想必大家在写论文的时候都会遇到烦恼，小编特意整理了一些《老年人医疗支出医疗保险论文(精选3篇)》，供需要的小伙伴们查阅，希望能够帮助到大家。摘要：采用CHARLS面板数据，在理论模型的基础上，考察了空气污染对中老年人医疗支出的影响程度。研究发现：通过增加个人的就医概率及就医次数，空气污染显著增加了中老年人的医疗支出。空气质量综合指数每上升一个单位，将使个人医疗支出至少增加4%。空气污染对个人医疗支出的影响显示出一定的异质性，50—65岁群体、东部地区居民的个人医疗支出受空气污染影响更显著。
老年人医疗支出医疗保险论文 篇1：
我国农民因病致贫人口学特征分析
摘要：利用2009年中国营养与健康调查数据（CHNS），通过因病致贫人群的人口学特征分析及计量模型实证分析探讨我国农村居民因病致贫的影响因素。研究认为：影响因病致贫的微观因素有：性别，年龄，教育程度，家庭人数，家庭经济收入，家庭医疗支出。与因病致贫存在显著线性关系的影响因素为：年龄，教育程度，家庭经济收入，家庭医疗支出，家庭成员人数。
关键词：因病致贫；人口学特征；影响因素
文献标识码：A
1引言
因病致贫的影响因素可分为两类，即宏观因素和微观因素。宏观影响因素可以分为两方面：（1）客观影响因素，即经济因素，环境因素，地区因素等。（2）本国采取的医疗保险或者医疗保障制度对因病致贫的影响。
因病致贫的微观影响因素，即从家庭及个人出发，分析家庭及个人的微观因素对于因病致贫的影响，比如，家庭的经济收入，年龄，教育程度，是否参加医疗保险，性别等。本文将建立多元回归模型实证分析我国农村居民的人口学特征和家庭经济情况等微观因素对农村居民因病致贫的影响。
对因病致贫的影响因素的研究主要是国外学者的研究，国内在这方面的文献很少。代表性研究有：Rama Joglekar（2008）从经济因素，环境因素和地区因素三方面描述性分析了他们对因病致贫的影响；Rama Pal（2010）从经济因素，人口特征因素和区域因素三方面简单描述了他们对因病致贫的影响。Bj·rn Ekman（2007）通过建立治疗疾病引起的灾难性卫生支出的多元回归计量模型来分析卫生保健利用率，卫生支出和个人、家庭、社会等因素对治疗疾病引起的灾难性卫生支出的影响。PrIyanka SakSena等（2011）建立oop/ctp的回归模型，进行D-W检验，分析卢旺达采用的互助合作医疗对灾难性卫生支出率的影响。国内的有：朱敏等（2006）以威海市为例，分析了经济情况，医疗保障和健康情况对灾难性卫生支出的影响，并对灾难性卫生支出进行了多因素回归分析。宛云英等（2011）以四川省为例分析了人口学特征，经济情况，医疗保障和健康状况对灾难性卫生支出的影响。国内对于因病致贫的影响因素的分析侧重于新农合对因病致贫的影响，如陈迎春等（2005），闫菊娥等（2009）等综上所述，国内外学者大多研究医疗保险和医疗救助制度对因病致贫的影响，而通过建立因病致贫的具体影响因素的计量模型，以全面分析因病致贫的影响因素的文献较少。
2农村居民因病致贫的人口学特征分析
本部分对于我国农村居民因病致贫的家庭特征分析采用2009年的CHNS相关数据，以家庭为单位作为研究对象，最终得到的样本量为2931例，根据因病致贫率计算我国2009年因病致贫家庭数，得出2009年我国因病致贫家庭数为410例。
样本中包含农民的年龄，性别，接受的教育程度，家庭经济收入，家庭医疗卫生支出，是否参加新农合，家庭成员人数等有关特征。由于在我国农村，家庭医疗支出的决策权在于户主，因此本部分中年龄，性别，接受教育程度，是否参合等个人特征以家庭户主信息作为研究对象。
2.1性别
从表1可以看出，户主性别不同，家庭的因病致贫也不太。表1中，我国农村居民中，户主为男性的家庭，因病致贫发生率为4.05%；户主为女性的家庭，因病致贫发生率为4.45%，可见户主为女性的家庭，因病致贫率高于户主为男性的家庭。
2.2年龄
研究样本中，户主年龄最大者为96岁，最小者为30岁，将样本中农村居民按照年龄划分为5个组别，将70岁以上的老人化为一组，其余组别以10为组距，划分为4组，详细结果见表2。
表2结果显示，因病致贫率最小组别是30-40岁的人群；因病致贫率发生最多的年龄阶段为70岁以上的老人组群，达到11.16%。表2显示，年龄与因病致贫呈正比，随着年龄的增长，因病致贫发生率也逐渐加大。
2.3教育程度
将样本按照户主的教育程度分类为6个组别，分别为：从没有上过学，小学毕业，初中毕业，高中毕业、中等技术学校毕业、职业学校毕业，大专或本科，硕士及以上。其中由于中等技术学校和职业学校均是初中毕业就可以入学，因此将这两类学校与高中毕业划分为一个组别中。详细结果见表3。
表3显示，在研究对象中，硕士及以上毕业的人数仅为1人，样本量太小，不具代表性，因此不作为分析目标。在其他教育程度中，因病致贫率最高的为从来没有上过学的人群，因病致贫率为6.07%，最小的为大专或大学毕业的人群，因病致贫率为1.33%。
2.4家庭经济收入及医疗支出
家庭经济收入和医疗费用支出是影响因病致贫的直接因素。家庭经济收入高，可以承担的医疗服务费用就比较高，家庭比较不容易发生因病致贫。而医疗费用越高，家庭越容易发生因病致贫。
在我国农村，受传统思想的影响，对于家庭的观念比较深，家庭中若有一人生病，必然是以全家所有的收入来承担这一医疗费用，因此对于经济和支出的研究，均是以家庭为单位的。家庭经济收入越高，说明他们可以支付的医疗费用越高，越不容易发生因病致贫。
家庭医疗费用越高，说明这一家庭需要更多的收入来维持医疗费用，一旦家庭经济收入低于费用支出，即会发生因病致贫。
2.5家庭成员人数
研究样本中，家庭成员人数最少的为1人，最多的为13人，将研究对象按家庭成员人数分为9个组别，其中家庭成员人数为9人以上的分为一组，详细分析结果见表4。
表4显示，最容易发生因病致贫的组别为家庭人数为1人的家庭，因病致贫率为7.5%，最不容易发生因病致贫的组别为家庭成员人数为9人以上的组别，因病致贫率为0，这可能由样本量太少，不具代表性所致，其次是家庭成员人数为8人的组别，因病致贫率为2，17%，表4显示，家庭成员数越大，因病致贫的发生率越低。目前我国农村居民中，大多是还是依靠体力劳动获得收入，因此家庭成员越多，体力劳动就越多，收入自然就会越多，越不容易发生因病致贫。
3农民因病致贫影响因素的实证分析
3.1模型建立
在本部分的模型建立中，我们借鉴赵忠（2006）的方法，预测农村居民的社会学、经济学的因素对其因病致贫的影响。
以农民是否因为疾病而沦为贫困为被解释变量，对相关参数进行概率估计，重点是检验不同身体状况的农民因疾病而陷入贫困的可能性。在解释变量的选择中，引入有可能影响到农民因病致贫的人口学特征及家庭经济变量。模型设定如下：
上式中解释变量反映了农民的个人及家庭特征，其中，P表示农村居民是否因为医疗支出而沦为贫困，1=因医疗支出沦为贫困，0=不会因为医疗支出而沦为贫困；age表示年龄，edu为农民的教育程度，对于农民的教育程度，CHNS的调查问卷的设置是调查农民受过的正规的学校教育年数。Female表示性别，1=男性，0=女性，Insurance表示农村居民医疗保险状况，1=农民参加合作医疗，0=农民不参加合作医疗；Spend为家庭医疗卫生支出；Income为农民的家庭年收入；Hhsize为家庭人口数。
表5是用于计量分析的主要变量。样本中的家庭户主平均年龄为49岁，众数为58岁，标准差为19，可见样本中户主的年龄分布较分散。性别与参合情况的平均数与众数均为1，说明户主性别以男性为主，大多数农村居民已参加了新农合。户主的教育程度均值为17年，平均受教育程度较高，但是标准差为8.5，可见其分布较为分散。家庭的平均大小为3口之家。
采用显著性水平为0.05，利用SPSS16.0软件，以是否发生因病致贫（P）为因变量，年龄、教育程度、性别、是否参加新型农村合作医疗、家庭卫生支出，家庭经济收入，家庭总人数为解释变量，对研究样本中的的相关数据做线性回归分析，具体结果如下：
P=0.047+0.001age-0.001edu-（2.491E-7）income+（6.17E-5）spend-0.006hhsize
3.2结果讨论
与因病致贫存在显著线性关系的影响因素为：年龄，教育程度，家庭经济收入，家庭医疗支出，家庭成员人数。多元线性回归模型显示，年龄的系数为正，即年龄与因病致贫之间存在着正向相关，即年龄越大越容易发生因病致贫。家庭医疗费用支出的系数也为正，即家庭医疗支出与因病致贫之间也存在着正向相关，即家庭医疗费用支出越高，越容易发生因病致贫。而教育程度，家庭经济收入和家庭成员人数的系数是负值，即教育程度、家庭经济收入和家庭成员人数与因病致贫之间均呈负向相关，即教育程度越高，越不容易发生因病致贫；家庭经济收入越高，家庭成员人数越大，越不容易发生因病致贫。
4结论政策建议
本文通过对农村居民人口学特征分析及因病致贫影响因素的计量分析，结果显示年龄和医疗卫生支出与因病致贫之间为正向相关，即年龄越大，医疗卫生支出越多，越容易发生因病致贫；教育程度，家庭经济收入和家庭成员人数与因病致贫之间存在负向相关，即教育程度越高，家庭经济收入越高，成员人数越多，越不容易发生因病致贫。
根据以上研究结论，为改善我国农村居民因病致贫，因病返贫的问题，本文提出如下政策建议：
4.1重视农村老年人群
近年来，我国老龄化趋势加快，老年人群日益庞大。由于老年人群处于人生衰退阶段，其特殊的生理状况决定了他们对于卫生服务有较高的需求，重视农村老年人群的健康状况是降低农村低收入家庭发生灾难性卫生支出的重要举措。因此，应增加对于老年人的补助资金，确保养老保险的社会性和福利性，提高老年人的生命质量。
4.2提高农村居民的文化教育程度
根据上述研究结论，户主文化程度越高，家庭发生因病致贫的概率就越低，表明农村居民的文化教育程度对其健康状况有重要的影响。受教育程度较高的居民，其医疗保健知识，疾病预防知识，有病早治疗的意识都强于教育程度较低者，这样势必会减少灾难性卫生支出。因此，政府应加大对农村教育的资金投入，进一步提高农村居民的教育程度。
4.3加强农村经济建设
家庭经济收入提高，对于疾病承担能力也便提高，因病致贫率自然会下降，因此加强农村经济建设，提高农村居民家庭经济收入势在必行。
参考文献
[1]Rama Joglekar.Can Insurance reduce cataStrophIc out-of-pocket health expendIture？[J].IndIra gandhI Institute of development reSearch，2008：1-29.
[2]Rama Pal. CataStrophIc oop health expendIture In IndIa ：conceptS，determInantS and polIcy ImplIcationS[J].IndIra gandhI Institute of development reSearch，2010：1-27.
[3]Bjrn Ekman. CataStrophIc health paymentS and health InSurance：Some counterIntuItive evIdence from one low-Income country[J]. Health PolIcy，2007（83）：304–313.
[4]PrIyanka SakSena，AdélIo FernandeS AntuneS，Ke Xu a，Laurent MuSango，Guy CarrIn. Mutual health InSurance In Rwanda：EvIdence on acceSS to care and fInancIal rISk protection[J]. Health PolIcy，2011 （99）：203–209.
[5]朱敏，徐凌中，王兴洲等.威海市农村家庭灾难性卫生支出的影响因素研究[J].中国卫生事业管理，2006（6）：327-328，358.
[6]宛云英，罗敏，林燕等.四川省农村低收入家庭灾难性卫生支出影响因素分析[J].卫生政策与管理，2011（23）：4889-4891.
[7]陈迎春，徐锡武，王蓉等.新型农村合作医疗减缓“因病致贫”效果测量[J].中国卫生经济学，2005（8）：26-28.
[8]闫菊娥，高建民，周忠良.陕西省新型农村合作医疗缓解“因病致贫”效果研究[J].中国卫生经济学，2009，28（4）：59-61.
[9]赵忠.我国农村人口的健康状况及影响因素[J].管理世界，2006（3）：78-85.
[10]方豪，赵郁馨，王建生等.卫生筹资公平性研究—家庭卫生支出分析[J].中国卫生经济，2003，22（6）：5-7.
作者：贺晓娟 陈在余 马爱霞
老年人医疗支出医疗保险论文 篇2：
空气污染对中老年人医疗支出的影响
摘 要：采用CHARLS面板数据，在理论模型的基础上，考察了空气污染对中老年人医疗支出的影响程度。研究发现：通过增加个人的就医概率及就医次数，空气污染显著增加了中老年人的医疗支出。空气质量综合指数每上升一个单位，将使个人医疗支出至少增加4%。空气污染对个人医疗支出的影响显示出一定的异质性，50—65岁群体、东部地区居民的个人医疗支出受空气污染影响更显著。相比PM2.5及PM10，O3污染对个人医疗支出的影响更大，O3污染浓度每提高10%将使个人医疗支出增加14.6%。政策层面，应提高对慢性病患者的关怀、补贴，完善医疗保障体系，同时加大O3污染防范力度。
关键词：空气污染;个人医疗支出;就医概率;就医次数
DOI：10.3969/j.issn.1000-4149.2020.00.005
收稿日期：2018-09-05;修订日期：2018-12-29
基金项目：国家社会科学基金青年项目“优化人力资本配置研究”（16CJY015）;天津社会科学院重点课题“环境治理多元化体系：理论框架与实现机制”（18YZD-08）。
作者简介：赵文霞，经济学博士，天津社会科学院资源环境与生态研究所助理研究员。
The Effect of Air Pollution on Personal Health Care Expenditure of Elderly People： Evidence from CHARLS Data
ZHAO Wenxia
（Institute of Resources， Environment and Ecology， Tianjin Academy of Social Sciences， Tianjin 300191， China）
一、引言及文献回顾
近年来，我国各地尤其是北方地区深受空气污染困扰，而雾霾是空气污染的主要表现。雾霾中的可吸入颗粒物含有多种有机化合物、二氧化硫以及金属元素和放射性物质，对人体健康具有较大影响。2017年10月27日，世界卫生组织国际癌症研究机构公布的致癌物清单中，含颗粒物的室外空气污染属于一类致癌物。鉴于环境问题的影响日益受到人们关注，围绕这一问题形成了很多有意义的研究成果，如柯里（Currie）和奈德尔（Neidell）从健康[1]、柯里等人从学校出勤[2]、张唐（Chang）等人从劳动生产率[3]、周恕弘（Chew）等人从个体决策[4]的角度探讨了环境尤其是空气污染的影响，但空气污染对个人医疗支出影响的相关研究还不多见。医疗支出是空气污染导致的主要成本之一，对个人来说，在收入水平一定的情况下，医疗支付的上升也会使公众的其他消费支出降低。理解空氣污染对个人医疗支出的影响程度以及不同空气污染物影响程度的差异，有助于我们理解空气污染的真实经济成本，也可以对防控空气污染的政策制定及执行强度提供有价值的参考。
研究空气污染的相关文献更多关注环境污染所导致的福利成本，而近两年学者们也注意到空气污染可能导致公众心理健康及主观福利受损。张欣等人依据精确的访问日期和地点将中国家庭追踪调查（CFPS）数据与日均空气污染数据相匹配，研究了空气污染对多个维度的主观幸福感——短期享乐幸福感、抑郁倾向和长期生活满意度的影响，结果表明空气污染会显著降低人们的享乐幸福感并提高抑郁倾向，但对生活满意度没有显著影响[5]。陈帅等人采用CFPS 2014的数据，发现空气污染每增加一个标准差将导致心理疾病严重程度增加0.38个标准差，导致严重心理疾病的发病概率增加6.67%[6]。伊藤（Ito）等人从预防性投资的角度分析了公众对清洁空气的支付意愿，认为以淮河为界的取暖政策导致河流南北两岸空气质量出现间断及长期的变化，家庭愿意每年支付32.7美元消除供暖政治造成的政策性空气污染[7]。
环境污染问题不仅影响了人们的身心健康，还会增加居民的医疗保健支出。崔恩慧等人以2006—2012年中国31个省市（地区）为样本，分析环境污染、商业健康保险对健康成本的影响，结果发现环境污染与人均医疗保健消费支出正相关，与人均商业健康保费负相关[8]。
近年来，很多文献借助微观数据探讨外部因素在公众行为决策中的作用，其中“中国健康与养老追踪调查”（CHARLS）数据应用最多，如基于该数据刘小鲁研究了城乡居民医疗保险与医疗服务利用水平的影响[9]、杨一帆和张震检验了医疗保险对居民不健康行为的影响[10]、张川川等人评估了新型农村社会养老保险政策的效果[11]。
医疗服务利用以及医疗支出水平与居民的健康状况密不可分，格罗斯曼（Grossman）认为年龄、性别、种族、教育、个人收入、婚姻状况、医疗服务、个人行为（如喝酒、吸烟、不运动等）以及环境污染都能对健康水平产生较大且持久的影响[12]。纵观现有文献，居民健康影响因素的相关研究主要从以下几个角度展开：一是从社会学角度，分析年龄、性别、婚姻状况或受教育程度等因素对健康状况的影响[13-14];二是从经济学方面，研究收入、职位等因素对健康水平的影响[15];三是从环境、生活方式、生物遗传等其他因素的角度进行分析[16-17]。这些研究因关注角度以及使用方法的不同所得结论也不尽相同，但为相关文献的变量选择提供了思路。
总体来看，已有研究从总体上对环境污染的影响进行了探讨，但尚未发现利用微观数据研究空气污染对个人医疗支出影响程度及对不同群体、不同区域影响差异的分析，而弄清这一问题有利于理解空气污染给居民个体施加的真实经济负担，也有助于各地政府根据地区差异制定有针对性的环保措施。鉴于此，本文对空气污染影响个人医疗支出的机理进行刻画，进而基于中国健康与养老追踪调查数据，分析空气污染对居民个人医疗支出的影响程度。因空气污染来源具有地区差异性，所以选取空气质量综合指标作为各地空气污染的代理变量，考察个人医疗支出受空气污染的影响大小，进而分析污染物来源差异对个人医疗支出的影响。
本文的边际贡献主要体现在：①通过理论模型刻画了空气污染对个人医疗支出的影响机理，进而运用微观数据估计了居民受到的影响程度。②空气质量状况不仅会影响居民健康，也会影响其医疗支出水平，而后者是实实在在由居民承担的经济成本，事关民生福祉，不应被忽视，而现有文献较少涉及此类问题。本研究丰富了环境领域的研究文献，从一个新的视角重点考察空气污染对个体医疗支出的影响程度。③空气污染对不同群体以及不同区域居民的影响可能存在差异，本文使用微观数据详细分析了空气污染对不同年龄阶段、不同区域居民的影响差异。④考虑到我国不同地区以及同一地区不同时间主要污染物来源存在差异，例如有的城市主要污染物是PM2.5，有的城市污染物主要来源于O3，本文采用城市层面的6种空气污染物指标数据，考察污染物来源的异质性对个人医疗支出的影响差异。
二、理论分析与研究假说
本文的理论模型借鉴了张福让（Chang）和特里维迪（Trivedi）以及埃科帕鲁（Akpalu）和诺曼佑（Normanyo）的分析框架[18-19]。假设消费者的效用u取决于自身的健康状况h及其对消费品的消费x。消费者理性并追求效用最大化。在此，本文将效用函数定义为：
u=u（x，h）（1）
其中，ux>0，uh>0，uxh=uhx>0，且uxx，uhh<0。与张福让和特里维迪假设健康状况的改善取决于专业护理以及自我医疗不同，本文假设健康状况取决于个体对健康的投资水平I，其中，I属于派生需求。由于一系列外生环境因素变化的影响，I的回报同时具有部分确定性和部分随机性。因为长期接触空气中的污染颗粒会增加患病风险，所以健康状况的不确定性可能来自长期暴露于空气污染下的误诊、漏诊以及疾病复发。个体的健康状况定义如下：
h=h0+eI（2）
式（2）中，h0表示个体的初始健康状况（长期健康水平），e表示个体医疗投资（或医疗支出）的回报（即边际收益率）。将消费品x的价格标准化为1，所以，个体的预算约束如下：
B=x+I（3）
其中，B为实际预算值。相应地，个体的期望效用函数为：
Eu（x，h）=Eu（B-I，h0+eI）（4）
借鉴以往文献，假设效用函数对x和h是加性可分的，故有：
u（x，h）=u（x）+v（h）（5）
同时，假设v（h）具有如下特殊形式：
v（h）=ln（h）（6）
结合（5）和（6）式，（4）式可以改写为：
Eu（x，h）=u（B-I）+E（ln（h0+eI））（7）
假設e服从均值为μ的0—1分布，即μ=Ee。（7）式即为：
Eu（*）=u（B-I）+μln（h0+I）+（1-μ）ln（h0）（8）
进而得到（8）式关于医疗投资I的一阶条件为：
-uI（B-I）+μ1h0+I=0（9）
式（9）说明，在均衡状况下，投资于健康的边际收益（即μ1h0+I）应等于投资的边际效用成本（即uI（B-I））。可以看出，其他情况不变时，医疗支出I随着初始健康状况h0的提高而减少，随预算约束B及均值μ的增加而增加。这一分析意味着，首先，初始健康状况较好的个体将在健康上支出更少。其次，收入水平较高的个体将支出更多。同时，较高的医疗保健边际回报率μ也会促进医疗保健支出。
最后，假设健康状况的随机部分取决于居民在空气污染中的暴露水平以及其他一些个体因素（A），所以有μ=μ（z;A）。其中，z为环境外部性。这一假设与约翰逊（Johansson）的观点[20]一致，约翰遜认为污染对个体健康的影响并不是确定性的。本文与埃科帕鲁和诺曼佑的模型[19]不同之处在于，本文假定v（h）具有不同的函数形式，且e服从0—1分布，所以本文中医疗支出的表达式更加直观。
假设外部环境污染水平上升导致医疗支出的期望边际收益率上升，即μz>0。进而可知医疗支出I随环境外部性z的增加而上升，设医疗保健投资方程的一般形式为：
I=f（h0，B，z;A）（10）
式（10）即为特征方程（hedonic-type equation）（特征模型属于一种显示性偏好法，它通过将因变量表示为个体特征的函数，来说明各特征（即自变量）对因变量的贡献大小。本文的特征回归模型从居民的实际医疗行为中提取相应信息，构建医疗支出与空气质量及居民个体特征之间的计量经济学模型，以识别居民暴露于不同空气质量的医疗成本，进而比较不同群体的医疗支出差异。 ），其中，医疗支出取决于环境污染水平以及居民的个体特质。
初始健康状况与收入水平是个体特质中影响医疗支出最直观的两个因素，为了保证理论假说的表述与实证分析中所采用的指标相一致，考虑到空气污染会对个体的呼吸系统产生直接影响[21-22]，本文使用是否患有肺部疾病代替初始健康状况（h0），受访者上一年税后收入代替预算水平（B）。基于上述分析，提出如下三个待检验的理论假说：
假说1：其他条件不变的情况下，空气污染越严重，个人医疗支出越高。
假说2：其他条件不变的情况下，收入较高的受访者其医疗支出较高。
假说3：其他条件不变的情况下，患有慢性疾病的居民其医疗支出较高。
三、计量模型构建、数据来源与变量定义
1.计量模型构建
特征回归模型的具体形式在不同的文献中有很大差别。现实中，模型的设定形式取决于所研究的问题以及数据的可得性。依据前面的理论分析，为了检验空气污染对个人医疗支出的影响程度，构建如下计量模型：
Iijt=α0+α1·envirjt+Xit·θ+τj+ωt+εijt（11）
其中，下标i表示不同个体，j表示地区，t表示年份;因变量I为个体医疗支出、是否就医及就医次数;envir表示所在城市的空气污染水平;X为个体特征变量;τ和ω分别表示地区固定效应和年份固定效应。如果被解释变量为二值虚拟变量，则采用logit模型对其进行估计。借鉴已有的研究成果，本文选取的控制变量具体如表1所示。为消除异方差影响，估计中对医疗支出和收入都取对数形式。
2.数据来源与说明
本文所使用的微观数据来源于北京大学国家发展研究院组织的中国健康与养老追踪调查（CHARLS）。该数据调查范围为全国28个省（市、自治区），覆盖150个县级单位，450个村级单位，约1万户家庭中的1.7万人。CHARLS数据主要针对45岁及以上的中老年群体，目前更新至2015年的样本调查数据。本文样本的构建使用了其中的Harmonized CHARLS数据。Harmonized CHARLS综合了CHARLS 2011（wave1）、CHARLS 2013（wave2）、CHARLS 2014（wave3）以及CHARLS 2015（wave4）的样本，使得各期调查彼此之间具有可比性，并与国际上主要的养老调查数据相衔接。本文选取Harmonized CHARLS数据主要原因在于：首先，该数据包含多期CHARLS数据，属于追踪调查数据，可以建立面板模型;其次，相比其他微观数据，该数据可以提供最新至2015年的数据集，便于与各县市的环境数据进行匹配。在样本的选择上，剔除受访者“不知道”、“拒绝回答”、“跳过未答”、“没有子女”及其他因素导致的缺失样本。此外，考虑到该调查数据的特殊性，仅保留35岁及以上年龄的样本，最终得到有效样本17874个。
关于因变量的衡量主要有两种。一种是上个月受访者的就诊总支出（包括保险赔付的部分）;另一种是去年受访者的就诊总支出（包括保险公司负担的部分）。考虑到今年的空气污染不大可能影响受访者去年的医疗支出，所以本文采用第一种衡量标准。此外，正如本文的理论分析部分所指出的，鉴于空气污染对医疗支出的影响可能通过受访者的健康状况反映出来，为考察空气污染对医疗支出的影响机制，在基本分析中，同时选取上月是否去医院就诊以及就诊次数作为因变量。
对于空气质量的测度，很多文献都采用PM2.5浓度数据[6，21，23-24]，但PM2.5只是空气污染的主要来源之一，综合考虑各种污染物来源的空气质量作为空气污染的代理变量应更加合适。考虑到各城市污染物来源不尽相同，为便于比较，本文采用空气质量综合指数来衡量各地的空气污染情况。空气质量综合指数综合考虑了SO2、NO2、PM10、PM2.5、CO以及O3六项污染物的污染程度，数值越大表明污染程度越重。原中华人民共和国环境保护部自2013年起开始公布74个重点城市的空气质量综合指数，与Harmonized CHARLS成功匹配上38个城市。2015年各省开始公布省内重点城市的空气质量综合指数，经过匹配获得到123个城市的空气质量综合指数，数据来源于各省环保局网站。空气质量综合指数为月度数据，本文取月度平均值作为各个城市空气质量的年均值。其中江西、陕西只有各类污染物指标的原始数据，本文按照污染物浓度值二级标准（GB3095-2012）进行计算。江西、山东、陕西以及黑龙江存在部分月份数据缺失的情况，本文按照可得月度的均值计算。
除了上述变量外，参照现有文献的做法[19，25]，本文还控制了个体特征变量。具体来讲，包括个人的年龄、性别、婚姻状况、是否住在城镇、是否有慢性肺病、是否饮酒、是否吸烟、个人收入水平、与子女距离是否接近、与子女是否经常见面。此外，为了控制时间和地区的固定效应，分别引入了时间和省份的虚拟变量。主要变量的定义与描述如表1所示。
四、回归结果与分析
1.基本回归结果
受访者是否有肺部疾病不仅与受访者的就诊支出、就诊次数以及是否就诊有关，也在一定程度上与空气污染水平存在关联，遗漏这一变量可能导致系数估计值有偏;另外一些个体层面的变量，如受访者的年龄、性别、婚姻状况、是否住在城镇、饮酒习惯、收入水平、距离子女远近以及与子女联系是否密切与受访者是否就醫、就医次数以及花费相关，而与空气质量不相关，遗漏这些变量虽然不至于影响到估计系数的无偏性，但会增大标准误，降低估计系数的显著性。此外，受访者所在地区以及受访年份都与空气质量相关，因此，在估计中同时控制了个体特征变量、地区固定效应以及年份固定效应。因本文数据属于“宽而短”的面板数据，为避免损失较多的自由度，如未特殊说明均采用随机效应模型进行估计。根据模型（11）得到的基本回归结果如表2所示。
表2中模型（1）、（2）、（3）的因变量分别代表个人就诊支出、就诊次数及是否就诊。估计结果显示，空气质量的系数均为正值，空气质量对就诊总花费、就诊次数以及是否就诊的影响均在5%水平上显著。表2第（1）列显示，空气质量综合指数每增加一个单位，将使受访者就诊支出增加约4.41%（e0.0432-1）。空气污染导致个人医疗支出增加的机制可能在于，空气污染显著增加了受访者就诊（生病）的概率以及就诊的次数，表2第（2）和第（3）列验证了这一点。具体来说，空气质量综合指数每上升一个单位，将使受访者就医的机会比率增加约6.48%（e0.0628-1）（第（3）列）;而相比居住在空气质量综合指数为2的城市的受访者来说，居住在综合指数为12的城市的受访者就医次数增加了1/3次（第（2）列）（综合指数为2或12分别表示居民所在城市空气质量综合指数，如2014年2月，海口的空气质量综合指数为2.22，河北廊坊的空气质量综合指数为12.12;空气质量综合指数从2到增加12，x增加了10，即Δx=10，所以Δyzβ·Δx=0.0325×10≈0.33（次）。）。空气质量状况的恶化将会增加居民患病的概率以及患病的次数，进而使得就医的概率及就医的次数上升，造成个人医疗费用增加，假说1得到验证。
个人收入水平对医疗支出的影响与假说2不同。其他因素不变的情况下，收入水平对医疗支出存在显著的负向影响，估计弹性约为-0.013，这意味着居民收入每提高1%，其医疗支出将下降0.013%，表明医疗支出的收入弹性远小于1。表2第（1）列收入系数显著，说明医疗支出受到收入水平的显著影响;医疗支出的收入弹性远小于1，说明医疗支出对收入变化的反应并不敏感。与本文理论部分的分析不同，收入对医疗支出影响为负，而表2第（2）列与第（3）列显示居民收入水平上升显著降低了就诊次数及就诊概率，这表明收入影响为负的原因可能在于收入较高的受访者有余力通过对个人健康进行其他投资（如健身、养生等），从而降低生病（就诊）次数及生病（就诊）概率。
慢性疾病对医疗支出的影响为正。表2显示，患有肺部疾病的居民其医疗支出水平比其他居民高约96.6%（e0.6760-1），且在1%的显著性水平上显著。患有肺部疾病的居民其就诊次数以及就诊概率也显著高于其他居民，这与假说3一致。虽然女性的就诊次数及就诊概率明显高于男性，但女性的医疗支出并未显著高于男性。其他控制变量的结果显示，年龄、是否已婚、是否住在城市、是否饮酒以及与子女是否经常联系对受访者医疗支出没有显著影响。
2.稳健性检验与内生性处理
（1）样本选择。考虑到环保部门公布的重点城市空气质量数据可能并未准确衡量农村的空气质量状况，因此采用这一指数衡量居住在农村的受访者暴露于空气污染的情况可能存在偏差。为此，剔除居住在农村地区的受访者，对模型重新进行回归，结果如表3第（1）—（3）列所示。随机效应面板估计结果显示空气质量系数相比表2有所增加，显著性水平也上升至1%。空气质量综合指数越大表明空气质量越差，表3说明空气质量状况的恶化将显著提高居民的就诊概率、就诊次数以及医疗支出水平。此外，为排除部分特殊地区对模型估计的干扰，第（4）—（6）列删除观测值最少的四个地区样本——北京、天津、新疆和青海重新估计，结果与表2相比空气质量指数系数正负符号、显著性几乎一致，说明结果稳健。
（2）关于内生性。本文构建了城市层面的空气质量综合指数，相对于单个空气污染指标而言，有以下两点优势：其一，避免了双向因果问题，某个地区可能采取措施影响某个具体的污染指标数据，但对空气质量综合指数的影响一般可以忽略不计;其二，城市空气质量指标与个体特征无关，从而有效避免了个体特征变量对模型的干扰。此外，本文还尽可能纳入了省级和时间层面的控制变量，以减小遗漏变量偏误。然而，囿于调查数据的局限性及变量之间彼此关联的复杂性，遗漏变量问题依然可能存在。本文尝试选用合适的工具变量解决内生性问题。
鉴于空气污染对个人医疗支出的作用效果可能存在一定的滞后性，本文选择2013和2014年的空气质量指数作为2015年空气质量的工具变量，对2015年的数据进行单独估计。表4为工具变量估计结果，与表2、表3的结果相比并无显著差异。因为2013和2014年只有74个城市的空气质量数据可得，与CHARLS数据成功匹配上38个城市，为减少样本损失，表4第（2）列空气质量缺失数据由2015年对应城市的数据填补。模型估计中，第一阶段回归的Cragg-Donald统计量远大于10，也远大于2SLS对应的10%相对偏差的临界值19.93，故拒绝弱工具变量假设。对其中工具变量的过度识别检验中，Sargan统计量对应p值等于0.6051，不能拒绝原假设，说明模型也不存在过度识别问题。模型关于空气污染作用的结论稳健成立。当然，现实中很难找到完全外生的工具变量，此处采用工具变量进行分析，也仅为结果的稳健性提供了辅助说明。
3.不同年龄群体、不同区域以及不同污染物的影响差异分析
（1）不同年龄的影响。本文按照年龄的不同，分3个子样本进行回归，以考察空气污染对医疗支出的影响在不同年龄组中有何差异。回归结果如表5第（1）—（3）列所示。从中可知，空气污染对医疗支出的正向影响仅在中间年龄组（50—65岁）显著，而在较低或较高年龄组中系数为正但不显著，且相比其他年龄组，中间年龄组回归系数的绝对值更大。这可能由于年龄较低的群体身体素质较好，对外界污染的抵抗力较好，所以空气污染对其影响较小;而年龄较大群体的医疗支出增加可能主要是由于自身的身体健康状况，而非环境污染因素。
（2）区域差异的影响。考虑到我国东、中、西部地区存在地理位置、经济状况以及空气污染等较大差异，为考察空气污染对医疗支出的影响在东、中、西部地区是否存在差异，将全部样本按照来源省份划分为三类地区，并进行回归分析。估计结果如表5第（4）—（6）列所示。结果表明，在保持其他条件不变的情况下，东部地区的空气污染每上升一个单位，该区域居民的医疗支出将上升4.93%（e0.0481-1），且该系数在5%水平上显著。中部和西部地区空气质量系数为正，但并不显著。其可能的原因是：东部地区人口较为密集，空气质量恶化导致的呼吸道疾病在东部地区更容易传播，从而导致该地区居民医疗支出更易受空气质量的影响。在所有回归结果中，患有慢性肺病的居民与其他居民相比医疗支出更高，且在1%的水平上显著，进一步验证了假说3。
（3）污染物异质性的影响。考虑到空气中的不同污染物可能产生不同的影响，为考察污染物来源的异质性影响，将环境变量分别替换为PM2.5、PM10、SO2、NO2、CO及O3的浓度数据，数据来源于中华人民共和国生态环境部网站。因2013年相关数据不可得，所以表6为截面数据，结果如表6第（1）—（6）列所示。根据表6，空气中PM2.5与CO浓度的上升对个人医疗支出的影响不显著，但PM10、SO2、NO2及O3都对个人医疗支出有显著影响。具体而言，PM10浓度每上升10%，将使个人医疗支出上升约4.26%（第（2）列）;SO2浓度每上升10%，将使个人医疗支出上升约3.42%，且在5%显著性水平上显著（第（3）列）;NO2浓度每上升10%，将使个人医疗支出上升约5.84%（第（4）列）;而O3浓度每上升10%，将使个人医疗支出上升约14.6%（第（6）列），且在1%的显著性水平上显著。可见，相比其他污染物，臭氧污染对个人医疗支出的影响更大，居民医疗支出对臭氧污染更加敏感。臭氧浓度指数1%的变化将导致医疗支出变化超过1%。同等条件下，在以臭氧为主要污染物来源的地区，居民医疗支出也将更多。
五、结论与政策启示
环境问题是新时代面临的重大挑战之一，而居民健康和医疗支出关系着民生福祉，但我国关于个人医疗支出具体影响因素及影响程度的研究相对比较匮乏，尤其缺少从环境污染方面对其进行的系统分析。本文采用Harmonized CHARLS数据，在特征模型的基础上，考察了空气污染对个人医疗支出的影响机制。研究发现，通过增加个人的就医概率及就医次数，空气污染显著增加了个人医疗支出水平，空气质量综合指数每上升一个单位，个人医疗支出将至少增加4%;考虑空气污染的城乡差异、剔除部分特殊地区的样本及采用空气质量综合指数的滞后项作为工具变量之后，结果仍然稳健。值得注意的是，空气污染对个人医疗支出的影响显示出一定的异质性，在患有慢性肺病、50—65岁群体、东部地区以及以臭氧为主要污染物来源的地区，空气污染对个人医疗支出的影响更为显著。
诚然，基于中国健康与养老追踪调查数据分析空气污染对个人医疗支出的影响可能存在一定缺陷（ 感谢匿名审稿人提醒作者注意。），青少年或者儿童也是容易受到空气污染影响的群体，但限于数据可得性本文并未对此进行分析。针对少年、儿童以及中年群体分析空气污染的具体影响程度，应是未来进一步探索的方向。另外，空气污染不仅影响个人医疗支出，对个人行为决策以及消费特性的作用也十分重要，对这些问题的研究超出了本文的范畴，也有待继续深入研究。
本文经验分析的政策含义是：首先，鉴于我国某些地区空气污染程度较高，而降低污染排放、促进经济与环境和谐发展是一个缓慢渐进的过程，因此为了尽可能降低空气污染对个人健康及医疗支出的负面影响，应尽快建成覆盖全民的社会保障体系，完善医疗保险制度，减少个人医疗支出的自付部分，尤其增加对慢性病患者的医疗补贴，尽量消除环境污染通过医疗支出对个人消费水平的侵蚀。其次，考虑可能因人口密集，東部地区空气污染对医疗支出的影响比中西部地区显著，在空气污染严重期间，应鼓励居民少去人员密集场所，降低呼吸道疾病的感染风险。再次，本文的研究表明个人医疗支出对臭氧污染的敏感程度远远大于PM2.5、PM10以及其他污染物，且臭氧浓度污染每增加1%将导致个人医疗支出上升超过1%。
对此政府应加大预防臭氧污染投入及宣传力度，提醒市民了解臭氧污染的危害，注意防范臭氧污染。
参考文献：
[1]CURRIE J， NEIDELL M. Air pollution and infant health： what can we learn from California’s recent experience？[J]. The Quarterly Journal of Economics， 2005， 120（3）： 1003-1030.
[2]CURRIE J， HANUSHEK E A， KAHN E M， NEIDELL M， RIVKIN S G. Does pollution increase school absences？[J]. The Review of Economics and Statistics， 2009， 91（4）： 682-694.
[3]CHANG T， ZIVIN J G， GROSS T， NEIDELL M. The effect of pollution on worker productivity： evidence from call-center workers in China[R]. NBER Working Paper， No.22328， 2016.
[4]CHEW S H， HUANG W， LI X. Does haze cloud decision making？ a natural laboratory experiment[R]. SSRN Working Paper， 2018.
[5]ZHANG X， ZHANG X B， CHEN X. Happiness in the air： how does a dirty sky affect mental health and subjective well-being？[J]. Journal of Environmental Economics and Management， 2017，85（4）： 81-94.
[6]CHEN S， OLIVA P， ZHANG P. Air pollution and mental health： evidence from China[R]. NBER Working Paper， No. 24686， 2018.
[7]ITO K， ZHANG S. Willingness to pay for clean air： evidence from air purifier markets in China[R]. NBER Working Paper， No.22367， 2016.
[8]崔恩慧，江生忠，贾世彬. 环境污染、商业健康保险对健康成本的影响研究——基于省际面板数据的实证分析[J]. 南开经济研究，2016（6）：140-150.
[9]刘小鲁. 中国城乡居民医疗保险与医疗服务利用水平的经验研究[J]. 世界经济，2017（3）：169-192.
[10]杨一帆，张震. 健康水平、医疗保险与不健康行为的异质性[J]. 财经科学，2017（9）：58-71.
[11]张川川，JOHN G，赵耀辉. 新型农村社会养老保险政策效果评估——收入、贫困、消费、主观福利和劳动供给[J]. 经济学（季刊），2014（1）：203-230.
[12]GROSSMAN M. On the concept of health capital and the demand for health[J]. The Journal of Political Economy， 1972， 80（2）： 223-255.
[13]KARMAKAR S D， BRESLIN F C. The role of educational level and job characteristics on the health of young adults[J]. Social Science and Medicine， 2008， 66（9）： 2011-2022.
[14]于晓薇，胡宏伟，吴振华. 我国城市居民健康状况及影响因素研究[J]. 中国人口·资源与环境， 2010（2）：151-156.
[15]封进，余央央. 中国农村的收入差距与健康[J]. 经济研究，2007（1）：79-88.
[16]VICTOR R F. The future of health economics[J]. Journal of Health Economics， 2000，19（2）： 141-157.
[17]陈丹妮. 城镇化对居民健康的影响——基于CHARLS数据的实证研究[J]. 金融发展评论，2018（2）：101-117.
[18]CHANG F R， TRIVEDI P K. Economics of self-medication： theory and evidence[J]. Health Economics， 2003， 12（9）： 721-739.
[19]AKPALU W， NORMANYO A K. Gold mining pollution and the cost of private health care： the case of Ghana[J]. Ecological Economics， 2017， 142（6）： 104-112.
[20]JOHANSSON P O. Valuing changes in health： a production function approach[M]. Dordrecht： Kluwer Academic Publishers， 1994： 171-194.
[21]DELFINO R J. Epidemiologic evidence for asthma and exposure to air toxics： linkages between occupational， indoor and community air pollution research[J]. Environmental Health Perspectives， 2002， 110（4）： 573-589.
[22]LING S H， VAN EEDEN S F. Particulate matter air pollution exposure： role in the development and exacerbation of chronic obstructive pulmonary disease[J]. International Journal of Chronic Obstructive Pulmonary Disease， 2009（4）： 233-243.
[23]邵帥，李欣，曹建华，杨莉莉. 中国雾霾污染治理的经济政策选择——基于空间溢出效应的视角[J]. 经济研究，2016（9）：73-88.
[24]董阳. 中国空气质量对公众健康的影响——基于与G20国家整体的比较[J]. 人口与经济，2018（2）：57-68.
[25]李华，李志鹏. 社会资本对家庭“因病致贫”有显著减缓作用吗？——基于大病冲击下的微观经验证据[J]. 财经研究，2018（6）：77-93.
[责任编辑 武 玉]
作者：赵文霞
老年人医疗支出医疗保险论文 篇3：
特色产品：五类健康险一点通
在保险商品的分类当中，与各项医疗支出理赔相关的保单，都可以成为健康险或健康医疗险。顾名思义，就是提供被保险人与“身体健康”相关的保障。
在目前市场上，健康险主要包括最常见的医疗费用险、医疗补贴险、重大疾病险和终身医疗账户型保险。如果再延展开来看，那么包括女性疾病保障的女性险和长期看护险，也都可以放在健康医疗险范围内一起供投保人选择。
医疗费用类保险补偿医疗支出
既然社会基本医疗保险不能帮助你负担所有的医疗费用，那么是否可以通过商业保险来实现这个目的呢?
答案是肯定的。而相应的解决方案就要用到医疗费用类保险，也被称为医疗费用报销型保险。主要的产品形态就有意外伤害医疗保险(通常是附加在人身意外险之下)和住院医疗费用保险。如果因为意外事故或疾病而产生医疗费用，保险公司就会按照约定的比例和限额对被保险人进行补偿。
目前医疗费用类保险能够覆盖的保障范围，主要是意外门急诊费用、各类住院费用及与住院相关的少量门诊检查费用。如果想要让商业保险为个人的普通疾病门急诊买单，那么只能通过参加团体保险中的附加门急诊费用保险，或是参加一些VIP医疗保险计划，但那样成本就比较高。
作为一种最基本的医疗保险品种，医疗费用险的产品设计，各家保险公司通常都是“大同小异”，主要在细节上有些差异。消费者在比较和选择时，主要可以看看这几个因素。
一个是费用报销比例，其中又可仔细看看社保内费用和社保外费用两大块的比例各是多少?因为医疗费用保险实行的是补偿原则，需要和社会医疗保险、其他商业医疗保险或福利报销待遇综合理赔，不能让投保人“通过生病住院反而赚钱”，因此往往都会列明“在扣除社保和其他福利后，补偿剩余医疗费用的x％”。这个x％，有些产品会笼统地写成85％或者90％，也有些公司会写明“社保内费用90％，社保外费用80％”，也有些公司的产品只能对社保内的费用进行补偿。因为你每次生病住院，都可能涉及到社保内的医疗消费和社保外的医疗消费，而如今住院医疗的时候用进口医疗器械、社保目录外药品的情况特别多，因此分清楚这一点很重要。也正因为如此，建议大家最好还是能够购买“超社保”的医疗费用保险。
与之相关的，可以看看免赔额度是多少元，也就是起线是多少。
再一个是看观察期(等待期)的设定。通常，意外伤害事故引起的医疗费用可以不受观察期限制，但普通疾病引发的住院是有一个30天、60天或90天观察期的，在这个期间内发生的保险事故和医疗费用支出，到时候就无法申请理赔。因此，对消费者而言，这个期限设置得越短越好。
再者，医疗费用类保险通常都是短期产品，能否保证续保是比较大的一个问题。如果是一年期的产品，就需要对客户年年核保，如果客户某一年身体健康状况不太理想就可能失去保障，也就是客户可能在最需要保险的时候失去保障，这对投保人显然不利。当然，保证续保类产品的费用通常要稍高一些。
需要提醒的是，去年1月1日《健康险管理办法》正式实施后，各保险公司在设计费用补偿型医疗保险产品时，必须区分被保险人是否拥有公费医疗、社会医疗保险的不同情况，在保险条款、费率以及赔付金额等方面予以区别对待。因此，投保人在选择医疗费用类保险时，要说明自己的社保身份。
典型产品推荐：住院费用医疗保险
在合同保险期间内，被保险人因意外伤害或合同生效60天后患疾病，在保险公司指定医院住院治疗所引起的合理的实际医疗费用(同签发保单所在地社会医疗保险规定的赔付范围)，依约定比例，给付床位费用保险金(20元／天)以及住院杂项和手术费用补偿。有社保者，免赔金额为300元；无社保者，免赔金额为500元。
例如30岁的上先生，已经参加当地社保。他如果单独购买该保险，当年保费为334元；如果在其他主险产品下附加购买该保险，当年保费为234元。王先生如果住院发生合理医疗费用(不包括床位费)在300-40000元之间，可以得到90％的补偿；超过4万元部分，可以得到95％的补偿。
特色产品推荐：附加住院医疗补偿保险
该产品可以在您住院治疗期间，为您提供3大项、总计11小项的医疗费用补偿。年满18周岁的被保险人，若未以社会基本医疗保险且未以公费医疗身份住院，则约定补偿比例为70％；若被保险人未满18周岁以社会基本医疗保险或公费医疗身份住院，则约定补偿比例为90％。该产品特色在于社保内外的合理医疗费用都可以获得补偿，同时享有5年保证续保权利，每5年为一个核保周期、每5年内都可安心保障。同时，该产品观察期也比较短，只有30天。
医疗补贴型保险弥补收入损失
与医疗费用类保险相对应的是医疗补贴型保险。这是一种以因意外伤害或疾病导致收入中断或减少为给付保险金条件的收入保障保险。即被保险人因意外伤害、疾病，使工作能力丧失或降低时，由保险公司按照约定的标准补偿其收入损失，也就是通常所说的住院津贴(补贴)型保险。
医疗费用类保险的理赔，需要看被保险人实际发生了多少医疗费用，而医疗补贴型保险，则不论你的医疗费用支出情况，只要你住院了，就会给你每天定额的一个津贴，弥补你的经济收入损失。
在选购这类产品时，当然也有一些不得不看的注意点。
比如，免赔天数的规定。有些产品没有设置免赔天数，有些是3天，有些是5天。因为每天给你的住院补贴(津贴)额度是保单上约好的、固定的，因此如果有免赔天数的限制，那么免赔几天，你就会少拿几天的补贴。所以，免赔天数当然是越少越好。
还有一个就是津贴的总额。意思是说，如果你住院天数实在太长，如果付给你的津贴总额已经超过了约定的总数，列了后期你就有可能拿不到津贴了。
在选择医疗补贴型保险时，还有一个关键点是对每日津贴额度的选择。通常，每款产品都nr以提供高低不同几档的选择，具体选50元／天，还是200元／天，还是更高额度，一方面可以采用“个人月收入／30”或“个人月收入／20”的简单方法，也可以结合自己的医疗条件需求(如到时候是否需要单人搞床等)来加以考虑。
典型产品推荐：世纪泰康个人住院医疗保险
该产品基本部分保障内容就是最典型的医疗津贴型保障。其中又分为一般住院日额保险金和重大疾病住院日额保险金两部分。
该产品完全定额赔付，不需要医疗费用原始发票。同时还有自己的特色，比如可以单独购买；也可以经过3年的观察并经泰康公司审核同意后，可保证续保至64周岁；一般疾病住院等待期仅30天；当年最多可以给付365天，即实际上没有住院天数限制。
特色产品推荐：终身医疗保险(B)
该产品保障责任主要为住院每日现金补贴和手术现金补贴，保障责任明确易懂。比较大的特点是，这是一款长期保
险，相关保障终身有效，但累计补贴额达到“每日现金补贴”的1000倍，合同终止。30天～60周岁均可投保，5、10、15、20年多种交费期限可供选择。每年只需少量保费支出，即可获得10万～20万元终身医疗保障。
30岁女性投保一份保险金额为10万元的终身医疗保险(B)，可“每日现金补贴”为100元，手术补贴按手术大小等级来给付。年缴保费仅需1264.8元。
如果发生了约定的疾病，而不论你已经或者即将发生多少医疗费用，保险公司就会给付约定金额的保险金，这就是疾病保险。
最常见的，当然是重大疾病保险。即只要被保险人确认罹患了保险条款中列出的某种重大疾病，无论是否已经发生医疗费用，也不管一共发生了多少费用，都可获得保险公司的约定额度补偿。如今，由于重大疾病的发生率越来越高，治疗费用也越来越高昂，重大疾病险已经慢慢为消费者所接受和熟悉。
还有一种“简约版”的重大疾病保险，那就是防癌险。因为癌症是所有重大疾病中发生概率最高的，而保障疾病种类比较单一的防癌险具有保费低廉、保障明确的特点，因此也颇受消费者青睐。可惜，国内的防癌险还不是很发达，愿意开发和销售防癌险的公司也不是很多。
说说重大疾病险的选择要点吧。
疾病定义方面。2007年8月1日以后，《重大疾病保险的疾病定义使用规范》实施，该规范统一了最常见的25种重大疾病的定义，此后签订的重大疾病保险合同都需要符合该规范，而大部分公司也都宣布将原来老保单的疾病定义“主动衔接到新规范”，或是根据“两相比较择其轻”原则来处理。因此，在原先比较有争议的疾病定义上现在稍微好了一些，可比较的余地也不多了。
险种类型选择方面。重大疾病险的形态还是比较多的，主要有可以单独投保的定期重大疾病险，作为附加险形式出现的重大疾病险产品，这两类都是纯消费型的；还有就是保障终身或长期的，略带储蓄性质的重大疾病险，包括可单独购买的储蓄型重大疾病险，也有和终身寿险捆绑在一起的产品。
消费型的重大疾病险保障功能明确，费率比较低，但如果是附加险，或是采用自然费率(与均衡费率概念相对应)的产品，年轻的时候投保很划算，但是年龄大了以后，费用就比较贵了。
带有储蓄型的重大疾病险，比较适合看重“如果没生病，希望保费最终能够返还”的人群，而且如果是分期缴纳，通常都是采用均衡费率，比较容易让投保人接受。
购买重大疾病险，当然也特别要考虑一下保障额度问题。保额太低，作用不大；保额太高，支出负担比较重。通常，我们建议从个人或家庭的收入状况、常见的重大疾病险平均治疗费用等角度来综合考量。如果经济条件和预算一般，10万～15万元比较合适；如果预算比较宽裕，则可以选择20万～30万元的额度；如果再往上走，通常就是寻求最高档医疗条件的富人们的选择了。
重大疾病的“简约版”——防癌险，相对更容易理解，主要就是一旦发生约定的各类癌症，就可以获得一笔保险金。也许是因为癌症发生概率偏高，目前市场上的防癌险有一个普遍的弱点，就是保额选择范围比较窄，有些产品甚至每个人最多只能购买2万元额度，多的也不过20万元。
典型产品推荐1(消费型)：关爱专家定期重疾个人疾病保险
该产品保障责任明确，是典型的定期重大疾病险，可作为主险产品单独购买，也可以根据自身需求与其他险种灵活搭配，组合购买。
作为一款消费型重疾险，该产品保费低廉，保险责任更加全面。除了25种统一疾病定义下的大病外，还包括人保健康自己的6种可保障的疾病范围。
保障期限方面可选择保险期间20年，投保年龄为0～50周岁；也可选择保险期间30年的，投保年龄为0～40周岁。同时可以根据需要自由选择缴费年限，可以为趸缴、5年缴、10年缴、15年缴、20年缴或30年缴。
30岁男性投保10万元额度的该产品，选择20年保障期限，20年缴费，每年保费为550元。如果因意外伤害导致的重大疾病或身故，或是180天因为疾病导致的重大疾病或身故，可以给付10万元；合同生效后180天内因疾病导致的重大疾病或身故，退还已交保费。
重疾险典型产品推荐2(储蓄型)：康泰一生重大疾病保险
该产品保障期限为终身，出生满28天到65周岁人士都可投保。
35岁男性投保10万元额度的该产品，选择20年缴费，每年保费为3700元。30岁和40岁人士同样情况下，年缴保费为3300元和4300元。30岁、35岁和40岁女性投保10万元，20年缴费，则年保费分别为3100、3500和4000元。可享受的保险利益为10万元的重大疾病保险金或10万元的身故保险金。如果投保一年内发生重大疾病，或是因为意外身故，则退还保险费。
防癌险典型产品推荐：国寿肿瘤预防保险
这款产品最大的特色在于其为纯消费型的防癌产品，而且可以单独购买，体现了该产品非常强大的保障性。产品每年一保，自由续保，每份基本保障金额定为10万元，不论年龄大小保费均为450元。该产品承保年龄范围从16周岁到60周岁，承保年龄较其他健康险有所放宽。纳入承保范围的恶性肿瘤包括原发性肝癌、胃癌、胰腺癌、结肠癌、子宫内膜癌、乳腺癌和卵巢癌，一旦确诊上述7种恶性肿瘤，就按规定全额给付基本保障金。如果确诊为保险条款规定的部分良性肿瘤同时进行手术切除，则给付基本保额的10％；如果确诊为保险条款规定的部分良性肿瘤但不进行手术切除，则给付基本保额的3％。同时，这三项保障内容互相不冲突，可以各行理赔。
帐户型终身医疗险少时储蓄老时用
何谓账户型终身医疗险?一言以蔽之，就是“虽为终身保险，却设置了理赔金额上限。一旦赔付额度用完，保险责任即告结束；赔付额度用不完，则可以身故后返还给家人”。
这款产品，从形态上看，是把多年前停售的“不设理赔上限的终身医疗险”拉了一条“封顶线”，以避免从前终身医疗险“高赔付率、高亏损”之难以承受之重，不再重蹈覆辙。
换而言之，这样的保险计划实质是保险公司提供给客户的一个“个人终身医疗账户”，投保人需要在年轻时每年储蓄一定的金钱(保费)进入该账户，同时从交费的第一天起，就有权从该账户中提取医疗补贴金。为了避免在年轻时把账户中的钱全部用完，导致老年无保障，保险公司会特别提醒你每年最多从中领几次补贴金。若不幸身故，而账户设置的最高金额还没有用完，可以将剩余部分还给你的爱人或后代。
可以说，这样的产品，相当于在保险公司强制储蓄一笔终身医疗金。但能不能最后保到身故为止，还要看你投保后的身体状况。看病多，住院多，账户中动用的钱多，就极可能保不到终身。身体好，去医院次数少，就可能保到身故，到时还能将余款返还。
从保障范围来看，如今的账户型终身医疗险更带有综合
医疗险的意味。大部分产品不仅提供医疗费用报销、手术费用补偿等待遇，也提供住院津贴，甚至还可以有一些重大疾病补偿金，或是重大疾病保费豁免功能等。
典型产品推荐：“心聆一生”终身医疗险
保障利益表现为终身住院补贴，65岁后还享有普通门诊及住院医疗费用报销，若患重大疾病可豁免保费。保额每年递增2.5％，直至初始保险金额的1.5倍，身故后，未领取的补贴金部分全额返还。18～50岁人士可投保。
40岁男性，购买“心聆一生”终身医疗保险计划3个单位，基本保额6万元，每年递增保额1.5％，20年后保额9万元。20年缴，年缴保费3297元。
“另类”健康险长期看护险和女性险
在健康险市场上，广义看还有女性(疾病)险和长期看护险这两大类。
女性(疾病)险其实是疾病保险的一种，只不过因为特别保障女性特有的一些疾病，以及意外整容等内容，而具有特别明显的特征，常被人们从健康险中单独分离开来规划和选择。除了专属女性的疾病保险外，还有母婴保险，同时保障母亲和新生儿。
长期护理保险(Long Term Care)在海外属于出现较晚的一个险种，国内也才开始起步，特指为那些因年老、疾病或意外伤残而需要长期照料的被保险人提供护理服务费用补偿的保险。
虽然重大疾病险、医疗费用保险和住院补贴保险等健康险已经为我们慢慢熟悉，但是这些医疗健康类的保险，目前还不能完全与老年人的护理需求相匹配。
比如，无论是医疗费用，还是医疗补贴保险，都必须有一个前提条件，那就是被保险人住院了，但是需要长期护理的老人大多数不会去住院，而是在家中或是社区中进行看护，所以他们大多数情况下无法使用这两类保险。又比如重大疾病险，前提是发生条款列明的重大疾病，但一些需要长期护理的老人只是长期的慢性病，而非那么严重的大病。又比如，如果是含有“生命终末期”给付条件的寿险，则必须被医生确认为“只剩下”6个月的寿命，而需要长期看护的老人余寿大多超过3年。
作为主要负担中老年人专业护理、家庭护理及其他相关服务项目费用支出的新型健康保险产品，长期看护保险相对传统健康医疗险来说，更易满足年老后的长期看护需求。目前主要产品有国泰人寿的“康宁长期护理健康保险”、人保健康险公司的“全无忧”和瑞福德健康险公司的长期护理保险。
女性险典型产品推荐：多姿人生女性终身寿险
该产品保障内容涵盖33种重大疾病，6个女性部位的原位癌，3种女性特定手术，5种妊娠期疾病及新生儿6种先天性疾病的保障。
25岁女性投保该产品，基本保额10万元，保障期限至80周岁，分25年缴费，每年缴费3669元或月缴325元。可获得保险利益为：55周岁保单周年日给付6万元，55周岁前每满3个保单周年给付1000元作为体检费，55周岁前身故给付10万元，55周岁以后身故给付1万元，原位癌利益给付2万元，重大疾病利益给付2万元，女性特定手术利益给付1万元，意外整形手术利益按实际手术医疗费用给付最高2万元，妊娠期疾病与新生儿疾病利益给付2万元，期满利益给付1万元，并每年可享受公司分红。
女性险特色产品推荐：康丽人生防癌疾病保险
18～60岁女性均可投保该产品。缴费期限为5年。保险额度范围最低保5万元，最高保30万元。该产品专为女性设计，主要保障范围有非女性特有恶性肿瘤(保险金等于金额保额)、女性恶性肿瘤保障(可同时获得恶性肿瘤保险金和女性恶性肿瘤保险金，两者均等于基本保险金额，相当于一共获得两倍基本保险金)和女性原位癌诊断保障(10％基本保险金)，是女性险和防癌险的很好结合。
拉拉小姐25岁，为自己投保友邦康丽人生防癌疾病保险，基本保险金额10万元，年缴保费647元，缴费期5年，保险期间5年。保障期间，她可享有1万元的女性癌诊断保障、10万元的恶性肿瘤保障和20万元的女性恶性肿瘤保障。
长期看护险典型产品推荐：“康宁”长期护理保险
该产品主要定位于“护理型”需求，18～55周岁的人士可投保。以一位30周岁的男性为例，选择20年期交费，基本保额10万元，年缴保费3760元。不论年龄，一经确定需要“长期护理”，即可免交续期保险费，并可领取12000元长期护理复健保险金；同时今后每半年可领取8000元直至不需要长期看护后；到达88周岁仍存活，还可获得一笔10万元满期保险金。若在保险期间内不幸身故或残疾(1～8级)，均可一次性领取10万元。
作者：陈 婷