医保防贫效能的测度、预警与数字鸿沟——基于PSM、情景分析和Probit模型的实证研究

英文名称：Measuring, Early Warning, and Digital Divide of the Anti-Poverty Efficacy of Medical Insurance——An Empirical Study Based on PSM, Scenario Analysis and Probit Model

一、参赛赛题信息

• 参赛赛题：2026年（第十二届）全国大学生统计建模大赛
• 参赛组别：本科生组
• 作品编号：TJJM20260520003071
• 参赛学校：郑州西亚斯学院

二、团队成员及分工

姓名	负责工作
宋玟漫	负责PSM因果推断模型、Probit调节效应模型、稳健性检验、第4章与第6章结果解读
刘佳鑫	数据处理与预警，负责数据清洗（缺失值插补、CPI平减、平滑、特征提取）、情景预警分析、ARIMA对比、代码附录整理、第5章与第7章撰写
赵家慧	排版与可视化，负责论文排版（模板、目录、参考文献格式）、全部图表制作（图2-8、表1-8）、第2章撰写、摘要与致谢

三、项目简要介绍

（一）研究问题

在人口老龄化深化与医疗费用刚性增长的双重压力下，我国职工医保基金累计结余于2024年出现历史性拐点。本研究围绕三个递进式核心问题进行实证探索：

1. 效能测度：剥离自选择偏差后，医保报销的防贫净效应究竟有多大？
2. 效能约束：在基金加速消耗背景下，防贫效能还能持续多久？
3. 效能调节：“数字鸿沟”是否导致防贫效能的群体分配不均衡？

（二）研究方法

本研究构建效能测度——效能约束——效能调节三维分析框架，综合运用三类计量方法：

1. 效能测度：倾向得分匹配（PSM），核匹配函数、ATT估计、共同支撑与平衡性检验
2. 效能约束：情景分析+ARIMA对比，三情景设定（乐观/基准/悲观）、Bootstrap不确定性区间（80%置信水平）、可支付月数预警
3. 效能调节：Probit模型，平均边际效应（AME）、分组异质性检验、Bootstrap组间差异检验

数据来源

• 宏观数据：《中国卫生健康统计年鉴》、国家医保局公报（2014-2024年）
• 微观数据：山东临沂1.6万余条真实脱敏医保结算记录

（三）核心结论

1. 防贫净效应显著但存在异质性。PSM估计表明，高比例医保报销可使灾难性医疗支出风险降低约1.49个百分点。三级医院就诊群体的防贫效应约为非三级医院的3倍，青年群体约为老年群体的7倍。
2. 基金可持续性面临严峻挑战。基准情景下，职工医保累计结余将于2028年耗尽；可支付月数2025年跌破9个月安全线、2026年进入高风险区间。ARIMA模型因对结构性突变不敏感而完全失效，MAPE达14.83%。
3. “数字鸿沟”显著削弱防贫效能。高数字素养群体的报销边际效应（AME=-0.1325）是低素养群体（AME=-0.0583）的2.3倍（p<0.05），经Logit替换、阈值调整、重症子样本检验均稳健。

四、目录结构说明

#TJJM20260520003071_医保防贫效能研究/
├── 论文/
│   └── 作品全文-本科组-TJJM20260520003071.docx   # 完整参赛论文（含摘要、正文、参考文献、附录）
├── 代码/
│   ├── 数据清洗.py                           # 原始数据导入、缺失值/异常值处理，输出三套清洗后数据集
│   ├── 数据可视化.py                         # 全局绘图脚本，生成收支趋势、老龄化、区域人员等基础图表
│   ├── 效能测度（PSM）.py                    # PSM倾向得分匹配、平衡性与共同支撑检验，产出PSM全套检验图
│   ├── 效能约束（情景分析）.py               # 医保基金多情景预测、基金压力预警测算，生成情景预警系列图
│   ├── 效能调节（probit）.py                 # Probit基准回归，测算报销比边际效应AME，完成数字鸿沟异质性分析
│   └── Probit与Logit模型稳健性检验.py        # Logit对照回归、多维度稳健性检验，验证模型结果可靠性
├── 数据/
│   ├── 2024年各地区主要卫生健康指标.xlsx    # 地区卫生技术人员原始面板统计数据
│   ├── 全国宏观预测整合表（2014-2024年）.xlsx # 2014-2024年宏观医保基金收支原始面板数据
│   ├── 医疗数据.csv                          # 微观医保住院结算原始样本数据集
│   ├── 医疗数据1.csv                         # 备用微观医保原始数据集
│   ├── healthcare_disease_prediction_2000.csv # 疾病预测辅助配套数据集
│   ├── cleaned_macro.csv                     # 清洗完成宏观基金指标数据集
│   ├── cleaned_micro.csv                    # 清洗完成微观医保结算数据集
│   └── cleaned_region.csv                   # 清洗完成分区域卫生资源数据集
├── 图表/
│   ├── figures/
│   │   ├── fig1_职工医保收支趋势.png         # 图1：职工医保年度收支变化趋势图
│   │   ├── fig2_老龄化与住院率.png           # 图2：老龄化水平与住院率关联分析图
│   │   ├── fig3_地区卫生技术人员.png         # 图3：各地区卫生技术人员分布对比图
│   │   ├── Chapter4_Fund_Warning.png          # 第四章：医保基金风险预警主图
│   │   ├── Chapter5_Digital_Divide.png       # 第五章：数字鸿沟异质性分析主图
│   │   ├── PSM_quality_tests.png             # PSM匹配质量平衡性检验图
│   │   ├── PSM_heterogeneity.png             # PSM分组异质性效应分析图
│   │   ├── reimburse_marginal_effect.png     # 报销比例边际效应变化曲线图
│   │   ├── heterogeneity_ame.png            # 不同群体AME异质性结果图
│   │   ├── 图5-3_Probit_Logit_稳健性检验.png # Probit&Logit模型稳健性检验结果图
│   │   ├── fund_warning_scenario.png         # 多情景基金结余预测结果图
│   │   ├── fund_warning_final.png            # 基金压力预警最终成果图
│   │   ├── fund_warning_final_optimized.png   # 优化版基金预警可视化图
│   │   ├── fund_warning_full_data.png        # 全量数据基金预警分析图
│   │   ├── fund_warning_improved.png         # 改进算法基金预警效果图
│   │   ├── fund_warning_improved_dynamic.png # 动态情景改进版基金预警图
│   │   └── fund_warning_weighted.png         # 加权测算基金风险预警图
├── 环境配置/
│   └── requirements.txt                      # Python依赖包列表（用于完整复现运行环境）
└── README.md                                 # 项目完整说明文档（数据、代码、运行步骤说明）

五、快速开始指南

数据来源

1. 宏观数据：《中国卫生健康统计年鉴（2000至2024年）》、国家医保局《医疗保障事业发展统计公报》
2. 微观数据：山东临沂真实脱敏医保结算系统，约1.6万条住院记录
3. 辅助数据：CPI、居民人均可支配收入等，用于金额平减与阈值设定

核心结果速览

研究问题	对应章节	核心结论
医保防贫净效应有多大？	第四章	ATT约-1.49%，高报销降低灾难性支出风险1.49个百分点
防贫效应在不同群体中是否有差异？	第四章	三级医院ATT为非三级医院的3倍，青年为老年的7倍
基金还能撑多久？	第五章	基准情景下2028年耗尽，可支付月数2026年进入高风险区间
ARIMA模型是否适用？	第五章	对结构性突变不敏感，MAPE达14.83%，完全失效
数字鸿沟是否削弱防贫效能？	第六章	高素养组AME是低素养组的2.3倍，组间差异显著（p<0.05）
结论是否稳健？	第六章	经Logit替换、阈值调整、重症子样本检验均稳健