签到
EN

【健康经济学】空气污染与健康保险需求

64浏览
2022/05/20 08:11发布
经济学前沿问题研究
经济学前沿问题研究
这篇文章推荐研究——【健康经济学】空气污染与健康保险需求

 简介

本文作者用中国保险公司交易数据检验了日常空气污染的变化对消费者决定购买或者取消健康保险的影响。简单来说,当日空气污染指数上升一个标准差,健康保险销售量上升7.2%;在已经购买保险的条件下,冷静期相对于购买日的空气污染指数下降一个标准差,参保人取消保险的概率上升4.0%。作者探索了该结果背后的机制,发现投射偏差和认知显著性两个心理现象可以很好地解释研究结果。

 

01 研究策略和数据来源

 

 

 

大量研究表明,空气污染对身体有害。由此,作者假设一个城市的空气污染指数(Air Quality Index,AQI)与同时期该城市人口的健康水平呈负相关,该数值越高表示空气污染越严重,公众健康水平越差,而后利用AQI作为同时期该城市人口健康状况的代理变量。

 

本文四个数据来源为:一所中国大型保险公司、美国国务院、15天气(中文天气网站)和一项在线调查。

 

从保险公司提供的保险单来看,合同中包含从购买日到保险生效期之间的180天等待期。同时,法律强制要求10天的“冷静期”(Cooling-off Period,CoP),在此期间,消费者可以取消其保险合同而不会受到任何处罚。

 

作者从美国国务院获取了以小时为单位的PM2.5测量数据,遵循美国EPA公式(EPA,2004),以AQI值表示。AQI值旨在通过将污染水平映射到与健康类别相对应的整数点,来帮助做出与健康相关的决策(图1)。

 

图片

 

作者从15天气中抽取了每个城市的天气信息,这些数据包括每日的低温和高温、降水以及降雪的虚拟变量。将天气数据与AQI数据按照城市和日期排序合并后,删除了AQI信息不可用或明显不可靠的的观测结果,一共采用了在2577个城市*天销售的579,303份健康保险样本,描述性统计如表1所示。平均每个城市每天售出224.8份健康保险,样本中的平均合同期限为31.6年,大约有一半购买人为自己购买保险,被保险人的平均年龄为25.4岁,而被保险人的一半以上是女性,平均CoP取消率是2.8%。

 

最后,作者使用了来自一项简短的在线调查的数据,该数据旨在测试空气污染的每日变化是否会影响公众对未来污染水平的看法。

图片

 

02 实证结果

 

01

空气污染对购买保险的影响
 

 

实证部分首先希望检验空气污染水平对公众购买健康保险决定的影响,估计方程如下:

 

图片

 

Insurancejt为城市j在日期t健康保险的销售量,AQIjt是AQI是城市j在两天时段(日期t和t-1)中每小时的最高AQI(考虑到购买者会在购买的前一天做出购买决定,因为污染往往会在晚上达到最高峰,而那时保险公司已经下班且无法接受客户订单)。向量Xjt是一个关于高温数值和降水和降雪的虚拟变量组成的函数。Djt表示城市的固定效应,标准误聚类到城市*日期。

 

回归系数β捕获了空气污染对健康保险需求的影响,该系数可以解释为由于AQI增加一单位而导致的在当日售出的保险合同总数的百分比变化。

图片

 

估计方程的结果在表2中呈现。第1列表示,AQI增加一个标准偏差将导致当日健康保险销售量增加7.2%。

 

第2列中,作者通过替代EPA定义不同类别的污染水平的指标变量,重新估计方程式,允许AQI对保险销售额产生非线性影响。结果表明,只有当AQI高于150(相当于EPA认定“不健康”的水平)时,AQI对销售量的影响才变得明显。与AQI≤50时的健康保险销售量相比,AQI位于区间(150,200](不健康),(200,300](非常不健康)和AQI>300(危险)分别具有16.8%,16.8%和23.4%的显著增长。这些结果表明空气污染水平会增加个人对健康保险的需求,并且只有当空气污染达到一定水平(显著且会立刻影响健康状况),才会发生增加需求的效应。

 

第3列和第4列为稳健性检验。第3列为将其他城市AQI作为附加项,对方程重新进行回归的结果。结果显示,其他城市AQI的系数很小且在统计意义上不显著,表明健康保险的需求仅受空气污染水平的局部而非地域性变化的影响。第4列为将非健康保险合同出售量作为因变量重新回归的结果。结果显示,β系数很小且在统计意义上不显著,这表明空气污染不是非健康保险产品需求的重要驱动因素。

 

最后,作者关注到另一个潜在的问题,数据所包含的时间序列没有充分考虑季节变化。作者尝试通过两种方式解决此问题。第一,作者通过月-年固定效应对城市进行控制后,检查空气污染水平残差。如图3所示,虽然冬季的污染分散度高于夏季,但污染水平并未显示任何明显的模式,表明无季节性变化规律。

undefined

02

空气污染对保险取消率的影响
 

 

作者研究了空气污染水平对消费者(在已经购买了保险的情况下)在冷静期CoP取消保单决定的影响,估计方程如下:

 

图片

 

Cancelijt为哑变量(1表示个人i在城市j在11天内取消了在t日购买的保险单,公司不完全遵守10天冷静期的规定,期限常常宽松到11天,而将变量限制为10天也有相似的结果)。(AQIij,t+1,...,AQIij,t+11)是11天空气污染水平的向量。Ci为包含了保险合同特点的控制变量(保险持有人的年龄、性别,保险受益人是否是自己,保险单期限)。Xjt是天气变量的向量,Djt表示城市的固定效应,标准误类聚于城市*日期。

   

图片

 

回归结果如表3所示。回归结果表明,空气污染水平对保险取消率的影响是相对水平上的而非绝对水平。也就是说,在做出取消保险决定时的AQI仅在其与决策者在购买保险时的AQI不同时,才会产生影响。

03

空气污染对非健康保险取消率的影响
 

 

在研究了空气污染对健康保险的影响后,作者接着通过重新估计表3第1列所有保险合同的变量,并将相对AQI与非健康保险保单的虚拟变量进行交互,来测试空气污染对非健康保险取消率的影响,结果如表4所示。

图片

第1列包含与表3中的回归相同的控制变量,而第2列包含天气、合同特征和非健康保险保单的虚拟变量之间的交互作用项,以使这些变量对健康保险和其他保险具有不同的影响。两种设定下,购买日和冷静期AQI差异的系数显著为负,然而交互项系数显著为正,所以空气污染对非健康保险的边际效应几乎接近零。

 

03

空气污染对保险合同特征的影响
 

 

实证的最后部分,作者研究了空气污染水平对保险合同特征的影响。

图片

 

回归估计方程变量设定与前文相同,结果在表5中列出。

图片

 

第1列和第2列为OLS回归的结果,其因变量是保险合同期限的对数或被保险人年龄的对数。第3-5列显示了根据概率回归估算的样本均值的边际效应。回归得到系数不显著或显著但值较小。结果表明,尽管空气污染显著增加了对保险的需求,但它并没有改变保险合同的特征或购买保险的人员构成。

 

03 可能的机制

 

 

作者考虑了学习效应、投射偏差、错误信仰、认知显著性四种心理机制,其中投射偏差和认知显著性两种心理机制可以较好地解释实证结果。随后,作者讨论了区分这两种机制的方法,然而目前的研究中并没有很好的衡量基准对两种机制进行区分,因此作者并没有在两种机制中做出取舍。

 

01

投射偏差
 

 

 

投射偏差是指个人趋向于夸大其未来的想法与当前的想法相同的趋势。作者基于Loewenstein等人的研究,构造了以下投射偏差效用函数。

图片

个人在t时间购买了保险I,有效期为T,st为状态变量,表示t时点的健康状况,表示预期未来健康状况。被购买后,保险将在t+2时期起效,而购买人可以在t+1时间无成本取消保险。α为投射偏差的测量指标(α=0表示个人无投射偏差,α>0表示存在投射偏差),B(s)是一个非零递增的函数,表示健康保险在某个时点给个人带来的好处,p为保险价格。

 

这个简单的框架说明了st可以对保险需求产生的影响:有投射偏差的个人(α>0)当前健康状况st越差,保险带来的效用越大。

 

如果图片,个人将选择取消保险。那么,存在一个s <st,使得如果st+1 <s,他们将在t + 1期间取消其保险。也就是说,相对于购买日健康状况而言,存在投射偏见的个人CoP(t+1)在冷静期的健康水平足够低时,他们将取消保单。

 

 

02

认知显著性
 

 

 

认知显著性是指个人的注意力倾向于某些“显著”特征的趋势,并且这种特征会不成比例地影响决策。当空气污染程度很高时,患上与污染有关的疾病的风险更高,继而成为公众关注的重点,从而增加了公众对健康保险的感知价值。当空气污染水平下降时,患上这些疾病的概率下降,公众减少了对其关注,于是对健康保险的感知价值下降。

 

因此,认知显著性机制也可以较好地解释实证得到的两个主要结论:更高的空气污染水平下,公众对健康保险的需求上升;而空气污染水平相对下降会导致保险取消率的上升。

 

03

投射偏差vs认知显著性
 

 

投射偏差和认知显著性都可以较好地解释实证结果,那么应该如何区分这两种机制的作用呢?一个可以进行区分的角度是:投射偏差更能解释状态变量绝对水平变化的影响,而认知显著性更倾向于解释相对水平变化的影响。基于Busse等人的研究(2015),作者探究了作为衡量认知显著性和投射偏见两种机制差异的两个潜在基准(benchmark):一年中特定时间的污染水平期望值和近期过去污染水平。


“一年中特定时间的污染水平期望值”作为基准时,污染水平和往年相同时间段污染水平的不同会引起公众的特别关注。在认知显著性机制的作用下,往年平均污染水平相对较低时的高污染水平会对公众的决定有更大的影响。而投射偏差机制的作用下,相同的高污染水平在全年对公众做决定的影响是相同的。但是因为空气污染水平存在季节性变化规律,所以该基准实际操作中并不能很好区分两种机制。

 

“过去近期的污染水平”作为基准时,若出现高污染水平之前为低污染天气,高污染会引起公众特别关注。在认知显著性机制的作用下,出现高污染水平之前出现低污染天气的高污染水平对健康保险需求有更大的影响。而投射偏差机制下,公众对健康保险的需求将不受近期过去污染水平的影响。作者使用分布滞后模型检验了近期过去污染水平和健康保险的需求的相关性。结果如图4所示,近期过去污染水平和健康保险的需求并没有明显的相关性。

 

 

 

图片

这可能说明是投射偏见机制在起作用,但是并没有证据证明“过去近期的污染水平”是一个很好的衡量基准。而Busse等人(2015)在天气温度对汽车销售量影响的研究中发现认知显著性为主要作用机制,与本文的结果相反。

 

综上,因为两种心理机制在目前的研究中难以区分,本文并没有在投射偏见和认知显著性两种机制中做出取舍。

 

04 结论

 

本文有两个主要结论:更高的空气污染水平会导致健康保险的需求上升;冷静期的空气污染水平比购买日的污染水平更低会导致取消保险的概率更高。作者探索了一系列潜在的机制,并发现实证结果与投影偏差和认知显著性较符合。

 

本文研究结果表明,与理性选择理论不同,暂时性的情况可能对商品市场产生过大的影响。该结果可以推广到其他场合,表明跨时行为偏差可能对商品和服务真实需求有重要驱动力。

 

从政策角度来看,本文提供了证据来支持CoP可以减轻跨时行为偏差影响的观点。决策者需要在设计和规范医疗保险市场时考虑到个人当前的健康状况可能会对他们的健康保险的需求产生过大影响这一事实。

 

 

Abstract

 

We find that daily air pollution levels have a significant effect on the decision to purchase or cancel health insurance in a manner inconsistent with rational choice theory. A one standard deviation increase in daily air pollution leads to a 7.2% increase in the number of insurance contracts sold that day. Conditional on purchase, a one standard deviation decrease in air pollution during the cooling-off (i.e. cost-free cancellation) period relative to the order-date level increases the return probability by 4.0%.We explore a range of potential mechanism and find the most support for projection bias and salience.

 

 

 

 

 

*文章来源:劳动经济学与社保研究

*侵权必删

经济学前沿问题研究
经济学前沿问题研究
文章181
·
总浏览量17695
最新文章
更多
【征稿-EI检索】第五届新型功能材料国际会议(ICNFM 2024)
杜金桐
10
浏览
智领未来 元启新篇|南京江宁AIGC与元宇宙产业发展论坛暨元宇宙供需对接大会成功举办
杨展
2237
浏览
前沿科技盛会:南京AIGC与元宇宙论坛引爆行业新风向!
杨展
33354
浏览
顶刊JDE | 外资冲击波下的质量危机!中国出口产品质量下滑是为哪般?
经济学前沿问题研究
41
浏览
【EI检索】2024年第一届先进能源材料、能源器件与能源系统国际会议(AEMDS 2024)
杜金桐
14
浏览
探索生成式AI产品新纪元,2024 全球产品经理大会重磅来袭!
小助手
3359
浏览
热门用户
学术前沿速递
学术前沿速递
文章
300
学说观点
学说观点
文章
300
AIGC交流社区
学说官方
文章
240
未央网
未央网
文章
233
毕宣
中央财经大学
文章
185
王凯
T. Rowe Price
文章
181
热门文章
更多
经济学入门必读书籍有哪些值得推荐?
楚健
·
1177
浏览
绿色信贷能否提高商业银行的核心竞争力?基于中国的准自然实验
创新研究
·
854
浏览
研究方法 | 文献资料分析方法大全!收藏
周舟
·
755
浏览
最新综述!AIGC到底是什么?都有哪些应用?一文尽览!
AIGC交流社区
·
747
浏览
数电票的26个问题,税局统一回复!
张俊熙
·
724
浏览
如果经济学家连股都不炒,那他们都在干什么呢?
李博
·
679
浏览
“特斯拉”打败了“星巴克”
张子瑞
·
665
浏览
研究方法:文献资料分析方法
周舟
·
639
浏览
银行纷纷入局数字藏品赛道,什么信号?
李杨杨
·
599
浏览
会议预告|清华五道口绿色金融讲座第一期,邀您探讨“碳达峰碳中和——中国发展转型的机遇和挑战”
学术会议动态
·
3319
浏览