社會醫療保險對家庭金融資產配置的影響機制

王 穩,桑 林

(對外經濟貿易大學 保險學院，北京 100029)

一、問題提出

家庭金融資產配置是以家庭資產保值增值的需求為基礎，根據自身實際情況將風險和收益進行最優匹配，優化投資決策的過程[1]。根據標準的資產組合選擇理論，在“理性經濟人”的假設條件下，家庭會投資所有已經存在的投資項目，并根據自身風險偏好選擇非風險資產和風險資產的比重[2]。據相關統計，2017年中國家庭人均資產達到194 332元，相比2016年增長14.94%，但房產凈值占家庭資產的總比重過高，達到66.35%，金融資產約占16.26%，且結構單一，主要集中在定期存款、活期存款和現金等無風險金融資產(1)數據來源：《中國家庭財富報告(2018)》，http://paper.ce.cn/jjrb/html/2018-12/28/content_380359.htm。。甘犁等(2013)指出，中國居民表現出在風險資產市場參與率極低且比重失衡等問題[3]，即所謂的“有限參與”現象。

家庭在進行資產配置的過程中，面臨著來自消費、就業等各方面的經濟沖擊，其中健康沖擊是中國家庭面臨的主要不確定因素之一。相關數據顯示，2017年醫院住院病人人均醫藥費用為 8 890.7元，而全國居民人均可支配收入為25 974元(2)數據來源：《中國衛生健康統計年鑒(2018)》《中國統計年鑒(2018)》。，醫療支出風險很可能導致家庭陷入經濟困境，無疑會對居民家庭資產配置產生重要影響。

目前國內對家庭資產配置影響因素的研究大多集中在生命周期、住房風險、財富效應等方面[4-6]，而從社會保障角度來分析家庭資產配置的研究較少[7]，社會醫療保險作為社會保障體系的重要組成部分，是家庭健康籌資的重要渠道，那么社會醫療保險將如何影響家庭資產配置行為？它是否使家庭在資產選擇過程中風險和收益的匹配更加合理？為了回答以上問題，本文研究社會醫療保險對家庭金融資產配置的影響機制，并進行了以下幾個方面的創新：首先，將資產配置的一般分析框架進行了擴展，從理論上分析社會醫療保險對家庭資產配置的影響；其次，通過建立Probit模型和Tobit模型，實證研究社會醫療保險產生的影響，在參保情況的基礎上加入了學者研究較少的保險保障程度維度，對社會醫療保險的衡量更加全面；最后，通過引入多重中介效應模型，從財富效應、預防性儲蓄和替代效應三個角度研究其傳導機制，系統研究社會醫療保險對家庭資產配置的影響過程，以期提供有價值的理論參考。

二、文獻綜述

現代資產選擇理論源于馬科維茨(Markowitz，1952)提出的均值方差理論和夏普(Sharpe，1964)的資本資產定價模型[2，8]。為了研究理性的家庭投資者如何根據自身稟賦條件合理分配家庭財富，以達到家庭整體效用最大化的目標，坎貝爾和維塞拉(Campbell & Viceira，2002)最早提出了家庭資產配置的概念，即研究家庭如何對風險資產和無風險資產進行配置[1]。

家庭的資產配置決策不僅取決于金融市場風險的大小，還要受到家庭自身稟賦條件等背景因素產生風險的影響，即背景風險(background risk)[9]。早期在風險厭惡研究中逐漸衍生出背景風險理論[11-12]，即金融市場風險等外生風險和家庭背景風險存在一定的替代性。當家庭的背景風險惡化后，家庭在投資時會表現出更強的謹慎性和風險厭惡，對安全資產的偏好增強以降低風險暴露。之后隨著理論的不斷發展和研究的逐漸深入，背景風險由抽象的概念發展到具體的論證過程，而健康風險就是一種重要的背景風險。

愛德華茲(Edwards，2008)從效用的角度分析健康風險對家庭資產配置的影響，認為健康狀況不同的居民當前與未來消費的邊際效用不同,從而使家庭在資產配置中做出不同的決策[10]。大多數針對健康狀況與家庭資產配置之間關系的研究都發現，隨著居民健康狀況的惡化，居民投資風險金融資產的概率及持有比重降低[11-12]，但伯科威茨和邱(Berkowitz & Qiu，2006)研究發現，在控制了其他因素后，健康水平對家庭資產配置沒有顯著影響[13]。卡爾達克和威爾金斯(Cardak & Wilkins，2009)將醫療保險作為健康狀況影響家庭資產配置的調節變量或影響渠道，研究其對家庭資產配置產生的間接影響[14]。高德曼和梅斯塔斯(Goldman & Maestas，2013)發現，享有醫療保險的居民醫療支出風險明顯下降，通過背景風險和外部風險的替代效應增加風險金融資產配置[15]。國內從健康風險和醫療保險的角度研究其和家庭金融資產配置之間關系的文獻較少，實證研究結果和國外的研究結論基本一致[16-18]。

從現有文獻來看，社會醫療保險對家庭資產配置產生影響主要有三種途徑：首先，社會醫療保險能夠減輕家庭的醫療負擔，通過降低家庭的實際醫療支出水平，產生財富效應影響家庭風險金融資產配置[19-20]；其次，通過降低家庭未來支出風險，促使家庭降低預防性儲蓄水平，增加投資風險金融市場的可能[21-22]；最后，通過縮小家庭風險敞口，進而調整資產整體風險水平，使其與風險承受能力相適應，將安全資產向風險資產轉移，產生一定的替代效應[16，18]。

總之，社會醫療保險等因素的影響并沒有被納入傳統的家庭資產配置理論模型中。隨著背景風險概念的提出和理論的不斷發展，學者將許多經典理論中沒有的變量加入資產配置模型中，以期對現實中的居民經濟行為做出合理解釋，而且已有研究表明，部分變量對家庭資產配置行為具有顯著影響。

三、理論模型、計量模型設計及影響機制

坎貝爾和維塞拉(2002)基于資產配置視角建立了一個分析框架，以投資者的稟賦經濟環境為基礎，在預算約束下進行風險資產和非風險資產的最優選擇，以實現家庭效用最大化的目標[1]。本文將社會醫療保險加入家庭資產配置模型，以對家庭資產配置的影響進行理論分析，在此基礎上建立實證模型進行檢驗。

(一)理論模型

首先建立存在醫療支出風險和社會醫療保險的兩期資產配置模型，進行理論模型的推導，以分析變量間的數量關系。

1.模型A：基礎模型

Rp,t+1=αtRt+1+(1-αt)Rf,t+1

(1)

t+1期的財富水平為：

Wt+1=Wt(1+Rp,t+1)

(2)

(3)

s.t.Ct+1=Wt+1=Wt(1+Rp,t+1)

求解模型中，風險厭惡系數和貼現因子可以省略，不影響模型求解結果。假設資產收益是對數正態分布的，將效用函數和約束條件對數線性近似后得到：

(4)

s.t.ct+1=wt+1=rp,t+1+wt

其中，rp,t+1=log(1+Rp,t+1)。將約束條件代入式(4)中的目標函數得出：

(5)

將資產收益率的對數進行泰勒展開后，可得：

(6)

代入式(5)，目標函數的形式為：

(7)

最后，解出滿足約束條件的效用函數最大化的風險資產配置比例為：

(8)

2.模型B：加入醫療支出風險的資產配置模型

(9)

s.t.Ct+1=Wt+1-Ht+1

將約束條件進行對數線性近似后，得到

(10)

將式(10)代入對數線性近似后的目標函數，計算過程同基礎模型的處理過程類似，最終獲得家庭風險資產配置的最優解為:

(11)

其中，σht為醫療支出風險與金融資產風險間的相關系數，為了比較模型A和模型B之間風險資產比例的關系，將兩者相減可得:

(12)

3.模型C：加入社會醫療保險的資產配置模型

在模型B的基礎上，進一步加入社會醫療保險變量，并且醫療支出可以部分報銷，假設報銷比例為λ，λ∈(0,1) ，則需要支付的醫療費用為(1-λ)Ht+1，家庭的效用目標函數和約束條件為：

(13)

s.t.Ct+1=Wt+1-(1-λ)Ht+1

計算的過程與模型B相同，通過將對數線性近似后的約束條件代入效用函數，最終獲得家庭最優風險資產配置比例為：

(14)

比較模型A、B和C中風險資產的最優配置比例可以發現：

(15)

上述分析表明，無醫療支出風險的家庭風險資產配置比例最高；有醫療支出風險但有醫療保險保障的家庭次之；沒有醫療保險且存在醫療支出風險的家庭風險資產配置比例最低。健康風險是影響家庭資產配置中的重要背景風險，也是家庭在實際的經濟生活中必然面對的風險，醫療保險在降低醫療支出風險的同時，增加家庭的風險資產配置比例。

(二)計量模型設計

基于以上理論分析，在實證檢驗過程中，可以從家庭金融資產配置概率、規模和比例三個方面研究社會醫療保險對家庭金融資產配置的影響，并通過多重中介效應模型對其影響機制進行定量分析。

1.社會醫療保險與家庭金融資產配置概率

研究社會醫療保險對家庭金融資產配置概率的影響，可以構建如下Probit 模型：

Pr(ASSET=1|INSURANCE,X)=Φ(α+β1INSURANCE+β2X+ε)

(16)

其中，被解釋變量ASSET是代表家庭是否配置金融資產的虛擬變量；INSURANCE代表家庭社會醫療保險情況，主要包括是否參保以及保障水平，是核心解釋變量；X代表所有的控制變量，具體見變量的說明部分。

2.社會醫療保險與家庭金融資產配置規模與比例

在分析社會醫療保險對金融資產配置概率影響的基礎上，可以構建Tobit 模型估計社會醫療保險對家庭金融資產配置規模以及配置比例的影響：

y=α+β1INSURANCE+β2X+μ,Y=max(0,y)

(17)

式(17)中，被解釋變量y表示家庭金融資產配置的規模以及比例，在實證分析中，由于未參與金融市場的家庭配置規模與比例均為0，被解釋變量是截尾的，本文參考研究家庭資產配置影響因素文獻中的做法[5，18]，采用Tobit 模型進行估計。與式(16)相同，INSURANCE代表家庭社會醫療保險情況，X代表所有控制變量。

3.社會醫療保險對家庭資產配置的影響機制

在社會醫療保險對家庭資產配置具有顯著影響的前提下，借鑒普里徹和海耶斯(Preacher & Hayes，2008)的單步多重中介模型(single-step-multiple-mediator model)[23]，構建如下中介效應檢驗模型研究社會醫療保險對家庭金融資產配置的影響機制。

ASSETi=β1INSURANCEi+γ1Zi+ε1i

(18)

MEDIATORi=β2INSURANCEi+γ2Zi+ε2i

(19)

ASSETi=β3INSUEACEi+λMEDIATORi+γ3Zi+ε3i

(20)

四、實證檢驗

(一)數據來源與變量選取

本文使用的數據源自2013年中國家庭金融調查(China household finance survey，CHFS)數據庫。樣本覆蓋了全國29個省份(不含新疆、西藏、港澳臺地區)262個縣(市)、1 048個社區，共獲得28 142個家庭的微觀數據，提供了受訪家庭的詳細資產配置情況、是否參與社會醫療保險、家庭的資產與收入、人口統計等特征等方面的詳細信息。數據清理過程中，剔除了缺失值及嚴重的異常值后，使用14 345個家庭進行研究分析，其中包括城鎮家庭10 091個、農村家庭4 254個。

1.家庭風險金融資產

中國家庭金融調查數據中，金融資產包括存款、現金、股票、債券、基金、金融衍生品、理財產品、非人民幣資產、黃金以及借出款。本文將除存款及現金外的其他金融資產列為風險金融資產，作為本文的核心被解釋變量。為了更全面地衡量風險金融資產配置情況，被解釋變量主要從風險金融資產配置概率、規模和比例三個方面進行衡量：首先，對配置概率的取值，受訪家庭參與之前列出的風險金融資產中的任意一項，則賦值為1，否則為0；其次，配置規模采用家庭持有所有金融資產的市值總額衡量；最后，配置比例用風險金融資產與家庭總體金融資產比值衡量，是取值在0～1之間的連續變量。由表1描述性統計的結果可以看出，樣本家庭配置風險金融資產的概率為0.23，配置規模的均值是1.58萬元，配置風險金融資產占總體金融資產的比值平均只有0.09。總體來講，中國家庭風險金融資產配置概率低，規模小，在整體金融資產中占比極低，研究影響風險金融資產配置的因素及如何促進家庭參與金融市場具有重要的現實意義。

2.社會醫療保險

社會醫療保險作為核心解釋變量，主要選取家庭社會醫療保險參與情況和保障水平兩個角度進行衡量。如果家庭中有一人及以上未參保社會醫療保險，賦值為0，否則為1。由于家庭異質性和地區社會醫療保險制度的不同(3)CHFS2013問卷中，社會醫療保險主要包括公費醫療、城鎮職工基本醫療保險、城鎮居民基本醫療保險和新型農村合作醫療保險四類。，樣本家庭中保障水平也存在一定差異。為了更加全面衡量家庭的社會醫療保險情況，同時表示保險為家庭提供的實際風險分擔情況，本文引入代表家庭社會醫療保險保障水平的變量，計算公式為：家庭保障水平=社會醫療保險報銷的醫療消費/家庭總體醫療消費。由表1可以看出，樣本平均的社會保障水平僅為0.28，實際報銷比例和社會保險制度的名義報銷比例存在一定差距，保障水平嚴重不足。

3.控制變量

在實證分析過程中，控制變量主要包括家庭特征、戶主特征以及其他保險情況三個方面。

(1)家庭特征。主要包括家庭財富水平、自有住房、家庭規模以及健康狀況。代表家庭財富的變量為家庭人均年收入的對數。本文用家庭人口數表示家庭規模。在風險金融資產之外的其他各種資產中，房產占比很大，會對其他資產的配置情況產生重要影響，因此在解釋變量中加入家庭是否擁有自有住房的虛擬變量。此外，健康風險是影響家庭資產配置的背景風險中的一種，本文選取家庭中個人自評健康的平均值代表家庭健康狀況，以更全面評價整個家庭的健康水平。

(2)個人特征層面。主要采用戶主特征控制人口統計學特征因素對家庭風險金融資產的配置的影響。主要有戶主的年齡、性別、教育程度(4)CHFS 2013數據中將教育程度分為9種，為沒上過學、小學、初中、高中、中專/職高、大專/高職、本科、碩士、博士，在教育年限中分別賦值0、6、9、10、12、13、15、16、22。、婚姻狀況以及工作情況。風險態度是影響風險資產配置的重要因素，研究中加入這一變量，1～5代表風險偏好程度逐漸增加。

(3)其他保險情況。本文還加入了代表家庭參與其他保險情況的虛擬變量以控制其對風險金融資產配置的影響，主要是補充醫療保險和養老保險。此外，在回歸中還加入了控制城鄉差異的戶籍虛擬變量和地區差異的地區虛擬變量。

表1 主要變量說明及描述性統計

(二)基本回歸結果

表2是根據Probit模型和Tobit模型進行回歸后得出的結果，由于兩種模型本身的回歸系數經濟學意義不大，為了比較不同變量回歸結果間的差異，表2列出平均邊際效應。

根據基本回歸結果，在控制其他變量的情況下，社會醫療保險對家庭風險金融資產配置有顯著的正向影響。具體來講，回歸結果列(1)顯示，相比未完全參保家庭，社會醫療保險參保家庭險金融資產配置概率平均提升了14.3%，結果在1%的統計水平上顯著。根據回歸列(3)和列(5)的結果，風險金融資產在配置規模和配置比例上也都獲得了提升，但顯著性水平有所降低。相對是否參保，社會醫療保險保障水平對家庭風險金融資產配置的影響更加穩健。回歸列(2)、列(4)和列(6)的結果表明，社會保障水平每提升1%，家庭配置風險金融資產的概率提高0.2%，配置規模和配置比例也分別提升了2.855%和0.131%，結果均在1%的統計水平上顯著。這表明，社會醫療保險是影響家庭金融資產配置的重要因素，參與社會醫療保險和醫療保險保障水平的提升都會顯著提高家庭風險資產配置的概率、規模和比例。

控制變量的個體特征中，年齡、教育程度、婚姻狀況以及風險態度都對家庭風險金融資產配置產生重要的影響。年齡及其平方項對家庭風險金融資產的配置概率、規模與比例的影響均在1%的顯著性水平上顯著。在某一年齡拐點之前，隨著年齡的增加，家庭資產風險金融資產配置增加，超過年齡拐點之后，年齡與風險金融資產配置負相關，教育程度對風險資產配置的影響顯著為正，可能的原因是風險金融資產的投資需要一定的金融知識，受教育程度越高，對金融知識的接受能力也越強，對風險金融資產的配置也更多。此外，已婚家庭相對未婚家庭配置了更多的風險金融資產，隨著戶主的風險偏好程度提高，家庭風險資產配置的概率規模和比例都顯著提升。收入水平的提升顯著提高家庭參與風險金融市場的概率和深度，家庭財富的增加放松了家庭風險金融資產配置約束，為家庭增加風險金融資產配置提供了條件。家庭的整體健康狀況對風險金融資產配置影響顯著，良好健康狀況能促進家庭配置風險金融資產。戶籍和地區虛擬變量在1%的統計水平上顯著，表明家庭風險金融資產配置的城鄉差異和地區差異顯著。

表2 基本回歸結果

表2(續)

注：*、**和***分別表示在10%、5%和1%水平顯著，括號內表示t值。

(三)內生性處理

1.社會醫療保險是否參保對風險金融資產的影響

雖然社會醫療保險在樣本家庭中的參保比例達到87%，參與社會醫療保險的保障程度由參與社會醫療保險種類和當地的保險制度決定，但為了處理可能存在的內生性問題，本文通過使用傾向得分匹配(propensity score matching，PSM)和廣義傾向得分(generalized propensity score,GPS)的方法對之前Probit模型和Tobit模型的回歸結果進行進一步的修正與檢驗。

PSM的具體操作過程主要分三步。首先構建以是否參保作為被解釋變量的Probit模型，解釋變量與前文其他控制變量相同。其次，利用不同的匹配方法將處理組和對照組的傾向得分進行匹配，匹配后處理組和控制組的變量間差異顯著下降，從而有效降低選擇性偏差。為了結果的穩健性，本文使用三種匹配方法進行了匹配。最后，得到平均處理效應(average treatment effect on treated，ATT)，即匹配后處理組和對照組家庭配置風險金融資產的差異，以此評估社會醫療保險在提高家庭風險金融資產配置的凈效果：

ATT的計算公式為：

(21)

本文數據樣本量較大，大樣本數據的匹配方法一般為1∶1近鄰匹配[24]，為了結果的穩健性，表3還給出了半徑匹配以及核匹配的匹配結果。匹配后，對家庭配置風險金融資產的概率的處理效應為-0.035，t值為-2.26，說明在消除了混淆變量的影響后，未完全參保醫療保險的家庭比完全參保家庭配置風險金融資產的概率低3.5%，小于基本回歸結果中的14.3%，在5%的水平上顯著。不管是半徑匹配還是核匹配，處理效應均為負，且在1%的水平上顯著，說明參保社會醫療保險對家庭風險金融資產配置概率的正向影響穩健。在控制混淆變量后，是否參保對風險資產配置規模和比例的影響不再顯著，但結果均為負值。說明基本回歸結果中Tobit模型的回歸結果存在一定內生性的影響，家庭擁有社會醫療保險對家庭風險金融市場參與深度雖然有一定的正向影響，但這種正向的影響并不顯著。

表3 PSM內生性檢驗結果

注：*、**和***分別表示在10%、5%和1%水平顯著，括號內表示t值。

2.社會醫療保險保障水平對風險金融資產的影響

傾向分匹配法(PSM)能很好解決社會醫療保險參與的自我選擇效應產生的內生性，但該方法僅適用于核心解釋變量為二元變量的情況，為了檢驗社會醫療保障水平對家庭金融風險資產配置的影響，本文采用廣義傾向得分法(GPS)，將保障水平作為連續的處理變量，研究每一個保障水平上社會醫療保險對家庭風險金融資產配置的影響。

本文根據希拉諾和因本斯(Hirano & Imbens，2004)[25]的做法，通過估計出“劑量反應”函數(dose response function)，在給定連續的處理變量(醫療保險保障水平)和廣義傾向得分下描述任一保障水平所對應結果變量(家庭風險金融資產配置)的條件期望。控制變量為X，處理變量為T，定義廣義傾向得分R=r(T,X)，令社會保障水平T的條件密度函數為r(t,X)=fT|X(t|X)，結果變量Yi(t)=Yi(Ti) 。假定在給定廣義傾向得分的密度函數r(t,X) 時，密度函數與控制變量X相互獨立，即：

fT(t|r(t,Xi),Yi(t))=fT(t|r(t,Xi))

(22)

具體的廣義傾向得分法實施主要包括三個階段。首先在給定控制變量X的情況下，估計處理變量的條件分布。

L(β)≡Ti×Λ(Xiβ)+(1-Λ(Xiβ))

(23)

(24)

(25)

]

(26)

此時廣義傾向得分已經控制了個體的選擇效應，任意兩個社會保障水平上家庭風險金融資產配置的差異可以解釋為社會保障水平變化對資產配置產生的凈影響，即處理效應(pairwise treatment effect，PTE)，E(Δt)=E(Y(t2)-Y(t1)),t2、t1∈[0,1]。在計算完全無保障家庭相比任意社會醫療保障水平帶來的家庭風險金融資產配置凈影響時，將t1賦值為0即可，并通過Bootstrap方法計算的最終結果如表4所示。

注：(1)*、**和***分別表示在10%、5%和1%水平顯著，括號內為標準誤；(2)為了得到不同社會保障水平與完全無保障家庭金融資產配置的差異，表格內處理效應計算公式為E(Δt)=E(Y(t)-Y(0)),t∈[0,1]。

由表4可以看出，在社會保障水平很低時，保障水平的提高并不能促進家庭的風險金融資產配置，甚至對配置概率和配置比例都有顯著的負向影響。可能的原因是，當醫療保障水平很低時，并不能很好地緩解醫療支出風險對家庭財富的沖擊[27-28]，人們重點關注的是社會醫療保險的繳費，導致參保對家庭風險金融資產產生了一定的擠出作用。當社會保障水平超過0.3且低于0.6時，社會保障水平的提高對家庭金融資產配置的概率、規模和比例都起到了顯著的提升作用。即社會保障水平在0.3到0.6的區間時，社會醫療保險對家庭醫療風險支出能夠起到很好的保障作用，且超過由于醫療保險繳費對風險金融資產產生的擠出作用，最終影響為正向。但當保障水平超過0.6時，對家庭風險金融資產配置概率的正向作用減弱，對家庭資產配置規模和比例的影響甚至轉為負向。在醫療保險保障水平到達0.6左右時，社會保障水平的提高對家庭風險金融資產配置的規模和水平達到最大，即如果以提高家庭風險金融資產配置為目標，最優的社會保障水平為0.6左右。參考表1描述性統計的結果，目前家庭的醫療保險保障水平均值為0.28，保障水平的提高對家庭風險金融資產配置將起到明顯的促進作用。

(四)穩健性檢驗

前文采用了傾向得分匹配法處理由于樣本選擇偏差產生的內生性問題。為了進一步解決由于遺漏變量和互為因果產生的內生性問題，應用工具變量法對之前Probit模型和Tobit模型的回歸結果進行穩健性檢驗。合格的工具變量是與內生變量解釋變量相關，且與殘差項不相關的外生變量，即滿足相關性和外生性原則。根據工具變量的選取要求，同時結合社會醫療保險的理論與經驗認知，選取同一縣(市)家庭平均參加社會醫療保險的比例以及保障水平分別作為核心解釋變量家庭社會醫療保險參與情況和保障水平的工具變量。理論上，某一城市家庭參與社會醫療保險的比例和保障程度是由當地的社會保障制度決定的，與家庭微觀層面的不可觀測信息并不直接相關，只能通過影響單個家庭社會醫療保險狀況來影響家庭金融資產持有情況，滿足工具變量相關性和外生性的原則。

工具變量回歸結果如表5所示。利用同城市家庭平均參加社會醫療保險的比例以及保障水平作為工具變量回歸，第一階段F值分別為67.98和156.77，均大于10且高度顯著，不存在弱工具變量的問題，進一步說明工具變量的有效性。根據沃爾德檢驗的結果，核心解釋變量家庭社會醫療保險保障水平是內生變量，應該采用工具變量進行回歸，列(2)、列(4)和列(6)的結果相比基本回歸更為準確。但家庭是否參加社會醫療保險并不具有顯著的內生性，可能的原因是中國基本實現了社會醫療保險的全覆蓋，由于自選擇和反向因果產生的內生性并不強。通過對比表5與表2回歸結果發現，在控制其他變量的基礎上，利用工具變量回歸結果邊際效應更高，忽略家庭社會醫療保險狀況的內生性會低估其對風險金融資產配置的促進作用。不管是PSM還是工具變量的回歸結果都顯示，家庭參與社會醫療保險能夠顯著提高配置風險金融資產的概率。家庭保障水平的提高對配置風險金融資產的概率、規模和比例均有正向影響，且在1%的統計水平顯著，這與基本回歸GPS處理內生性后的結果一致，結果具有穩健性。但社會醫療保險對家庭配置風險金融資產的影響機制還不明確，本文將在第五部分進行進一步分析。

表5 工具變量回歸結果

注：*、**和***分別表示在10%、5%和1%水平顯著，括號內表示t值。

五、社會醫療保險影響機制的實證分析

通過前文的理論模型推導和實證分析發現，社會醫療保險對家庭風險金融資產配置產生重要的影響。通過對現有文獻的分析，社會醫療保險對家庭風險金融資產配置產生影響的三個主要途徑是：財富效應、預防性儲蓄水平以及替代效應。本文通過建立中介效應模型針對社會醫療保險對家庭風險金融資產配置的影響機制問題進行定量分析。

首先，選取分別代表三種影響機制的中介變量。財富效應為社會醫療保險實際為家庭減輕的經濟負擔，用實際醫療支出占家庭總收入的比重衡量，計算公式為財富效應=實際醫療支出/家庭年收入；預防性儲蓄水平，可選取家庭資產中流動性最高的現金和活期存款占家庭總資產的比重衡量，計算公式為預防性儲蓄=(現金+活期存款)/家庭總資產；在替代效應中，房產是家庭資產中占比最高的安全資產，故采用房產占總資產的比重衡量，計算公式為替代效應=房產/家庭總資產。根據計量模型設計部分的多重中介效應模型，通過非參數百分位Bootstrap法(N=5 000)，利用軟件Mplus 7.4處理得到中介效應的估計結果如表6所示。

在前文中，社會醫療保險是否參保對家庭風險金融資產配置的規模和比例影響并不顯著，故在影響機制分析中不分析其中介效應。是否參保對風險資產配置的總效應顯著，但三種中介變量的中介效應均不顯著，主要通過直接效應發揮作用。社會醫療保險保障水平對家庭風險金融資產配置的總效應顯著，95%的置信區間均不包含零值，再一次印證了前文中是否參加社會醫療保險和保障水平顯著影響家庭資產配置的結論。

在社會醫療保險保障水平對家庭風險金融資產配置概率的中介效應分析中，替代效應顯著(平均效應=0.006，95%置信區間=[0.003，0.008])。當自變量醫療保險保障水平增加1個標準差的時候，因變量家庭風險金融資產配置的可能性將增加0.055個標準差，其中0.006個標準差是通過替代效應產生的影響，占總體效應的11%。社會醫療保險保障水平對家庭風險金融資產配置規模的中介效應分析結果顯示，財富效應產生一定的負向影響，但中介效應很小，占比最高的仍然是替代效應，占總效應的比重高達28%，對風險金融資產配置比例的影響結果與對配置規模的影響結果基本一致。社會醫療保險能夠通過降低家庭風險敞口，使家庭安全資產向風險資產轉移，從而提高金融風險資產配置水平，提高資產配置效率。

綜合來講，社會醫療保險保障水平對家庭風險金融資產配置產生的影響中，財富效應和預防性儲蓄水平的中介效應均不顯著，最重要的中介變量是房產產生的替代效應。

表6 醫療保險影響風險金融資產配置的標準化、間接效應和總效應(Bootstrap=5 000)

六、結論及建議

隨著中國經濟的高速增長，金融市場迅速發展和居民財富觀念不斷變化，家庭資產配置逐漸從固定資產和一般商品向金融產品和服務轉移。合理引導居民參與風險金融市場，不僅在微觀層面上能夠豐富家庭投資渠道、提高家庭財產性收入，而且在宏觀層面上能在擴大金融消費需求的同時為金融市場的發展起到一定程度的推動作用。

本文基于社會醫療保險的角度，分析家庭風險金融資產配置的影響因素。在建立存在醫療支出風險和社會醫療保險的兩期資產配置模型的理論基礎上，通過建立Probit模型和Tobit 模型進行實證研究得出以下結論：首先，社會醫療保險是家庭風險金融資產配置的重要影響因素，參保社會醫療保險的家庭風險金融資產配置概率平均提升了14.3%，在經過PSM處理控制了內生性之后，這一提升作用下降為3.5%，但仍在5%的統計水平上顯著，社會醫療保險保障水平的提高對家庭風險金融資產配置的概率、規模和比例均起到一定的促進作用；其次，家庭風險金融資產配置的最優實際家庭保障水平為60%，中國現有的社會醫療實際保障水平遠遠低于這一最優水平；最后，社會醫療保險對家庭資產配置影響機制的研究表明，替代效應是主要的中介變量，即社會醫療保險主要通過降低家庭資產中安全資產(主要是房產)的比重提高家庭風險金融資產投資，財富效應和預防性儲蓄水平的中介效應并不顯著。

目前，中國正處于全面建設小康社會的關鍵時期，國家正在大力推進金融供給側結構性改革，同時社會醫療體制改革和大病保險制度改革也在深化發展。社會醫療保險是社會保障體系的重要組成部分，對于家庭未來不確定性支出的保障、家庭資產結構的調整以及家庭資產配置效率的提高具有重要作用。因此，建議中國社會醫療保險體制改革應在擴大覆蓋面的基礎上，不斷提升實際保障水平，確定合理報銷目錄，完善補充醫療保險制度，降低居民醫療支出風險，減輕居民就醫經濟壓力，最終提升居民的經濟安全感。