城乡医保统筹政策、健康风险冲击与精准扶贫绩效研究

精准扶贫是中国共产党建党 100 年来的重要成果之一。特别是党的“十八大”以来，以习近平同志为核心的党中央高度重视扶贫工作，立足中国国情和发展实际，精准扶贫成为新时代中国反贫困的核心思想。2020 年我国实现现行标准下农村人口全部脱贫，消除了绝对贫困，取得重大成就，充分体现了党的英明和伟大。其中，精准扶贫思想拓展了当代反贫困理论，对全面建成小康社会目标具有重要指导意义和理论价值，这也为世界各国制定反贫困政策贡献了中国智慧。目前在全面脱贫的背景下，健康风险冲击是导致家庭陷入贫困的主要诱因之一，“因病致（返）贫”屡见不鲜，与健康息息相关的社会医疗保险制度成为我国精准扶贫和建立防止返贫长效机制的重点。同时，“两不愁三保障”中的基本医疗有保障也是实现高质量脱贫的核心指标之一。一直以来，中国共产党秉持以民生为本，为人民谋取幸福生活为初心，逐步构建了覆盖全民的社会医疗保障体系，精准解决因病返贫致贫问题。已有部分研究表明，社会医疗保险通过降低居民因负向健康冲击产生的医疗支出风险，能够有效缓解“因病致（返）贫”问题和增加居民收入，具有显著的减贫效应[1,2]。然而，由于我国三大基本医疗保险制度①的条块分割问题，城乡居民在保障水平、缴费标准和报销政策等方面存在巨大差异，从而导致城乡居民医疗服务利用不均等，收入较低的农村居民受益水平较低。特别是在此次新冠肺炎疫情中，政府为了确保患者不因费用问题影响就医、确保医院不因支付政策影响救治，特殊解决了少部分人群无医保、医保异地报销等问题。但这些问题背后的深层次原因是医保覆盖不全及医保统筹层次过低。因此，提升我国医保覆盖率和拓宽统筹层次迫在眉睫。一个公平有效的社会基本医疗保险制度是打破居民贫困与健康状况不良之间恶性循环的重要工具，也是促进全民健康公平的基本保障。城乡医保统筹能够进一步提升社会医疗保险的保障水平，对于促进城乡医疗服务均等化、防范因病返贫致贫和发挥医保制度解决相对贫困的长效机制作用具有重要的现实意义。

本文基于 2013—2015 年中国健康与养老追踪调查（CHARLS）数据，利用双重差分模型和中介效应模型研究了城乡医保统筹政策对农村居民贫困的影响及其作用机制。与现有研究成果相比，本文的创新主要有以下三点：（1）率先系统评估了城乡医保统筹政策对农村居民贫困的影响，并利用中介效应模型检验了该政策减贫效应的作用渠道，有助于弥补相关文献的不足。（2）探讨了城乡医保统筹政策是否能够有效缓解大病健康风险冲击对农村居民的负向影响。（3）研究了城乡医保统筹政策扶贫效果在不同年龄、性别和健康水平群组间的异质性特征，以期有效识别其精准扶贫绩效。通过以上实证研究过程，以期为我国优化精准扶贫政策、推进城乡医保统筹和提高居民福利水平提供有益参考意见。

关于医疗保险的经济绩效和健康绩效已经受到国内学者的广泛研究[14-17]。其中，国内探讨医疗保险与贫困之间因果关系的文献相对较少，并且现有文献表明医疗保险对贫困影响的效果不一。比如，齐良书利用省际微观数据评估了新农合的减贫效果，发现新农合具有显著的减贫增收效应[1]。程杰发现医疗保险制度显著降低了老年群体的贫困率[18]。方黎明和乔东平研究发现城居保显著减轻了贫困群体的经济负担[19]。谢远涛和杨娟研究发现随着我国社会医疗保险覆盖率的提升，医疗保险具有显著的减贫效果[20]。黄薇发现医疗保险显著提升了居民收入水平，改善了居民福利状况[21]。与之相反，少部分文献的结论表明医疗保险减贫增收效应十分微小，并没有发挥显著的扶贫作用 [22,23]。比如解垩发现发生灾难性卫生支出的家庭较多，医疗保险的保障水平较低，其减贫增收效果微小[24]。鲍震宇和赵元凤发现新农合的门诊统筹保险没有减贫效果[25]。

少量文献探讨了医疗保险减贫效应的作用机制，医疗保险通过改善参保居民的健康状况提高生产率，增加劳动力供给，减少工作日损失和降低医疗支出负担等机制实现减贫增收效应 [26-28]。国内文献主要探讨医疗保险减贫效果，很少分析其减贫作用机制。比如黄薇发现城镇居民基本医疗保险具有明显的减贫效应，并通过改善健康状况和提高教育培训支出两个中介渠道提升了参保家庭收入水平[29]。

目前关于城乡医保统筹政策效应评估的文献较少，主要集中在评估该政策对居民医疗服务利用水平和健康的影响[30-32]。这些研究表明，城乡医保统筹提高了医疗保障水平有利于增加居民医疗服务利用水平、促进健康平等和减轻家庭自付医疗负担。然而，研究中国城乡医保统筹政策对贫困的影响及其作用机制的文献几乎处于空白状态。已有文献都集中在评估社会医疗保险减贫的广延边际效应（extensive margin）即从无医疗保险状态变为有保险的过程，但很少有文献讨论医疗保险减贫的集约边际效应（intensive margin）即医疗保障水平变化的影响。本文的研究不仅可以弥补我国医疗保险减贫效应研究的不足，而且能为全面评估城乡医保统筹政策扶贫效果和优化精准扶贫政策提供有益参考。

从理论层面上讲，医疗保险通过风险分担机制为参保居民降低了疾病健康冲击带来的医疗支出风险，使得参保居民在获取医疗卫生服务时面临一个较低的价格，从而能够有效缓解其医疗支出的经济负担。因此，社会医疗保险成为国民之间调节收入差距、分散健康冲击风险、降低医疗支出风险的社会保障机制，特别是能够显著缓解家庭遭受大病医疗支出风险的负面冲击，进而有效解决“因病致贫返贫”问题。目前，我国社会基本医疗保险几乎实现了全民覆盖，城乡居民统筹后的城乡居民基本医疗保险制度遵循“待遇就高不就低，范围就宽不就窄”的原则执行 [30]。显然，城乡医保统筹政策可以反映医疗保障水平提高的效应，而不是覆盖率和保障水平变化的混合效应。本文可以充分利用城乡医保统筹提高医疗保障水平的过程评估社会医疗保险减贫的集约边际效应。 

通过以上分析，本文拟依次重点解决以下三个问题：第一，现阶段，与健康密切相关的医保制度成为精准扶贫的重要方面，那么城乡医保统筹政策对农村居民的扶贫绩效如何？第二，大病健康风险冲击是致贫的重要诱因，城乡医保统筹政策是否能够显著缓解大病健康风险冲击引起的因病致贫返贫问题？第三，城乡医保统筹政策减贫效应的作用机制是什么？基于上文的文献综述和理论分析，本文提出以下研究假设： 

假设 1：城乡医保统筹政策通过提高保障水平，对农村居民产生了显著的扶贫绩效。 

健康冲击是导致农村家庭“因病返贫致贫”的主要诱因之一。特别是当家庭遭受大病健康冲击时，巨大的医疗支出会直接导致家庭陷入贫困状态，同时可能伴有贫困代际转移的棘手问题。社会基本医疗保险是否能够有效转移大病健康冲击风险成为衡量其精准扶贫绩效的重要方面。因此，本文提出第二个假设： 

假设 2：城乡医保统筹政策对遭受大病健康冲击的居民具有显著的扶贫效果，能有效减少农村“因病返贫致贫”问题的发生。 

假设 3：城乡医保统筹政策可以通过改变自付医疗支出、劳动供给、人力资本投入、健康等渠道实现减贫增收效应。 

为了科学验证以上理论假设是否成立，后文将充分利用政府主导实施城乡医保统筹政策的准自然实验条件，并利用 CHARLS 微观数据实证探讨以上三个核心问题。

4.1 识别策略

为了验证假说 1，即评估城乡医保统筹政策在扶贫绩效方面的处理效应（treatment effect），我们通过构建双重差分估计模型进行实证分析。在此，处理组是指在 2013 年 CHARLS 调查基期已经参加新农合的个体，并且在 2015 年实验期加入城乡医保统筹政策实施后的城乡居民基本医疗保险①，这也排除了参保率的变化，体现了医疗保险保障水平的变化即集约边际效应；与之对应，控制组是指在 2013 年CHARLS 调查基期已经参加新农合的个体，并且在 2015 年实验期没有参加城乡医保统筹后的城乡居民基本医疗保险。在随机实验条件下，可以通过直接比较处理组和控制组之间贫困指标差异，从而得到城乡医保统筹政策的扶贫效果。然而，通常影响居民贫困状况的因素很多，若简单地对比贫困变量在城乡医保统筹实施前后的变化就会受到时间趋势和不可观测因素的影响，这样只能得到有偏估计。双重差分估计方法（简记 DID）不仅可以有效控制不随时间改变的不可观测变量的影响，而且可以有效控制处理组和控制组两个群体在 2013 年至 2015 年之间所经历的共同时间趋势。目前，DID 方法已被广泛用于政策处理效应评估。因此，本文选用 DID 模型评估中国城乡医保统筹政策的减贫效应。DID的主要思想是通过对比处理组的平均变化和控制组的平均变化在政策实施前后之差获得政策处理效应。DID 模型如下：

4.2 数据来源 

数据源于中国健康与养老追踪调查数据（CHARLS）。CHARLS 包含 45 岁及以上中老年人个人及家庭的信息，是我国具有代表性的大型微观数据库。CHARLS 收集了人口学特征、社会经济学特征、医疗服务利用情况、健康指标、社会医疗保险等丰富的信息。全国调研始于 2011 年，每两年开展一次追踪调查，并分别在 2013 年和 2015 年在全国 28 个省区的 150 个县级单位开展调查。截至 2015 年，已覆盖 1.24 万户家庭中的 2.3 万名受访者。 

现阶段，我国各项扶贫政策标准和精准扶贫的工作重点在农村地区，本文首先排除了城镇居民。因为本文利用城乡医保统筹提高医疗保障水平的过程评估社会医疗保险减贫的集约边际效应，所以为了进一步排除参保率变化带来的广延边际效应和集约边际两者混合效应，我们把研究样本限定在参加新农合或者城乡居民基本医疗保险的个体，另外排除了无法识别参保状态和变量数据缺失值。在排除缺乏相关变量信息的样本后，筛选后的样本为两期平衡面板数据。最终样本量包括 20884 个，其中处理组样本量为 506 个，控制组样本量为 20378 个。各名义变量都以农村居民消费价格指数进行平减调整，数据来自历年《中国统计年鉴》。本文借鉴已有文献，实证过程中从个体层面进行估计，因为是否参加统筹后的城乡居民基本医疗保险、健康风险冲击、人口特征等关键变量都是个体层面的信息，已有文献也是从个体层面分析经济贫困问题 [33]。 

4.3 变量选取和设定

（1）贫困指标

世界各国对贫困的界定和考量主要是以收入水平作为识别标准。然而，很多学者对此进行了拓展，采取多维贫困指标识别贫困状态，即将收入、教育、医疗、生活标准、健康和主观福利等多个指标按不同权重综合计算得出多维贫困指数反映贫困状况[34-36]。现阶段，从我国各项扶贫政策标准和精准扶贫的工作重点来看，在农村地区还是以经济收入作为关键衡量标准。鉴于此，本文主要采用经济收入对贫困进行测度。为了精确反映城乡医保统筹对农村居民贫困的影响，本文借鉴已有文献识别和度量贫困状态的方法，选取“家庭人均收入”和“绝对贫困”两个指标作为被解释变量[37,38]。同时，城乡医保统筹政策可以降低家庭医疗支出负担，这样就使家庭在收入不变的情况下，有更多的资金用于非医疗支出，以提升福利水平。在此，为了更加全面地评估城乡医保统筹政策对居民非医疗消费福利的影响，我们选定“非医疗支出”指标作为被解释变量。各个指标的具体设定如下： 

第一，家庭人均收入。我们以农户家庭人均收入①的对数（Ln_Income）作为被解释变量。家庭收入的变化可以直接反映城乡医保统筹对农村居民的增收减贫效应。 

第二，绝对贫困。识别一个家庭是否处于贫困状态，主要在于贫困线高低的设定。通常，国家的贫困线会随着社会经济客观发展状况而动态变化。自中国实施扶贫政策以来，2003—2007 年有绝对贫困线与低收入贫困线两个标准，但是在 2008 年政府将国家贫困线合并统一规定为 1196 元。目前，中国政府正在执行的农村地区贫困线标准是 2011 年中央扶贫开发工作会议官方公布的 2300 元（2010 年不变价格）①。因此，对于“绝对收入贫困”（Poverty），本文按照我国现行 2011 年确定的贫困线设定是否贫困虚拟变量，把低于（等于）贫困线的样本赋值为 1（Poverty=1），否则，赋值为 0（Poverty=0）。 

第三，非医疗支出。为了更加全面地评估城乡医保统筹政策对居民非医疗消费的影响，本文设定家庭非医疗支出的对数（Ln_nonmedical）作为被解释变量。（2）控制变量

因为影响农村居民经济收入和贫困状况的因素较多，所以我们参照相关经济理论和文献选择加入其他影响收入的因素[37]。为了排除其他影响因素可能带来的估计偏差，我们选取的控制变量涉及个体特征、家庭特征和地区特征。具体说明如下：第一，为了克服个体异质性的影响，个体层面的控制变量主要包括年龄、性别、受教育水平、自评健康②、是否患有慢性病③、是否有日常行动限制④等。第二，家庭层面的控制变量主要包括耕地面积、固定资产、家庭人口规模等，鉴于中国农村金融资产和借贷已经成为影响收入和贫困状况的重要因素，我们还纳入了金融资产和负债两个变量。⑤第三，为了有效控制地区差异带来的异质性影响，在地区层面设置各省虚拟变量和东中西部地区虚拟变量。各个变量设定和描述性统计结果详见表 1。 

从表1可知，在 2013—2015年中国健康与养老追踪调查数据中，受访者处于绝对收入贫困（Poverty）的比例约为 19.3%。现阶段，我国在现行标准下农村贫困人口已全部脱贫，取得巨大成就。下一步，需要重点提升农村地区医疗保障水平，优化调整医保扶贫政策，减少因病返贫致贫现象，巩固脱贫成果，有效衔接乡村振兴战略。处理组和控制组之间的收入、贫困、非医疗消费支出、年龄、性别、教育水平等不存在显著差异，但健康状况、耕地面积、固定资产等特征在统计上存在显著差异。

5.1 城乡医保统筹政策对农村居民减贫效果的总体评估

表 3 平衡性检验结果

5.2 城乡医保统筹政策减贫效应的异质性分析

讨论城乡医保统筹政策的异质性影响有助于评估其精准扶贫绩效，主要从以下两个层面展开论述。第一，健康冲击是导致农村家庭“因病致（返）贫”的主要诱因，如何有效应对大病健康冲击对农村居民的负面影响是未来精准扶贫的重要方向。为了考察城乡医保统筹是否有效缓解大病健康冲击的负面影响和识别该政策精准扶贫绩效，通过引入住院医疗支出（Med）和是否住院（Inpatient）两个指标来衡量农村居民是否遭受大病健康冲击。第二，老年人群体是最密集的医疗服务资源使用者。根据经济合作与发展组织的估计，65 岁以上群体人均医疗费用是 65 岁以下人口的 2~8 倍[39]。因此，有必要分年龄组研究城乡医保统筹政策的差异化影响。与此同时，我们依据老年人性别和健康两个维度研究了城乡医保统筹政策的异质性影响。表 4 呈现了城乡医保统筹政策的异质性估计结果。 

如表 4 所示，在模型（1）中，住院医疗支出（Med）与家庭人均收入存在负相关关系，这与经验相符，并且在 1%的统计水平上显著。虽然交互项 DID*LnMed 的系数在统计上不显著，但是为正值。在模型（6）中，我们可以看出，住院医疗支出（Med）显著提高了农村贫困比例，并且在 1%的统计水平上显著，这表明大病医疗支出是农村家庭陷入贫困的重要诱因之一。其中，交互项 DID*LnMed 的系数显著为负数，并且在 1%的统计水平上显著，这表明城乡医保统筹政策使得遭受大病健康冲击家庭处于贫困状态的概率显著减小，能够显著降低其医疗支出负担和经济压力，可以有效缓解大病健康冲击的负面影响。 

在模型（2）中，住院（Inpatient=1）显著降低了农村家庭人均收入水平，并且在 1%的统计水平上显著。虽然交互项 DID*Inpatient 的系数在统计上不显著，但是为正值，这表明城乡医保统筹政策并没有显著缓解大病健康冲击对收入的负向影响。在模型（7）中，住院（Inpatient=1）显著提高了农村居民的贫困比例，并且在 1%的统计水平上显著，该结果也再次验证了大病健康冲击是农村家庭陷入贫困的重要诱因。在模型（7）中的交互项 DID*Inpatient 的系数显著为负数，系数为-0.0965，并且在 1%的统计水平上显著，表明城乡医保统筹政策使得遭受大病健康冲击家庭处于贫困状态的概率明显降低。 

我们按照受访者的年龄进行分组，设定年龄群组（Agegroup），将年龄大于 60 的定义为 Agegroup=1，否则，Agegroup=0。在模型（3）中，随着年龄增长，农村居民人均收入显著降低，在并且在 5%的统计水平上显著，说明老年人在经济收入上处于弱势地位。然而，在模型（3）和模型（8）中，可以看出，交互项 DID*Agegroup 的系数均不显著，即城乡医保统筹政策并没有显著实现对高龄群体的增收减贫效应。在模型（4）和模型（9）中，城乡医保统筹政策对男性的减贫增收效应更大。在模型（5）和模型（10）中，城乡医保统筹政策对有日常行动能力限制的居民影响更大，有助于提升健康水平较低居民的收入水平和降低其陷贫概率。综上可知，城乡医保统筹政策能够有效缓解大病健康冲击的负面影响，能有效减少农村“因病致（返）贫”问题。因此，该政策有助于缓解遭受大病健康冲击家庭陷入贫困，有助于精准扶贫工作的推进。然而，城乡医保统筹政策对易受健康冲击和更加弱势的老年人群体减贫增收效应不显著，可能是由于现阶段城乡医保统筹政策实施时间较短，保障水平提升幅度不高，使得对老年群体精准扶贫绩效有限。如前文所述，大病健康冲击、因病致（返）贫是我国农村居民陷入贫困的主要诱因，我们需要充分发挥社会基本医疗保险制度在健康扶贫、降低医疗负担和精准扶贫中的优势和作用。下一步需要合理提高城乡居民基本医疗保险制度的“亲贫性”，注重扶持对象的精准性，提高贫困人群的医保报销比例，特别是要向贫困人口、易受健康冲击的老年人等弱势群体实施政策倾斜，减轻遭受大病健康冲击家庭的医疗支出负担，助力我国巩固脱贫攻坚和乡村振兴。

5.3 稳健性检验

第三步，利用式（6）进行中介效应检验。如表 8 显示，汇报了城乡医保统筹政策减贫效应作用机制的检验结果。从模型（1）中可知，在基准回归的基础上加入自付医疗支出比例（Oop_Ratio）后，DID的系数不再显著，自付医疗支出比例的系数显著，且在 1%的统计水平上显著，这表明自付医疗支出比例越高，居民收入水平越低。可以看出，城乡医保统筹政策通过提高报销比例显著降低了农村居民的医疗负担。从模型（4）中可知，自付医疗支出比例（Oop_Ratio）显著增加了农村居民贫困比例，且在 1%的统计水平上显著，相比于基准回归结果，DID 系数的绝对值有所增加，显著性有所降低。因此，按照中介效应模型的设定可知，城乡医保统筹政策通过降低自付医疗支出比例（即增加报销比例）渠道显著促进了农村居民收入和降低了贫困比例。其中，降低自付医疗费用降低了家庭支出，释放出其他资金用于非医疗消费，比如可以增加教育培训支出提升人力资本进而促进了家户收入的增加。在模型（2）和模型（5）中，是否退休（Work）的系数均不显著，并且 DID 的系数和基准回归结果基本保持不变，因此该变量不是城乡医保统筹政策减贫效应的中介变量。在模型（3）中，劳动供给时间（Work_Time/千小时）的系数显著为正，且在 1%的统计水平上显著，DID 的系数有所减小，回归结果表明城乡医保统筹政策通过提高劳动供给水平提升了农村居民的收入水平。从模型（6）中可知，劳动供给时间的系数显著为负，且在 1%的统计水平上显著，显著降低了农村居民的贫困比例，相比于基准回归结果，DID 系数的绝对有所减小，因此城乡医保统筹政策通过提高劳动供给时间显著降低了贫困比例。当城乡医保统筹后，保障水平得到提高，贫困人口提高了医疗服务利用水平，改善了其健康状况，进而通过提升劳动效率和劳动供给水平促进了自身收入的增长。 

综上所述，模型（1）、模型（3）、模型（4）和模型（6）的回归结果通过了中介效应模型检验，并且各个回归结果均符合理论预期。因此，我们可以得出，降低自付医疗支出比例（即提高医疗保险报销比例）和改善劳动供给水平是城乡医保统筹政策实现减贫增收效应的重要中介渠道。

社会医保制度能够有效解决因病返贫致贫问题，更是巩固全面脱贫攻坚成果的长效机制。现阶段，我国已经全部消除绝对贫困，未来一段时间内巩固拓展脱贫攻坚成果成为重点。健康冲击是导致我国农村家庭陷入贫困的主要诱因，因此解决农村“因病致（返）贫”问题成为精准扶贫和实现脱贫目标工作后的重点内容。目前城乡医保统筹政策进一步提高了我国社会医疗保险的保障水平，研究该政策的减贫效应及其背后的作用机制具有重要的现实意义。因此，本文基于中国健康与养老追踪调查数据（CHARLS），利用双重差分模型和中介效应模型研究了城乡居民医疗保险统筹政策对居民贫困的影响及其作用渠道。研究结果表明：目前我国城乡医保统筹政策对农村居民具有显著的减贫增收效应，有助于提高农村居民收入水平和降低贫困比例，该政策使农村家庭人均收入显著增加约 19.41%，使现行贫困线标准界定的贫困比例显著降低约 8.23 个百分点。城乡医保统筹政策能够有效缓解大病健康冲击的负面影响，对遭受大病健康冲击群体具有显著的扶贫效果，能有效减少农村“因病致（返）贫”问题的发生，具有明显的精准扶贫绩效。然而，城乡医保统筹政策对易受健康风险冲击和更加弱势的老年人群体减贫增收效应不显著，这与精准扶贫目标存在一定偏移。进一步通过中介效应模型研究发现，降低自付医疗支出比例和改善劳动供给水平是城乡医保统筹政策实现减贫增收效应的重要中介渠道。 

2020 年 2 月中共中央、国务院发布的《关于深化医疗保障制度改革的意见》强调，医疗保障是减轻群众就医负担、增进民生福祉、维护社会和谐稳定的重大制度安排，下一步提高城乡统筹是医疗制度改革的重要内容之一。因此，加快完善城乡医疗保险制度统筹发展是新时代中国社会医疗保障体系建设的重点内容。现阶段，由于我国城乡医保统筹推进时间较短和医疗保障水平提升有限，一定程度上限制了该政策在发挥精准扶贫绩效、降低医疗负担和缓解大病健康冲击负向影响的作用。鉴于城乡医保统筹政策具有显著减贫增收效应、精准解决因大病健康冲击引起的深度贫困，我们提出以下政策建议。 

第一，要不断提升城乡医保统筹层次，分阶段实现市级、省级、全国统筹，合理提高其医疗保障水平，分散居民健康冲击风险，强化制度公平性，尽早实现城乡居民公平享受医保待遇。第二，需要注重扶持对象精准性，加大农村医疗资源投入，特别是要向贫困人口、易受健康冲击的老年人等弱势群体实施政策倾斜。可以构建精准识别监测机制，实现精准帮扶，比如根据年龄和疾病种类等指标，对贫困群体建档立卡，实施差异化的补贴救助政策，根据贫困程度动态调整社会基本医疗保险的报销比例，精准减轻遭受大病健康冲击家庭的医疗支出负担，助力我国巩固脱贫攻坚成果，破解“看病难、看病贵”的问题。第三，从中长期来看，在不断完善城乡基本医疗保险制度的基础上，需要适应我国新发展阶段精准扶贫新政策，通过不断提高人民健康水平、提升人力资本投入、直接降低自付医疗支出比例和改善劳动供给水平等中介渠道能有效释放社会基本医疗保险的经济绩效，充分发挥社会医疗保险在防范因病返贫致贫中的重要作用，使之成为解决相对贫困的长效机制。 

虽然本文实证得出城乡医疗保险统筹政策具有显著减贫增收效应，但是需要指出的是中国健康与养老追踪调查数据调查的是 45 岁以上居民，在将以上结论外推至所有群体需要谨慎。因此，这也限制了本文研究结论的适用范围。因为中国健康与养老追踪调查数据调查时期有限，并且城乡医疗保险统筹实施还处于初期，实验组样本数量比较有限，所以，目前只能获得城乡医疗保险统筹政策在短期内效应，样本的代表性有一定局限性，这是本文未来需要重点改进的地方。另外，本文在贫困测量时，侧重绝对贫困标准，并没有全面考虑多维贫困。以后随着城乡医保统筹政策的推进，在获取更加丰富的面板数据时，需要从多维贫困角度进一步深入探讨城乡医疗保险统筹政策减贫效应和减贫机制，及其短期和长期的异质性特征。

文章来源|《公共管理学报》网络首发论文

本期排版|方建乔

欢迎推荐或自荐稿件，来稿请至邮箱：usstggguanli@163.com