我國健康險業務供給側研究

□文/邱育濤 李宇軒

（暨南大學國際商學院 廣東·珠海）

［提要］作為基本醫療保險的補充，商業健康險的推廣一直受到學界關注。本文從供給側視角出發，針對商業健康險的盈利空間、商業健康險的線上銷售以及基本醫療保險的潛在競爭等三個因素，通過VAR模型、脈沖響應分析以及方差分解探究其對商業健康險推廣的影響，并對我國商業健康險發展提出建議。

一、引言

自2016年《國務院關于整合城鄉居民基本醫療保險制度的意見》發布以來，我國逐漸建立起城鄉居民基本醫療保險制度；然而，許多問題也隨之出現。隨著我國老齡化的日益加重，基本醫療保險的來源變少而負擔越來越沉重。由表1可知，自2018年起，基本醫療保險基金收入與支出增速已成倒掛。而2019年基本醫療保險基金的收入以及支出分別達24，420.88億元和20，854.24億元，數額已十分接近。利用Excel對基本養老保險基金收入及支出的歷史數據進行6階多項式回歸，可知在當前趨勢下，2021年基本養老保險基金的支出將大于收入，結果見圖1。（表1、圖1）

表1 2017～2019年基本醫療保險基金收入及支出增速一覽表

圖1 基本養老保險基金支出以及收入預測圖

綜上所述，除繼續完善醫保、社保等公共服務外，我國亟待建立健全以商業健康險為代表的城鄉居民大病保險服務以及制度并以此作為社保體系的補充，在減輕國家財政負擔的同時，使人民群眾的生活得到更充分的保障。

二、文獻綜述

圍繞著健康險的推廣和發展，目前學界已經做了大量的研究。在理論方面，孔祥璇等（2017）指出健康保險需求理論的發展分為三個階段：第一階段為預期效用理論模型的建立，基于該模型可以得出人們購買保險的欲望來自對財務風險的規避的結論；第二階段主要圍繞健康保險需求是否會產生道德風險進行探究，由于投保雙方的選擇都是建立在自愿的基礎上，這時候就會產生雙向的逆選擇；第三階段的理論則進一步提出了人們購買商業健康保險是因為獲得收入轉移的動機，并不一定是為了規避風險。

而在實證方面，也有部分學者利用國民健康狀況、社會發展狀況及醫療保險等相關數據，通過構建模型實證分析這些因素對健康保險需求的影響。例如，劉芳芳（2010）、夏嬌等（2016）通過分析發現城鎮人均可支配收入與健康險人均保費呈現出高度相關關系。徐美芳（2007）認為影響商業健康保險需求的因素主要有：家庭收入情況、個人受教育程度以及家庭生命周期等因素，而個人收入狀況及性別因素對需求影響不大，商業健康保險中存在的逆向選擇也不是很突出。謝芳（2012）從內外因兩個方面分析影響我國商業健康保險發展的因素。外部原因主要有兩點：一是國家對商業健康保險定位不明確缺乏實質性的支持政策；二是醫療服務市場發展不完善、商業健康保險需要的基礎數據獲取困難、信息無法共享等。內部原因則主要從保險公司的專業化程度、商業健康保險利潤獲取模式及其利潤情況三個方面進行了分析。

綜上所述，目前學界大多從消費者角度，即需求側出發對健康保險發展進行探究。但實際上作為一種商品，健康險的高質量發展必須依賴供需雙方的共同發力，各大商業保險公司也是影響健康險發展的重要因素。鑒于目前較少學者對此進行研究，因此本文將探究供給端的因素對商業健康險發展的影響，以期對現有研究進行補充。

三、指標選取及模型建立

（一）被解釋變量的選擇。本文參考劉芳芳（2010）的做法，選擇2000～2019年全國健康險業務收入作為被解釋變量。數據來源于國泰安數據庫，該項指標反映了人們購買保險的實際情況以及需求，是健康保險發展情況的直觀反映。

（二）解釋變量的選擇

1、基本醫療保險基金總收入。由于商業健康保險與社會基本醫療保險在保障對象、保險標的、保險責任等方面均有重疊交叉，因此可以猜想，在目前基本醫保產品供給普及的情況下，商業健康險產品可能與基本醫保形成競爭關系，原屬于商業健康險的市場可能會被擠占。因此，本文以全國醫保基金總收入來反映基本醫療保險的普及情況，進而驗證人們是否會因為已經購買了基本醫保而放棄購買商業健康險，即基本醫保是否會對商業健康保險的發展起到擠出效應。

2、健康險業務收入與支出之比。對于商業保險公司而言，其出售保險的最終目的是盈利。但通過查閱EPS數據庫的相關業務數據可知，在2000～2019年，健康險業務的收入與支出之比在各項業務中基本處于最低水平，盈利空間較小。因此，對于商業保險公司而言，可能會將主要精力放在其他業務上，而相對忽視推進健康險業務的發展。所以，本文以此為指標，探究是否因為健康險業務的低利潤而使得其發展緩慢。（圖2）

圖2 壽險公司各業務收入與支出之比圖

3、互聯網普及率。在20世紀90年代前，商業保險主要通過推銷員以及廣告等方式進行推廣。隨著互聯網的發展，商業保險公司可以通過網絡廣告、在線客服、網絡營銷等越來越多的渠道接觸到潛在客戶群體，從而提升商業健康險推廣程度。因此，本文選用互聯網普及率指標反映我國網絡發展程度以及商業保險公司推銷渠道的變化，對其在推廣商業健康險中所起到的作用進行探究。

（三）模型的建立。作為AR模型的推廣，VAR模型可以用模型中所有當期變量對所有變量的若干滯后量進行回歸，從而估計聯合內生變量的動態關系。一方面普通的回歸模型在變量的選取上要考慮變量是為內生變量還是外生變量，有時候還會漏掉某些重要的滯后變量，而VAR模型把所有的變量都作為內生變量來處理，從而減少了由于主觀判斷錯誤而增加了聯立方程組模型中的不確定性；另一方面與其他回歸模型相比，VAR模型能反映出變量之間相互關系的動態變化，對事物發展的情況有更深刻細致的刻畫。綜上所述，本文選取VAR模型對我國健康險業務的發展情況進行分析。

1、向量自回歸（VAR）模型。對于多元時間序列Y，有：

其中，指標數為n，ynt代表在第t個時點第n個指標的觀測值。

故VAR模型可以表示為：

其中，A為系數矩陣，Ak∈RN×T，k=1，2，…，d，d同時也表示變量滯后了d期；εt表示隨機誤差項。

2、脈沖響應函數。在VAR模型的基礎上，可以通過脈沖響應函數分析當VAR模型某個變量受到“外生沖擊”時，模型中其他變量受到的動態影響。根據這些變量受到此沖擊后的一段時間內的動態變化即可畫出脈沖響應圖形。

記L為滯后算子，LYt=Yt-1，則由上式有：

其中，Cij（q）為Cq中第i行第j列元素，滯后期為q；其意味著在其他條件不變的情況下，施加一個單位的正沖擊給變量j后，變量j在t+q期內對變量i所造成的影響。

四、實證分析

（一）單位根檢驗。由于本文所選取的均為時間序列數據，隨著時間的變化這些數據可能存在較大波動，即為非平穩時間序列。該類序列會使得回歸分析出現偽回歸的結果，故為避免這種情況，需要對時間序列HI（健康險業務總收入）、SI（基本醫療保險基金總收入）、IDE（健康險業務收入與支出之比）、INT（互聯網普及率）進行單位根檢驗。利用Eviews進行檢驗，結果顯示為均不平穩，進而對其一階差分序列進行檢驗，結果顯示平穩。在后續步驟中將以各變量的一階差分序列代替原序列。ADF檢驗結果如表2所示。（表2）

表2 原始數據及一階差分后數據的單位根檢驗結果一覽表

（二）協整檢驗及格蘭杰因果檢驗。單位根檢驗是檢驗時間序列是否平穩，但為了在時間序列平穩性基礎上做長期趨勢的分析，還需要對序列進行協整檢驗。這是用來分析變量之間的長期均衡關系，在協整分析兩變量的過程中，如果自變量和因變量是協整的，即因變量可以被自變量的線性組合解釋，就可以確信這兩變量不會產生偽回歸結果并且兩者存在長期穩定的關系。Eviews檢驗結果如表3。（表3）

表3 協整檢驗結果一覽表

根據檢驗結果可以看出，在5%的顯著性水平下各序列之間存在2個協整關系。接下來，由于協整體現的是變量之間存在長期的穩定關系，實際上這只是從數量上得到的結論，不能確定這種相關關系是否有意義。所以,為了進一步確定變量間的因果關系，還需要格蘭杰因果檢驗。格蘭杰因果檢驗通常被用于確定變量之間的格蘭杰因果關系，即在統計學意義上是否能憑一個變量很好地預測出另一個變量的數值。本文借此來對HI與SI、IDE、INT三者的格蘭杰因果關系及影響方向分析，Eviews檢驗結果如表4所示。（表4）

表4 格蘭杰檢驗結果一覽表

由檢驗結果可知，在95%的顯著性水平下，DINT、DIED和DMI序列都與DHI有著雙向格蘭杰因果關系，即全國互聯網普及率、健康險業務的收入與支出之比、基本醫療保險基金總收入的變化與商業健康險保費收入的變化在統計學上互為因果關系。

（三）VAR模型的建立及脈沖響應分析。利用上述數據以及Eviews軟件可以建立VAR模型，而VAR模型的滯后階數可以通過比較模型AIC值和SC值來確定，結果如表5所示。（表5）

表5 VAR模型滯后階數選擇一覽表

可見，最佳滯后階數為2階。接著對滯后2階的VAR模型進行AR根檢驗，以確保模型整體的穩定性，結果如圖3所示。（圖3）

圖3 AR根檢驗結果圖

所有點均落在單位圓內，說明從整體來看該VAR模型是平穩的，所構建的VAR模型為：

進一步對該模型進行脈沖響應分析，結果如圖4所示。（圖4）

圖4 脈沖響應圖

結果顯示，在給互聯網普及率（DINT）一個單位標準差的正向沖擊后，健康險業務的保費收入在前兩期受到正向沖擊，并在第三期轉為負值，隨后逐漸趨于平穩。表明互聯網普及率的提升在初期能有效推動健康險的普及，但在后期卻呈現出反作用。

這可能是由于保險公司網絡營銷策略失當，所提供服務以及產品的質量不能滿足消費者預期，或者銷售誤導或者假保險網站出現，使得消費者權益受到損害等因素。最先購買商業健康險的客戶產生不滿情緒，影響了線上保險業務的口碑，進而加深人們對健康險等商業保險的不信任，使得從長期來看阻礙了健康險業務的發展。

而在給健康險業務收入與支出之比（DIDE）以及基本醫療保險基金收入（DMI）一個正沖擊后，健康險業務保費收入都在前四起呈小幅平緩的正向波動，隨后趨于平穩。表明健康險業務的收益提高以及基本醫保的普及均對健康險業務的開展有一定的促進作用。一方面這是由于健康險業務盈利空間的增長給予了保險公司進一步發展完善該業務的動力，為消費者提供更優質的產品，并從而形成正反饋機制——健康險業務的完善以及健康險的普及程度相互促進；另一方面基本醫療保險對商業健康險體現出了溢出效應而非擠出效應，這可能是由于隨著以基本醫療保險為代表的社保體系的鋪開，人們的保險意識愈發強烈，因此在購買社保之余還需求健康險等商業保險以求自身的風險得到更全面的覆蓋。

（四）方差分析。為了探究健康險業務的收益性、基本醫療保險基金的普及以及互聯網普及率對普及健康險業務的貢獻率，本文進一步對上述結果進行方差分析，結果如圖5所示。可見，三個變量對健康險業務收入的影響時滯都較短，且均在6期后趨于穩定。其中，互聯網普及率的提升對健康險業務普及的影響程度最高，其在前6期呈上升趨勢，之后在15%的水平上保持平穩。而健康險業務的收益性、基本醫療保險基金的普及對健康險業務收入的影響相對較少，5期后穩定在2%左右。（圖5）

圖5 方差分析圖

可見，方差分析結果與脈沖響應分析結果相吻合，即互聯網普及率在提升健康險業務的保費收入中作用最大，且隨時間呈增強趨勢。而健康險業務收入與支出之比以及基本醫療保險基金收入帶來的影響則相對較少。

五、結論及建議

通過以上VAR模型、脈沖響應分析以及方差分解等途徑，可以得出結論：互聯網的普及、社保的推廣以及健康險業務盈利空間的擴大均能在不同程度上促進健康險業務的發展。據此，本文就促進商業健康險的普及提出以下幾點建議：

（一）提升線上保險產品及服務質量。首先，商業保險公司應當優化網絡保險業務流程及產品開發，提升線上保險產品以及服務質量，利用好互聯網帶來的低成本性、便捷性做好健康險產品的營銷。而保險監管機構應當根據網絡保險的特點和存在的問題，盡快制定有關網絡保險的法律法規制度，并確保這些法律法規嚴格執行的實施體系，嚴厲打擊假冒偽劣的互聯網保險產品。網絡保險立法應當包括電子合同、網上交易與支付、網上知識產權、電子數據認證、電子商務認證、在線爭議解決等內容。只有完善的立法、執法和司法才能保障網絡保險有序發展，網絡保險的業務運作和風險防范才能有法可依。

（二）發掘健康險產品的盈利空間。對于商業保險公司而言，應當根據更科學嚴謹的統計數據以及精算模型對健康險產品進行更合理的定價，以尋求更大的利潤空間。在2020年新冠肺炎疫情蔓延之時，有70多家人身保險公司在不增加保費的前提下，迅速將1210款保險產品的責任范圍擴展至包含新冠肺炎導致的身故、傷殘和重疾的賠付。對此，中國人民財產保險股份有限公司原執行副總裁、中國精算師協會副會長王和就指出這種做法十分值得商榷：一是既然疫情到來的時候能夠擴展責任，那么，保險行業“早干嘛了”；二是既然能夠免費擴展，那么，是否意味著原來的定價有問題，是否偏高；三是這種簡單的處理方法，將保險經營的重要基礎精算，陷于情何以堪的境地，讓消費者又如何能夠相信保險和精算是一個科學、專業的概念。因此，從這個側面來看，我國健康險業務發展尚不完善，對健康險產品的開發定價仍然任重道遠。

（三）普及商業保險的重要性。隨著社保的普及，越來越多人認識到保險的重要性。但公眾對保險仍然知之甚少，保險知識匱乏，并不清楚社保是否能為日后面臨的風險提供足夠的保障。因此，相較于政府，商業保險公司有責任也更適合加強對群眾的商業保險宣傳教育工作：一是加強對保險知識的宣傳，將保險知識進行全民普及，有效應對各種風險的發生；二是大力宣傳網絡保險業務，提高網絡保險的社會認知度，推動人民消費觀念和消費方式的轉變，使網絡保險為大眾所接受，促成網絡保險業務。

總之，作為現有基本醫保體系的補充，我國的健康保險市場的潛在需求巨大，但相應的供給能力相對薄弱。在供給側做大做強，才能更好地對潛在需求進行發掘和消化，這也是我國商業保險公司以及商業健康險業務未來發展的必由之路。