醫療保險中的事前道德風險真的存在嗎？
——基于健康態度和健康行為的系統GMM檢驗

王紅波

宮佳寧2

1 引言

道德風險問題始終是醫療保險就醫行為效應評估的核心內容。Zweifel和Manning將醫療保險中的道德風險分為事前道德風險和事后道德風險[1]，事前道德風險(ex-ante moral hazard)指醫療保險可能會對參保人的防損動機產生影響，表現為參保人的個體行為更加具有風險性，損失風險的增加發生在醫療事件之前。事后道德風險(ex-post moral hazard)指參保人患病后，醫療保險對參保人的減損動機產生影響，表現為醫療事件后個人對醫療服務的利用率增加。[2]長期以來，事后道德風險因與醫療費用的快速增長直接相關而備受關注，而關于事前道德風險的研究則較為滯后。事前道德風險的檢驗通常通過分析醫療保險是否會引起個體風險健康行為的增加來實現。如果事前道德風險大量存在于醫療保險領域，即隨著醫療保險覆蓋面的擴展，參保人的健康行為方式受到負向調節，吸煙、酗酒、久坐以及不合理飲食等行為將顯著增加的話，那么醫療保險制度的福利凈收益將顯著降低。因為這些不健康的行為方式不僅直接損耗參保人的健康水平，還會對其周邊人產生“溢出效應”，如被動吸煙、家庭共享的不健康飲食習慣等。[3]而不健康生活方式增加疾病發生風險已被廣泛證實，如吸煙已被認為是世界第二大致死原因[4]，經常酗酒者的死亡風險大約是戒酒者的兩倍等。[5]因此，通過研究事前道德風險為醫療保險政策的系統性評估提供經驗證據十分必要。

國外對事前道德風險是否存在的研究結論不一，部分學者發現參加醫療保險可能引起個體對健康重視程度的下降，并增加吸煙、運動減少等風險健康行為[6]，但也有許多研究并未發現事前道德風險存在的證據[7-8]。國內學者對我國基本醫保中是否存在事前道德風險的研究結果也存在較大差異，部分規范性分析認為人們即使參加醫療保險也不會做出對自己健康不利的行為[9]，另外的實證研究則發現參加新農合會顯著增加個體吸煙等風險健康行為傾向。[10-11]那么，在當前我國社會醫療保險實現制度全覆蓋、全口徑參保率穩定在95%的背景下，事前道德風險在基本醫療保險中存在嗎？本文將在文獻評述的基礎上，提出研究視角并進行實證檢驗。

2 文獻綜述

2.1 事前道德風險檢驗結論及其爭議

國內外學者對醫療保險事前道德風險的實證結論存在很大差異。部分研究證實了事前道德風險的存在，如Stanciole對美國商業健康保險的研究表明，健康保險對參保人健康行為的選擇具有顯著的激勵作用，增加了大量吸煙、缺乏鍛煉和肥胖的傾向，但降低了大量飲酒的傾向[2]；Corso研究發現，美國醫療救助(Medicaid)計劃的擴大使個人預防行為減少、吸煙概率增加且體力活動水平下降，因此，公共醫療保險存在事前道德風險問題。[12]我國學者針對社會醫療保險的檢驗也發現了事前道德風險的存在，例如彭曉博、秦雪征首次考察了新農合對參保人生活方式的影響，發現新農合的參與顯著改變了個體的生活方式，提高了其吸煙、飲酒、久坐、攝入高熱量食物等風險健康行為的傾向，并引致體重超重概率的增加。[10]傅虹橋等在處理了可能存在的內生性問題后發現，新農合參保的事前道德風險在不同健康群體中存在異質性，健康較好的群體中事前道德風險相對更強，而健康較差的人群中幾乎不存在。[11]

然而，采用同樣的檢驗方式，不少學者并沒有證實事前道德風險的存在，甚至發現參加醫療保險會帶來參保人正向健康行為的增加。如Courbage等發現英國私人醫療保險會提高參保人的運動率并降低吸煙的概率，這一結果并不支持事前道德風險的存在，作者認為原因可能是參加保險會使參保人更加關注自己所面臨的風險，進而采取改善健康的行為。[7]Cotti等利用美國醫療救助擴展計劃來分析其是否影響了家庭健康危害性消費品的利用，結果發現參加醫療救助導致了香煙、鼻煙、啤酒和白酒購買量的顯著下降，以及接受治療人群購買戒煙產品可能性的增加，因此并未發現事前道德風險。[8]

2.2 對既有研究的評價及本文檢驗視角

事前道德風險的實證檢驗之所以不能取得一致的結論，是因為普遍忽略了個體生活方式、健康行為(尤其是風險健康行為)具有長期穩定性的客觀事實，由于健康行為的穩定性，參保人當期風險健康行為會受到前一期既有行為狀態的影響，因此只有在充分考慮個體既往健康行為的視角下才能提升事前道德風險檢驗的內在效度。而既有文獻多使用截面數據或靜態面板數據的處理方法，未能將既往個體健康行為納入模型。另外，國內相關文獻多以規范性分析為主，利用我國大規模參保數據的實證檢驗比較少。基于此，本文在借鑒事前道德風險檢驗方法的基礎上，將個體既往健康行為納入分析過程，即將衡量預防性活動的被解釋變量的滯后期納入分析模型，利用2004—2015年CHNS參保追蹤數據，構建動態面板模型并運用系統GMM方法進行檢驗。本文將區分健康態度和健康行為兩個維度對事前道德風險進行測量，健康態度反映參保后對體育鍛煉和合理飲食方式關注度的變化，健康行為通過個體吸煙和飲酒的變化來反映。

3 數據來源與模型構建

3.1 數據來源

本文所用數據為中國健康與營養調查(CHNS)，該數據是一項大型全國性追蹤調查，1989年至今已進行了9輪，覆蓋范圍包括12個省/直轄市。具體檢驗將分全樣本、職工醫保樣本和居民醫保樣本。因新農合建立于2003年，為盡量確保研究樣本時間跨度的一致性，選取2004—2015年共5期、跨度11年的參保數據。選取非在讀的18周歲及以上成年人作為分析對象。全樣本數據中參加職工醫保、公費醫療、勞保醫療、新農合、城鎮居民醫保等任意一種基本醫保都視作參保人員；職工醫保中參加職工醫保、公費醫療、勞保醫療中任意一項都視作參保；居民醫保樣本將已參保人群中參保類型均非職工醫保或公費醫療的個體視為參保，其余為未參保。在刪除部分缺失值后最終納入分析的樣本數為全樣本21 383人，對應53 970個觀測值；職工醫保樣本15 423人，對應27 108個觀測值；居民醫保樣本17 409人，對應41 013個觀測值。(1)由于同一參保人在不同年份可能變換參保類型，因此職工醫保和居民醫保分樣本人數統計時會存在重復，二者之和大于總樣本人數。觀測值為統計樣本在各年度調查期的全部觀測數值。

3.2 變量測量

3.2.1 被解釋變量

從健康態度和健康行為兩個維度測量預防性活動的變化，健康態度得分的測量通過被調查者對“堅持體育鍛煉”和“堅持健康飲食”的重視程度反映，評價等級包括“無所謂、有時關心、經常關心、總是關心、不知道”，從低到高分別賦值1～4分，其中“不知道”視為2分，兩個項目得分相加為健康態度總得分。健康行為通過被調查者每日吸煙數量(支)和每月飲酒次數兩個風險健康行為來反映。

3.2.2 解釋變量

核心解釋變量為被調查者的醫保參保情況，全樣本、職工醫保樣本和居民醫保樣本對應的解釋變量分別為“是否參加了醫療保險”、“是否參加了職工醫保”、“是否參加了居民醫保”，符合所在樣本參保類型的視作參保，其余視作未參保。另一個關心的解釋變量為既往個體健康行為，通過被解釋變量的滯后一期來反映，以觀察在納入既往個體健康行為后參加醫療保險對個體健康態度和健康行為的影響。

3.2.3 控制變量

本研究重點納入了隨時間變化的個體特征，第一組為個體基本特征，包括年齡和婚姻狀況，第二組為個體的工作情況，包括工作狀態和職業類型，第三組為可能影響參保選擇的社會特征，包括教育程度和自評健康。變量的描述性統計詳見表1。

表1 變量的描述性統計

續表1 變量的描述性統計

3.3 計量模型

既有文獻主要通過構建靜態面板數據的固定效應模型檢驗，雖然控制了不隨時間變化的個體特征，但未考慮健康態度和健康行為長期穩定性的特征。本文將既往個體健康行為納入模型，構建動態面板模型并運用系統GMM方法進行估計。為了比較靜態面板固定效應模型和動態面板系統GMM估計的差異，本文先使用均值差分方法做固定效應估計，再利用系統GMM方法估計納入被解釋變量滯后期的新結果。

3.3.1 固定效應模型與均值差分法

靜態面板固定效應模型可以控制所有不隨時間變化的個體特征，因此能夠有效避免個體層面的“忽略變量偏差”。[13]在本研究問題中，對于任意調查時點t上的個體i來說，其健康態度或風險健康行為可以用以下表達式表示出來：

該表達式中，yit分別表示健康態度得分/每日吸煙數量/每月飲酒次數，insuranceit表示是否參加了醫療保險，是核心自變量，β1為其回歸系數。為得到β1的一致估計，模型控制了個體隨時間變化的家庭特征(年齡、婚姻狀況)、工作特征(工作狀態、工作類型)和社會特征(教育程度、健康自評)，固定系數αi代表不隨時間變化的個體特征對因變量的影響，εi為模型的誤差項。使用均值差分法對固定效應模型進行估計，通過均值差分將表達式中的αi消除，以排除所有不隨時間變化的個體特征對β1的干擾。

3.3.2動態面板模型與系統GMM方法

如前文所述，本文認為個體健康態度和風險健康行為特征具有一定的穩定性，為考察醫療保險參保對個體預防性活動的影響，納入了健康態度和風險健康行為的滯后一期變量，構建動態面板模型，具體表達式如下：

yit=β0+β1insuranceit+β2yit-1+β3Xit+αi+εit

式中，yit分別表示健康態度得分/每日吸煙數量/每月飲酒次數，insuranceit表示是否參加了醫療保險，yit -1是被解釋變量的滯后一期值，Xit代表所有控制變量，αi代表不隨時間變化的個體特征對因變量的影響，εi為模型的誤差項。納入被解釋變量滯后項會使模型具有動態解釋能力，但因被解釋變量滯后項作為自變量將與各截面上的個體效應和誤差項相關，會導致模型產生內生性問題。系統GMM方法是解決這一問題的常用方法，該方法通過引入工具變量，綜合利用水平變化和差分變化的信息所得的估計結果更加可信。[14]

4 研究結果

本研究先對不區分醫保類型的全樣本進行檢驗，再分類型依次對職工醫保樣本和居民醫保樣本做檢驗。同時，為了與既有文獻靜態檢驗方法對照，將采用逐步回歸方法，先使用均值差分法做靜態面板數據檢驗，再將被解釋變量滯后一期納入模型，利用系統GMM做動態面板數據檢驗。運用系統GMM方法分析時，為避免內生性且保證工具變量有效，選取了被解釋變量、前定解釋變量和同期內生解釋變量的一階及以上滯后做工具，并設定為最多使用二階滯后或三階滯后。同時，對二階殘差進行了Arellano-Bond 自相關檢驗，對工具變量進行了過度識別的Sargan檢驗。

4.1 全樣本分析

表2顯示了全樣本數據下參加基本醫保對個體健康態度、每日吸煙數量以及每月飲酒次數的影響。模型1、模型3、模型5為靜態面板數據均值差分的回歸結果，模型2、模型4、模型6為納入被解釋變量滯后一期的系統GMM回歸結果。序列相關檢驗和Sargan檢驗結果均表明，系統GMM模型無二階序列相關，工具變量集聯合有效。

表2 全樣本下參加基本醫保對個體預防性活動的影響

模型1為健康態度的均值差分回歸結果，是否參保的回歸系數為正向顯著，表明參加基本醫保可以帶來健康態度得分的顯著提高，平均而言，參加基本醫保比不參加醫保的健康態度得分提高14.3%。均值差分表明，在健康態度維度，參加基本醫保并未帶來事前道德風險，反而帶來了健康態度趨好的態勢。然而，這一結果并未考慮個體既往健康態度的影響，模型2納入了健康態度滯后一期變量，系統GMM結果顯示，健康態度滯后一期顯著正向影響當期健康態度，而此時是否參保變量的回歸系數變為負，且在10%水平上顯著。這表明，在動態面板回歸估計后，參加基本醫保會顯著降低參保人的健康態度得分，參加基本醫保比不參加醫保的健康態度得分減少27.2%，因此，參加基本醫保會帶來健康態度降低的事前道德風險。

模型3為每日吸煙數量的均值差分結果，是否參保的回歸系數顯著為正，這表明參加基本醫保可能會導致個體每日吸煙數量的增加，相對于未參保個體而言，參加基本醫保使每日吸煙量提高了25.1%，進而導致事前道德風險。然而，這一結果同樣未考慮個體既往吸煙行為的影響。模型4納入了每日吸煙數量的滯后一期變量后，系統GMM結果顯示，每日吸煙數量的滯后項顯著正向影響個體的當期吸煙數量，并且是否參保對每日吸煙數量的影響系數雖然仍為正，但不再顯著。這表明，在動態面板回歸估計下，參加基本醫保并不會顯著提高參保人吸煙的可能性，因此，并不會導致參保人增加吸煙的事前道德風險，既有文獻運用靜態面板數據證實的吸煙行為事前道德風險可能被高估。

模型5為每月飲酒次數的均值差分結果，結果顯示，參加基本醫保可以導致每月飲酒次數提高2.1%，可能導致飲酒行為提高的事前道德風險。但在納入既往每月飲酒次數的滯后一期變量后，系統GMM的估計表明，參加基本醫保后對個體的每月飲酒頻次并無顯著影響，因此，動態面板回歸估計結果顯示，參加基本醫保也不會導致飲酒行為增加的事前道德風險。當然，上述分析是全樣本數據下參加基本醫保的平均效應，對于不同醫保類型的具體效應還需要進一步分類別檢驗。

4.2 職工醫保樣本分析

表3顯示了參加職工醫保對個體健康態度、每日吸煙數量以及每月飲酒次數的影響。模型7、模型9、模型11為靜態面板數據均值差分的結果，模型8、模型10、模型12為納入被解釋變量滯后一期的動態面板數據系統GMM結果，序列相關檢驗和Sargan檢驗結果均表明，系統GMM模型無二階序列相關，工具變量集聯合有效。模型7中健康態度的均值差分表明，參加職工醫保并未帶來參保人健康態度得分的顯著提高，亦未降低其健康態度得分。在加入健康態度的滯后一期變量以后，模型8的系統GMM顯示，雖然滯后一期健康態度顯著影響當期的健康態度得分，但參加職工醫保對健康態度得分并無顯著影響。因此，可以認為參加職工醫保并不會帶來健康態度弱化的事前道德風險。模型9為每日吸煙數量的均值差分結果，靜態面板數據下是否參加職工醫保并不會顯著影響個體的每日吸煙數量。模型10加入了每日吸煙數量的滯后一期變量，雖然滯后一期變量會顯著正向影響當期的每日吸煙數量，但參加職工醫保仍未對個體的吸煙數量起到顯著影響。這表明，參加職工醫保并不會帶來吸煙量提高的事前道德風險。模型11是每月飲酒次數的均值差分結果，該結果顯示，靜態面板數據下參加職工醫保可能會負向影響每月飲酒次數，但并未通過顯著性檢驗。模型12加入了每月飲酒次數的滯后一期變量，此時的系統GMM回歸結果顯示，滯后一期變量會顯著正向影響當期的每月飲酒次數，同時，參加職工醫保的回歸系數顯著為負，表明參加職工醫保會顯著降低個體的每月飲酒次數，與未參保相比，參加職工醫保會使每月飲酒次數平均降低2.92倍。可見，在動態面板數據估計下，參加職工醫保非但未帶來參保人飲酒增多的事前道德風險，反而會降低其飲酒的風險健康行為可能性。這一發現與部分學者對美國商業健康保險和醫療救助導致飲酒量下降的研究結論一致。[2,8]其原因可能是參加保險會使參保人更加關注自己所面臨的風險，進而采取改善健康的行為。[7]

表3 參加職工醫保對個體預防性活動的影響

4.3 居民醫保樣本分析

表4顯示了參加居民醫保對個體健康態度、每日吸煙數量以及每月飲酒次數的影響。模型13、模型15、模型17為靜態面板數據均值差分的結果，模型14、模型16、模型18為納入被解釋變量滯后一期的動態面板數據系統GMM結果，序列相關檢驗和Sargan檢驗結果均表明，系統GMM模型無二階序列相關，工具變量集聯合有效。模型13是健康態度的均值差分結果，是否參保對個體的健康態度得分具有顯著的正向影響，參加居民醫保的個體比未參保個體的健康態度得分平均提高12.6%。但這一結果在納入被解釋變量的滯后一期之后發生了變化，模型14的系統GMM檢驗表明，滯后一期的健康態度得分正向顯著影響當期的健康態度，同時，是否參加居民醫保對個體健康態度不再具有顯著影響效應，因此，參加居民醫保并不會導致健康態度弱化的事前道德風險。模型15對每日吸煙數量的均值差分顯示，參加居民醫保會顯著增加參保人的每日吸煙數量，進而導致事前道德風險，但是模型16的系統GMM結果表明，在動態面板數據下，個體的既往吸煙數量將顯著正向影響當期的每日吸煙量，而是否參加居民醫保對個體每日吸煙數量的影響方向為負，但并不顯著。這表明，參加居民醫保并不會導致個體吸煙數量提高的事前道德風險。與每日吸煙數量的回歸結果相類似，模型17的均值差分和模型18的系統GMM回歸結果對比表明，盡管靜態面板數據下參加基本醫保可能會導致個體每月飲酒次數的提高，但是在每月飲酒次數滯后一期變量的影響下，這種正向影響效應變為負向影響，雖然影響結果并不顯著，但也表明，在動態面板數據的估計下，參加居民醫保并不會導致參保人飲酒增多的事前道德風險。

表4 參加居民醫保對個體預防性活動的影響

4.4 穩健性檢驗

4.4.1 刪除部分特殊地區樣本的穩健性檢驗

樣本變換是檢驗回歸分析穩健性的常用方法，若剔除可能影響回歸估計的特殊樣本后結果仍然成立，說明基準回歸是穩健有效的。醫療保險對參保人行為方式的影響與醫療保險的待遇水平密切相關，如果存在事前道德風險的可能性，那么醫療保險待遇越高的地區事前道德風險會越高，反之，若存在醫療保險弱化風險健康行為的機制，則醫療保險待遇高的地方，參保人飲酒等行為的發生率更低。總之，較高醫療保險待遇地區的調查樣本可能會影響整體估計的穩健性。本文將經濟發展程度較高、醫療保險待遇高于全國水平的北京、上海、江蘇和浙江四個省/直轄市地區的樣本剔除后進行了重新估計，結果如表5所示，序列相關檢驗和Sargan檢驗結果的P值均大于0.05，模型不存在二階自相關及弱工具變量問題。在回歸系數顯著性和方向方面，三個樣本下的健康態度、吸煙和飲酒的滯后一期均對因變量有顯著影響，其影響方向與原始估計一致。在這一影響下，除全樣本中參保對健康態度的負向影響不再顯著外，其余樣本下的個體參保對因變量影響的方向和顯著性均沒有變化。即不論是職工醫保還是居民醫保，均不存在事前道德風險問題，且參加職工醫保有助于弱化個體飲酒的風險健康行為，表明上文系統GMM估計具有較強穩健性。

表5 刪除特殊地區樣本的穩健性檢驗

4.4.2 刪除女性分組樣本的穩健性檢驗

為進一步檢驗原估計的穩健性，本文根據個體的性別特征將女性樣本刪除，利用男性樣本進行了同樣的系統GMM回歸估計。表6顯示，序列相關檢驗和Sargan檢驗結果的P值均大于0.05，模型不存在二階自相關及弱工具變量問題。全樣本估計中是否參保對健康態度、每日吸煙量和每月飲酒量均無顯著影響，因此，全樣本下不存在事前道德風險。職工醫保樣本估計中，是否參保僅對每月飲酒次數有顯著負向影響，即參加職工醫保可以顯著降低男性的每月飲酒次數。居民醫保樣本中，是否參保對個體的健康態度、每日吸煙量和每月飲酒量亦無顯著影響，不存在事前道德風險。總之，男性樣本的系統GMM估計同樣驗證了原估計的穩健性。

表6 刪除女性分組樣本的穩健性檢驗

5 結論及建議

本文運用動態面板的系統GMM方法檢驗了我國基本醫療保險的事前道德風險問題，與靜態面板均值差分相比，將個體既往健康態度和風險健康行為作為解釋變量后，參加基本醫保對個體預防性活動的影響將發生變化。研究發現，全樣本下參加基本醫保會帶來健康態度降低的事前道德風險，參加基本醫保比不參加醫保的健康態度得分減少27.2%。但參加基本醫保并不會顯著增加參保人的每日吸煙量和每月飲酒量。因此，總體看，參加基本醫保并不會帶來吸煙和飲酒風險行為增加的事前道德風險。職工醫保數據下，參加職工醫保并不會顯著影響參保人的健康態度和吸煙量，但會顯著降低參保人的每月飲酒量，因此也并未帶來飲酒增加的事前道德風險，反而會改善參保人的風險健康行為。居民醫保樣本下，參加居民醫保對參保人的健康態度、每日吸煙量和每月飲酒量均無顯著影響，因此也不存在事前道德風險問題。綜上所述，盡管全樣本的平均效應顯示了基本醫保可能產生健康態度弱化的事前道德風險，但由于實踐中，職工醫保和居民醫保分制設立，參加居民醫保或職工醫保中導致事前道德風險的可能性比較小，既有研究可能高估了這一效應。

基于上述研究結果，建議如下：一是未來醫療保險研究應進一步加大多維政策效果的評估，可在將個體既往健康行為納入分析視野的前提下更換其他數據庫對事前道德風險進行再檢驗。另外，理論研究可以將研究重點放在事后道德風險方面，探討事后道德風險的形成機制、防御策略等。二是鑒于個體健康行為的穩定性影響，需要著重加強對參保人健康行為培育的引導，通過健康管理知識的教育和宣傳提高公民的正向健康行為意識。加強對參保人既往健康習慣的信息收集，并給予針對性指導。可在參保人進行基本醫保登記時設置有關健康信息的搜集欄，通過醫保與衛生等部門的信息共享，給予參保人精準的健康行為干預指導。尤其要加大對具有風險健康行為史參保人的指導，幫助其轉變不良健康行為。三是參加職工醫保顯著降低個體飲酒量意味著醫保可以在培育個體正向健康行為方面發揮積極作用，一方面，應繼續擴大基本醫保覆蓋面、強化職工醫保參保規范并積極引導更多具備相關條件的居民醫保參保人參加待遇水平更高的職工醫保，進而提高公民的健康保障水平。另一方面，進一步完善基本醫保門診保障設計，并適時將部分預防性項目納入保障范圍，將醫療保險的保障范圍適度前置，從源頭上減少疾病風險，降低不必要的醫療費用，使醫保功能從單純的醫療費用補償轉變為分散疾病風險。

作者聲明本文無實際或潛在的利益沖突。