中国公共卫生

变量名称	变量含义及赋值	均值	标准差
是否发生灾难性卫生支出	1=是；0=否	0.139	0.346
是否参加城乡居民医保（城居保、新农合、城乡居民医疗保险其中的一种）	1=参加城乡居民医疗保险；0=未参加城乡居民医疗保险	0.886	0.318
年龄/岁	1≤25；2=26～<36；3=36～<46；4= 46～<56；5= 56～<66；6=≥ 66	3.587	1.409
地区	1=东部；2=中部；3=西部；4=东北	2.209	1.022
城乡分类	1=城镇；0=乡村	0.469	0.499
性别	1=男性；0=女性	0.492	0.500
教育程度	1=未上过学/文盲/半文盲；2=小学；3=初中；4=高中/中专/技校/职高；5=大专/本科；6=硕士及以上	2.748	1.200
身体健康状况自评	1=非常健康；2=很健康；3=比较健康；4=一般；5=不健康	2.895	1.203
是否患有慢性病	1=是；0=否	0.142	0.350
工作状态	1=在业；2=失业/退出劳动力市场	0.810	0.393
婚姻状态	1=在婚（有配偶）；0=未婚/离婚/丧偶	0.841	0.366
家庭规模/人	1=1～3；2=4～6；3=7～10	1.802	0.647

变量名称	变量含义及赋值	均值	标准差
是否发生灾难性卫生支出	1=是；0=否	0.139	0.346
是否参加城乡居民医保（城居保、新农合、城乡居民医疗保险其中的一种）	1=参加城乡居民医疗保险；0=未参加城乡居民医疗保险	0.886	0.318
年龄/岁	1≤25；2=26～<36；3=36～<46；4= 46～<56；5= 56～<66；6=≥ 66	3.587	1.409
地区	1=东部；2=中部；3=西部；4=东北	2.209	1.022
城乡分类	1=城镇；0=乡村	0.469	0.499
性别	1=男性；0=女性	0.492	0.500
教育程度	1=未上过学/文盲/半文盲；2=小学；3=初中；4=高中/中专/技校/职高；5=大专/本科；6=硕士及以上	2.748	1.200
身体健康状况自评	1=非常健康；2=很健康；3=比较健康；4=一般；5=不健康	2.895	1.203
是否患有慢性病	1=是；0=否	0.142	0.350
工作状态	1=在业；2=失业/退出劳动力市场	0.810	0.393
婚姻状态	1=在婚（有配偶）；0=未婚/离婚/丧偶	0.841	0.366
家庭规模/人	1=1～3；2=4～6；3=7～10	1.802	0.647

变量	系数	标准差	边际效应	标准差
是否参加城乡居民医保	–0.255 ^a	0.058	–0.057 ^a	0.014
家庭规模	0.010	0.029	0.002	0.006
城乡分类	–0.178 ^a	0.039	–0.035 ^a	0.008
性别	0.048	0.039	0.010	0.008
健康自评	0.096 ^a	0.016	0.019 ^a	0.003
是否患有慢性病	0.246 ^a	0.050	0.055 ^a	0.012
地区分类	0.076 ^a	0.018	0.015 ^a	0.004
工作状态	0.018	0.049	0.004	0.010
教育程度	–0.054 ^a	0.019	–0.011 ^a	0.004
婚姻状态	0.112 ^b	0.058	0.022 ^c	0.010
年龄	0.173 ^a	0.016	0.035 ^a	0.003
常数项	–1.968 ^a	0.147
样本总量	7 816		7 816

变量	系数	标准差	边际效应	标准差
是否参加城乡居民医保	–0.255 ^a	0.058	–0.057 ^a	0.014
家庭规模	0.010	0.029	0.002	0.006
城乡分类	–0.178 ^a	0.039	–0.035 ^a	0.008
性别	0.048	0.039	0.010	0.008
健康自评	0.096 ^a	0.016	0.019 ^a	0.003
是否患有慢性病	0.246 ^a	0.050	0.055 ^a	0.012
地区分类	0.076 ^a	0.018	0.015 ^a	0.004
工作状态	0.018	0.049	0.004	0.010
教育程度	–0.054 ^a	0.019	–0.011 ^a	0.004
婚姻状态	0.112 ^b	0.058	0.022 ^c	0.010
年龄	0.173 ^a	0.016	0.035 ^a	0.003
常数项	–1.968 ^a	0.147
样本总量	7 816		7 816

变量	样本匹配	均值	标准化偏差/%	减少幅度/%	t检验
家庭规模	匹配前	1.810	1.738	10.9		3.140	0.002
	匹配后	1.810	1.818	–1.2	88.7	–0.730	0.468
城乡分类	匹配前	0.456	0.570	–23.0		–6.450	0.000
	匹配后	0.456	0.451	1.0	95.6	0.590	0.552
性别	匹配前	0.492	0.487	1.2		0.320	0.746
	匹配后	0.492	0.490	0.5	55.8	0.300	0.765
健康状况	匹配前	2.911	2.774	11.4		3.210	0.001
	匹配后	2.911	2.895	1.3	88.5	0.760	0.445
是否有慢性病	匹配前	0.146	0.109	11.3		3.040	0.002
	匹配后	0.146	0.128	5.6	50.7	3.180	0.001
地区分类	匹配前	2.220	2.121	9.2		2.740	0.006
	匹配后	2.220	2.191	2.7	70.3	1.610	0.108
工作状态	匹配前	0.814	0.775	9.7		2.800	0.005
	匹配后	0.814	0.801	3.2	66.7	1.940	0.052
教育程度	匹配前	2.713	3.019	–24.6		–7.190	0.000
	匹配后	2.713	2.726	–1.1	95.5	–0.660	0.508
婚姻	匹配前	0.859	0.698	39.6		12.530	0.000
	匹配后	0.860	0.869	–2.2	94.4	–1.550	0.121
年龄	匹配前	3.656	3.053	41.7		12.170	0.000
	匹配后	3.657	3.646	0.7	98.2	0.440	0.657

变量	样本匹配	均值	标准化偏差/%	减少幅度/%	t检验
家庭规模	匹配前	1.810	1.738	10.9		3.140	0.002
	匹配后	1.810	1.818	–1.2	88.7	–0.730	0.468
城乡分类	匹配前	0.456	0.570	–23.0		–6.450	0.000
	匹配后	0.456	0.451	1.0	95.6	0.590	0.552
性别	匹配前	0.492	0.487	1.2		0.320	0.746
	匹配后	0.492	0.490	0.5	55.8	0.300	0.765
健康状况	匹配前	2.911	2.774	11.4		3.210	0.001
	匹配后	2.911	2.895	1.3	88.5	0.760	0.445
是否有慢性病	匹配前	0.146	0.109	11.3		3.040	0.002
	匹配后	0.146	0.128	5.6	50.7	3.180	0.001
地区分类	匹配前	2.220	2.121	9.2		2.740	0.006
	匹配后	2.220	2.191	2.7	70.3	1.610	0.108
工作状态	匹配前	0.814	0.775	9.7		2.800	0.005
	匹配后	0.814	0.801	3.2	66.7	1.940	0.052
教育程度	匹配前	2.713	3.019	–24.6		–7.190	0.000
	匹配后	2.713	2.726	–1.1	95.5	–0.660	0.508
婚姻	匹配前	0.859	0.698	39.6		12.530	0.000
	匹配后	0.860	0.869	–2.2	94.4	–1.550	0.121
年龄	匹配前	3.656	3.053	41.7		12.170	0.000
	匹配后	3.657	3.646	0.7	98.2	0.440	0.657

匹配方法	ATT	标准误	t值
1:4近邻匹配	–0.018^a	0.016	–1.180
半径匹配	–0.018^a	0.014	–1.320
核匹配	–0.019^a	0.014	–1.380

匹配方法	ATT	标准误	t值
1:4近邻匹配	–0.018^a	0.016	–1.180
半径匹配	–0.018^a	0.014	–1.320
核匹配	–0.019^a	0.014	–1.380

变量	城乡
是否参加城乡居民医疗保险	–0.053 ^a（0.020）	–0.039 ^a（0.015）	–0.050 ^a（0.018）	–0.034（0.025）	–0.089 ^a（0.030）	–0.017（0.031）

控制变量	控制	控制	控制	控制	控制	控制

变量	城乡
是否参加城乡居民医疗保险	–0.053 ^a（0.020）	–0.039 ^a（0.015）	–0.050 ^a（0.018）	–0.034（0.025）	–0.089 ^a（0.030）	–0.017（0.031）

控制变量	控制	控制	控制	控制	控制	控制

城乡居民基本医疗保险对我国居民灾难性卫生支出的影响

PDF下载

刘文迪 ¹^,²^,³ , 徐子涵 ⁴ , 王艳 ⁵ , 王子怡 ¹^,²^,³ , 张发强 ¹^,²^,³ , 杨克虎 ¹^,²^,³ , 魏雪峰 ⁶^,^*^,^* , 李秀霞 ¹^,²^,³^,^*^,^*

中国公共卫生 | 调查报告与分析 2025,41(3): 327-332

收起

中国公共卫生 |调查报告与分析 2025 , 41 (3) : 327 -332

城乡居民基本医疗保险对我国居民灾难性卫生支出的影响

全屏

刘文迪¹^,²^,³, 徐子涵⁴, 王艳⁵, 王子怡¹^,²^,³, 张发强¹^,²^,³, 杨克虎¹^,²^,³, 魏雪峰⁶^,^*^,^*, 李秀霞¹^,²^,³^,^*^,^*

作者信息

¹兰州大学卫生技术评估中心/循证社会科学研究中心兰州大学公共卫生学院，兰州 730000

²兰州大学循证医学中心兰州大学基础医学院，兰州 730000

³甘肃省循证医学与临床转化重点实验室，兰州 730000

⁴甘肃中医药大学中西医临床医学院，兰州 730000

⁵陕西省商洛市中心医院数据中心，商洛 726000

⁶甘肃省卫生健康委员会，兰州 730000

通讯作者:

魏雪峰， E-mail：gswstwxf@163.com

李秀霞，E-mail：lixiuxia@lzu.edu.cn

作者简介:

刘文迪（1999–），硕士在读，研究方向：公共卫生

Effect of urban and rural resident basic medical insurance on catastrophic health expenditure in China

Wendi LIU¹^,²^,³, Zihan XU⁴, Yan WANG⁵, Ziyi WANG¹^,²^,³, Faqiang ZHANG¹^,²^,³, Kehu YANG¹^,²^,³, Xuefeng WEI⁶, Xiuxia LI¹^,²^,³

Affiliations

¹School of Public Health, Lanzhou University, Lanzhou 730000, China

²Evidence Based Medicine Center, School of Basic Medical Sciences, Lanzhou University, Lanzhou 730000, China

³Key Laboratory of Evidence Based Medicine and Clinical Translation of Gansu Province, Lanzhou University, Lanzhou 730000, China

⁴School of Integrated Traditional Chinese and Western Clinical Medicine, Gansu University of Traditional Chinese Medicine, Lanzhou 730000, China

⁵Shaanxi Shangluo Central Hospital Data Centre, Shangluo 726000, China

⁶Gansu Provincial Health Commission, Lanzhou 730000, China

Corresponding Author:

WEI Xuefeng, E-mail: gswstwxf@163.com

LI Xiuxia, E-mail: lixiuxia@lzu.edu.cn

出版时间: 2025-03-10 doi: 10.11847/zgggws1145226

文章导航

摘要

收起

目的

分析城乡居民基本医疗保险对我国居民灾难性卫生支出的影响。

方法

选取2020年中国家庭追踪调查（CFPS）数据，以城乡居民基本医疗保险为核心变量进行Probit回归分析，使用倾向得分匹配法（PSM）对分析结果进行内生性检验。

结果

在40%的阈值标准下，我国居民灾难性卫生支出的发生率为13.88%。Probit模型分析结果显示，城乡居民基本医疗保险能够降低我国居民灾难性卫生支出的发生率，参保人群相对于未参保人群发生灾难性卫生支出的概率降低了5.70%；克服内生性问题后，PSM 结果显示，参加城乡居民基本医疗保险仍然对灾难性卫生支出的发生有抑制作用。城乡居民基本医疗保险对降低西部（β= –0.089）和东部（β= –0.050）地区居民灾难性卫生支出的发生率影响差异有统计学意义（均P<0.01）；年龄（β=0.035）、教育程度（β= –0.011）、城乡分类（β= –0.035）、地区分类（β=0.015）等是影响居民灾难性卫生支出的重要因素（均P<0.01）。

结论

城乡居民基本医疗保险能够有效降低我国居民灾难性卫生支出发生概率；相关部门可以通过进一步细化城乡居民医保的政策设计、完善多层次医疗保障制度体系、灵活制定区域医保政策等措施来降低我国居民灾难性卫生支出发生概率。

关键词

城乡居民医保 / 灾难性卫生支出 / 发生率

Abstract

收起

Objective

To analyze the impact of the urban and rural resident basic medical insurance on catastrophic health expenditure in Chinese residents.

Methods

Data from the 2020 China Family Panel Studies (CFPS) were used. Probit regression analysis was conducted with urban and rural resident basic medical insurance as the core variable. Propensity score matching (PSM) was taken to test for endogeneity.

Results

At a threshold of 40%, the incidence of catastrophic health expenditure among Chinese residents was 13.88%. Probit model analysis showed that urban and rural resident basic medical insurance reduced the incidence of catastrophic health expenditure, with insured individuals having a 5.70% lower probability of experiencing catastrophic health expenditure compared to uninsured individuals. After addressing endogeneity, PSM results showed that urban and rural resident basic medical insurance still had a suppressive effect on the occurrence of catastrophic health expenditure. The impact of urban and rural resident basic medical insurance on reducing the incidence of catastrophic health expenditure differed significantly between western (β= –0.089) and eastern (β= –0.050) regions (both P<0.01). Age (β=0.035), education level (β= –0.011), urban-rural classification (β= –0.035), and regional classification (β=0.015) were also important factors influencing catastrophic health expenditure (all P<0.01).

Conclusions

urban and rural resident basic medical insurance can effectively reduce the probability of catastrophic health expenditure among Chinese residents. Relevant departments can reduce the probability of catastrophic health expenditure by further refining urban and rural resident medical insurance policy design, improving the multi-level medical security system, and flexibly formulating regional medical insurance policies.

Key words

urban and rural resident medical insurance / catastrophic health expenditure / incidence

引用本文

刘文迪, 徐子涵, 王艳, 王子怡, 张发强, 杨克虎, 魏雪峰, 李秀霞. 城乡居民基本医疗保险对我国居民灾难性卫生支出的影响. 中国公共卫生, 2025 , 41 (3) : 327 -332 . DOI: 10.11847/zgggws1145226

Wendi LIU, Zihan XU, Yan WANG, Ziyi WANG, Faqiang ZHANG, Kehu YANG, Xuefeng WEI, Xiuxia LI. Effect of urban and rural resident basic medical insurance on catastrophic health expenditure in China[J]. Chinese Journal of Public Health, 2025 , 41 (3) : 327 -332 . DOI: 10.11847/zgggws1145226

正文

收起

疾病带来的沉重经济负担已成为全球卫生系统面临的主要问题。世界卫生组织（World Health Organization, WHO）调查显示，因疾病造成严重经济困难的人口比例正以每年11%的速度增长，超过5亿人因医疗费用陷入极端贫困^[1]。研究数据显示，在2012—2018年，我国居民家庭的灾难性医疗支出发生比率维持在城镇11%～12.5%、农村16.5%～19%的水平^[2]。因病致贫和因病返贫对社会的福祉构成了挑战，医疗费用特别是灾难性的卫生支出，迫使家庭削减其他消费，恶化家庭生活质量，并可能使家庭陷入长期债务和医疗贫困^[3]。国际上普遍使用“灾难性卫生支出（catastrophic health expenditure, CHE）”这一指标衡量一个国家或地区的家庭因疾病造成的医疗卫生经济负担和财务脆弱风险，灾难性卫生支出不仅可以量化家庭在自付医疗费用超过其支付能力时所面临的经济负担，还可以反映医疗保险制度的经济保障程度^[4]。作为社会保障体系的重要组成部分，基本医疗保险制度能够有效抵御参保群体因疾病导致的灾难性支出风险，防范“因病致贫、因病返贫^[5]”。自1998年以来，我国逐步形成了城镇职工基本医疗保险、城镇居民医疗保险和新型农村合作医疗三大基本医疗保险制度，共同为城乡居民提供社会医疗保障，此后考虑到保险大数法则的风险分担原则、制度的公平性、参保人的权益等因素^[6]，2016年国务院发布了《关于整合城乡居民基本医疗保险制度的意见》，提出“整合城镇居民基本医疗保险（以下简称‘城镇居民医保’）和新型农村合作医疗（以下简称‘新农合’）两项制度，建立统一的城乡居民基本医疗保险（以下简称‘城乡居民医保’）制度”。此后各地在该意见的指导下，开始逐步推进城镇居民医保和新型农村合作医疗的整合工作。近年来，我国城乡居民医保的参保覆盖率稳定在95%以上^[7]。实行城乡居民医保的最终目的在于减轻居民的医疗费用负担，而检验灾难性卫生支出的发生率是否显著降低是评估城乡居民医疗保险制度实施效果的重要途径之一^[8]。基于此，本研究选取中国家庭追踪调查（China Family Panel Studies, CFPS）数据库2020年数据，分析城乡居民医保的实施对灾难性卫生支出产生的影响，并为今后城乡居民医保进一步地发展和完善提供相关建议。

1　资料与方法

收起

1.1　数据来源

本研究使用的数据来源于CFPS 2020年数据，CFPS由北京大学中国社会科学调查中心（ISSS）实施的一项社会跟踪调查项目，调查采用3阶段、分层、概率比例抽样（PPS）方法，覆盖25个省（自治区、直辖市），目标样本规模为16 000户，调查收集个体、家庭、社区3个层次的信息，反映了中国社会、经济、人口、教育、卫生等方面的发展情况，为公共政策分析和学术研究提供了微观数据。本研究剔除了CFPS 2020年数据库的缺失值和异常值，根据家庭样本编码，将个人和家庭数据库匹配，最终得到7 816个研究样本数据。

1.2　变量选取

本研究选取是否发生灾难性卫生支出为被解释变量，参考世界卫生组织制定的标准，即一段时间内一个家庭自付医疗费用占家庭可支付能力的比例达到≥40%时，即认定发生了灾难性卫生支出^[9]。选取是否参加城乡居民医疗保险为核心解释变量，同时为避免其他保险类型的干扰，确保研究结果为城乡居民医保的净效应，将未参加城乡居民医保的样本限定为没有参加任何医疗保险类型的居民。本研究的控制变量包括年龄、性别、地区、城乡、受教育程度、身体健康状况自评等，所引入的大部分控制变量在以往的研究中均有所涉及^[10–11]。

1.3　研究方法

以是否参加城乡居民医保为核心解释变量，在控制人口特征、家庭等变量的基础上选用Probit回归模型。Probit模型设定如下：

$ \mathrm{Probit} \mathit{(Yi) = \beta } _{ \mathrm{0}} \mathit{+\beta } _{ \mathrm{1}} \mathrm{insi} \mathit{+\beta } _{ \mathrm{2}} \mathrm{age} \mathit{+\beta } _{ \mathrm{3}} \mathrm{edu} \mathit{+\beta } _{ \mathrm{4}} \mathrm{regi} \mathit{… + \beta } _{ \mathit{n} } \mathit{x} _{ \mathit{n} } \mathit{ + \varepsilon i} $

式中，Y表示是否发生灾难性卫生支出，β为待估系数，insi为是否参加城乡居民医保、age为年龄、edu为受教育程度、regi为地区等，x_n表示其他控制变量，εi表示误差扰动项。此外考虑到居民是否参加城乡居民医保主要是基于个人的自主选择的结果，因此各变量间可能产生的内生性问题，为排除内生性造成的估计偏差、提高估计结果的可靠性，使得参加城乡居民医疗保险和未参加城乡居民医疗保险的群体在人口学特征和社会特征等方面保持一定的平衡性，采用倾向得分匹配法（propensity score matching, PSM）解决由于自选择导致的偏差问题。

1.4　统计分析

使用Stata 17.0软件进行一般描述性分析、Probit回归分析和倾向得分匹配分析，以P<0.05为差异具有统计学意义。

2　结　果

收起

2.1　描述性统计结果

在7 816名研究对象中，未参加城乡居民医保的有894人，未发生灾难性卫生支出的有6 731人，发生灾难性卫生支出的有1 085人（13.88%）。

2.2　Probit回归模型结果分析（表1、2）

Probit模型回归分析显示，在同等情况下参加城乡居民医保的居民相对于未参保居民灾难性卫生支出的发生的概率降低5.70%，在1%的水平下显著。分析其他因素时，同等情况下，城镇居民相较于农村居民发生灾难性卫生支出的概率会降低3.50%；身体自评健康状况每下降一个等级，发生灾难性卫生支出的概率会提高1.90%；患有慢性病的居民相较于未患有慢性病的居民发生灾难性卫生支出的概率提高5.50%；西部和东北部地区的家庭较东部和中部地区发生灾难性卫生支出的概率更高；受教育程度每提升一个层级，发生灾难性卫生支出的概率会下降1.10%；相较于未婚/离婚/丧偶的居民，已婚有配偶的居民发生灾难性卫生支出的概率提高2.20%；每上升一个年龄段，发生灾难性卫生支出的概率会上升3.50%。另外回归分析显示，家庭规模、性别和工作状态与灾难性卫生支出的发生呈正相关关系，但是回归系数均不显著，即家庭规模、性别和工作状态对灾难性卫生支出的影响并不显著。

2.3　PSM匹配效果分析（表3）

本研究使用1∶4最近邻匹配方法，匹配后各协变量的标准化偏差绝对值均小于10%，t检验结果显示，匹配后的变量除是否患有慢性病外，其余差异均无统计学意义，说明匹配的整体效果良好。

2.4　城乡居民医保对灾难性卫生支出影响的平均处理效应（表4）

本研究报告了3种PSM方法处理组平均效用，匹配结果表明，1:4近邻匹配、半径匹配和核匹配的平均处理效应在0.05水平上高度显著，处理组灾难性卫生支出发生概率较对照组分别降低0.018、0.018和0.019。参加城乡居民医保对灾难性卫生支出的平均处理效应均为负值，验证了城乡居民医保对灾难性卫生支出发生的抑制作用。

2.5　分样本异质性分析（表5）

将全部样本按照所在区域划分为东部、中部、西部和东北部地区，根据所在地区讨论城乡居民医保对灾难性卫生支出的地区差异。通过回归分析结果得到城乡居民医保对东部、中部、西部和东北地区灾难性卫生支出的发生情况存在差异性，回归系数分别为–0.050，–0.034，–0.089和–0.017，但仅有东部和西部地区在1%的置信水平下显著，说明城乡居民医保能够显著降低东部和西部居民发生灾难性卫生支出的概率。同样将全部样本按照居住地属于城镇和农村划分，参加城乡居民医保能够使农村居民发生灾难性卫生支出的概率降低5.30%，使城镇居民发生灾难性卫生支出的概率降低3.90%，两者均在1%的置信水平下显著，表明相对于城镇居民，农村居民参加城乡居民医保对灾难性卫生支出发生率的抑制效应更为明显。

3　讨　论

收起

本研究结果显示，参加城乡居民医保的居民灾难性卫生支出的发生的概率降低5.70%，通过PSM消除内生性问题后，城乡居民医保对灾难性卫生支出仍然有一定的抑制作用，与既往的研究结果一致，但是其保障水平依然有限，难以为高额支出的重大疾病提供有效的保障^[12–13]。研究结果显示，2020年我国CHE的发生率为13.88%，以往研究中，苏敏等人^[14]使用CHARLS数据，以40%为阈值，CHE发生率2013年为22.94%，2015年为20.24%，2018年为27.55%。徐文娟等人^[15]基于2015年CHARLS全国数据，在40%的阈值下，灾难性卫生支出的发生率为16.50%。从全球范围来看，Lancet子刊中的一项研究显示，在10%和25%的阈值下，2000—2010年我国CHE的发生率远高于发达国家，尤其是北欧国家^[16]。主要考虑以下两个原因：一是虽然我国建立起了覆盖率高、相对比较完善的医疗保障网，但实际保障水平有限，居民医疗费用自付部分仍然较多，与发达国家尤其是北欧高福利国家相比仍然存在一定的差距；二是考虑研究样本、地区的差异性以及CHE的计算方式不同^[9]。

Probit模型结果显示，相对于农村居民，城镇居民发生灾难性卫生支出的概率更低，这与郭芮绮^[10] 、李勇^[17]等人的研究一致。有研究显示，自2012—2018年CHE的发生率我国农村居民从18.42%下降到18.31%，城市居民从11.01%上升到11.88%^[18]，由此考虑以下两个原因：一是城市医疗、教育、基础设施等公共服务水平更高，农村地区医疗卫生资源相对缺乏，居民更容易受到重大疾病问题的冲击；二是城乡居民收入差距较大，城市居民收入更高，因此医疗支出对城市居民带来的冲击更小。自评健康越差和患有慢性病的居民，灾难性卫生支出发生率越高，这与既往研究结果一致^[17]。究其原因，健康水平状况越差的居民越会寻求医疗就诊，更易产生医疗费用，如果居民患有重特大疾病并且不在城乡居民医保的保障范围，将使其难以承担沉重的经济负担，更易发生灾难性卫生支出，进而造成因病致贫的情况^{[15, 19]}。自评健康状况较差的居民有更多的医疗保健需求，不可避免地产生医药或护理费用，增加了其产生灾难性医疗支出的风险。年龄越大的居民发生灾难性卫生支出的可能性越高，与谢明明^[13]的研究结果一致。可能原因是年龄大的人群容易受到疾病和健康功能障碍的影响^[20]，进而产生高额的医疗费用支出。受教育程度越高的居民，发生灾难性卫生支出的概率越低，与张晶晶等人^[21]的研究一致。可能与教育和经济有关，在大多数情况下，随着劳动力教育水平的上升，所获得劳动报酬成正比关系，可支付能力越强。因此当遭遇重大疾病风险时，受教育程度高的居民更具有抵抗疾病风险的能力。另外受教育程度高的居民比较重视健康问题，定期体检，很少发生小病拖成大病的情况。已婚有配偶的居民发生灾难性卫生支出的概率更高，与FU X Z等^[18]的研究结果相反，但与谢明明^[13]的研究结果相同。可能是由于已婚的居民面临着更多的家庭责任和压力，如抚养子女、赡养老人等，因此在家庭成员生病时，会有更高的费用支出。

异质性分析结果显示，城乡居民医保对灾难性卫生支出的影响在地区与城乡之间具有差异性。城乡居民医保对降低东部和西部地区人群灾难性卫生支出发生率具有显著效果。可能是东部地区医疗卫生资源发达以及医联体建设水平较高，使得该区域居民能够得到更为及时的救治并取得良好的治疗效果，由此疾病对人力资本的损害能够降到最低限度，有效阻断“疾病—贫困”间的恶性循环链条^[18]；在4个地区中，城乡居民医保对西部灾难性卫生支出发生率的抑制作用最明显，主要考虑两方面的原因，第一，西部地区医疗卫生资源相对匮乏难以满足居民就医需求，居民更容易发生灾难性卫生支出，而城乡居民医保的实施能够减轻居民经济压力和心理负担，从而及时就医避免“小病拖成大病”情况的发生^[22]；第二，近年来国家持续加大对西部地区医保补助资金投入。据统计，居民医保财政补助方面，中央财政按规定对地方实施分档补助，其中对西部地区按照人均财政补助标准80%的比例给予补助，为最高档比例^[23]。相较于城镇居民，农村居民参加城乡居民医保对灾难性卫生支出发生率的抑制效应更为明显，主要有以下两个原因，一是农村居民的经济水平相对较低，对医疗支出的承受能力较差，城乡居民医保通过补贴和报销机制，显著降低了医疗费用的实际负担，使农村居民能在遭遇重大疾病时获得更好的经济保障，从而减少因病致贫的风险^[24]。二是农村医保政策的实施伴随着政府人、财、物的支持力度，《关于进一步深化改革促进乡村医疗卫生体系健康发展的意见》中提到了优化乡村医疗卫生机构布局、完善乡村医疗卫生人才培养机制、落实分类资助农村低收入人口参保政策等一系列举措^[25]。

基于本研究，建议从以下几个方面改进，以降低CHE的发生率。（1）针对老年人群、慢性病人群、重大疾病人群等弱势群体，首先从城乡居民医保制度的政策设计上着手，借助大数据，准确测度不同群体的医疗经济负担，从而设置不同的报销比例和起付标准^[26]；继而完善多层次医疗保障制度体系，如促进城乡居民医保与长期护理保险制度的衔接，引导商业保险机构进一步完善健康保险产品供给，开展各类针对慢性病和重大医疗疾病相关保险经办服务^[27]。（2）针对受教育程度低的居民，通过多种形式的宣传教育，提高其健康知识水平，特别是针对受教育程度低的贫困人口，应加强技术培训，增加就业机会，提高其抵抗风险和创造收入的能力^[21]。（3）针对城乡居民医保能够显著降低西部和东部地区灾难性卫生支出发生概率，而对中部和东北部效应不显著，需要关注地区医保政策之间的差异性，灵活制定区域医保政策，加快实施医疗保险基金全国统筹机制，提高地区之间以及城乡之间医保待遇的均衡性^[28–29]。

参考文献

收起

文献

收起

参考文献引证文献

排序方式：

世界卫生组织. 超过五亿人因卫生保健费用陷入或进一步陷入极端贫困[EB/OL]. (2021-12-12)[2024-06-10]. https://www.who.int/zh/news/item/12-12-2021-more-than-half-a-billion-people-pushed-or-pushed-further-into-extreme-poverty-due-to-health-care-costs.

Jia Y S, Hu M, Fu H Q, et al. Provincial variations in catastrophic health expenditure and medical impoverishment in China: a nationwide population-based study[J]. The Lancet Regional Health-Western Pacific, 2023, 31: 100633.

祝伟, 夏瑜擎. 中国居民家庭消费性负债行为研究[J]. 财经研究, 2018, 44(10): 67-81.

Wang X Y, Guo Y, Qin Y, et al. Regional catastrophic health expenditure and health inequality in China[J]. Frontiers in Public Health, 2023, 11: 1193945.

蔡滨, 周罗晶, 毛向阳, 等. 江苏省城乡居民基本医疗保险制度高质量发展路径探讨[J]. 中国医院, 2022, 26(6): 26-28.

仇雨临, 王昭茜. 我国医疗保险制度发展四十年: 进程、经验与展望[J]. 华中师范大学学报: 人文社会科学版, 2019, 58(1): 23-30.

国家医疗保障局. 2022年全国医疗保障事业发展统计公报[EB/OL]. (2023-07-10)[2024-06-10]. http://www.nhsa.gov.cn/art/2023/7/10/art_7_10995.html.

Liu H, Zhu H, Wang J H, et al. Catastrophic health expenditure incidence and its equity in China: a study on the initial implementation of the medical insurance integration system[J]. BMC Public Health, 2019, 19(1): 1761.

张仲芳, 刘海兰, 刘星. 我国灾难性卫生支出标准的界定: 基于医疗支出对家庭基本生活消费的影响[J]. 中国卫生政策研究, 2022, 15(11): 68-74.

郭芮绮, 胡依, 闵淑慧, 等. 基于倾向得分匹配的商业医疗保险对我国城乡居民灾难性医疗支出影响研究[J]. 中国卫生事业管理, 2022, 39(9): 662-665,711.

李庆霞, 赵易. 城乡居民大病保险减少了家庭灾难性医疗支出吗[J]. 农业技术经济, 2020(10): 115-130.

Zhou Y, Wushouer H, Vuillermin D, et al. Does the universal medical insurance system reduce catastrophic health expenditure among middle-aged and elderly households in China? A longitudinal analysis[J]. The European Journal of Health Economics, 2021, 22(3): 463-471.

谢明明, 杨依哲, 周明欣. 城乡居民医保整合对农村家庭灾难性卫生支出的影响研究[J]. 中国卫生经济, 2024, 43(3): 16-19.

苏敏, 张苇乐. 我国家庭灾难性卫生支出公平性分析[J]. 医学与社会, 2022, 35(11): 55-60.

徐文娟, 褚福灵. 灾难性卫生支出水平及影响因素研究——基于CHARLS数据的分析[J]. 社会保障研究, 2018(5): 64-72.

Wagstaff A, Flores G, Hsu J, et al. Progress on catastrophic health spending in 133 countries: a retrospective observational study[J]. The Lancet Global Health, 2018, 6(2): e169-e179.

李勇, 周俊婷, 赵梦蕊. 大病保险对我国中老年人家庭灾难性卫生支出影响实证分析[J]. 中国卫生政策研究, 2019, 12(6): 41-46.

Fu X Z. The comparison of catastrophic health expenditure and its inequality between urban and rural households in China[J]. Health Economics Review, 2022, 12(1): 19.

高树棠, 陶玉玲. 城乡居民医保整合对农村家庭的减贫长效作用[J]. 中国沙漠, 2024, 44(2): 220-230.

Ebaidalla E M, Ali M E M. Determinants and impact of household's out-of-pocket healthcare expenditure in Sudan: evidence from urban and rural population[J]. Middle East Development Journal, 2019, 11(2): 181-198.

张晶晶. 基本医疗保险的反贫困效应研究——基于CFPS数据的分析[D]. 南昌: 江西财经大学, 2022.

高水英. 我国城乡居民大病保险制度减贫机制的优化研究[D]. 成都: 西南财经大学, 2023.

张萍, 郑怡哲. 国家医保局: 持续加大医保补助资金投入对中西部地区倾斜支持[EB/OL]. (2024-01-02)[2024-06-10]. https://news.youth.cn/gn/202401/t20240102_14999732.htm.

周文杰, 尚宏利, 魏志鹏. 循证信息贫困研究——回归分析[M]. 北京: 科学出版社, 2024.

中华人民共和国中央人民政府. 中共中央办公厅国务院办公厅印发《关于进一步深化改革促进乡村医疗卫生体系健康发展的意见》[EB/OL]. (2023-02-23)[2024-08-18]. https://www.gov.cn/gongbao/content/2023/content_5745285.htm.

Sun J, Lyu SJ. The effect of medical insurance on catastrophic health expenditure: evidence from China[J]. Cost Effectiveness and Resource Allocation, 2020, 18: 10.

杨克虎, 李秀霞. 循证卫生决策研究方法与实践[M]. 北京: 科学出版社, 2024.

李琼, 夏涛. 医疗保险对相对贫困的缓解效应——基于CFPS四期数据[J]. 吉首大学学报(社会科学版), 2024, 45(1): 116-129.

刘光华. 法循证学理论与实践[M]. 北京: 科学出版社, 2024.

2025年第41卷第3期

PDF下载

引用本文

BibTeX

文章信息

doi: 10.11847/zgggws1145226

接收时间：2024-06-17
首发时间：2026-10-25
出版时间：2025-03-10

补充材料

相关文章

文章信息

作者

出版历史

收稿日期：2024-06-17
修回日期：2024-11-19
录用日期：2024-12-04

基金

作者信息

¹兰州大学卫生技术评估中心/循证社会科学研究中心兰州大学公共卫生学院，兰州 730000

²兰州大学循证医学中心兰州大学基础医学院，兰州 730000

³甘肃省循证医学与临床转化重点实验室，兰州 730000

⁴甘肃中医药大学中西医临床医学院，兰州 730000

⁵陕西省商洛市中心医院数据中心，商洛 726000

⁶甘肃省卫生健康委员会，兰州 730000

通讯作者:

魏雪峰， E-mail：gswstwxf@163.com

李秀霞，E-mail：lixiuxia@lzu.edu.cn

参考文献

分享链接

https://castjournals.cast.org.cn/joweb/zgggws/CN/10.11847/zgggws1145226

分享至

全文二维码

扫描看全文

引用本文

BibTeX

本文的引用情况

2种不同金属材料的力学参数

科 Family	属数 Number of genus	种数 Number of species	占总种数比例 Percentage of total species (%)	属 Genus	种数 Number of species	占总种数比例 Percentage of total species (%)
鹅膏菌科Amanitaceae	2	11	5.26	鹅膏菌属 Amanita	10	4.78
小菇科 Mycenaceae	2	12	5.74	丝盖伞属 Inocybe	5	2.39
多孔菌科 Polyporaceae	8	14	6.70	蜡蘑属 Laccaria	5	2.39
红菇科 Russulaceae	3	23	11.00	小皮伞属 Marasmius	6	2.87
				小菇属 Mycena	11	5.26
				光柄菇属 Pluteus	5	2.39
				红菇属 Russula	17	8.13
				栓菌属 Trametes	5	2.39

关闭全屏

BibTeX
EndNote
RefWorks
TxT

变量名称	变量含义及赋值	均值	标准差
是否发生灾难性卫生支出	1=是；0=否	0.139	0.346
是否参加城乡居民医保（城居保、新农合、城乡居民医疗保险其中的一种）	1=参加城乡居民医疗保险；0=未参加城乡居民医疗保险	0.886	0.318
年龄/岁	1≤25；2=26～<36；3=36～<46；4= 46～<56；5= 56～<66；6=≥ 66	3.587	1.409
地区	1=东部；2=中部；3=西部；4=东北	2.209	1.022
城乡分类	1=城镇；0=乡村	0.469	0.499
性别	1=男性；0=女性	0.492	0.500
教育程度	1=未上过学/文盲/半文盲；2=小学；3=初中；4=高中/中专/技校/职高；5=大专/本科；6=硕士及以上	2.748	1.200
身体健康状况自评	1=非常健康；2=很健康；3=比较健康；4=一般；5=不健康	2.895	1.203
是否患有慢性病	1=是；0=否	0.142	0.350
工作状态	1=在业；2=失业/退出劳动力市场	0.810	0.393
婚姻状态	1=在婚（有配偶）；0=未婚/离婚/丧偶	0.841	0.366
家庭规模/人	1=1～3；2=4～6；3=7～10	1.802	0.647

变量名称

变量含义及赋值

均值

标准差

是否发生灾难性卫生支出

1=是；0=否

0.139

0.346

是否参加城乡居民医保（城居保、新农合、城乡
居民医疗保险其中的一种）

1=参加城乡居民医疗保险；0=未参加城乡居民医疗保险

0.886

0.318

年龄/岁

1≤25；2=26～<36；3=36～<46；4= 46～<56；5= 56～<66；6=≥ 66

3.587

1.409

地区

1=东部；2=中部；3=西部；4=东北

2.209

1.022

城乡分类

1=城镇；0=乡村

0.469

0.499

性别

1=男性；0=女性

0.492

0.500

教育程度

1=未上过学/文盲/半文盲；2=小学；3=初中；4=高中/中专/技校/职高；5=大专/本科；6=硕士及以上

2.748

1.200

身体健康状况自评

1=非常健康；2=很健康；3=比较健康；4=一般；5=不健康

2.895

1.203

是否患有慢性病

1=是；0=否

0.142

0.350

工作状态

1=在业；2=失业/退出劳动力市场

0.810

0.393

婚姻状态

1=在婚（有配偶）；0=未婚/离婚/丧偶

0.841

0.366

家庭规模/人

1=1～3；2=4～6；3=7～10

1.802

0.647

变量	系数	标准差	边际效应	标准差
是否参加城乡居民医保	–0.255 ^a	0.058	–0.057 ^a	0.014
家庭规模	0.010	0.029	0.002	0.006
城乡分类	–0.178 ^a	0.039	–0.035 ^a	0.008
性别	0.048	0.039	0.010	0.008
健康自评	0.096 ^a	0.016	0.019 ^a	0.003
是否患有慢性病	0.246 ^a	0.050	0.055 ^a	0.012
地区分类	0.076 ^a	0.018	0.015 ^a	0.004
工作状态	0.018	0.049	0.004	0.010
教育程度	–0.054 ^a	0.019	–0.011 ^a	0.004
婚姻状态	0.112 ^b	0.058	0.022 ^c	0.010
年龄	0.173 ^a	0.016	0.035 ^a	0.003
常数项	–1.968 ^a	0.147
样本总量	7 816		7 816

变量

系数

标准差

边际效应

标准差

是否参加城乡居民医保

–0.255 ^a

0.058

–0.057 ^a

0.014

家庭规模

0.010

0.029

0.002

0.006

城乡分类

–0.178 ^a

0.039

–0.035 ^a

0.008

性别

0.048

0.039

0.010

0.008

健康自评

0.096 ^a

0.016

0.019 ^a

0.003

是否患有慢性病

0.246 ^a

0.050

0.055 ^a

0.012

地区分类

0.076 ^a

0.018

0.015 ^a

0.004

工作状态

0.018

0.049

0.004

0.010

教育程度

–0.054 ^a

0.019

–0.011 ^a

0.004

婚姻状态

0.112 ^b

0.058

0.022 ^c

0.010

年龄

0.173 ^a

0.016

0.035 ^a

0.003

常数项

–1.968 ^a

0.147

样本总量

7 816

变量	样本匹配	均值	标准化偏差/%	减少幅度/%	t检验
家庭规模	匹配前	1.810	1.738	10.9		3.140	0.002
	匹配后	1.810	1.818	–1.2	88.7	–0.730	0.468
城乡分类	匹配前	0.456	0.570	–23.0		–6.450	0.000
	匹配后	0.456	0.451	1.0	95.6	0.590	0.552
性别	匹配前	0.492	0.487	1.2		0.320	0.746
	匹配后	0.492	0.490	0.5	55.8	0.300	0.765
健康状况	匹配前	2.911	2.774	11.4		3.210	0.001
	匹配后	2.911	2.895	1.3	88.5	0.760	0.445
是否有慢性病	匹配前	0.146	0.109	11.3		3.040	0.002
	匹配后	0.146	0.128	5.6	50.7	3.180	0.001
地区分类	匹配前	2.220	2.121	9.2		2.740	0.006
	匹配后	2.220	2.191	2.7	70.3	1.610	0.108
工作状态	匹配前	0.814	0.775	9.7		2.800	0.005
	匹配后	0.814	0.801	3.2	66.7	1.940	0.052
教育程度	匹配前	2.713	3.019	–24.6		–7.190	0.000
	匹配后	2.713	2.726	–1.1	95.5	–0.660	0.508
婚姻	匹配前	0.859	0.698	39.6		12.530	0.000
	匹配后	0.860	0.869	–2.2	94.4	–1.550	0.121
年龄	匹配前	3.656	3.053	41.7		12.170	0.000
	匹配后	3.657	3.646	0.7	98.2	0.440	0.657

变量

样本匹配

均值

标准化偏差/%

减少幅度/%

t检验

处理组

控制组

t值

P值

家庭规模

匹配前

1.810

1.738

10.9

3.140

0.002

匹配后

1.810

1.818

–1.2

88.7

–0.730

0.468

城乡分类

匹配前

0.456

0.570

–23.0

–6.450

0.000

匹配后

0.456

0.451

1.0

95.6

0.590

0.552

性别

匹配前

0.492

0.487

1.2

0.320

0.746

匹配后

0.492

0.490

0.5

55.8

0.300

0.765

健康状况

匹配前

2.911

2.774

11.4

3.210

0.001

匹配后

2.911

2.895

1.3

88.5

0.760

0.445

是否有慢性病

匹配前

0.146

0.109

11.3

3.040

0.002

匹配后

0.146

0.128

5.6

50.7

3.180

0.001

地区分类

匹配前

2.220

2.121

9.2

2.740

0.006

匹配后

2.220

2.191

2.7

70.3

1.610

0.108

工作状态

匹配前

0.814

0.775

9.7

2.800

0.005

匹配后

0.814

0.801

3.2

66.7

1.940

0.052

教育程度

匹配前

2.713

3.019

–24.6

–7.190

0.000

匹配后

2.713

2.726

–1.1

95.5

–0.660

0.508

婚姻

匹配前

0.859

0.698

39.6

12.530

0.000

匹配后

0.860

0.869

–2.2

94.4

–1.550

0.121

年龄

匹配前

3.656

3.053

41.7

12.170

0.000

匹配后

3.657

3.646

0.7

98.2

0.440

0.657

匹配方法	ATT	标准误	t值
1:4近邻匹配	–0.018^a	0.016	–1.180
半径匹配	–0.018^a	0.014	–1.320
核匹配	–0.019^a	0.014	–1.380

匹配方法

ATT

标准误

t值

1:4近邻匹配

–0.018^a

0.016

–1.180

半径匹配

–0.018^a

0.014

–1.320

核匹配

–0.019^a

0.014

–1.380

变量	城乡
是否参加城乡居民医疗保险	–0.053 ^a（0.020）	–0.039 ^a（0.015）	–0.050 ^a（0.018）	–0.034（0.025）	–0.089 ^a（0.030）	–0.017（0.031）

控制变量	控制	控制	控制	控制	控制	控制

变量

城乡

地区

农村

城镇

东部

中部

西部

东北

是否参加城乡居民医疗保险

–0.053 ^a（0.020）

–0.039 ^a（0.015）

–0.050 ^a（0.018）

–0.034（0.025）

–0.089 ^a（0.030）

–0.017（0.031）

控制变量

控制