这类研究通常采用多元回归方法来控制个人的特征变量(如年龄、性别、是否参保、健康行为等)，比较有保险覆盖居民和无保险覆盖居民的健康状况是否存在差异。Young和Cohen使用1987年美国麻省医院4 972名急性心肌梗死患者数据，按患者的保险状况，分为按服务项目收费、健康维护组织(HMO)预付、没有任何保险三组。研究发现，与按服务项目收费、健康维护组织(HMO)的参保患者相比，无保险的患者出院三十天后的死亡率明显较高。这说明保险可以有效降低心肌梗死患者的死亡率。^[5] Ayanian和Kohler等人以1985—1987年4 675名患乳腺癌女性为研究对象，在控制年龄、民族、婚姻状况、家庭收入、疾病阶段等变量后，运用比例风险模型评估不同保险类型患者的死亡风险。研究表明，与私人医疗保险患者相比，无保险患者和享受Medicaid的患者乳腺癌更严重，生存概率更低。与私人医疗保险患者相比，无保险患者的调整死亡风险高49%，享受Medicaid的患者，其调整死亡风险高出40%。这可能是由于无保险和享受医疗保险救助计划的患者，通常都是穷人和健康状况较差的人群导致的。^[6] Franks等人对1971—1975年全国健康和营养调查的4 694 名成年人数据的估计结果表明，没有保险覆盖的成年人，其相对死亡风险比私人保险覆盖的人群高1.25倍。他们还发现，在17年内无保险人群的死亡率要比私人保险的参保人群高2倍(分别为18.4%和9.6%)。^[7] Sorlie等人运用1982—1985年美国人口调查中的147 779名成年人数据和全国的死亡率数据，研究发现除了非裔美国人外，没有保险的成年人五年内的死亡率要比有保险人群高1.2~1.5倍。^[8]

需要指出的是，这类基于观察数据的研究大多没有控制医疗保险变量的内生性，因而不能准确识别医疗保险与健康状况之间的因果关系。参加保险的人健康状况较好，可能是由于不可观察变量导致的。为克服内生性，越来越多的学者使用工具变量法(Instrumental Variable，IV)进行研究。Dor等人利用1992年和1996年美国健康和退休调查(Health and Retirement Survey)数据，选取美国各州的边际税率、平均失业率、平均加入工会率等变量作为工具变量进行两阶段回归分析。研究发现，私人医疗保险显著改善了45~64岁美国人的健康状况。^[9] Hadley和Waidmann则使用配偶是否加入工会、是否是移民和在美国居住的时间作为工具变量来控制保险的内生性。结果发现，私人保险显著提高了55~64岁美国人的自评健康状况。^[10]

随机控制试验(Randomized Controlled Experiment)是识别变量因果关系的黄金法则，可以有效消除个人选择带来的估计偏差。为了研究医疗保险对健康状况的影响，美国兰德公司在20世纪70年代进行了历时8年的大规模社会实验，即著名的兰德医疗保险试验(Rand Health Insurance Experiment)。该试验将美国6个不同地方(分别是俄亥俄州的戴顿、华盛顿州的西雅图、马萨诸塞州的费奇伯格和富兰克林、南卡罗莱纳州的查尔斯顿和乔治城)的家庭随机分配到不同的医疗保险计划(从免费医疗到共付比95%的医疗保险)，以消除居民的个人选择，准确识别医疗保险与健康状况之间的因果关系。基于兰德试验数据，Brook等人和Newhouse的研究发现，医疗保险的补偿程度对普通成年人的健康状况没有显著影响，但对近视和患高血压的低收入人群而言，较好的保险可以明显改善健康状况。因此，医疗保险对健康的影响取决于人群的收入水平和疾病类型的差异。^{[11, 12]}

随机控制试验虽然可以较好地识别因果关系，但也面临以下问题：首先，费用高昂，操作复杂，在实际研究中往往很难实现；其次，在试验过程中，不严格的随机分组，试验对象的中途退出或者死亡以及参加试验的个体可能因为试验而改变自己的行为等，都可能对随机试验结果产生影响，进而影响数据质量和结果的可靠性。如何克服随机试验过程出现的问题，以得到完美的研究结果，是研究者未来需要关注的重要问题。

与随机控制试验数据相比，自然试验通常以某项医疗保险政策的实施来模拟随机试验，进而分析医疗保险对参保者健康状况的影响。自然试验的好处在于，不需要对研究对象进行随机分组，也不需要高昂的费用支出。由于政策实施通常是外生变量，类似于随机分配(Random Assignment)，与居民健康状况无关，因而可以有效地克服医疗保险的内生性问题。

Currie和Gruber研究了1984—1992年美国Medicaid降低低收入家庭的享受资格对儿童健康的影响。降低低收入家庭的享受资格是政府实施的政策，是外生变量。作者利用各州覆盖率的差异来估计Medicaid覆盖面扩大的影响，发现穷人医疗救助享受资格标准的降低有效降低了儿童的死亡率。^[13]基于同一方法，Currie和Gruber的研究发现，Medicaid降低怀孕妇女的享受资格标准后，婴儿死亡率和低体重婴儿的出生率明显下降。^[14] Lichtenberg把美国Medicare的享受资格年龄(65岁及以上老年人)看作是一个自然试验。结果发现，享受该医疗保险计划后，老年人的医疗服务利用显著增加，死亡率明显下降。对医生的访问次数每增加10%，老年人的死亡率可降低5%。^[15] Finkelstein和McKnight的研究也得出同样的结论。他们使用20世纪60年代美国的数据研究发现，医疗保险覆盖范围较小的州，在Medicare计划实施后，老年人的死亡率明显下降。^[16]然而，Card等人的研究表明，这一计划虽然可以改善老人自评健康状况，但对死亡率没有任何影响。^[17] Polsky等人的研究也发现，这一计划并没有显著改善老年人的总体健康状况。^[18]

赵忠、侯振刚分析了中国城镇居民健康需求的影响因素。结果发现，有无医疗保险对18~55岁城镇居民的健康状况并不显著。^[19]罗楚亮的研究表明，公费医疗、大病统筹、商业医疗保险对城镇居民的健康有显著的正向影响，但对于16~60岁的农村劳动年龄人口来说，商业医疗保险对自评健康状况有显著的负影响，这可能是由于农村居民参保中的逆向选择行为导致的。^[20]黄枫、吴纯杰和甘犁等人利用2002—2005年“中国老年人健康长寿影响因素调查数据”估计医疗保险对老年人死亡风险的影响。Cox比例风险模型结果表明，享受医疗保险的老人死亡风险比无保险的老人低19%。Kaplan-Meier生存函数估计结果显示，享受医疗保险老人的平均生存时间比无保险的老人多5年。这说明，医疗保险极大地改善了中国老年人的健康状况。^{[21, 22]}

雷晓燕和林莞娟基于“中国健康与营养调查”面板数据，使用“自评健康”和“过去四周内生病或受伤次数”考察了新农合的健康绩效，但并未发现新农合能显著改善参合者的健康状况。^[23]孟德峰、张兵和王翌秋以2003年江苏农村居民为分析样本，研究新型农村合作医疗制度对农民健康的影响。作者利用双倍差分法(difference-in-difference propensity score matching)来控制医疗保险变量的内生性，发现新型农村合作医疗没有改善农民的健康状况。^[24]李冰水、胡宏伟运用2006年中国健康与营养调查数据研究新型农村合作医疗对农村老年人健康的影响。为控制保险变量的内生性，作者以社区平均参加医疗保险比例为工具变量进行回归分析。研究发现，医疗保险对老年人的健康并没有显著的促进作用。其原因在于医疗保险等社会经济因素在个体成年之后、老年之前的作用可能更为明显，在老年人群体中的作用程度显著下降。^[25]陈玉宇和金哲利用2006年中国农业调查数据，研究新型农村合作医疗对儿童死亡率、孕妇死亡的影响。作者使用基于倾向得分的双倍差分法来消除个体选择偏差。结果发现，新型农村合作医疗对儿童死亡率和孕妇死亡率没有影响。^[26]然而，程令国、张晔基于2005年和2008年中国老年健康影响因素跟踪调查(CLHLS)数据的研究发现，新农合提高了参合人员寻求正规医疗的概率，并增加了患者得到医院及时救治的可能性，提高了参保者的健康水平。^[27]

从国内学者的研究中可以发现，无论是城镇职工基本医疗保险还是新型农村合作医疗，均明显改善了老年人的健康状况。但对其他居民而言，医疗保险对健康的影响并不显著，但是对于患某类特定疾病或低收入群体健康状况的人群有积极的影响。在国家不断推进医疗保险制度的大背景下，如何有效发挥医疗保险的健康促进作用，值得政策制订者的反思和关注。