我国农村人口的健康状况及影响因素，本文主要内容关键词为：健康状况论文,农村人口论文,因素论文,我国论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
一、引言
从Grossman（1972）开创性的研究开始，Grossman模型成了研究健康的标准模型。国际上对健康的需求通常在人力资本的框架下进行，例如Wagstaff（1986,1993），Sickles和Yazbeck（1998）。
教育与健康同时是人力资本的两个组成部分，但相对于教育，对我国健康的经济学研究还比较少。近期的研究包括张车伟（2003）研究了营养、健康与效率的关系；王丽敏、张晓波和Coady（2003）采用儿童死亡率和儿童发病率作为健康的指标研究了我国健康的不平等；刘国恩等（2004）分析了我国健康人力资本对收入增长的作用；赵忠和侯振刚（2005）研究了我国城镇居民对健康的需求。
除了学术上的重要性外，研究健康也有重要的经济和社会意义。世界银行（1993）在其年度发展报告中专门讨论了健康、卫生政策与经济发展的关系。对我国而言，一方面，我国提出了全面建设小康社会的目标，提高我国人民的生活质量是今后我国发展的一个重要目标，而健康是人们生活质量的重要组成部分。另一方面，健康和教育一样，是人力资本的主要组成部分，投资于健康可以直接提高社会生产力。了解我国农村人口的健康状况及其主要影响因素有助于政府在相关领域的政策制定。
本文在Grossman模型的框架下，利用中国健康和营养调查（China Health and Nutrition Survey,CHNS）数据来分析影响我国农村人口的健康状况及其决定因素。
要准确描述我国农村人口的健康状况，分析其背后的影响因素，就必须对健康进行度量。然而如何度量健康历来是卫生经济学研究中的困难。与Gerdtham和Johannesson（1999）、刘国恩（2004）等一样，我们采用自评健康状况作为度量健康的指标。前人的研究表明（例如Kaplan and Camacho,1983）此指标反映了个人健康的重要信息，是能对死亡率、发病率作出很好预测的变量。当然这种度量方法并不完美，自评健康状况与真实的健康之间可能存在偏差，但其他方法，例如健康调整的生命年（health-adjusted life years,HALY）、质量调整的生命年（quality-adjusted life years,QALY）和伤残调整的生命年（disability-adjusted life years,DALY）等等也存在度量误差。
本文的目的有3个：一是描述我国农村人口的健康状况；二是发现影响农村人口健康的经济与社会因素；三是检验Grossman模型在我国农村的适用性。
我们的研究表明我国农村人口的健康状况与主要社会经济变量之间的关系基本符合Grossman模型的理论预测。在制定关于我国农村健康的政策时，应把Grossman模型作为一个重要的理论依据。
年龄与健康之间呈非线性关系，大约30岁以前为正向关系，30岁以后健康随年龄增长而下降，而且成加速趋势。我们还发现男性健康开始恶化的年龄比女性早。
相对于在村庄的农村居民，城郊的农村居民健康状况更差。一方面住在城市郊区的农村居民感受到了城市化带来的污染、压力、喧嚣等诸多坏处，但由于户口制度的限制，无法享受到城市的很多福利制度，城市化加速了健康资本折旧，因而他们的健康恶化了。另外一方面收入不平等及相对收入水平对健康有显著的影响。相对于在村庄的农村居民，城郊的居民更能感受到城乡之间的收入差距，而且在很多服务和商品上需要支付与城镇居民一样，甚至更高的价格。
教育对健康有显著的正的影响。教育对健康有正向的作用，在实践中可以把教育作为提高健康的一个手段，达到一箭双雕的目的。一方面通过教育可以直接产生人力资本，提高人口素质和收入水平；另一方面教育可提高健康水平，减少医疗费用。
我们还发现女性的健康比男性差。婚姻状况对健康的影响为正，但婚姻对女性的影响更明显。是否有医疗保险对健康的影响不显著。个人收入对健康的影响统计上显著，但经济上不显著。
计量结果显示家庭越大，家庭成员的健康状况越好。这一定程度上反映了农村家庭中大家庭能共享更多资源、分担更多风险的情况。
与国际上对发达国家的研究不一致，我们发现在我国体形偏胖与健康之间的关系不显著，但偏瘦对健康有显著的负面影响，尤其对女性。这符合我国还是发展中国家的实际情况，在我国农村，营养不良而不是饮食过度对健康更为重要。
文章剩下的部分如下：第二部分简要介绍Grossman模型及其理论预测，并在Grossman模型的基础上提出基本的计量模型。第三部分讨论CHNS数据和描述性统计。第四部分是计量估计的结果。第五部分小结和简要评论。
二、Grossman模型简介①
在国际上，经济学家很早就把健康看作人力资本的一个组成部分。Mushkin（1962）认为健康和教育同为重要的人力资本。Becker（1964）认为人力资本是多年的连续教育、良好的健康、充足的食物和营养的结果。
在前人研究的基础上，Grossman（1972）第一次构建了用来分析健康需求的理论模型，提出了健康资本的概念，明确健康资本是人力资本的一种。在Grossman模型中，健康与教育不同之处在于健康主要是通过增加可劳动的时间（可以健康劳动的天数），而非主要通过增加生产率来提高收入能力的。
把健康理解为投资品，是Grossman的重要贡献。和其他任何投资品一样，人们对健康这种投资品的需求也是由投资于健康的收益与成本决定的。均衡状态时对健康的需求随收益的提高而增加，随成本的增加而减少，健康的边际收益与边际成本相等时决定了投资健康的最优水平。
健康的收益来源于两方面：其一是直接的货币收益，也就是健康增加导致的生病时间的减少，增加了劳动时间，从而增加了收入，这在我国的农村人口中尤为相关；其二是健康进入人们的效用函数，可以直接带来效用，而其他投资品一般只有货币收益。
投资于健康的成本部分同其他资本品一样，包括利率和折旧两部分。但健康是不可能直接取得的，这同我们可以直接到商店购买某种商品，到银行购买某种债券有本质的不同。理论上可认为健康是通过Becker（1965）的家庭生产方式来取得。人们虽然不能直接购买健康，但可以购买用来产生健康的投入品，例如医疗服务。这些市场上可购买到的商品再加上自己的时间就可以用来生产健康。通常认为生产健康的两个主要投入是医疗卫生服务与时间。
在Grossman模型下，我们可以预测各种社会经济因素对健康的影响。卫生服务作为生产健康的主要投入品，如果卫生服务的价格升高，自然会导致健康的成本上涨，使对健康的需求下降。
劳动报酬水平的提高则反应了时间价格的提高。劳动报酬提高后，一方面从健康的劳动时间中得到的收益会上升，这会引起健康收益曲线的外移和对健康需求的增加。但另一方面生产健康需要时间，时间价格（劳动报酬）的提高也会导致健康成本的增加，引起对健康需求的减少。
时间也是生产健康的主要要素，由于每个人可供支配的时间是固定的，因而用于劳动和用于提高健康的时间成反比关系，显然在其他因素不变时，劳动时间过长会导致健康的下降。
年龄对健康的影响是通过两个渠道发生作用的。文献一般认为随着年龄的增长，健康资本折旧率会逐渐增大。因而在其他因素不变的情况下，健康随年龄的增长而恶化。同时随着年龄的增长，投资于健康的收益期逐渐缩短，因而人们对健康的投资需求也会减少。
教育是文献中大家关心的另外一个变量。在家庭生产函数中，教育和健康两种人力资本存在互补性，教育水平的提高会导致生产健康这种人力资本的生产率的提高。
我们的实证研究将围绕上述因素来探讨我国农村人口健康的影响因素。基本的计量模型如下：
健康需求＝β[,0]＋β[,1]年龄＋β[,2]劳动报酬＋β[,3]卫生服务价格＋β[,4]教育＋ε
（1）
年龄用来代理折旧率，劳动报酬和卫生服务价格反应了健康的影子价格（成本）。在实际估计和检验中，我们将对上式进行不同形式的变换，并考虑性别、地区差异、家庭大小、收入水平等等的影响。
三、数据与描述统计
CHNS数据：本文用的数据是中国健康和营养调查（China Health and Nutrition Survey,CHNS）数据。CHNS数据是包括1989年、1991年、1993年、1997年和2000年5个年度的面板数据（panel data），样本覆盖了我国沿海、中部、西部等地区的9个省份②。CHNS采用多段随机抽样的方法（multistage,random cluster sampling），在抽样时同时兼顾不同大小和收入水平的城市或县城，样本中包含有城市居民和农村居民。CHNS为健康和营养方面的研究者提供一个难得的具有全国代表性的样本，数据中关于健康和营养方面的非常丰富的信息也是我国其他全国性数据无法比拟的。
由于本文进行的是截面分析，我们选用最新的2000年的数据，数据共有15648个样本点（个人），其中农村人口约占70％。由于本文的主题是农村人口的健康需求，因而我们只使用农村数据。同时经济学研究的是面临预算约束，经济行为人的最优行为。具体到本文，我们感兴趣的是人们在最优化效用水平，在不同的消费需求中进行权衡取舍，确定最优的健康需求时，哪些因素在起作用？而上述行为一般只有成年人才可以完全独立自主的决定，所以我们把样本进一步限制为18岁以上的成年人。同时为避免自然衰老对健康的影响，我们最终的样本为18岁（含）到55岁（含）的农村居民，样本量为5158人，其中女性2671人。Grossman模型研究的对象也是成年人口。
在下一节回归分析的模型设定中，我们还会考虑对滞后健康状况进行控制的情形，此时我们会用到1997年的数据。
描述统计：在CHNS中，被调查者要求用优、良、中和差对自己的健康状况进行描述。与Gerdtham和Johannesson（1999）、Case,Lubotsky和Christina Paxson（2000）、Currie和Stabile（2001）、刘国恩（2004）等一样，我们也采用自评健康状况作为度量健康的指标。
图1比较了农村人口与城镇人口的健康状况。柱状图表示的是农村人口与城镇人口健康为优、良、中、差各组的百分比之差。从全部样本看，农村人口健康为优、良和中的比例比城镇人口高。9个省份中除湖南外，城镇人口健康为差的比例都大于农村人口。但总体而言，城乡之间的自评健康状况不存在很大的差异。这与城乡之间收入的巨大差距形成了明显对比。从表1看出，2000年相对应的9个省份农村人均纯收入仅为城镇人均可支配收入的40％，其中贵州最低，不到30％。
表1 2000年我国农村与城镇个人年收入（单位：元）
九省平均 广西 贵州 河南 湖北 湖南 黑龙江辽宁 江苏 山东
农村纯收入 2272.037 1864.51 1374.16
1985.82
2268.59
2197.16
2148.22
2355.58
3595.09
2659.2
城镇可支配收入 5669.671 5834.43 5122.21
4766.26
5524.54
6218.73
4912.88
5357.79
6800.23
6489.97
农村为城镇的％ 0.400735 0.31957 0.268275 0.416641 0.410639 0.353313 0.437263 0.439655 0.528672 0.40974
资料来源：中国国家统计局网站：http://www.stats.gov.cn/tjsj/ndsj/2001c/j1012c.htm和http://www.stats.gov.cn/tjsj/ndsj/2001c/j1019c.htm。最后访问时间：2005年11月25日。
图1 2000年我国农村与城镇健康状况比较
资料来源：作者计算自CHNS2000年数据。
图2是优、良、中、差各组的频率分布。各省的分布情况大体相同。健康为优的比例最低，大部分省份不到5％，全部省份均不到10％。健康为中的比例最高，大约为50％～60％。很大一部分人口的健康为差，其中山东与黑龙江1／3的农村人口健康为差。江苏与山东两个沿海省份有20％的农村人口自评健康为差；而广西与贵州两个西南省份相对应的百分比不到5％。
图2 2000年我国农村分省自评健康状况
资料来源：作者计算自CHNS2000年数据。
图3和图4分别表示我国农村女性和男性的健康状况。不论男性还是女性，都是健康为优的比例最低，为中的比例最高。分性别看，仍然是东北省份健康为差的比例高于其他省份。总体而言，女性健康为优和良的比例略高于男性，为中和差的比例低于男性。除湖北省外，上述情形在各省都存在。
图3 2000年我国农村女性分省自评健康状况
资料来源：作者计算自CHNS2000年数据。
图4 2000年我国农村男性分省自评健康状况
资料来源：作者计算自CHNS2000年数据。
表2是用于计量分析的主要变量。在5158个观测点中，女性占51.8％。农村人口中约30％住在城郊。样本中仅有小学文化的人口占了近一半，大学及大学以上教育程度的不到2％。男性的教育程度比女性高。15％的样本点为已婚，家庭的平均大小为4口之家。85％的人口参与了劳动力市场。农村人口中仅有14％有任何形式的医疗保险。治疗一次感冒的平均费用为27元，相当于一天的劳动报酬③。
四、实证分析结果
此节我们详细分析影响我国农村人口健康的因素。我们用自评健康状况作为衡量健康的指标。用｛4、3、2、1｝来表示｛优、良、中、差｝。对有序的类别变量，一个自然的选择是采用ordered probit模型进行分析。
计量结果：表3到表6是ordered probit模型估计的结果。表3包括Grossman模型中的基本的变量。在表3中，我们对年龄采取两种设定。一种是在回归中加入年龄、年龄的平方项和年龄的立方项，另外一种是采取年龄组虚拟变量的方式。两种方法都是为了反映健康与年龄之间非线性的关系。从估计的结果看，年龄的系数为正，平方项为负，表明年龄对健康的影响为倒U型。在采用年龄组虚拟变量的结果中，我们可以更清楚地看到30岁以前，年龄与健康的关系为正向关系，30岁以后，年龄对健康的影响为负，而且随年龄的增加，影响的幅度越来越大，统计上的显著程度也越来越高④。
表3还显示教育程度与健康之间存在正向关系，虽然并不是所有的教育组的系数都显著。这与Grossman模型的预测是一致的。教育程度高的人，他的家庭健康生产函数更有效率。例如他有更良好的生活习惯、在疾病预防与治疗方面更能做出有利于自己健康的决定。
性别对健康有显著的影响，女性的健康比男性差。婚姻状况对健康的影响为正，但婚姻对女性的影响更明显。家庭大小和是否有医疗保险对健康的影响不显著。
治疗一次感冒的费用（用来作为医疗服务价格的代理变量）的系数为正。此系数虽然在统计上显著，但在经济上并不显著，即系数很小，约为0.003，因而对健康的影响程度不大。但这系数的符号与Grossman模型的预测不符，也与人们的直觉相悖。这可能因为此费用水平在一定程度上还反映了当地的经济发展水平，经济越发达的地区，治疗感冒的费用越贵，同时人们的健康水平也可能比较好。
表4加入了省份虚拟变量、个人收入及是否住在城郊的虚拟变量。年龄与健康的关系基本与表3一致。全部样本而言，30岁以前为正向关系，30岁以后健康随年龄增长而下降，而且成加速趋势。分性别看，男性年龄与健康的关系仍然在30岁以后变负，但女性变负的年龄为35岁以后。
教育与健康的关系也保持了表3中的正向关系，但此时统计上的显著程度更高。除男性组中“高等教育及以上”这一虚拟变量外，所有系数都在5％的水平上显著为正，而且系数也比表3中的大。
女性虚拟变量、是否有医疗保险、婚姻状况及治疗感冒的费用对健康的影响与表3中发现基本一致。但家庭大小的系数不仅为正，而且变显著了。家庭越大，家庭成员的健康状况越好。这一定程度上反映了农村家庭中大家庭能共享更多资源、分担更多风险的情况。
在此模型设定下，值得注意的是“是否住在城郊”这一虚拟变量的系数，不论是对全部样本还是男女分开估计，都不仅统计上显著为负，而且经济上也很显著。对此有两种可能的解释：一种解释是住在城市郊区的农村居民感受到了城市化带来的污染、压力、喧嚣诸多坏处，但由于户口制度的限制，无法享受到城市的很多福利制度，因而他们的健康恶化了。文献中也把城市化作为加速健康资本折旧的一个因素，见Gerdtham和Johannesson（1999）。另外一种解释是不平等与相对收入水平对健康有显著的影响，见Macinko等（2003）的综述。相对于住在村庄的农村居民，城郊的农村居民更能感受到城乡之间的收入差距，而且在很多服务和商品上需要支付与城镇居民一样甚至更高的价格。
个人收入虽然在通常的统计水平上有显著的正影响，但在经济上并不显著，系数仅为0.000045，对健康状况处于优、良、中、差各组概率的影响微乎其微。
表5加入了根据身体质量指数（body mass index,BMI）定义的体形偏瘦、体形偏胖两个虚拟变量。BMI一定程度上反映了健康水平，因此把体形偏瘦、体形偏胖两个虚拟变量作为控制变量存在内生性的问题。我们把它们放入模型中是为了与国际上的研究进行比较。体形偏胖与健康之间的关系不显著，但体形偏瘦对健康有显著的负面影响，尤其对女性而言。这与国际上的发现不一致（Gerdtham和Johannesson,1999），但我们的发现更符合我国农村的实际情况。我国还是发展中国家，广大农村人口还比较贫困，因而营养不良而不是饮食过度更与我国农村人口的健康相关。
表6在表4的基础上，对以前的健康状况进行了控制，在模型中加入了1997年的自评健康状况作为解释变量。1997年的数据不包括辽宁省，因此控制滞后健康状况的分析不含辽宁省的人口。
显然以前的健康状况与现在的健康高度相关。但控制滞后的健康状况后，表4中关于年龄、教育、婚姻状况、性别、个人收入、是否住在城郊及是否有医疗保险的基本结论不变。它们与农村人口健康状况之间的关系是稳健的。
讨论：赵忠和侯振刚（2005）分析了影响我国城镇人口健康的因素。他们使用生活质量指标（quality of well-being scale,QWB）（Kaplan and Anderson,1988）而不是自评健康状况作为衡量健康的指标。他们发现在城镇，女性的教育程度对健康有正的影响，但男性的教育程度对健康的影响不显著，而我们则发现在农村，教育程度对男性和女性的健康都有正的显著影响。他们发现年龄对男性健康的影响比女性大，这与我们的发现是一致的。他们的研究表明收入对健康的影响不显著。而我们的研究发现收入虽然在通常的统计水平上有显著的正影响，但在经济上并不显著，对健康的影响微乎其微。因此两者的结论基本吻合。
从实证分析的结果看，我国农村人口的健康状况与主要社会经济变量之间的关系基本符合Grossman模型的理论预测，而且不同模型设定下得到的结果是比较稳健的。在制定关于我国农村健康的政策时，应该把Grossman模型作为一个重要的理论依据。
缩小城乡差距是我国一个长期的目标。城乡差距是多方面的，包括教育程度、健康状况、收入水平等等方面的差距。其中收入水平的差距受到了广泛的注意。从理论说，收入水平的差距不外乎来源于两方面：其一是对农村的歧视性政策；其二是农村人口与城镇人口的差异，其中教育与健康的差异最为重要。
从个人自评健康状况来看，我国城乡之间健康状况的差距没有城乡收入的差距那样严重。一个可能的解释是归功于我国以前的农村初级卫生服务体系。在旧的农村初级卫生服务体系瓦解，新的体系还未建立时，如何使我国城乡之间的健康差距不扩大是一个重要的课题。
本文发现住在城郊的农村居民健康状况更差，表明城市化对健康可能带来的负面影响。如何在城市化的过程中，减少对生存环境的破坏和对健康的负面影响是一个值得注意的问题。
我们的计量结果显示家庭越大，家庭成员的健康状况越好。这一定程度上反映了农村家庭中大家庭能共享更多资源、分担更多风险的情况，表明我国农村的信用制度、保险体系还处在很初级的阶段。靠亲朋好友分担风险、调剂余缺是很没有效率
本文采用自评健康状况作为衡量健康的指标，这一指标可能会存在一些偏差。例如自我评价可能会受到周围人群的影响；低收入的人群更倾向于报告比较差的健康状况等等。这些是在解释本文的结论时需要注意的。但从现有的研究看，这一指标比较好地反映了健康的情况。
五、小结
本文在Grossman模型的框架下，利用中国健康和营养调查数据来分析影响我国农村人口的健康状况及其决定因素。我们采用自评健康状况作为度量健康的指标。
模型估计时，我们从基本的Grossman模型入手，逐渐加入新的控制变量。在模型的各种设定中，我们发现年龄、教育、性别、婚姻状况、医疗保险等基本变量与自评健康状况间的关系是稳健的。
我们的研究表明年龄与健康呈非线性关系，大约30岁以前为正向关系，30岁以后健康随年龄增长而下降，而且成加速趋势。随年龄的增长，影响的幅度越来越大，统计上的显著程度也越来越高。
相对于在村庄的农村居民，城郊的居民健康状况更差。城市化加速了健康资本折旧。住在城市郊区的农村居民感受到了城市化带来的污染、压力、喧嚣诸多坏处，但由于户口制度的限制，无法享受到城市的很多福利制度，因而他们的健康恶化了。不平等与相对收入水平对健康有显著的影响，相对在村庄的农村居民，城郊的居民更能感受到城乡之间的收入差距，而且在很多服务和商品上需要支付与城镇居民一样甚至更高的价格。
教育对健康的有显著的正的影响。教育对健康有正向的作用，在实践中把教育作为提高健康的一个手段，可以一箭双雕。一方面通过教育可以直接生产人力资本，提高收入水平；另一方面教育可以提高健康水平，减少医疗费用。
女性的健康比男性差。婚姻状况对健康的影响为正，但对女性的影响更明显。是否有医疗保险对健康的影响不显著。个人收入对健康的影响统计上显著，但经济上不显著。
家庭越大，家庭成员的健康状况越好。这一定程度上反映了农村家庭中大家庭能共享更多资源、分担更多风险的情况。
与国际上对发达国家的研究不一致，我们发现在我国体形偏胖与健康之间的关系不显著，但偏瘦对健康有显著的负面影响，尤其对女性。这符合我国还是发展中国家的实际情况。
注释：
① 对Grossman模型的详细介绍及数学推导，见Grossman（1972,2000）。赵忠（2005）提供了一个带数学模型的中文介绍。
② 1989、1991和1993年包括的省份是广西、贵州、河南、湖北、湖南、江苏、辽宁和山东8个省份；1997年由黑龙江替代了辽宁，其他省份不变；2000年的数据包括黑龙江和辽宁在内全部9个省份。
③ 样本中的平均劳动报酬为131元／周。
④ 因为年龄组虚拟变量的方式更清晰地揭示出了健康与年龄的关系，在以后的模型中我们采取此方式，而不用加入年龄高次项的方法。