Private Insurance, Selection, and Health Care Use
私人保险、自选择与医疗服务使用AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确分解保险激励与自选择，采用 Roy 模型并估计处理效应分布，对应因果推断、结构估计和分布效应方向。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
私人保险、自选择与医疗服务使用
- 研究问题
- 私人医保参保者与未参保者的就诊次数差异，有多少来自自选择，有多少来自保险激励所产生的道德风险，相关效应如何分布？
- 方法与思路
- 作者基于 Roy 模型建立贝叶斯分解框架并开发 MCMC 算法，使用美国非 Medicare 成年人医疗支出面板调查的多年样本估计选择与激励效应。
- 材料陈述的贡献
- 摘要称，私人保险自选择的证据较强，平均解释至少50%的就诊次数差异；作者还估计了处理效应在研究人群中的分布。
- 阅读关注点
- 应核对 Roy 模型的设定与效应识别依据、先验及 MCMC 收敛诊断，并检查选择成分占比和处理效应分布对模型设定的敏感性。
- 阅读边界
- 摘要未说明识别所需限制、先验设定和样本年份，无法仅据摘要评估选择分解的可信度、处理效应识别及结果对其他人群的适用性。
原文摘要
Observed differences in medical utilization between the privately insured and uninsured reflect the combined effects of self-selection and insurance incentives (moral hazard). This article provides a Bayesian framework for decomposing the disparity into incentive and selection components. The effect of self-selection in private insurance on the number of doctor visits is estimated using a multiyear sample of the U.S. adult non-Medicare population obtained from the Medical Expenditure Panel Survey. We use a flexible econometric framework based on the “Roy model” and develop a Markov chain Monte Carlo algorithm. We estimate the distribution of treatment effects and find strong evidence indicating selection, which accounts, on average, for 50% or more of the observed disparity in doctor visits.