全面实施实惠的护理法案的国家和本地覆盖范围

数据源

美国社区调查。 从2008年,2009年和2010年的汇总美国社区调查(ACS)数据形成了此模型的核心数据集和所产生的估算。 ACS是美国人口普查局为2009年报告的申请率为98.0%的年度调查。1 这里提出的估计来自于每年在平民非制度化人口中的大约250万名非老年人的受访者(0至64岁)中收集的数据,从而产生约750万。 ACS是一种混合模式调查,包括带有和没有电话(固定电话或蜂窝的家庭)的家庭。ACS旨在成为国家代表性,包括来自该国每个县的样本。

自2008年以来,ACS向受访者要求受访者在户中每个人调查时的健康保险覆盖地位。努力纠正ACS覆盖数据中的潜在测量误差,并将覆盖范围定义为仅与单服务计划(例如牙科覆盖)相反的覆盖范围(例如,牙科覆盖),我们在其中应用一组逻辑覆盖编辑ACS中收集的其他信息意味着对样本案例可能被错误分类的覆盖范围。2 在成人和儿童中,编辑目标下报儿童和过度报告的非群组覆盖率,反过来影响其他覆盖类型。我们从应用于其他调查的方法中汲取3 并建立对人口普查局使用的ACS编辑规则。4

美国社区调查 - 健康保险政策仿真模型。 我们使用城市研究所的美国社区调查–健康保险政策仿真模型(ACS-HIPSM),以估算ACA对国家和地方的非老年人的影响。5  ACS-HIPSM模型从HIPSM构建,它使用当前的人口调查(CPS)作为其核心数据源,与其他人相匹配,包括医疗支出面板调查 - 家庭成分(MEPS-HC)。我们应用HIPSM / CPS开发的微型仿真方法,以响应政策变化,如医疗补助扩张,新的健康保险期权,购买健康保险补贴以及来自ACS数据的保险市场改革的补贴。通过大型ACS样本,我们能够根据其他数据源从模型中提供的状态和子状态区域产生更多精确的估计。根据我们的模型,使用2008年,2009年和2010年的ACS数据模拟了医疗补助/芯片和换货补贴的资格,根据2010年的医疗补助和筹码的状态级资格指南,以及有关实施ACA的规定的可用信息。

我们将三年的ACS数据结合起来,在州和地方层面实现足够的精确度。此过程涉及使用消费者价格指数(CPI-U)(CPI-U)并重新重复组合文件,以调整收入和工资等所有美元金额,使合并文件分发合并文件匹配中的人口统计,就业,收入和健康保险覆盖范围2011年的ACS。

我们模拟了ACA的主要覆盖范围,仿佛完全实施,并且完全实现了影响,并将结果与​​模型预先改革基准结果进行了比较。 HIPSM模型使用微型仿真方法,根据每个个人和家庭在改革下提供的健康保险期权的相对可取性,考虑到许多因素,例如可用保险的保费和口袋外保健费用产品,医疗保健风险,无论是个人的授权是否适用于他们,以及家庭可支配收入。

医疗补助/芯片资格仿真模型. 我们使用城市研究所健康政策中心 ACS医疗补助/芯片资格仿真模型 通过将家庭收入和其他特征与医疗补助和筹码规则进行比较,模拟医疗补助/芯片的ACA资格。6 该模型使用有关资格指南的可用信息,包括适当的家庭规模的收入阈值,7 资产检验,父母/家庭状况以及收入的金额和程度无视每个计划和截至每年中期的计划和国家。8 该模型考虑了在确定资格中的儿童保育费用,工作开支和收益的忽视,但没有考虑到儿童支持无视。对于非公民,该模型还考虑到美国居留期限的美国居留程度是资格的一个因素。 9 由于ACS不包含足够的信息来确定个人是授权移民,因此可能有资格获得医疗补助/芯片覆盖范围,我们根据使用CPS ASEC数据开发的模型来赋予非公民的文档状态。10

我们的ACS模型的ACS型资格的估计已经广泛基准,以评估其有效性,并已被发现与其他来源的人排队;例如,尽管ACS和CPS ASEC之间存在差异,但两次调查的模型在参与率和有资格参加同一时间框架的未经保险的儿童的数量方面产生相当可比的结果。11 根据其医疗补助/芯片的资格及其资格途径(Medicatod Vs.Chip等)的个人的数量和特征也在这两种型号中也非常相似。

在ACA下的资格投影。 在ACA下,收入资格将基于改进调整后的总收​​入(MAGI)的内部收入服务税定义,并将包括以下每个人的下列收入,而不是税收儿童:工资,商业收入,退休收入,社会保障,投资收益,赡养费,失业赔偿和财务和教育援助。 ACS在询问“其他收入”时,ACS仅对失业赔偿,赡养费和财务和教育援助进行间接询问,因此我们使用为CPS制定的模型占据了其他来源的收入,这些来源比ACS更详细。

为了将家庭收入计算为贫困水平的比例,我们将人级魔法队与税务单位汇总。 12 在依赖儿童在学校离开的情况下,ACS不包含关于家庭收入和儿童记录的其他家庭信息的数据或受抚养子女对家庭成员的记录的存在,因此我们将一些大学生分配给在开始模拟之前的家庭。医疗补助或ACA补贴的资格也取决于移民身份; HIPSM使用上述文档状态避难所。

我们模拟成人和儿童的ACA资格,以获得粗略地对应于我们预计待定的顺序的资格途径。对于儿童,我们检查残疾(根据当前规则的SSI或老年人/盲人/残疾人资格),新医疗补助资格(家庭收入高达FPL的138%,符合移民要求),筹码资格下的筹码资格以及当前的其他资格规则,否则称为资格维护。对于成人来说,我们检查残疾(根据当前规则下的SSI或老年人/盲人/残疾人资格),标题IV-E /寄养,新医疗补助资格和尊重性。13

我们模拟补贴资格,这取决于家庭是否提供了经济实惠的健康保险福利,基于家庭保险报价的避免以及员工对拥有ESI的保险费成本的贡献的贡献。我们使用2005年收集的CPS数据估计的回归模型来赋予提供状态,即CPS包括ESI的信息在2月份的补充中的信息。我们首先在ACS上施加坚定的规模,因为优惠高度依赖于公司大小。同样,我们将保单持有人与ESI的家庭中的人员施加到家庭中,因为ACS不会要求谁的工作提供了ESI。

ACA下健康保险覆盖的预测。 一旦我们为Medicaid / Chip和交易所补贴的补贴覆盖建模的资格状况,我们使用HIPSM来模拟雇主,家庭和个人的决定,以提供和注册健康保险范围。为了计算改革选项的影响,HIPSM使用微型仿真方法,基于对每个个人和家庭的健康保险选择的相对可取性。14 该方法(称为“实用程序的框架”)允许评估新的覆盖选项,而无需简单地从历史数据推断,如之前的模型。模型中个人和家庭的健康保险覆盖作品考虑了一些因素,如保费和备用保险产品,保健风险,无论是单独的任务是否适用于他们和家庭一次性收入。我们的实用新型考虑了人们目前的选择,如调查数据报告。我们使用此类首选项来自定义单个实用程序功能,以便其当前的选项得分最高,而且反过来影响ACA下的行为。由此产生的人,家庭和雇主所作的健康保险决定被校准在实证经济学文献中的调查结果,例如雇主赞助和非团体覆盖的价格弹性。

模拟过程中的第一阶段是估计医疗补助和芯片中的额外注册,这都是通过ACA下获得资格的额外注册,以及目前符合条件的人,但未注册。许多特征用于确定卷取,但两个最重要的是新的合格状态和当前保险范围,如果有的话。 ACA包括一些旨在促进入学的政策,包括“没有错误的门”入学政策,如果他们申请保险(通过医疗补助,芯片,芯片),将筛选和评估儿童和家庭的招募并评估儿童和家庭。或交换);新外展资金;和最小化应用和注册障碍的程序。因此,Medicaid / Chip参与率的模型项目将根据当前规则有资格获得医疗补助的儿童的ACA(参见Holahan,Buettgens等,在这个问题上的更多内容。)参与儿童和非老年人的模型项目将通过全面实施ACA来增加,尽管有资格获得医疗补助/芯片覆盖,但有些人将保持不保险的人。在随后的阶段,我们依次展示以下内容:在非群体交换中注册,雇主赞助覆盖范围的额外注册,在交易所外部的非团体覆盖范围内的额外注册,从单一到家庭ESI的转型并从非群体转变为ESI。

用于本地估计的地理位置

用于此分析的地理标识由可用的县级信息和超级公共使用Microdata(SuperPuma)定义,2008年,2009年,2010年汇集美国社区调查。 531 SuperPumas由2000多个彪马的组合组成。 PUMAS和SUPERPUMA已经由人口普查与国家和地方政府一起定义,以反映一般遵循县级群体,单一县或人口普查的地区的领域 ““受到最低人口大小的必要性”限制的地方(Pumas,Superpumas的40万次)。居住县可在374个县的居民的公共使用文件上提供,其中约占美国人口的60%。可识别的县都有至少10万人的人口,包括许多国家最大的县,但不包括所有这些县。

在定义当地地理区域时,我们的方法使用居住县来定义子州区域,除非该县大于其组成超级皮克之一,在这种情况下,超级保护员被分配为地理单位。根据上述规则部分由识别县部分组成的,在不居住在可识别县的超级保护区中的个体分配“剩下的超级皮尤”区域。在五个小状态中,由一个超级保护器(AK,DC,SD,VT和WY)组成,我们基于国家的PUMA定义构建了两个子状态区域。

结果是,每个人被分配给一个县或“其他区域”,它可以是:全高保,“超级保护的其余部分”或专门构造的区域。没有得到的面积小于100,000,没有大于大约400,000人的最大超级皮卡。这收益率为781互斥的地域,跨越整个美国 (展览3.1)。其中316个是县,465个是“其他领域”,全面的超级保存,“剩下的超级保护区”,或特殊构造的地区。

五个州只有两个地区,六个有三个地区,但超过了一半或更多的地区 (展览3.2)。当地数量最多的当地地区的国家是加州,我们使用上述方法定义了78个子州区域,其次是德克萨斯州和佛罗里达州,分别有59和48个子州区域。我们根据城市/城镇分配了非县地理位置名。这位于该地区。我们还分别为ACS中可识别的所有374个县提供估计。

个人和家庭特征

可用的估计值 Kff.org/zooming-in-aca. 探索有法规覆盖的个人的组成/谁在实施ACA的主要覆盖范围内的人员之前没有保险,这些人在ACA下获得医疗补助的个人提供医疗补助/在实施后获得医疗补助者的个人关于以下特征的ACA:

  1. 年龄报告的个体年龄明确定义(在0-18,19-24,25-44或44-64之间)。
  2. 种族报告的个人种族。我们将任何报告称为“西班牙裔”或“拉丁裔”的人为西班牙裔,并为自我识别的白色或黑人受访者定义单一种族。其他种族或识别多种种族的种族被归类为“其他”种族或种族。
  3. 性别报告的个人性别。
  4. 在19至64岁的家庭居民在家里发表的语言说话。我们定义了只有英语口语的家庭,只有西班牙语,英语和一些其他语言都是讲话,或者没有英语,也没有英语,而不是独家西班牙语说。

在简介中,我们展示了所有国家的估计;德克萨斯州和伊利诺伊州还介绍了估计,发现了特定状态内的ACA影响的局部变化。我们还提供居住在讲西班牙语家庭中的医疗补助/芯片登记者份额的估计,以突出各州内登记者人口统计和社会经济组成的变化。我们向所有具有足够样品大小的地区报告估计,以提供沿着这些社会人口统计尺寸的可靠估计。额外的尺寸是为本群体建模的,但数据未公布。我们在地理区域中的该电池中的估计抑制的样品大小为150名受访者。只有在改革下新增的医疗补助(在所有地区的5%到10%之间)的估计才会受到这条规则。

 限制

此处提供的基线和ACA估计都具有许多限制,包括报告的ACS上报告的健康保险范围内的测量误差,这可能无法通过所实施的编辑和Medicaid和芯片资格仿真模型完全解决。基于调查数据模拟公共覆盖资格的资格的努力本质上是挑战性的,特别是对于成年人来说。挑战包括误报的收入,保险范围,或用于模拟资格的其他信息,以及缺乏模拟资格所有途径所需的特定信息。与许多其他调查一样,ACS不包含有关妊娠状况,法律残疾状态等因素的信息,15 儿童支助金额,无论是监护父母是否符合儿童支持合作要求,医疗支出(将用于计算医学需求的资格的降低),以及医疗补助入学或收入历史的持续时间,以确定过渡医疗援助(TMA)和相关资格。最后,在与预测ACA,联邦和国家行动下的不同类型覆盖相关的困难相关的ACA覆盖范围的任何投影中存在额外的不确定性,这些困难可能会在可能对州和联邦行动和指导和指导和A指导有关的执行问题的情况下核实的不同类型的覆盖范围难以预测的行为响应。

1/2

数据源

展品

用于评估美国社区调查的健康保险范围的区分区域

 

 

每个州的构建区域数量
报告
x

展览3.1

x

展览3.2