健康保险选择的异质性：一项关于消费者选择和偏好特征的实验研究

《Journal of Risk and Insurance》：Heterogeneity in health insurance choice: An experimental investigation of consumer choice and feature preferences

消费者在健康保险选择中表现出显著异质性，实验室实验发现个体决策既符合RDEU模型（考虑风险偏好的序数依赖期望效用），也常存在决策错误或依赖启发式方法（如选择最低保费计划）。整体福利损失在EV模型和RDEU模型中均存在，但RDEU能更细致地解释部分个体的选择差异，尤其是对低概率高成本风险的态度。通过潜在类别分析，将参与者分为五类，不同类别在保险属性偏好和风险参数上存在显著差异。使用特征过滤工具发现，参与者更倾向于关注高概率或高成本的保险属性，但实际选择仍与理论模型存在偏离。实验验证了个体风险偏好的异质性对保险决策的影响，并指出政策设计需考虑个性化特征以优化选择环境。

　　### 解读与分析

在本研究中，我们探讨了健康保险选择中的异质性现象，使用了受控的实验室实验数据来分析参与者如何根据不同的保险计划属性做出选择。研究通过评估参与者的选择是否符合他们的风险偏好模型，从而深入理解不同个体之间的决策差异及其对福利的影响。研究结果表明，无论是基于规范性风险偏好模型（RDEU）还是描述性期望价值模型（EV），在整体层面都存在福利损失，但个体层面则呈现出更为复杂的模式。

#### 实验设计与背景

本研究的核心在于构建一个实验室环境，以系统地分析个体在面对健康保险选择时的决策行为。参与者在实验中被提供了一定的初始资金，并需在不同的健康保险计划中做出选择。这些计划包括不同的保费、免赔额以及对特定疾病的附加保障。实验的设置借鉴了先前的文献，例如Schram和Sonnemans（2011年）以及Kairies-Schwarz等人（2017年）的研究，但在此基础上进行了扩展，以更全面地理解参与者对保险属性的偏好及其与风险偏好的关系。

在实验的第一部分，参与者被要求在12个不同的决策轮次中选择健康保险计划。这些计划的特征由三组变量决定：保费、基本保险的免赔额，以及对三种额外疾病（D、E、F）的附加保障。每种疾病的发生概率和治疗成本被设定为固定的数值，并在实验中明确告知参与者。这确保了参与者可以基于这些信息进行理性决策，同时也为后续分析提供了数据基础。

为了进一步分析个体的偏好和风险偏好，实验的第二部分引入了基于RDEU模型的风险偏好测试。通过一系列彩票选择任务，参与者被引导表达他们对风险的态度，这些态度可以用于衡量其风险偏好。RDEU模型引入了非线性概率加权的概念，从而能够更准确地反映个体在面对风险时的心理偏差，如对低概率事件的过度重视或对高概率事件的低估。

#### 研究发现与分析

实验结果显示，参与者在选择健康保险计划时表现出显著的异质性。尽管在带有特征过滤器（IC filter）和不带过滤器（IC）的两种处理条件下，参与者所选择的保险计划特征并无显著差异，但整体来看，他们的选择明显偏离了预期价值（EV）最优的计划。例如，平均保费比EV最优计划高出近两倍，而附加保障的比例也显著高于EV最优计划。这表明，许多参与者在选择保险时并未完全基于理性的期望价值，而是受到风险偏好或其他心理因素的影响。

在个体层面，研究进一步揭示了不同参与者对保险属性的偏好存在显著差异。通过混合逻辑回归模型，我们发现，不同类别的参与者在保险属性上的偏好存在明显的异质性。例如，某些参与者倾向于选择对高成本、低概率疾病（如D）的附加保障，而另一些参与者则更关注低保费或中等概率的疾病（如F）。这些差异表明，个体在保险选择中的行为可能受到多种因素的影响，包括风险偏好、决策策略或认知偏差。

此外，研究还引入了基于RDEU模型的福利分析，评估参与者的选择是否与其风险偏好相一致。结果表明，在整体层面，RDEU模型和EV模型都未能完全解释所有参与者的行为，但它们都比随机选择更有效。在个体层面，某些参与者的选择与RDEU模型相符，而另一些则表现出明显的决策偏差，如选择低保费计划而不考虑其他因素，或者在风险偏好与实际选择之间存在矛盾。这些结果表明，个体在保险决策过程中可能依赖于简化策略（如“选择最低保费”），而这些策略在某些情况下可能并不符合其真实的偏好。

#### 个体异质性与决策模式

研究进一步通过潜在类别模型（latent class model）将参与者划分为五个类别，这些类别反映了不同的风险偏好和保险属性偏好。例如，第一类参与者倾向于选择高保费、高附加保障的计划，而第五类参与者则表现出对高成本、低概率疾病（如D）的强烈偏好。这种分类揭示了个体在决策过程中的异质性，同时也为理解不同决策模式提供了依据。

在福利分析中，研究发现，参与者的选择在RDEU模型下通常比EV模型下更具多样性。这意味着，某些个体的决策可能受到风险偏好中非线性概率加权的影响，而另一些个体则可能依赖于简单的决策规则或存在决策错误。这种异质性在实验中得到了充分的体现，例如，某些参与者在选择时倾向于关注保费，而另一些则更关注免赔额或附加保障。

#### 信息获取与决策行为

研究还关注了参与者如何获取信息以及这些信息如何影响其决策行为。通过引入特征过滤器，参与者可以在选择过程中优先考虑某些属性，如免赔额或附加保障。实验发现，尽管过滤器的使用并未显著改变最终的选择，但它有助于识别个体对特定保险属性的偏好。例如，某些参与者在过滤器的使用中更倾向于选择对高成本疾病（如D）的附加保障，而另一些则更关注低保费或高概率疾病（如F）的保障。这种模式表明，参与者在决策过程中可能会根据自己的偏好调整信息获取策略，从而影响最终的保险选择。

#### 限制与未来方向

尽管本研究提供了丰富的实验数据和深入的分析，但其结果也存在一定的局限性。首先，实验环境与现实世界存在差异，例如，参与者仅在实验室中进行选择，而非在实际的保险市场中。因此，研究的外部效度可能受到限制。其次，参与者主要来自德国的大学，他们通常具有较高的教育水平和较少的财务限制，这可能影响其决策行为。因此，研究结果可能不适用于更广泛的群体。

此外，风险偏好是通过实验直接获得的，而非基于观察到的保险选择推断得出。这种做法虽然避免了潜在的偏差，但也带来了新的挑战。例如，如何将个体的风险偏好应用于复杂的保险决策中，仍然是一个值得探讨的问题。研究发现，某些个体的保险选择与他们的风险偏好相一致，而另一些则存在不一致。这表明，风险偏好与保险选择之间的关系可能并不总是线性的，且受到其他因素的影响。

#### 实践意义与政策建议

本研究的结果对政策制定具有重要意义。首先，它揭示了个体在保险选择中的异质性，这表明不能简单地将所有个体视为相同的决策者。政策制定者需要考虑到不同群体的风险偏好和决策模式，从而设计更符合个体需求的保险选择环境。例如，通过提供更详细的保险信息或引入个性化推荐系统，可以帮助个体做出更符合其真实偏好和风险偏好的决策。

其次，研究还表明，某些个体可能依赖于简化策略或存在决策错误。因此，政策制定者应考虑如何减少这些偏差，例如，通过提供更清晰的信息或设计更直观的保险选择界面。此外，研究发现，参与者在面对复杂选择时可能更倾向于选择低保费的计划，即使这些计划并不符合其实际风险偏好。因此，政策制定者应警惕这种“低价偏好”可能带来的福利损失。

#### 结论

综上所述，本研究通过实验室实验揭示了健康保险选择中的异质性现象。参与者在选择保险计划时表现出不同的风险偏好和决策策略，这些差异在整体层面和个体层面都得到了体现。RDEU模型和EV模型虽然在整体上能够解释部分行为，但并不能完全捕捉所有个体的决策过程。因此，政策制定者应采取更加细致的措施，以更好地匹配个体的风险偏好和保险需求，从而提高整体的福利水平。此外，研究还强调了实验方法在理解复杂决策行为中的价值，特别是在控制外部变量和识别个体偏好方面。未来的研究可以进一步探索如何在现实环境中应用这些模型，以提高保险选择的效率和公平性。