BSc Econometrie en Operationele Research, 2015-2016
Faculteit Economie en Bedrijfskunde, Universiteit van Amsterdam Bachelorscriptie, Begeleider: Hans van Ophem
Het onderscheiden van adverse selection en moral hazard
Een analyse van de markt voor ziektekostenverzekeringen in de Verenigde
Staten
Miriam Veenstra (10588086)
juni - 2016
Samenvatting
Deze scriptie richt zit op het onderscheiden van adverse selection en moral hazard in de markt voor ziektekostenverzekeringen in de Verenigde Staten. De gebruikte data is afkomstig van de MEPS en heeft betrekking tot het jaar 2008. Er wordt onderscheid gemaakt tussen vier verzekeringsgroepen: publiek verzekerden, privaat verzekerden, verzekerden via de werkgever en onverzekerden. Deze groepen worden op verschillende manieren beïnvloed door adverse selection en moral hazard. Met behulp van de Oaxaca-Blinder decompositietechniek wordt zo goed mogelijk onderscheid gemaakt tussen adverse selection en moral hazard.
Hierbij verklaar ik, Miriam Veenstra, dat ik deze scriptie zelf geschreven heb en dat ik de volledige verantwoordelijkheid op me neem voor de inhoud ervan. Ik bevestig dat de tekst en het werk dat in deze scriptie gepresenteerd wordt origineel is en dat ik geen gebruik heb gemaakt van andere bronnen dan die welke in de tekst en in de referenties worden genoemd. De Faculteit Economie en Bedrijfskunde is alleen verantwoordelijk voor de begeleiding tot het inleveren van de scriptie, niet voor de inhoud.
Inhoudsopgave
1 Inleiding 1
2 De theorie van asymmetrische informatie 2
2.1 Verzekeringsmarkten . . . 3 2.2 Empirische resultaten . . . 4 2.3 Adverse selection versus moral hazard . . . 5
3 Model & methode 7
3.1 Selectiviteit . . . 7 3.2 Model per verzekeringsgroep . . . 9 3.3 Onderscheid adverse selection & moral hazard . . . 10
4 Data: de MEPS 12
4.1 Variabelen . . . 13 4.2 Beschrijvende statistieken . . . 14
5 Resultaten 16
5.1 Modellen verzekeringsgroepen . . . 16 5.2 Decompositie: adverse selection & moral hazard . . . 19 5.3 Referentie individu . . . 22
6 Conclusie 24
Bibliografie 26
1
Inleiding
Er is een grote hoeveelheid literatuur beschikbaar op het gebied van de contracttheorie. Een veel beschreven probleem daarin is het bestaan van asymmetrische informatie in ver-zekeringsmarkten. Er wordt gesproken over asymmetrische informatie als bij een transactie tussen economische agenten de ene partij over meer en/of betere informatie beschikt dan de andere partij. Het voornaamste gevolg van asymmetrische informatie is het niet optimaal werken van de markt (Akerlof, 1970).
Twee vormen van asymmetrische informatie die zich voordoen in verzekeringsmarkten zijn adverse selection en moral hazard. Onder de aanwezigheid van adverse selection kiezen agenten met een hoog risico, ceteris paribus, er eerder voor om zich te verzekeren en bovendien kiezen zij een contract met een volledigere dekking (Akerlof, 1970, p. 493). Adverse selection treedt daarmee voor de transactie op. Moral hazard treedt daarentegen na de transactie op. Onder de aanwezigheid van moral hazard zijn eenmaal verzekerde agenten minder geneigd om schade te vermijden en zullen daarom eerder aanspraak maken op de dergelijke verzekering (Arrow, 1963, pp. 961-962).
Chiappori en Salanié (2000) onderzoeken de aanwezigheid van asymmetrische informatie in de markt voor autoverzekeringen in Frankrijk. Zij betogen dat het onderscheiden van adverse selection en moral hazard een lastige zaak is omdat beide hypothesen leiden tot relatief hogere claims. De aanwezigheid van asymmetrische informatie, zij het in de vorm van adverse selection of moral hazard, impliceert een positieve correlatie tussen de keuze van verzekeringsdekking en het al dan niet optreden van een claim (schade). De correlatie geeft echter geen informatie over de causaliteit; een risicovolle agent met meer kans op schade (adverse selection) of onvoorzichtigheid van de agent (moral hazard). Hierdoor zijn adverse selection en moral hazard moeilijk te onderscheiden.
Het onderscheiden van adverse selection en moral hazard is vanuit een politiek oogpunt erg belangrijk. Het gevolg van zowel moral hazard als adverse selection is hogere kosten in de gezondheidszorg. Om deze kosten te kunnen drukken is het van belang om te weten of de hogere kosten het gevolg zijn van adverse selection of moral hazard. Een beleid puur gericht op adverse selection, zoals het verplicht verzekerd zijn, kan namelijk tot sterke toename van
kosten in de gezondheidszorg leiden als het effect van moral hazard groot is. Het beleid heeft dan mogelijk een averechts effect. Moral hazard kan worden verminderd door bijvoorbeeld het verhogen van het eigen risico. De verzekerde heeft dan een financiële prikkel om schade te vermijden. Het tegengaan van moral hazard impliceert een ander beleid dan het tegengaan van adverse selection.
Deze scriptie richt zich in het bijzonder op de markt voor ziektekostenverzekeringen in de Verenigde Staten. De gebruikte data is afkomstig van de ’Medical Expenditure Panel Survey’ (MEPS) en heeft betrekking op het jaar 2008. De relatie tussen de uitgaven aan ziektekosten en het al dan niet voor ziektekosten verzekerd zijn wordt onderzocht. In de Verenigde Staten hebben mensen de vrijheid zich tegen ziektekosten te verzekeren en er is een aantal groepen te onderscheiden: privaat verzekerden, verzekerden via de werkgever, publiek verzekerden en onverzekerden. Adverse selection treedt op bij de groepen waar het wel of niet verzekerd zijn een eigen keuze is. Moral hazard kan bij alle verzekeringsgroepen optreden, maar speelt niet bij onverzekerden. Het doel van deze scriptie is het onderscheiden van adverse selection en moral hazard op grond van deze groepen. Dit wordt gedaan door de effecten van de verschillende verzekeringstypen op de uitgaven aan ziektekosten te vergelijken en gebruik te maken van de Oaxaca-Blinder decompositietechniek
Het vervolg van deze scriptie heeft de volgende opbouw. Hoofdstuk 2 gaat in op de empirische literatuur. In hoofdstuk 3 wordt de opzet van het onderzoek besproken en hoofd-stuk 4 geeft een beschrijving van de data. In hoofdhoofd-stuk 5 worden de resultaten getoond en geanalyseerd. Ten slotte bevat hoofdstuk 6 een conclusie.
2
De theorie van asymmetrische informatie
In dit hoofdstuk wordt enige empirische literatuur besproken met betrekking tot asymme-trische informatie. Allereerst wordt in paragraaf 2.1 betoogd waarom verzekeringsmarkten geschikt zijn voor het onderzoeken van asymmetrische informatie. In paragraaf 2.2 worden resultaten van eerdere onderzoeken besproken. Ten slotte richt paragraaf 2.3 zich op het onderscheiden van adverse selection en moral hazard.
2.1
Verzekeringsmarkten
Het treffen van contractuele regelingen tussen economische agenten gebeurt vaak onder de aanwezigheid van asymmetrische informatie. Chiappori en Salanié (1997, p. 945) merken op dat de meeste voorspellingen van de contracttheorie uitgedrukt worden in termen van een relatie tussen de karakteristieken van het contract en de ‘uitkomst’ van het contract. De ‘uitkomst’ kan bijvoorbeeld zijn het optreden van een ongeluk, de kosten hiervan, of een be-paald niveau van uitgaven. In het bijzonder is de markt voor verzekeringen een veelbelovend gebied voor empirisch werk over contracten. Verzekeringscontracten zoals contracten voor autoverzekeringen, ziektekostenverzekeringen, levensverzekeringen, etc. zijn grotendeels ge-standaardiseerd. Verzekeringsmaatschappijen beschikken vaak over databases die doorgaans enkele miljoenen van dergelijke contracten bevatten. De databases bevatten ten eerste alge-mene informatie over de agent in kwestie. Voorbeelden van dergelijke informatie zijn leeftijd, geslacht, beroep, etc. Daarnaast bevatten de databases karakteristieken over de afgesloten contracten. Ten slotte is ook de ‘uitkomst’ van het contract vastgelegd in de databases van de ondernemingen. De datasets zijn daarmee erg rijk en bieden de mogelijkheid voor het onderzoeken van de aanwezigheid van asymmetrische informatie.
De aanwezigheid van asymmetrische informatie is een groot probleem in verzekerings-markten. Agenten die persoonlijke informatie hebben over bijvoorbeeld hun hoge risico, zijn eerder geneigd zich (met volledigere dekking) te verzekeren (Akerlof, 1970, p. 493). Deze vorm van asymmetrische informatie wordt adverse selection genoemd. Akerlof (1970, p. 500) beargumenteert dat adverse selection kan leiden tot het niet optimaal werken van de markt. Omdat verzekeringsmaatschappijen geen onderscheid kunnen maken tussen agenten met een laag risico en agenten met een hoog risico verhogen zij de premies voor iedereen. Dit heeft als gevolg dat alleen de agenten met een hoog risico zich zullen verzekeren. Agenten met een hoog risico drijven agenten met een laag risico als het ware uit de markt. Volgens Rothschild en Stiglitz (1976, p. 643) kan dit worden tegengegaan door een menu van contracten met verschillende eigen risico’s aan te bieden. Agenten onthullen dan hun risico-type door een bepaald contract te kiezen.
Verzekeringscontracten kunnen ook leiden tot moral hazard, een andere vorm van asym-metrische informatie. Als een agent eenmaal verzekerd is, heeft hij minder de neiging om
schade te vermijden (Arrow, 1983, pp. 961-962). Dit leidt tot een verhoging van het risi-coniveau van de agent. In het bijzonder is er in de markt voor ziektekostenverzekeringen ook sprake van ex-post moral hazard (Pauly, 1968, p. 535). Verzekeringsdekking verlaagt de marginale kosten van de zorg voor het individu en dit leidt tot toename in het gebruik van de zorg. Pauly betoogt dat moral hazard kan worden tegengegaan door het introduce-ren/verhogen van het eigen risico.
Een derde vorm van asymmetrische informatie die voorkomt in verzekeringsmarkten is advantageous selection. Advantageous selection wordt gezien als het tegenovergestelde van adverse selection. De implicatie is dat risicoaverse individuen, ceteris paribus, er eerder voor kiezen om zich te verzekeren (Hemenway, 1990, p. 1064). De Meza en Webb (2001, p. 260) beargumenteren dat advantageous selection kan leiden tot een uniek Nash-evenwicht in de markt voor verzekeringen. Advantageous selection is, in tegenstelling tot adverse selection en moral hazard, bevorderend voor de markt.
2.2
Empirische resultaten
De afgelopen jaren richten steeds meer papers zich op het empirisch onderzoeken van de aanwezigheid van asymmetrische informatie in verzekeringsmarkten. Met name de markt voor ziektekostenverzekeringen en de markt voor autoverzekeringen worden onderzocht. De conclusies van de onderzoeken zijn echter uiteenlopend.
Cardon en Hendel (2001) onderzoeken de aanwezigheid van adverse selection in de markt voor ziektekostenverzekeringen in de Verenigde Staten. De gebruikte schattingsmethode is gebaseerd op het verband tussen de vraag naar verzekeringen en het gebruik van de gezond-heidszorg. Cardon en Hendel beargumenteren dat als dit verband kan worden toegeschreven aan observeerbare factoren, het belang van niet observeerbare factoren kan worden uitgeslo-ten en dat adverse selection niet of nauwelijks een rol speelt. Zij vinden geen bewijs gevonden voor de aanwezigheid van asymmetrische informatie.
Fang, Keane en Silverman (2008) onderzoeken de aanwezigheid van advantageous selection in de Medigapverzekeringsmarkt. In de Verenigde Staten zijn ouderen automatisch verzekerd via het zogenoemde Medicare. De verzekeringsdekking van Medicare is beperkt. Medigap is een aanvullende private verzekering om de ‘gaten’ in de dekking van Medicare te vullen.
Fang et al (2008) nemen een significante negatieve correlatie waar tussen Medigapdekking en medische uitgaven. Zij interpreteren deze negatieve correlatie als bewijs voor de aanwezigheid van advantageous selection.
In de publicatie Puelz en Snow (1994) wordt de aanwezigheid van asymmetrische infor-matie in de vorm van adverse selection in de markt voor autoverzekeringen onderzocht. De gebruikte data heeft betrekking tot de staat Georgia in de Verenigde Staten. Volgens Puelz en Snow kiezen agenten met minder risico voor contracten met een hoger eigen risico. Er wordt een significante correlatie waargenomen tussen het type risico en de keuze van het ei-gen risico. Deze correlatie wordt geïnterpreteerd als bewijs voor de aanwezigheid van adverse selection in de Amerikaanse markt voor autoverzekeringen.
Chiappori en Salanié (2000) analyseren de aanwezigheid van asymmetrische informatie in de markt voor autoverzekeringen in Frankrijk. Zij betogen dat onder de aanwezigheid van asymmetrische informatie een positive correlatie moet worden waargenomen tussen de keuze van verzekeringsdekking en het zich voordoen van een ongeluk. De nulhypothese van onafhankelijkheid tussen de keuze van verzekeringsdekking en het gebeuren van een onge-luk kan niet worden verworpen. Chiappori en Salanié (2000) vinden geen bewijs voor de aanwezigheid van asymmetrische informatie in de Franse markt voor autoverzekeringen.
Samengevat richten alle onderzoeken zich op een verband tussen de karakteristieken van een contract en de uitkomst van het contract. De resultaten van bovenstaande onderzoeken bieden geen duidelijk beeld over de aanwezigheid van asymmetrische informatie in verzeke-ringsmarkten.
2.3
Adverse selection versus moral hazard
Veel papers richten zich slechts op het onderzoeken van de aanwezigheid van asymmetrische informatie in het algemeen, ongeacht of het adverse selection of moral hazard (of een andere vorm) betreft. Reden hiervoor is dat het onderscheiden van adverse selection en moral hazard een lastige zaak blijkt te zijn. Zowel adverse selection als moral hazard leiden tot een positieve relatie tussen ex post realisatie van riscio en verzekeringsdekking (Chiappori en Salanié, 2000, p. 59-60). Toch verschijnen er de laatste jaren steeds meer papers die een poging doen om adverse selection van moral hazard te onderscheiden.
Bajari, Dalton, Hong en Khwaja (2014) onderzoeken bijvoorbeeld gelijktijdig de aanwezig-heid van adverse selection en moral hazard in contracten van ziektekostenverzekeringen in de Verenigde Staten. Zij gebruiken hiervoor vertrouwelijke data afkomstig van een grote werkge-ver die ziektekostenwerkge-verzekeringen aanbiedt aan zijn werknemers. De data hebben betrekking op de jaren 2002-2004. Onder de aanwezigheid van adverse selection kiezen consumenten op basis van hun latente gezondheidstoestand voor verschillende soorten verzekeringscontracten. Dit impliceert dat de verdeling van de latente gezondheidstoestand variabele varieert over de verschillende soorten contracten. Moral hazard daarentegen meet hoe het gedrag van de con-sument verandert als hij eenmaal verzekerd is. Bajari et al (2014) bouwen een denkbeeldig scenario om het effect van de verzekering op de uitgaven in de gezondheidszorg te isoleren. De omvang van moral hazard wordt beschreven door de verandering in de optimale consumptie bundel. Er wordt significant bewijs gevonden voor zowel moral hazard als adverse selection. Keane en Stavrunova (2016) onderzoeken zowel adverse selection als moral hazard in de Medigapverzekeringsmarkt in de Verenigde Staten. De data die zij gebruiken zijn afkom-stig van de Medicare Current Beneficiary Survey en de Health and Retirement Survey en hebben betrekking op de jaren 2000-2002. Keane en Stavrunova beargumenteren dat de Medigapmarkt een voordeel heeft op andere verzekeringsmarkten voor het onderzoeken van asymmetrische informatie omdat in deze markt private informatie over het risiconiveau van de persoon daadwerkelijk gemeten kan worden. Medigapverzekeraars mogen volgens de wet verzekeringen alleen prijzen op basis van leeftijd, geslacht, land van verblijf en rookgedrag. Andere factoren die invloed hebben op het risiconiveau van de persoon, zoals gezondheids-toestand, kunnen worden beschouwd als private informatie. Het kunnen waarnemen van private informatie biedt de mogelijkheid om adverse selection en moral hazard te schatten. De resultaten van Keane en Stavrunova (2016) impliceren dat het effect van moral hazard substantieel is. Zij vinden ook bewijs voor advantageous selection in de Medigapmarkt.
In andere papers (Abbring, Chiappori, Heckman en Pinquet (2003) en Dionne, Dahchour en Michaud (2013)) wordt beargumenteerd dat een dynamische setting mogelijkheden biedt om adverse selection en moral hazard te onderscheiden. In dit onderzoek wordt echter ge-bruik gemaakt van cross-sectionele data, dus deze onderzoeken zullen hier niet verder worden beschouwd.
3
Model
& methode
In dit hoofdstuk wordt de opzet van het onderzoek besproken. Allereerst wordt In paragraaf 3.1 het selectiviteitsprobleem besproken. Vervolgens wordt in paragraaf 3.2 per verzekerings-groep beschreven welk model wordt geschat. Het onderscheiden van adverse selection wordt ten eerste gedaan met behulp van de Oaxaca-Blinder decompositietechniek en ten tweede met een extra controle. Beide methodes worden in paragraaf 3.3 besproken.
3.1
Selectiviteit
Het wel of niet verzekerd zijn is voor privaat verzekerden, onverzekerden en via de werkgever verzekerden een eigen keuze. Deze groepen hebben te maken met een selectiekeuze. Om correcte schattingen te krijgen is bij deze groepen een selectiviteitscorrectie nodig.
Een veel gebruikte methode is de Heckman-methode (1976). De Heckman-methode ver-onderstelt dat de storingstermen normaal verdeeld zijn. Om te corrigeren voor selectiviteit wordt de zogenoemde inverse Mills ratio, λi = φ(ˆγ
0Z i)
1−Φ(ˆγ0Z
i), als extra verklarende variabele in
het model opgenomen. De inverse Mills ratio is een schatting van de selectiebias. Als de storingstermen echter niet normaal verdeeld zijn, leidt deze methode tot inconsistente schat-tingen.
Een alternatieve methode is de methode van Cosslett (1991). De Cosslett methode ziet af van het maken van veronderstellingen over de verdeling van de storingstermen. Er wordt een andere schatting van de selectiebias geïntroduceerd om te corrigeren voor selectiviteit:
E(Yi|Ii = 1) = g(γ0Z),
waarbij de functie g niet gespecificeerd is. De functie wordt benaderd met behulp van een reeks dummyvariabelen. In de eerste fase wordt een Probit model geschat voor de keuze-vergelijking. De geschatte waarden (ˆγ0Zi ∈ R) worden geordend en vervolgens opgedeeld in M intervallen. Een voorwaarde voor consistente schattingen is dat het aantal intervallen toeneemt met de steekproefomvang, dat wil zeggen hoe groter de steekproef hoe groter het aantal intervallen moet zijn. Tot slot worden er dummyvariabelen gecreëerd die de waarde 1
aannemen als de schatting (ˆγZi) binnen het bepaalde interval ligt:
Dji =
1 als waarneming i in interval j ligt
0 anders.
De dummyvariabelen worden als extra verklarende variabelen opgenomen in het model: Yi = β0Xi+
M −1 X j=1
θjDji+ ε∗i.
In dit onderzoek wordt het aantal intervallen op M = 20 gezet.
Een belangrijke kwestie is dat de intervallen gebaseerd zijn op de schatters ˆγzien daarmee stochastisch zijn. Dit werkt door in de standaardfouten en deze moeten gevolglijk gecorri-geerd worden. Er wordt daarom over de hele procedure gebootstrapt. De gebootstrapte standaardfouten zullen worden gerapporteerd met z = 500 replicaties.
Shen (2013, p. 143) noemt een ander probleem dat zich voordoet: niet alle individuen hebben een positieve uitgaven aan ziektekosten, oftewel er is sprake van censurering. Dit kan leiden tot inconsistente schattingen. In dit onderzoek wordt dit probleem genegeerd, de waarnemingen met uitgaven 0 worden gewoon meegenomen. Een mogelijke oplossing is het introduceren van twee vergelijkingen in plaats van slechts de uitgavenvergelijking. De eerste vergelijking beschrijft de keuze om een zorgverlener te bezoeken en de tweede vergelijking beschrijft de behandelingskeuze en daarmee de uitgaven (Shen, 2013).
Een laatste opmerking met betrekking tot de methode heeft te maken met de identificatie van de parameters. Puhani (2000, p. 57-58) betoogd dat de vectoren X en Z vaak een groot aantal variabelen gemeen hebben. Om collineariteitsproblemen te voorkomen, is het van belang dat X 6= Z. Er zijn variabelen in Z nodig, die goede voorspellers zijn van I, maar die niet voorkomen in X. Shen (2013, p. 148) betoogd dat de variabelen voor burgerlijke staat en woonregio kunnen worden uitgesloten van de uitgaven vergelijking. De variabelen kunnen een rol spelen bij de verzekeringskeuze: getrouwde individuen kunnen grotere stimulans heb-ben om zich te verzekeren en verschillende regio’s kunnen een verschillend gezondheidsbeleid hebben. Bovendien kunnen er verschillen in de beschikbare diensten zitten. Shen betoogd dat als de verzekeringskeuze is gemaakt, zowel de burgerlijke staat van een individu als de woon-regio geen invloed hebben op de uitgaven aan ziektekosten. Het onderzoek van Shen (2013) wordt aangehouden, deze variabelen worden daarom uitgesloten van de uitgavenvergelijking.
3.2
Model per verzekeringsgroep
Publiek verzekerden
Voor publiek verzekerden is het verzekerd zijn geen vrij keuze, er is daarom geen sprake van een selectieprobleem. Het probleem adverse selection speelt bij deze groep niet maar moral hazard wel. De volgende uitgavenvergelijking wordt geschat met OLS:
Uitgavenpub = βpub0 Xi+ εi. (1)
Privaat verzekerden & onverzekerden
Voor de groepen privaat verzekerden en onverzekerden is het wel of niet verzekerd zijn een volledig eigen keuze. Bij beide groepen kan adverse selection een rol spelen. Moral hazard treedt daarentegen alleen op bij de groep privaat verzekerden. De groepen hebben te maken met een selectiekeuze, de effecten van privaat verzekerd zijn en onverzekerd zijn op de uitgaven aan ziektekosten worden daarom geschat met een zogenoemd selectiemodel. Er wordt gebruik gemaakt van de dataset bestaande uit privaat verzekerden en onverzekerden. Deze dataset bestaat uit 3945 individuen. Het volgende Probit-model voor de keuzevergelijking wordt geschat: Privaat∗i = 1 als γpriv0 Zi+ ϑ∗i ≥ 0 0 anders. (2)
Vervolgens wordt allereerst de uitgavenvergelijking voor privaat verzekerden geschat met OLS. De dataset met enkel privaat verzekerden bestaat uit 656 waarnemingen. De uitgaven-vergelijking voor privaat verzekerden is als volgt:
Uitgavenpriv = βpriv0 Xi+ M −1
X j=1
θpriv,jDji+ ε∗i. (3)
Ten slotte wordt de uitgavenvergelijking voor onverzekerden geschat met OLS. De data-set met enkel onverzekerden bestaat uit 3289 waarnemingen. De uitgavenvergelijking voor onverzekerden is als volgt:
Uitgaveno = βo0Xi + M −1
X j=1
Via de werkgever verzekerden
Bij verzekerden via de werkgever is het verzekerd zijn tot op zekere hoogte een eigen keuze. Adverse selection en moral hazard kunnen allebei een rol spelen. Ook bij deze groep wordt uitgegaan van een selectiemodel. Om het effect van verzekerden via de werkgever op de uitgaven aan ziektekosten te schatten wordt gebruik gemaakt van de dataset bestaande uit verzekerden via de werkgever (enigszins eigen keuze), privaat verzekerden (volledig eigen keuze) en onverzekerden (volledig eigen keuze). Deze dataset bestaat uit 12.141 individuen. Het volgende Probit-model voor de keuzevergelijking wordt geschat:
Werkgever∗i = 1 als γempl0 Zi+ ˜ϑi ≥ 0 0 anders. (5)
Vervolgens wordt de uitgavenvergelijking voor verzekerden via de werkgever geschat met OLS. De dataset met enkel verzekerden via de werkgever bestaat uit 8196 waarnemingen. De uitgavenvergelijking voor verzekerden via de werkgever is als volgt:
Uitgavenempl= βempl0 Xi+ M −1 X
j=1
θempl,jDji+ ˜εi. (6)
3.3
Onderscheid adverse selection & moral hazard
Oaxaca-Blinder
Om de problemen adverse selection en moral hazard zo goed mogelijk te onderscheiden wordt ten eerste gebruik gemaakt van de Oaxaca-Blinder (1973) techniek. De Oaxaca-Blinder techniek is een decompositie procedure die het verschil in de gemiddelde uitkomsten tussen twee groepen verklaard. De kloof tussen de twee groepen wordt opgedeeld in een deel wat wordt verklaard door verschillen in de karakteristieken van de groepen (∆X) en een deel wat wordt verklaard door verschillen in de coëfficiënten (∆β). De opdeling van de Oaxaca-Blinder tussen twee groepen, A en B, is als volgt:
E(YA) − E(YB) = βA0 XA− βB0 XB = βB0 (XA− XB) + (βA− βB)0XB+ (βA− βB)0(XA− XB) = βB0 ∆X + ∆β0XB+ ∆β0∆X = E + C + I.
Waarbij E het deel is wat wordt verklaard door verschillen in de karakteristieken van de groepen (het karakteristieken effect) en C het deel wat wordt verklaard door verschillen in de
coëfficiënten (het coëfficiënten effect). Ten slotte is I een interactieterm die rekening houdt met het feit dat de verschillen in karakteristieken en coëfficiënten gelijktijdig bestaan.
Adverse selection is het gevolg van verschillen in de karakteristieken van groepen: indi-viduen met een hoog risico zijn eerder geneigd zich (met volledigere dekking) te verzekeren (Akerlof, 1970, p.493). Het karakteristieken effect (E) van de Oaxaca-Blinder decompositie kan worden toegeschreven aan adverse selection (∆X). Moral hazard daarentegen is het gevolg van verschillen in de coëfficiënten: eenmaal verzekerde individuen hebben minder de neiging schade te vermijden (Arrow, 1983, p. 961-962). Het coëfficiënten effect (C) wordt geïnterpreteerd als moral hazard (∆β). Ten slotte zijn adverse selection en moral hazard bij de interactieterm (I) niet op te splitsen. De decompositie en de interpretatie hiervan is echter enkel correct als het model correct gespecificeerd is. In het bijzonder moet de gezondheid van een individu goed benaderd zijn met gezondheidsgerelateerde variabelen.
De verschillende verzekeringsgroepen worden op verschillende manieren beïnvloedt door adverse selection en moral hazard. Om adverse selection en moral hazard zo goed mogelijk te onderscheiden wordt de Oaxaca-Blinder decompositietechniek toegepast op alle verzeke-ringsgroepen. De gebootstrapte standaardfouten zullen worden gerapporteerd, met z = 500 replicaties.
Extra controle
Tot slot wordt er gekeken naar verschillen in de uitgaven aan ziektekosten van een referentie individu dat op verschillende manieren verzekerd kan zijn. Bij onverzekerden speelt enkel adverse selection terwijl bij publiek verzekerden enkel moral hazard speelt. Bij privaat verze-kerden en via de werkgever verzeverze-kerden spelen zowel adverse selection als moral hazard. Per verzekeringsgroep worden de ziektekosten voor een referentie individu bepaald met behulp van de geschatte modellen. Er wordt uitgegaan van een 40-jarige blanke vrouw met een goede gezondheid: dat wil zeggen geen comorbiditeiten, geen depressief gevoel, geen roker en geen obesitas. Verder wordt er uitgegaan van een gezinsomvang van 4, een inkomen van $30.000 en 12 jaren scholing. Door naar de verschillen tussen de verzekeringsgroepen te kijken kan de omvang van adverse selection en moral hazard bepaald worden, mits het model correct gespecificeerd is. In het bijzonder moet de gezondheid van een individu goed benaderd zijn.
4
Data: de MEPS
In dit hoofdstuk wordt de in deze scriptie gebruikte data beschreven. Allereerst volgt een korte omschrijving van de dataset. Vervolgens worden in paragraaf 4.1 de relevante variabelen besproken. Ten slotte zorgt paragraaf 4.2 voor beschrijvende statistieken van de uiteindelijke steekproef.
De gebruikte data is afkomstig van de Medical Expenditure Panel Survey (MEPS). De MEPS is een set van grootschalige jaarlijkse enquêtes van gezinnen en individuen, hun medi-sche zorgverleners (huisartsen, ziekenhuizen, apotheken etc.) en werkgevers in de Verenigde Staten. De datasets bevatten informatie over de specifieke gezondheidsdiensten die Ame-rikanen gebruiken, hoe vaak ze deze gebruiken, de kosten van deze diensten en hoe deze betaald worden. Daarnaast worden ook gegevens over de kosten, de omvang en de breedte van de ziektekostenverzekeringen die beschikbaar zijn voor (en worden aangehouden door) Amerikaanse werknemers opgenomen in de datasets.
Dit onderzoek richt zich op het specifieke jaar 2008. De volledige steekproef, dat wil zeggen zonder enige selectie, bestaat uit 33.066 waarnemingen. Er wordt onderscheid gemaakt tussen vier groepen: privaat verzekerden, verzekerden via de werkgever, publiek verzekerden en onverzekerden. De enquêtevragen zijn in totaal drie keer per jaar gesteld. Het kan voorkomen dat een individu in de eerste en de tweede vraagronde privaat verzekerd is maar in de derde vraagronde bijvoorbeeld onverzekerd is. Om onderscheid te kunnen maken tussen de verschillende verzekeringsgroepen worden alleen individuen beschouwd die in alle drie de rondes op dezelfde manier verzekerd waren. Individuen met verzekeringsdekking via een baan geclassificeerd als eigen baas worden buiten beschouwing gelaten. Samen met het uitsluiten van de switchers leidt dit tot het verwijderen van 5263 waarnemingen. Verder wordt een subgroep van individuen van 21 jaar en ouder beschouwd, hierbij gaan 9343 waarnemingen verloren. Tot slot worden alle onvolledige waarnemingen uit de dataset verwijderd, waardoor nog eens 2998 waarnemingen verloren gaan. De uiteindelijke steekproef bestaat uit 15.462 waarnemingen.
4.1
Variabelen
Het onderzoek is gebaseerd op de relatie tussen de uitgaven aan ziektekosten en het al dan niet voor ziektekosten verzekerd zijn. De afhankelijke variabele is de uitgaven aan ziekte-kosten. Voor de verklarende variabelen wordt het onderzoek van Shen (2013, p. 147-148) aangehouden. De verklarende variabelen zijn ten eerste demografische factoren. Er wordt een variabele opgenomen voor de leeftijd van de respondent (tussen 21-85) en voor de gezins-omvang van de respondent (tussen 1-14). Daarnaast worden er dummyvariabelen opgenomen voor het geslacht (1=vrouw, 0=man) en de etniciteit (1=blank, 0=niet blank). Ook wordt er een dummyvariabele opgenomen voor de burgerlijke staat van de respondent (1=getrouwd, 0=niet getrouwd). Tot slot worden er dummyvariabelen voor de woonregio van de respon-dent opgenomen. De opgenomen regio’s zijn het Middenwesten, het Zuiden en het Westen. Het Noordoosten is de referentiecategorie.
Naast de demografische factoren worden ook factoren die de socioeconomische status van de respondent beschrijven als verklarende variabelen opgenomen. Er wordt een variabele voor het aantal jaren scholing (tussen 0-17) opgenomen en er wordt een variabele voor het inkomen van de persoon opgenomen.
Tot slot bestaan de verklarende variabelen uit gezondheidsgerelateerde karakteristieken. Er wordt een variabele voor het aantal comorbiditeiten opgenomen (tussen 0-12). Aan alle individuen is gevraagd of zij gediagnosticeerd zijn met een van de volgende aandoeningen: hoge bloeddruk, hartafwijking (hierbij wordt onderscheid gemaakt tussen 4 groepen: coro-naire hartziekten, angina pectoris (hartkrampen), hartaanvallen en andere hartafwijkingen), beroerte, emphysema, hoog cholesterolgehalte, kanker, diabetes, artritis (gewrichtsontste-king) en astma. De comorbiditeitsvariabele telt het aantal gezondheidsproblemen waarmee de respondent gediagnosticeerd is. Naast de comorbiditeitsvariabele wordt een variabele op-genomen voor de geestelijke gezondheid van de respondent. Alle individuen zijn gevraagd of zij de afgelopen twee weken weinig interesse of plezier hadden in het dagelijkse leven en of zij zich down of depressief voelden. De toegekende scores variëren van 0 tot 6. Kroenke, Spitzer en Williams (2003, p. 1284) suggereren dat een score van 3 of hoger een indicatie voor depressie is. De variabele voor geestelijke gezondheid is vervolgens een indicator die aangeeft of de respondent een score van 3 of hoger heeft. Ook wordt er een dummyvariabele
opgenomen voor het hebben van obesitas (1=ja, 0=nee). Individuen met een Body Mass Index (BMI) hoger dan 30 worden als obees beschouwd (World Health Organization, 2000). Tot slot wordt er een dummyvariabele voor het wel of niet roken (1=ja, 0=nee) opgenomen.
4.2
Beschrijvende statistieken
Allereerst geeft tabel 2 beschrijvende statistieken van de data. De continue variabelen (uitga-ven aan ziektekosten, leeftijd, gezinsomvang, aantal jaren scholing en inkomen) zijn opgedeeld in categorieën om de verdeling van deze variabelen te tonen.
Het blijkt dat ongeveer 20% van de steekproef geen gebruik maakt van de gezondheidszorg en zodoende geen uitgaven aan ziektekosten heeft. Van de individuen die wel gebruikmaken van de gezondheidszorg heeft meer dan 30% uitgaven aan ziektekosten van minder dan $1000, terwijl ongeveer 10% meer dan $10.000 uitgaven heeft.
Daarnaast blijkt dat 44% van de individuen een inkomen van minder dan $20.000 heeft, terwijl ongeveer 20% een inkomen van meer dan $50.000 heeft. Verder maken veruit de meeste individuen deel uit van een gezin bestaande uit 1 of 2 individuen (ongeveer 50%) en zijn de meeste individuen woonachtig in het Zuiden (ongeveer 40%). Ook blijkt het dat 30% van de individuen obesitas heeft, terwijl 20% van de individuen rookt. Tevens blijkt dat meer dan 50% van de individuen met 1 of meer gezondheidsproblemen is gediagnosticeerd. Tot slot is het noemenswaardig dat meer dan 70% van alle individuen in de steekproef blank is. Tot slot geeft tabel 3 beschrijvende statistieken van de uitgaven aan ziektekosten per verzekeringsgroep. Van de in totaal 15.462 individuen in onze dataset zijn er 656 privaat verzekerd (4%), 3321 publiek verzekerd (22%), 8196 verzekerd via de werkgever (53%) en 3289 (21%) niet verzekerd. Individuen die niet verzekerd zijn hebben gemiddelde uitgaven aan ziektekosten van $1081. Het blijkt dat verzekerden in het algemeen, dat wil zeggen ongeacht de soort verzekering, gemiddeld meer dan vier keer zo veel uitgaven aan ziektekosten hebben dan onverzekerden. Publiek verzekerden hebben gemiddeld gezien de hoogste uitgaven aan ziektekosten ($7016), daarna volgen de privaat verzekerden ($5499) en de verzekerden via de werkgever ($4150).
Tabel 1: Beschrijvende statistieken van de steekproef
N %
Totaal 15462 100%
Uitgaven aan ziektekosten
Geen uitgaven 2749 17.8% Minder dan $1000 4793 31.0% $1000 − $2000 1988 12.9% $2000 − $5000 2714 17.5% $5000 − $10.000 1589 10.3% $10.000 of meer 1629 10.5% Leeftijd Onder de 40 5719 37.0% 40 − 49 3223 20.8% Boven de 49 6520 42.2% Geslacht Vrouw 8444 56.6% Man 7018 45.4% Etniciteit Blank 11.246 72.7% Niet blank 4216 27.3% Burgerlijke staat Getrouwd 8974 58.0% Niet getrouwd 6488 42.0% Woonregio Noordoosten 2434 15.7% Middenwesten 3053 19.8% Zuiden 5946 38.5% Westen 4029 26.0% N % Gezinsomvang 1 − 2 7326 47.4% 3 − 4 5524 35.7% 5 of meer 2612 16.9%
Aantal jaren scholing
0 − 8 (Lagere school) 1511 9.8% 9 − 12 (Middelbare school) 6729 43.5% 13 − 17 (Hogere school) 7222 46.7% Inkomen Minder dan $20.000 6796 44.0% $20.000 − $30.000 2547 16.5% $30.000 − $50.000 3105 20.0% $50.000 of meer 3014 19.5% Aantal comorbiditeiten 0 6181 40.0% 1 3353 21.7% 2 of meer 5928 38.3% Geestelijke gezondheid Depressief gevoel 1543 10.0% Geen depressief gevoel 13.919 90.0% Roker Ja 3007 19.5% Nee 12.455 80.5% Obesitas Ja 4759 30.8% Nee 10.703 69.2%
Tabel 2: Beschrijvende statistieken van de uitgaven aan ziektekosten per verzekeringsgroep Uitgaven aan ziektekosten
Verzekeringsgroep N % Gemiddelde Std. dev. Min Max
Totaal 15462 100.0% 4169.79 9798.0 0 187505
Privaat verzekerd 656 4.2% 5499.35 10821.3 0 98210
Publiek verzekerd 3321 21.5% 7016.46 13155.8 0 185686
Verzekerd via werkgever 8196 53.0% 4149.55 9241.3 0 180793
Niet verzekerd 3289 21.3% 1080.66 4732.7 0 187505
5
Resultaten
In dit hoofdstuk worden de resultaten getoond en besproken. Allereerst worden in paragraaf 5.1 de geschatte modellen per verzekeringsgroep gepresenteerd. Daarna worden in paragraaf 5.2 de resultaten van de Oaxaca-Blinder decompositietechniek besproken. Tot slot wordt in paragraaf 5.3 de extra controle besproken.
5.1
Modellen verzekeringsgroepen
Voor de groep publiek verzekerden is model (1) geschat, de resultaten worden getoond in tabel 3. Enkel de variabelen voor gezinsomvang, aantal comorbiditeiten en geestelijke gezondheid hebben een significant (5% significantieniveau) effect op de uitgaven aan ziektekosten. Indivi-duen die zijn gediagnosticeerd met een bepaalde aandoening geven gemiddeld per aandoening $1948 meer uit aan ziektekosten. Daarnaast geven individuen die zich depressief voelen ge-middeld $2556 meer uit aan ziektekosten. Ten slotte heeft aantal personen in het gezin een negatief effect op de uitgaven aan ziektekosten, een extra gezinslid leidt tot een afname van de uitgaven aan ziektekosten van $462.
Voor de groepen privaat verzekerden en onverzekerden is allereerst het Probit-model, model (2), voor de selectiekeuze geschat. De schattingen hiervan zijn terug te vinden in de appendix in tabel 8. Vervolgens is voor de groep privaat verzekerden model (3) geschat
Tabel 3: Schatting resultaten uitgavenvergelijking publiek verzekerden Schatting SE Constante 1713.43 1483.04 Leeftijd -10.49 14.95 Vrouw 531.90 459.13 Blank 129.76 451.28 Gezinsomvang -461.72 138.84 *** Aantal jaren scholing 122.36 67.18 ·
Inkomen -0.01 0.01
Aantal comorbiditeiten 1948.18 119.66 *** Geestelijke gezondheid 2556.30 553.02 ***
Roker 96.88 531.13
Obees 262.06 468.21
SE = robuuste standaardfout. Significantiecodes: *** = 0.001, ** = 0.01, * = 0.05, · = 0.1
en voor de onverzekerden is model (4) geschat, beide met 19 dummyvariabelen. Ook deze schattingen zijn terug te vinden in de appendix in tabel 9. In beide groepen wordt een F-toets uitgevoerd voor de gezamenlijke significante van de dummyvariabelen. Deze F-toetsen zijn eveneens terug te vinden in de appendix in tabellen 11 en 12. De F-toets in de groep voor privaat verzekerden heeft een p-waarde van 0.998 en de F-toets in de groep onverzekerden heeft een p-waarde van 0.517. In beide groepen zijn de dummyvariabelen niet gezamenlijk significant, er blijkt geen selectiviteit te zijn. Beide modellen zijn daarom nog een keer geschat zonder selectiviteitscorrectie. Deze resultaten worden in tabel 4 getoond.
Bij de groep privaat verzekerden hebben slechts de variabelen voor het aantal comorbi-diteiten en geestelijke gezondheid een significant effect op de uitgaven aan ziektekosten (5% significantieniveau). Individuen die zijn gediagnosticeerd met een bepaalde aandoening geven gemiddeld per aandoening $1200 meer uit aan ziektekosten. Verder geven individuen die zich depressief voelen gemiddeld $5314 meer uit aan ziektekosten.
Bij de groep onverzekerden hebben de variabelen leeftijd, aantal jaren scholing en het aantal comorbiditeiten een significant effect op de uitgaven aan ziektekosten. Een jaar ouder
zijn leidt tot ongeveer $25 hogere uitgaven aan ziektekosten. Verder leidt een extra jaar scholing tot ongeveer $58 hogere uitgaven aan ziektekosten. Tot slot geven individuen die zijn gediagnosticeerd met een bepaalde aandoening gemiddeld per aandoening $834 meer uit aan ziektekosten.
Tabel 4: Schatting resultaten uitgavenvergelijking privaat verzekerden & onverzekerden
Privaat verzekerden Onverzekerden Schatting SE Schatting SE Constante -2391.13 3157.42 -1245.68 515.46 * Leeftijd 53.58 27.59 · 24.78 7.47 *** Vrouw 893.25 840.02 162.36 166.33 Blank 90.49 1073.10 -11.87 189.63 Gezinsomvang -373.10 316.39 8.24 42.70 Aantal jaren scholing 231.78 163.46 58.13 25.13 * Inkomen -0.01 0.01 0.00 0.00 Aantal comorbiditeiten 1199.58 272.22 *** 834.10 72.96 *** Geestelijke gezondheid 5314.19 1637.67 ** 497.80 267.46 · Roker 1470.83 1342.25 -360.52 185.78 · Obees -616.57 1014.23 -61.46 178.12
SE = robuuste standaardfout. Significantiecodes: *** = 0.001, ** = 0.01, * = 0.05, · = 0.1
Voor de groep verzekerden via de werkgever is om te beginnen het Probitmodel, model (5), voor de selectiekeuze geschat. De schattingen hiervan zijn terug te vinden in tabel 8 in de appendix. Daarna is model (6) geschat. De schattingen zijn wederom terug te vinden in de appendix in tabel 10. Er wordt een F-toets uitgevoerd voor de gezamenlijke significantie van de dummyvariabelen. Ook deze toets is terug te vinden in de appendix in tabel 13. De F-toets heeft een p-waarde van 0.137, de dummyvariabelen zijn niet gezamenlijk significant. Ook in deze groep blijkt er geen selectiviteit te zijn. Het model is daarom nog een keer geschat zonder selectiviteitscorrectie. Deze resultaten worden in tabel 5 getoond.
De variabelen voor leeftijd, geslacht, etniciteit, aantal jaren scholing, aantal comorbi-diteiten, geestelijke gezondheid en roken hebben een significant effect op de uitgaven aan ziektekosten (5% significantieniveau). Een jaar ouder zijn lijdt tot ongeveer $28 hogere uit-gaven aan ziektekosten en vrouwen geven gemiddeld $1109 meer uit aan ziektekosten. Verder
Tabel 5: Schatting resultaten uitgavenvergelijking verzekerden via de werkgever Schatting SE Constante -3096.51 784.66 *** Leeftijd 27.72 8.51 ** Vrouw 1109.17 197.14 *** Blank 888.46 219.67 *** Gezinsomvang 33.90 69.65 Aantal jaren scholing 178.23 40.15 *** Inkomen 0.00 0.00 Aantal comorbiditeiten 1707.74 74.44 *** Geestelijke gezondheid 2162.41 412.56 *** Roker -589.81 269.00 * Obees -89.87 215.03
SE = robuuste standaardfout. Significantiecodes: *** = 0.001, ** = 0.01, * = 0.05, · = 0.1
geven blanken $888 meer uit aan ziektekosten en leidt een extra jaar scholing tot $178 hogere uitgaven aan ziektekosten. Individuen die zijn gediagnosticeerd met een bepaalde aandoe-ning geven gemiddeld per aandoeaandoe-ning $1708 meer uit aan ziektekosten en individuen die zich depressief voelen geven gemiddeld $2162 meer uit aan ziektekosten. Tot slot geven rokers juist $590 minder uit aan ziektekosten.
5.2
Decompositie: adverse selection & moral hazard
Om adverse selection en moral hazard zo goed mogelijk te onderscheiden wordt de Oaxaca-Blinder (1973) decompositietechniek allereerst toegepast op alle vezekeringsgroepen. Tabel 6 toont de resultaten van de decomposities. De resultaten en interpretatie hiervan zijn echter enkel correct mits het model correct gespecificeerd is en in het bijzonder de gezondheidsstatus van een individu goed benaderd is.
Allereerst wordt de decompositietechniek toegepast op de onverzekerden en privaat ver-zekerden. Bij beide groepen kan adverse selection een rol spelen, bij de groep onverzekerden speelt er in theorie echter geen moral hazard. Uit de Oaxaca-Blinder decompositie blijkt dat zowel het karakteristieken effect (X), als het coëfficiënten effect (∆β) significant is (5% significantieniveau). Het karakteristieken effect en het coëfficiënten effect zijn respectievelijk
Tabel 6: Resultaten Oaxaca-Blinder decompositie: totaal effect
E (∆X) C (∆β) I (∆β∆X)
Coëfficiënt SE (bootstrap) Coëfficiënt SE (bootstrap) Coëfficiënt SE (bootstrap) Privaat verzekerd / onverzekerd 1360.77 (222.86) *** 1936.66 (555.17) *** 1121.26 (556.50) * Publiek verzekerd / privaat verzekerd 1297.48 (578.14) * 51.64 (499.67) 167.99 (630.76) Via de werkgever verzekerd / onverzekerd 831.26 (117.05) *** 1565.37 (178.07) *** 672.26 (180.79) *** Publiek verzekerd / via de werkgever verzekerd 2181.71 (193.54) *** 193.00 (447.97) 492.21 (500.03) Publiek verzekerd / onverzekerd 1917.17 (326.08) *** 2052.17 (234.17) *** 1966.47 (406.65) *** Privaat verzekerd / via de werkgever verzekerd 1098.31 (191.62) *** 55.30 (389.22) 196.20 (321.86)
E = karakteristieken effect; C = coëfficiënten effect; I = interactieterm; SE (bootstrap) = gebootstrapte standaardfout; Significantiecodes: *** = 0.001, ** = 0.01, * = 0.05, · = 0.1
$1361 en $1937 groot. De hogere uitgaven van privaat verzekerden ten opzichte van onverze-kerden wordt zowel door ∆X als ∆β verklaard. Dit impliceert de aanwezigheid van adverse selection en moral hazard bij privaat verzekerden. Ook is er een significant interactie effect van $1122, waarin adverse selection en moral hazard niet te onderscheiden zijn.
Vervolgens wordt de decompositietechniek toegepast op de publiek verzekerden en privaat verzekerden. Het verzekerd zijn is voor de groep publiek verzekerden geen eigen keuze. Adverse selection speelt in theorie bij deze groep niet. Moral hazard kan wel bij beide groepen een rol spelen. De verwachting is dat het verschil tussen de groepen vooral in het karakteristieken effect (adverse selection) zit. Uit de Oaxaca-Blinder decompositie blijkt dat er een significant karakteristieken effect (∆X) is van $1297 (5% significantieniveau) is. Het coëfficiënten effect (∆β) en het interactie effect (∆β∆X) verschillen beide niet significant van 0. De hogere uitgaven van publiek verzekerden ten opzichte van privaat verzekerden wordt door ∆X verklaard. Dit impliceert de aanwezigheid van adverse selection bij publiek verzekerden, dit is in tegenstrijd met de verwachting. Een verklaring voor het significante karakteristieken effect zou kunnen zijn dat enkel individuen met een slechte gezondheid een publieke verzekering krijgen. Voor de gezondheidsstatus van een individu zijn verklarende variabelen opgenomen, waardoor het verschil in ziektekosten verklaard zou kunnen worden door ∆X.
Ten derde wordt de decompositietechniek toegepast op via de werkgever verzekerden en onverzekerden. Wederom speelt moral hazard in theorie niet bij onverzekerden. Bij
verzekerden via de werkgever is het verzekerd zijn enigszins een eigen keuze, het is de vraag of adverse selection speelt bij deze groep. Uit de Oaxaca-Blinder decompositie blijkt dat er een significant (5% significantieniveau) karakteristieken effect (X) van $831 is, ook is er een significant coëfficiënten effect (β). Het coëfficiënten effect is met $1565 bijna twee keer zo groot als het karakteristieken effect. De hogere uitgaven van via de werkgever verzekerden ten opzichte van onverzekerden wordt zowel door ∆X als ∆β verklaard. Dit impliceert dat de aanwezigheid van zowel moral hazard als adverse selection bij verzekerden via de werkgever. Ook is er een significant interactie effect van $672, waarin adverse selection en moral hazard niet te onderscheiden zijn.
Ten vierde wordt de decompositietechniek toegepast op de publiek verzekerden en via de werkgever verzekerden. Bij publiek verzekerden speelt adverse selection in theorie niet, bij via de werkgever verzekerden speelt adverse selection enigszins. Moral hazard kan bij beide groepen een rol spelen. Uit de Oaxaca-Blinder decompositie volgt dat er een significant karakteristieken effect (∆X) is van $2182. Het coëfficiënten effect (∆β) en het interactie effect (∆β∆X) blijken niet significant te zijn. De hogere uitgaven van publiek verzekerden ten opzichte van verzekerden via de werkgever wordt enkel door ∆X verklaard. Dit impliceert de aanwezigheid van adverse selection bij publiek verzekerden. Wederom is de aanwezigheid van adverse selection bij publiek verzekerden tegen de verwachting in.
Ook wordt de decompositietechniek toegepast op de publiek verzekerden en onverzeker-den. Bij de groep onverzekerden speelt moral hazard in theorie niet, terwijl bij de groep publiek verzekerden adverse selection niet speelt. De verwachting is dat het verschil tussen beide groepen zowel in het karakteristieken effect (∆X) als in het coëfficiënten effect (∆β) zit. Uit de Oaxaca-Blinder decompositie volgt dat er een significant karakteristieken effect is van $1917. Ook het coëfficiënten effect is significant en bedraagt $2052. De hogere uitga-ven van publiek verzekerden ten opzichte van onverzekerden wordt zowel door ∆X als ∆β verklaard. Dit impliceert de aanwezigheid van moral hazard en (tegen de verwachting in) adverse selection bij publiek verzekerden. Ook is er een significant interactie effect van $1966, waarin adverse selection en moral hazard niet te onderscheiden zijn.
Ten slotte wordt de decomposititietechniek toegepast op de privaat verzekerden en via de werkgever verzekerden. Bij de groep via de werkgever verzekerden is het verzekerd zijn tot
op zekere hoogte een eigen keuze. Het is de vraag of adverse selection speelt bij deze groep. De verwachting is dat het verschil tussen de groepen voornamelijk in het karakteristieken effect (adverse selection) zit. Uit de Oaxaca-Blinder decompositie volgt dat er een significant karakteristieken effect (∆X) is van $1098. Het coëfficiënten effect (∆β) en het interactie effect (∆β∆X) verschillen niet significant van 0. De hogere uitgaven van privaat verzekerden ten opzichte van verzekerden via de werkgever wordt door ∆X verklaard. Dit impliceert de aanwezigheid van adverse selection bij privaat verzekerden.
Samenvattend is er significant bewijs voor de aanwezigheid van adverse selection bij pri-vaat verzekerden, publiek verzekerden en verzekerden via de werkgever, mits het model cor-rect gespecificeerd is en in het bijzonder de gezondheid van een individu goed benaderd is. Ook wordt er significant bewijs gevonden voor de aanwezigheid van moral hazard bij publiek verzekerden, privaat verzekerden en verzekerden via de werkgever, wederom mits het model correct gespecificeerd is. De resultaten komen, op de aanwezigheid van adverse selection bij publiek verzekerden na, overeen met de verwachtingen.
5.3
Referentie individu
Per verzekeringsgroep zijn de uitgaven aan ziektekosten van het referentie individu (40-jarige blanke vrouw, goede gezondheid, gezinsomvang 4, inkomen van $30.000, 12 jaren scholing) bepaald. De resultaten worden in tabel 7 getoond.
Tabel 7: Resultaten referentie individu
Uitgaven aan ziektekosten
Onverzekerden 626.53
Publiek verzekerden 1276.93
Privaat verzekerden 1724.77
Via de werkgever verzekerden 2284.28
Bij de groep onverzekerden speelt enkel adverse selection, terwijl bij privaat verzekerden en via de werkgever verzekerden zowel adverse selection als moral hazard speelt. Uitgaande van het referentie individu zijn de uitgaven aan ziektekosten bij onverzekerden $627, terwijl
de uitgaven bij privaat verzekerden en via de werkgever verzekerden respectievelijk $1725 en $2284 groot zijn. Het verschil tussen de twee groepen en onverzekerden geeft de omvang van moral hazard bij deze groepen. De omvang van moral hazard bij privaat verzekerden is $1098 groot. De omvang van moral hazard bij via de werkgever daarentegen is $1657. Het moral hazard effect blijkt bij via de werkgever verzekerden groter dan bij privaat verzekerden.
Bij de groep publiek verzekerden speelt enkel moral hazard. Uitgaande van het referentie individu zijn de uitgaven aan ziektekosten bij publiek verzekerden $1277. De omvang van adverse selection bij privaat verzekerden en via de werkgever verzekerden kan bepaald worden door te kijken naar het verschil van deze groepen met publiek verzekerden. De omvang van adverse selection bij privaat verzekerden blijkt $448, terwijl de omvang van adverse selection bij via de werkgever verzekerden $1007 blijkt te zijn. Het adverse selection effect blijkt eveneens bij via de werkgever verzekerden groter dan bij privaat verzekerden. Dit is tegen de verwachting in, bij via de werkgever verzekerden is het de vraag of het verzekerd zijn een volledig eigen keuze is.
Opmerkelijk is dat het adverse selection effect en het moral hazard effect samen groter zijn dan de totale uitgaven aan ziektekosten bij privaat verzekerden en via de werkgever verzekerden. Dit is in theorie niet mogelijk. Echter de resultaten en de interpretatie hiervan zijn ook hier enkel correct als het model correct gespecificeerd is en in het bijzonder de gezondheid van een individu goed benaderd is.
Samenvattend wordt op basis van het referentie individu zowel adverse selection als moral hazard gevonden bij privaat verzekerden en via de werkgever verzekerden. Dit stemt overeen met de eerder gevonden resultaten van de Oaxaca-Blinder decompositietechniek, waar signi-ficant bewijs werd gevonden voor de aanwezigheid van adverse selection en moral hazard bij privaat verzekerden, via de werkgever verzekerden en publiek verzekerden, mits het model correct gespecificeerd is. Verder blijkt op basis van het referentie individu dat de omvang van zowel adverse selection als moral hazard groter is bij via de werkgever verzekerden dan bij privaat verzekerden. Op basis van de Oaxaca-Blinder kunnen hier geen conclusies aan gebonden worden vanwege het interactie effect waarin adverse selection en moral hazard niet te onderscheiden zijn.
6
Conclusie
Deze scriptie richt zit op het onderscheiden van adverse selection en moral hazard in de markt voor ziektekostenverzekeringen in de Verenigde Staten. Onder de aanwezigheid van adverse selection kiezen agenten met een hoog risico, ceteris paribus, er eerder voor om zich (met volledigere dekking) te verzekeren (Akerlof, 1970, p. 493). Onder de aanwezigheid van moral hazard zijn eenmaal verzekerde agenten minder geneigd om schade te vermijden en zullen daarom eerder aanspraak maken op de dergelijke verzekering (Arrow, 1963, pp. 961-962). Beide problemen leiden tot hogere kosten in de gezondheidszorg.
In de Verenigde staten zijn er vier verzekeringsgroepen te onderscheiden: publiek verze-kerden (geen eigen keuze), privaat verzeverze-kerden (eigen keuze), verzeverze-kerden via de werkgever (enigszins eigen keuze) en onverzekerden (eigen keuze). De effecten van de verschillende ver-zekeringsgroepen op de uitgaven aan ziektekosten zijn geschat. Met behulp van de Oaxaca-Blinder (1973) decompositietechniek is een poging gedaan adverse selection en moral hazard te onderscheiden.
Het is gebleken dat er bij de groepen privaat verzekerden en verzekerden via de werkgever zowel sprake is van adverse selection als moral hazard. Ook bij de groep publiek verzekerden blijkt zowel adverse selection als moral hazard aanwezig te zijn. In theorie is de aanwezigheid van adverse selection bij de groep publiek verzekerden niet mogelijk. Het significante karak-teristieken effect (∆X) wordt geïnterpreteerd als adverse selection. Een mogelijke andere interpretatie is dat enkel de individuen met een slechte gezondheid een publieke verzekering krijgen. Er zijn gezondheidsgerelateerde verklarende variabelen opgenomen in het model, waardoor het verschil in ziektekosten kan worden verklaard door het verschil in karakteris-tieken (∆X).
Het onderzoek heeft echter wel enkele beperkingen. Ten eerste zijn de resultaten van de Oaxaca-Blinder decompositie enkel correct als het model correct gespecificeerd is. Een grote beperking is dat de gezondheidstoestand van een individu moeilijk te bepalen is. Er zijn gezondheidsgerelateerde verklarende variabelen opgenomen in het model, maar het is de vraag of deze variabelen de gezondheidstoestand van een individu volledig beschrijven. Het model is daardoor mogelijk niet correct gespecificeerd.
Een tweede beperking is dat er bij de groepen privaat verzekerden, onverzekerden en ver-zekerden via de werkgever wordt uitgegaan van een selectiemodel. Het wel of niet verzekerd zijn is voor deze groepen een eigen keuze. Om goede schattingen te verkrijgen is een se-lectiviteitscorrectie nodig. Echter uit de resultaten blijkt dat de sese-lectiviteitscorrecties voor alle drie de groepen niet significant zijn. De schattingen zijn vervolgens uitgevoerd zonder selectiviteitscorrectie. In toekomstig onderzoek kan dit nader onderzocht worden. Er kan bijvoorbeeld gekeken worden naar een alternatieve selectiviteitscorrectie. In plaats van de Cosslett methode kan bijvoorbeeld de methode van Newey toegepast worden.
Een derde beperking is dat er sprake is van censurering: niet alle individuen hebben een positieve uitgaven aan ziektekosten. In dit onderzoek is dit probleem genegeerd en zijn de waarnemingen met geen uitgaven aan ziektekosten gewoon meegenomen. Dit kan leiden tot inconsistente schattingen. Een mogelijke oplossing is het model uitbreiden naar twee vergelijkingen in plaats van slechts de uitgavenvergelijking. De eerste vergelijking beschrijft de keuze om een zorgverlener wel of niet te bezoeken en de tweede vergelijking beschrijft de behandelingskeuze en daarmee de uitgaven aan ziektekosten (Shen, 2013).
Een laaste beperking heeft betrekking op de groep verzekerden via de werkgever. De verzekeringskeuze is voor deze groep enigszins een eigen keuze. Voor deze groep spelen, naast demografische factoren, socioeconomische factoren en gezondheidsgerelateerde factoren, ook baangerelateerde factoren een grote rol. Deze factoren zijn in dit onderzoek buiten beschouwing gelaten. Het is de vraag of de schattingen voor deze groep correct zijn. In toekomstig onderzoek zouden baangerelateerde factoren kunnen worden opgenomen in het model voor verzekerden via de werkgever.
Bibliografie
• Abbring, J.J., Chiappori, P., Heckman, J.J. & Pinquet, J. (2003). Adverse selection and moral hazard in insurance: can dynamic data help to distinguish? Journal of the European Economic Association, 1 (2-3), 512-521.
• Akerlof, G.A. (1970). The Market for "Lemons": Quality Uncertainty and the Market Mechanism. The Quarterly Journal of Economics, 84 (3), 588-500.
• Arrow, K.J. (1963). Uncertainty and the Welfare Economics of Medical Care. The American Economic Review, 53 (5), 941-973.
• Bajari, P., Dalton, C., Hong, H. & Khwaja, A. (2014). Moral hazard, adverse se-lection, and health expenditures: A semiparametric analysis. The RAND Journal of Economics, 45 (4), 747-763.
• Blinder, A.S. (1973). Wage Discrimination: Reduced Form and Structural Estimates. The Journal of Human Resources, 8 (4), 436-455.
• Cardon, J.H. & Hendel, I. (2001). Asymmetric Information in Health Insurance: Evi-dence from the National Medical Expenditure Survey. The RAND Journal of Econo-mics, 32 (3), 408-427.
• Chiappori, P. & Salanié, B. (1997). Empirical contract theory: The case of insurance data. European Economic Review, 41 (3), 943-950.
• Chiappori, P. & Salanié, B. (2000). Testing for Asymmetric Information in Insurance Markets. Journal of Political Economy, 108 (1), 56-78.
• Cosslett, SR. (1991). Semiparametric Estimation of a Regression Model with Sample Selectivity. In W.A. Barnett, J. Powell en G. Tauchen, Nonparametric and semipa-rametric estimation methods in econometrics and statistics (1e druk, pp. 175-197). Cambridge: Cambridge University Press.
• De Meza, D. & Webb, D.C. (2001). Advantageous Selection in Insurance Markets. The RAND Journal of Economics, 32 (2), 249-262.
• Dionne, G., Dahchour, M. & Michaud, P. (2013). Seperating Moral Hazard from Adverse Selection and Learning in Automobile Insurance: Longitudinal Evidence from France. Journal of the European Economic Association, 11 (4), 897-917.
• Fang, H., Keane, M.P. & Silverman, D. (2008). Sources of Advantageous Selection: Evidence from the Medigap Insurance Market. Journal of Political Economy, 116 (2), 303-350.
• Heckman, J.J. (1976). The Common Structure of Statistical Models of Truncation, Sample Selection and Limited Dependent Variables and a Simple Estimator for Such Models. Annals of Economic and Social Measurement 5 (4), 475-492.
• Hemenway, D. (1990). Propitious Selection. The Quarterly Journal of Economics, 105 (4), 1063-1069.
• Keane, M. & Stavrunova, O. (2016). Adverse selection, moral hazard and the demand for Medigap. Journal of Econometrics, 190 (1), 62-78.
• Kroenke, K., Spitzer, R. & Williams, J. (2003). The Patient Health Questionnaire-2: Validity of a Two-Item Depression Screener. Medical Care, 41 (11), 1284-1292.
• Oaxaca, R. (1973). Male-Female Differentials in Urban Labor Markets. International Economic Review, 14 (3), 693-709.
• Pauly, M.V. (1968). The Economics of Moral Hazard: Comment. The American Economic Review, 58 (3), 531-537.
• Puelz, R. & Snow, A. (1994). Evidence on Adverse Selection: Equilibrium Signaling and Cross-Subsidization in the Insurance Market. Journal of Political Economy, 102 (2), 236-257.
• Puhani, P.A. (2000). The Heckman Correction for Sample Selection and its Critique. Journal of Economic Surveys, 14 (1), 53-68.
• Rothschild, M. & Stiglitz, J. (1976). Equilibrium in Competitive Insurance Markets: An Essay on the Economics of Imperfect Information. The Quarterly Journal of Eco-nomics, 90 (4), 629-649.
• Shen, C. (2013). Determinants of Health Care Decisions: Insurance, Utilization, and Expenditures. The Review of Economics and Statistics, 95 (1), 142-153.
Appendix
Tabel 8: Probit schattingen: privaat verzekerden/onverzekerden & werkgever verzekerden
Probit privaat/onverzekerd Probit werkgever Schatting SE (bootstrap) Schatting SE (bootstrap) Constante -3.386 0.206 *** -1.395 0.106 *** Leeftijd 0.022 0.002 *** 0.002 0.001 · Vrouw 0.116 0.057 * 0.181 0.028 *** Blank 0.195 0.063 ** -0.200 0.033 *** Getrouwd 0.031 0.061 0.620 0.030 *** Gezinsomvang -0.147 0.021 *** -0.063 0.009 *** Middenwesten 0.212 0.097 * -0.009 0.047 Zuiden -0.228 0.087 ** -0.297 0.041 *** Westen 0.001 0.093 -0.172 0.045 *** Aantal jaren scholing 0.144 0.011 *** 0.099 0.005 *** Inkomen 0.000 0.000 · 0.000 0.000 *** Aantal comorbiditeiten 0.126 0.020 *** 0.076 0.012 *** Geestelijke gezondheid -0.306 0.111 ** -0.180 0.050 *** Roker -0.655 0.073 *** -0.128 0.032 *** Obees -0.407 0.064 *** 0.080 0.029 **
Tabel 9: Uitgavenvergelijking schattingen: privaat verzekerden & onverzekerden
Privaat verzekerden Onverzekerden Schatting SE (bootstrap) Schatting SE (bootstrap) Constante -1638.23 8994.77 -1821.59 2105.45 Leeftijd 50.50 52.95 33.27 14.51 * Vrouw 874.49 869.34 194.11 196.88 Blank 11.23 1424.95 93.72 258.33 Gezinsomvang -275.74 380.26 -59.62 58.37 Aantal jaren scholing 188.22 307.94 120.28 64.40 ·
Inkomen -0.01 0.02 0.00 0.00 Aantal comorbiditeiten 1156.50 413.07 ** 892.66 166.52 *** Geestelijke gezondheid 5524.85 2832.53 · 363.65 362.04 Roker 2077.96 2173.93 -628.75 349.52 · Obees -457.17 1464.77 -247.59 301.30 Dummy1 -2189.54 8018.44 646.12 1765.20 Dummy2 1265.82 7751.71 186.54 1599.70 Dummy3 -1609.59 6490.26 313.50 1478.70 Dummy4 237.58 6210.95 38.74 1439.29 Dummy5 -2081.53 5994.33 -0.02 1397.77 Dummy6 -1768.21 5737.83 -154.33 1341.01 Dummy7 -1642.43 5422.48 -333.37 1392.09 Dummy8 -2145.11 5270.38 -398.61 1266.78 Dummy9 -2194.40 5109.10 -596.90 1297.94 Dummy10 -1916.29 5036.01 -161.50 1261.58 Dummy11 -2639.13 4860.20 -382.11 1246.70 Dummy12 459.32 4674.35 -77.78 1212.97 Dummy13 -308.07 4612.56 -458.89 1188.58 Dummy14 2755.17 4715.84 -384.22 1166.43 Dummy15 -607.88 4123.00 -487.68 1234.69 Dummy16 -1498.95 3703.75 431.50 1649.46 Dummy17 679.91 3414.04 -1233.01 1410.36 Dummy18 553.28 2889.14 -1240.76 890.36 Dummy19 -317.86 2235.95 -1030.81 1023.68
Tabel 10: Uitgavenvergelijking schattingen: verzekerden via de werkgever Schatting SE (bootstrap) Constante -1335.13 1572.99 Leeftijd 26.78 8.27 *** Vrouw 1042.33 210.54 *** Blank 941.85 197.99 *** Gezinsomvang 25.30 77.16 Aantal jaren scholing 165.51 61.55 ** Inkomen -0.01 0.01 · Aantal comorbiditeiten 1684.78 128.87 *** Geestelijke gezondheid 2186.40 539.37 *** Roker -579.48 256.10 * Obees -77.85 239.35 Dummy1 -1473.87 1151.68 Dummy2 -1671.18 1091.89 Dummy3 -1572.90 972.57 Dummy4 -797.34 1117.33 Dummy5 -1432.87 973.36 Dummy6 -1328.31 908.32 Dummy7 -1434.49 895.74 Dummy8 -794.85 959.16 Dummy9 -1506.78 847.37 · Dummy10 -1096.20 683.00 Dummy11 -2043.72 781.46 ** Dummy12 -1656.87 759.83 * Dummy13 -1604.41 902.56 · Dummy14 -10.15 860.67 Dummy15 -1352.93 720.81 · Dummy16 -1266.22 689.50 · Dummy17 -1591.48 683.44 * Dummy18 -1319.30 639.26 * Dummy19 -1198.79 656.45 ·
Tabel 11: F-toets dummyvariabelen: privaat verzekerden
Privaat verzekerden Model 1: Uitgavenpriv= β
0 privXi+
PM
j=1θpriv,jDji+ ε∗i
Model 2: Uitgavenpriv= β 0
privXi+ ε∗i
Res. Df RSS Df Sum of sq F waarde P-waarde 1 645 6.7201e+10
2 626 6.6568e+10 19 633175544 0.3134 0.998
Res. Df = aantal vrijheidsgraden residuen; RSS = residuele som ; Df = aantal vrijheidsgraden; Sum of sq = kwadratensom.
Tabel 12: F-toets dummyvariabelen: onverzekerden
Onverzekerden Model 1: Uitgaveno= β 0 oXi+P M j=1θo,jDji+ ε∗∗i Model 2: Uitgaveno= β 0 oXi+ ε∗∗i
Res. Df RSS Df Sum of sq F waarde P-waarde 1 3278 6.8404e+10
2 3259 6.8027e+10 19 377472579 0.9518 0.517
Res. Df = aantal vrijheidsgraden residuen; RSS = residuele som ; Df = aantal vrijheidsgraden; Sum of sq = kwadratensom.
Tabel 13: F-toets dummyvariabelen: verzekerden via de werkgever
Privaat verzekerden
Model 1: Uitgavenempl= β0emplXi+P M
j=1θempl,jDji+ ˜εi
Model 2: Uitgavenempl= β0emplXi+ ˜εi
Res. Df RSS Df Sum of sq F waarde P-waarde 1 8185 6.1927e+11
2 8166 6.1732e+10 19 1947492478 1.3559 0.137
