张 瑜 ,徐海洋 ,王新军

(1.山东劳动职业技术学院 劳动经济系,山东 济南 250022;2.山东大学 经济学院,山东 济南 250100)

一、引言

贫困问题作为发展经济学领域的重要问题,长期以来受到广泛关注。我国作为世界上人口最多的发展中国家,一直致力于解决人口贫困问题。建国初期,我国主要通过社会救助来缓解贫困。进入21 世纪,我国扶贫工作由“输血式”向“造血式”转变。党的十九大将精准脱贫列为三大攻坚战之一。随着我国人口老龄化趋势日益严峻,人们面临的疾病冲击的风险愈来愈大。个体遭受疾病冲击,进而导致家庭陷入“疾病—致贫—疾病”的恶性循环。因此,解决因病致贫成为我国脱贫攻坚工作的重中之重。为有效解决因病致贫问题,实现医疗资源的合理分配,我国先后建立了针对城镇职工的城镇职工医疗保险(以下简称“城职保”)、新型农村合作医疗制度(以下简称“新农合”)和城镇居民医疗保险制度(以下简称“城居保”)。自此,我国建立起基本医疗保险制度。截至2020 年底,我国参加基本医疗保险人数稳定在13.6 亿人以上,参保率超过95%。基本医疗保险制度目的在于减轻医疗费用支出,改善个体健康水平,缓解因病致贫、因病返贫问题,进一步推进医疗资源合理配置。

然而,基本医疗保险作为国家治理贫困的重大举措,在扶贫方面是否起到了显著作用受到了广泛讨论,尤其是从社会公平的角度看,基本医疗保险是否推动了医疗资源的合理配置,实现了更加“精准”的扶贫? 2020 年我国彻底消灭了绝对贫困,但随后仍面临相对贫困的问题,基本医疗保险在解决相对贫困的问题上是否发挥作用? 上述问题对于我国扶贫工作开展具有重要意义。因此,研究基本医疗保险对城乡居民扶贫绩效的影响对于当前我国巩固脱贫攻坚成果及今后建立解决相对贫困问题的长效机制具有重要理论意义和现实价值。为探究上述问题,本文基于2018 年中国家庭追踪调查(CFPS)数据,利用IV-Probit 模型,研究基本医疗保险的扶贫绩效。

二、文献综述

基本医疗保险具有显著的扶贫绩效已被大量研究成果证实。加纳实施的社会医疗项目,实证结果发现该医疗项目显著降低了个体陷入贫困的概率7.5 个百分点。还有实证研究表明,医疗保险能够通过提高个体健康水平,增加劳动供给,进而增加收入降低贫困发生率。医疗保险彩票实验,发现美国的医疗补助制度显著减少了患病个体医疗支出。参加社会医疗保险能够提升家庭抵御疾病冲击的能力,显著降低家庭脆弱性,进而减少预防性储蓄,转而进行投资经营,增加收入,降低陷入贫困的概率。

对于我国基本医疗保险的扶贫绩效,我国学者也展开了广泛讨论,然而尚未形成统一理论体系。一方面,许多研究证实了基本医疗保险制度扶贫绩效显著。比如,张鑫等通过研究发现,每提高社会医疗保险支出1%,个体陷入贫困的概率就会减少2.9%;方迎风等基于1997 年到2015 年CHNS数据,探究了新农保扶贫绩效,结果发现新农保能显著减少农村居民陷入贫困的概率;齐良书利用2003—2006 年面板数据,探究了新农合扶贫绩效,实证结果发现,不论是家庭层面还是省区层面,新农合均显著降低了个体陷入贫困的概率。另一方面,也有研究发现基本医疗保险扶贫效果不显著,甚至增加了个体负担。比如,解垩基于两期中国健康与营养调查数据,探究了新农合对农村居民的福利绩效,发现参保个体与未参保个体自付医疗费用支出没有显著差别;宁满秀通过研究发现,新农合反而增加了农村个体的医疗支出成本。此外,还有部分研究发现,基本医疗保险的减贫绩效存在异质性。例如,黄薇探究了城居保是否实现了更加“精准”的扶贫,利用处理效应模型进行实证研究,结果发现城居保虽然能够显著增加家庭收入,但是存在收入异质性,中高收入家庭从中受益更多,城居保反而加大了收入差距。周钦等也得出了相似结论,认为低收入人群从城居保中收益更少,加剧了不平等。

综上研究,虽然国内关于基本医疗保险的扶贫绩效研究较多,但主要集中在某一特定的保险制度,对城市人口的贫困问题关注度不够。此外,针对基本医疗保险对不同群体扶贫绩效的异质性研究不够全面,并且所选取的指标不能反映我国扶贫现状。相比于现有研究,本文的探索性工作主要有以下三点:第一,基于我国官方当前设立的农村绝对贫困线2 300 元(2010 年为基期),分别测算出2017 年当年农村绝对贫困线和城市绝对贫困线。此外,又识别了因病致贫人口并在稳健性检验中加入了相对贫困作为被解释变量,同时探究了基本医疗保险对城镇和农村居民的绝对贫困、相对贫困、因病致贫扶贫绩效,因此较为全面地反映了我国基本医疗保险制度对于城乡居民扶贫绩效。第二,选取合适的工具变量,采用IV-Probit 模型有效控制了个体参保选择带来的内生性问题,使结论更加可靠。第三,从城乡、东中西部地区、年龄等三个方面探究基本医疗保险扶贫异质性,考察基本医疗保险是否实现了更加精准地扶贫,为今后不断完善基本医疗保险制度,巩固脱贫攻坚成果提供参考。

三、数据来源和变量选取

(一)模型选取

被解释变量绝对贫困、因病致贫均为二值变量,简单的线性概率模型会导致估计的不一致,因此首先考虑采用二值选择模型。此外,基本医疗保险中新农保和城居保采用自愿参保的原则,存在选择偏差,如果不考虑个体选择产生的内生性,会低估参加基本医疗保险的扶贫绩效或者得出参加基本医疗保险会加剧贫困的结论。因此,为了准确估计基本医疗保险对城乡居民的扶贫绩效,必须解决模型中存在的内生性问题。考虑到被解释变量是二值变量,采用Probit 模型。为了解决模型内生性问题,本文选取合适的工具变量,采用IV-Probit 模型使得实证结果更为客观可靠。模型具体形式如式(1)、式(2)、式(3):

(二)数据来源

本文数据来自中国家庭追踪调查(CFPS)。CFPS 是由北京大学中国社会科学调查中心实施,于2010 年开展基线调查,两年一轮,其分层多阶段抽样设计,使得数据样本具有广泛的代表性。数据包含社区、家庭、个体三个维度,问卷内容包含个体信息、家庭经济状况以及所在地基本信息,适合所要探究的问题。

由于2015 年正式将精准扶贫确立为国家战略,而现有研究医疗保险扶贫的文献所采用的数据大多在2015 年之前,本文选用2018 年CFPS 数据能够反映基本医疗保险扶贫的最新成果。

(三)变量选取

1.被解释变量。城乡居民贫困作为衡量基本医疗保险扶贫绩效的关键指标,是本文最重要的被解释变量。对于贫困的识别,不同的研究所采用的标准不同。1990 年世界银行根据全球12 个最贫困国家数据,将贫困线确定为1 美元/天;2015 年又基于全世界20 个贫困国家数据将贫困线提升至1.9美元/天。许多研究在界定贫困时参考了世界银行提出的标准,主要考虑其经济收入,然而部分研究认为仅用收入指标衡量个体贫困是不全面的,要从发展的角度使用多维贫困指标,才能更加全面衡量个体贫困状态。Alkire et al.、Ferreira、Ravallion、高艳云构建了A-F 多维贫困测度方法并受到广泛讨论。解垩在研究公共转移支付对老年人贫困影响时,利用A-F 多维贫困法,从消费、健康以及未来信心等三个维度估计了老年个体的多维贫困。郭熙保等基于A-F 多维贫困测量方法,结合持续时间分析法,构建了长期多维贫困指数。考虑到我国扶贫政策标准主要还是以收入作为指标,而且本文主要探讨基本医疗保险在我国精准扶贫过程中的绩效,因此,主要使用收入作为贫困的识别标准,从绝对贫困、因病致贫两方面探究基本医疗保险扶贫绩效。

关于农村绝对贫困线,目前我国是以2011 年提出的以家庭人均纯收入2 300 元作为农村贫困人口识别标准,但我国没有规定城市绝对贫困线。如果用农村绝对贫困线来识别城市贫困人口,则会忽略城乡之间的经济收入差距;如果采用城市最低生活保障线识别贫困人口,由于各个城市之间标准差异较大,难以统一;如果采用世界银行提出的标准,则与我国官方划定的农村绝对贫困线不具有可比性。本文借鉴陈宗胜等提出的城市贫困线测算方法,选用基期农村绝对贫困线标准和近期农村绝对贫困线标准的倍数来确定城市绝对贫困线,根据物价水平进行调整。具体来看,1985 年我国划定了农村贫困线为206 元,城市贫困线为375 元。而2010 年我国农村绝对贫困线标准为的2 300 元,是1985 年的11.2 倍,由此计算出2010 年城市绝对贫困线应为4 200 元。根据物价水平进行调整得出2017 年的农村和城市绝对贫困线分别为2 952 元和5 391 元。

选用灾难性医疗支出判断个体是否发生因病致贫。灾难性医疗支出国际上通常采用医疗支出与家庭收入的某一占比作为衡量标准。医疗支出主要包括扣除保险给付后由个人承担的医疗支出。此外,还有学者认为医疗支出还应包括营养费、往返费用等间接支出。而家庭收入的选取,不同学者也采用了不同标准:Wagstaff et al.提出以家庭可支付能力作为分母;Berki直接采用家庭年度收入作为分母;还有部分学者采用总支出或扣除食品支出外的支出作为计算指标。考虑到选用数据的现有指标,本文以个人自付医疗支出/人均纯收入作为灾难性医疗支出计算指标,将40%作为判断是否发生灾难性医疗支出的标准。

2.核心解释变量。核心解释变量为是否参加基本医疗保险。为了消除其他医疗保险类型的干扰,文章剔除了参加商业医疗保险、补充医疗保险以及公费医疗的个体,所考察的样本仅为参加了城职保、新农合、城居保中的其中一种或未参加任何保险。若个体参加了基本医疗保险中的一种,取值为1,反之为0。由于个体参保的选择问题会导致内生性,为了减少内生性造成的回归偏差,一方面本文尽可能多地加入控制变量;另一方面,选取工具变量进一步缓解模型内生性问题。参照齐良书等做法,本文选取个体所在地(村/居)其他居民参保率作为工具变量。上述变量的具体设定如表1 所示。

表1 变量定义

(四)变量描述性统计

根据表2 结果,参加基本医疗保险和未参保个体之间、城镇和乡村之间的变量存在显著差别。根据表2 第2 列和第3 列结果,参保个体的贫困发生率为7.84%,低于未参保个体的9.73%,表明基本医疗保险可能会降低个体陷入贫困的概率。相对于未参保个体,参保个体的人均年龄更高,自评健康水平和所在地区人均GDP 均低于未参保个体的平均水平,表明基本医疗保险的参保行为可能存在选择问题。如果不考虑个体选择问题,可能会导致低估基本医疗保险的扶贫绩效。表2 第4 列和第5 列汇报了分城乡样本的统计结果。根据2018年CFPS 数据,我国农村样本人口贫困发生率为8.2%,高于城镇样本人口的7.7%,表明相对于城镇人口,农村人口面临更加严峻的贫困问题。从人员平均年龄来看,城镇人口低于农村人口;从自评健康以及受教育程度来看,城镇地区要优于农村地区。

表2 变量描述性统计

四、实证结果及分析

(一)基本医疗保险扶贫绩效

表3 显示了基本医疗保险对城乡居民扶贫绩效的全样本回归结果。其中,第2 列使用Probit 模型估计系数,第4 列是使用工具变量的IV-Probit 模型,为求平均边际效应,本文采用MLE 进行估计。可以看出,两种模型估计结果正负值相同,IVProbit 模型针对基本医疗保险减贫绩效的估计系数绝对值大于Probit 模型,表明由于个体选择问题,模型确实存在一定的内生性。

表3 总样本回归结果

从表3 可以看到,基本医疗保险改善了城乡居民的贫困现状。IV-Probit 模型估计系数表明,相比未参保个体,参保个体陷入贫困的概率降低了约8.6%,且在1%显著性水平上显著。稳定的婚姻关系也能显著降低个体陷入贫困的概率:已婚个体比未婚个体的贫困发生率低3 个百分点。除此之外,健康水平与教育水平的提高也能显著降低个体陷入贫困的概率。Region 系数显著为负,表明地区发展水平越高,个体陷入贫困的概率越低。

为进一步验证工具变量的有效性,使得结论更为可靠,表4 使用两步法估计IV-Probit 模型的结果。根据表4 第一阶段回归结果显示,工具变量系数为0.711 且在1%显著性水平上显著,表明IV 与Insurance 成正相关,不存在弱工具变量问题。表4中对外生性原假设的Wald 检验结果,p 值为0.007,表明在1%的显著性水平上Insurance 为内生变量,采用IV-Probit 模型是合理的。

表4 两步法回归结果

(二)基本医疗保险扶贫绩效异质性分析

我国在深化医疗卫生体制改革中始终坚持公平性的原则。然而,如此高的覆盖率,基本医疗保险在发挥其扶贫绩效的过程中是否更加“精准”,即相对落后地区、弱势群体是否从中受益最多,值得我们关注。因此,探究基本医疗保险在扶贫过程中存在的异质性,可以更全面地分析基本医疗保险的扶贫绩效。根据城乡、地区、年龄三个维度对总样本进行划分,利用IV-Probit 模型对其进行回归,结果见表5。

表5 基本医疗保险扶贫绩效的异质性分析结果

在PanelA 中,根据城乡对样本进行分组可以发现:对于农村居民,基本医疗保险减贫绩效显著,使个体陷入贫困的概率降低了15.4 个百分点;对于城镇居民,这一比例为6 个百分点。上述结果表明,相对于城镇居民,基本医疗保险相对于农村居民的扶贫绩效更加显著,这与“精准扶贫”目标相符。根据PanelB,基本医疗保险对西部地区的扶贫绩效比东中部地区更加显著,分别降低了西部和东中部地区贫困发生率18.7 个百分点、6.9 个百分点。在地区这个维度,基本医疗保险也实现了更为“精准”的扶贫。这是因为我国经济在快速发展过程中,不平衡、不充分的问题逐渐凸显,相比于城镇和东中部地区,农村、西部地区收入相对较低,能够利用的医疗资源、教育资源等不足,贫困发生率也更高。而通过基本医疗保险这一制度,实现了医疗资源的优化配置,较大程度提高了农村和西部地区个体医疗资源利用率,人们所面临的疾病冲击有所缓解,人均家庭收入有所提高。

在PanelC 中,可以看到基本医疗保险系数均为负。对于60 岁以上老年群体,基本医疗保险能够降低贫困发生率14.4 个百分点,这一扶贫绩效大约是60 岁以下人口的两倍。目前我国面临较为严重的人口老龄化问题,根据第七次人口普查数据显示,我国60 岁及60 岁以上人口已经达到了2.6 亿人,超过65 岁人口1.9 亿人,老龄化进程加快。老龄人口由于身体机能下降,疾病风险加大,面临的医疗需求也越来越多,在脱贫后又返贫的现象时有发生,而基本医疗保险在一定程度上缓解了这个问题,能够减少老年个体陷入贫困的概率。

综上所述,基本医疗保险对个体减贫绩效存在异质性。基本医疗保险扶贫绩效更有利于农村个体摆脱贫困;对60 岁以上老年人扶贫绩效更高;基本医疗保险更有助于降低西部地区贫困发生率,而这一部分群体正是精准扶贫的目标群体,基本医疗保险在扶贫过程中起到了更加“精准”的效果。

(三)基本医疗保险对因病致贫的扶贫绩效及异质性

虽然我国已经打赢脱贫攻坚战,但是由于贫困问题具有复杂性、变化性,一些脱贫人口仍存在返贫风险。巩固脱贫成果,要把解决因病返贫问题放在重要位置。因此,本文将是否发生灾难性医疗支出作为判断个体是否发生因病致贫的依据,将人均自付医疗支出超过家庭人均纯收入的40%作为灾难性医疗支出的衡量标准,基本医疗保险在解决因病致贫问题中的异质性结果见表6。

表6 基本医疗保险对灾难性医疗支出的影响

根据表6 可以看出,基本医疗保险在防止因病返贫问题上效果显著,相比于未参保个体,参保个体发生因病返贫的概率降低了11.9 个百分点。此外,基本医疗保险在防止因病返贫中存在异质性。相对于城镇样本,基本医疗保险在防止农村个体因病返贫中效果更加显著,高出约10 个百分点;对于西部地区个体来说基本医疗保险绩效更大,能降低个体发生灾难性医疗支出概率18.5 个百分点;此外,对于年龄较大群体(60 岁及以上)的扶贫绩效要大于年龄较小群体(60 岁以下)。综上,与减少绝对贫困发生率一样,基本医疗保险在防止因病返贫过程中存在异质性,更有利于农村、西部地区、老人等弱势群体,这表明基本医疗保险在提高个体医疗服务、医疗资源利用的同时,也减少了个体医疗负担。

(四)稳健性检验

为了保证结果的稳健性,参照黄薇、郑超等人做法,本文使用绝对贫困线作衡量标准,将人均收入后20%人口识别为相对贫困,以探究基本医疗保险对其影响。

灾难性医疗支出的阈值选择,以40%作为衡量标准。为了降低该标准选取的主观随意性,本文将衡量标准分别调整为30%、50%,来检验结果是否会发生改变。表7 PanelA 结果显示,将绝对贫困替换为相对贫困后,基本医疗保险扶贫绩效依然显著,能够降低个体陷入相对贫困概率14.1 个百分点。同时,在更改灾难性医疗支出识别阈值之后,基本医疗保险防止个体陷入灾难性医疗支出绩效显著,结论依然稳健。具体来看,随着灾难性医疗支出识别阈值不断提升(30%～50%),基本医疗保险的减贫绩效是逐渐递减的,分别降低了16.9 个百分点、11.9 个百分点、8.8 个百分点。这是因为随着识别标准的不断提高,发生灾难性医疗支出的个体面临的自付医疗费用占人均收入比例越大,则面临的因病致贫风险更大,而基本医疗保险作为广覆盖保险,其保障程度有限,当个体发生重大疾病冲击时,基本医疗保险无法完全分散风险。因此,随着灾难性医疗支出阈值不断提高,基本医疗保险扶贫绩效逐渐减小。

表7 稳健性检验

五、研究结论及政策建议

为了更加有效地评估基本医疗保险减贫绩效,本文使用CFPS2018 年数据,采用IV-Probit 模型对基本医疗保险扶贫绩效进行了评估,主要考察了以下两个问题:一是基本医疗保险作为防止因病致贫、因病返贫的长效机制是否能够显著降低个体陷入贫困的概率。二是在我国当前发展不平衡、不充分的背景下,基本养老保险能否实现资源的合理配置,促进社会公平。

研究发现,基本医疗保险具有显著的扶贫绩效,相比于未参保个体,参保个体的贫困发生率降低了8.6%,因病返贫的概率降低了11.9%。在改变贫困的识别标准之后,这一结论仍然稳健。在城乡、地区、年龄三个维度,基本医疗保险的扶贫绩效存在异质性:针对农村、西部地区、60 岁及以上老龄人口,基本医疗保险的扶贫效果更好,表明基本医疗保险实现了更加“精准”的扶贫。但是,随着个体医疗费用支出的增加,基本医疗保险的减贫效果有限。

目前基本医疗保险保障水平有限,难以为高额支出的重大疾病提供有效的保障。随着我国老龄化、高龄化问题不断凸显,老年人面临更严重的疾病冲击,医疗需求、医疗支出费用不断增加。一次疾病冲击,就有可能使得整个家庭陷入危机。为此,在推动基本医疗保险覆盖率的同时,要逐步提高基本医疗保险的保障水平,医疗资源的分配要适当向老年人等弱势群体、困难群体倾斜。一方面,完善医疗保险筹资机制,不断探索更加“精准”的报销机制,根据实际情况,逐步增加药品费用、医疗费用报销种类;另一方面,要大力整治药价虚高、过度诊疗等问题,引导鼓励居民购买商业医疗保险,提高应对疾病冲击的水平。此外,还应借助大数据、区块链等数据科学技术,精准识别困难人口,对报销比例、保险范围进行实时调整,逐步缩小城乡、地区差异,使老年人更加幸福,促进社会公平。