Réduire les épreuves grâce à l'inscription automatique : preuve d'un échange d'assurance maladie

Jul 10, 2023

L'inscription incomplète à l'assurance maladie est un défi persistant aux États-Unis malgré d'importantes subventions. Nous nous demandons si les tracas intégrés aux systèmes d'inscription sont importants pour la souscription et le ciblage de l'assurance. En étudiant la suppression d'une politique d'inscription automatique, nous constatons qu'un petit tracas - une exigence de sélectionner activement un plan de santé pour s'inscrire - réduit la participation de 33%, un impact majeur équivalent à 470 $ (57%) de primes d'inscription plus élevées. Les tracas éliminent différemment les personnes plus jeunes, en meilleure santé et plus pauvres - des groupes dont la valeur et les coûts d'assurance sont faibles. Nous montrons que cette corrélation valeur-coût - une caractéristique standard de l'assurance, où le risque pilote les deux - peut saper la logique classique du ciblage favorable des épreuves.

Nous remercions Amina Abdu, Kendra Singh, Mike Yepes et Olivia Zhao pour leur excellente aide à la recherche. Nous remercions Jason Abaluck, Manasi Deshpande, Keith Ericson, Ben Handel pour leurs commentaires réfléchis et constructifs. Pour leurs commentaires et suggestions utiles, nous remercions Hunt Allcott, Marcella Alsan, Chris Avery, Peter Blair, Zarek Brot-Goldberg, Sam Burn, Amitabh Chandra, Leemore Dafny, Amy Finkelstein, Peter Ganong, Josh Gottlieb, Jon Gruber, Gordon Hanson, Nathan Hendren, Alex Imas, Tim Layton, Amanda Kowalski, Lee Lockwood, Brigitte Madrian, Sendhil Mullainathan, Matthew Notowidigdo, Carol Propper, Wesley Yin, Richard Zeckhauser et les participants au séminaire aux réunions de l'AEA, ASHEcon, Boston-Area IO Conference, Covered California , Harvard Kennedy School, Harvard-MIT-BU Health Economics, Imperial College London, Massachusetts Health Connector, Queen Mary University, USC Schaeffer et NBER Health Care and Public Economics meetings. Nous remercions le Massachusetts Health Connector (en particulier Michael Norton et Marissa Woltmann) pour leur aide dans la fourniture et l'interprétation des données. Nous tenons à remercier le Harvard's Lab for Economic Applications and Policy pour le financement des données et le soutien à la recherche du Rappaport Institute for Public Policy de la Harvard Kennedy School et du Milton Fund de Harvard. Le protocole de recherche a été approuvé par les IRB de l'Université de Harvard et le NBER. Les opinions exprimées ici sont celles des auteurs et ne reflètent pas nécessairement les vues du National Bureau of Economic Research.

Le coût des données pour cette projection a été couvert par le financement du Lab for Economic Applications and Policy (LEAP) de l'Université de Harvard. Je reconnais le soutien financier du National Institute on Aging Grant No. T32-AG000186 (via le National Bureau of Economic Research). Je n'ai reçu aucun soutien financier d'une partie intéressée à cette recherche. Je ne suis pas dirigeant, administrateur ou membre du conseil d'administration d'une organisation à but non lucratif ou d'une entité à but lucratif.

MARCRISBibTeΧ

Télécharger les données de citation

En plus des documents de travail, le NBER diffuse les dernières découvertes des affiliés par le biais d'une série de périodiques gratuits - le NBER Reporter, le NBER Digest, le Bulletin on Retirement and Disability, le Bulletin on Health et le Bulletin on Entrepreneurship - ainsi qu'en ligne comptes rendus de conférence, conférences vidéo et interviews.