5. The crowdout effectThe descripti

5. The crowdout effect
The descriptive evidence summarized in the previous sections presents a strong circumstantial
case supporting the hypothesis that public assistance alters the terms of trade
between private health insurance and publicly provided health insurance. More precisely,
I have shown that health insurance coverage rates did not decline among immigrants who
potentially suffered the largest welfare cutbacks in the post-1996 period (i.e., non-citizens
living in less generous states). Instead, this group experienced an offsetting increase in
employer-sponsored insurance. I now examine the nature of this tradeoff. Consider the
regression model:
pij = Wijβ + δmij + ωij, (3)
where pij is the probability that person i living in state j is covered by employer-sponsored
insurance; Wij is a vector of socioeconomic characteristics defined below; and mij gives the
probability that the person is covered by Medicaid.
Two related obstacles prevent a straightforward estimation of the structural model in
Eq. (3). The first is that we do not observe the probability that a particular person receives
Medicaid or is covered by ESI. Instead, we simply observe the outcome of these probability
processes for a particular person. For example, the person is either covered by Medicaid or is not. This measurement problem can be easily addressed by changing the unit of
analysis from a particular person to a particular group, defined as persons who share a
particular immigration status, live in the same state, and are observed at the same point
in time. I can then calculate the probability of receiving Medicaid and of being covered
by employer-sponsored insurance for the “representative person” in each group, as well as
calculate the mean of the various socioeconomic characteristics.
Of course, the OLS estimate of the parameter δ would be biased even if the regression
were estimated in these aggregate data. There is, after all, a spurious correlation between the
receipt of Medicaid and ESI coverage. Medicaid eligibility depends on many characteristics,
some of which are unobserved. Persons with favorable values of these characteristics (such
as higher assets) will not qualify and participate in the Medicaid program. Many of these
factors, however, are correlated with the probability that the person works and is covered
by ESI. An observed negative correlation between p and m, therefore, does not capture
the behavioral tradeoff between publicly and privately provided insurance, but is instead
contaminated by the correlation between the probability of receiving Medicaid and the error
term in Eq. (3).
The structural parameter δ can be correctly estimated by using instrumental variables,
where the instruments are provided by the exogenous variation in eligibility rules introduced
by the immigrant provisions in the welfare reform legislation, as well as by the responses of
individual states to the changes in the federal safety net. In particular, consider a first-stage
regression model given by

ผลลัพธ์ (ไทย) 2:

5. ผล crowdout
หลักฐานบรรยายสรุปในส่วนก่อนหน้านี้ที่มีการจัดสภาพแวดล้อมที่แข็งแกร่ง
กรณีสนับสนุนสมมติฐานที่ว่าสถานการณ์การช่วยเหลือประชาชนด้านการค้า
ระหว่างการประกันสุขภาพภาคเอกชนและสาธารณชนให้การประกันสุขภาพ อย่างแม่นยำมากขึ้น
ผมได้แสดงให้เห็นว่าอัตราการคุ้มครองการประกันสุขภาพไม่ได้ลดลงในหมู่ผู้อพยพที่
อาจได้รับความเดือดร้อนที่ใหญ่ที่สุดในการตัดทอนสวัสดิการในการโพสต์ 1996 ระยะเวลา (เช่นไม่ใช่พลเมือง
ที่อาศัยอยู่ในรัฐใจกว้างน้อยกว่า) แต่กลุ่มนี้มีประสบการณ์เพิ่มขึ้นชดเชยใน
การประกันนายจ้างเป็นผู้สนับสนุน ตอนนี้ผมตรวจสอบลักษณะของการแลกเปลี่ยนนี้ พิจารณา
รูปแบบการถดถอย:
PIJ = Wijβ + + δmijωij (3)
ที่ PIJ ความน่าจะเป็นคนที่ฉันอาศัยอยู่ในรัฐเจได้รับการคุ้มครองโดยนายจ้างเป็นผู้สนับสนุน
การประกันภัย Wij เป็นเวกเตอร์ของลักษณะทางสังคมและเศรษฐกิจที่กำหนดไว้ด้านล่าง; และ MIJ ให้
ความน่าจะเป็นว่าคนที่ถูกปกคลุมด้วย Medicaid.
สองอุปสรรคที่เกี่ยวข้องกับการป้องกันการประเมินตรงไปตรงมาของรูปแบบโครงสร้างใน
สมการ (3) ประการแรกคือการที่เราไม่ได้สังเกตเป็นไปได้ว่าบุคคลใดบุคคลหนึ่งได้รับการ
ประกันสุขภาพของรัฐบาลหรือถูกปกคลุมด้วย ESI แต่เราก็สังเกตเห็นผลของความน่าจะเป็นเหล่านี้
กระบวนการสำหรับบุคคลใดบุคคลหนึ่ง ตัวอย่างเช่นคนที่ได้รับการคุ้มครองทั้งโดยการประกันสุขภาพของรัฐบาลหรือไม่ ปัญหานี้สามารถวัดได้รับการแก้ไขได้อย่างง่ายดายโดยการเปลี่ยนหน่วยของ
การวิเคราะห์จากบุคคลใดบุคคลหนึ่งไปยังกลุ่มโดยเฉพาะอย่างยิ่งการกำหนดเป็นบุคคลที่มีส่วนร่วม
สถานภาพการเข้าเมืองโดยเฉพาะอย่างยิ่งที่อาศัยอยู่ในรัฐเดียวกันและมีการปฏิบัติที่จุดเดียวกัน
ในเวลา จากนั้นผมก็สามารถคำนวณความน่าจะเป็นของที่ได้รับการประกันสุขภาพของรัฐบาลและถูกปกคลุม
โดยการประกันนายจ้างเป็นผู้สนับสนุนให้ "คนแทน" ในแต่ละกลุ่มเช่นเดียวกับการ
คำนวณค่าเฉลี่ยของลักษณะทางสังคมและเศรษฐกิจที่แตกต่างกัน.
แน่นอนประมาณการ OLS ของพารามิเตอร์δ จะได้รับการลำเอียงแม้ว่าการถดถอย
ประมาณในการรวมข้อมูลเหล่านี้ นอกจากนี้หลังจากที่ทุกความสัมพันธ์ระหว่างปลอม
ใบเสร็จรับเงินของโครงการประกันสุขภาพและความคุ้มครอง ESI มีสิทธิ์ประกันสุขภาพขึ้นอยู่กับลักษณะหลาย
บางแห่งที่ไม่มีใครสังเกต บุคคลที่มีค่าที่ดีของลักษณะเหล่านี้ (เช่น
เป็นสินทรัพย์สูงกว่า) จะได้มีคุณสมบัติและมีส่วนร่วมในโครงการประกันสุขภาพของรัฐบาล หลายเหล่านี้
ปัจจัย แต่จะมีความสัมพันธ์กับความน่าจะเป็นที่ทำงานและคนที่ได้รับการคุ้มครอง
โดย ESI สังเกตเห็นความสัมพันธ์ทางลบระหว่างพีและ m จึงไม่จับ
ถ่วงดุลอำนาจระหว่างพฤติกรรมสาธารณชนและเอกชนที่ให้การประกัน แต่แทนที่จะ
ปนเปื้อนด้วยความสัมพันธ์ระหว่างความน่าจะเป็นของที่ได้รับการประกันสุขภาพและความผิดพลาด
ในระยะสม (3).
δพารามิเตอร์โครงสร้างสามารถประมาณได้อย่างถูกต้องโดยใช้ตัวแปรประโยชน์
ที่ตราสารที่ให้บริการโดยการเปลี่ยนแปลงจากภายนอกในความเหมาะสมกฎแนะนำ
โดยผู้อพยพบทบัญญัติในกฎหมายปฏิรูปสวัสดิการเช่นเดียวกับการตอบสนองของ
แต่ละรัฐจะ การเปลี่ยนแปลงในสุทธิความปลอดภัยของรัฐบาลกลาง โดยเฉพาะอย่างยิ่งการพิจารณาขั้นตอนแรก
แบบการถดถอยที่ได้รับจาก

ผลลัพธ์ (ไทย) 3:

5 . ผลการ crowdout
บรรยายสรุปในส่วนหลักฐานก่อนหน้านี้เสนอแข็งแรงแวดล้อม
กรณีสนับสนุนสมมติฐานที่ว่า ช่วยเหลือประชาชนทางด้านการค้า
ระหว่างการประกันสุขภาพภาคเอกชนและสาธารณชนให้ประกันสุขภาพ ยิ่งกว่านั้น
ฉันได้แสดงให้เห็นว่าความคุ้มครองประกันสุขภาพราคาไม่ได้ลดลงในหมู่ผู้อพยพที่
ที่อาจได้รับความเดือดร้อนมากที่สุด โดยสวัสดิการในช่วง post-1996 ( คือไม่ใช่พลเมืองที่อาศัยอยู่ในรัฐ
ใจกว้างน้อยลง ) แต่กลุ่มนี้มีประสบการณ์ในการหักล้างเพิ่ม
นายจ้างสนับสนุนการประกัน ตอนนี้ผมศึกษาลักษณะของข้อเสียนี้ พิจารณาแบบจำลองการถดถอย :

pij = - บีตาδมิจω ij ( 3 )
ที่ pij มีความเป็นไปได้ ที่ฉันอาศัยอยู่ในรัฐเคถูกปกคลุมโดยนายจ้างสนับสนุน
ประกัน ; เราเป็นพาหะของลักษณะทางเศรษฐกิจและสังคมที่กำหนดไว้ด้านล่าง และก็ได้ให้
ความน่าจะเป็นที่คนถูกปกคลุมโดย Medicaid .
2 อุปสรรคที่ป้องกันการตรงไปตรงมาของแบบจำลองโครงสร้างในอีคิว
( 3 )เป็นครั้งแรก ที่เราไม่ได้สังเกตความเป็นไปได้ว่า บุคคลใดบุคคลหนึ่งได้รับ
Medicaid หรือครอบคลุม ESI . แทน เราก็สังเกตผลของความน่าจะเป็น
กระบวนการสำหรับบุคคลโดยเฉพาะ ตัวอย่างเช่น บุคคล ให้ครอบคลุม Medicaid หรือไม่ ปัญหาการวัดนี้สามารถ addressed โดยการเปลี่ยนหน่วย
การวิเคราะห์จากบุคคลใดบุคคลหนึ่งในกลุ่มเฉพาะ เช่น คนที่แบ่งปัน
สถานะคนเข้าเมืองโดยเฉพาะ อยู่ในสถานะเดียวกัน และมีการตรวจสอบที่
จุดเดียวกันในเวลา ฉันสามารถคำนวณความน่าจะเป็นของการได้รับ Medicaid และถูกปกคลุม
โดยนายจ้างสนับสนุนการประกันสำหรับ " ตัวแทนคน " ในแต่ละกลุ่ม รวมทั้ง
คำนวณค่าเฉลี่ยของลักษณะต่าง ๆ ทางเศรษฐกิจและสังคม .
แน่นอน วิธีประมาณพารามิเตอร์δจะลำเอียงแม้ถดถอย
ประมาณในการรวมข้อมูลเหล่านี้ มันเป็น , หลังจากทั้งหมด , สหสัมพันธ์ปลอมระหว่าง
ได้รับ Medicaid และ ESI ครอบคลุม สิทธิ Medicaid ขึ้นอยู่กับลักษณะหลาย
บางส่วนซึ่ง unobserved .