在过去的三十年里，已经有许多国家引入或推广了公共健康保险。大量文献证实了提供公共健康保险的好处，包括减少医疗支出风险及改善公民尤其低收入群体的健康状况。

尽管研究表明扩大公共健康保险能够带来许多好处，但也有部分决策者也关注了对劳动市场激励政策带来的不利影响，这使得他们不再考虑进一步扩大公共医疗保险的范围。例如，在工业化经济体中，人们更多关注扩大公共医疗保险会对提供医保的正规工作存在挤出效应。在拥有大量非正规部门的发展中国家，挤出效应会使得劳动力从正规就业部门流向非正规就业部门。这些工作大多不受政府监管，因此劳动力重新分配后会导致税收的减少。本文探究美洲最重要的扩大公共健康保险的政策——墨西哥的Seguro Popular (SP)的劳动力市场效应。

本文检验了扩大公共医疗保险对劳动力供给的影响和对雇主医疗保险的正规工作的挤出效应。

（1）SP对正式-非正规工作边际的影响通常是在补偿工资差异模型的背景下得出的。在补偿工资差异模型中，SP被解释为一种转移，SP的引入导致了与非正式就业相关的非货币利益的增加。因此，只要工人重视这些利益，按照理论预测，像SP这样的计划应该既鼓励正规工人成为非正规工人，又阻止非正规工人成为正规工人。在墨西哥的背景下，这种机制不一定是首要的，因为IMSS和ISSSTE将健康保险与其他有价值的福利，如残疾保险、人寿保险和养老金捆绑在一起。

总体而言，尽管SP在多大程度上阻碍了劳动力寻找正规工作仍然是一个实证问题，但有一个先验的理由表明这种影响的幅度可能很小。

（2）劳动力市场对SP的参与边际反应可以通过多种机制发生。本文研究的一个潜在的重要渠道是，SP通过减少受抚养人健康冲击的频率和持续时间，使照顾者能够留在劳动力市场。有几个原因使护理机制成为SP运作的主要渠道之一。

第一，两代和三代同堂的家庭在墨西哥非常普遍。MXFLS的数据显示，83%的核心家庭和大户家庭至少有一个孩子或老人。这种类型的家庭构成表明，大多数成年人受制于儿童和老年人的照顾需求。

第二，在引入SP之前，在没有保险的家庭中，年轻人和老年人的健康状况不佳，造成了繁重的护理需求。本文利用来自MXFLS(2002)的调查数据衡量了这些需求程度，研究发现年龄分布最极端的人患病的可能性是成年人的两到三倍，且有老人和孩子的家庭每月要花16-33小时应对孩子和老年人的健康冲击。

第三，关于医疗保健利用、死亡率和健康的文献发现，SP可以改善受抚养人的健康状况。

总的来说，这些调查结果表明，家庭面临着繁重的护理需求，而SP通过改善受抚养人的健康来减轻这些需求。反过来，护理负担的减少预计将增加照顾者的劳动力供应。这个预测可以通过一个标准的劳动-休闲模型得出，该模型还假设雇用非家庭成员照顾生病的被抚养人是昂贵的。

本文使用了由墨西哥国家统计局（INEGI）编制的季度劳动力调查（LFS）的数据，来衡量SP对劳动力市场的影响。

劳动力调查LFS是与劳动力工作情况相关的调查。这些调查以面对面、邮件或电话访谈的方式进行。指标包括受访者的人口背景、劳动状况、主要工作和第二份工作的就业特征、教育、以往工作经验、收入等。在1998年，欧洲联盟理事会通过了一项条例，规定LFS将由欧盟成员国进行，作为“提供季度和年度结果的连续调查”，季度结果使得我们可以观察到全国劳动力市场季节性的波动。

LFS的数据包括2000-2004年期间的ENE和2005年及以后的ENOE，ENE于1988年至2004年进行，并于2005年被ENOE所取代。这些调查每季度抽取120000个城市和农村的家庭单位。在给定的时间点上，调查抽取墨西哥大约一半的城市当做样本。

在城市层面，本文将LFS整理成一个城市季度的伪面板数据。主要的因变量是正式员工占员工总数的比例。至于可能存在的异质性，本文将会在后文解释。

本文估计了SP对劳动力市场中正规工人与非正规工人的转变的影响。本文在个人层面使用LFS，并使用该调查的5个季度的面板数据。这些转变包括进入和退出劳动力市场及正式和非正规工作的所有组合，这部分将会在后面详述。

关于LFS还有一个问题，那就是在两个版本的调查中，问题的抽样和措辞有显著的变化。因此劳动力市场的变化包含了两部分，即真实变化和由调查变动而引起的变化。将ENE和ENOE结合起来使用可能会导致估计结果不准确。除此之外，由于面板数据存在断点，因此无法衡量2004年至2005年期间劳动力市场的转变。本文的处理方法是不连续地使用调查中的数据。全文中，图1和图5使用了ENE数据，而其余部分都使用了ENOE数据。

接下来，本文将市级层面和个人层面的LFS数据集与SP的行政记录数据匹配合并。这些记录包含按城市和季度登记注册SP的人数。其中，当某个城市登记注册SP的人数大于10时，定义为提供SP。然后本文将得到的数据集与三个城市-年份面板匹配合并。第一个由INEGI编制，包含市政府支出。第二个由CIDAC收集，包含市长和州长的政治派别。第三种是由美国国家海洋和大气管理局（NOAA）编制，包含夜间人造灯光的遥感数据。本文使用该数据集构建市级的地方经济活动指数。

最后，为了验证关于引入SP计划前的相关结论，本文还使用了几个数据集。首先，关于护理、健康利用和健康的数据卫生成果来自墨西哥家庭生活调查MXFLS（2002年）。第二关于市政卫生服务供应的数据，包括医生和卫生中心，来自DGIS（2001年）。第三有关城市人口特征的数据来自CONAPO（2000年）和INEGI人口普查（2000年）。第四，IMSS中登记的员工人数数据来自（IMSS，2019年）。

墨西哥的城市引入SP计划的时间为2002年至2007年。到2007年，大部分推广工作已经完成，当时98%的城市已经引入SP；2010年在所有城市实现了全覆盖。在2002-2003年的试点阶段，SP在五个州的17%的市镇实施了这项计划。之后该计划于2004年正式启动，并逐步完善推广到其余的城市。本文将试点城市从样本中去掉，因为这些试点城市是经过SSA筛选的，具备条件显示SP的潜力的城市。本文去掉了引入SP非常晚的城市，因为它们基本上缺乏部署SP的基础设施，这使得服务的提供取决于额外建设的卫生基础设施，这使得2007年引入SP计划的城市的效果远不如之前就引入的城市。

因此，本文分析的重点是2004年至2006年期间引入SP计划的城市，这些城市占全国城市的61%。这些城市的公共设施为测试SP的影响提供了理想样本，因为这些城市在引入SP的时候遵循同一套标准，并且它们在基期的时候非常相似。而这些城市引入SP计划的顺序主要是由各州的州长决定的。

下图按照时间序列绘制了三组城市在SP引入前正式员工占总员工的比例的平均值。2004年引入SP的城市用红色三角形表示，2005年引入SP的城市用蓝色钻石表示，2006引入SP的城市用绿色星号表示。本文根据2000年至2004年的ENE劳动力调查数据计算得出。从图形可以看出，在2004年至2005年期间引入SP计划的城市在水平和趋势上都很相似，而在2006年引入SP计划的城市趋势相似，但水平不同。

（1）市级层面检验

本文使用DID模型来检验SP的影响。在第一部分的实证检验中，本文重点关注正规工人占总工人的比例。这是一个衡量劳动力市场的市级层面的存量指标，它使本文可以测算出SP对劳动力市场开始产生可观测影响的时间。本文使用的方程如下：

其中，Y_mt 是在t季度m城市的正规工人占总工人的比例；SP_mt是一个指标变量，从m城市引入SP计划的第一季度开始取“1”；θ_m是城市固定效应，γ_t是季度固定效应，χ_mt是协变量，ε_mt是一个随机误差项。

为了避免劳动力市场本身随时间变化影响模型测算出的SP产生影响的时间和劳动力市场的变化的结果，本文引入了两种控制手段。首先，本文考虑到有些选区在经历当地的经济冲击时，可能会对当选官员的要求更高。在这种情况下，为了应对经济衰退，政府领导人将更有动机去推动SP的实施。而这一机制将有可能影响实证结果，因此本文利用夜间灯光数据来控制这一变化。第二，州长和市长们也可能出于赢得或保护选举优势的目的，而战略性地将SP与政府的其他项目和法规一同部署，而这些项目和法规也将影响劳动力市场的结果。例如，有些政府会在引入SP的同时，伴随着公共部门就业的增加。本文通过控制市级政府支出、市长和州长的政治派别衡量这一因素。

如前所述，就样本而言，在2004-2006年期间引入SP的城市是非常适合用来做假设检验的。这些城市的就业情况数据来自ENOE的调查，调查开始于2005年的第一季度。本文并不是选择任意日期，而是选择结束日期。例如，2006年引入SP的城市被选定为未经处理的对照组。这样做的好处在于，能够将已经引入SP的城市与暂时未引入的和将来不会引入SP的城市作对比，从而估计SP的影响程度。因为在这项调查开始前就已经引入SP的城市已经受到了SP的影响，因此本文将它们排除在外。因此，本文的基期样本包括：在2005年的第二季度和2006年的第四季度之间引入SP计划的城市。样本时间为为2005年第一季度至第四季度。

最后，本文检验了SP的影响是如何随着时间变化的，检验的方式是逐步测试滞后项。本文在方程（1）中将SP_m,t替换成SP_m,t+l，l表示季度滞后量。根据滞后项的定义，本文还扩展了时间以增加基础样本，以更准确地估计SP随时间的影响。例如，在检验城市引入SP至少一个季度时，本文使用了两种方法增加样本。首先，本文继续使用2006年引入SP的城市作为控制组，但他将时间延长了一个季度。第二，本文将在2005年第一季度引入SP的城市也纳入样本，因为在这种情况下这些城市会在观测样本期间成为处理组。

表1给出了模型（1）滞后检验的结果。每个滞后项指标变量都单独测试，并在不同的列中显示，以突出用于估计的样本略有不同。该表描述了SP的影响如何随时间变化。具体而言，第1列至第3列中的结果支持同一个观点，即SP对正规工人占总工人的比例没有直接影响。相比之下，第4列估计了引入SP至少3个季度(约一至两年)的影响，结果显示SP导致正规工人占总工人的比例下降0.8个百分点，或者说相对于平均值下降3.5%。第5列进一步证实了SP对较长时间跨度的影响，该栏显示了SP引入至少四个季度的影响。

（2）个体层面分析

本部分检验了SP对劳动力市场转变的影响，这种转变指的是劳动力市场的状态在一个季度到下一个季度之间发生的变化。模型如下：

其中，Y_imt是个人i在城市m的第t季度发生的转变，其他的变量如前所述。

因变量可以分为三种：（1）就业变成失业状态，即一个人从做正规工人或非正规工人变为失业；（2）失业变成就业，即一个人从失业状态变为找到了正规工人或非正规工人；（3）正规工作与非正规工作的转变，即一个人的工作从正规工作变成非正规工作，或者从非正规工作变成正规工作。即因变量为发生转变的人数。

在这一部分，本文开始检验SP对劳动力市场转型的影响，其主要关注两方面转型：(1)劳动力决定就业或退出就业的影响；(2)已就业者在正规工作s和非正规工作s之间的选择的影响。

从上面的实证结果可得，城市在引入SP至少三个季度，SP对正规工人占总工人的比例的影响才能被检测到，因此这部分的分析将聚焦于这一段时间。因此，以下结果应被解释为对应于引入SP大约一到两年所带来的影响。本文还使用了更长时间的样本，得出的实证结果和下表非常相似，但由于篇幅限制并没有在原文中展示。

表2给出了模型（2）的实证结果。通过这张表可以看出SP通过增加劳动力中非正规工人的保留来增加劳动力供应。此外，它确定该计划不会改变工人关于正规工作和非正规工作的选择。具体来说，第1列显示，在引入SP后，非正规就业向失业的转变下降了约1.3%。（由于实验组城市的平均失业率为16%，这表明SP的影响是将非正规就业的过渡减少了8%。）本文认为这个结果并不令人惊讶，因为通常来说政府的一些政策更难激励劳动力寻找工作。

还有一点值得注意，那就是本文所说的“失业人口”既包括没有能力找到新工作的人，也包括不再找工作的人。在那些不再寻找工作的人当中，有些人可以立即找到工作，有些人则不能。由于这些个人群体的劳动力市场反应可能非常不同，本文还检验了SP对非正规就业和这三种非就业劳动力市场状态之间转变的影响。具体的逻辑见下图。

表2第7列至第9列展示了上述的实证结果。具体而言，根据第7列和第8列的结果可以得出，SP对从非正规就业向unemployment或discouraged的转变的影响很小，且结果不显著。相比之下，从第9列的结果可以看出，将非正规就业和inactive之间的转变减少了1.2个百分点（即大约10%）。这一发现对政策的制定而言很重要，因为能够激励不想再找工作的劳动力重新找工作的政策选择非常有限，并且据本文所知，目前还没有研究发现公共健康保险会提高劳动力市场上的保留率。

总的来说，表1和表2的结果对SP导致非正规就业水平相对上升给出了新的解释。SP不是使工人重新分配到生产率较低的非正规工作岗位上，而是使非正规工人继续留在非正规工作。因此这表明至少在短期内，SP不会带来额外的效率成本。

本文将稳健性检验放在了附录中，以上所有的实证检验都进行了稳健性检验，结果显示实证结果是稳健的。

（1）社会保障方案使女性能够保持就业状态

之前的讨论指出，通过减少受抚养人遭受的健康冲击的频率和持续时间，SP可以降低负有护理责任的家庭成员脱离工作的可能性。因为照顾的负担更多地落在女性身上，特别是那些退出劳动力市场的机会成本最低的人，即女性次要收入者。本文检验了这群人是否造成了上述从非正规就业到inactive的转变的减少，实证结果显示的确如此。

图3的panel A和B显示的是95%的置信区间下，引入SP至少三个季度（大约一到两年）SP对非正规就业和inactive之间转换的结果，绘制所依据的数据是根据模型（2）的OLS估计得出来的系数。

图3的panel A显示的是按照性别划分的SP的影响。第一个系数对应的是SP对女性的影响，第二个系数对应的是SP对男性的影响。结果表明，SP对女性继续就业方面的影响较大，但对男性的影响程度极小。即对于女性而言，SP将从非正规就业到inactive的转变减少了3.1%（相对于控制组城市女性的平均转变0.21，减少了15%）。相比之下，估计对男性的影响要小一个数量级，在统计上与零没有区别。此外，本文做了一个假设检验，原假设为SP在两性之间的影响的平等。结果显示，在p值小于0.01的条件下拒绝原假设。

图3的panel A进一步分解了SP在女性中对主要收入者和次要收入者的影响。本文将主要收入者a primary earner定义为在家庭收入贡献最多的家庭成员。该数字显示，SP能够更多地帮助女性次要收入者。结果显示，SP对女性主要收入者的转变没有影响，但对女性次要收入者而言，它能够将非正规就业和inactive之间的转变概率降低5.2%（相对于控制组中该组的平均转变，这种减少对应于22%的减少。）除此之外，本文做了一个假设检验，原假设为SP在女性主要收入者和女性次要收入者之间的影响的平等。结果显示，在p值小于0.01的条件下拒绝原假设。总的来说，panel A和panel B的结果表明，SP能够将女性留在劳动力市场，尤其对女性次要收入者留在劳动力市场的作用更明显。

接着，本文进一步探究SP的作用机制。由于在墨西哥女性次要收入者通常都需要为家庭提供护理服务，因此针对那些家庭里有受抚养人的人的女性及女性次要收入者，本文估计了SP对他们的影响。

本文增加了一个衡量家庭的抚养负担的变量，即抚养比dependency ratio。受抚养人dependents是指年龄不到15岁或超过74岁的家庭成员。抚养人caregivers是年龄在15到74岁之间的人。选择这些界限是为了最大限度地减少家庭成员既是受抚养人又是抚养人的可能性。抚养比等于“0”相当于家庭没有照顾负担。抚养人比为二分之一相当于每个受抚养人有两个抚养人例如，有一个孩子的夫妇。抚养比等于“1”表示受抚养者和抚养人一样多，例如有两个孩子的夫妇。值越大，表示该家庭的抚养压力越大。

图4的panel A和B表示的是在95%置信区间下，SP对每个组在非正规就业和不活跃之间转换可能性的影响。这些系数对应于从公式2的OLS回归得到结果。每组样本分别为：(1)家庭中没有受抚养人；(2)抚养比a小于或等于二分之一；(3)抚养比大于二分之一。尽管检验的重点是探究SP对居住在有受抚养人家庭的女性的影响，但同时也能检验出SP是否会对家庭抚养压力更大的女性影响更大。

从图4的panel A可以看出，SP的影响是如何随着家庭抚养比的变化而变化的。第一个系数表示的是SP对生活在没有受抚养人的家庭中的女性的影响。第二个和第三个系数对应的是SP对生活在受抚养人越来越多的家庭中的女性的影响。结果显示，对于居住在没有受抚养人的家庭中的女性来说，SP的影响很小，在统计上与零没有区别。而对于居住在有受抚养人的家庭中的女性来说，SP导致在非正规就业和不活跃之间转变的可能性降低了3.6%至5.5%。

图4的panel B呈现了边际效应，用来比较SP在女性次要收入人群中的影响。结果强调，SP对没有受抚养人的家庭中的女性次要收入者没有影响，但它导致非正规就业和inactive之间的转换概率大幅降低了7.1至8.1个百分点，相对于对照组每个组降低了30%-43%。在panel B中，本文还做了进一步的假设检验，结果显示在95%置信区间下，SP对家庭里有无受抚养人的女性次要收入者的影响不同。

除此之外，从图4的panel B还可以看出，生活在有受抚养人的家庭中的女性次要收入者中的SP的影响似乎不是由受抚养人比率较高的家庭驱动的。本文对此进行了假设检验，结果显示抚养比在大于二分之一和小于二分之一的家庭中，SP对女性次要收入者的影响的系数在统计学意义上相等。

总的来说，这一部分证实了SP的作用机制，即通过减轻家庭抚养的负担，SP使抚养人能够留在劳动力市场。准确地说，SP能够更多地帮助主要承担家庭抚养责任的人留在劳动力市场，且这一影响作用只出现在家庭中有受抚养人的劳动力身上。需要注意的是，虽然这一部分的实证结果显示SP只对特定群体有影响，但实际上SP对劳动力总量的影响很大。本文在附录中提供的反事实模拟结果显示，SP使大约66362名有受抚养人的女性次要收入者保持就业。

（2）替代机制

本文根据其他文献，总结归纳了以下几个可能存在的替代机制，并对其进行检验。其中包括：家庭成员之间时间的重新分配、延迟生育、自身健康影响、释放其他家庭资源。

第一，本文增加了我们对发展中经济体扩大社会安全网的劳动力市场效应的了解，表明大规模扩大公共医疗保险可以增加劳动力供给，而不会产生明显的挤出效应。

第二，女性比男性从SP中受益更大，这一前所未有的发现突出了公共医疗保险的影响。因此，这一发现将本文与评估经济发展在减少两性不平等方面所起作用的大量实证工作联系起来。

第三，本文表明，公共医疗保险使家庭能够将资源从低效的冲击应对策略重新配置到生产活动中。因此，本文有助于研究健康冲击的经济后果，也有助于研究穷人的冲击应对策略。

第四，本文补充了相关领域的最新发现，这些发现强调了儿童和老年人的中度健康冲击所产生的相当大的劳动力供应效应。

本文的研究角度较为新颖，从效率的角度出发，探究了扩大公共健康保险是否对正规工作存在挤出效应，并发现了一种前人未曾发现的SP可能的作用渠道，即健康保险通过减少受抚养人的健康冲击，使护理人员能够继续工作。

本文研究思路清晰，研究过程前后衔接紧密、层层递进，结合多种模型和方法保证研究结果的准确性。当实证检验无法证明自己的结论时，则会引用大量的相关文献来佐证。

除此之外，本文处理数据的手段也较为独特。面对面板数据存在断点这一问题，本文采用不连续使用数据的方法来应对。

本文存在的不足之处有两点：一是LFS数据存在局限性，其不包含健康和消费方面的数据，这使得本文在机制检验部分无法完全排除可能存在的替代机制。二是行文较为冗长，存在多处重复论述。

*文章来源：微观发展经济学workshop

*侵权必删