1背景
1.1过去十年来的我国医疗卫生改革
由于“看病难，看病贵”问题的存在，我国医疗卫生改革越来越受到学术界与民众的关注。我国偏远地区的医疗卫生系统是典型代表。20世纪90年代，偏远地区只有6%的人群被某一种医疗保险所覆盖[8]。整个20世纪90年代，此数值从未超过10%[9]。由此可见，我国政府进行医疗卫生改革，提供基本的医疗卫生保障刻不容缓。从1998年开始，我国政府采取了一系列的医疗改革措施来应对此挑战。1998年全国人大通过“城镇职工基本医疗保险”（1998年全国人大第44号文件）[10]。这项政策，为国有企业、私有企业、外资企业、社会团体组织、政府机关和私人非营利性组织等的职员、退休者、个体户和城市的外来工作者提供基本的医疗保险。截至2012年，有2.6亿人群加入了此项保险计划。当时该系统的净保险基金余额达2440亿人民币。第二项基本医疗保险改革是新型农村合作医疗计划（以下简称新农合）。根据2002年全国人大第13号文件，我国于2003年开始在农村地区施行基本医疗保险改革措施。截至2012年，全国超过8亿农民被新农合所覆盖。为了实现全覆盖，第三个医保项目于2007年开始施行，为城镇失业居民提供基本医疗保险。2012年，超过2.7亿的城镇居民参保这个新型保险项目（表1）。之前的这些重大的改革为我们提供了许多制度变迁和和社会实验(socialexperiment)来评估道德风险问题。农村地区基本医疗保险制度改革的一个关键特点是以县为单位，施行医疗保险制度改革。每个县每年都有自主权去设计、修改和实行医疗卫生改革。我国一共有2000多个县。所以这次改革为我们提供了绝佳的机会来验证道德风险理论。本研究取得了我国某县的个体患者层面的数据。通过运用双重差分倾向得分匹配估计方法，比较享有保险的人群与没有保险的人群在医保政策改变前后医疗服务需求的变化。
1.2近期文献回顾
虽然以往的文献中有许多关于卫生体系道德风险的文章，而且著名的兰德医疗保险实验几乎为之后所有的研究提供了标准答案。但是，近期不少学者不断更新估计方法或者使用新的数据来检验此问题。Bajari等使用结构模型，将医疗卫生中逆向选择因素的影响从道德风险的影响中分离出来。通过医疗卫生需求和医疗保险的结构模型，他们找到了关于道德风险的有力证据。Marsh采用了另外还一种截然不同的方法来分离逆向选择的影响，进而测算道德风险。她也是构建了一个结构模型，但是她使用了非连续回归法(regressiondiscontinuity)。该文得到了与兰德卫生实验结论一致的医疗保险弹性。Barros等使用了大量的葡萄牙国家医疗服务数据来规避逆向选择的影响，进而估计了医疗卫生需求和道德风险。正如前文所述，本文和上述文献有所不同的地方在于：首先，我们使用的是实际发生的病人数据以及相关的政策变化，这有别于兰德医疗保险实验。我们认为，社会实验(socialexperiment)的数据更好的体现了人们的就医选择。其次，本文所采用数据不受逆向选择问题的影响。在我国，虽然参加新农合名义上是自愿的，但是往往由于地方官员的政绩考虑，很多地区的新农合的参合率接近100%。本项研究所使用数据的来源地也包括在内。因此，当更高的报销比率出现的时候，对道德风险的估计就不存在新的参保人的影响（所谓的逆向选择）。这一结果使我们不需要像Bajari等和Marsh那样构建结构模型。同样我们也不需要像Barros等那样使用海量数据来控制这一问题。总而言之，本项研究的特点使我们可以使用相对简单有效的计量方法来研究道德风险。
2数据
患者数据来源于沿海地区样本县人民医院。数据中包含了样本医院2008年和2009年所有住院患者的相关医疗卫生数据，包括患者信息（诸如年龄、性别和职业等）、疾病信息（如：疾病种类、何时住院、住院多久以及详细的费用信息）和医疗保险信息。数据中有22409个观测值，其中9376名患者享有新农合医保，4796名患者享有城镇职工基本医疗保险，8237名患者入院的时候无医疗保险。22409名患者住院时总共患有1716种疾病（表2）。表3比较了样本县2008年和2009年的补偿政策。例如，在2008年，如果住院的花销小于300元，那么报销比例为20%，高于300元但是低于1000元的部分，报销比例为25%，等等。而到了2009年，低于300元部分的报销比例变为30%，高于300元同时低于1000元的部分的报销比例提高到30%。总而言之，2009年的报销比例相对更高。报销比例政策的改变影响了所有参保的农民，但值得强调的是，这一政策变迁没有影响到未参保人群。因此，我们采用双重差分倾向得分匹配估计法来探究道德风险问题。其基本思想是试图通过比较受政策影响的群体医疗消费的变化，和无医疗保险人群就医需求的变化，来分析人们的道德风险。在该计量估计模型中，实验组是参保农民，控制组则是未参保农民。另外一项重要的指标数据是当地的新农合的参保率。根据2007年11月当地官方报纸显示，在2007年，样本县“共有39.1万农民参加农村合作医疗保险，参保率达99.69%”。正如前所述，这一高参合率以及新农合对参加群体身份的特殊规定（必须为该县农民），使得逆向选择因素不会对我们的研究结果带来显著影响。
3模型
基于详细的患者信息及患者疾病数据，我们使用了一系列的方法来研究保险报销比例的变化对人们就医行为的影响。首先，本研究使用了双重差分法（difference-in-difference,DID）来分析数据。这一方法的优点是它可以差分掉无法观测因素对医疗消费需求的影响。但是这个方法的隐含假设是实验组和控制组的样本点非常近似。显然，这一假设忽略了样本中个体的差异性，因此，本研究进一步采用双重差分倾向得分匹配方法。这一方法具有前面双重差分法的优点，既它可以差分掉无法观测因素对医疗消费需求的影响。它又能够充分的兼顾个体的差异性，匹配和比较样本中不同人群的就医行为，进而能够综合的分析整个样本体现出来的就医行为的变化。
3.1双重差分分析法
我们将享有医疗保险的农民作为实验组，没有任何医保的患者作为控制组。当地县政府在2008年对农民享有的医保政策做了调整。政策的改变可能对医疗消费的需求造成一定的影响。双重差分分析法的优点在于可以剔除掉我们无法观测的因素对医疗消费需求的影响，分离出来政策变化对实验组的影响。具体而言，双重差分分析法比较的不是实验组和控制组平均值的变化，而是比较实验组和控制组平均值差异的变化，来确定保险补偿制度变化对医疗卫生需求的影响。基准的估算公式如下所示：式1中，yit是疾病i在时间t的日支出；I2009是指示函数，当t=2009时，其值为1；当个体患者参加了新农合项目时，insurance值为1；X是特征向量，包括所有其他变量；εit默认为独立同分布；β3是我们需要估计的实验效果。
3.2双重差分倾向得分匹配方法
双重差分法的优点是它可以差分掉无法观测因素对医疗消费需求的影响，但是这一方法的一个前提假设是实验组和控制组的观测点非常近似。显然，这一假设忽略了样本中人们存在的差异性。解决这一问题的一种思路是使用倾向得分匹配法（propensityscorematching,PMS）来弥补双重差分法的不足。PMS的总体思想是将具有相似特征的实验组与控制组进行配对，然后计算实验组与对比组的变量之间的差别，最后得到平均效果。倾向得分匹配法虽然可以弥补双重差分法的不足，但是它的缺点恰恰是双重差分法的优点。因为在实际中，样本组里的病人和实验组里的病人可能确实受到不同因素的影响。如果不将这些无法观测因素对医疗消费需求的影响差分掉，最后的估计很可能还会有偏差。因此，为了解决这个问题，我们进一步发掘了数据的丰富性，结合使用倾向得分配对法与双重差分分析法。这也就是双重差分倾向得分匹配方法。需要指出的是，标准的双重差分倾向得分匹配方法是Heckman[12]等在1998年前后提出的[13-14]。下面这个等式阐述了这篇文章所使用的双重差分倾向得分匹配方法：ATT=E｛Yi，1t2-Yi，0t1｜X，Di=1｝-E｛Yi，1t2-Yi，0t1｜X，Di=0｝式2式2中，Yi，1代表经历保险补偿率变化的患者i的住院成本。Yi，0代表未经历保险补偿率变化的患者i的住院成本。X是患者的特征。当患者受到干预时Di=1，反之Di=0。下标t1和t2代表治疗前与治疗后的时间。因此，E｛Yi，1t2-Yi，0t1｜X，Di=1｝是有保险的患者政策改变前后的差分，E｛Yi，1t2-Yi，0t1｜X，Di=0｝是没有保险的患者政策改变前后的差分。在实际估计中，人们一般使用下面标准的HeckmanPropensityScoreMatchingEstimator来估计ATT：ATT=1ni∈S1Σ｛（Yi，1t2-Yi，0t1）-∈=S0Σ｛W(i,j)(Yi，1t2-Yi，0t1)｝｝式3上述双重差分倾向得分匹配方法曾在Heckman等[13-14]，Chen等和Wang等[9]的文献中被广泛使用过。本文与上述文献中所使用的双重差分倾向得分匹配方法有着显著的区别。在标准双重差分倾向得分匹配方法中，数据必须为面板数据。也就是说，经济学者可以从头到尾追踪样本个体的情况。但是本文的数据不是面板数据。我们无法追踪同一个病人，因为每年来医院就诊的人可能不同。换句话说，本文的数据是重复的横截面数据(RepeatedCross-SectionData)。对于重复横截面数据，Blundell等提出下面的估计方法，新的估计方程如下所示：ATT=1nΣ｛（Yi，1t2-ΣW(i,j)Yi，0t1）-（ΣW(i,j)Yj，1t2-ΣW(i,j)Yj，0t1）｝式4由于重复截面数据结构的特殊性，我们需要对每一个实验组里的患者做三次匹配。关于估计的详情，可参考Blundell等[16-17]等文献。Moreno-Serra对上述估计方法进行了详尽的文献综述。
4估计结果
本研究使用上述不同的方法对样本进行了估计。首先，我们做了没有配对情况下的简单双重差分估计。如表3所示，花费超过10000元人民币的部分的补偿率未发生变化。因此，不同医疗消费水平导致的道德风险可能不同。例如，花费20万元人民币以上的患者几乎没有什么动机去改变他的医疗消费，因为新政策并未给其带来很大的好处。基于此考虑，我们做了两个估计。在第一估计中，我们使用所有的数据；在第二个估计中，我们剔除了医疗成本超过1.2万元人民币的患者数据。我们也尝试了其他数值，例如1万元作为临界值，但是在其他的尝试中，我们都得到了类似的结论。表4显示了双重差分法的估计结果。表中的第一列结果使用了所有患者的数据，包括那些医疗费用异常高的患者。第二列是剔除了医疗费用超过1.2万元人民币患者的估计。表4的上半部分显示了由于新型农村合作医疗项目中补偿率增加所带来的道德风险。当我们考虑所有患者数据时，的值显示由道德风险带来的成本增加并不显著。这个结果与上述分析结论一致，因为医疗成本极高的人对更优惠的补偿率政策并不敏感。当我们删除费用超过1.2万元人民币的患者后，变得非常显著。这表明，当补偿率政策变得更优惠时，患者将提高约4.4%的医疗消费。由于2008年样本本县的城镇职工医疗保险政策没有变化，这为我们的比较分析提供了很好的机会。我们做了与表4上半部分完全相同的双重差分分析。研究发现，拥有城镇职工医疗保险的患者的医疗消费，与无医疗保险的患者的医疗服务需求相比较，没有显著变化。这进一步说明，表4上半部分所得到的关于道德风险的结论是令人信服的。然后，本研究进行了标准的评分配对估计(propensityscorematching)。表5记录了估计结果。为了进一步分析道德风险，我们重点关注两种类型的医疗成本：一是总成本，二是每天的平均住院费用，目的是找出道德风险影响人们消费的渠道。表5中第一列是关于总成本的回归结果，结果显示：2009年，有保险的患者成本增加11.5%，没有保险患者成本增加7.4%，差别为大约4.1%，这与双重差分法得出的结果一致。同时，我们研究了每天的住院成本，发现享受保险的患者与未享受保险的患者每天的住院成本没有很大差别。这个结果显示，道德风险并没有通过支出强度来增加成本。换句话说，道德风险并未影响每天的住院成本，而是通过增加患者的住院天数来增加成本。最后，借鉴Blundell等[16]的研究成果，本研究进行了双重差分倾向得分匹配估计。表6记录了回归结果。我们做了两组回归，第一组检验的是就医的总的花销，其估计结果放到了表6的第一列；之后，我们针对就医住院的日均花销进行了回归，回归结果放到了表6的第二列。首先，从住院的总的花销看，回归结果为7%。也就是说，由于更优惠的补偿率政策，享受新农合的农民的医疗消费将增加7%。这个7%的回归结果再次与上述的标准双重差分估计与标准倾向评分配对方法估计的结果一致。其次，如果我们检验住院的日均支出，表6的第二列列出了回归结果。结果显示：关于平均每天住院成本的实验效果不显著。该结果与表5中通过倾向评分配对法所得到的回归结果相一致。这也表明，患者倾向于增加他们的住院天数而不是增加每日的住院支出。综合上述结果，我们可以看到，当医疗保险的补偿率增加时，人们医疗消费随之显著增加。
5政策含义
在过去的十几年中，我国实施了一系列的医疗卫生改革，最重要的一项就是医疗保险制度改革。正如前文所述，其最基本的精神就是扩大医疗保险的覆盖率、降低个人的医疗负担，但是这些政策的实施无法回避道德风险带来的效率损失。根据《2010中国卫生事业发展统计公报》，在2010年我国的个人支付医疗费比例大约为37.5%。在2011年初，我国政府进一步宣布，要在“十二五”期间，将我国个人支付医疗费比例从当时的大约37.5%降到30%。如果这项政策目标成功实现，这将意味着，人们就医时每享受100元的医疗服务，就会大约70元实际上是其他人负担的。对比当前大约62.5多元的补偿，这当然是一个显著的提高，但是这也将引发人们的道德风险。而道德风险到底对整个医疗系统带来多大冲击，政策制定着应该对此有清醒的认识。根据上面的回归结果，我们可以进行一个简单的估算。首先，假设医疗保险补偿率的变化对人们的医疗消费的影响是线性的；其次，假设上面根据住院数据而得到的回归结果可以应用到其他的医疗行为上去；最后，本研究的数据只来自于我国某一个县，虽然不能代表全国情况，但是这个分析基本可以给出一个大约的估算。根据上面的估计，如果医疗保险补偿率提高5%，其他因素不变，则相应的医疗卫生支出将增长7%左右。那么，在“十二五”期间，如果个人支付医疗费比例从37.5%降到30%，那么相应的医疗支出将增长大约10.5%。而根据《2010中国卫生事业发展统计公报》，我国2010年的卫生总费用大约为19603亿元。通过简单的计算，我们可以得出，当个人支付医疗费比例从37.5%降到30%时，保持其他变量不变，仅仅因为道德风险的因素将让我国卫生系统多支付大约2000亿元。
6结论
医疗保险的道德风险问题是一个政策决策者和学者无法回避的问题。保险制度的设计一方面帮助人们抵御了风险；另一方面又引导人们过度消费。当前是我国医疗改革的关键时刻，决策层更应该了解道德风险带来的冲击。本文中，我们试图检验当前我国医疗体系中道德风险的状况。具体而言，我们试图度量不同的医疗报销补偿率对人们就医行为的影响。我们使用了不同的估计方法，试图消除不可控制变量所带来的影响。不同的估计方法都得到了基本类似的结果，即如果医疗保险的补偿率增加大约5个百分点，人们的医疗消费就会相应增加大约7个百分点。并且，此消费的增加主要是源自于增加住院天数来实现的，因为研究发现患者每天的平均住院成本并没有大的变化。研究认为，上述结果对于当前医改的决策具有相当重要的现实意义。本研究也具有一定的局限性。首先，限于数据的问题，我们只使用了我国某县的医疗数据。数据的局限性影响了本项研究，但是本文所采用的方法却广泛适用。因此，在获得更具有代表性的数据后，可以进一步的研究我国医疗体系中的道德风险问题。其次，本文所揭示的道德风险是医生和病人共同作用的结果，我们无法区分谁的影响会更大。这一问题可能是一个更有意义的问题。然而，由于数据的局限性，这一问题留待将来进行进一步地探究。
作者：李玲 李影 袁嘉 单位：北京大学中国经济研究中心 澳门科技大学 澳门大学工商管理学院
