医疗补助扩展有效性的实证评估

对于规格（2）至（6）而言，右旋值也非常高，而对于所有规格而言，F-统计数据都非常显著。在回顾了表4的结果后，似乎很明显，2014年或2015年扩大医疗补助计划后，纳入了来自健康的社会决定因素的对照组后，成年人糖尿病、心血管疾病和哮喘的患病率没有显示出任何显着的变化，这些因素被证明是非常重要和相关的。3.3.2 Y：健康状况一般或较差的成年人的百分比从表5看，我们实际上看到（D×T）在5%的水平上是显著的，但在特定的（4）、（5）和（6）方面是阳性的，而所有其他DD系数都与Y不显著。对照组似乎也相对稳定，尽管是HS。perc从规格（3）变为规格（4），但在规格（6）前保持稳定。右值相对较高，如表5中的规格（6）所示，R=0.788。F-统计数据也显示出对所有规格都非常重要。但对于一些控制措施，如居屋。在大多数情况下，可能有一些相反的因果关系可以解释他们的症状（患有CVD、哮喘或糖尿病会导致住院时间延长）如第3.1节所述，我们无法验证Y的假设2。回顾表5中的结果，医疗补助计划的扩大似乎对成年人报告的健康状况产生了不利影响。虽然这个结果似乎与直觉相反，但这可能是我们的模型中忽略了一个因素的结果。也存在反向因果关系的可能性，但需要进一步研究，以确定医疗补助计划的扩大是否会导致成年人健康状况良好或较差的人数增加。

这可能会引起一些兴趣，因为在（D×T），（D×T），（D×T），（D×T）和（D×T）的所有规范中都观察到了DD系数的积极迹象。3.3.3死亡率通常不鼓励将死亡率作为健康状况的衡量标准，因为在确定该参数时存在大量因素。因此，当使用死亡率作为结果时，在估计中很容易遇到遗漏变量偏差（OVB）和内生性问题。在本文中，我们将运行两组关于脱色的回归。在美国，超过50%的死亡是由疾病引起的（疾病控制和预防中心，2013年）。因此，我们将使用Yas a控件运行一组回归，而在另一组中，我们将从回归中省略Y。通过将Yin纳入回归，可以明显看出，该模型将受到某种形式的内生性的影响，因为我们一直将其用作结果变量本身；因此，导致估计有偏差和不一致。然而，作为交换，回归模型应该与数据有更好的契合度，因为与死亡相关。对于第二组回归，不一致和偏差估计问题的存在取决于Yis是否与治疗相关。如果Ys与我们感兴趣的变量相关，那么忽略它，我们就会遇到OVB。然而，如果没有相关性，那么估计值将没有偏差（缺乏相关性）和不一致性（缺少内源性控制）。表3显示了死亡和DDR变量之间的点双列相关性。

我们可以看到，它们的rpb值都相对较低，因此通过省略Y，DD系数可能是无偏且一致的。表3：与死亡变量rpbT的双列相关-5.2 × 10-7T0。0324D×T0。0232D×T0。0216D×T0。0115D×T0。0193D×T-0.0957D×T-0.0133从表6中我们可以看出，Ys在所有规格中都非常重要，并且具有很高的系数。我们看到2014年和2015年的时间虚拟系数有一些重要意义。查看规格（3）、（4）和（5），我们发现（D×T）既有显著性，也有负性。规格（3）还显示（D×T）、（D×T）和（D×T）在10%的水平上是显著的。高度重要的控制措施似乎在其系数上也有合理的迹象，但被保险人除外，其可能受到反向因果关系的影响。我们还发现，所有五种规格的“偏差”都在0.8到0.9之间，并且F-统计数据显示，联合显著性很高。虽然表6的结果似乎非常直观，但应该注意的是，这些估计值是已知的内生性结果，这意味着我们无法得出任何因果结论。最多，表6中的规格说明了协变量之间的相关性。表7显示了第二组回归，其中我们忽略了控制。有了这些规范，我们更确信这些估算没有偏差和不一致。与之前的案例类似，尽管这一次的迹象更直观，但没有显示DD系数在任何水平上都是显著的。控制措施也相对稳定且不变，这让我们相信规格（6）可能是准确的。

理论上，通过将Yas acontrol纳入表6中的回归，我们在与表7中的回归进行比较时，以一致且无偏的估计为代价，进行了提高收益率的权衡。然而，在回顾了所有三种健康结果的回归结果后得出的结论：糖尿病、CVD和哮喘（Y）的患病率，其“R”值出人意料地高，与表6.4中的回归没有太大区别，健康状况（Y）和死亡率一般或较差的成年人在2013年至2016年期间，ACA扩大医疗补助对上述健康结果似乎没有任何显著影响。尽管包括对照组在内的一组死亡率回归显示了2014年扩大医疗补助的州的直观合理结果，但相关估计受内生性影响，无法得出因果解释。应该注意的是，这项研究可能不是医疗救助扩展对健康结果影响的最佳反映，因为与其他试图研究医疗补助效果的研究相比，这项研究的时间框架相对较短。这可能表明，如果医疗补助计划的扩大确实对健康结果产生了重大影响，那么这种影响并不能立即观察到，需要进行更长时间的研究。就医疗补助扩展效果的短期评估而言，评估医疗保健使用对健康结果的影响可能更有效，因为与健康结果相比，医疗保健使用更容易观察到。因此，为了更好地掌握这一问题，可能需要在几年后重新审视这项研究。与死亡率较低的州相比，高死亡率州的居民可能更倾向于购买保险。Boudreaux等人提供的研究。