我国城镇居民健康资本的省际差异与空间效应

郝 枫,张 圆

(天津财经大学 统计学院，天津 300222)

一、 引 言

健康资本(Health Captial)揭示了健康作为资本要素对国民经济发展的潜在价值。自Grossman(1972)率先将健康纳入人力资本分析框架以来[1]，学者对健康资本的经济作用机制进行了一系列理论研究，但在核算上一直未能如物质、教育等资本一样进行有效测度。为克服健康资本测度困难，2012年，联合国UNU-IHDP和UNEP《包容性财富报告》(Inclusive Wealth Report)中首次提出要将健康资本作为国民财富的独立账户进行测算研究[2]，并在2014年公布的第二本报告中，首次为健康资本设置单独的测算帐户，标志着规范健康资本统计测算工作的启动。相比之下，我国尚未进行相应测算工作，随着我国“健康中国2030”战略的实施，与国际核算体系接轨，测度我国居民健康资本已成为当务之急。

健康资本测度可分为实物量与价值量两个方面：其中实物量主要使用人口死亡率、预期寿命等代理指标替代(Fogel，1994[3]；Murphy和Topel，2006[4])，而价值量则通过卫生总费用、公共卫生支出等数据反映(吕娜，2008[5])。前者以生存情况反映人口的健康资本情况，后者则通过对医疗卫生的投入力度来显示社会健康资本发展水平。两类方法操作简便，数据易于获得，一定程度上解决了健康资本难以量化的难题，但始终未能恰当地反映出健康作为“资本品”的经济价值(Inclusive Wealth Report，2014[6])。

为落实联合国关于健康资本账户的核算工作要求，Arrow等(2012)[7]运用统计生命价值法(Value of a Statistical Life，VSL)测度了2000年和2005年5个国家人均健康资本存量和流量。与其他方法相比，统计生命价值法能有效反映劳动者不同年龄阶段的健康风险偏好，将个体的健康需求与收入紧密联系，满足与物质、教育等其他类资本的可比性需要，该方法于2014年正式纳入联合国健康资本账户官方核算体系。从测算结果来看，在人均健康资本绝对量上，美国是中国的3.7倍，巴西是中国的1.44倍，委内瑞拉是中国的1.26倍，只有印度略低于中国(约为中国的3/4)，由此可见，提高我国人均健康资本存量已刻不容缓。由于经济、医疗卫生、社会环境等多方面差异，不同国家和地区的人均健康资本存量各不相同，需更详细地进行测度分析。

不同地区之间各类资本(物质、教育、自然、健康)存量差异与区域关联使得资本的外部效应逐渐增强，自上世纪90年代以来，新经济地理理论(New Economic Geography Model)受到了学者们的高度重视，该理论试图从空间地理角度解释不同地区经济增长产生差异的原因，揭示资本外部效应的作用机制，称之为“大地理范围集聚的空间外部性”。多数经验研究表明，我国物质资本、人力资本对区域经济增长表现出鲜明的空间相关性(符淼，2009[8]；钱晓烨等，2010[9]；潘文卿，2012[10]；覃成林等，2012[11])，但关于健康资本是否存在明显的资本外部效应问题，现有研究尚未进行答复。

我国幅员辽阔，人口结构复杂，健康资本核算不能仅从全国总体上把握人均情况，更要从地区层面来进行比较分析。居民健康水平对于地区经济发展、劳动就业、生活质量等方面具有重要影响，测度不同地区的健康资本并识别其省际差异，有利于有的放矢地制定政策，缩小发展差距实现协同发展。同时，地区之间经济联系日益紧密使得区域间的空间相关性不断增加，由于生态环境的恶化，空气污染等环境问题对健康造成的外部效应逐渐增强，如何提高全民健康水平，最大限度地发挥健康要素对经济增长的促进作用，抑制环境污染等负外部性给人口健康带来的消极影响，是我国地区健康发展亟待解决的难题。

鉴于此，本文根据联合国官方公布的统计生命价值法，结合我国现有的微观数据对不同地区城镇居民的人均健康资本存量进行测度，讨论其在不同群组内健康资本随时间的变化趋势，进而从宏观层面识别健康资本的外部性，通过空间计量模型讨论我国健康资本的空间关联效应，以期从国民经济视角为推动我国健康中国战略提供有效的参考依据。本文的创新性工作体现在：①与国际接轨，依照联合国官方公布的核算方法进行健康资本存量的价值量测度，其测算结果具有更强的针对性与可比性；②利用我国居民收入的微观数据与国家统计局公布多类数据集，其样本量大且数据质量高，具备可靠性和普适性；③将新经济地理理论与市场潜能理论引入健康资本分析框架，拓展了资本研究视域，并结合当前人口流动、空气污染等热点问题给出了具体的解释，具有很强的理论与现实意义。

二、 我国健康资本的省际估算

(一) 估算方法

借鉴Arrow等(2012)与联合国UNU-IHDP和UNEP-2014的做法[6-7]，本文运用统计生命价值法估算我国东部、中部、西部、东北部四个区域的人均健康资本存量。设劳动者的工资率为w，其疾病发生率为q，劳动者健康状态时的个人效用为U(w)，而发生健康风险时非健康状态的效用为V(w)，显然U(w)>V(w)>0，其期望效用Z为：

Z=(1-q)U(w)+qV(w)

(1)

对式(1)进行全微分，令dZ=0，经整理可得：

(2)

式(2)反映了健康风险差值与收入差值之间的补偿关系，dq描述了劳动者健康风险的变化，dw则通过工资率的变动刻画了劳动者对健康风险变化所要求的补偿。年龄的增长、长时间加班的负荷劳动、从事危险工作等均会使健康风险死亡率上升，劳动者将要求更高的工资补偿，尽管企业的支付意愿也会随风险而提高，但工资的边际涨幅却呈递减趋势，在市场均衡状态下的工资与健康风险水平反映了二者的补偿关系，可计算出在其他条件不变的情况下健康投入对工资率的边际影响，从而对劳动者的风险偏好和健康产出进行客观评价。

定义健康需求框架下的VSL=dw/dq，其不仅表示了劳动者健康风险偏好与工资的影响关系，同时也体现了健康投入与健康产出的联动关系，从成本-收益角度来看，分母部分是为创造更多收入所付出的健康代价，而分子部分则是该健康成本变化下所带来的收益变化，该式直观描述了单位健康风险变化给个体带来的经济收益，有效体现了健康作为资本品的价值属性。

参考Viscusi和Aldy(2004，2007)的方法[12-13]，考虑个体年龄效应和不同地区健康资本随时间的变化，构建健康-风险计量模型。在第t年时，第i个地区处于第j个年龄组的第k个劳动者其健康风险与收入之间的关系为：

ln(wjk)=αj+γjqjk+βjXjk+εjk

(3)

本文将年龄组j具体分为15～25岁、26～40岁、41～54岁、55～64岁共4类。其中，被解释变量表示为处于j年龄组下劳动者k的小时工资；核心解释变量代表j年龄组下个体k的疾病死亡率；则是该年龄段下有关劳动者个体健康水平及工作环境的一系列控制变量，包括性别、婚姻状况、受教育程度、城乡类型、自评健康水平、行业，εjk为模型的随机误差项。

式(3)中系数γj反映j年龄段个体疾病死亡率对工资率的平均影响，即式(2)中的dw/dq：若γj>0，表明j年龄段损耗健康可以增加当期收入；若γj<0，说明j年龄段牺牲健康减少当期收入；若γj=0，则表明j年龄段疾病死亡率不存在显著的收入效应，此时模型退化为与健康资本无关的常见工资收入模型。

对式(3)健康死亡风险qjk进行求导，可得到不同年龄组下劳动者增加或减少一单位健康风险(健康投入)所带来收入变化(健康产出)为：

d(wjk)=γj×wjk×d(qjk)=γj×wjk×1

(4)

式(4)中wjk表示的日工资，需将其转化为年工资收入，利用计量模型估计结果，可按如下公式计算第i个地区处于第j年龄段VSL估计值：

(5)

(6)

(二) 数据说明

数据主要来自2002年、2007年和2013年的中国居民收入调查(China Household Income Project Survey，CHIPS)的城镇居民中所有个体成员数据。[注]应用VSL方法进行健康资本测算需要提供个体劳动者详细的小时工资收入信息，由于农村人口以经常性收入为主体而非工资性收入，因此本文选择以城镇单位为主体的工资性数据，下一部分对于空间关联效应的讨论同样基于该口径。按国家统计局的最新划分，将我国31个省市及自治区划分为东部、中部、西部和东北部。[注]根据国家统计局最新划分，东部地区包括北京、天津、河北、上海、江苏、浙江、福建、山东、广东、海南10个省(市)；中部地区包括山西、安徽、江西、河南、湖北、湖南6个省；西部地区包括内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆12个省(市、自治区)；东北地区包括辽宁、吉林、黑龙江3个省。其中CHIPS 2002年、2007年、2013年分别提供了12、9、14个省市和地区的样本，由于样本中某些个体在工资等关键变量上存在信息缺失，经整理删除各类缺失值和异常值后，[注]CHIPS数据中，由于抽样调查过程中产生的误差以及受访者的误报漏报，部分样本工资数据为空或为负数，此外，健康、受教育程度等变量也有部分样本为负，在数据处理过程中，本文删除了该类样本。各年有效家庭住户的个体样本分别为10344、7012、9937个。疾病死亡率qjk，取自2003、2008和2014年度《中国卫生和计划生育统计年鉴》中居民病伤死亡原因表提供的2002、2007及2013年数据。该数据包括传染病、肿瘤、心脑血管疾病、意外事故等17大类疾病死亡风险，均以10万人为风险单位，并按年龄、性别进行了详尽划分。

表1 主要变量描述性统计表

从表1中主要变量描述性统计可以看出，被调查个体为平均年龄大约在40岁左右的中年群体，样本中男性略多于女性，已婚人群占有很高比重，自评健康状况平均结果以良好居多，疾病死亡率均值维持在2.5‰左右，年工资收入总额[注]本文所用的CHIPS数据得到的就业人员的年工资收入总额的均值均低于《中国统计年鉴》公布的官方统计测算值，原因主要是微观调查中受访者存在较强的低报收入倾向及重要工资性收入的漏报。包括本年度劳动者从事主要工作的工资性收入之和，包括工资、奖金、津贴和实物折现等，不包括兼职等其他临时性工作收入，利用CHIPS数据提供的相关工作时间数据计算小时工资率(元)，该表较好地描述了十余年来我国城镇居民的工资和健康水平变化，在2002-2013年的12年间，我国城乡居民收入有了明显的提高，但疾病死亡率则变动不大。

(三) 估算结果

根据上述数据，使用式(3)计算健康-工资风险系数，进而通过式(5)式(6)分别估计2002、2007、2013年的样本调查地区人均健康资本，根据疾病死亡率统计口径将风险单位数设为10万；参照Aldy和Viscusi(2004,2007)[12-13]的做法将每年工作时间设为2000小时。[注]按我国劳动法有关规定，每年365天减去双休日104天，再除以12个月，得到职工月计薪天数为(365-104)÷12=21.75；按每天8小时计算，一年中劳动者总工作时长为8×21.75×12=2088小时，排除病休年假等额外休假，约为2000小时。由于调查所限，部分省市年龄组内个体样本量较少导致其风险系数均不显著，无法对健康资本进行有效估算，因此本文排除了这类地区以保证估计结果的可靠性，整理结果如表2所示。

表2 不同年度地区健康资本汇总表(人均)(万元)

表2给出了调查年度地区人均健康资本存量的汇总结果。从同一年份横向比较来看，除个别地区外(如重庆)，健康资本数值量与经济发展水平类似，自东向西呈降低趋势，东北部地区与西部地区相近，北上广等一线城市绝对量上较大，反映了其收入水平与医疗卫生方面的绝对优势，健康投入带来的经济产出较高，而甘肃等发展相对落后的地区的健康资本绝对量上偏低；从不同年度的纵向比较上看，各地区的健康资本水平在10余年内有明显提高，观察3年均为调查对象的样本地区，2002-2013年12年间健康资本增长了2～3倍，表明了我国居民收入水平的提高及健康水平的增强。绝对量增长的同时相对变化率却有所降低，以湖北省为例，2002-2007年人均健康资本增加了75%，而在2007-2013年仅增加了16%，工资水平的上升使得人均健康资本绝对量上升，而健康风险系数的降低则减缓了健康资本上升速度。

图1 2002-2013年健康-工资风险系数变化

图1进一步分析了2002-2013年不同年龄下的健康-工资风险系数变化，其中青年群体风险系数单位范围为3‰～8‰，而中老年群体变化范围则在千分之二到万分之四，系数由正变负意味着年龄的增长健康对收入具有反向影响关系。整体上，健康-工资风险曲线向左偏移，青年群体风险系数的减小，中老年群体绝对量上却在增加，一方面表明了随着收入的增加与个体健康意识的提高，健康与收入之间的替代效应增强，“拿命换钱”现象[注]指劳动者以牺牲健康、提高死亡风险为代价从事劳动，换取更高收入。得到了改善，劳动者在健康劳动与收入之间的选择规划更加合理；另一方面却反映了健康边际产出的降低，当青年劳动者健康收入的正向效应小于中老年劳动者的负向效应时，人均健康资本将缓慢上升甚至下降。这也从另一个角度解释了人口老龄化背景下人口红利消失现象，中老年人口比重的增加不仅导致了劳动力人口不足，同时也造成了健康资本产出的匮乏。

三、 健康资本的空间关联效应

(一) 理论模型

不同国家或地区的资本类型与结构差异很大，不同区域的资本存在空间关联，尤以流动性强的人力资本(涵盖教育资本和健康资本)为甚。Krugman(1993)[14]通过市场潜能(Market Potential，MP)理论阐明了资本空间效应对经济发展的作用，指出当某地区经济发展水平和经济总量较高时，其对周边地区经济发展有较强推动效应。参考Hanson(2005)[15]和张泽义与何春丽(2017)[16]的做法，本文构建如下理论模型。

1.消费者行为。假设一国有m个地区，各地区消费者均具有CES型效用函数：

(7)

其中，ci为消费者对i商品的消费量，包括普通商品、教育与健康消费等；n为商品种类数；σ为各类商品之间的替代弹性。

记j地区对第i种商品的消费支出为Eij，pikj为该商品从k地区运至j地区的价格。依据效用最大化原则，可得j地区对k地区i商品的需求量xikj为：

(8)

跨区商品价格pikj取决于三个因素：一是本地价格pij；二是两地距离dkj；三是单位产品单位距离的运输成本τ。

pikj=pijeτdkj

(9)

显然，距离越远则商品运输成本越高，价格差异也就越大。将式(9)带入式(8)并进行地区加总，整理得到j地区i商品的总需求xij：

(10)

2.生产者行为。假设j地区厂商生产i商品的固定成本为Fij，产量为qij，单位产品的可变边际投入为βij，劳动者工资率为wij，则企业利润函数为：

πij=pijqij-(Fij+βijwijqij)

(11)

根据企业利润最大化原则，[注]根据边际成本等于边际收益的利润最大化原则，当厂商生产产量为q，产品价格为p(q)时，可得边际收益MR=p(q)(1-1/弹性系数)，进而由MR=MC得出价格与工资、替代弹性之间的关系。可计算产品价格：

(12)

企业长期均衡利润πij=0，对应的均衡产量qij为：

(13)

3.均衡条件。根据市场出清条件xij=qij，将式(12)、式(13)代入式(10)，整理可得：

(14)

4.简化模型。由上可见，一个地区的工资收入是该地区市场潜能的函数，将j地区的市场潜能记为MPj，对式(14)中所有商品进行加总并在左右两边取对数，可将数理模型简化为：

lnwj=γlnMPj

(15)

其中，γ为常数，引入时间维度t，工资潜能方程改写为：

(16)

wjt、MPjt分别为j地区t时期的工资水平与市场潜能，一个地区人均收入的增长直接依赖于该地区市场潜能的变动，而市场潜能又与其他地区诸多经济因素和地理距离有关，收入对市场潜能的影响随距离增加而降低，其实质为不同地区之间的空间效应。以上理论结果，为健康资本空间关联效应提供了理论基础。

(二) 空间相关性检验

地区间密切的经济往来使区域经济存在明显的空间相关性，不满足经典计量模型中相互独立的基本假设，已有研究从地区内消费者价格指数、GDP等指标作为衡量市场潜能的指标解释了资本空间关联效应的存在和作用机制，然而从内生增长理论来看，人才集聚、知识溢出、人口健康同样可以提高地区的市场潜能，使地区之间产生空间联系。本文基于现有研究基础，将健康因素加入资本空间分析框架，结合VSL与新经济地理理论，从市场潜能角度解释健康资本的空间关联效应。

收入是与健康分布联系最为紧密的影响因素(詹宇波，2009[17])，由式(16)可知市场潜能与收入变动密不可分。本文以死亡率代表健康资本的市场潜能，根据式(2)及VSL的基本定义，需检验死亡率与工资率的空间相关特征。与前文CHIPS数据年度区间匹配，选取我国2002-2016年的各省区死亡率与平均工资数据，数据来源于各年《中国统计年鉴》中人口及就业和工资部分中各个省市死亡率和城镇单位就业人员平均工资数据。采用全局Moran’sI统计量进行检验，其检验地区间健康资本是否相似(空间正相关)、相异(空间负相关)还是相互独立，其定义为:

(17)

(18)

Moran’sI的取值范围为[-1,1]，绝对值越大表示空间相关程度越大，若为正，地区间的经济行为表现为空间正相关；若为负，表现为空间负相关；若接近于0，则不存在空间相关性。为保证统计准确性，采用标准化统计量Z(I)的p值来确定全局Moran’sI的显著性水平，计算公式为：

(19)

表3 各省区工资率与死亡率变量的Z(I)统计量

表3给出了2002-2016年度各省区工资率与死亡率变量的Z(I)统计量，对于各省区的工资率来说，所考察时间段内绝大部分年份在5%水平上显著；而对于死亡率而言，2003-2004年、2006-2007年空间相关性并不显著，2008年后均至少在10%水平上显著，表明健康的空间变化由不相关逐渐转化为正相关，地区之间的相互影响作用日益明显，表3中的结果表明衡量健康水平的死亡率指标产生空间相关的时间要滞后于工资率，该现象较符合经济的发展规律，一般来说，不同地区之间首先会从经济上发生交互影响。随着经济发展水平的不断提高，各地区的教育、医疗、卫生上也会产生联系。与其他资本类似，健康资本同样存在空间相关性，在实证过程中需予以考虑。

(三) 模型设定

1.空间计量模型的选取。空间相关性来源于两个方面：一方面为地区间密切的经济往来，其使得邻近地区的经济存在明显的空间关联效应；另一方面是邻近地区关于因变量的误差冲击对本地区观测值产生的影响。空间滞后模型(Spatial Autoregressive Model，SAR)和空间误差模型(Spatial Error Model，SEM)有效地刻画了上述两种空间相关性。拓展到面板数据，其基本形式为：

空间滞后面板模型：

yit=ρWyit+βxit+εiti=1,…n;t=1,…,T

(20)

空间误差面板模型：

(21)

其中，n为地区数，T为时期数，yit为nT×1被解释变量观测值向量，W为n×n的空间权重矩阵，xit为nT×k解释变量观测值矩阵(包括常数项)，β为k×1阶参数向量，ρ和λ分别为空间自回归系数和空间误差自相关系数，εit为nT×1随机误差向量。在模型的选择上，若模型同时满足SAR与SEM，或只满足其中任一个时，需进一步考察更广义的空间杜宾模型(Spatial Durbin Model，SDM)，其面板模型的表达形式为：

yit=ρW1yit+ηW2xit+αxit+βzit+γi+vt+εiti=1,…n;t=1,…,T

(22)

yit为被解释变量，xit为主要解释变量，zit为控制变量，γi与vt代表了空间固定效应和时间固定效应。W1、W2分别为内生性的因变量空间滞后项与主要空间自变量中的权重矩阵，由于没有充分信息用于判断W1与W2是否相同，故采用简化处理令W1=W2=W来假设因变量空间滞后项与自变量空间滞后效应的发生逻辑一致。ρ为被解释变量空间滞后项的系数，衡量地区之间的互相影响程度；η为主要解释变量空间滞后项系数，代表自变量之间的空间相关程度。当ρ=0,η≠0时，模型为SEM模型，当ρ≠0,η=0时，模型为SAR模型，当二者均为0时，模型变为一般的面板数据模型。该模型可从时间和空间两个维度刻画工资收入随死亡率变化的空间特征，是分析健康资本空间关联效应有力的计量工具。

2.权矩阵的选择。在空间权重矩阵的选取上，本文采用邻接空间权重矩阵、逆距离空间权重矩阵、经济距离空间权重矩阵，分别用于检验健康资本的地区相邻、省市距离及经济发展的空间相关性，邻接空间权重矩阵如式(18)所示，令dij代表两地区地理中心位置之间的距离，逆距离空间权重矩阵表示为：

(23)

参考林光平等(2005)做法[18]，选择地区间人均实际GDP差额作为测度地区间经济距离指标，经济距离空间权重矩阵表示为：

(24)

(四) 实证分析

在统计生命价值法、市场潜能理论与空间杜宾模型的基础上，将健康要素加入传统市场潜能分析，重点关注健康对工资的空间影响。结合潘文卿(2012)[10]提出的工资收入-市场潜能模型与Mincer(1974)[19]收入决定方程构建空间计量模型。经典的Mincer方程重点关注于人力资本中的教育投入对工资收入的影响，本文健康要素加入其中，拓展了其应用范围。结合式(2)中健康资本VSL的基本框架与吕倩等(2010)[20]提出的工资模型，以式(22)面板空间杜宾模型为建模依据，建立含有教育-健康资本的Mincer收入空间计量方程：

lnwit=ρWlnwit+ηWqit+αqit+βZit+γi+vt+εiti=1,…n;t=1,…,T

(25)

式(25)中，wit是因变量，代表第t年第i个省市的城镇单位就业人员平均工资，用于表示健康资本产出；主要自变量qit为各年分地区人口的死亡率，用以刻画健康资本投入。ηWqit与ρWlnwit分别为健康资本投入产出的空间滞后项，代表了健康资本流动等空间外部效应。γi与vt代表了截面空间固定效应和时间固定效应，εit为独立同分布扰动项。该计量模型不仅反映了健康资本测算中dw/dq的变化，同时也体现了健康因素在市场潜能中的作用，进而通过死亡风险率与工资的变动体现健康资本的空间关联效应。

控制变量Zit为衡量市场潜能的其他变量，集中包括如下影响因素：

就业人员的平均受教育年限eduit。Mincer人力资本工资收入方程主要考察了教育回报率对工资收入的影响，因此劳动者的教育水平反映了该地区的人力资本情况，参考冯晓等(2012)[21]的做法，统计各省区6岁以上人口的受教育程度，各学历阶段的教育年限赋值如下：未上过学计为0年；小学计为6年；初中计为9年；高中计为12年；大学专科计为15年；大学本科记为16年；研究生记为19年，将各学历阶段受教育年限与其对应人数权重相乘后加总即可得到各省区人均教育年限数据。

gdpit为该年内地区的国民生产总值，反映了该区域内的经济发展水平；cpiit为居民消费价格指数，反映地区内居民家庭购买消费商品及服务的价格水平；unemployit为分地区城镇登记失业率，反映该地区人口就业情况。

本部分使用中国31个省2002-2016年的数据进行实证分析，数据来源于《中国劳动统计年鉴》《中国统计年鉴》以及国家统计局网站公布的各地区年度数据。首先对空间杜宾模型进行检验来确定模型选择的合理性。本文参照赵彦云等(2017)[22]的检验方法，基于面板固定效应模型的残差做Moran’s I检验和LM检验，由LM检验得到的LM-LAG和Robust LM-LAG以及LM-ERR和RobustLM-ERR检验面板数据是否存在空间效应，通过计算LR-SD-LAG和LR-SD-ERR两个似然比来分别检验空间杜宾模型是否优于空间滞后模型和空间误差模型，以Hausman检验固定效应模型与随机效应模型之间是否具有显著差别，邻接空间权重矩阵、逆距离空间权重矩阵与经济距离空间权矩阵检验结果如表4所示。

表4 空间杜宾模型检验结果

建模过程中忽视健康资本的空间效应可能影响到估计结果的无偏性、一致性和有效性，表4中的Moran’sI指数检验统计量显著为正，拒绝残差空间相互独立的原假设，由LM检验得到的空间滞后模型与空间误差模型的统计量均在统计上显著，拒绝采用不考虑空间效应的固定效应模型的原假设，选择空间计量模型。两个LR检验统计量均在统计上显著，拒绝选择空间滞后模型与空间误差模型的两个原假设，选择空间杜宾模型。根据Hausman检验结果，随机效应与固定效应模型之间具有显著差异，故选取固定效应的空间杜宾模型。

表5为不同空间权重矩阵下的健康资本空间杜宾模型估计结果，考虑教育人力资本对收入的影响以及空间效应，除死亡率外，本文加入了平均受教育年限的空间滞后项来揭示人力资本的空间相关性，使模型更好地反映健康与教育两大人力资本的空间特征，同时检验模型的稳健性和解决内生问题对参数估计带来的偏差，各模型中因变量空间滞后项系数ρ显著为正，表明了各地区间对收入的正影响关系。邻接空间权重矩阵拟合优度R2最高，意味着相邻关系的Mincer工资收入方程具有更好的解释力。

表5 健康资本空间杜宾模型估计结果

观察除平均受教育年限的其他控制变量，邻接空间权重矩阵各控制变量均显著，加入教育空间滞后项模型系数变化不大，结果较为稳健，其中经济发展水平与居民消费水平对收入具有正向影响，失业率的提高则会降低工资水平，而在经济距离空间模型中各控制变量的系数均不显著，原因之一是由于所构建的经济权矩阵与控制变量高度相关，包含了经济发展水平对工资收入解释因素。

从教育角度进行分析，未考虑空间滞后项W*edu的教育变量在模型(3)和(5)中的结果并不显著，说明知识溢出等外部性因素是人力资本模型中不可忽视的问题，从模型(2)(4)(6)教育变量的系数来看，教育水平空间项要高于非空间项，这表示教育对其他地区的影响力要远远大于本地区，其知识溢出的外部效应较大。在不同权重矩阵下，邻接空间权重矩阵系数最高也最为显著，表明教育对收入在相邻地区内的影响最强，不仅对本地区的收入具有促进作用，同时对附近区域也会产生一定积极效果，溢出效应的大小与地区之间的距离有着很大关系，这也验证了市场潜能理论中教育要素对邻近地区较强的正向溢出作用。

以健康资本视角来看，死亡率与死亡率的空间滞后项代表了VSL下健康资本中健康-工资风险系数的变化，揭示了健康资本对本地区与其他地区的影响；各模型中死亡率解释变量均在1%水平下显著且系数为正，说明健康资本在本地区内的正向收入效应，空间项均为负，邻接空间权与逆距离健康教育资本模型分别在1%和10%水平上显著，反映了本地区健康对其他地区的影响关系，与教育变量相同，死亡率变量在邻接空间权重矩阵系数的绝对量上最高最显著，健康外部性同样对邻近地区的影响较大。可见，健康资本对本地区收入具有积极作用，对其他地区则呈现负面影响，劳动者在本土内偏向于以提升一定的死亡风险来提高工资水平，而迁移至其他地区则以“享乐主义”工资[注]享乐主义工资(Hedonic Wage)由Rosen(1974)提出，指劳动者希望以较少的健康风险换取更高的工资。为主。

一个地区的收入水平与其市场潜能息息相关，市场潜能较大的地区内健康投入具有更高的经济产出，因此该地区劳动者愿意承担一部分死亡风险，而该地区的市场潜能会吸引影响到周围地区，由于健康的边际产出较低，邻近地区的劳动者认为发达地区的高健康风险、高回报模式更具吸引力，因此在本地区不愿进行较高的健康投入，更倾向于迁移至市场潜能更高地区带来大规模的人口流动。在北京、上海、广东等一线城市，由于外来人口的大量流入，常住人口呈现快速增长，但与此同时，许多地区却出现“外流型”人口负增长。从健康资本角度解释，发达地区由于就业、医疗等条件优势，市场潜能较高，劳动者的人均健康资本存量同样较高，这会对该地区的经济发展产生促进作用，然而对邻近地区内会产生负向作用，由于健康资本的资源流动使得欠发达地区的年轻劳动力不足，造成健康资本的亏空流出，导致区域发展不平衡现象进一步加大。

近年来，我国空气污染问题愈发严重，北京、天津等发达地区更为突出，空气污染不仅对本地区居住环境造成不利影响，更会通过空气扩散带来负的外部性，对周边地区的环境产生不良后果，损害居民的健康水平。空气污染严重的地区通常是经济发展好、市场潜能较高，由于丰厚的工资报酬，人们在一定程度上接受空气污染带来的健康损害，以牺牲健康为代价获取较高的收入补偿，但周边地区却因此买单，承担污染负的外部效应的同时没有获得任何经济补贴，污染成本转嫁到并没有制造污染的弱势地区，进一步加剧了地区人口健康的失衡。

四、 结论与展望

本文利用中国居民收入调查的微观数据与劳动力人口相关的宏观数据，结合统计生命价值法和市场潜能理论从微观与宏观两个角度研究了健康资本的省际差异及空间关联效应，方法选择上，与联合国官方核算体系接轨，数据选取上，采用我国权威的宏微观数据，估算结果具有较强的可靠性与可比性，扩充了我国健康资本数据集，拓展了市场潜能理论的应用范围，得到的认识总结如下：

第一，健康资本与劳动者个体的年龄和健康风险偏好有关，青年时期健康投入对工资收入具有正向影响，收入效应占主导地位；中老年时期则相反，替代效应起到主要作用，随着年龄的增长、收入水平及健康意识的不断提高，健康资本的替代效应逐渐大于收入效应，健康投入的边际产出降低。

第二，人均健康资本存量存在明显的地区差异，其中东部地区水平最高，东北部、西部地区偏低，增长速度呈现缓慢变化。一方面表明了人口老龄化下“享乐主义”工资的增强；另一方面表明了我国各地区之间劳动强度与健康水平不匹配的经济现象。

第三，不同地区之间的健康资本差异使得健康资本产生空间联系，健康资本的空间效应与不同省区之间空间距离有较大关系：距离越近，空间效应更加显著，对本地区经济发展有正向的促进作用，而对邻近地区则会产生抑制作用。

随着我国经济社会转型、人口结构转变以及城市化进程推进，人口流动的家庭化与长期化趋势逐渐增强，健康资本的“回波效应”[注]回波效应(Backwash Effect)由1974年诺贝尔经济学奖获得者Gurmar Myrdal提出，指劳动力、资金、技术、资源等受要素收益差异而引发的由落后地区向发达地区流动的现象，该效应导致地区经济发展差距扩大。日益凸显。经济发达地区凭借教育、医疗、收入优势吸引大量中青年人口流入，使其健康资本存量大幅提高，并有力促进自身发展；欠发达地区则因健康资本严重流失而导致发展速度下降。为践行健康中国“共建共享、全民健康”的战略构想，提高人均健康资本水平、推进医疗卫生与环境治理的区域协同发展任重道远。未来十年，我国应以《“健康中国2030”规划纲要》为指导，兼顾卫生资源的可及性和公平性、优化健康服务，以全面提升国民健康水平与生命质量，逐渐缩小与发达国家的人均健康资本差距，实现由人口大国向健康资本强国的转变。同时，应高度重视环境污染对健康资本空间效应的影响，加大污染治理力度，避免生态环境恶化对健康资本的严重损害。

健康资本核算研究，在发达国家方兴未艾。本文在健康中国背景下对我国健康资本省际差异和空间关联开展专题研究，权做抛砖引玉。为更好推进该领域研究，可在如下方面开展深入分析：(1)在联合国官方核算体系基础上改进估计方法及参数设定，综合利用各类微观数据集对估算结果进行交互检验；(2)在有关理论研究基础上，厘清健康资本与其他各类资本之间的空间联系，进一步揭示资本空间关联效应的深层原因；(3)对人均健康资本存量及其变化模式开展深入的跨国比较与区域差异研究，为推动“健康中国”战略实施提供更好的数据支撑。