中国居民健康的社会经济影响因素分析

周 靖 ，李正旺，段丁强

(武汉纺织大学 经济学院，湖北 武汉 430074)

1 引言

在衡量人类福利的各项指标中，健康作为与人类生存状态最为密切相关的一个维度，具有重要意义[1].联合国每年评估发布的人类发展报告中，健康与教育、经济发展一道构成了人类发展指数的重要组成部分.20世纪80年代早期，布莱克发现，在英国社会，社会经济地位较高群体的健康状况明显优于社会经济地位较低群体[2]. 自此，越来越多的学者开始关注健康的人群分布问题. 之后，大量研究成果证实，国家之间或者国家内部，无论发展水平或者健康水平高低，都普遍存在着健康的不平等.

1998年英国公布的艾克森研究报告表明，健康不平等问题并没有随着经济社会的发展和医疗技术的进步而自然得到改善，反而呈现越发严重的趋势. 2005年，世界卫生组织成立健康的社会决定因素委员会(Commission on Social Determinants of Health, CS-DH)，该委员会旨在探索健康的社会经济决定机制，促成建立一个人人自由追求其值得拥有的生命质量的公平社会[3].

新中国成立以来，伴随经济快速发展与卫生事业的显著推进，中国居民的总体健康水平在持续改进，诸如人均期望寿命或者死亡率已经走在了发展中国家的前列. 但是仅仅看到这种平均健康状况的改善是不够的，还应该关注健康的分布问题，也就是健康在不同群体间分布是否相对均匀，每个人是否有相对同等的机会达到健康.

本文涉及的关键问题包括：对于中国城乡居民来说，各类社会经济因素与健康之间的关系如何？它们相互联系的机制是什么？剩余部分的结构安排如下：第二节介绍实证研究的数据来源与研究设计；第三节涉及实证结果与相关分析；第四节为研究结论及相关说明.

2 SES的健康效应研究设计

2.1 研究策略

研究目的是区分城乡样本考察中国居民健康的社会经济决定. 在模型估计方面，对于二分类变量的自评健康指标，采用logit模型估计；对于连续型的健康指标，则采用OLS估计健康决定方程. 为避免微观横截面数据回归中异方差对于统计推断所造成的影响，研究应用了怀特(1980)稳健型估计标准误.

2.2 数据来源

数据来自北京大学国家发展研究院中国经济研究中心主持的项目“中国健康与养老追踪调查预调查”.对象是我国城乡45岁及以上年龄的居民及其配偶. 涉及浙江和甘肃两省16个县/区、48个居/村，覆盖1570个家庭的2685个个人样本. 考虑到老年人口与其他人口在健康决定方面差异很大，研究剔除65岁以上个人样本，包含有效分析样本2002个.

2.3 变量测量

(1)因变量

因变量为居民健康状况，先后通过自评健康(SRH)、工具性日常生活能力(IADLs)、心理健康(消极得分)来衡量. 通过询问被访者“您觉得自己的健康状况怎么样？”，得到自评健康状况. 调查问卷用诸如“做家务有困难吗？自己去商店买杂货有困难吗？自己吃药有困难吗？”等问题来反映被访者的工具性日常生活能力. 调查问卷还设置了一些问题来反映受访者在调查时点前一周的心理积极或者消极程度. 以上三个健康指标分别从不同的维度来衡量受访者的健康水平，且均被设置为健康不良型指标. 其中，自评健康是二分型变量，其他两个指标则是连续型变量.

(2)核心自变量

核心自变量为居民社会经济地位，由家庭人均收入和受教育程度来反映. 家庭人均收入的对数，则用于衡量受访者获取收入和掌握资源的能力. 鉴于在CHARLs中，受访者年龄偏大(45岁及以上年龄的居民及其配偶)，此年龄段中受过较高层次教育程度的居民相对较少，研究在原问卷的基础上，将原有受教育类别重新合并为四种类型：文盲、小学未毕业，但能读写、读了私塾或者小学毕业、初中以上文化.

(3)控制变量

在决定健康的各类因素当中，年龄和性别是常见的外生影响因素，本文对其进行了控制. 此外，还控制了受访者的婚姻状况，在婚和不在婚分别编码为1和0，需说明的是，本研究将未婚同居视为事实上的婚姻关系. 不在婚则包含分居、离异、丧偶、未婚等情况. 另外，本调查中所涉及的浙江和甘肃两省，实际上是中国地区经济发展不平衡的极端体现，由于经济的不平衡，省与省之间在卫生资源存量、卫生投入方面存在差异.两省居民面临的环境背景存在差异，因此有必要引入省份虚拟变量.

2.4 分析模型

本文使用多种维度的指标来来衡量居民健康状况，既包含自评健康、心理抑郁得分这样的主观测量，也包括工具性活动困难这样的客观度量. 当使用主观自评健康作为居民健康的侦测指标时，那么被解释变量为二分变量，此时，我们采用计量经济学中常用的Logit回归模型来处理，总体的估计模型表示如下：

当使用工具性日常生活能力困难数量、心理消极得分来衡量健康时，居民健康状况变为连续性测量指标，此时则通过线性方程的OLS估计来分析健康的各影响因素.

3 数据分析

3.1 变量的描述性统计

区分城乡的样本描述性统计从直观上给出了城乡在相关指标上的一般性对比. 乡村样本自评健康不良的比例为 64.0%，高于城镇样本的 54.4%. 在用工具性日常生活能力和心理消极程度来衡量的健康指标数值方面，乡村居民也高于城镇居民，总体反映出城镇居民的平均健康水平要优于乡村居民. 城镇居民的收入和教育程度显著高于乡村居民. 乡村样本文盲率高达 44.4%，仅 18.8%的居民具备初中以上文化程度；而在城镇样本中，文盲率为 27.1%，初中以上文化程度占比 33.6%. 从性别比例和年龄均值来看，乡村居民男性占比高于城镇样本，乡村样本的平均年龄水平略微高于城镇样本. 另外，城乡样本的省际分布显示，浙江省城镇人口比例高，甘肃省的乡村人口比例高，显示两省在城市化率方面所存在的显著差异.

3.2 中国城乡居民健康的社会经济决定

(1)工具性日常活动能力困难的影响因素分析

表1给出了工具性日常活动能力困难的OLS回归模型估计结果. 结果显示，不论城镇还是乡村，家庭人均收入与日常活动能力困难之间呈现显著负相关，家庭人均收入越高，日常活动能力困难程度越低. 收入与健康之间的相关性即使在控制受教育程度一定的情况下仍然显著. 对于乡村居民，保持教育以及其他因素不变，家庭人均收入上升1%，工具性日常活动能力困难数量下降0.064个单位. 对于城镇居民，保持教育以及其他因素不变，家庭人均收入上升1%，工具性日常活动能力困难数量下降0.047个单位. 反映居住乡村相比城镇的居民，收入对于健康的促进作用更为明显.

教育对于健康的影响也呈现出城乡差异. 在乡村样本中，保持收入和其他因素不变，教育对于健康的影响在各个教育程度上均是显著的，并且受教育程度越高，日常活动能力困难程度越低. 而对于城镇居民，保持其他因素一定，初中以上学历的人相比文盲有显著高的健康水平，但是读过书却没达到初中文化程度的人则并没有显示出较文盲显著高的健康水平. 一个可能的解释是城乡差异化的职业环境，在乡村中人们大多从事的是同质性的家庭农业，教育主要是通过健康知识的积累来推进健康. 而在城镇，非农产业作为就业的主导，初中以上教育程度是进入非农部门从事正规就业的敲门砖，达不到初中学历的人可能都进入了最底层的职业层级，健康状况并没有显著的差异性.

表1 工具性日常活动能力困难的OLS回归

性别对健康的影响同样呈现城乡差异. 针对乡村样本的各个回归模型中，性别变量均是统计上显著的，表现出相同的模式：男性的工具性日常活动困难程度显著低于女性. 而在城镇样本中，当控制教育程度以后，性别的健康差异变得不再显著，说明城镇中教育是不同性别健康差异的重要调节因素. 年龄的影响在城乡的所有回归模型中都是一致的，控制其他因素不变，年龄越大，健康程度越差，这类似于资本的年度折旧效应. 在各个模型中，拥有伴侣与否对健康的影响并不显著. 省份之间的健康差异表现出统计上的显著性，居住在浙江的城乡居民相对甘肃居民的健康状况更好，反映健康的区域差异性.

(2)心理消极的影响因素分析

如表2所示，城乡心理消极程度的OLS模型估计同样表明，不论城乡，家庭人均收入与心理消极之间存在显著的负向关系. 即家庭人均收入越高，居民表现出显著更低的心理消极，这种影响即便在控制教育的情况下仍然显著. 模型3的回归结果表明，在乡村，保持其他因素不变，家庭人均收入每上升1%，抑郁得分会下降0.619. 在城镇，其他因素不变，家庭人均收入每上升1%，抑郁得分会下降0.415. 与工具性日常活动能力困难的回归中表现的模式类似，收入对乡村居民健康的促进作用大于城镇居民.

表2 心理健康的OLS回归

教育在城乡居民心理消极程度决定中的作用也有所体现. 其他因素不变，乡村中具备初中以上教育程度的居民较其他居民，有着显著低的心理消极得分. 在城镇，这一结论同样成立. 以往的研究已经表明，教育影响健康的其中一个机制是，受过更多教育的人有着更好的心理控制能力和处理复杂问题的能力. 在生活中，一个人的心理控制能力和应变能力越强，生活过程中就表现得越积极，本研究一定程度上证实了这一影响机制.

男性相比女性有显著低的消极得分. 保持其他因素一定，不同年龄群体之间在消极得分上并没有表现出显著的差异. 这可能意味着，每个年龄层次均有其对应的典型心理问题，不同年龄在心理问题数量方面并没有呈现出系统的差异性. 同时，拥有伴侣对心理健康的影响显示出城乡差异. 在乡村，拥有伴侣的人有显著高的心理健康水平，而在城镇，拥有伴侣对心理健康的影响从统计上看并不显著. 另外，在各个回归模型中，省份之间在消极得分上的差异异常显著. 控制收入、教育等因素，在消极得分上，浙江的乡村和城镇居民相比甘肃分别低3.001和2.642.

(3)主观自评健康的影响因素分析

表3显示的是对主观自评健康的影响因素分析. 自评健康为差的logit回归结果表明，家庭人均收入能够显著地影响居民自评健康. 对于乡村居民，控制教育等其他因素不变，人均收入每上升1%，自评健康为差的优势比对数下降 20.6%，对应自评健康为差的优势比下降为原来的 81.4%. 对于城镇居民，控制教育等其他因素保持不变，人均收入每上升1%，自评健康为差的优势比对数下降7.3%，对应自评健康为差的优势比下降为原来的94.2%. 仍然清晰地呈现出，收入对自评健康的影响在农村大于城镇.

与以往有关研究所不同的是，教育与差的自评健康之间的关系并不显著，这可能与本研究的样本选择存在关系. 本研究的样本年龄均值偏大(在53岁左右)，该年龄层次的个人之间教育差异并不明显，从而导致教育系数估计的标准误偏高，统计检验时容易得出不显著的结论. 但容易观察到，在所有模型中，初中以上学历这一虚拟变量的回归系数值为负，这符合预期，表明尽管统计上不显著，但高的教育程度与健康评价为差之间的负向关系仍然成立.

表3 自评健康为差的logit回归

男性相对女性，自评健康不良的可能性显著地低；年龄越大，自评健康不良的可能性越高；拥有伴侣与否与自评健康不良的关系并不显著；与前面两种健康衡量指标一致，自评健康的省份差异依旧显著，控制其他因素一定，一个居民如果生活在浙江相比生活在甘肃，有更低的可能汇报出自评健康状况不良.

4 结论与不足

本文基于微观调查数据的实证研究表明，在中国，不论使用居民自评健康、工具性日常活动能力还是心理消极程度来衡量健康，拥有更高的收入都意味着拥有更好的健康水平. 对比城镇和农村样本的收入–健康效应，我们发现收入对于农村居民维持健康的重要性高于城镇居民. 这一结果在一定程度上可以用城乡居民医疗保障水平上的差异来解释. 事实上，传统农村合作医疗体制崩溃以后，自费医疗在中国农村很长一段时间占据主导地位，这意味着农村居民一旦生病，拥有收入与否就成为其脱离疾病、恢复健康的关键. 而相比较而言，城镇居民的医疗保障水平一直强于农村，在医疗保障制度的改革方面城镇也一直先行于农村. 因此医疗保障水平的差异性很可能成为城乡之间收入–健康效应存在差异的重要原因.

和过去的诸多研究一致. 我们还证实，拥有较高教育程度的居民，健康状况更好. 教育对于健康的传导机制主要包括：教育程度比较高的人，可能相比其他人更懂得坚持锻炼、控制吸烟饮酒这样的生活方式养成的重要性，医学研究也早早就证明，良好的生活方式对于维护健康至关重要. 第二，受教育程度更高的人相对来说更容易进入高的职业层级，不同的职业层级所面临的健康风险是存在差异的，于是造成了不同教育程度人群之间的健康差异.

选取的三个健康指标的分析结果均表明，男性较女性的健康状况更好. 以往，我们常注意到女性比男性的期望寿命更长，从而得出女性较男性更健康的结论. 事实上，如果考虑生存的质量因素，关注生存过程的话，女性并没有表现出相对男性的优势，甚至还可能是劣势. 本章的研究表明，这种健康劣势在控制收入、教育等因素下依然存在. 值得说明的是，在另一项基于CGSS数据的研究中，我们发现进一步控制就业因素后，自评健康的性别差异在城镇中变得不再显著，而在农村中依然显著[4]. 这反映了就业可能是城镇居民健康性别差异的一个重要调节因素，而在农村，健康的性别差异则显得更加微妙.

此外，年龄越大，出现日常活动困难的数量就越多，自评健康为差的可能性越高. 这同样与理论预期相一致，如果将人们的健康看作资本，如同其他资本一样，健康资本也会有折旧，并且随着年龄递增存在加速的趋势. 另外拥有伴侣只是在乡村居民心理健康的决定中起到了显著的作用，对于其他健康指标，以及在城镇样本中并不显著. 省份变量的影响在所有的回归模型中均是统计上显著的，显示浙江居民的健康程度高于甘肃居民. 事实上这是中国区域健康差异的一个具体表现，其原因可能要从区域经济发展水平、医疗技术和人才资源分布的差异性等角度来考虑.

基于以上实证结果，笔者认为，政府当前卫生工作的着力点应该是穷人群体的医疗救助体系建设. 此外，应该明确，造成弱势群体健康不良的原因是多方面的，根源在于社会因素. 从政策层面来说，除了关注弱势人群的收入提升、生活环境改善等方面以外，政府还需要在社会软环境方面加大力度，应在整个社会支持系统中推进居民健康改进，通过实施不同部门的政策联动，以缩小健康的社会经济不平等，保证人人享有健康生活的权利.

同时，需指出，本研究尚有不足之处：第一，我们虽然基于适当的微观数据证实了社会经济地位与居民健康之间存在统计上显著的关系，但这也只能说明两者存在相关关系，并未得到有关影响方向也就是因果关系的判断. 第二，由于某些数据指标的不可得，在有关机制的阐述上，还不够精确. 第三，在衡量社会经济地位时，没有包含职业等级，这使得职业的影响可能由收入或者教育的系数值所反映，从而一定程度上夸大了收入或者教育对健康的纯粹影响. 以上不足是后续研究有待克服和改进的方面.

[1]王 曲, 刘民权. 健康的价值及若干决定因素: 文献综述[J]. 经济学季刊, 2005, 5(1): 1-35.

[2]BLACK D, MORRIS J, SMITH C, et al. Inequality in Health: Report of a Research Working Group[R]. London: Department of Health and Social Security, 1980.

[3]石 光, 韦 潇, 汝丽霞. 卫生政策的优先重点: 健康和健康不公平的社会决定因素[J]. 卫生经济研究, 2012(5): 35-38.

[4]周 靖. 中国居民与收入相关的健康不平等及其分解——基于CGSS2008数据的实证研究[J]. 贵州财经大学学报, 2013, 31(3): 52-57.