文档介绍：医疗保险对儿童健康影响研究
 
 
裴艳波 宋培涵
摘要：以中国健康与营养调查2004年到2011年之间4轮全国抽样调查数据为基础数据，采用倾向值匹配方法，用stata软件对数据进行处理分析。利用
Probit模型估计倾向值，从而研究医疗保险对儿童健康状况的影响。研究表明医疗保险对促进儿童的健康水平有显著影响，进一步为增加针对儿童的社会医疗保险提供了依据。关键词：医疗保险儿童健康倾向值Probit模型
一、引言
儿童健康不仅仅是一个家庭的希望，同时也是一个国家能够持续健康发展的基础。全国妇幼卫生监测统计表明，‰，婴儿死亡率从2000年的32 3%‰;2016年《中国儿童发展纲要（2011-2020年）》显示，婴儿死亡率和五岁以下儿童死亡率持续下降，‰，%。由此可见，我国儿童健康状况得到显著改善毋需置疑。
本文以中国健康与营养调查2004年到2011年之间4轮全国抽样调查数据为基础数据，采用倾向值匹配方法，用stata软件对数据进行处理分析，利用Probit模型估计倾向值，针对医疗保险对儿童健康状况的影响展开研究。一方面，将儿童医疗保险作为外生控制变量进行深入剖析，减少研究结果可能存在的偏差;另一方面，为改善我国儿童健康状况和经济发展提供科学有效的实证依据。
二、数据来源
本文数据源于中国营养与健康调查（CHNS）。纳入本研究的数据仅包括最新4轮的调查，即2004年、2006年、2009年和2011年。本研究的样本为在这4轮调查中所有年龄为14周岁以下的儿童，从实证角度分析医疗保险对儿童健康的影响。该数据库包括
4011个样本，本文参考世界卫生组织（WHO）推荐使用的儿童体重和身高评价标准，去除了样本中的异常值及其相关变量。
三、研究方法
（一）倾向值基本概念
（二）匹配方法
得到PS之后，我们可以利用三种常用的匹配方法基于PS对处理组和控制组样本进行匹配。令Pi和P1分别是干预组和控制组个体的倾向值，I1和Io分别是干预组和控制组的个体集合。
最近邻匹配方法是根据估计的处理组PS，选择与其PS之差的绝对值最小的一个控制组样本，作为处理组的匹配对象。
半径匹配法是提前假定一个距离r，如果处理样本与控制组中样本倾向值之差的绝对值在此距离r内，那么控制组相应的一个或多个满足条件的样本被选定为匹配对象。
核匹配法是采用非参数估计的方法，构造一个虚拟对象来与处理组进行匹配，构造的原则是对控制组所有个体做加权平均，赋予在倾向值上距离i更近的j一个更大的权重，而赋予在倾向值上距离i更远的j一个更小的权重。
（三）干预效应
倾向值匹配方法的特点是创造“准”随机试验条件进行处理组和控制组的比较分析，从而减小估计偏差。该方法需要满足以下两个假设：
假设一：条件独立分布假设
假设二：共同支撑假设
（四）变量选取
选定变量如下表所示：
本文所关注的重点为是否办理医疗保险对儿童健康状况的影响，因此对于儿童参加哪种医疗保险（新型合作医疗保险、城镇居民基本医疗保险、商业医疗保险等）并无