商业保险对社会医疗支出的影响
——基于面板门槛效应的实证研究

安 然 广东医科大学/菲律宾克里斯汀大学国际学院

杨晓胜 广东医科大学

一、引言

在过去的二十年间，我国在推动人口健康方面取得了长足的进步，人口预期寿命的延长远远高于世界平均水平。同时，我国的医疗支出也出现了持续增长的态势，高企的卫生费用迫切需要高效的多层次渠道融资，但是商业健康保险在我国卫生融资体系中的作用有限。根据《世界卫生统计年鉴（2015）》可知，2012 年全球商业健康保险保费支出占卫生总费用的比重已经达到15.3%，而截至2016年我国商业健康保险保费支出占卫生总费用的比重只有2.37%，这和全球整体的比例差距还很大，商业健康保险在我国卫生融资体系中的地位有待进一步提升。按照《“健康中国2030”规划纲要》要求，未来商业健康保险赔付支出占卫生总费用的比重将有显著提高。

保险对于医疗支出的影响，是通过保险支付激励机制改变新医疗技术的应用来实现的。Finkelstein（2007）研究了美国在1965 年实施全民性老人健康保险（Medicare）的影响，结果发现实施老人健康保险后，医院支出增长了37%，这个结果是Newhouse（1977）研究结果的7倍。形成两者差异的原因在于Finkelstein 的研究运用的是一般均衡的分析方法，同时考虑了实施健康保险对医疗市场供给方（医院行为）与需求方（消费者行为）的综合影响；而Newhouse 运用的是局部均衡分析方法，只考虑实施健康保险对消费者的影响，而没有考虑对医院的影响。这两种分析方法的差异说明了健康保险下医疗部门对于医疗支出的重要作用。在一般均衡的分析架构下，实施健康保险不仅会改变消费者医疗服务的相对价格，还会改变医疗服务市场的结构，进而改变医院采用新技术的动因。因此，Finkelstein 认为，造成美国从1965年到1970年医疗支出大幅增长的原因有一半应归于健康保险制度的实施，而Newhouse 认为健康保险对医疗支出增长的作用只有十分之一到八分之一。健康保险制度的实施对于医疗支出增长的影响有着不同差异的原因在于，Newhouse将医疗技术改变视为“外生”，没有分析实施健康保险对于医疗技术改变的影响；而Finkelstein则将医疗技术改变视为“内生”，认为实施健康保险是推动医院采用新技术的重要原因。

个人商业健康保险制度的支付方式也影响着医疗需求方，对此已有一些文献进行了探讨。如Cardon和Hendel（2001）利用个别国家数据，检验不同风险偏好群体的健康保险消费对医疗支出的影响，认为逆向选择（adverse selection）是造成保险市场失灵的主要原因。Joglekar（2008）发现，在牙买加，个人商业健康保险（private health insurance）的增加可以减少与自付额度相关的社会医疗支出。Gertler和Sturm（1997）利用牙买加的资料进行检验，发现个人商业保险的增加可以减少富人的社会医疗支出，而且能够提高私营部门的医疗质量。因此他们认为，个人商业保险的增加可以减少政府社会医疗支出的负担，从而建议政府减少社会医疗支出，这样有助于将公共部门的医疗资源配置给穷人。但以上文献的讨论主要集中在微观的个人商业保险消费行为研究，对于宏观的整体行为影响缺乏深入的讨论。

在过去的文献研究中，一般认为医疗服务是奢侈品，Baltagi 和Moscone（2010）却提出，健康支出相对国民收入而言是必需品而不是奢侈品。但是Wang（2011）则指出，考虑到不同的经济增长速度或者医疗支出的增长速度，经济增长与健康支出增长间的关系不一定显著正相关，因此，健康支出相对国民收入之间的弹性系数会随着不同经济增长速度或者健康支出而发生改变。随着个人商业保险市场的发展，人们逐渐认识到商业保险市场发展对于经济增长的重要性，但是目前对于两者之间的关系认识存在争议。Blum等（2002）认为保险市场与经济增长之间可能有五种关系：一是没有关系；二是经济增长增加保险需求（demand-following）；三是保险市场增长推动经济成长（supply-leading）；四是由于道德风险（moral hazard），保险市场增长导致经济负增长；五是二者互为因果关系，互相依赖（interdependence）。

在实证检验的样本结构选择方面，对于医疗支出的决定因素，主要利用横截面、时间序列和面板数据。由于使用横截面数据可能存在样本数量过少、样本的异质性问题，因此越来越多的研究倾向于利用时间序列数据或者面板数据。Murthy 和Ukpolo（1994）利用时间序列方法来进行实证分析，采用单位根检验与协整方法，分析美国人均实际医疗支出的决定因素，结果发现医疗支出的收入弹性系数与利用横断面数据的分析结果有很大的差异。鉴于非稳定时间序列数据的伪回归问题，Hansen 和King（1996）针对Culyer 等的实证方法，利用1960—1987年OECD中20国的面板数据进行再检验。单位根检验结果表明，有三分之二的变量为不稳定序列，且没有一个国家的所有变量都是稳定序列。再利用Engle-Granger 协整检验，发现医疗支出与GDP 并不存在长期的协整关系。McCoskey 和Selden（1998）则认为，Hansen 和King（1996）的单位根检验的可信度较小，而且每个国家只有27 个时间点，当利用ADF 模型时，滞后期的加入又减少了自由度。因此，McCoskey 和Selden（1998）利用面板数据扩大样本数量，单位根检验结果显示拒绝医疗支出与收入为单位根的零假设。Gerdtham和Lothgren（2000）则利用OECD 的20 个国家1960—1997 年的数据进行实证分析，结果显示健康支出与GDP都是不稳定的时间序列，二者之间存在着协整关系。

上述文献的研究给本文提供了很好的借鉴意义，但是上述文献对于商业保险的作用影响是基于完全信息条件下的分析，这种方法容易忽略商业保险增长率在不同取值区间对于医疗支出的不同作用，因此本文尝试利用动态面板门槛模型进行研究。

二、实证研究

（一）理论模型

基于Cobb-douglas 生产函数理论，Maisonneuve 和Martins（2013）建立了健康需求函数模型，他们假定人均健康需求函数为：

其中he表示经过健康医疗价格指数（P）和健康质量指数（Q）调整后的健康需求数量，N为总人口数量，PY为GPD平减指数，Y为真实收入或者为真实GDP，α为常数项，β、γ、ε分别为医疗价格、质量、收入的弹性系数。健康需求he与社会医疗支出HE的关系为：

鉴于Finkelstein（2007）将健康保险视为推动医院采用新技术的重要原因，本文在尝试上述模型基础上引入保险支出因素I作为C-D生产函数中技术的替代变量，φ为保险支出的弹性系数，新的人均健康需求函数为：

则人均名义医疗支出为：

整理可得：

其对数增长率为：

假定医疗价格指数等于GDP 平减指数，健康质量指数调整的效果不变，同时考虑到不同年龄人群对医疗支出的不同影响，设定的一般化模型为：

其中C为常数，NAGE为经年龄调整的有效人口数量，μ为残差项。

由此设定，医疗支出HE由GDP、老龄人口数量NOLD和保险消费I决定的实证模型为：

其中，i=1,2,….N表示我国省级地区数量，t=1,2,….T表示时间。

在常见的医疗支出决定因素的省级面板数据线性回归实证分析中，通常假定省级样本是同质的，没有依据相关的原则进行分类，导致分析的结果很难反映出样本的不同特征；另外，由于是线性回归的假定，容易忽略非线性关系的“门槛效应”存在。为克服上述问题，本文将利用面板门槛模型进行分析。

（二）面板门槛模型构建

根据上述分析，社会医疗支出和商业保险之间可能存在着非线性关系，表现为“门槛效应”，利用Hansen（1999）发展的面板门槛效应模型，根据样本自身特征来内生地设定门槛区间，从而研究不同区间内部社会医疗支出和商业保险之间的关系。

为了研究社会医疗支出和商业保险之间可能存在的非线性关系，本文将利用两类动态门槛模型，第一类分析由于人均GDP的不同，社会医疗支出和商业保险之间的关系；第二类分析由于保险密度增长率的不同，社会医疗支出和商业保险之间的关系。

对于第一类模型，为了确定门槛个数，本文将依次估计单门槛模型、双门槛模型和三门槛模型和多门槛模型。首先设定三门槛模型，人均医疗支出（HE/N）作为被解释变量，老龄化率（NOLD/N）作为核心解释变量，保险密度（I/N）作为制度变量，人均GDP（GDP/N）作为门限变量；保险密度依次选择为商业保险总密度、财险密度和寿险密度，对应模型依次即为模型A、模型B和模型C。

其中，γ11、γ12为划分三个区间的门槛临界值，三个区间对应的系数分别为β11、β12、β13。

对于第二类模型，为了确定门槛个数，本文将依次估计单门槛模型、双门槛模型和三门槛模型和多门槛模型。首先设定三门槛模型，人均医疗支出（HE/N）作为被解释变量，人均GDP（GDP/N）、老龄化率（NOLD/N）作为核心解释变量，保险密度（I/N）作为制度变量，保险密度的增长率g（I/N）作为门限变量；保险密度依次选择为商业保险总密度、财险密度和寿险密度，对应模型依次即为模型D、模型E和模型F。

其中，γ21、γ22为划分三个区间的门槛临界值，三个区间对应的系数分别为β21、β22、β23。

▶表1 样本描述性统计量

▶表2 模型门槛效应检验

三、实证结果与讨论

本文选取的样本为我国的省级行政区，鉴于数据的完整性，剔除北京、山东和西藏三个省份，选择时间区间为2003—2016年。设定的因变量为人均医疗支出，所使用的自变量为人均GDP、老龄化率和保险密度。人均医疗支出由统计年鉴中城乡居民医疗保健支出城乡人均支出项和城乡人口比例对应计算得出，即人均医疗支出=城镇居民人均医疗保健支出×市镇人口比例+农村居民人均医疗保健支出×（1-市镇人口比例）。保险密度包括商业保险总密度、财险密度和寿险密度。资料来源分别为《中国卫生统计年鉴》《中国保险统计年鉴》和《中国社会统计年鉴》。

近年来，随着经济社会的持续快速发展，我国的GDP、社会医疗支出和商业保险消费也出现了持续快速发展的态势。但是在我国的省级层面，各省发展呈现出极大的差异，其中除了时间因素外，主要是地区间发展的巨大差距。例如，人均GDP最大值是最小值的31倍多，人均医疗支出差异达到25倍，商业保险总密度差异达到1170倍，财险密度差异达到1083倍，寿险密度差异达到2371倍，而商业保险总密度、财险密度、寿险密度的增长率差异更是突出。这表明我国经济社会尽管取得了巨大的成就，但是发展不均衡的问题依然突出，这种发展不均衡不仅表现在社会经济资源的总量分配上，也表现在商业保险资源的配置上。省级商业保险消费的差异性有可能影响到医疗支出的差异，而且这种差异有可能使得商业保险消费与医疗支出之间出现不对称的关系。

本文尝试利用人均GDP和各保险密度的增长率作为门槛变量进行检验，根据Hansen（1999）的方法检验门槛数量，由于收集数据的时间只涵盖2003—2016年这14年，不足以提供单位根检验的有效样本数量，本文没有进行时间序列数据的稳定性检验，否则会出现McCoskey 和Selden（1998）所指出的单位根检验的可信度问题。表2说明了Bootstrap方法反复抽样300次下门槛数量的显著性检验结果。

从表2可知，当门槛变量为人均GDP，对于模型A、B、C，可以得到下述结论：F统计值无论是存在一个门槛还是两个门槛，至少在5%的置信水平下显著，即P 值均小于0.05，因此模型A、B、C 均存在两个门槛值。当门槛变量为商业保险总密度增长率，对于模型D；当门槛变量为寿险密度增长率，对于模型E；当门槛变量为财险密度增长率，对于模型F，可以得到下述结论：F统计值无论是存在一个门槛还是两个门槛，至少在5%的水平下显著，即P 值均小于0.05，因此模型D、E、F均存在两个门槛值。

从表3 面板门槛模型A、模型B、模型C 参数估计结果来看，如果将人均GDP划分为不同的区间，老龄化率在不同的区间，系数都显著为正值，但是保险密度变量在不同的区间，系数都显著由负值变为正值，即在人均GDP水平不同时，保险密度对于社会医疗支出的作用有着不同的影响。具体而言，对于保险总密度而言，当人均GDP 低于22677元时，其对于社会医疗支出的影响系数为-0.128；当人均GDP高于22677 元且低于40271 元时，其对于社会医疗支出的影响系数为0.007；当人均GDP高于40271元时，其对于社会医疗支出的影响系数为0.350。对于财险密度而言，当人均GDP低于21918元时，其对于社会医疗支出的影响系数为-0.462；当人均GDP 高于21918 元且低于40271元时，其对于社会医疗支出的影响系数为0.020；当人均GDP高于40271 元时，其对于社会医疗支出的影响系数为1.018。对于寿险密度而言，当人均GDP 低于22677 元时，其对于社会医疗支出的影响系数为-0.172；当人均GDP高于22677元且低于40271元时，其对于社会医疗支出的影响系数为0.011；当人均GDP高于40271元时，其对于社会医疗支出的影响系数为0.511。

▶表3 面板门槛模型A、模型B、模型C参数估计结果

综合来看，当人均GDP 低于约22000 元时，保险类的支出对于社会医疗支出的影响具有“挤出效应”；当人均GDP 高于约22000 元时，保险类的支出对于社会医疗支出的影响具有微弱的促进作用；而当人均GDP增加到40000元以上时，保险类的支出对于社会医疗支出的影响具有强烈的促进作用。这表明当人们收入较低时，随着收入水平的上升，医疗支出却出现了下降，保险支出的增加减少了其他的消费支出，其中也包括医疗消费，这可能是人们将保险支出视为必需品而将医疗支出视为奢侈品；当人们收入增长到较高水平时，随着收入水平的上升，医疗支出也出现了上升，保险支出的增加减少了其他的消费，而医疗消费基本保持不变，这可能是人们将保险支出视为正常品而将医疗支出视为必需品。这也验证了Wang（2011）的结论：健康支出相对国民收入之间的弹性系数会随着不同经济增长速度或者健康支出而发生改变。当人们收入增长到高水平时，医疗消费是一种高档品，随着收入水平的上升，医疗支出也出现了上升，保险支出的增加减少了其他的消费，但医疗消费反而出现快速增长，即随着收入的增加，医疗需求的弹性系数也出现递增的状况。也就是说，当人们收入增长到一定的高水平时，人们用于医疗消费支出的增加比例，远远高于其他的一般消费支出。Hall和Jones（2007）基于消费者效用最大化理论认为，当一个人收入达到一定水平后，一般商品消费的边际效用递减速度大于医疗服务边际报酬递减的速度。一般商品的消费会出现效用的边际递减，但是随着人们收入水平的提高，生命的延长并不会导致同样的边际递减现象，相反，人们会大幅增加医疗消费，这种边际替代率的转变同样导致了劳动供给曲线向后弯曲。因此，当人们收入增加以后，由于医疗消费和非医疗消费的边际替代率的变化，人们会根据其偏好，重新配置消费组合，增加医疗消费比例，从而提高和最大化效用水平，这就导致社会医疗支出在GDP 中的比重随着GDP 的增长而持续增长。

▶表4 面板门槛模型D、模型E、模型F参数估计结果

商业保险对于社会医疗支出的影响，不仅表现在存量水平上，也表现在增量速度上。

从表4面板门槛模型D、模型E、模型F参数估计结果来看，如果将商业保险密度增长率划分为不同的区间，人均GDP、老龄化率在不同的区间系数都为正值，保险密度变量在不同的区间系数都为正值，但是数值由大变小，即在商业保险密度增长率处于不同水平时，保险密度对于社会医疗支出的作用有着不同的影响。

具体而言，对于商业保险总密度而言，当商业保险总密度增长率低于92.35%时，其对于社会医疗支出的影响显著为0.3780；当商业保险总密度增长率大于92.35%且小于161.24%时，其对于社会医疗支出的影响系数为0.2322；当商业保险总密度增长率大于161.24%，其对于社会医疗支出的影响系数为0.0042。对于财险密度而言，当财险密度增长率低于92.83%时，其对于社会医疗支出的影响系数为1.0047；当财险密度增长率大于92.83%且小于525.10%时，其对于社会医疗支出的影响系数为0.5882；当财险密度增长率大于525.10%时，其对于社会医疗支出的影响系数为0.0095。对于寿险密度而言，当寿险密度增长率低于81.54%时，其对于社会医疗支出的影响系数为0.4119；当寿险密度增长率大于81.54%且小于431.04%时，其对于社会医疗支出的影响系数为0.2381；当寿险密度增长率大于431.04%时，其对于社会医疗支出的影响系数为0.0050。

综合来看，当商业保险低速率增长时，保险类的支出对于社会医疗支出的增加作用最大；当商业保险中速率增长时，保险类的支出对于社会医疗支出的影响减弱；当商业保险高速率增长时，保险类的支出对于社会医疗支出的增加只有微弱的促进作用。从商业保险密度和人均GDP 的关系来看，人均GDP 是决定商业保险密度的最重要的因素，当人均GDP 较低时，商业保险密度较低，但是商业保险增长率很高；而人均GDP 较高时，商业保险密度也较高，但是商业保险增长率较低。即人均GDP 水平较低时，保险类的支出对于社会医疗支出的影响微弱，而随着人均GDP水平的提高，保险类的支出对于社会医疗支出的影响逐渐增强。

因此，表4的结论和表3的结论是一致的，商业保险消费支出的增加只是表象，实质是人均GDP 水平的增长导致社会医疗支出的持续增长。

四、结论及建议

本文在Maisonneuve 和Martins（2013）的健康需求函数模型基础上，引入商业保险因素，以我国2003—2016 年省级地区为研究对象，利用面板门槛模型探讨了商业保险对社会医疗支出的影响效果。主要结论如下：第一，商业保险密度（包括财险密度、寿险密度以及总密度）对于社会医疗支出、人均GDP发展水平和保险密度增长率都存在显著的门槛效应；第二，当人均GDP 为门槛变量时，商业保险密度对于社会医疗支出的作用显著（由负值变为正值，出现递增状况），这表明随着收入水平的逐渐增加，医疗支出从奢侈品转变为必需品，再从必需品转变为高档品；第三，当保险密度增长率为门槛变量时，考虑到保险密度和人均GDP的相关关系，得到的结论和第二个结论一致。

研究结论对于制定政策具有积极的意义：首先，由于收入水平的提升导致人们对医疗消费的需求从奢侈品转变为必需品，再转变为高档品，这是消费者在经济增长下的理性消费安排，从而导致了社会医疗支出的持续增加；其次，从国外的经验来看，以管制政策控制医疗费用的增长，效果只是短期的，长期来看都是无效的；最后，由于社会医疗支出存在内生增长机制，控制医疗费用增长的管制措施长期来看是无效的，因此，医疗费用管制的核心不是控制增长，而是提高医疗资源的配置效率。