当强制要求时，健康保险推广的长期后果

我们在社区级别对标准错误进行聚类，以说明同一社区内错误项中可能存在的相关性。我们还对Cameron等人（2008年）建议的野生型聚类引导百分位t程序进行了1000次绘制，以解决对少数聚类的担忧，这可能导致向下偏差的标准误差（Bertrand等人，2004年；Cameron等人，2008年）。为了获得保险覆盖对审计人员的影响，我们进行了两阶段最小二乘（2SLS）回归，其中第一阶段回归方程为方程（1），健康状况。财富指数是通过对住宅特征（如房屋中的房间和卧室数量）、企业（如任何私人非农企业的所有权）进行主成分分析获得的，牲畜（如鸡和猪的数量）和其他资产（如摩托车和自行车）。此外，我们还控制了补贴+活动、补贴+便利和补贴+活动+便利的指标。为了说明家庭内部的相关性，我们还对家庭层面的标准误差进行了聚类。结果不会改变我们的主要结论（可根据要求提供结果）。同一社区中的个人并不是完全独立的，尤其是在与健康相关的结果方面（Srinivasan等人，2003年）。还有一些研究发现，社区在一系列社会经济成果中发挥着重要作用（Kling等人，2007年；Chetty等人，2016年）。我们的研究有44个集群。虽然没有太少集群的明确阈值，但数量可能在20到50之间变化（Cameron和Miller，2015）。12短期内保险注册人数作为因变量。我们估计以下第二阶段回归：=      （2） 我们为短期注册提供仪器。

然后，我们捕获了由于我们的补贴干预而诱导参加健康保险的患者的当地平均治疗效果。由于我们估计方程（1）适用于医疗利用和健康状况领域的许多不同结果变量，因此可能会出现多假设检验问题。我们错误地拒绝至少一个无效假设的概率大于常规显著性水平。我们使用两种方法来解决这个问题。首先，按照Kling、Liebman和Katz（2007）以及Finkelstein等人（2012）的建议，我们将结果变量分组到一个域中，并取每个域的平均标准化治疗效果。对于医疗保健利用领域，我们将五个结果指标分组，包括过去四周和六个月内对医疗机构就诊的密集和广泛测量以及OOP费用发生率。对于健康状况领域，我们将四种结果分组，包括自评健康状况、患病天数、无法进行正常活动以及因疾病损失的天数。其次，我们采用自由逐步重采样程序来调整家族错误率，即错误拒绝一个或多个假设家族中无效假设的概率（Westfall和Young，1993）。从10000次估计模拟中获得每个族的族调整p值。5、结果5.1。对保险接受率、可持续性和价格弹性的影响图2显示了对照组和治疗组在基线、短期随访和长期随访调查中的注册率（按补贴水平）。

总的来说，这表明我们假设补贴的收入效应（2.7-8.1美元）很小，可以忽略不计，因为集水区的家庭平均收入为252美元。这两种方法服务于不同的目标。第一种方法与得出治疗对卫生保健利用和健康状况的影响的一般结论相关。第二种方法更适合于检查属于一组测试的特定结果的治疗效果。13从短期和长期来看，入学率随着补贴水平的提高而增加，但影响会随着时间的推移而减弱。我们观察到，从短期来看，在接受零（对照组）和三分之一补贴之间，入学率增幅最大，但在随后的补贴水平上增幅较小。从长远来看，治疗组仍然更有可能参加医疗保险，但三分之一、三分之二和全额补贴组之间的差异变得微不足道。表2给出了形式回归结果。我们在括号中给出了稳健的标准误差，在方括号中给出了双尾野生集群引导p值。我们的结果表明，对入学率的影响减弱，但会随着时间的推移而持续。A组第1列显示，总体补贴干预将短期保险注册人数增加43.6个百分点（160%）。长期注册人数也增加了20.6个百分点（90%）（第2列）。就补贴水平而言，接受三分之一、三分之二和全额补贴的短期内参加保险的可能性分别比对照组高39.3、48.3和53.8个百分点（第1列）。

尽管三分之一补贴组的短期入学率低于三分之二补贴组和全额补贴组，但从长期来看，三分之一补贴组的入学率至少与三分之二补贴组和全额补贴组的入学率一样高（p值>0.6）。短期电弧弹性较大。总的来说，当价格从8.13美元下降到0美元时，健康保险的需求从27.2%上升到81.0%（arc弹性为-0.54）。估计的arc弹性接近发展中国家预防性保健产品的弹性，例如，在赞比亚预防水传播疾病的消毒剂氯为-0.6（Ashraf、Berry和Shapiro，2010），在肯尼亚预防疟疾的杀虫剂处理过的蚊帐为-0.37（Cohen和Dupas，2010）。估计的arc弹性也类似于发达国家预防保健产品的arc弹性，例如美国预防保健的arc弹性为-0.17和-0.43（Newhouse和保险实验组，1993年），韩国癌症筛查的arc弹性为-0.47（Kim和Lee，2017年）。弧弹性估计值使用以下公式获得：[（Ya-Yb）/（Ya+Yb）]/[（Pa-Pb）/（Pa+Pb）]，其中Y和P分别表示入学率和价格。当价格从0美元上涨至2.67美元、2.67美元上涨至5.40美元和5.40美元上涨至8.13美元时，短期arc弹性估计值分别为0.04、0.19和2.10。将零价格设置中的弧弹性与其他设置中的弧弹性进行比较可能会有问题，因为如果Pb=0，分母（Pa-Pb）/（Pa+Pb）始终为1。此外，人们倾向于将零价格不仅视为成本的降低，还视为额外的收益（Shampanier、Mazar和Ariely，2007）。

解释这些结果时必须注意这一点。14我们发现，更大的补贴可能会导致更高的医疗保险注册人数，这与Finkelstein等人（2017年）的研究结果一致。然而，我们的发现与特殊的零价格论点相矛盾，这一论点表明，个人的行为似乎是对一种商品进行免费定价，不仅降低了成本，而且增加了收益（Shampanier et al.，2007）。例如，几项研究发现，疟疾蚊帐（Dupas，2014）和艾滋病毒检测（Thornton，2008）的需求在零和小的非零价格之间下降幅度较大。相比之下，我们发现，在零和三分之一补贴（全额和三分之二价格）之间，入学人数有非常大的增量增长，但在三分之二补贴和全额补贴（三分之一和零价格）之间没有显著差异。这一发现的一个可能解释是健康保险价格的框架。与Thornton（2008）和Dupas（2014）不同，我们的补贴干预侧重于补贴水平而非价格水平，因此，对干预的最大反应是零补贴和少量（三分之一）补贴。5.2.     选择加入健康保险选择加入社会健康保险可能会对该计划的财务可持续性产生重要影响，尤其是在授权不可执行的情况下，因为病情更重或医疗服务利用率更高的人更有可能选择加入该计划。我们首先通过医疗服务利用水平展示了医疗保险中选择性保留的证据。如标准化治疗效果所示（表A3的A组和B组），医疗服务利用率较高的人更有可能继续参加医疗保险。

为了进一步深入了解健康保险的选择，我们比较了编者、总是接受者和从不接受者的个人和家庭特征。由于我们的补贴干预，我们估计的影响是由注册健康保险的审计人员驱动的。继Almond和Doyle（2011年）和Kim和Lee（2017年）之后，我们计算了平均特征，并测试了编者、总是采纳者和从不采纳者之间的差异。为此，我们首先定义一个二元变量T，这是一个指示个人是否被分配到治疗组（补贴）的指标。接下来，我们定义一个二元变量H，这是一个个人是否参加医疗保险的指标。最后，我们将HT定义为当T为0或1时H的值。因此，E（X | H1=1）表示参加健康保险的15名受治疗个体的平均值特征。在假设存在第一阶段、单调性和独立性的情况下，E（X | H1=1）可以写成：E（X | H1=1）=E（X | H1=1，H0=1）·P（H0=1 | H1=1）+E（X | H1=1，H0=0）·P（H0=0 | H1=1）（3）等式（3）暗示E（X | H1=1）是始终承担者和编译器组件的总和。E（X | H1=1，H0=0）表示编译器的特性。E（X | H1=1，H0=1）=E（X | H0=1）符合单调性假设。P（H0=1）是始终服用者的比例，P（H1=0）是从不服用者的比例，可以直接从样本中测量。P（H0=1），因此，可以用Pa来衡量总是参加保险的人的比例，Pa是控制组中参加保险的人的比例。同样，从不参加保险的人的比例P（H1=0）也可以用Pb来衡量，Pb是治疗组中不参加保险的人的比例。编译器的比例为1-Pa-Pb。

因此，P（H0=1 | H1=1）和P（H0=0 | H1=1）是  和, 分别地通过重新排列方程式（3），编译器的特性可以计算如下：E（X | H1=1，H0=0）= ×[E（X | H1=1）- ×E（X | H0=1）]（4）表3列出了整个样本、编辑者、总是采用者以及短期选择（第1列至第4列）和长期选择（第8列至第11列）的从不采用者的汇总统计数据。第5列至第7列报告了短期内编者和总是采纳者、编者和从不采纳者以及总是采纳者和从不采纳者之间的平均比较的t统计数据。从长远来看，第12列至第14列报告了类似的统计数据。通过比较编者和从不接受补贴的人，我们发现我们的补贴干预吸引了病情更重、医疗支出更大的人，尤其是从长期来看（第13列）。例如，与从不参加的人相比，编辑者在过去四周更有可能限制日常活动，从长远来看，这种差异变得更大、更显著。接下来，我们通过比较完全补贴和部分补贴干预的监管者，探索补贴水平的选择模式。为了做到这一点，我们将样本限制在那些是编辑者的人，总是采纳者和从不采纳者的估计比例在短期内分别为47.4%、27.1%和25.5%，在长期内分别为24.3%、23.0%和52.7%。补贴治疗组16名被保险人。我们所强加的合理假设是，全额和部分补贴群体中的所有参与者都是相同的。由于我们将样本限制在治疗组中的投保人，该治疗组由编者和总接受者组成，因此限制样本中全额和部分补贴组之间的任何差异都是由于编者的组成变化造成的。

表4显示了24次回归的结果，其中我们根据全额补贴指标对每个健康特征进行回归。面板A和B的最后两行分别报告了短期和长期健康状况和医疗保健利用的平均标准化效应。结果表明，从长期来看，部分补贴编者患病的可能性更大，医疗支出也更大，但短期内不会。综上所述，我们发现，总体而言，编撰者比从不编撰者病情更重，健康支出更大。在编者中，部分补贴组的患者比全额补贴组的患者患病率更高，医疗支出也更大。此外，表3和表4显示，从长远来看，选择模式更为突出，表明干预措施对卫生保健利用的不同影响（按补贴水平），尤其是从长远来看。与全额补贴组相比，部分补贴组的选择力度更大也就不足为奇了。与全额补贴组的零成本相比，部分补贴组需要支付正金额的保险费和手续费。有部分补贴的人只有在预期净收益为正，即预期健康保险收益大于成本的情况下，才可以参加健康保险。从长远来看，更强的选择可能是因为健康保险是一种体验好的服务，在这种服务中，消费时更容易观察到产品特性（Nelson，1970）。例如，那些有健康保险的人可以负担得起与医疗服务机构进行更频繁的接触。与没有保险的人相比，他们可以收集更多的私人健康信息，更多地了解健康保险的成本和收益。

这些假设得到了Hendren（2019）的支持，他表明，在个人获得健康类型信息之前，保险的事前价值被低估了。5.3. 对医疗服务利用的影响表5列出了短期内对医疗服务利用的影响（第1列至第6列）。第6列显示平均标准化效果；面板A和B分别显示ITT和2SLS17结果。我们分别在方括号和花括号中报告了bootstrap和family-wise p值。长期影响如表6所示。我们发现，从短期和长期来看，保险覆盖率都会导致医疗服务利用率的提高，这与医疗保险注册在长期内保持不变的事实相对应（表5和表6的A1小组）。值得注意的是，尽管入学率有所下降，但从长期来看，医疗服务利用率的增长至少与短期（分别为表5和表6的第6列）一样高。按补贴水平划分的医疗保健利用率结果令人感兴趣（表5和表6的A2和A3小组）。尽管各补贴水平的长期医疗保险注册人数增长相似，且全额补贴组的短期医疗利用率增长更大，但我们发现长期医疗利用率增长的证据仅限于部分补贴组，而非全额补贴组。这一结果表明，选择对于解释通过健康保险促进医疗保健利用的增加可能很重要。我们还研究了对OOP费用的影响（第5列）。我们发现，从短期或长期来看，健康保险可以预防OOP费用的证据有限。这一发现有几种可能的解释。

首先，正如我们前面所描述的，大多数服务在NHIS下是免费的，但医疗保健提供者通常会收取未经授权的费用作为共同支付。第二，公共卫生中心的药品常常供不应求，那些接受诊断的人可以从私人药房购买药品。第三，那些没有医疗保险的人经常使用传统或草药，这些药物价格低廉，因此，从传统药物替代正规医疗并不能减少OOP费用。同样，短期和长期的规模效应无法直接比较，因为短期和长期OOP费用的构造不同。短期内，受访者被问及更多的一般OOP费用，但长期来看，OOP费用仅包括与治疗几种重要疾病（如疟疾、皮肤病和急性呼吸道感染）相关的费用。具体而言，对于短期OOP费用，我们使用个人对以下问题的回答：“在（姓名）最近一次访问医疗机构时，他/她在过去六个月内是否在医疗机构从自己的口袋中支付了任何款项？”另一方面，为了构建长期OOP费用，我们使用过去六个月内发生的每个疾病发作（即疟疾、急性呼吸道感染和皮肤病）中个人是否产生积极OOP费用的信息。18  5.4. 对健康状况的影响表7列出了短期内对健康状况的影响（第1列至第5列）。第5列显示了平均标准化效果。长期影响如表8所示。