城乡居民医保整合对农村家庭的减贫长效作用
Long-term effect of urban-rural residents' health insurance integration on rural households in terms of poverty reduction
收稿日期: 2023-11-27 修回日期: 2024-01-05
基金资助: |
|
Received: 2023-11-27 Revised: 2024-01-05
作者简介 About authors
高树棠(1966—),男,河北饶阳人,教授,主要研究方向为保险理论与政策E-mail:
关键词:
Keywords:
本文引用格式
高树棠, 陶玉玲.
Gao Shutang, Tao Yuling.
0 引言
2020年中国脱贫攻坚工作取得了全面胜利,实现了彻底消除绝对贫困和区域性整体贫困的重大目标。但这并不意味着扶贫工作的结束,顺应生态文明绿色经济的时代潮流,扎实推动乡村产业绿色发展,增强乡村生态振兴动能,巩固脱贫攻坚成果,防范规模性返贫,确保巩固脱贫攻坚成果同乡村振兴的有效衔接,仍然是中国“十四五”时期的重点工作。而生态经济不仅仅是保证生态环境可持续发展,更重要的是保证脱贫家庭具有可持续发展能力,以家庭活力助力乡村振兴,实现共同富裕。“基本医疗有保障”作为乡村振兴“两不愁三保障”的基本要求和核心指标,关系着脱贫攻坚成果同乡村振兴有效衔接的效果,在“十三五”时期各项扶贫政策的支持下,城乡差距进一步缩小,但城乡居民享受的医疗保障在质量方面仍然存在较大差距,2019年疫情的突然冲击,也进一步暴露了中国医疗保障体系的不足和改革的紧迫性,因此在深入实施乡村振兴战略的关键时期,要建立健全基本医疗保障体系,推动医疗保险在更广阔的空间发挥长效减贫作用,提升脱贫家庭的可持续发展能力。
在中国长期减贫历程中,医疗保险制度的逐步完善与统一对农村家庭福利和医疗保障水平的显著提升起到了关键作用,对于缩小城乡差距、促进城乡一体化发展具有深远的现实意义;这一政策是否意味着农村家庭将拥有更强的可持续发展能力,医疗保障待遇的提升伴随时间累积能否改善农村家庭成员健康状态,是否还存在其他的政策溢出效应,医保整合政策是否具有长效减贫作用以及如何发挥其长效减贫作用,都值得进一步研究。
周坚等[1]使用多维贫困指数和双重差分(Difference-in-Differences,DID)模型研究证明城乡居民基本医保能够有效防止农村老年人陷入多维贫困。雷咸胜[2]通过logit回归分析发现城乡居民医保的初步整合难以在医疗资源配置不均衡的背景下提升参保居民的公平感;于雪等[3]基于2018年CHARLS横截面数据探究发现农村中老年群体的贫困脆弱性在实施了城乡医保统筹政策之后显著降低;高和荣等[4]利用2013年和2019年的数据运用PSM-DID方法研究发现医保整合政策能够有效降低农村地区相对贫困脆弱性;郑超等[5]发现城乡医保统筹政策能够有效地缓解农村地区“因病致(返)贫”的现象,尤其对遭受大病冲击的家庭具有显著的减贫扶贫效果。同时,邹薇等[6]认为通过增加家庭资本积累可以有效地改善脱贫家庭的未来发展状态;陈钰晓等[7]发现医保整合政策能够通过提升农村家庭成年人的医疗服务利用来改善家庭贫困状态;常雪等[8]发现医保统筹对居民的健康水平具有显著的提升效果;何文等[9]运用多期DID研究发现医保统筹政策对降低城乡居民的医疗负担、改善健康状况具有明显的效果;郭庆等[10]基于PSM-DID的方法探究发现医保统筹能够显著提升个人的健康水平和风险抵御能力;孙伯驰等[11]以及韩华为等[12]研究发现贫困家庭成员对自身社会地位的主观评价可能会通过影响个体对自身发展的能力和信心而影响家庭的贫困脆弱性。
关于城乡居民医保整合政策的现有研究多以单期DID进行评估,但医保整合政策是在各省市逐期开展试点整合工作,单期DID需要固定政策冲击时点,不符合医保整合政策的实际需要,同时现有文献对城乡医保整合政策的长效减贫作用鲜有关注,存在一定的研究空白。本文的贡献在于:第一、使用多期DID与基于倾向得分匹配的DID(PSM-DID)分析城乡居民医保整合政策的减贫效果,符合医保整合各省市逐期开展试点的实际情况;第二、在此基础上进一步探讨医保整合的作用机制及长效减贫作用,为在巩固拓展脱贫攻坚成果同乡村振兴有效衔接背景下继续发挥长效减贫作用提出政策建议,为健全城乡居民基本医疗保险制度及提升基本医疗保险统筹层次提供有效参考。
1 实证模型设计
1.1 模型设计
2016年国务院要求各省市建立统一的城乡居民基本医疗保险制度,但各省市开展医保整合的时间不同,意味着实验组受到政策冲击的时点不一致,因此本文借鉴Beck等[13]经典文献的做法,使用多期DID模型,专门用于解决政策时点不一致的问题。建立模型如下:
式中:被解释变量Vulit 是样本贫困脆弱性;treati 表示政策虚拟变量,若家庭i在第t年受到城乡居民医保整合政策的冲击则为实验组,treati 赋值为1,若家庭i在第t年没有受到城乡居民医保整合政策的冲击则为对照组,treati 赋值为0;postt 表示时间虚拟变量,政策发生前赋值为0,政策发生后赋值为1;定义DID为treati*postt,则DID的系数β1 为本文的核心估计系数;controlit 表示控制变量;μi 为个体固定效应,用来控制不随时间变化的个体差异,δt 为时间固定效应,用来控制时间趋势;εit 为随机扰动项。
同时,本文进一步使用倾向得分匹配法(PSM)匹配实验组和对照组,在最大程度上处理整合实施“选择性偏差”可能导致的内生性问题,再基于匹配后的样本进行基准回归,进一步评估城乡居民医保整合政策的长效减贫效用。
1.2 数据来源
本文使用中国家庭追踪调查(CFPS)2012、2014、2016、2018、2020年数据,并进行了如下处理:第一,根据CFPS数据库使用说明,以家庭财务管理人(仅保留16~85岁个体)作为家庭户主,匹配个人特征变量及家庭特征变量;第二,仅保留农村地区家庭样本;第三,根据个人ID与户主ID对2012、2014、2016、2018、2020年数据库进行追踪合并,筛选异常值与缺失值后,形成5期非平衡面板数据,最终形成20 983个样本。
1.3 变量选取
1.3.1 被解释变量
本文的被解释变量为农村家庭的贫困脆弱性(Vulit ),主要参考Chaudhuri等[14]提出的期望贫困脆弱性测度方法(VEP)进行估计。
家庭在t+1时期的收入低于贫困线的概率即为t时期家庭经济脆弱性,即:
式中:P为概率;Yi,t+1表示家庭i在t+1时期的人均收入;Z为贫困线。
若家庭未来收入符合对数正态分布,则家庭陷入贫困的概率为:
为了得到参数的无偏估计量,本文进一步参考Chaudhuri等[14]的分析方法,采用三阶段广义最小二乘法(FGLS)通过建立家庭收入函数模型、构建异方差结构权重,重新对残差平方和收入对数进行加权回归以获得估计值,再将估计值代入
本文采用世界银行提出的每人每日1.9、3.1美元消费标准分别作为贫困线,通过计算得出的居民家庭未来陷入贫困的概率值,进而测度农村家庭的贫困脆弱性。
1.3.2 解释变量
本文的核心解释变量为政策效应项(treati*postt ),表示样本i在t时间是否受到医保整合政策影响,以政策文件中“执行日期”作为该地区医保整合的政策时点,若地区i在第t年处于冲击时点后则为实验组,treati 取值为1,若地区i在第t年处于政策时点前则为对照组,treati 取值为0,同时将政策时点前的样本postt 取值为0,政策时点后的样本postt 取值为1,根据此种分组方法,本文共获得11 269个实验组样本、9 714个对照组样本(表1)。
表1 样本地区城乡居民医保整合政策实施情况
Table 1
城市及政策实施时间 | |
---|---|
对照组 | 福建省、安徽省 |
实验组 | 2009年:重庆市 |
2010年:天津市 | |
2012年:青海省、宁夏回族自治区、广东省 | |
2014年:山东省、浙江省 | |
2016年:河北省、陕西省、上海市 | |
2017年:湖北省、内蒙古自治区、江西省、湖南省、广西 省、河南省、云南省、四川省、江苏省、甘肃省 | |
2018年:黑龙江省、新疆维吾尔自治区、北京市 | |
2019年:山西省 | |
2020年:吉林省、辽宁省、贵州省、海南省 |
1.3.3 控制变量
controlit 表示一系列控制变量,综合相关文章对贫困脆弱性影响的研究,本文在个人特征方面选取户主年龄、户主年龄平方项、户主婚姻状况、户主受教育程度、户主健康状况、户主工作状态等变量;家庭特征方面选取家庭抚养比、家庭人均消费、家庭人均资产等变量作为控制变量。
表2 相关变量说明
Table 2
变量类型 | 变量名称 | 符号 | 变量描述 |
---|---|---|---|
被解释变量 | 贫困脆弱性(1.9美元) | Vul1 | 根据VEP测算出的贫困脆弱性(以1.9美元为标准线) |
贫困脆弱性(3.1美元) | Vul2 | 根据VEP测算出的贫困脆弱性(以3.1美元为标准线) | |
解释变量 | 组别虚拟变量 | treati | 受到政策影响为1,未受到政策影响为0 |
时间虚拟变量 | postt | 政策时点前为0,政策时点后为1 | |
控制变量 | 户主年龄 | age | 户主实际年龄(岁) |
户主年龄平方项 | age2 | 户主年龄的平方/100 | |
户主婚姻状况 | marriage | 已婚为1,未婚未0 | |
户主受教育程度 | edu | 小学及以下=1,初中毕业=2,高中/中专/职高=3,大专/高职/本科=4,硕士/博士=5 | |
户主健康状况 | health | 非常健康=1,很健康=2,比较健康=3,一般=4,不健康=5 | |
户主工作状态 | employ | 有工作=1,没有工作=0 | |
家庭抚养比 | depratio | 家庭中16岁以下和60岁及以上成员数/家庭规模 | |
家庭人均消费 | lncon | 取家庭人均总消费的对数 | |
家庭人均资产 | lnasset | 取家庭人均总资产的对数 |
表3 相关变量描述性统计
Table 3
变量 | 全样本 | 实验组 | 对照组 | |||
---|---|---|---|---|---|---|
均值 | 标准差 | 均值 | 标准差 | 均值 | 标准差 | |
Vul1(1.9美元) | 0.106 | 0.203 | 0.084 | 0.175 | 0.132 | 0.228 |
Vul2(3.1美元) | 0.294 | 0.314 | 0.251 | 0.295 | 0.344 | 0.328 |
age | 55.05 | 13.97 | 53.42 | 13.07 | 56.94 | 14.73 |
age2 | 1 497 | 1 203 | 1 733 | 1 184 | 1 224 | 1 167 |
marriage | 0.859 | 0.348 | 0.844 | 0.363 | 0.878 | 0.328 |
edu | 2.353 | 1.247 | 2.450 | 1.395 | 2.241 | 1.039 |
health | 3.175 | 1.258 | 3.175 | 1.259 | 3.175 | 1.256 |
employ | 0.789 | 0.408 | 0.809 | 0.393 | 0.767 | 0.423 |
depratio | 0.109 | 0.201 | 0.102 | 0.213 | 0.117 | 0.187 |
lncon | 9.211 | 0.836 | 9.291 | 0.881 | 9.119 | 0.770 |
lnasset | 10.81 | 1.231 | 10.94 | 1.343 | 10.66 | 1.067 |
N | 20 983 | 20 983 | 11 269 | 11 269 | 9 714 | 9 714 |
2 实证结果与分析
2.1 基准回归结果
2.1.1 基于多期DID的基准回归结果
在不同贫困线下,不论是否控制个体,政策效应项的估计系数均显著为负(表4),医保整合政策使得农村家庭贫困脆弱性降低0.86%(1.9美元)和1.53%(3.1美元),说明医保整合政策能够有效降低农村家庭贫困脆弱性,发挥长效减贫作用。但是基准回归可能存在内生性问题,所以该结论需要进一步探讨。
表4 基于DID法的回归结果
Table 4
变量 | 贫困脆弱性Vul1(1.9美元) | 贫困脆弱性Vul2(3.1美元) | ||
---|---|---|---|---|
(1) | (2) | (1) | (2) | |
DID | -0.008** | -0.00857** | -0.018*** | -0.0153*** |
(0.004) | (0.00402) | (0.005) | (0.00551) | |
控制变量 | × | √ | × | √ |
家庭固定效应 | × | √ | × | √ |
时间固定效应 | √ | √ | √ | √ |
R2 | 0.069 | 0.225 | 0.131 | 0.366 |
N | 20 983 | 20 983 | 20 983 | 20 983 |
2.1.2 基于PSM-DID法的基准回归结果
本文采用双重差分倾向得分匹配方法(PSM-DID)来处理“选择性偏差”可能导致的内生性问题,并选取所有控制变量为协变量,增强匹配结果的可比性,使用logit模型估计倾向分值函数进行样本匹配,选择半径匹配法(α=0.01)对各期实验组样本进行匹配,并剔除未与实验组处于共同支持区间内的样本;最终实现匹配后样本共20 930个,其中实验组11 218个,对照组9 712个,匹配样本通过了共同支撑检验,再次进行基准回归(表5),可以看到政策效应项估计系数与基准回归结果基本一致(P<0.05),再次验证医保整合政策能够显著降低农村家庭的贫困脆弱性。
表5 基于PSM-DID的回归结果
Table 5
变量 | 贫困脆弱性Vul1(1.9美元) | 贫困脆弱性Vul2(3.1美元) | ||
---|---|---|---|---|
回归1 | 回归2 | 回归1 | 回归2 | |
DID | -0.007** | -0.00857** | -0.018*** | -0.0155*** |
(0.004) | (0.00404) | (0.005) | (0.00533) | |
控制变量 | × | √ | × | √ |
家庭固定效应 | × | √ | × | √ |
时间固定效应 | √ | √ | √ | √ |
R2 | 0.071 | 0.218 | 0.133 | 0.369 |
N | 20 930 | 20 930 | 20 930 | 20 930 |
2.2 稳健性检验
2.2.1 平行趋势检验
图1
图1
医保整合对降低农村家庭贫困脆弱性的平行趋势检验
Fig.1
Parallel trend tests of health care integration on reducing poverty vulnerability of rural households
2.2.2 更换被解释变量定义方式
表6 替换被解释变量回归结果
Table 6
变量 | VEP | 核匹配 | ||
---|---|---|---|---|
29% 脆弱线 | 50% 脆弱线 | Vul1(1.9美元) | Vul2(3.1美元) | |
DID | -0.022** | -0.0162* | -0.009** | -0.015*** |
(0.010) | (0.00959) | (0.004) | (0.005) | |
控制变量 | √ | √ | √ | √ |
家庭固定效应 | √ | √ | √ | √ |
时间固定效应 | √ | √ | √ | √ |
R2 | 0.2314 | 0.185 | 0.225 | 0.367 |
N | 20 983 | 20 983 | 20 981 | 20 981 |
2.2.3 更换匹配方式
进一步,不同于前文采用的一阶半径匹配方法,本文采用带宽为0.06的二次核匹配法对实验组和对照组进行处理,再进行回归(表6),表明更换匹配方法后,医保整合政策使农村家庭贫困脆弱性下降0.9%(1.9美元)和1.5%(3.1美元),该结果与前文基准回归得到的结果基本一致,表明基准回归结果稳健。
2.3 安慰剂检验
图2
图2
虚拟处理组估计系数的分布
Fig.2
Distribution of estimated coefficients for virtual treatment groups
在随机抽取500次虚假实验组的双重差分估计中,得到的政策效应项的估计系数不显著且都接近于0,代表虚拟实验组的被解释变量Vulit 没有显著变化,且估计系数接近正态分布,也没有涵盖真实值,而且基准回归得到的估计系数值为-0.00857(1.9美元Vul1)和-0.0155(3.1美元Vul2),即图中虚线所示,远远超出了图2所示的估计系数分布范围,属于异常值,即可说明医保整合政策的减贫效应并非随机产生或偶然得到,并未受到其他政策的干扰影响,农村家庭贫困脆弱性的减弱并非由于其他政策的溢出效应,进一步验证基准回归结果的稳健性。
3 进一步分析
3.1 异质性分析
以上结果表明,城乡居民医保整合政策能够显著降低农村家庭贫困脆弱性,但这种作用效果在不同的特征群体中存在异质性,因此本文进一步通过异质性分析检验政策在不同特征群体中的不同作用效果,以此提出针对性的政策建议。
3.1.1 按人均收入分组回归
本文根据国家统计局收入五等份分组标准将样本进行划分,进一步按家庭人均总收入后20%、中间60%和前20%划分收入群体分别为低收入家庭、中等收入家庭和高收入家庭,进行分组回归(表7)。
表7 按人均收入分组回归结果
Table 7
变量 | 低收入家庭(收入后20%) | 中等收入家庭(收入中60%) | 高收入家庭(收入前20%) | |||
---|---|---|---|---|---|---|
贫困脆弱性Vul1 (1.9美元) | 贫困脆弱性Vul2 (3.1美元) | 贫困脆弱性Vul1 (1.9美元) | 贫困脆弱性Vul2 (3.1美元) | 贫困脆弱性Vul1 (1.9美元) | 贫困脆弱性Vul2 (3.1美元) | |
DID | -0.035** | -0.030** | -0.000 | -0.010* | 0.001 | 0.001 |
(0.017) | (0.014) | (0.003) | (0.006) | (0.002) | (0.004) | |
控制变量 | √ | √ | √ | √ | √ | √ |
家庭固定效应 | √ | √ | √ | √ | √ | √ |
时间固定效应 | √ | √ | √ | √ | √ | √ |
R2 | 0.407 | 0.444 | 0.317 | 0.460 | 0.035 | 0.186 |
N | 4 201 | 4 201 | 12 586 | 12 586 | 4 196 | 4 196 |
从回归结果可以看出,医保整合政策对低收入家庭贫困脆弱性的降低效果更为显著,其使得低收入家庭贫困脆弱性下降3.5%(1.9美元)和3.0%(3.1美元),而对于中等收入和高收入家庭贫困脆弱性的降低效果并不显著。得到以上结果的原因可能是,从新农合到城乡居民医保的转变,主要目的在于缩小城乡医疗保障差距,提升农村地区医疗保障水平,城乡居民医疗保险将参保人员分为建档立卡贫困人口、特困人员、最低生活保障人员三类,在参保资助、住院报销、大病保险、医疗救助等方面分别制定不同比例的资助政策,对“最少受惠者”给予政策倾斜,因此政策对于农村低收入家庭的脱贫效果更为显著。
3.1.2 按贫困脆弱性分位回归
本文再根据前文测算的农村家庭贫困脆弱性按五等份进行分组,再将后20%、中间60%和前20%划分样本分别为低脆弱性组、中等脆弱性组和高脆弱性组。不同特征家庭受到医保整合政策减贫效应影响的回归结果如表8所列。
表8 按贫困脆弱性分组回归结果
Table 8
变量 | 低脆弱性(后20%) | 中等脆弱性(中60%) | 高脆弱性(前20%) | |||
---|---|---|---|---|---|---|
贫困脆弱性Vul1 (1.9美元) | 贫困脆弱性Vul2 (3.1美元) | 贫困脆弱性Vul1 (1.9美元) | 贫困脆弱性Vul2 (3.1美元) | 贫困脆弱性Vul1 (1.9美元) | 贫困脆弱性Vul2 (3.1美元) | |
DID | 0.000 | 0.000 | -0.002 | -0.010* | -0.033* | -0.024** |
(0.000) | (0.000) | (0.001) | (0.005) | (0.019) | (0.010) | |
控制变量 | √ | √ | √ | √ | √ | √ |
家庭固定效应 | √ | √ | √ | √ | √ | √ |
时间固定效应 | √ | √ | √ | √ | √ | √ |
R2 | 0.1224 | 0.1396 | 0.238 | 0.306 | 0.2174 | 0.197 |
N | 4 197 | 4 197 | 12 590 | 12 590 | 4 196 | 4 196 |
由回归结果可以看出,医保整合政策对于贫困脆弱性程度较高的家庭有显著的长效减贫作用,家庭贫困脆弱程度越高,风险抵御能力越弱,越容易因为受到健康风险冲击而再次返贫甚至陷入长期贫困,贫困问题会更加严重,但城乡居民医疗保险保障范围广、保障金额高,提升了农村家庭的医疗保障水平,尤其对于高脆弱性的家庭更能有效发挥其长效减贫作用,以此提升家庭的可持续发展能力,防止再次返贫。
3.1.3 按家庭特征分组回归
本文根据家庭中是否有年龄在60岁以上的成员作为分类标准,将样本分为家中有老年成员与无老年成员两组。回归结果如表9所列,政策对于家中无老年成员的家庭贫困脆弱性的降低效果更显著(P<0.01),分别降低1.6%(1.9美元)与2.4%(3.1美元),但对有老年成员的家庭影响效果并不显著,可能因为老年人患病概率较高,家庭医疗负担较重,而城乡居民基本医疗保险只能提供基本医疗保障,并不能报销全部的医疗费用支出,表明医保整合政策暂时还不能够缓解“因老致贫”家庭的贫困状况。
表9 按家庭特征分组回归结果
Table 9
变量 | 家中是否有老年成员需要赡养 | 近12个月家中是否有人因病住院 | ||||||
---|---|---|---|---|---|---|---|---|
有老年成员 | 无老年成员 | 有住院成员 | 无住院成员 | |||||
贫困脆弱性Vul1(1.9美元) | 贫困脆弱性Vul2(3.1美元) | 贫困脆弱性Vul1(1.9美元) | 贫困脆弱性Vul2(3.1美元) | 贫困脆弱性Vul1(1.9美元) | 贫困脆弱性Vul2(3.1美元) | 贫困脆弱性Vul1(1.9美元) | 贫困脆弱性Vul2(3.1美元) | |
DID | -0.001 | 0.009 | -0.016*** | -0.024*** | -0.008 | -0.016 | -0.010** | -0.011* |
(0.012) | (0.013) | (0.004) | (0.006) | (0.017) | (0.022) | (0.005) | (0.006) | |
控制变量 | √ | √ | √ | √ | √ | √ | √ | √ |
家庭固定效应 | √ | √ | √ | √ | √ | √ | √ | √ |
时间固定效应 | √ | √ | √ | √ | √ | √ | √ | √ |
R2 | 0.1224 | 0.1396 | 0.238 | 0.306 | 0.2463 | 0.3822 | 0.2152 | 0.3519 |
N | 4 197 | 4 197 | 12 590 | 12 590 | 4 699 | 4 699 | 16 284 | 16 284 |
3.1.4 按生态区域分组回归
本文进一步根据生态环境状况将地区分为生态脆弱区和生态富饶区,前者包括北方农牧交错生态脆弱区(内蒙古自治区、吉林省、辽宁省、河北省、陕西省、山西省、宁夏回族自治区、甘肃省)、西北荒漠绿洲交接生态脆弱区(新疆维吾尔自治区、甘肃省、青海省、内蒙古自治区)以及重工业区(河北省、山西省、辽宁省),其他的省份为生态富饶区,再次进行回归(表10),结果表明医保整合政策对生态脆弱区的减贫效果更为显著(P<0.05)。因此为了顺应生态文明绿色经济的时代潮流,扎实推动乡村产业绿色发展,增强乡村生态振兴动能,推进社会医疗保障政策需要关注地区生态问题,明确地区生态对医疗保障服务的影响,确保政策真正落地生根,惠及广大群众[18]。
表10 按生态区分组回归结果
Table 10
变量 | 生态脆弱区 | 生态富饶区 | ||
---|---|---|---|---|
贫困脆弱性Vul1(1.9美元) | 贫困脆弱性Vul2(3.1美元) | 贫困脆弱性Vul2(1.9美元) | 贫困脆弱性Vul2(3.1美元) | |
DID | -0.014** | -0.020*** | -0.005 | -0.012 |
(0.007) | (0.009) | (0.005) | (0.007) | |
控制变量 | √ | √ | √ | √ |
家庭固定效应 | √ | √ | √ | √ |
时间固定效应 | √ | √ | √ | √ |
R2 | 0.2442 | 0.3763 | 0.2150 | 0.3631 |
N | 8 601 | 8 601 | 12 382 | 12 382 |
3.2 机制分析
本文基于对已有文献的研究和分析,提出城乡居民医保整合政策通过增加农村家庭资本积累、降低医疗保健支出、提升健康水平、提升社会地位等机制发挥政策的长效减贫作用。
3.2.1 增加家庭资本积累机制
表11 机制分析回归结果
Table 11
变量 | 家庭资本积累 | 医疗保健支出 | 健康水平 | 社会地位提升 | |
---|---|---|---|---|---|
耐用消费品 | 家庭储蓄 | 主观社会地位 | |||
DID | 0.143*** | 1.231*** | -0.102** | 0.009* | 0.162*** |
(0.027) | (0.089) | (0.049) | (0.005) | (0.021) | |
控制变量 | √ | √ | √ | √ | √ |
家庭固定效应 | √ | √ | √ | √ | √ |
时间固定效应 | √ | √ | √ | √ | √ |
R2 | 0.1349 | 0.0911 | 0.0702 | 0.4412 | 0.0517 |
N | 20 983 | 20 983 | 20 983 | 20 983 | 20 983 |
3.2.2 降低家庭医疗保健支出机制
3.2.3 提升家庭健康水平机制
本文以CFPS成人问卷中调查问题“您认为自己的健康状况如何?”定义新变量“个体健康水平”,变量选项为1~5,1表示非常健康,5表示不健康。以户主个体健康水平衡量家庭健康水平,将回答为“5-不健康”赋值为0,其余回答赋值为1,探究医保整合对家庭健康水平的影响(表11),可以发现,医保整合政策能够显著提升农村家庭的健康水平,从而提升了家庭整体的劳动水平,增强家庭的可持续发展能力,进而降低其陷入贫困的概率。
3.2.4 提升家庭社会地位机制
孙伯驰等[11]研究表明,贫困家庭成员对自身社会地位的主观评价也会对家庭的贫困脆弱性产生显著影响。因此本文使用CFPS成人问卷中调查问题“您在本地的社会地位?”定义新变量“主观社会地位”,变量选项为1~5,1表示很低,5表示很高,以此衡量家庭社会地位,探究医保整合对家庭社会地位的影响(表11)。结果表明医保整合政策对农村家庭的主观社会地位具有显著的提升效果,这是由于城乡居民基本医疗保险在一定程度上补偿了家庭医疗支出,以此缓解其因疾病导致的经济困境,降低其因陷入弱势地位所带来的自卑等负面心理,增强个体生活、工作、学习的积极性,以此提升家庭动力及可持续发展能力,改善家庭贫困状态,以此充分发挥政策的长效减贫作用,降低家庭陷入贫困的概率。
3.3 城乡居民医保整合政策的长期效应
为了具体探究城乡居民医保整合政策的减贫长效作用,本文按照整合政策实施的具体年份对家庭贫困脆弱性以及在50%脆弱线下家庭是否贫困进行了基准回归(表12)。政策实施的第1年及第3年的减贫效果更为显著,之所以产生这样的效果是因为医保整合政策实施初期,减贫效应的作用机制主要是分担家庭医疗风险以补偿家庭医疗损失,降低其医疗费用支出,在此之后则通过提升家庭健康水平与主观社会地位来增强农村家庭的可持续发展能力与未来发展韧性,从而发挥长期的减贫效应,这也契合现阶段扶“志”而非扶“贫”的政策目标。
表12 城乡居民医保整合的长期效应回归结果
Table 12
变量 | 贫困脆弱性Vul1(1.9美元) | 贫困脆弱性Vul2(3.1美元) | 家庭是否贫困(1.9美元) | 家庭是否贫困(3.1美元) |
---|---|---|---|---|
政策实施当年 | -0.010 | -0.009 | -0.040 | -0.036 |
(0.024) | (0.029) | (0.033) | (0.047) | |
政策实施第1年 | -0.061** | -0.056* | -0.101*** | -0.093* |
(0.025) | (0.030) | (0.034) | (0.050) | |
政策实施第2年 | -0.001 | -0.009 | -0.032 | -0.024 |
(0.021) | (0.025) | (0.028) | (0.041) | |
政策实施第3年 | -0.053** | -0.054** | -0.088*** | -0.096** |
(0.021) | (0.026) | (0.029) | (0.042) | |
政策实施第4年 | -0.006 | -0.014 | -0.023 | -0.041 |
(0.017) | (0.021) | (0.024) | (0.035) | |
控制变量 | √ | √ | √ | √ |
家庭固定效应 | √ | √ | √ | √ |
时间固定效应 | √ | √ | √ | √ |
R2 | 0.231 | 0.370 | 0.100 | 0.194 |
N | 20 137 | 20 137 | 20 137 | 20 137 |
4 结论与政策建议
本文基于2012、2014、2016、2018、2020年中国家庭追踪调查(CFPS)数据,采用预期贫困脆弱性法(VEP)测度“贫困脆弱性”指标,对家庭贫困风险的抵御能力进行测度,并运用多期双重差分(DID)与双重差分倾向得分匹配方法(PSM-DID),实证检验了城乡居民医保整合政策对农村家庭减贫长效作用及其作用机制。
城乡居民医保整合政策能够显著降低农村家庭最高5.01%的贫困脆弱性,发挥了较强的减贫长效作用。医保整合对于低收入、高贫困脆弱性、无老年成员、无住院成员家庭以及生态脆弱区家庭的减贫长效作用更为明显,说明医保整合政策对于“因老致贫”的家庭没有发挥明显的减贫效果,对住院医疗费用没有显著的补偿机制。医保整合政策能够通过增加资本积累、降低医疗保健支出、提升健康水平以及提升社会地位,从而发挥其减贫效应,降低农村家庭的贫困脆弱性,发挥其长效减贫作用。医保整合政策的减贫效应在政策实施第1年和第3年更为显著。
在乡村振兴战略背景下,要实现脱贫攻坚成果同乡村振兴的有效衔接,应当更加关注家庭的可持续发展能力,致力于扶“志”而不只是扶“贫”,仅通过分担风险与补偿机制无法发挥医保整合的长效作用,必须增强农村家庭的“造血”能力与可持续发展能力,确保低收入人群应保尽保,从而实现乡村振兴的战略目标[20]。应进一步细化城乡居民基本医疗保险的实施细则,建立针对老年人口较多家庭与有住院人口家庭的特殊机制,一方面,按照农村家庭成员的年龄,将高龄老人设置为特殊群体,通过调整补偿和报销的起付线与封顶线等提升其医疗保障水平;另一方面,建立健全多层次的大病医疗保险制度,从扩充疾病种类、按照疾病严重程度与可治愈难度设置不同层次的报销比例,提升城乡居民医疗保险的精准保障水平,提升住院费用的报销比例(特别是大病住院费用),关注生态环境对政策实施的影响,持续推进生态经济建设。“十四五”规划提出要促进多层次医疗保障有序衔接,充分发挥医疗保险的保障功能,因此在“十四五”规划期间,城乡居民医保需要加快发展脚步,根据参保人数、住院人数、报销比例等指标全面考察城乡居民医疗保险的减贫效应,动态调整其缴费和保障政策,加快推进健康中国建设,在新时期助力“十四五”规划的顺利实施。
参考文献
Big bad banks?The winners and losers from bank deregulation in the United States
[J].
Assessing household vulnerability to poverty from cross-sectional data:a methodology and estimates from Indonesia
[R].
Transient poverty,poverty dynamics,and vulnerability to poverty:an empirical analysisusing a balanced panel from rural China
[J].
Estimating households vulnerability to ldiosyncratic and covariate shocks:a novel method applied in Madagascar
[J].
Does flattening government improve economic performance?:Evidence from China
[J].
/
〈 |
|
〉 |
