What Are the Determinants of the Decision to Purchase Private Health Insurance in China?
Notice bibliographique
Résumé
The objective of this study was to assess the determinants of the decision to purchase private health insurance (PHI) in China. Nationally representative data from the fourth wave of the China Household Finance Survey from 2017 were used, and the dataset comprised 105,691 individuals aged 18 years or older. The Andersen health services utilization model was used to inform the research. Chi-square tests and logistic regression analyses were used to estimate the decision to purchase PHI. The proportion of the sample that had PHI was small, at 5.06%, but coverage for social basic medical insurance (SBMI) was 90.64%. Among PHI holders, the overwhelming majority (87.40%) also had SBMI. Logistic regression analysis demonstrated that predisposing factors (age, education, marital status, household size), enabling factors (household income, SBMI status, geographical factors, household medical expense, and medical debt), and needs-based factors (health status) were statistically significant determinants of the decision to purchase PHI. This study suggests that the socio-economic circumstances of households play a crucial role in the decision to acquire PHI. The findings may be used by the insurance industry to inform actions to enhance PHI coverage and by policy decision-makers that seek to improve equality in access to PHI.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».