基于平均预期寿命的我国人口健康水平时空分异与影响机制分析

梁晓璇，张新辉，陈 功

1北京大学人口研究所，北京，100089；2北京体育大学中国体育战略研究院，人文学院，北京，100084

平均预期寿命是指假定按照地区当前的分年龄死亡率,同一批人平均生存的年数,能够便捷清晰地反映地区人口的健康水平,是联合国人类发展指数(human development index, HDI)合成指标中用于反映健康水平的指标,也是“健康中国”战略用于衡量成效的指标[6]。国内外相关研究主要聚焦于地区差异、作用机制、动态演化及其变动对社会经济的影响等方面,自二战结束以来,全球大部分国家平均预期寿命持续增长,多数发达国家已经超过80岁[7],但国家与国家之间、一国区域之间甚至城乡间健康不公平的问题仍普遍存在[2,4,8-10]。这也使得学者们对平均预期寿命的研究从演化过程、空间格局的描述性分析,逐步转移到对健康不公平现象背后作用机制的探寻[3, 11-16]。在研究方法方面,以一般性的回归方法为主,但随着学者们出于对地理因素越来越多的考量,空间计量方法如地理探测器、地理加权回归等也逐步引入健康研究当中[3]。总体来看,已有研究尚未关注 “新常态”和 “健康中国”战略实施背景下平均预期寿命演化格局的新特征和新趋势,而显著的空间分异背后的健康交互特征也少有学者关注。鉴于此,本研究综合运用LISA时空跃迁、地理加权等研究方法探究我国人口健康水平的时空演化特征和作用机制,以期为推进“健康中国”建设提供参考。

1 资料来源与方法

1.1 资料来源

本研究使用国家统计局发布的第五、第六、第七次人口普查公布的我国31个省份的人口平均预期寿命数据,以探究其在2000-2020年的时空演化特点。人均GDP、城镇化率、人均可支配收入、文盲率、人均绿地和园林面积、二氧化硫排放量主要来自于《中国统计年鉴》(2001-2021年),千人口医疗卫生机构床位数、千人口卫生技术人员数、人均卫生健康支出来源于《中国卫生统计年鉴》(2003-2012年)、《中国卫生和计划生育统计年鉴》(2013-2017年)、《中国卫生健康统计年鉴》(2018-2021年),少数民族人口数来源于各省统计年鉴如《辽宁统计年鉴》,夜间灯光数据来源于国家青藏高原科学数据中心官网(http://data.tpdc.ac.cn/zh-hans),平均气温、平均湿度来源于中国环境监测总站官网(www.cnemc.cn)。

1.2 研究变量

平均预期寿命不仅是一个反映死亡水平的指标,其内涵涉及人群健康水平、社会公平等多个方面,已经被中国等多个国家政府用于衡量健康发展绩效[14-19]。健康水平的变化和差异往往与人们生活、学习、工作所暴露在的社会环境直接或间接相关,影响着人群健康的公平和风险,因此在对健康水平的影响因素研究中,很多学者运用社会决定因素框架(social determinants of health, SDOH)选取影响因素[20-21]。本研究在Wang等对SDOH框架改进的基础上[3],除了从社会经济、人口特征、医疗卫生资源3个维度衡量经济发展基础、城镇化水平、地区公平、民族、教育以及医疗卫生资源禀赋的作用之外,进一步加入对自然环境的考虑,从环境污染、气候和生活环境质量的角度解释地区间健康水平差异的影响机制,具体指标如表1所示。

1.3 研究方法

1.3.1 泰尔指数。泰尔指数由泰尔将信息理论中的熵应用于经济学领域分析收入差距[22],因其具有可分解性,可将差异分成区域间差异和区域内差异,由此本研究也引入泰尔指数来测度我国31个研究单元平均预期寿命的区域差异。

1.3.2 LISA时空跃迁分析。LISA时空跃迁通过分解的思路,将Moran's散点图中各研究单元在一定时间段内的集散、方向变动等属性通过传统马尔可夫链进行表达[23-24],可用于测度不同时段各省份人口健康水平与周围省份的关联关系,以及关联类型在时间上的转换情况。主要包括4种类型:I型表示省域自身与邻域在一定时间范围内均不发生形态类型的跃迁;II型表示邻域不变,仅省域自身发生跃迁;III型表示省域自身未发生改变,仅省域邻域发生跃迁;IV型则表示省域及其邻域均随时间推移发生形态类型的跃迁。

1.3.3 探索性回归。机制研究中往往会选取多个解释变量,考虑到现实意义OLS回归难以确定一个最为符合各方面条件的模型,而探索性回归作为一种数据挖掘工具,能够遍历自变量的所有模型组合,基于设定的阈值标准,找出满足条件的最优选择。健康水平的差异很大程度受到社会经济、人口特征、医疗卫生资源和自然环境的共同作用,为保证研究框架的完整性和影响因素的更优解释,结合已有研究[15,25],采用ArcGIS 10.7 的探索性回归工具,筛选原则如下。①最小调整R2不低于0.5。②各影响因素需至少在10%水平下显著。③最大方差膨胀因子小于7.5。④所选影响因子组合的赤池信息量准则值尽量小,进行解释变量的选取。

1.3.4 地理加权回归。OLS回归采用的是全局回归的角度来量化影响因素对被解释变量的影响,但由此会忽略变量的空间相关性,不可避免地存在一定的空间误差。而我国地区间经济、环境等因素具有较大异质性,为此健康水平也呈现出明显的空间差异,因而选择地理加权回归进行影响因素分析,以量化研究变量的空间非稳定性。

2 结果

2.1 2000-2020年我国人口平均预期寿命的分布及其动态演化特征

我国人口平均预期寿命在20年间稳步提高,从2000年的71.2岁提高至2020年的77.9岁,增长了6.7岁。泰尔指数从2000年的0.098降至2020年的0.060,表明我国地区间人口平均预期寿命的差异逐步缩小。另外,通过2000-2010年和2010-2020年两阶段平均预期寿命的增速变化与全国平均水平相比较,将全部研究单元分为4类:低速增长型、先慢后快型、先快后慢型和高速增长型,以刻画地区间平均预期寿命增长的动态分异特征(图1)。其中,低速增长型共有11个研究单元,与平均预期寿命较高研究单元的分布高度吻合。而高速增长类型的11个研究单元则主要分布于我国的中、西部地区,绝大多数平均预期寿命相对较低。

图1 2000-2020年我国人口平均预期寿命变动模式

2.2 我国人口平均预期寿命局域空间的时空跃迁结果

采用LISA时空跃迁分析进一步揭示我国地区间平均预期寿命空间关联形态的转移特征(表2)。其中HH和LL分别为高值集聚型和低值集聚型,而HL和LH则分别表示自身为高值被相邻的低值区包围和自身为低值被相邻的高值区包围。可以看出,I型跃迁占比最高,2000-2010年间和2010-2020年间分别为77%和48%。其中,山东、江苏、上海、安徽、北京、天津、河南、浙江8个省份研究期内均为HH型,而西部的新疆、西藏、贵州研究期内均为LL型。另外,从4大区域I型研究单元的占比来看,东部地区两阶段均为80%,中部地区从50%下降至33%,西部地区从83%下降至42%,而东北地区则从100%下降至0%。

研究进一步验证了环境心理学相关理论及Arthur Stamps的天际线美学理论，为城市天际线定量评价提供了探索性的研究方法。当前我国城市正处于快速建设的阶段，设计手段及反馈机制亟待更新，以上方法也为城市规划设计导则的科学化编制提供了可能性。关于现阶段城市设计得到如下启示：

表2 人口平均预期寿命时空跃迁矩阵

2.3 我国人口平均预期寿命时空演化的影响因素分析

结果显示2000年、2010年、2020年地理加权回归模型调整R2平均值分别为0.91、0.85和0.90,模型线性拟合度均大于相应的OLS回归模型,说明各因素对平均预期寿命的影响具有显著的空间异质性,具体影响因素的回归系数如表3-表8所示。

表3 人均GDP回归系数

表4 城乡收入比回归系数

表5 少数民族比例回归系数

表6 文盲率回归系数

表7 千人口卫生技术人员数回归系数

表8 绿地和园林面积回归系数

社会经济因素中人均GDP对于平均预期寿命具有正向作用。2000年人均GDP回归系数表现出自西北向东南递增的特点,这一时期地区经济发展水平与平均预期寿命的分布具有梯度一致性, 回归

系数大于0.42的研究单元与其他单元相比,人均GDP高出约1800元,平均预期寿命高约4岁。研究期内城乡收入比对于平均预期寿命具有显著的消极影响,以2000年为例,中国城乡收入比最高的10个研究单元与城乡收入比最低的10个研究单元平均预期寿命分别为66.0岁和70.5岁。

人口特征中少数民族比例与平均预期寿命之间长期呈显著的负相关关系,少数民族比例较高的研究单元平均预期寿命持续低于我国平均水平。 2000年、2010年和2020年31个研究单元平均预期寿命分别为71.2岁、74.9岁和77.9岁,而少数民族比例前10位的研究单元平均预期寿命平均值分别为68.7岁、72.7岁、76.1岁。此外,2010年后,文盲率对地区平均预期寿命表现出显著的负向作用。

2020年,医疗卫生资源水平对平均预期寿命的影响开始凸显。其中千人口卫生技术人员数对于多数地区平均预期寿命以积极影响为主,如2020年千人口卫生技术人员数最多的研究单元北京, 其平均预期寿命为82.5岁,显著高于全国平均水平的77.9岁。但新疆、青海和西藏千人口卫生技术人员数却与当地平均预期寿命呈负相关关系,两者之间的错位现象突出。其中青海千人口卫生技术人员数约为 8.26 人,位列 31 个研究单元的第7位,而其平均预期寿命却位处倒数第2位,表明西部地区尽管卫生技术人员数量相对具有保证,但专业素质和医疗设备与东部发达地区仍存在客观差距。

另外,在自然环境维度中,绿地和园林面积对我国的平均预期寿命具有显著的正向作用,回归系数的分布格局总体呈现“西高东低”的分异特点。并且呈现出绿地园林面积水平越低的地区回归系数越高,如位于西部的青海、新疆等2000-2020年回归系数均在0.2左右,表明此类地区健康水平受环境的制约作用更强。

3 讨论

3.1 我国中、西部地区人口健康关联结构相比东部较为松散,有助于健康促进机制的重构

本研究显示,我国人口平均预期寿命的分布具有明显的路径依赖特征。东部地区人员稠密,拥有扎实的经济基础和较高的对外开放水平,具有高层次的医疗卫生服务需求和供给,尤其在2000年后高速交通的便利化下,医疗卫生资源从核心城市逐步向外蔓延,跨区域推动东部地区医疗卫生水平的整体性发展,形成了“垄断性”的健康优势[26],并且从I型研究单元的占比来看,医疗卫生资源整体性的发展使得东部地区的健康优势结构较为稳固。而西部的新疆、西藏等则长期处于资源被剥夺的境况,医疗卫生资源不均衡现象突出,平均预期寿命水平整体较低,健康关联效应较弱,处于“健康相对贫困”的地位。不过尽管这种健康不均衡的空间局面短期内难以彻底扭转,但此种锁定特征呈现减弱的态势,这也意味着此类地区更易受到外力的干预,从而有助于现有落后局面的打破和地区间健康促进机制的重构。尤其伴随“新医改”和“健康中国”战略的逐步深入,资金、技术、人力不断向西部地区倾斜,健康产业、健康服务、健康保障多方面发力,地区间健康水平的绝对差距逐步缩小[27],未来可通过“健康中国”战略这一全局性力量,针对中、西部地区健康薄弱的环节,构建跨区域的医疗卫生协作体系,以信息化促进优势地区医疗资源的横向流动。

3.2 我国人口健康水平的空间分异格局受到经济、人口、环境和医疗卫生因素的影响

我国不同地区人口健康水平在空间上的分异首先受到社会经济基础的制约。经济水平的高低直接决定地区教育、环境、医疗卫生治理的现实可能性,也是地区人口健康保障的必要条件[3],因而人均GDP较高的地区,地区总体的健康水平也相对较高。城乡收入比对于平均预期寿命具有显著的消极影响,以2000年为例,我国城乡收入比最高的10个研究单元与城乡收入比最低的10个研究单元平均预期寿命分别为66.0岁和70.5岁。收入水平的差距决定人群医疗卫生保障能力和生活条件存在客观差异,同时,较大的收入差距会导致收入较低的群体具有更大的社会压力,对收入和生活水平的焦虑和不满也会导致更多如吸烟、酗酒等有损健康的行为[10,13]。可见改善收入分配结构,共同富裕、推动城乡一体化发展不仅是社会经济可持续发展的应有之义,同时对于提高地区健康水平、促进平均预期寿命的提升也具有重要意义。

人口特征方面少数民族比例和文盲率与平均预期寿命之间存在显著的负相关关系。比如我国中西部地区即为少数民族的主要聚居地区,文盲率也相对较高,其平均预期寿命持续低于我国平均水平。以往研究指出种族、民族间平均预期寿命的差异本质上是经济、教育、婚姻生育观念等因素的割裂所导致的[28-29]。而文化水平和识字水平的局限对于儿童的哺育、照料以及健康观念的发展和卫生知识的接受都有显著的阻碍效应,从而对健康水平造成消极影响。这也表明,促进少数民族经济和医疗卫生条件的发展以及积极生育观、科学健康观的普及能够进一步提高少数民族地区人口的健康水平。另外,医疗卫生资源中卫生技术人员作为医疗卫生服务的重要载体,在人群中比例的提高有利于地区的就医保障,从而对于地区健康水平的提升具有显著的积极影响。环境因素方面,人均绿地和园林面积的正向作用也表明了生活环境对于人群健康的重要性,人均绿地和园林面积的提高会激励公民的锻炼和健康行为,从而能够减少如肥胖、高血压等疾病的发生,有助于地区的健康促进[30]。

基于以上讨论,在“健康中国”战略实施的背景下,健康目标应更主动地融入各相关部门、促进政策落地以解决健康不公平问题。其次,应当关注健康交互作用结构更为松散的中、西部地区,吸取类型向好的跃迁单元如重庆、江西等的发展经验,通过经济、人口、环境和医疗卫生因素的作用重构健康促进的协同机制,以点带面,统筹改善地区的健康水平。