使用DEA模型評估大病保險的減貧效率，發(fā)現(xiàn)城鄉(xiāng)居民大病保險在2015年后總技術效率大幅提高，西部地區(qū)的總效率優(yōu)于中部。同時，大病保險具有減貧作用，但沒有顯著削弱地區(qū)貧困，扶貧精準度不高。李慶霞和趙易以2013年2月為分界線，使用CHARLS數(shù)據(jù)考察城鄉(xiāng)居民大病保險在前后兩個政策時期的效應，發(fā)現(xiàn)城鄉(xiāng)居民大病保險減少了目標群體的災難性醫(yī)療支出，對低收入和中低收入群體的效果更好。

然而，就已有研究來看，關于大病保險減貧效果的文獻仍然不夠細致，對相關政策的干擾并未進行充分考慮和排除。大病保險是否能夠有效抵御重大疾病對家庭財務造成的沖擊，特別是對貧困人口而言，是不是一張兜住因病返貧風險的安全網(wǎng)，關系到鞏固脫貧攻堅成果大局，細化研究大病保險實際減貧效果具有必要性和現(xiàn)實意義。

本文使用2010—2016年度CFPS的家庭數(shù)據(jù)，使用雙重差分方法估計大病保險政策試點地區(qū)的減貧效應。選擇這一時間段的原因是，2016年國務院印發(fā)《關于整合城鄉(xiāng)居民基本醫(yī)療保險制度的意見》，此后各地開始逐步將新農(nóng)合、城居保整合為城鄉(xiāng)居民基本醫(yī)療保險，統(tǒng)一醫(yī)保目錄和保障待遇，增強了保障力度。然而，已有研究表明，整合城鄉(xiāng)居民基本醫(yī)療保險制度改革與大病保險改革政策效果相仿，也是“從有到優(yōu)”的改良。為了準確識別大病保險的政策效應，本文將受影響的樣本剔除，以確保研究設計符合政策現(xiàn)實。與現(xiàn)有文獻一致，我們發(fā)現(xiàn)擴大醫(yī)療保險的覆蓋范圍能夠有效緩解收入貧困。結果表明，在實行大病保險改革的省市，絕對貧困發(fā)生率顯著下降，PSM-DID的結果表明上述結論具有穩(wěn)健性。此外，使用多時點DID的拓展分析表明，大病保險改革在絕對貧困方面的減貧效應具有時間上的持續(xù)性，隨著時間推移，政策效應更加顯著。

相對以往研究，本文有三個主要貢獻：首先，前述研究對貧困的考察維度較為單一，而本文從絕對貧困和相對貧困兩個維度使用多個指標度量貧困情況，從收入和支出兩個角度分析大病保險減貧的機制，更為全面地考察了改革對城鄉(xiāng)居民家庭的減貧作用。其次，過往針對大病保險的研究沒有充分考慮同時期的其他政策效應，由于大病保險改革和整合城鄉(xiāng)居民基本醫(yī)療保險兩項改革幾乎同時進行，過往研究識別出的政策效應很可能是兩項改革影響疊加的效果(如趙為民，2020，2021)。在研究設計上，本文排除了整合城鄉(xiāng)居民基本醫(yī)療保險改革的政策干擾，對大病保險改革的政策效應識別更加準確。最后，已有研究醫(yī)療保險改革的文獻主要采用雙重差分方法，而本文拓展了已有的研究方法，在DID基礎上進一步采用多時點DID估計，從動態(tài)視角考察政策效果。

三、實證策略

(一)數(shù)據(jù)來源

本文使用的數(shù)據(jù)主要來源于中國家庭追蹤調查(CFPS)。CFPS是一項由北京大學社會科學調查所(ISSS)于2010年發(fā)起的針對中國社區(qū)、家庭和個人的年度縱向調查。該項目隨機抽取15 000個家庭進行調查，覆蓋全國25個省市的4萬多人，調查結果每兩年公布一次，截至當前已公布2010—2018年的數(shù)據(jù)文件。因調研有時滯性，調查采集上一年度的數(shù)據(jù)，大部分家庭數(shù)據(jù)采集時間為2010年、2012年、2014年、2016年及2018年，實際獲得的數(shù)據(jù)為2009年、2011年、2013年、2015年及2017年?？紤]到2017年大部分省市開始落實新政策，將新農(nóng)合、城居保整合為城鄉(xiāng)居民基本醫(yī)療保險，為排除同類型政策的干擾，保證大病保險政策識別效果，最終使用2010—2016年的數(shù)據(jù)進行估計。

(二)變量設計

為衡量大病保險的減貧效果，本文使用虛擬變量“是否為貧困戶”作為被解釋變量，該虛擬變量基于樣本家庭人均純收入和貧困標準的對比計算得出。具體而言，絕對貧困線與我國現(xiàn)行農(nóng)村貧困標準一致，以2010年2 300元不變價為基準，根據(jù)農(nóng)村居民消費價格指數(shù)折算為當年不變價，得到的歷年貧困標準如表1所示。參考已有文獻，定義兩種絕對貧困指標：指標1由家庭人均純收入與貧困線對比得出，若當年度該家庭人均收入低于國家貧困線標準則取值為1，否則為0。這一指標主要反映了大病保險通過收入渠道減貧的效果。指標2在前者的基礎上將自付醫(yī)療支出納入貧困線門檻內，即將扣除醫(yī)療支出后的家庭人均純收入與貧困線對比，作為判斷是否貧困的標準。這一指標主要反映了大病保險通過支出渠道減貧的效果。同時，借鑒盧盛峰和盧洪友、陳宗勝等的做法,設置“相對貧困線”，定義兩種相對貧困指標：一是按照年份對所有樣本家庭進行五等份分組,將人均收入最低的20%標準作為當年度的相對貧困線，若家庭人均收入低于當年度相對貧困線則為貧困戶?；谶@一方法計算得到的指標記為3。二是按照樣本家庭所在省(市、自治區(qū))分別進行五等份分組,將人均收入最低的20%標準作為所在地區(qū)的相對貧困線,根據(jù)家庭人均收入的相對位置來衡量貧困狀況。基于這一方法計算得到的指標記為4。對于上述指標，城鎮(zhèn)居民和農(nóng)村居民使用相同的貧困標準。綜上，總共構建4種貧困指標，從絕對和相對兩個角度較為全面地考察城鄉(xiāng)家庭的貧困情況。

表1 按現(xiàn)行農(nóng)村貧困標準衡量的貧困狀況

(三)研究設計

自2012年起，各地開始試點大病保險制度，依托城鄉(xiāng)居民基本醫(yī)療保險籌資，在原有的基本醫(yī)保支付基礎上給予進一步支付，以減輕城鄉(xiāng)居民的醫(yī)療費用負擔，解決人民群眾反映強烈的因病致貧、因病返貧問題。截至2013年底，全國有25個省市出臺了城鄉(xiāng)居民大病保險試點實施方案，共計134個城鎮(zhèn)進入試點。至2014年底，大病醫(yī)保已經(jīng)在27個省市開展，覆蓋城鄉(xiāng)人口達7億人。2015年8月，國務院辦公廳印發(fā)《關于全面實施城鄉(xiāng)居民大病保險的意見》，要求在2015年底前，大病保險覆蓋所有城鄉(xiāng)居民基本醫(yī)保參保人群；到2017年，在全國范圍內建立起比較完善的大病保險制度，有效防止家庭災難性醫(yī)療支出發(fā)生。由于各地推行大病保險的時間存在差異(如表2所示)，這就為我們評估大病保險制度的減貧效果提供了一個“準自然實驗”的機會。

基于上述政策背景，本文以2013年作為政策變化的時間節(jié)點，將率先完成改革、在全省(市)范圍內實施大病保險的省市作為“處理組”，將尚未完成改革的其余省市作為“控制組”，使用雙重差分模型估計大病保險的政策效應。根據(jù)政策實施情況，處理組包括山東、福建、浙江、湖北、重慶、青海和江西。

然而，與此同時，很多地區(qū)正在經(jīng)歷從新農(nóng)合、城鎮(zhèn)居民基本醫(yī)療保險向城鄉(xiāng)居民基本醫(yī)療保險的轉變。2013年起，部分省市開始將新農(nóng)合、城居保整合為城鄉(xiāng)居民基本醫(yī)療保險。2016年1月，國務院印發(fā)《關于整合城鄉(xiāng)居民基本醫(yī)療保險制度的意見》，要求各地于12月底前出臺實施方案，力爭2017年實施。和大病保險改革一樣，整合城鄉(xiāng)居民基本醫(yī)療保險同樣是“從有到優(yōu)”的提高。這就影響了本文的實驗環(huán)境。如果不加以考慮，那么上述設計識別出的政策效應就是大病保險制度改革疊加整合城鄉(xiāng)醫(yī)保改革兩次政策沖擊的減貧效果。為了保證模型能準確識別出大病保險的減貧作用，我們必須剔除整合城鄉(xiāng)基本醫(yī)療保險的影響。

從各地文件來看，絕大多數(shù)省市出臺整合城鄉(xiāng)醫(yī)保方案的時間在2016年，而正式實施時間都晚于2016年甚至2017年。事實上，在2016年之前實施整合城鄉(xiāng)醫(yī)保改革的省市僅有天津、重慶、寧夏、山東、廣東、上海、青海。因此，在剔除前述7個省市的樣本后，我們就剔除了整合城鄉(xiāng)居民基本醫(yī)療保險改革的影響。最終用于回歸的44 773個樣本僅存在一次政策沖擊，處于干凈的“準自然實驗”環(huán)境，其中處理組為來自福建、浙江、湖北和江西4個省份的3 834個樣本。

表2 各省市推行大病保險改革時間表

根據(jù)上述思路，設定雙重差分模型如下：

=+++(×)+++

(1)

式中，是被解釋變量，代表省(市)年家庭的貧困指標，包括絕對貧困和相對貧困兩方面的4個指標。為區(qū)分處理組和控制組的示性變量，衡量實驗效果。若家庭位于處理組省市則取值為1，否則為0。為政策效果虛擬變量，政策實施前取值為0，政策實施后取值為1。×為實驗效果和政策效果的交互項，其系數(shù)顯著則說明政策有效。為家庭層面的特征變量，包括家庭人口規(guī)模()、人均資產(chǎn)(_)和人均支出(_)3個變量。為減少離群值對回歸結果的影響，我們首先對人均資產(chǎn)和人均支出進行雙側2.5%縮尾處理，再取自然對數(shù)值。控制省級經(jīng)濟特征，包括人均GDP(_)、GDP增長率(_)和城鎮(zhèn)化率()3個指標。為誤差項。表3給出了各變量的具體定義和數(shù)據(jù)來源。表4是主要變量的描述性統(tǒng)計。

表3 變量定義和數(shù)據(jù)來源

表4 變量描述性統(tǒng)計

使用雙重差分方法估計的一個重要前提假設是控制組和處理組必須滿足“平行趨勢”檢驗，即兩組樣本在政策沖擊發(fā)生前必須具有可比性，這樣才能確保控制組在政策沖擊后的表現(xiàn)是處理組的反事實。因此，是否滿足平行趨勢檢驗直接影響DID模型估計結果及其結論的正確性。平行趨勢檢驗結果如圖1所示。圖1中上半部分顯示，控制組和處理組的絕對貧困指標1和2在政策沖擊前無顯著差異，在政策沖擊后2期均出現(xiàn)了顯著差異?？梢?，絕對貧困指標滿足平行趨勢假設。再看相對貧困指標，圖1中下半部分顯示，控制組和處理組的3在政策沖擊后也出現(xiàn)了顯著差異，通過了平行趨勢檢驗，但4在政策沖擊前后均無顯著差異。由于相對貧困指標不完全滿足平行趨勢假設，下文將使用傾向得分匹配法改變樣本的權重，使處理組與匹配的控制組在政策沖擊前具有相似的變化趨勢，進而對基準回歸結果進行穩(wěn)健性檢驗。

圖1 基準DID平行趨勢檢驗

四、實證結果

(一)基準回歸結果

根據(jù)上述識別策略，本文首先分析大病保險改革對四類貧困指標的影響。我們的基準回歸結果如表5所示。其中，回歸(1)—(4)使用絕對貧困指標作為被解釋變量，回歸(5)—(8)則采用根據(jù)分位數(shù)劃定的相對貧困指標作為被解釋變量。奇數(shù)欄只控制家庭特征變量，偶數(shù)欄同時控制家庭和省級特征變量。表5的結果顯示，大病保險改革對于其中三項指標的影響具有統(tǒng)計顯著性，表明大病保險既有利于減少城鄉(xiāng)居民的絕對貧困程度，也有利于減少相對貧困的發(fā)生。

表5 DID雙重差分估計結果

從前四列來看，推行大病保險政策使得家庭絕對貧困水平均有所下降。首先，大病保險改革對以人均收入衡量的絕對貧困戶(1)減貧率分別為5.0%和5.3%，并在1%的置信水平下顯著。這意味著重大疾病保險政策改革通過收入渠道減貧的效果良好，比如可能增加家庭成員的工作時間，即原本忙于照料病患的家庭成員由于具有大病保險的覆蓋更傾向于使用專業(yè)的醫(yī)療環(huán)境和護理人員，從而獲得更多從事生產(chǎn)工作的時間，在生產(chǎn)方面增加投入，繼而增加家庭人均收入。其次，大病保險改革對以扣除醫(yī)療支出后的人均收入衡量的絕對貧困戶(2)減貧率分別為5.3%和5.7%，在不同控制變量的情況下均比前一種指標降幅更大，表明大病保險制度的實施有效減少了患者的醫(yī)療負擔，“因病致貧”、“因病返貧”的情況得到有效遏制。加入省級控制變量的回歸結果與僅控制家庭特征的結果一致，效應更為明顯。在家庭層面的控制變量中，家庭成員數(shù)越多，絕對貧困的程度越高。相較而言，農(nóng)村家庭相比于逐步“原子化”的城鎮(zhèn)家庭而言規(guī)模較大，老年人和未成年人數(shù)量占比較高，不作為家庭主要收入來源的承擔者，且老年人更多面臨著高昂的醫(yī)療費用，極易導致“因病致貧”、“因病返貧”等現(xiàn)象出現(xiàn)。因此，絕對貧困更多出現(xiàn)在農(nóng)村家庭中，這一結果與現(xiàn)實情況相符。人均支出與絕對貧困負相關，說明富裕家庭人均支出更多。省級控制變量的結果則表明，人均GDP越高的省市對應更低的絕對貧困水平，在兩種絕對貧困標準下，對應系數(shù)分別為-4.0%和-3.8%，后者貧困率的降幅更小，說明大病保險在經(jīng)濟落后地區(qū)減少醫(yī)療負擔的效果優(yōu)于發(fā)達地區(qū)，也說明經(jīng)濟落后地區(qū)貧困群眾面臨的醫(yī)療負擔更為沉重。

從后四列來看，使用兩種相對貧困指標的回歸結果有所不同，基于年度家庭收入衡量的相對貧困指標(3)分別下降了4.9%和4.7%，基于各省市家庭收入衡量的相對貧困指數(shù)(4)反而分別上升了1.6%和1.2%，但是前者在1%水平上顯著，后者并不顯著。兩種相對貧困指標的含義不同，3是同一年度橫向比較，反映地區(qū)間的相對貧富情況，4是同一省市縱向比較，反映的是各省內部的相對貧富情況。回歸結果說明，大病保險政策有助于減少地區(qū)間的相對貧困，縮小地區(qū)間的貧富差距，對省市內相對貧困的影響力度則較小。從控制變量來看，家庭人均資產(chǎn)和人均支出的回歸系數(shù)顯著為負，表明家庭人均資產(chǎn)和人均支出越高，相對貧困程度越低，與一般的經(jīng)濟認知相符。有意思的是，家庭人口越多，相對貧困程度反而越低，和絕對貧困正好相反，說明相對貧困群體家庭人口偏少的居多，可能以城市低收入群體為主。在省級層面經(jīng)濟特征變量中，人均GDP的系數(shù)顯著為正，意味著人均GDP越高的省市相對貧困程度越高，反映出經(jīng)濟發(fā)達地區(qū)存在較嚴重的貧富差距。經(jīng)濟增速與城鎮(zhèn)化率對相對貧困存在一定的負向影響，但影響較人均GDP微弱許多。

(二)穩(wěn)健性檢驗：PSM-DID

本文采用的基本研究方法是雙重差分估計。雙重差分的一個關鍵假設是條件獨立假設(CIA)，即處理組和對照組可能存在不同的潛在時間趨勢，但是適當控制可觀察協(xié)變量后可以消除選擇性偏差。雖然我們在表5中控制了家庭和省際的特征變量，但這并不能保證滿足CIA 假設。有幾種方法可以解決這個問題：一是使用模糊斷點回歸(FRD)Lee, D.S.,Lemieux, T., “Regression Discontinuity Designs in Economics”, , Vol.48, No.2, 2010, pp.281-355. ；二是采用工具變量做局部平均處理(local ATE)Angrist, J.D.,Imbens, G.W.,Rubin, D.B., “Identification of Causal Effects Using Instrumental Variables”, , Vol.91, No.434, 1996, pp.444-455. ；三是使用雙重差分—傾向匹配得分(PSM-DID)方法。由于FRD方法需要特殊的識別策略，而合適的工具變量往往不易找到，且本文的數(shù)據(jù)較難滿足工具變量的條件，因此我們使用PSM-DID模型來檢驗結果的穩(wěn)健性。此處采用核匹配方法，使用Logit函數(shù)估計傾向得分，選用的協(xié)變量包括家庭和省級層面的特征變量。PSM-DID估計的結果報告在表6中。

表6 PSM-DID雙重差分估計結果

表6中PSM-DID結果顯示，大病保險改革對前三種貧困指標的影響系數(shù)為負，對4的影響系數(shù)為正，絕對指標的系數(shù)均具有統(tǒng)計顯著性，而相對指標的都沒有。總體上PSM-DID的結果與表5中的基準回歸結果基本一致。

利用雙重差分傾向得分匹配方法的重要前提是匹配使得協(xié)變量在處理組和控制組的分布變得平衡，即滿足可忽略性假定：回歸方程中不存在與解釋變量相關的遺漏變量，家庭是否接受政策干預完全取決于協(xié)變量和。因此，給定協(xié)變量和，潛在結果獨立于處理變量，即匹配后處理變量對實驗組和對照組的貧困指標的影響可以忽略。平衡性檢驗結果如表7所示。從表7結果可知，進行匹配后，家庭和省際控制變量的6個協(xié)變量的均值在實驗組和對照組間存在顯著差異。顯然，受限于數(shù)據(jù)可獲得性，納入的協(xié)變量數(shù)量偏少，盡管PSM-DID與DID的結果一致，但仍應以一般的雙重差分結果為準。

表7 匹配后政策前協(xié)變量的平衡性檢驗(Two-sample t test)

五、拓展分析：多時點DID

上述差分模型的控制組中，有部分省市在2013年開展試點。由于CFPS數(shù)據(jù)為了保護受訪者隱私，只公布所在省市信息而沒有區(qū)縣信息，無法在省級以下進一步區(qū)分實驗組和控制組，使差分估計的政策效應不夠純粹。不過即便將控制組的試點城市效應考慮進來，測得的減貧政策效應也只會“低估”實際效應，不影響文章結論。為了獲得更“干凈”的政策效應，并考察政策的長期效果，我們嘗試用多時點DID模型重新估計，以全省全面鋪開大病保險的年份作為該省的政策年，全部政策年設為基期第0期，前后年份平移處理，估計的政策效應隨時間變化如圖2所示。

從圖2的結果來看，大病保險改革對兩種絕對貧困指標的政策效應和前述DID模型結果基本一致。從絕對貧困指標來看，圖2中上半部分顯示，大病保險改革降低了以人均收入衡量的絕對貧困戶(1)的發(fā)生概率，對以扣除醫(yī)療支出后人均收入衡量的絕對貧困戶(2)減貧程度更高，且均十分顯著。還可以看到，政策效應在改革后第二年仍然顯著，甚至有所增加(系數(shù)更小)，說明大病保險改革對減少貧困的作用存在持續(xù)性。

和絕對貧困指標不同，大病保險改革對兩種相對貧困指標的影響估計系數(shù)均為正數(shù)，說明大病保險可能增加了相對貧困。從相對貧困的具體指標來看，圖2中下半部分顯示，基于全國家庭收入衡量的相對貧困指標(3)不符合平行趨勢檢驗，不適合多時點DID模型；基于全省家庭收入衡量的相對貧困指標(4)的政策沖擊為正，表明大病保險制度確實不具備減少相對貧困的作用，只能承擔兜底功能，減少絕對貧困，防止因病致貧、因病返貧。

表8展示了多時點DID的估計結果，其中，奇數(shù)欄只控制家庭特征變量，偶數(shù)欄同時控制家庭和省級特征變量。從前四列來看，僅控制家庭特征的多時點DID的估計結果(第1列和第3列)與基準DID結果大體一致，都在-0.05附近，而控制省份特征的政策效應(第2列和第4列)則略小于基準DID估計。從后四列來看，在控制省份特征后，改革對基于年度家庭收入衡量的相對貧困指標(3)影響并不顯著，與動態(tài)檢驗結果一致。在基于各省份家庭收入衡量的相對貧困指數(shù)(4)下，大病保險改革使相對貧困戶增加了2.5%和2.1%，且均在1%的統(tǒng)計水平上顯著。由于這一指標反映的是各省內部的相對貧富情況，這一結果表明大病保險政策不能減少省內相對貧困的發(fā)生，反而拉大了差距。原因可能是政策兜底只能維持底線，但不足以支撐貧困人口實現(xiàn)更好的發(fā)展；相反，政策兜底可能造成類似“養(yǎng)懶漢”的負面效應，原本有激勵動機奮斗的底層人口反而因此減少了勞動投入，落入相對貧困的狀況。

圖2 多時點DID動態(tài)檢驗

表8 多時點DID估計結果

六、結 論

本文基于大病保險改革的政策背景，使用2010—2016年的CFPS數(shù)據(jù)，以2013年作為政策變化的時間節(jié)點，將率先完成大病保險改革、在全省(市)范圍內實施大病保險的省市作為“處理組”，將尚未完成改革的其余省市作為“控制組”，使用雙重差分模型估計大病保險的減貧效應。在研究設計上，本文排除了整合城鄉(xiāng)居民醫(yī)療保險的政策干擾，利用絕對貧困和相對貧困兩個維度的四個指標考察大病保險的減貧效果。之后，本文使用傾向得分匹配方法進行穩(wěn)健性檢驗，進一步驗證了大病保險確實有助于防止因病致貧、因病返貧。拓展分析補充了多時點DID的結果，消除了各省市政策落實時間差的影響。

本文的研究結論主要有以下幾點。

第一，實證結果表明，大病保險改革對絕對貧困指標的系數(shù)均負向顯著，表明大病保險改革對于城鎮(zhèn)和農(nóng)村居民家庭存在整體的減貧效應，大病保險可以通過收入渠道減少貧困發(fā)生，即由于患病成員以及家庭護理人員喪失全部或部分的工作時間或能力，家庭收入會災難性減少。而大病保險有利于病患及時獲得治療，原本忙于照料病患的家庭成員只需要短期簡單照料，或者臨時雇用護理人員，間接提高了家庭的勞動參與，變相增加了家庭收入，避免家庭經(jīng)濟因為大病沖擊而出現(xiàn)斷崖式惡化。第二，在控制變量相同的情況下，扣除醫(yī)療支出的貧困指標比直接按人均收入衡量的貧困指標降幅更大，表明大病保險制度減貧的主要機制是通過減少重癥患者醫(yī)療開支，減輕患病家庭的經(jīng)濟負擔，從而有效遏制“因病致貧”、“因病返貧”的發(fā)生。第三，經(jīng)濟越發(fā)達的省市絕對貧困程度越低，但是相對貧困卻越高，反映出經(jīng)濟發(fā)達地區(qū)存在較嚴重的貧富差距。在家庭特征與貧困關系方面，人均開支與絕對貧困指標負相關，與相對貧困指標正相關，并且人數(shù)較多的家庭更容易面臨絕對貧困問題。第四，多時點DID消除各省市政策落實時間差的影響，依然維持了和前述一致的基本結論，同時表明大病保險制度的減貧效應具有時間上的延續(xù)性。

2020年底，我國已經(jīng)全面完成脫貧攻堅任務，通過總結扶貧攻堅戰(zhàn)的成功經(jīng)驗，才能更好地向下一步實現(xiàn)共同富裕目標前進。習近平總書記在全國脫貧攻堅總結表彰大會的發(fā)言中指出，“脫貧摘帽不是終點，而是新生活、新奮斗的起點”，“要壓緊壓實各級黨委和政府鞏固脫貧攻堅成果責任，堅決守住不發(fā)生規(guī)模性返貧的底線”。要避免運動式減貧，必須依靠有針對性的長期制度保障，才能確保脫貧不返貧。本文研究表明，城鄉(xiāng)居民大病保險制度起到為絕對貧困群體兜底的作用，有效遏制了因病致貧、因病返貧的發(fā)生，制度的減貧效應具有持續(xù)性，是扶貧戰(zhàn)略的有效配套制度。各地地方政府應加大大病保險政策的落實力度，逐步提高大病保險覆蓋范圍，以實現(xiàn)減貧效應最大化。在具體的落實過程中，各地可以結合當?shù)亟?jīng)濟社會發(fā)展水平、醫(yī)療保險籌資能力等，在符合精算平衡的前提下盡可能降低常見重大疾病的報銷門檻，以最大限度惠及低收入群體，充分發(fā)揮大病保險制度對因病致貧的針對性作用。但是，大病保險制度在減少相對貧困方面作用微弱，甚至可能起到負面作用，因此需要明確大病保險減少絕對貧困的制度定位，探索其他類型制度減少相對貧困，縮小貧富差距。

:陳中南，論文構思、數(shù)據(jù)搜集與整理、計量實證、初稿撰寫與后期修改；孫圣民，論文撰寫指導、后期修改建議。