简介

 

负面的健康冲击是美国成年人经济风险的一个主要来源。 防范此类风险一直是美国制定医疗保险的政策目标。2010年，美国通过的《平价医疗法案》(Affordable Care Act)大幅扩大了公共和私人医疗保险的覆盖范围，特别扩大了对非老年的成年人的覆盖范围。现在，绝大多数美国成年人都有医疗保险，然而现有研究较少关注他们因不利健康事件而面临的经济风险。

 

本文利用事件分析法，检验了美国成年人因健康冲击住院带来的经济影响。首先，作者利用美国健康与退休研究(HRS)数据，分析住院对自费医疗支出、收入及其构成因素的影响。接着，作者构建了加州住院的成年人在2002-2011年的信用报告的面板数据，分析住院对未支付的医疗账单、破产、获得信贷和借款的影响。

 

研究显示，对于有健康保险的非老年成年人来说，住院增加了自费医疗支出、未支付的医疗账单和破产，并减少了工资、收入、以及获得信贷和消费贷款的机会。与自付医疗支出的增长相比，收入的下降是相当大的，而且在达到退休年龄之前，这种收入下降几乎没有被保险覆盖。相对于有保险的非老年人群，无保险的非老年人群在住院后未支付的医疗费用和破产率的增长幅度要大得多。

 

01  理论框架

 

作者建立了一个简单的两期模型，其中健康冲击可能导致自费医疗费用增加和收入减少;  这个模型还可以用来分析健康冲击对财务状况（借款、借款限额、未支付的医疗账单和借款成本）的影响。

 

模型设定中，个人可以存活两期，在第1期开始，有p的概率遭受负面健康冲击，产生两种状态（J）：S（生病）和H（健康）。个人每期效用函数形式为：

健康冲击带来的医疗费用为m，并且使得个人工资从wt下降到(1 − αt) wt  (αt∈ [0, 1])。保险可覆盖λmm的医疗费用和λαα的工资下降 (λm∈ [0, 1] ,λα∈ [0, 1] )，保险费用为π。

 

个人每期可选择的劳动供给(ht)、消费(ct)、在利率r(u,b)下第1期的借贷(b)以及支付多少剩余医疗费用(1-λm)m，u⩽(1-λm)m为未支付的医疗费用账单。利率r(u,b)为借款(b)和未支付账单(u)严格递增函数，最大借款额度为L。

 

个人预算约束为：

个人优化行为即：根据所处状态、保险数额以及预算约束进行选择以实现效用最大化。

 

根据优化行为，用Δ表示生病(S)与健康(H)状态下个人的相关结果的差，考虑保险没有完全覆盖医疗费用与收入损失的情况(𝜆m<1,𝜆𝛼<1)，可得命题1：

 

Δc1<0, Δc2<0,  ΔU<0, Δu>0; Δb, Δr, ΔL, Δy1, Δy2的符号不确定；

但是Δb≠0，Δr≠0，ΔL≠0，Δy1≠0，Δy2≠0.

 

命题1表示，遭受未完全被保险覆盖的健康冲击的个人效用和消费将会下降，同时，我们认为若收入(y1和y2)、信用额度(L)、借款(b)、未付医疗费(u)和利率(r)，这些结果中的任何一个发生变化则意味保险未完全覆盖健康冲击带来的损失。

                                                                                                                 

02 数据和实证框架

 

01

数据和样本

 

作者使用了两个互补的数据集来分析命题1中的结果。第一个数据来源是美国健康与退休研究(HRS)，HRS是一项针对美国老年接近老年的人口的全国代表性调查，本文使用了从1992年到2012年的11次半年度调查面板数据。第二个数据是 2003年到2007年从加利福尼亚州的医院出院的患者样本，同时将他们2002年到2011年一月份信用报告以及这些患者在加利福尼亚人口动态统计(California vitalstatistics)的2000年到2010年间可追踪到的住院信息与死亡率数据相结合形成面板数据。

 

本文的健康冲击定义为近三年没有住院的个体的首次非妊娠相关的住院。主要关注的基准样本是有健康保险的住院的成年人(non-elderlyinsured) ，即约2700名在HRS数据中住院时年龄为50-59岁的有保险的成人和38万名在信用报告数据中住院时年龄为25-64岁的有保险的成人。同时也关注了老年人个体（elderly，年龄大于等于65岁）和无保险的成人个体（uninsured）。

 

作者使用HRS分析住院对自付医疗支出((1−λm) m−u),工资收入(wt*ht),收入(y t)和收入保险(λα，主要是配偶收入、失业保险和各种社会保障计划)的影响，使用信用报告数据来分析模型中剩余的关键结果变量:未付医药费(u)、借款(b)、借款限额(L)和借款成本 (r，用信用评分度量)。

 

02

实证模型

 

（1）非参事件分析法

 

使用非参事件分析法的主要优点是可以可视化(和灵活)地评估与住院日期相关的结果。基准模型为：

其中γt代表日历时间固定效应的系数, Xit是一些潜在控制变量， μr代表相对入院时间指标的系数。本文关注的关键系数是μr，它估计了事件时期r相对于-1期的结果。

 

同时，为了使得非参数方法的估计系数为住院的因果效应，需要识别假设：在给定本文的观察窗口期和其他控制变量的条件下，样本个体住院的时间与结果变量不相关。但是，如果由于健康状况恶化而入院，或因失业造成的不利健康影响而入院，就会违反这一假设。

 

通过非参数估计方法可以检验住院前几个月的结果的长期时间趋势。事件的相对准确的时间度量和结果的高频率测量(特别是在信用报告数据中)使作者能够直观和非正式地评估事件发生前后的结果是否出现了急剧变化。同时非参数方法还可以对建立参数事件分析法模型进行指导。

 

（2）参数事件分析法

 

同时，本文使用参数事件分析法来得到估计因果效应的大小和它们的统计意义。对于时间趋势函数形式的选择依据的是非参数事件分析法中看到的模式。

 

在HRS数据中，参数估计的基准方程为：

该方程假设了事件时间r有线性的时间趋势。关键系数为μ'r，代表了住院后的结果相对于线性时间趋势(δ)的变化。

在信用报告数据中，参数估计的基准方程为：

该方程除了假设线性的时间趋势，还假设时间发生之后的趋势为三次项形式。关键系数β2-β5能够得到住院后相对于任何先前存在的线性趋势(β1)的结果变化。

 

首先，模型中线性时间趋势项的选择基于非参数法的估计结果（具体见后文结果部分），同时，参数事件分析法需要的识别假设为：在给定样本以及住院和其他控制变量的条件下，个体住院的时间与结果变量的事件时间线性趋势不相关。这一假设仍然要求在给定控制变量的条件下，不存在与住院同时发生的和结果变量相关的因素，例如个体失业同时也造成了住院。

                                                                                                                 

03 实证结果

 

01

HRS主要结果

 

图1显示了入院时年龄在50-59岁的有保险的非老年人的住院对自付医疗支出、就业、收入、配偶收入、政府转移支付和家庭总收入的影响。对于每个结果，作者绘制出非参事件分析法中事件时间的估计系数(μrs，散点图)，以及参数事件分析分析法中估计的入院前结果和事件时间之间的线性关系(δ，折线图)。同时，基于参数事件分析法估计系数，作者更正式地计算了入院后不同时间段的隐含效应(implied effect)，表2显示了入院后1年和3年的隐含效应，以及入院后3年的平均隐含效应。

 

由图1可以看出住院前的时间趋势比较符合线性趋势。同时，由表2可得，住院增加了住院之后三年的平均每年的自付医疗费用1429美元，而且对于自付医疗费用的影响在第一年更大。住院减少了10%左右的就业概率，大约是住院前平均就业率的12-15%，同时使得每年的平均工作收入减少8753美元，大约是住院前平均收入的20%。另外，住院对配偶收入无显著影响，住院会导致年均的社会保险增加了881美元，即大概10%的收入下降通过社会保险得到了保障。家庭年均家庭总收入下降8161美元也从另一方面证明了上述结果。

 

另外，作者还进行了年龄和保险状态的异质性分析以及对于识别假设的稳健性检验，结果均与基准回归结果类似。

 

02

信用报告主要结果

 

表5与表6展示了住院对信用报告相关结果影响的参数估计，可以看出，四年后，住院增加了302美元的欠款且显著提高了银行破产概率。同时，住院使得信用卡余额（代表借款b）减少1208美元，这和未来收入的下降是一致的。另外，住院还导致信用卡额度的下降（2215美元）与信用评分的下降（1.8），而信用评分的下降会导致借款成本（r）的上升。

 

 

另外，作者还分析了老年人和没有保险的非老年的成年人的结果，并且进行了一系列的稳健性检验，结果也与主要结果一致，可参见论文正文及附录。

 

04 结论

 

本文基于两个数据集研究了住院对于有保险的非老年成年人的经济影响。研究结果表明，非老年的成年参保者仍然面临着因住院对劳动收入的影响，从而产生的相当大的不利的经济影响，在他们有资格领取社会保障退休金(Social Security Retirement Income)之前，收入下降只得到了很低程度的保障。本文发现了美国保险的本质和缺失，本文的描述性结果还可以作为更精准的量化研究负面健康冲击的福利和成本效应的经济模型的校准依据。

 

 

 

*文章来源：劳动经济学与社保研究

*侵权必删