中国人口健康分布的时空变化与影响因素

杨振　刘会敏　王晓霞

摘 要：该文利用最近3次人口普查获得的资料，对我国省级层面的人口健康分布的时空变化特征与影响因素进行分析。结果表明：1）近20年我国居民总体的健康状况得到较大改善，但人均预期寿命存在明显的省际差异，呈现西部较低、中部次之、东部最高的空间梯度特征，差异程度随时间不断降低；2）各地区健康分布并非表现出完全的随机性，而是在总体上呈现出一定的空间集聚趋势，但集聚趋势随时间变化有所弱化；3）地区人均预期寿命的增加速度与初始水平负相关，初始水平较低的地区增速普遍高于初始水平较高的省区，空间收敛趋势明显；4）人均GDP、食物支出占比、森林覆盖率与废水处理达标率等指标较高的地区的预期寿命相对较高，城市化的快速推进与医疗设施禀赋变化对人口健康的净效应总体为负。

关键词：健康分布；时空变化；空间关联；收敛性；影响因素

中图分类号：K901.3 文献标识码：A

人口健康分布存在明显的地区差异，例如美洲、欧洲和西太平洋地区的人均预期寿命目前已普遍达到76岁，而非洲仅56岁，其中的中非和刚果共和国不足50岁[1]。一个国家或地区的健康水平与当地的自然禀赋和环境质量密切相关，适量的日照、清洁的空气、宜人的气候、洁净的水源等因素对控制人体生物节律、保持正常代谢、增强免疫功能、促进生长发育等具有积极作用；伴随快速工业化、城市化而来的废水、废气与废渣的过量排放，超过了自然系统的消纳能力，将造成短期或长期的健康损害。在生命周期中，除年龄外，环境污染是影响健康折旧率的重要因素，污染严重地区的居民普遍面临着健康存量加速折旧的冲击。政府增加针对污染的治理投入则有助于预防和减少疾病、降低死亡率和增加预期寿命[2]。一些研究还发现，区域经济水平、生活习惯、医疗服务、文化教育等人文因素与人口健康也有较高的相关性，其原因可能在于，经济发展状况与社会总体的食品供给保障、公共卫生建设、生态环境保护投入等密切相关，人均GDP较高的国家或地区健康水平往往较高，而贫穷地区能够用于国民健康的资源往往捉襟见肘[3]。然而，部分学者也注意到，一些发达国家和地区的居民因不良生活习惯和生活方式，引发了较多的肥胖病、冠心病、糖尿病、脂肪肝等“富裕病”，非感染性疾病已成为这些地区人口死亡的重要原因[1]。医疗保健与卫生服务对预防和治疗疾病、提升健康有积极作用，但实证研究中也经常发现医疗禀赋较好地区的发病率、死亡率也较高，预期寿命与医疗投入水平负相关[4]。居民受教育水平通过就业机会、工作环境、收入水平、心理状态等中介变量对健康产生影响，教育鸿沟的出现会在一定程度上扩大不同种族、地区的健康差距[5]。

改革开放以来，我国城乡居民健康状况得到明显改善，学界关于健康问题的理论研究正处于蓬勃发展的起步阶段。综合而言，当前关于人口健康分布的相关成果中既有对某一区域各时期健康水平的纵向比较研究[6]，也不乏一些地区之间健康水平的横向比较分析[7]，但比较缺乏从纵、横两个维度联合起来的时空变化分析成果，对全国各地区健康分布变化的未来趋势尚没有一个清晰的总体判断，对相关因素的影响作用总体上还处于经验认知水平上。基于此，本研究以我国最近3次人口普查数据为基础，构建空间关联模型和收敛性检验模型，对1990年以来各地区健康分布的时空变化特征与变化趋势进行研究，同时利用主成分回归方法探讨健康分布的影响因素与作用机制，为我国医疗资源配置与健康地理学创新研究提供参考依据。

1 研究思路与方法

1.1 健康指标选择

由于人口健康的概念内涵非常丰富，目前尚没有一个独立的指标能完全概括它应包含的所有方面，通常使用一个或几个指标来描述它的一些主要特征。例如，Fogel和Arora分别使用社会总营养水平、成年人身高作为地区健康的代理变量，世界卫生组织将经残疾率校正的预期寿命和儿童死亡率作为评测国家和地区总体健康水平的指标，联合国则采用预期寿命、婴儿死亡率、儿童死亡率3个指标。世界卫生统计报告指出，人口死亡率及根据死亡率计算的预期寿命能够较好地反映一个国家或地区人口的整体健康状况。国内的一些研究也主要使用预期寿命、死亡率衡量地区健康水平。参考上述成果并基于资料限制，本研究使用出生时平均预期寿命作为衡量全国及各地区健康水平的表征指标。人口出生时平均预期寿命反映了地区新出生人口平均预期可存活的年数，是假设当前分年龄死亡率保持不变的条件下同一时期出生的人预期能够继续生存的平均年数。该指标包含了死亡率的大部分信息，简单明了，并且可以从国家人口普查资料中获得相关数据。

1.2 空间集聚性判定

空间集聚性是健康分布的重要性质，描述了与地理位置相关的健康数据之间的空间联系特征，这里引入全局Moran's I指数的计算和检验来完成[8]。该指数的取值范围为[-1，1]，计算方法如式（1）所示，其中xi、xj为地区i、j的人口出生时平均预期寿命， ■为x的全国均值，wij为空间邻接矩阵的元素，表示各地区之间的地理邻接关系，确定方法见式（2），其中的n为地区个数。基于正态分布假设，对Moran's I指数通常采用其标准化的统计量Z（I）检验n个地区之间是否存在显著的空间集聚趋势。当Z（I）为正且显著时，表明健康分布存在正的空间自相关，意味着预期寿命相似的地区趋于空间集聚，在地理空间上形成一个或多个明显的高值集聚区或低值集聚区；当Z（I）为负且显著时，表示预期寿命相似的地区趋于分散分布；Z（I）为零则表示预期寿命观测值呈独立随机分布。

Moran′s I = ■ （1）

w■=1 地区i和j邻接0 其他 （2）

1.3 变化收敛性检验

人口健康分布变化收敛性检验的实质是确定预期寿命初始水平较低的地区是否具有比高寿区更高的增长率，以此判断不同地区的健康水平未来是否存在所谓的趋同趋势，亦即收敛趋势。借鉴经济学研究中的收敛性检验方法[9]，本文构建的健康分布变化的收敛性检验模型如式（3）所示，其中xit表示地区i在考察期初t的人口平均预期寿命，xiT表示地区i在考察期末T的平均预期寿命，t-T为考察时段；α为常数，b为收敛系数。若b小于0，表示地区人均预期寿命的增长速度与其初始水平呈负相关关系，说明初始水平較低地区的预期寿命增速快于水平较高的地区，各地区人口预期寿命差异存在随时间减小的趋势，即收敛趋势。若b大于或等于0，表示各地区预期寿命变化不存在收敛趋势，而呈现发散态势。

■ln■=a+blnxit+？着it （3）

2 研究结果与分析

2.1 人口健康分布的差异特征

根据1990、2000、2010年全国人口普查资料，3个年份全国尺度的出生时平均预期寿命分别为68.55岁、71.40岁、74.83岁，20年增长了6.28岁，年均增长0.31岁。这一增速无论与发达国家还是发展中国家相比都不逊色。在省区尺度上，各地区预期寿命均有所增长，但增幅存在明显差异。表1显示，1990年预期寿命最小值出现在西藏，为59.64岁，最大值出现在上海，为74.90岁，二者相差15.26岁，各地区标准差为3.49岁。相比于1990年，2000、2010年的预期寿命最小值分别增长到64.37岁（西藏）、68.17歲（西藏），最大值增长到78.14岁（上海）、80.26（上海），极差则减少为13.77岁、12.09岁，标准差缩小到3.14岁、2.70岁。由此可见，20年间我国人口整体的预期寿命在大幅提升的同时，省区层面的差异在不断缩小。对全国3大地带进行分区统计，发现1990年东部各省份的预期寿命均值为71.41岁，中、西部分别为67.98、65.30岁，2000、2010年东、中、西部预期寿命均值则分别达到为74.21、71.40、68.42岁与77.28、75.08、72.62岁，均呈现明显的“东部较高、中部居中、西部最低”的空间梯度差异特征。从3大地带之间的差异看，除2000年的中、西部差异比1990年稍大外，其他年份各地带之间的差异均呈现出不断缩小的特点（表1）。

为进一步考察不同地区健康水平的时空对比关系，将3个年份所有的样本数据作为分类对象进行空间聚类分析。利用常用的K-means距离聚类法，根据中心值65.6491、71.1823、75.8690将所有样本划分为3个类型组，分别命名为预期寿命低水平组、中水平组和高水平组，结果如表2所示。显示2010年的西藏、2000年的贵州、云南、西藏、甘肃、青海、新疆与1990年的吉林、黑龙江、江西等合计22个省份同属于低水平组，说明这些省区的健康水平处于较低层次，意味着2010年西藏的预期寿命仅相当于贵州、云南等省份2000年的水平以及吉林、黑龙江、江西等省份1990年的水平。低水平组内多为1990年的中、西部省份与2000年的西部省份，无东部省份。中水平组内的样本相对多样，三大地带内3个年份的省份均有涉及，但总体上以1990年的东部省份、2000年中、西部省份和2010年的西部省份为主。高水平组则以2010年的中、东部省份为主，西部省区较少，明显反映了西部地区健康水平落后于中、东部的时空特征。

2.2 人口健康分布的变化趋势

根据式（1）、（2）计算3个年份的Moran's I指数，发现1990年各地区预期寿命的Moran's I指数为0.5443，且通过5%的显著性检验，表明我国人口预期寿命存在显著的正向自相关，说明从统计学意义上看，各地区健康水平分布并非表现出完全的随机性，而是在宏观上呈现出一定的空间集聚趋势，健康水平较高的省区相对地趋向于和较高水平的省区相邻，健康水平较低的省区相对地趋向于和较低水平的省区相邻。2000、2010年预期寿命的Moran's I指数分别减少到0.5136、0.4399，且均通过5%的检验，说明这两个年份的健康分布也存在明显的空间集聚趋势，但与1990年相比集聚性降低，分散化趋势相对增强。

根据公式（3）对1990年～2000年、2000年～2010年、1990年～2010年3个时段的人口预期寿命的收敛性进行检验，结果如表3所示。1990年～2000年时段检验方程的F值为12.075，说明该方程在5%的置信水平下显著；R2为0.294，表明预期寿命年均增长变化的29.4%可以由其初始水平进行解释；收敛系数b为-0.021，小于0且通过5%的显著性检验，表明初始水平较低地区的预期寿命增速快于水平较高的地区，初始水平较高的地区的预期寿命增速慢于水平较低的地区，两类地区的预期寿命差异存在随时间而减小的趋势，最终会趋同或收敛于某一较高水平。对2000年～2010年的收敛性进行检验发现，相对于前一时段，预期寿命初始值对其增长率变化的贡献度进一步加大，由29.4%增加到55.3%，输出方程的显著性也有所增强。但收敛系数b的绝对值有所降低，由前一时段的0.021降低到0.020。就1990年～2010年全时段的总体情况看，收敛系数b为-0.018，收敛速度稍低于两个分时段。不同地区健康水平存在收敛性的主要原因可能在于：第一，人类的健康发展水平有着严格的生物学极限，预期寿命不可能无限提高，存在所谓的“天花板”效应。第二，近些年各地区健康水平普遍达到较高水平，经济发展、医疗进步、营养改善等因素对健康提升的边际效应开始呈现差异化的递减趋势，对低寿区人口的促进效应较大，高寿区较小，由此导致了不同地区健康提升速度的差异，引致预期寿命的趋同。

2.3 人口健康分布的影响因素

现代健康观认为，人口健康受到多种因素的影响，与当地的自然、人文条件密切相关[10]。根据Grossman提出的健康生产函数并考虑数据的可得性等因素，这里重点从区域经济发展水平（x1）、社会发展状况（x2）、居民生活水平（x3）、自然环境禀赋（x4）、污染处理状况（x5）、医疗卫生资源（x6）等6个方面建立人口健康分布的影响因素集。其中，①经济发展水平用人均GDP表示，单位：元/人，反映一个地区的综合实力，预期对当地人口的健康发展有正向作用。②社会发展状况用人口城市化率表示，单位：%，反映社会进步和文明程度，预期有正向影响。③居民生活水平用恩格尔系数表示，单位：%，反映食品消费支出在居民总支出中的比重，预期有负向影响。④自然环境禀赋用森林覆盖率表示，单位：%，良好的生态环境有利于增强体质和减少疾病，因此预期有正向影响。⑤污染处理状况用废水排放达标率表示，单位：%，预期有正向影响。⑥医疗卫生资源用每万人拥有的医疗病床数表示，单位：张/万人，预期有正向影响。

基于最小二乘方法（OLS）的回归估计是当前广泛使用的影响因素研究方法。但是，由于上述6类因素指标间存在意义上的重叠，直接使用这一方法将严重扩大模型误差并破坏模型的稳健性。主成分回归方法能有效克服这一缺陷，首先对6个自变量做主成分分析，提取全部主成分Fj（j=1，2，…，6）与因变量进行回归建模，如式（4）所示。然后，采用OLS方法进行估计并逐步删除t检验不显著的主成分，仅保留通过检验的主成分。显然，这些相互直交的主成分避免了在一般回归参数估计时使用OLS方法的困难，并且由于各主成分均为原自变量的线性组合，转换后可以得到关于原自变量与因变量的映射关系，如式（5）所示。

y=a+？滋1F1+ ？滋2F2+…+？滋6F6+？著 （4）

y=？茁+r1■1+r2■2…+r6■6+？浊 （5）

为增加模型估计的稳健型，反映近20年的总体状况，这里使用1990、2000、2010年3个年份预期寿命的平均值作为因变量y，以3个年份的人均GDP、人口城市化率、恩格尔系数、森林覆盖率、废水达标率、万人病床数指标的平均值■1、■2、■3、■4、■5、■6作为自变量，进行建模分析。结果显示，最终有第二、六主成分在5%的水平上通过检验，相应的估计方程为y=64.034+0.064F2+0.024F6，方程F值为38.014，调整的R2为0.705，表示方程在1%的水平上显著，且两个主成分能够解释健康分布差异的70.5%（表4）。

变量代换后，健康分布关于原自变量■■（i=1，2，…，6）的回归系数估计结果见表5。可以发现，■1、■3、■4、■5四个指标的回归系数为正值，说明地区经济发展、食物消费、自然环境、污染防治指标变量对人口预期寿命有正向影响，在控制其他因素保持不变的情况下，这4个指标每提高1个百分点将推动人口预期寿命分别增加0.030%、0.36%、5.83%、3.52%。其中，■1、■4、■5的影响方向符合预期，■3的影响方向与预期相左。其原因可能是，食物是维持人体健康最核心的物质基础，当前我国居民的营养摄取普遍处于中、低水平的供需平衡状态，家庭在食物消费方面的支出比重越大（即恩格尔系数越大），在一定程度上表示人口的总营养水平较高，相应的健康水平也越高。

■2、■6两个指标的回归系数为负值，说明人口城市化水平越高、每万人拥有的病床数越多，人口预期寿命反而越低，这种情况与大部分人的经验性认识相悖。我们认为，城市化指标效应为负的原因可能是，我国当前大部分地区的城市化水平尚处于较低层次，城市地区普遍存在交通拥挤、住房紧张、社保不健全、工作压力高、环境污染大等现象，人口常住地的转变没有给地区总体带来更高的健康保障。也就是说，城市化虽然能够使人们获得更好的医疗保健服务和产品，但城市化快速推进所激发的健康损害大大削弱了其积极效应，导致健康净效应总体为负。同时，根据Grossman模型，随着医疗设施和卫生服务的增加，居民健康需求和健康水平一般也会提高。但如果相对于居民收入而言，医疗服务因收费过高对大部分人产生明显的需求抑制时，它们对健康生产的边际效益可能趋于零，部分地区甚至因为资源浪费、使用不公或使用效率低下等原因导致对人群总体的健康贡献为负，从而在总体上产生医疗改善与健康提升的负相关现象。这种情况在一定程度上反映了我国近年来的医疗卫生体制改革现状，改革方向一直在市场化和公益化两种倾向之间摇摆，群众看病难、看病贵的问题一直没能得到彻底解决。从总体上看，上述6类因素对健康分布的影响系数（绝对值）都比较小，说明这些因素的影响方向尚存在变化的可能，与人群健康的关系具有一定的可变性，这需要在不同时空背景下进一步深入研究。

3 结论与讨论

人口健康在多种因素影响下具有明显的时空动态性，本文研究发现：第一，近20年我国居民总体的健康状况得到较大改善，但人均预期寿命存在明显的省际差异，呈现西部较低、中部次之、东部最高的空间梯度特征，差异程度随时间不断降低；第二，各地区健康分布并非表现出完全的随机性，而是在总体上呈现出一定的空间集聚趋势，但集聚趋势随时间变化有所弱化；第三，地区人均预期寿命的增加速度与初始水平负相关，初始水平较低的地区增速普遍高于初始水平较高的省区，空间收敛趋势明显；第四，人均GDP、食物支出占比、森林覆盖率与废水处理达标率等指标较高的地区的预期寿命相对较高，城市化的快速推进与医疗设施禀赋变化对人口健康的净效应总体为负。

上述结论为我国卫生体制改革、医疗资源配置提供了部分依据，提示我们在预期寿命的高、低集聚区应分别采取不同的应对措施，在医疗保健、社会保障、养老保险、产业转型、退休年龄、婚育政策等方面进行差别化设计，因地制宜；预期寿命具有明显的收敛性，意味着各地区未来均有步入老龄化社会的趋势，当前应未雨绸缪，尽早从总体上谋划一条符合中国国情的卫生体制和资源配置模式。另外，在小康社会建设中还应始终牢固树立以人为本的理念，进一步理清相关因素的健康效应机制，保证城市化快速推进过程不得损害生态环境质量，努力增加居民收入和营养供给，大力提升医疗设施规模和质量，坚持卫生体制改革的公益化方向，不断提升国民健康福利。

参考文献：

[1] 苟晓霞. 世界各国预期寿命差异及影响因素定量分析[J]. 南京人口管理学院学报，2013，29（3）：31-36.

[2] 于晓薇，胡宏伟，吴振华. 我国城市居民健康状况及影响因素研究[J]. 中国人口·资源与环境，2010，20（2）：151-156.

[3] 蒋萍，田成诗，尚红云. 人口健康与中国长期经济增长关系的实证研究[J]. 中国人口科学， 2008（5）：44-51.

[4] 林相森，艾春荣. 对中国医疗服务利用不平等问题的实证检验[J]. 中国人口科学， 2009（3）：86-112.

[5] 邱俊杰，李承政. 人口年齡结构、性别结构与居民消费[J]. 中国人口·资源与环境， 2014， 24（2）：125-131.

[6] 陈心广，王培刚. 中国杜会变迁与国民健康动态变化[J]. 中国人口科学，2014（2）：63-73.

[7] 刘会敏，牛叔文，杨振. 中国人口死亡水平的空间统计分析[J]. 中国人口科学，2008（1）：44-52.

[8] Anselin L. Local indicators of spatial association analysis-LISA[J]. Geographical Analysis，1995，27（2）：93-115.

[9] 韩海彬，赵丽芬. 环境约束下中国农业全要素生产率增长及收敛分析[J]. 中国人口·资源与环境，2013，23（3）：70-76.

[10] 陈明华，郝国彩. 中国人日老龄化地区差异分解及影响因素研究[J]. 中国人口·资源与环境，2014，24（4）：136-141.

[11] 牛建林. 人口流动对中国城乡居民健康差异的影响[J]. 中国社会科学，2013（2）：46-63.

Spatio-temporal variations of population health distribution in China and its influencing factors

YANG Zhen， LIU Hui-min， WANG Xiao-xia

（1. College of Urban and Environmental Sciences， Central China Normal University， Wuhan 430079， China； 2. Key Laboratory of Geological Process Analysis and Simulation of Hubei Province， Wuhan 430079， China）

Abstract： Using the recent three census data， this paper analyzed the spatial and temporal variations of provincial distribution of population health in China and its influencing factors. The results showed that： 1） Chinese residents' overall health has been improved in the past 20 years， but the provincial average life expectancy was significantly different， which present the gradient decrease trend from the east area to the western area. 2） The regional distribution of health is not completely random. It shows the spatial agglomeration trend on the whole， although the agglomeration trend have weakened. 3） The increasing rate of regional life expectancy is negatively related to the initial level， which means that the increasing rate of low initial-level provinces are higher than those of the high initial-level provinces. And the provincial health disparities is decreasing. 4） The principal components regression showed that per capita GDP， food expenditure rate， the forest coverage rate， the effluent treatment rate and other indicators are the main factors influencing the regional life expectancy. Due to urbanization， the problems such as traffic congestion， environmental pollution， marketization of medical reform has resulted in difficulty and high cost of treatment， which explains why the index of urbanization and medical facilities are negatively related to local health level.

Key words： health distribution； spatial and temporal changes； space correlation； convergence； influencing factor