为满足城镇非就业人群和农村人口的医疗保障需求，我国于2003年和2007年分别实施了新型农村合作医疗制度(以下简称“新农合”)与城镇居民基本医疗保险制度(以下简称“城镇居民医保”)。自两项医疗保险制度实施以来，人民群众的医疗保障和健康水平稳步提升，制度绩效的发挥持续平稳，对于建立健全全面基本医疗保障体系发挥了重要作用。同时，长期的城乡二元分离格局也使得两项制度城乡分割的负面影响凸显，存在着待遇差距、重复参保等制度的公平和效率问题。国务院于2016年印发《关于整合城乡居民基本医疗保险制度的意见》，明确提出整合新农合和城镇居民医保，建立统一的城乡居民基本医疗保险制度(以下简称“城乡居民医保”)。数据显示，2019全年城乡居民医保基金收入8 451.00亿元，同比增长7.71%；支出8 128.36亿元，同比增长14.23%；年末累计结存5 061.82亿元。^[1]城乡居民医保已经在基本医疗保障体系中发挥其制度效用。

基本医疗保险制度作为维护人民群众健康和政府转移支付的工具之一，其制度绩效备受学术界关注。在“健康中国2030”战略和“后扶贫时代”背景下，本文将重点考察城乡居民医保制度统筹带来的健康绩效及防贫绩效：与之前新农保和城镇居民医保相比，城乡医保统筹后参保居民的健康水平和贫困风险抵御能力是否显著提升？回答该问题，不仅能够考察整合后城乡居民医保的制度绩效和政策效果，还能为“健康中国2030”战略的具体实施及“后扶贫时代”的防贫工作提供实证依据和参考。

1 文献综述

关于城乡医保制度统筹与医疗服务和健康的研究。首先从医疗服务和医疗行为看，马超等研究发现城乡医保统筹显著提高了农村居民过去一个月看门诊次数。^[2]何桂香对新疆乌鲁木齐市城乡医保统筹前后的政策变化进行分析，发现制度统筹对参保人员的就医选择有积极引导作用。^[3]马超等人基于Roemer机会公平理论，认为城乡医保制度统筹显著缓解了居民医疗服务使用机会的不平等状况。^[4]朱凤梅基于某市2009—2014年的住院报销数据，分析发现城乡医保制度统筹显著提升了农村老年人群的医疗服务需求。^[5]再从健康水平改善看，马超等基于社会融入理论，认为城乡医保制度统筹能够促进农业流动人口心理健康层面的社会融入。^[6]常雪等不仅通过双重差分模型分析发现城乡医保制度统筹能够显著提高居民自评健康水平，还通过路径分析发现城乡医保制度统筹通过减少居民患病避医的行为来提高其自评健康水平。^[7]

关于基本医疗保险制度与贫困的关系，多数学者肯定了各类基本医疗保险制度的减贫效果。^[8-11]然而就城乡医保制度统筹与贫困而言，国内却鲜有文献深入探讨城乡医保制度统筹的减贫效果。周坚等基于CHARLS面板数据，运用多维贫困指数和双重差分模型研究发现参保城乡居民医保能显著降低农村老年人口多维贫困的发生率^[12]；刘莉等基于2011年和2013年CHARLS微观数据，运用分位数倍差法分析发现城乡医保一体化显著降低受益群体的医疗负担，从而减少参保个体因病致贫返贫的风险。^[13]

通过对已有研究文献的梳理和评述，本文发现国内学者缺乏对城乡医保统筹政策实施后的政策效应评估；多数研究广泛使用双重差分法评估政策效应，虽然双重差分法能够较大程度消除内生性问题，但难以解决样本偏差问题；贫困具有动态性，贫困概念不应只包含当前贫困，还应涵盖未来贫困，通过当期人均收入判定贫困状态并不能赋予贫困的前瞻性理念。基于此，本文选用2014年和2016年两期CLDS平衡面板数据，采用自评健康状况和贫困脆弱性度量个体健康水平和贫困风险抵御能力，使用倾向得分匹配双重差分法(简称PSM-DID)分析城乡医保制度统筹的促健防贫效用。

2 模型设定、数据及变量说明 2.1 双重差分法

双重差分法(Difference in Differences, DID)由Ashenfelter于1978年提出^[14]，是国内学者用来评估政策效应的常用方法。基于本文研究背景，双重差分法的简单原理如下：2016年国务院印发《关于整合城乡居民基本医疗保险制度的意见》，因此，本文以2016年作为城乡医保统筹政策的时间处理点，将2014年参加新农合或城镇居民医保并且2016年参加城乡居民医保的样本设定为实验组，将2014年参加新农合或城镇居民医保且在2016年仍然参加新农合或城镇居民医保的样本划归为对照组。在满足平行趋势假定前提下，即城乡医保统筹政策时间处理点之前两组的考察变量拥有相同的时间效应，那么城乡医保统筹政策时间处理点后两组之间考察变量的变化情况就是城乡医保统筹政策实施带来的政策效应。基于模型原理，本文构建如下双重差分模型：

(1)

式(1)中Y_it代表样本i在t年的自评健康水平或贫困脆弱性；treat_it为分组虚拟变量，实验组取值为1，对照组取值为0；year_it代表时间的虚拟变量，2016年之后取值为1，2016年之前取值为0；对照组于2016年前后自评健康水平或贫困脆弱性的差异为α₂，即为时间效应，实验组于2016年前后自评健康水平或贫困脆弱性变化为α₂+α₃，扣除时间效应带来的影响后，得到的α₃则为本文重点关注的城乡医保统筹带来的健康绩效或防贫绩效；X_it表示控制变量；ε_it表示随机误差项。本文在具体的回归模型中根据被解释变量的特征，使用多元线性回归模型分析城乡医保统筹对贫困脆弱性的影响程度，采用Probit模型考察城乡医保统筹与个体自评健康的关系。

2.2 倾向得分匹配法

倾向得分匹配法(Proponsity Score Matching, PSM)由Rosenbaum和Rubin于1983年提出^[15]，结合本文研究背景，该方法思路如下：首先选取协变量X_i，为满足可忽略性假定，协变量应尽可能包括影响样本自评健康水平、贫困脆弱性和是否参与城乡居民医保的相关变量。其次，使用Logit模型或者Probit模型通过协变量X_i估计出样本是否参与城乡居民医保的概率P_i(X)，即倾向得分。最后基于不同匹配方法对倾向得分进行匹配。

(2)

式(2)中X_i表示协变量，本文选取了年龄、性别、教育程度、婚姻状况、城乡类别、家庭同住人口规模、是否流动等变量作为协变量。f(X_i)为线性函数；F[·]表示Logit函数，本文选用Logit模型通过协变量计算得出样本i参与城乡医保统筹政策的概率，即倾向得分P_i(X)。

本文选用一阶最近邻匹配法对实验组和对照组进行一对一无放回匹配，在2016年未参与城乡居民医保的样本中匹配与2016年参加城乡居民医保样本的倾向得分值相近的个体作为对照组，随后再通过式(1)对匹配后的实验组与对照组进行双重差分估计，可以较为准确的考察城乡医保制度统筹产生的健康绩效和防贫绩效。

2.3 数据来源与处理

本文选用的数据来源于2014和2016年中国劳动力动态调查数据(China Labor-force Dynamics Survey, CLDS)，该项调查以15~64岁劳动年龄人口为调查对象，调查范围覆盖全国29个省份(除港澳台、西藏、海南外)，调查内容涉及人口、经济、健康等多学科领域内容，涵盖了劳动力个体、家庭和社区三个层面的追踪和横截面数据。本文选择2014年参加新农合或城镇居民医保且在2016年保持参保类型不变或转变为城乡居民医保的参保样本作为本文的研究对象。此外，考虑到增强样本的对照性，本文剔除了除参加城镇居民医保、新农合和城乡居民医保外还参加其他医疗保险的样本。筛选后得到两期平衡面板数据，最终获得7 332个样本，其中2014年参加新农合或城镇居民医保且在2016年转而参加城乡居民医保的样本460个(实验组)；2014年参加新农合或城镇居民医保且在2016年参保类型不变的样本6 872个(对照组)。

2.4 变量说明

自评健康变量作为评价个人健康状况的主观指标，虽存在一定的测量误差，但仍是衡量个人健康状况的优良指标，且被国内学者广泛使用。CLDS问卷将个人自评健康状况分为5类，分别是非常健康、健康、一般、比较不健康和非常不健康。本文将自评健康状况非常健康、健康和一般的人群划归为健康组，取值为1；将自评健康状况为比较不健康和非常不健康的人群划归为不健康组，取值为0。

贫困脆弱性作为一种前瞻性指标，其表征个体未来陷入贫困的概率，体现了贫困的动态性。本文选用VEP估计方法测算个体的贫困脆弱性，并在此基础上考察城乡医保统筹政策的防贫绩效，其具体计算步骤如下：

(3)

(4)

第一步，对个人家庭人均收入对数进行回归估计，然后将回归所得的残差平方作为收入波动进行OLS估计。式(3)中X_{i, t}指影响家庭人均收入的变量，本文从个人特征和家户特征等层面选取变量对个人家庭人均收入对数进行回归估计。

(5)

(6)

第二步，在第一步的基础上构建异方差结构作为权重重新对残差平方和收入对数进行加权回归，继而得到和后可以直接估计未来收入对数的期望值和方差。

(7)

第三步，选择贫困标准线，根据式(7)计算贫困脆弱性。其中Z表示为贫困标准线，遵循学界通行做法，本文选取世界银行提出的1.9美元/天作为贫困标准，根据相应年份的汇率换算可得2014年的贫困标准线是4 260元/年，2016年的贫困标准线是4 606元/年。

核心解释变量和控制变量。核心解释变量为参与医保统筹政策虚拟变量和时间虚拟变量的交互项(treat_it*year_it)。为控制其他影响因素的影响，更加准确考察城乡医保统筹政策的健康绩效和防贫绩效，本文在参考其他文献的基础上，选取年龄、性别、户籍、婚姻状况、受教育程度、家庭同住人口规模和是否异地流动变量作为控制变量。^[16-19]各类变量的描述性统计分析结果见表 1。

3 实证分析 3.1 倾向得分匹配处理

满足共同支撑假设和平行假设是正确使用倾向得分匹配方法的两个前提条件。本文选用核密度函数图对共同支撑假设进行检验，图 1分别表示了匹配前后的共同支撑域，匹配前实验组与对照组之间的倾向得分分布差距较大，匹配后二者分布曲线走势一致且高度拟合，证明匹配效果理想，满足共同支撑域假设。从表 2的平衡性检验结果来看，匹配后除自评健康变量外其余控制变量的标准化偏差明显缩小，绝对值均低于10%。此外，t检验结果还表明匹配后实验组和对照组的控制变量已无显著差异，满足平衡性假设，匹配效果佳。

3.2 双重差分检验

本文基于前文倾向得分的良好匹配结果，进一步运用式(1)进行双重差分回归分析，回归结果见表 3。表 3第(1)列和第(3)列是不加入任何控制变量的基本回归结果，第(2)列和第(4)列则是加入相关控制变量后的基本回归结果。交互项treat*year是本文的重点考察对象，反映了城乡医保制度统筹对自评健康和贫困脆弱性的净效应。回归结果显示，无论是否加入控制变量，城乡医保制度统筹对个体自评健康水平都有显著的促进作用；就贫困脆弱性而言，加入控制变量后城乡医保制度统筹能够使个体的贫困脆弱性显著降低1.84%。综合来看，城乡医保制度统筹发挥着良好的促健防贫效应。

关于其他控制变量对自评健康和贫困脆弱性的影响。随着年龄的增大，个体的自评健康水平会显著下降，贫困脆弱性则会显著提高；相较于女性，男性的自评健康水平显著高于女性，而贫困脆弱性虽略有提升却不显著；教育程度的提高会显著促进个体的自评健康水平和降低其贫困脆弱性；居住在城镇地区能显著降低个体的贫困脆弱性；良好的婚姻状态能显著提高个体抵抗贫困风险的能力；随着家庭人口规模的增加，个体的健康水平会显著下降；人口流动对个体的自评健康水平会产生显著的负向作用，但会显著降低贫困脆弱性。

3.3 异质性分析

异质性分析结果表明(表 4)，城乡医保制度统筹对非流动人口的自评健康状况有显著的促进作用，对流动人口却没有发挥显著的促健效用。就贫困脆弱性而言，城乡医保制度统筹能使非流动人口贫困脆弱性显著下降2.1%，对流动人口贫困脆弱性虽有负向影响，但是影响程度小且不显著。综合来看，城乡医保统筹对非流动人口发挥了显著有效的促健防贫绩效，对流动人口的健康状况和防贫能力并没有显著的促进作用。

4 稳健性检验

为确保前文分析结论的可靠性，本文分别从更换倾向得分的匹配方法、替换被解释变量以及构造虚假实验组三个方面进行稳健性检验。

4.1 更换匹配方法

前文在运用倾向得分匹配方法时选用的是一阶最近邻匹配法，为检验该匹配方法下双重差分结果的稳健性，本文进一步采用匹配精度更高的核匹配法对实验组和对照组进行处理，再进行双重差分分析，结果见表 5第(1)和第(2)列所示。更换匹配方法后的双重差分结果表明，城乡医保制度统筹依然能显著提升个体的自评健康水平，使个体贫困脆弱性显著下降1.26%，该结果与前文分析得到的结果相符合。

4.2 替换被解释变量

前文是通过个体自评健康变量考察城乡医保制度统筹的健康绩效，然而自评健康变量是个体对自身健康状况的主观评价，容易产生测量偏差，继而可能造成回归结果的偏误。为进一步验证基准回归结果的可靠性，本文选用虚弱指数表征个体的综合健康水平。虚弱指数常被国内学者用来测量老年群体的综合健康水平，是指个体不健康指标在所有健康测量指标中所占比重，取值范围0~1，虚弱指数越高表示个体健康水平越差。^[20]本文在前人研究基础上，基于样本群体特征选择的健康水平测量指标来源于如下几个方面：个体自评健康水平、体质指数、自评记忆及抑郁指标、日常生活能力指标等31个指标。替换自评健康变量后的倾向得分匹配双重差分结果如表 5第(3)列所示，城乡医保统筹显著降低了个体的虚弱指数，对个体的综合健康水平有显著的促进效用，所得结论依然稳健。

贫困脆弱性指标不仅可以通过家庭人均收入来测度，还可以通过家庭人均消费支出进行测度，本文利用家庭人均消费支出对贫困脆弱性进行重新计算。结果见表 5第(4)列，替换贫困脆弱性指数后，城乡医保统筹对个体贫困脆弱性仍具有显著的改善作用。

4.3 安慰剂检验

为检验前文PSM-DID估计结果的稳健性，本文还通过构造虚假实验组进行安慰剂检验(Placebo test)。本文从7 332个样本中随机抽取460个样本作为虚假的实验组，其他样本作为对照组，相关控制变量保持不变，再次进行PSM-DID估计。为加强估计结果的可靠性，本文按照上述方法重复随机抽取1 000次，绘制交互项(treat*year)估计系数的核密度图。

如图 2所示，在1 000次虚假实验组的PSM-DID估计中，城乡医保制度统筹对自评健康和贫困脆弱性影响的估计系数都分布于0周围，且接近正态分布。图中垂直竖线的位置表示基准回归中城乡医保制度统筹对自评健康和贫困脆弱性影响的估计系数(即0.416和-0.0184)，该数值落在随机抽样系数分布图的尾部，说明在构造虚假实验组的情况下，个体自评健康状况和贫困脆弱性并未受到城乡医保制度统筹的显著影响，继而佐证前文基准回归结果的稳健性。

5 讨论 5.1 倾向得分匹配双重差分法具有良好的适用性

国内多数学者广泛使用双重差分法评估政策效应，虽然双重差分法能够有效捕捉“政策处理效应”，却难以消除样本偏差。本文使用的倾向得分匹配双重差分法综合了倾向得分匹配法和双重差分法的优点，最大程度缓解不可观测和可观测异质性产生的选择偏误。此外，为确保分析方法和结论的可靠性，本文分别从更换倾向得分的匹配方法、替换被解释变量和安慰剂检验三个方面进行稳健性检验。稳健性检验结果与基准回归结果高度相似，说明本文选用的研究方法可靠、分析结果稳健可信。

5.2 城乡医保制度统筹发挥了显著的促健防贫效用

与以往研究不同，本文基于“健康中国2030”战略和“后扶贫时代”背景，从健康和贫困两个角度出发，综合考察城乡医保制度统筹的政策效用；为体现贫困概念的动态性内涵还选用贫困脆弱性指标度量个体的防贫能力。实证分析结果表明，城乡医保制度统筹显著有效的提升了个体健康水平和贫困风险抵御能力，具备正向的健康绩效和防贫绩效，说明制度发挥了良好的促健防贫效用。

5.3 城乡医保制度统筹的促健防贫效用存在人群差异

目前我国劳动力人口流动主要由农村向城市，由经济落后地区向经济发达地区流动。探讨城乡医保制度统筹对流动人口和非流动人口促健防贫效用的异质性，将为考察人群间和区域间的制度公平绩效提供新视角。异质性分析结果表明，城乡医保制度统筹对非流动人口发挥了显著的促健防贫效用，却未能显著有效提升流动人口的健康水平和防贫能力，这说明城乡医保制度统筹仍然存在人群间和地区间健康平等、公共卫生服务均等化等制度公平和效率问题。

6 结论与建议

根据前文的研究结论，为全面且有效的发挥城乡医保统筹的制度绩效，助力实现“健康中国2030”战略和满足“后扶贫时代”防贫工作的要求，本文提出如下参考建议。

6.1 合理配置区域间和人群间的医疗服务资源，促进健康平等

在医疗卫生服务资源有限的前提下，城乡医保制度统筹的推进应将医疗卫生服务资源向农村地区和贫困落后地区倾斜，重点扶持该类地区基层医疗卫生服务机构建设；强化激励措施，鼓励医疗卫生技术人员走向基层；完善相关配套基础设施建设，解决医疗卫生事业发展的“跛脚”问题；适当扩大医保目录，重点关注已贫人群、高危贫困人群、流动人口或孤寡老人等特殊人群的医疗保障需求，促进医疗资源在人群间的合理配置，实现区域间和人群间的健康平等。

6.2 强调城乡医保制度统筹与防贫工作衔接，施行健康防贫政策

疾病和贫困之间有着极强的相关关系，因病致贫返贫是导致贫困增量的主要原因。城乡医保制度统筹的持续推进应结合当前“健康中国”和“后扶贫时代”背景，赋予制度新的生命力。无论城乡居民医保是“一制多档”还是“一制一档”筹资模式，政府都应重点关注已困和高危贫困人群，做好缴费补助工作；针对贫困人群开设绿色就医通道，提供“先看病后付费”服务，防止其陷入“疾病—贫困的恶性循环陷阱”。此外，城乡居民医保应强化对疾病预防和保健的保障水平，保险赔付的方案应从“重疾病轻预防”转变为“预防为先，防治结合”，从而增强参保居民疾病经济风险的抵御能力。

6.3 以健康为导向，完善我国多层次医疗保障体系

城乡医保制度统筹作为完善我国医疗保障体系的策略之一，促进了我国基本医疗保险制度的公平和效率。但是就我国多层次医疗保障体系的整体而言，实施层面上仍然存在着机制交叉重复、健康激励性弱和制度设计理念落后等诸多问题。在健康中国目标下，医疗保障的制度设计理念需要实现由“以疾病为中心”向“以健康为中心”的大健康理念转变。其次，多层次医疗保障体系中的各类医疗保障服务应对居民健康保障的需求和手段提供技术支持，形成以“健康管理”为目标的激励机制。此外，对健康服务费采用按服务单元支付的模式，既可以积极引导医疗机构的成本控制意识，还有利于家庭医生等基层服务网络的有机结合，保障个体的健康权益。^[21]

本研究仍然存在一定局限性。由于数据可得性的限制，本文实证分析使用的微观调查数据来源于2014年和2016年中国劳动力动态调查。2016年是城乡医保制度统筹的首年，当年调查数据尚难以完全体现制度的真实效用。虽然中国劳动力动态调查数据记录了往年城乡医保制度统筹试点地区的样本信息，但是样本容量小且缺乏代表性。今后随着微观调查数据库的更新，城乡医保制度统筹相关研究可以结合新的调查数据开展更加深入的研究，使研究结果更加准确。

作者声明本文无实际或潜在的利益冲突。