地点：北京大学国家发展研究院致福轩大教室

报告一：微观医疗费用预测模型：从线性回归到机器学习

主讲人：王小倩，北京大学经济学院2018级西方经济学专业博士生，研究方向为健康经济学

随着医疗大数据可获得性的大幅提升，机器学习在个人医疗费用预测方面的潜在价值值得进一步评估和发掘。本研究采用2012-2014年中国某县级市的医保数据，详尽对比了传统线性回归模型与多种流行机器学习模型在个人医疗费用预测方面的性能。研究结果表明，大部分机器学习模型（比如梯度提升、前馈神经网络）的预测性能（样本外表现）不差于传统线性回归模型，其中表现最好的是梯度提升模型。本研究进一步发现，在按人头付费的支付制度下，以机器学习模型预测结果作为确定医疗保险支付的依据，医疗机构面临的财务风险将低于以线性回归模型作为依据的财务风险。

报告二：Fetal Adversity and Long-term Mental Health: Evidence from China

沙学康，北京大学经济学院2019级世界经济专业博士生，感兴趣的研究领域是发展经济学和健康经济学

Using China's Great Famine as a natural experiment, we explore the effect of fetal adversity on individuals’ mental health during the old age and the persistence of the effect across three generations. Based on two national representative survey datasets, we adopt the instrumental variable method to find that being born during the Great Famine significantly reduces the individuals’ mental health and raises the likelihood of depression in their old age. We document two main channels: the mother’s malnutrition and stress during pregnancy both contribute to the adversity of the fetal development, which leads to worse adulthood mental health outcomes. We further document a strong intergenerational persistence of mental health. Finally, we find that the famine-induced intergenerational persistence of mental health is stronger than the persistence of physical health.

报告三：医药分开政策对医疗费用的影响——来自北京市的证据

侯曼麒，北京大学经济学院2020级西方经济学专业博士生，研究方向为健康经济学

药品零加成政策是我国控制医疗费用不合理增长，切断“以药养医”链条的重要改革举措，2012年7月到9月，北京市分别在五家医院进行医药分开、药品零加成试点工作。本文利用北京市2011年12月到2017年3月36家三级医院某病种个人层面住院数据，利用多期DID和普通DID的方法评估药品零加成政策的作用。本文发现，药品零加成政策使药费平均下降40%；但其对住院总费用没有显著影响，且一些非药品费用上升；该政策在轻症和重症患者中具有异质性影响，重症患者药费下降更多。