📈 economics

Medical Loss Ratio and Accounting-Based Financial Fragility among Brazilian Health Plan Operators: A Predictive Panel Study

这项预测性面板研究表明，高医疗赔付率（MLR）是巴西健康计划运营商未来财务脆弱性、退出市场以及被迫监管退出的显著基于阈值的早期预警指标，特别是在 MLR 超过 0.835 时，尽管其作为部分标记物而非独立筛选工具的效果最佳。

原作者： Hudson Fernando Couto, Antônio Artur de Sousa

发布于 2026-07-15

📖 1 分钟阅读☕ 轻松阅读

原作者： Hudson Fernando Couto, Antônio Artur de Sousa

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，巴西的医疗保险市场就像一个巨大且繁忙的嘉年华。在这个嘉年华里，有数百个不同的“游戏摊位”（即医疗保险运营商）正在向游客出售门票。每当游客生病需要看医生时，摊位就必须支付一笔赔付金额。

**医疗赔付率（MLR）**就像是一个计分板，追踪着摊位从门票销售中收到的钱里，有多少立即被用于支付那些生病就诊的费用。如果摊位收到了 100 美元的门票钱，但必须支付 85 美元的医疗账单，那么 MLR 就是 0.85。

长期以来，人们一直在思考：“如果一个摊位的计分板显示它在今年把很大一部分钱都花在了医疗账单上，这是否意味着该摊位在明年会崩溃并关门大吉？”

有些人可能会想：“那是当然！如果你支付的费用超过了收到的费用，你现在就已经破产了。”但这项研究的作者 Couto 和 Sousa 想要做得更聪明一些。他们知道，仅仅观察同一年份的数据就像是在买午餐时检查你的银行账户；那只是数学计算，而不是预测。他们想要看看，今天的这种高分是否可以作为预测明天麻烦的“水晶球”。

水晶球测试

研究人员利用来自巴西 1,042 个不同医疗保险摊位的数据，构建了一个巨大的时光机，观察了 2018 年至 2024 年间 6,139 个财务快照。他们做了一件以往研究中忽略的重要的事情：他们没有丢弃那些已经陷入困境的摊位。事实上，他们特意包含了那些即将破产的摊位，因为如果你只观察健康的摊位，你就无法学会如何识别那些生病的摊位！

以下是他们的水晶球揭示的内容：

1. “危险区”阈值
研究发现，计分板并不是一条平滑的曲线（即成本增加一点点，风险也随之增加一点点），而是一道悬崖。

如果一个摊位的 MLR 在下四分之三范围内（低于 0.835），它通常是安全的。
但如果一个摊位的 MLR 跳入了前四分之一（达到或高于 0.835），那么该摊位在次年陷入严重财务困境的概率会大幅上升（优势比为 1.76）。

2. 现实世界的崩溃
这不仅仅是电子表格上的数字。研究人员检查了那些拥有高分的摊位实际上发生了什么。

退出市场： MLR 较高的摊位在次年直接消失的可能性增加了 3.19 倍（优势比为 3.19）。
强制关闭： 它们在两年内被政府监管机构踢出市场的可能性也增加了 2.29 倍（优势比为 2.29）。

3. 崩溃背后的“原因”
为什么它们会崩溃？研究发现，高 MLR 通常首先损害摊位的“营业利润率”。把这想象成摊位的利润空间。当医疗账单消耗掉过多的门票收入时，摊位就会在核心业务上停止盈利。现金流（流动性）会在稍后变得不稳定，但利润率会率先受到冲击。

水晶球“做不到”的事

这里是故事中最重要的部分：计分板并不是一个完美的水晶球。

如果你试图仅凭 MLR 来预测哪个摊位会失败，那它会是一个相当糟糕的预言者。研究人员使用了一个叫做“曲线下面积”（AUC）的分数来衡量这一点。

在预测摊位财务困境方面，仅靠 MLR 的得分是 0.51。
在预测摊位退出市场方面，其得分为 0.53。
在预测政府强制关闭方面，其得分实际上只有 0.45（这甚至比抛硬币还要差！）。

这意味着，虽然高 MLR 是一个警示信号，但它并不是确凿的证据。它就像看到一朵乌云；它告诉你雨可能要来了，但它没法告诉你你会不会被淋透，或者这朵云是否会就此飘走。你需要观察其他事物，比如摊位的规模以及它们玩什么样的游戏（其“模式”）。例如，“慈善型”摊位的麻烦发生率（23.33%）远高于“自我管理型”摊位（4.01%），所以警告信号对不同类型的摊位起作用的方式也不同。

研究排除的情况

作者非常谨慎地说明了这项研究不是什么。

它不是证明高 MLR 导致了摊位的失败。很有可能是一个摊位已经在走向失败，所以其 MLR 看起来很糟糕。这项研究展示的是一种关联性，而不是因果关系的魔法咒语。
它不是一个你可以单独用来禁止某个摊位的工具。因为“独立预测”的能力很弱，如果仅凭此项指标，你会错过大多数失败的摊位，并错误地指控许多健康的摊位。
它不是一种平滑、稳定的关系。风险并不会随着 MLR 的上升而缓慢增加；它会一直保持在低位，直到撞上 0.835 这道悬崖，然后才会激增。

总结

那么，对于我们的嘉年华来说，结论是什么？

如果你看到一个 MLR 为 0.835 或更高的医疗保险摊位，你绝对应该引起注意。这表明该摊位正处于“危险区”，并且在未来一年或两年内面临财务困境或关闭的可能性大大增加。然而，你不应该仅凭这一个数字就立即恐慌并关闭它们。你需要观察全貌，包括摊位的类型和其他财务迹象。

这项研究证明，这个特定的计分板是一个有用、透明且公开的早期预警信号，但它只是一个更大拼图中的一块。它能帮助监管机构发现乌云，但他们仍需要一份完整的气象报告才能确定风暴是否真的在来临。

技术摘要：医疗赔付率与基于会计指标的巴西健康计划运营商财务脆弱性

问题陈述
本研究旨在解决理解巴西医疗保险可持续性中的一个关键空白：医疗赔付率（MLR）——一个反映了收入中被医疗索赔吸收份额的透明且公开报告的指标——是否具有预测未来财务困境的效力。虽然既往文献证实了赔付率具有经济意义并受管理层裁量权影响，但目前尚不清楚通过从公开监管账目中重构的常规规模测算的高 MLR，是否能预测随后时期内可观察到的基于会计指标的财务脆弱性和市场退出。研究识别出的一个关键方法论挑战是现有研究中的“选择问题”，即由于采用了完全案例构建法（complete-case construction），处于财务困境尾部（特别是净资产为负）的运营商往往被排除在外，从而掩盖了脆弱性的真实普遍性。

研究方法
本研究采用基于巴西国家补充健康局（ANS）数据的预测性面板 Logit 模型设计。

数据构建： 作者从 2-018–2024 年（主要窗口期）和 2007–2024 年（扩展窗口期）的全量 ANS 季度会计报表（DIOPS）中重建了分析面板。至关重要的是，样本保留了净资产为负的运营商年度，纠正了以往完全案例分析中存在的选择偏差。
变量定义：
- 解释变量： MLR 计算为净索赔额（DIO版 DIOPS 账户 41）除以净保费（账户 311）。
- 结果变量： 研究测试了三个前瞻性结果（在 $t+1$ $t + 1$ 期，以及针对监管退出在 $t+1/t+2$ $t + 1/ t + 2$ 期）：
  1. 财务脆弱性： 定义为营业利润率为负且流动比率低于 1.0 的同时发生。补充定义包括负净资产（账户 25）。
  2. 市场退出： 因任何原因导致的注销。
  3. 强制监管退出： 因不利原因（如清算、违规）导致的注销。
估计策略： 使用了带有年份固定效应和运营商聚类标准误的合并 Logit 模型。MLR 既作为连续变量（按标准差计算）进行分析，也作为高 MLR（前四分位数）的二元指标进行分析。控制变量包括对数营业收入、运营商类型以及行政费用率。
设计特征： 研究特意将结果向后移动一年，以避免赔付率与同年度内营业利润之间的机械会计恒等关系。仅将同期规格作为描述性基准进行报告。

核心贡献

重建全量宇宙： 本研究通过保留“困境尾部”的运营商（在主要窗口期内有 226 个负净资产运营商年度），纠正了因完全案例规则导致的筛选偏差，从而将观察到的脆弱性盛行率从 2.69% 提高到 7.67%。
预测验证： 研究将 MLR 与会计报表之外的结果（市场退出和强制监管退出）进行对比验证，以区分其具备的是预测内容而非单纯的算术相关性。
阈值特征化： 论文证明了这种预测关系是非线性的，且集中在分布的上尾部，而非平滑的梯度，从而识别出了特定的风险阈值。

结果

预测能力： 在主要面板（2018–2024）中，处于前四分位数（ $\ge 0.835$ $\geq 0.835$ ）的 MLR 能显著预测下一年的结果：
- 财务脆弱性： 优势比 (OR) 为 1.76 ( $p=0.001$ )。
- 市场退出： OR 为 3.19 ( $p<0.001$ )。
- 强制监管退出（两年内）： OR 为 2.29 ( $p=0.009$ )。
机制： 预测信号主要通过营业利润组成部分发挥作用（负利润的 OR 为 2.52），而非流动性。
非线性： 该关系并非单调；脆弱性盛行率在最高四分位数达到峰值（11.79%），但在最低四分位数也处于较高水平（7.82%），这表明最低四分位数反映的是构成问题而非赔付率风险。
判别力： 作为独立的筛查工具，MLR 的判别能力较弱（ROC 曲线下面积 [AUC] 范围在 0.45 到 0.53 之间）。然而，当将其与运营商类型和规模结合在完整模型中时，判别能力显著提升（财务脆弱性的 AUC 为 0.69，强制监管退出的 AUC 为 0.81）。
异质性： 脆弱性盛行率随类型变化剧烈，从自管计划的约 4% 到慈善机构运营者的 23.3%，表明筛查必须进行细分。
稳健性： 扩展窗口（2007–2024）重现了这一模式，且在排除行政费用率（一个潜在的“坏控制变量”）后，结果依然成立。

意义与主张
本文主张，一个透明且可重构的公开 MLR 是巴西健康计划运营商一个有用但部分的早期预警维度。文章断言，高 MLR（特别是前四分位数）预示着未来的财务恶化和市场退出，而不仅仅是同期的会计弱点。

然而，作者对该工具的效用持谨慎态度。他们明确指出，由于其独立的判别能力较弱（敏感性和正预测值较低），MLR 并非一种充分的独立筛查工具。相反，本文将 MLR 定位为一个“阈值型预测标记”，应根据运营商类型进行应用，并结合其他指标纳入多变量监管模型中。研究结论认为，虽然赔付率可以识别出持续暴露风险的运营商，但它应作为初步筛选或更广泛的基于事件的监管模型的组成部分，而非全面风险评估的替代品。

水晶球测试

水晶球“做不到”的事

研究排除的情况

总结

技术摘要：医疗赔付率与基于会计指标的巴西健康计划运营商财务脆弱性

类似论文