多期双重差分法（DID）对医保改革效果的分析.docxVIP

多期双重差分法（DID）对医保改革效果的分析

一、引言

医保制度作为社会保障体系的核心组成部分，其改革成效直接关系到居民健康福祉与医疗资源配置效率。近年来，我国医保领域改革持续深化，从支付方式改革到药品集中带量采购，从医保目录动态调整到跨省异地结算，政策呈现出分阶段、多批次实施的特征。如何科学评估这些改革的实际效果，成为政策制定者与学术界共同关注的焦点。

传统的政策评估方法如简单前后对比或截面数据分析，往往难以有效控制时间趋势与个体异质性带来的干扰。在此背景下，双重差分法（Difference-in-Differences,DID）因其能够通过“处理组-对照组”“改革前-改革后”的双重差分，有效识别政策净效应，逐渐成为公共政策评估的主流工具（AngristPischke,2009）。相较于单期DID仅适用于单一时间点的政策冲击，多期DID能够处理分阶段、多批次实施的政策，更贴合当前医保改革“先试点后推广”“逐步扩围”的实践特征（Goodman-Bacon,2021）。本文将系统探讨多期DID在医保改革效果分析中的应用逻辑，结合理论框架与实证案例，揭示其在识别政策效应、检验作用机制方面的独特价值。

二、多期双重差分法的核心逻辑与适用性

（一）多期DID的基本原理与模型设定

多期DID是传统单期DID的扩展，其核心思想是通过构造“时间-组别”交互项，捕捉不同时间点政策实施对处理组的差异化影响。与单期DID假设政策在某一固定时间点对所有处理组生效不同，多期DID允许政策在多个时间点分批次实施（例如，某省2018年启动医保支付方式改革试点，2020年扩展至全省）。此时，模型需同时控制个体固定效应（捕捉不随时间变化的个体特征，如地区经济水平、人口结构）与时间固定效应（捕捉所有个体共有的时间趋势，如宏观经济波动、医疗技术进步），并通过引入“政策实施时间×组别”的交互项来估计政策效应（CallawaySant’Anna,2021）。

具体而言，基础模型可表示为：

被解释变量（如个人医疗支出）=个体固定效应+时间固定效应+政策实施时间×组别虚拟变量+控制变量+误差项

其中，“政策实施时间×组别虚拟变量”的系数即为政策的平均处理效应（ATT）。这一设定能够有效剥离其他因素对结果变量的影响，确保估计的政策效应具有因果推断意义。

（二）多期DID在医保改革评估中的适用性优势

医保改革的“渐进式”特征与多期DID的方法特性高度契合。首先，我国医保政策多采用“试点先行-经验总结-全国推广”的路径，例如DRG/DIP支付方式改革于2019年启动30个试点城市，2021年扩展至100个城市，2024年实现全覆盖（国家医保局，相关政策文件）。这种分阶段实施的时间差异，为多期DID提供了天然的“政策冲击时间”维度。其次，不同地区因经济发展水平、医疗资源分布存在差异，政策实施效果可能呈现异质性。多期DID通过控制个体固定效应，能够有效捕捉这种异质性，避免“一刀切”的结论（Borusyaketal.,2021）。最后，医保改革的效果可能随时间推移动态变化（如短期降低药品费用，长期影响医院服务行为），多期DID通过引入动态交互项（如政策实施1年后、2年后的虚拟变量），可分析政策效应的时滞性与持续性（SunAbraham,2021）。

三、医保改革效果分析的关键维度与多期DID的应用路径

（一）医保改革效果的核心评估指标

医保改革的目标是实现“保基本、强基层、可持续”，其效果需从多个维度综合评估。首先是经济负担维度，重点关注居民个人医疗支出、自付比例的变化，这是衡量“减轻看病贵”的直接指标（国家卫健委，年度统计公报）。其次是医疗服务利用维度，包括门诊/住院人次、检查检验项目数量等，反映政策对就医行为的引导作用（如支付方式改革是否抑制过度医疗）。最后是健康产出维度，通过死亡率、慢性病控制率等指标，评估政策对居民健康水平的长期影响（CutlerMcClellan,2001）。

（二）多期DID在各维度分析中的具体应用

经济负担维度：药品集中采购的费用控制效应

以药品集中带量采购（简称“集采”）为例，该政策于2018年在“4+7”城市试点，2019年扩展至全国，形成多时间点的政策冲击。应用多期DID时，可将试点城市作为处理组，非试点城市作为对照组，选取改革前3年与改革后3年的面板数据，控制地区GDP、人口老龄化率等变量，通过交互项系数估计集采对药品价格的净影响。已有研究表明，集采政策实施后，试点地区中选药品价格平均下降50%以上，且随着政策扩围，非试点地区因市场竞争也出现价格下行趋势（胡颖等，2022）。这一结论通过多期DID的平行趋势检验（即改革前处理组与对照组的药品价格趋势无显著差异）验证了因果关系的可靠性。

医疗服务