本文基于宁波及各地大病保险方案，借鉴反事实分析法的思路，设立多组假设，构造相应情景，利用CHARLS2013全国基线调查数据进行模拟测算，评估引入大病保险政策变量后，被调查人群集中指数、Kakwani指数以及灾难性卫生支出发生率等指标变化情况。研究发现，大病保险制度能够改善卫生筹资的公平性，但按当前待遇标准的改善效果不显著，对于灾难性卫生支出发生率的影响和作用同样极为有限。本部分我们还就起付线、补偿比例、封顶线对公平性指标的影响作了敏感性分析，发现总体而言，起付线调整对公平性指标影响最大。
□宁波保监局 叶开放
大病保险是党和政府推出的一项重要民生工程。保险业作为承办机构深度参与其中，发挥了重要作用。党的十九大报告提出，要完善基本医疗保险制度和大病保险制度。如何完善？作为一项社会保障领域的公共政策，毫无疑问，公平性应当是核心目标之一。保监会“1+4”系列文件指出，要“推动完善大病保险制度，提高大病保险承办质量和统筹层次，推动大病保险政策向建档立卡贫困人群的倾斜，形成基本医保、大病保险、社会救助等衔接机制”，强调了在完善大病保险制度时，要特别注重把握公平性的政策导向。作为政府主导、商业保险机构参与的一项公共政策和制度安排，大病保险制度通过为发生高额医疗费用的群体提供保障，从而缩小不同人群之间的健康不平等。显而易见，制度的公平性是大病保险的核心目标之一。
本文借鉴反事实分析法（counter factual）的思想，考察大病保险政策对全社会实质受益公平情况和灾难性卫生支出的影响。在不影响分析结论的前提下，我们要做一些假定。首先假定截至2013年中城乡居民大病保险政策尚未进入实质性启动阶段。我们将利用CHARLS2013微观数据，测算全国范围内（CHARLS调查地区范围内）卫生筹资的公平性。随后，运用情景模拟分析的方法，假设大病保险于2012年在全国全面启动实施，以宁波大病保险政策为基础假设，结合各省份大病保险支付范围的政策规定，模拟测算不同假设下的公平性指标，将得到的结果与实际状态的结果进行比较，分析大病保险政策对参保人员实质受益公平可能造成的影响。
一、理论与研究回顾
健康公平最早的研究源于学界对健康差异（Difference）和不公平现象的关注。所谓的健康不公平，是指那些可避免、不必要而且不公正的差别（Whitehead, 1992）。显然，其中的“不必要”“不公正”涉及一定的价值判断。健康公平包括起点公平、过程公平、结果公平，健康公平理论更为关注过程公平，其主要可分解为获得医疗服务的公平与卫生筹资的公平两个方面。狭义的健康公平可以从筹资的纵向公平和医疗服务利用的横向公平来定义，即：依据支付能力来进行卫生筹资，依据需要来分配医疗服务。本文主要研究大病保险政策对卫生筹资公平的影响。
经济学和统计学方法是研究公平性的常用方法。常见的方法包括极差法、变异系数以及基尼系数、集中指数等。本研究拟采用的集中指数和Kakwani指数可用来反映不同经济水平人群在卫生筹资负担上的公平性。
1.集中指数。集中指数是卫生经济学家们（van Doorslaer等, 2004; Koolman等, 2004）用于刻画健康或卫生支出差异程度（不公平性）的常用方法，其建立在集中曲线的基础上。与洛伦茨曲线类似，集中曲线是将按经济水平由低到高排序后对应的人群累计百分比为横坐标，以健康水平、卫生服务利用量等指标的累计百分比为纵坐标绘制得到的。根据Wagstaff等人（1991）在所做研究中给出的定义，集中指数被定义为集中曲线和45对角线所围成图形面积的2倍。
集中指数需要计算收入（或支出）与卫生支出排序两个变量之间的协方差，其计算公式为：
CI=2cov(Xi,Yi)/Y
其中CI是集中指数，Xi为可支付能力排序，Yi为卫生支出排序，Y为卫生支出均值。
集中指数的具体计算方法，黄韻宇（2012）等人有过详细的介绍。本文在计算卫生支出时，以去除政府财政补贴和社会保险支出后的家庭总现金卫生支出（包括直接现金支出和现金自付保险两部分支出），在计算家庭可支付能力时，以去除政府补贴和社会保险支出后的家庭非食品消费支出和家庭全部生活消费性支出之和作为测量指标。
2.Kakwani指数。将某一人群按经济能力收入、支出或可支付能力排序，横坐标为排序后的人口累计百分比，当纵坐标为健康水平或者卫生服务利用量（卫生支出）的累计百分比时，可以绘制得到集中曲线；保持横坐标不变，用相应的经济能力累计百分比标示纵轴数值时，可以绘制出洛伦茨曲线。根据同一的经济能力排序，可以将与该排序对应的洛伦茨和集中曲线绘在同一张图中。Kakwani指数等于集中指数与基尼系数的差，也就是洛伦茨曲线与集中曲线之间所围面积的2倍。即：
K=CI-GI
其中K为Kakwani指数，CI为卫生服务利用量（卫生支出）的集中指数，GI为可支付能力或者消费支出的基尼系数。由于集中指数取值范围为[-1,1]，基尼系数取值范围为[0,1]，因此Kakwani指数取值范围为[-2,1]。
使用Kakwani指数，可以较好地实现卫生筹资机制公平程度的刻画，从而对不同政策下Kakwani指数的变化进行比较分析，反映出政策变化对医疗费用负担公平的影响。
3.灾难性卫生支出。支付超出可支付能力的高额医疗费用可能对家庭的生活方式和生活质量造成重大影响。这方面的研究也是卫生公平性一项重要的研究内容。将家庭现金支付的医疗费用和家庭消费支出相联系，可以得到灾难性卫生支出的概念。家庭灾难性卫生支出是国内外学者评估医疗保险制度效果的重要指标，同样也可以作为我们评判大病保险政策效果的依据。目前国际上关于家庭灾难性卫生支出的定义主要有 3 类：一是从临床医学角度出发，可以定义疾病的“灾难性”等级，通常依据国际疾病诊断分类标准（ICD-9或ICD-10）。二是事先选定一个界定标准（比例阈值），在一定时期内，当一个家庭医疗卫生支出占家庭支付能力超出所界定的标准并且需通过减少必要性生活开支以支付医疗费用时视作发生条件。该方法普遍运用于医疗保险领域。三是从社会福利的角度出发，一个家庭中，假如医疗费用达到或超过收入（支出）一定比重，且使家庭陷入贫困，即认为该家庭出现了灾难性卫生支出。目前，上述第二种观点被学者们广泛采用。如陶四海等人（2004）就提出最好采用家庭非食品消费作为基准。本文拟采用家庭现金卫生支出占家庭非食品消费的40%作为发生灾难性医疗支出的判断标准。
二、数据来源和研究方法
（一）研究使用的数据
我们利用北京大学中国社会调查中心组织的中国健康与养老追踪调查(CHARLS)全国追踪调查数据。该调查启动于2011年，抽样选取了全国约1万户家庭中的1.7万名45岁及以上中老年人家庭和个人，分布于150个县级单位和450个村级单位。 首次全国调查后时隔两年，2013年7月启动了CHARLS第二次全国调查。调查数据得到的是包括家庭结构和经济支持、医疗保险和医疗服务利用等在内的微观数据，本研究使用的是数据2015年11月18日更新发布的CHARLS2013全国基线调查数据。CHARLS2013调查共涉及18605名受访者，分属于10803户家庭，分布于全国28个省份。剔除个别重复回答的数据后，确认参加城镇居民医疗保险、新型农村合作医疗的共14786人，涉及9018户家庭。（见图1）
图1：CHARLS2013基本医保参保类型分布图（%）
要得到集中指数和Kakwani指数，必须要有相应个体或群组的家庭收入/消费支出以及医疗卫生支出数据。CHARLS2013微观数据能够提供具体到家户的调查数据，涵盖家庭收入/消费支出以及医疗卫生支出。本文使用针对家庭的消费支出（不含食品支出）和医疗卫生支出数据，并利用住院、门诊数据模拟测算得到引入大病保险政策变量后医疗卫生支出数据（自付部分）的变化量。
（二）相关假设及说明
1.合规医疗费用。目前多数地区规定大病保险报销范围为合规医疗费用，通常情况下可以等同于基本医保政策范围内费用。这一费用一般小于实际医疗费用。由于CHARLS调查采集的数据是实际医疗费用，因此为了得到计算大病保险报销基数，需要对实际医疗费用进行假设和推算得到合规医疗费用。根据人力资源和社会保障部对职工医保个人自费费用的统计，这部分费用在医疗总费用的占比近年来全国平均在10%左右；张杰等人（2015）利用“全国基本医疗保险参保患者医疗服务利用调查”数据，分析得到的城镇居民基本医保住院部分政策范围外自费费用占比15%，宋占军、朱铭来（2014）在有关研究中所用的城镇居民住院总费纳入可支付范围的比例为85.48%；卫生部披露的2012年新农合住院部分实际补偿比例为55%，对应的报销比例为75%。 因此，本研究假定：城镇职工医疗保险参保人员合规医疗费用占实际医疗费用的比例为0.9，城镇居民医疗保险参保人员合规医疗费用占实际医疗费用的比例为0.85，新农合参合人员合规医疗费用占实际医疗费用的比例为0.733，城乡居民医疗保险参保人员合规医疗费用占实际医疗费用的比例为0.75，不失一般性，假定所有参保人员个人均按此比例保持一致。在此假设基础上，可以用CHARLS微观数据中的实际医疗费用按比例推算合规医疗费用。
2.起付线、补偿比例、封顶线。通过比较分析后我们发现，相对于其他试点地区，宁波大病保险在起付线、补偿比例和封顶线方面均设定了较为严格的标准。因此，我们从宁波试点方案出发，对照全国各试点地区方案设计情况，逐步放宽起付线、补偿比例、封顶线的规定，通过设定多组假设构造不同的情景用于比较分析。
囿于篇幅，我们选取了5种不同的政策组合，其中除假设4外，都可以大致找到对应的省份（地区）。当然，这只是一种近似情形下的大致对应，各地在具体参数设置上可能不同，特别是再往下到地市一级，可能存在更大差异。测算中我们使用假设规定的参数而非各地方案实际规定的标准。总的来看，假设2-5下的报销政策较假设1下的报销政策要更为宽松，假设5的报销政策最为宽松，假设2、3、4之间哪个报销政策较为宽松不好直接评判。（具体见表1）。
表1：测算所使用各组假设组合
3.数据处理说明。一是由于调查数据中部分消费支出数据询问的是调查时点最近一月的数据，需要相应做年化处理。二是对于住院和门诊数据，住院费用优先采用最近一年的住院费用数据；如无最近一年数据或数值为零，则采用最近一年中最近一次住院费用。门诊按照同样的原则，由于无全年门诊费用数据，因此优先取最近一个月数据，如无最近一个月数据，则取最近一次的费用数据。 三是大病保险政策模拟测算时，需要根据被调查对象户籍所在地不同设置不同的起付线，具体的起付线标准来自于国家统计局各省（自治区、直辖市）2011年度城镇居民人均可支配收入和农村居民人均年纯收入统计数据，并分别按照2011年末城镇、农村常住人口加权平均计算得到。
4.上述假设下可能出现的偏差说明。一是CHARLS2013调查了10803户家庭，涉及35748名家庭成员，但这些家庭和个人并不都有医疗费用调查数据。其中有家庭医疗费用调查数据的共9407户、18433人。我们测算大病保险对医疗费用支出的影响时，只针对有个人医疗费用调查数据的人群，这部分人群占被调查家庭总人数的51.6%。二是个人年度医疗费用数据部分，由于是由年度住院数据和最近一月门诊数据（或最近一次）相加得到，只占调查家庭医疗费用支出数据的80.2%。三是个人合规医疗费用的估算我们用的是平均比例，可能与实际情况存在差别。上述三点可能将导致我们的测算结果与实际情况之间存在一定偏差，因此，我们的结论应侧重于关注结果的方向（正负值），而非数值大小本身。
（三）主要计算过程说明
步骤1：首先计算原状态下CHARLS2013相应的基尼系数、集中指数和Kakwani指数、灾难性卫生支出发生率。
步骤2：从住院和门诊费用的微观数据出发，计算不同大病保险政策假设（假设1-5）下个体的报销金额。
步骤3：计算得到大病保险报销后新的家庭人均消费支出（ZC1）和人均现金卫生支出（OOP1）。
步骤4：根据第三步计算结果，计算得到新的基尼系数、集中指数和Kakwani指数。
步骤5：筛选出大病保险目标参保人群，然后重复步骤1-4。
步骤6：比较分析不同假设条件下的计算结果，分析大病保险政策对公平性以及灾难性卫生支出的影响。
本部分计算基尼系数和集中指数所使用的软件为Stata12.0，加载DASP模块。
三、分析过程与结果
（一）相关数据描述性统计
以下为相关变量数据（处理后）的描述性统计（见表2）。
表2：相关变量描述性统计表
其中，变量ZC表示全样本家庭人均消费支出，OOP表示全样本家庭人均现金卫生支出（用包括保险费在内的家庭医疗支出除以家庭人数）。ZC和OOP均值分别为5752.47元和1544.66元。
观察家庭人均消费支出与人均OOP的分布，我们可以清楚看到中低收入-支出的组合仍然占了绝大多数（如图2）。
图2：人均消费支出与人均现金卫生支出散点图
（二）不考虑大病保险政策下的计算结果
运用Stata12.0计算得到CHARLS被调查家庭的基尼系数、集中指数和Kakwani指数分别为0.5983、0.6168、0.0185。正的集中指数说明消费水平较高的群体拥有较高的卫生支出；正的Kakwani指数表明在原始状态下，卫生筹资整体呈现一定的累进性，Kakwani指数与零极为接近，则表明累进性不显著。共有2433户家庭医疗支出占家庭非食品消费支出的比重超过40%，占有效样本数的23.09%，这一结果较李叶等人（2012）研究中得出的农村灾难性卫生支出发生率为14.4%的结论要高，同时要低于崔颖等人（2011）收集青海等地区农村家庭卫生支出资料，得到的灾难性卫生支出发生率高达44.6%的结果，可以认为仍处于合理区间。
（三）引入大病保险政策变量后计算结果
总的来看，不同假设下大病保险补偿额差异较大，制度的受益面变化相对不大。假设1、假设3和假设4下，起付线较高，所以补偿总额和受益面较小，假设1和假设4结果完全一致，表明在CHARLS调查样本中，没有调查对象的合规医疗费用超过50万元，对合规医疗费用设定50万元的封顶线等同于不设定封顶线；假设5下补偿额和受益面最大；假设2下，补偿户数达到223户，相应的补偿总额为141.36万元。可以看到，不论是补偿额还是受益面，起付线假设调整对结果的影响都要大于赔付比例假设调整的影响（具体结果见表3）。
表3：不同假设下大病保险补偿情况统计表
不同假设条件下计算结果（见表4）。
表4：不同假设下公平性指标计算结果汇总表（全样本）
表4中ΔOOP表示相较于初始状态（假设0），不同假设下家庭人均现金卫生支出的变化量，负号表示减少。
对集中指数做两组间（Differrence between concerntration indices）比较（结果见表5）。
表5：集中指数组间比较结果统计
从t检验结果可看出，引入大病保险这一政策变量后，假设1、3、4下，集中指数假设组与原始组之间存在的差异，在统计学上均不具有显著意义；假设2同假设5下，假设组与原始组之间存在的差异具有显著意义（P<0.1）。
下面我们只针对可能参加大病保险的家庭做考察。这部分家庭共8420户，家庭人均非食品消费支出5119.87元，家庭人均医疗支出1446.68元。未考虑大病保险政策时，基尼系数为0.594，集中指数为0.627，Kakwani指数为0.033。引入大病保险政策后，不同假设条件下的计算结果（如表6）。
表6：不同假设下公平性指标计算结果汇总表（大病保险参保家庭）
同样，对集中指数不同假设下和原始状态做两组间比较后，我们发现只有假设2和假设5具有统计学上的显著意义（P<0.05）。
（四）对参数的敏感性分析
下面我们对报销比例和起付线两个参数对Kakwani指数的影响简要作敏感性分析。在假设1的基础上，进一步放宽理赔条件，按100%报销比例以及起付线为0两种极端情形下（其他假设同假设1）的比较结果，同时我们测算了起付线、补偿比例、封顶线完全放开情形下的结果（具体见表7）。
表7：假设条件放宽后公平性指标变化情况
表7中，ΔP、ΔKakwani分别表示相较于假设1（即宁波大病保险方案），新假设下人均筹资额 和Kakwani指数的变化量。ΔKakwani/ΔP表示在假设1的基础上，每增加1元人均筹资额导致的Kakwani指数变化量，反映出不同参数调整情形下人均筹资额相对于Kakwani指数的敏感性。显然，就宁波方案而言，只调整单一参数的情况下，起付线对公平性的边际影响要明显高于补偿比例。
（五）对家庭灾难性卫生支出发生率的影响分析
通过对比我们发现，引入大病保险政策后，虽然随着筹资额的上升，家庭灾难性卫生支出发生率在下降，但影响可以说是微乎其微。筹资额最高为假设7的423万元，是最低筹资额的4倍，但家庭灾难性卫生支出发生率只下降了1.9个百分点（见图3）。
图3：不同假设下筹资总额与灾难性卫生支出发生率变化趋势
可能的原因是：
首先是由于起付线的存在。发生大额医疗支出的家庭在进入大病保险报销前后，可能还需要支付两部分费用：首先是大病保险起付线以内的合规医疗费用，通常以上一年度城镇居民年人均可支配收入或农村居民年人均纯收入为限；二是合规费用中不予报销的部分，即大病保险本身还有补偿比例的限制。这里重点是第一个部分。由于我国居民收入分配呈现明显的左偏态分布，如果采用平均收入这一标准，会大大提高中低收入户获得补偿的门槛，从而难以帮助降低其灾难性卫生支出。测算中我们发现，发生医疗费用支出的家庭，起付线以下占了95%，在尚未达到制度补偿标准之前，其中大约六成家庭已经发生了灾难性卫生支出。因此可以看到，当假设取消起付线以后，灾难性卫生支出发生率下降的就相对较为明显。
其次是由于实际补偿比例与政策范围内补偿比例存在差异。虽然六部委《指导意见》提出了大病保险实际补偿比例要高于50%的要求，但在各地实际执行过程中，由于资金压力，这一比例往往针对的是合规医疗费用，即所谓政策范围内补偿比例。如前所述这部分占总医疗费用的平均比重约为15%-30%。我们之前的几种不同假设，只是政策范围内的补偿比例、起付线和封顶线作了相应调整。政策范围外费用的报销未考虑进来。
第三，则可能是计算方法的原因。在前文偏差说明部分已做说明。此处不再赘述。
四、结论与建议
（一）大病保险制度的实施有助于改善全社会卫生筹资的公平性。引入大病保险政策变量以后，集中指数和Kakwani指数进一步变大了，说明制度对卫生筹资公平性的改善具有一定的作用，但效果不明显。特别是，宁波大病保险方案由于投入较小，公平性改善幅度在几种假设方案中最小，集中指数的改善不具有统计学上的显著意义。
（二）起付线对于公平性而言是更为关键的因素。从对起付线、赔付比例、封顶线这3个主要参数的敏感性分析来看，我们得出的结论是：是否设定封顶线对于结果无任何影响；增加相同的筹资额，则降低起付线相较提高赔付比例更能提升公平性。这某种程度上可以说明，当前大病保险制度设计的主要问题是受益面仍然偏小，特别是在起付线“一刀切”模式下，对于相对贫困人口的保障提升效果较为有限。因此，相比较提高赔付比例，在现有试点方案基础上适当降低或者优化起付线设计更能促进公平性的提升。
（三）大病保险制度对灾难性卫生支出的影响极为有限。不论是按照宁波方案设定的城乡居民大病保险制度标准下，还是在进一步放宽起付线、赔付比例、封顶线等报销政策假设下，灾难性卫生支出发生率降低幅度极为有限，最高下降幅度仅2.2%。我们就此做了原因分析。
基于上述分析，为了更好地促进社会公平，在完善大病保险制度过程中，同等条件下建议优先考虑调整起付线。具体而言，可以探索区分城乡分别订立以及根据收入水平进一步细化制定多档起付线，使其尽量贴近居民特别是贫困人群的实际收入水准，实现精准保障。在科学设定起付线的基础上，可根据资金筹集情况适当提升补偿比例，提高对于极端高额医疗费用支出人群的保障能力。由于一定额度的封顶线对抑制过高的医疗消费需求、避免道德风险的发生、降低大病保险基金运营风险具有重要作用，再加之对整体公平性的影响较小，建议予以保留。