Page 72 - 201902

新农合“病有所医”有无增进农村居民健康？

能够进一步改善就业和收入？其次，如果新农合没能明显增进参合者
健康状况，其是否能在一定程度上提高消费者对医疗服务的利用，也就
是增加医疗服务支出？因此，本文针对收入和自付医疗支出的分析主
要是针对新农合健康影响分析的延伸。

三、研究方法和数据

新农合的实施类似于一项准自然试验，评估其对于参加农村居民
医疗服务利用、健康和收入等的影响可选择的政策评估方法较多。不
过，由于农村居民参与新农合可能存在自选择问题，因此，本文主要采
，
用倾向得分匹 配 法（ 犘狉狅 狆 犲狀狊犻狋 狔犛犮狅狉犲 犕犪狋犮犺犻狀 犵 犘犛犕）估 计 处 理 效 应
犃犜犜 。同时，研究也用基于计量经济模型的最小二乘估计量（ 犗犔犛 ）和
工具变量估计量（ 犐犞 ）进行稳健性检验。
（一）倾向得分匹配法
倾向得分匹 配 法 首 先 是 由 罗 森 鲍 姆 等 （ 犚狅狊犲犲狀犫犪狌犿犪狀犱犚狌犫犻狀 ，
１９８３ ）应用于生物统计领域， ２０ 世纪末才开始在卫生经济和其他社会
科学领域应用。根据他们的模拟实验，通过一系列的假定条件，计算
“平均处理效应”（ 犃犜犜 ）可得到无偏的估计结果，从而创造出自然实验
的效果。其核心思想是通过倾向得分为处理组个体在非处理组中寻找
合适的可比对象进行配对，从而去除选择性偏倚和混杂偏倚。
｛ 犈 （ 犢 １ ｜ 犇 犻＝１ ， 犘 （ 犡 ）） －犈 （ 犢 ０ ｜ 犇 犻＝１ ， 犘 （ 犡 ））｝ （ １ ）
犃犜犜＝犈 犘 （ 犡 ） ｜ 犇
犻＝１
为控制组（ 犇 犻＝０ ）结果，上式中右边
其中， 犢 １ 为处理组（ 犇 １＝１ ）结果， 犢 ０
第一项是可观测到的实验结果，右边第二项是处理组样本不参加项目
时的情况，是一个“反事实”结果，现实中无法观测。在本研究中，由于
参合和未参合的个体有不同的特征， 犘犛犕 通过各种匹配方法将控制组
（未参合组）的样本与处理组（参合组）的样本进行配对，提升匹配处理
后两组群体的同质性和可比性，构造出参合者的“反事实”结果，获得新
农合对参合者医疗支出、健康和收入影响的平均处理效应。用于为处
理组样本配对控制组样本的个体 犻 的倾向得分为在给定特征 犡 的条
件下，个体 犻 进入处理组的条件概率，即：
） ） （ ２ ）
犘 （ 犡 犻 ＝ 犘狉 （ 犇 犻 ＝１ 狘犡 犻
）时，可使用参数估计方法，本研究就
在使用样本数据估计 犘 （ 犡 犻
是采用 犔狅 犵 犻狋 模型获得参加新农合的倾向匹配得分值：

· ６ ５ ·