EN中文

地理研究 >

2017 , Vol. 36 >Issue 7: 1257 - 1270

DOI: https://doi.org/10.11821/dlyj201707006

研究论文

社会经济及环境因子对不同收入群体自评健康的影响

  • 顾丽娟 , 1, 2, 3 ,
  • 曾菊新 , 1, 3 ,
  • ZENG Juxin ,
展开
  • 1. 华中师范大学地理过程分析与模拟湖北省重点实验室,武汉 430079
  • 2. 女王大学地理与规划系,金斯顿 K7L3N6,加拿大
  • 3. 湖北省发展和改革委员会/华中师范大学,武汉城市圈研究院,武汉 430079
曾菊新（1950- ）,男,湖北石首人,教授,博士生导师,主要从事人居环境与健康研究。 E-mail:

作者简介：顾丽娟（1989- ）,女,河南周口人,博士研究生,主要从事健康地理研究。 E-mail:

收稿日期: 2016-12-13

  要求修回日期: 2017-04-07

  网络出版日期: 2017-07-31

基金资助

国家建设高水平大学公派研究生项目

加拿大研究会主席第一梯队基金

国家自然科学基金项目（41371183,41501145）

教育部人文社会科学青年基金项目（13YJCZH284）

收起

The impacts of socioeconomic and environmental factors on self-rated health status among different income groups in China

  • GU Lijuan , 1, 2, 3 ,
  • Mark ROSENBERG , 2 ,
  • ZENG Juxin , 1, 3
Expand
  • 1. Key Laboratoryfor Geographical Process Analysis & Simulation, Central China Normal University, Wuhan 430079, China;
  • 2. Department of Geography and Planning, Queen's University, Kingston, Ontario K7L3N6, Canada
  • 3. Hubei Provincial Development and Reform Commission/Central China Normal University, Research Institute of Two-Oriented Society Construction in Wuhan Urban Agglomeration, Wuhan 430079, China

Received date: 2016-12-13

  Request revised date: 2017-04-07

  Online published: 2017-07-31

Copyright

《地理研究》编辑部
Fold

摘要

对健康影响因素的干预是将“健康中国”战略落实到实处的重点,而深入探究健康的影响因子是实施有效干预的前提。结合中国当前工业化、环境退化及收入差距扩大化的背景,基于中国综合社会调查2013年数据,采用多层次Logistic回归分析模型,从个体、社区及省级三个层次,深入解析社会经济及环境因子对较低、中等及较高收入群体自评健康状况的影响。结果表明：① 个体与地方特征对自评健康有不同程度的影响。个体特征的解释力最强,省级因子解释力最弱。② 社会经济因子对健康的作用在不同收入群体间差异很大。通常被认为是有益于健康的因子如收入、教育水平、政府服务等仅对中低等收入群体有显著作用。③ 环境因子与健康呈正相关性,且此相关性对较高收入群体最强。④ 环境污染可以抵消一部分社会经济发展的健康促进作用。⑤ 除了不平等的社会经济条件,环境不公正是导致健康不公平的另一重要原因。

关键词： 健康; 社会经济发展; 污染; 环境不公正; 多层次Logistic回归分析; 收入群体

本文引用格式

顾丽娟 , 曾菊新 , ZENG Juxin . 社会经济及环境因子对不同收入群体自评健康的影响[J]. 地理研究, 2017 , 36(7) : 1257 -1270 . DOI: 10.11821/dlyj201707006

Abstract

China's rapid socioeconomic growth in recent years and the simultaneous increase in many forms of pollution are generating contradictory pictures of residents' health status. To understand this twofold phenomenon and explore the influencing factors of health is the key point to realize the "healthy China" strategy and the prerequisite to take any effective action. Given the rapid economic development, the severe environmental degradation, and the rising health inequalities among different income groups in modern China, this paper applies multilevel analysis to the 2013 China General Social Survey data on social development and health and the China Statistical Yearbook data. Three-level logistic models from the individual, community and provincial levels are developed to investigate the impact of socioeconomic development and environmental degradation on self-reported health, differentiating among lower, middle and higher income groups. The results of the multi-level logistic analysis demonstrate that for all the three income groups, individual-level factors contribute more to the explanation of health than community-level or provincial-level factors. Income, job and education increase the likelihood of rating health positively for the lower and middle groups but have little or no effects on the higher-income group. Compared to the lower and middle groups, residents from the high-income group can buffer themselves from the adverse effect of the environmental degradation. Environmental risks have a mediating effect on the relationship between socioeconomic development and health. These outcomes indicate that the complex interconnections among socioeconomic development and environmental degradation have differential effects on health status among different income groups. Besides social inequality, environmental injustice is another cause of health inequities among different income groups in modern China. This study is the first empirical research exploring the interplay of socioeconomic development and environmental degradation on health by conducting analysis on lower, middle and higher income groups respectively. The results provide an in-depth understanding of health and its key impacting factors and offer some concise policy implications to improve the health status of general populations in a more efficient way.

Key words： health; socioeconomic development; pollution; environmental injustice; multi-level Logistic model; income groups

1 引言

健康是最基本的人权,是一切社会经济活动正常运转的基础。在工业化、城镇化、老龄化及环境退化同时出现的时代背景下,中国人的健康状况也在改变。一方面,工业化和城镇化带来了社会经济的繁荣及医疗卫生条件的改善,居民的健康水平有了很大提高。另一方面,环境退化也对健康构成了挑战,环境问题已成为中国人发病的主要诱因之一[1]。加之收入差距的扩大对身心健康的影响,不同收入群体之间的健康差距越来越显著化[2]。随着社会的发展,人类对健康的关注正在从“疾病治疗”到“疾病预防”转变,而探究健康的影响因子是实现“疾病预防”的前提。尤其重要的是,对重大健康问题及健康影响因素的有效干预既是将“健康中国”战略落实到实处的重点,也是实现健康老龄化的治本之策[3]。在收入差距较大的背景下,对不同收入群体开展研究,是促进健康公平进而实现全民健康型社会的关键。然而,尽管对健康影响因子的研究受到了以公共健康学、社会学及地理学为代表的许多学科的关注,“个体”及“局地”因子对健康的影响在国际上被纳入研究框架[4],中国学术界对健康的研究仍以一般性研究及单项研究为主,缺乏可以兼顾微观与宏观层次因子,并考察不同收入群体状况的实证性分析。目前,国内外学术界关于健康、社会发展及环境因子对健康影响的研究可以概括为如下几方面：
（1）健康评价常用指标。基于李克特五级量表的健康状况自评估是目前国际上公认的社会科学领域最常用的健康评价指标。从20世纪50年代开始,自我评价健康便在社会健康学领域被广泛使用。当Singer于1976年,紧接着Mossey与Shapiro在1982年,而后Kaplan和Camacho在1983年先后证实自评健康与死亡率的联系后,自评健康在流行病学、医学、经济学领域也得到广泛的认可并被频繁的使用开来[5]。1996年,自评健康被世界卫生组织推荐为健康调查中必不可少的部分。此外,自评健康还被纳入SF-36表。对近些年社会科学领域的世界主流期刊,如Health & Place、Social Science & Medicine等进行搜索可以发现,自评健康仍然是该领域进行健康研究的常用指标。在以中老年群体作为研究对象的文献中,除自评健康外,学者们也兼顾考察老年人的日常生活自理能力或罹患的慢性病数量[6]。
（2）健康影响因子的基础模型—社会经济模型。社会经济模型主要研究社会因子及经济因子对健康的影响。在实证研究中,收入、教育水平及工作状况是被纳入该模型中最为常用的三项指标[7]。尽管分析方法有差异,对指标的分类方式也不同,许多学者均发现健康状况如发病率或自评健康随社会经济的阶梯性变化。还有一部分学者研究解析社会经济条件与健康的关系。如Evans等通过验证收入水平与受环境威胁的反向关系及环境威胁与健康状况的负向关系,认为正是由于与富有阶层相比,贫困阶层面临更多的环境危害,健康状况在不同阶层之间才有显著差异[8]。基于对德国鲁尔区45-75岁群体的调查数据,Vonneilich等通过对比分析标准社会经济模型及将社会关系加入该模型后的回归关系,认为社会关系可以很好的解释不同社会经济状况群体在自评健康状态上的显著差异[7]。借鉴国际上一些比较成熟的分析方法,如Grossman模型、Ordered Probit模型等,中国学者也从收入、医疗保险、教育、儿童时期社会经济地位等方面研究了社会经济因子对人口健康的影响[9-11]。
（3）局地效应、环境因子与健康。考虑到可能的“生态学谬误”（ 1950年,美国洛杉矶加利福尼亚大学的社会学家Robinson在一篇颇具影响力的社会学文章中发现,从人体层次上的分析来看,外来移民与文盲率的相关系数为0.118;然而基于总体层次的分析却发现,外来移民与文盲率的相关系数为-0.619。因此他得出结论：在社会科学研究中,基于个体层次与宏观层次数据所得出的研究结果可能会截然不同。）,及当时个人主义思潮的盛行,自第二次世界大战结束至1990年代初期近五十年的时间里,地方环境如邻里、社区乃至县、市、省等更高级别的区域环境特征对个体健康的作用在国际学术界并未受到太多关注[4]。对这种理论与方法上的个人主义倾向的扭转始于“新公共健康学”的发展。新公共健康学试图改变20世纪末健康学界对个人生活方式的过度关注,转而注重19世纪与20世纪早期时对清洁的城市环境的强调。它召公共健康学者在研究影响健康的下游因素如个人生活方式的同时,应将健康的上游决定因子如结构性及环境性因子纳入框架。加之彼时数理统计方法如多层次分析的发展,到20世纪末,“地方”对健康的作用开始得到重视。如Pinder等通过实证研究发现社区绿地面积的增加对自评健康有促进作用[12]。Hill等[13]则发现对周边社区环境感知上的不满对于自评健康有消极作用。生活环境的变化对人口健康的影响也是中国医学地理及环境健康研究的一大热点[14]。大气污染[15]、水污染[16]对健康的负面影响被许多研究者所证实。
（4）特殊群体的健康及健康不公平。由于不同人口群体所处的社会经济地位、可及的医疗服务及日常环境等的不同,学界很关注对弱势群体如土著居民、移民等的研究。利用加拿大原著居民调查数据,Wilson等发现,与年轻居民相比,年长的土著居民面临着地理上的孤立、传统治疗方法的丧失等更为严峻的健康挑战[17]。为了解析“健康移民效应”（ 移民群体由于移民过程中筛选机制的限制,在刚入境时,与本地出生的同龄群体相比,具有更好的健康状况;但是在入境若干年后,移民群体的健康将趋同于本地出生的同类群体,甚至恶化。这些现象在美国、澳大利亚及西欧的许多国家都有出现,并被社会科学工作者们称为“健康移民效应”。）,Subedi等通过对十年以上及十年以下的移民群体展开比较,发现生活方式的改变、对健康服务设施较差的可达性、较为低下的社会地位及工作压力均是导致移民群体健康恶化的原因[18]。国内对特殊群体的研究以流动人口为主,具体体现在对其面临的健康挑战的整理[19]及人口流动所造成的城乡健康差异等方面[20]。对健康公平的探讨是健康研究的另一个关键目标。目前学界有关健康公平的研究主要集中于衡量健康不公平的程度、探究其影响因素及机制三方面。Brulle等在他们关于公共健康的年度综述中指出,尽管美国在健康保健方面比其他国家投入更多的资金,但其总体健康水平落后于大部分发达国家,原因在于美国白人与有色人种间一贯的、且扩大化的健康差距[21]。Lantz等证明人们惯常所认为的个体行为因素如饮食、锻炼等仅能解释部分健康差距[22]。Ryn等提倡从影响健康的更宏观层次的社会与环境因子入手,探索影响健康公平的客观因素[23]。Drabo通过实证研究证实收入不平等可以通过影响环境质量而导致健康不平等[24]。中国学者在健康不公平的理论辨析、重点弱势群体及改进策略方面也进行了一定的研究[25,26]。
总结现有文献,尽管国内外关于社会经济、环境因子与健康、健康公平已经积累了可观的成果,但在研究对象上仍以一般性研究为主,虽然对特殊群体如原著居民、移民群体有一定关注,但针对不同收入群体的实证性研究极为少见。在研究内容上,尚缺乏可以证实环境不公正对健康不公平有影响的实证性分析。在研究指标上多选取单项环境因子,如绿地空间、大气污染、水污染等,而环境因子的指标是多维的,从多维的角度去衡量环境因子对健康的影响有更强的实践与政策意义。研究方法上,尽管可以将“地方”效应纳入模型的多层次分析方法在国际学术界得到了广泛青睐,但其在中国学界的应用还较罕见。鉴于此,本文立足于基本国情,基于2013年中国综合社会调查数据及与其相应的2014年中国统计年鉴数据,运用多层次Logistic回归分析模型及基础数理统计方法,从个体、社区及省三个层次,研究社会经济与环境因子对健康的影响。本文拟解决如下几个问题：① 社会经济与环境因子对健康有什么样的影响?在不同收入群体间有何区别?② 个体、社区及省级因子对健康有什么样的影响?其解释力有无差异?③ 哪些因子可以解释不同收入群体健康状况的不平等现象?通过深入发掘健康的关键影响因子,本文可以在制定健康优化策略方面,为不同层次的主体如个人、社区及政府提供有针对性的参考。

2 研究方法与数据来源

2.1 数据来源

本文使用中国综合社会调查（CGSS）2013年（简称CGSS 2013）的数据。CGSS始于2003年,是中国首个综合性、全国性的连续性学术项目。遵照国际标准,CGSS采用多阶分层的随机抽样方案,全面系统的抽取个人、家庭、社区及省等多层次的数据,以求最有效的代表中国社会各方面的情况。其调查对象为17岁及以上的人口。CGSS 2013覆盖了中国大陆31个省份中的28个（未调查海南、西藏和新疆）,共包含来自491个社区的11438个样本。其样本应答率为72.17%。CGSS将提供个体及社区层次数据[27]。省级数据来源于《中国统计年鉴（2014）》。

2.2 收入群体的划分

考虑到中国不同地区经济发展水平上的较大差距,直接根据绝对收入将样本划分为不同的收入群体并不妥。相较于绝对收入水平,样本所感受的相对收入状况对健康的作用,即相对收入效应,已为学者们所证实[24]。因此,本文将依据样本自感的相对收入等级进行分类。基于李克特式的五点选项,CGSS要求被访者从“远低于平均”“低于平均”“平均”“高于平均”及“远高于平均”中选择最适合自身的评价。本文将自评“远低于平均”与“低于平均”的样本归类为“较低收入水平”,将自评“平均”的样本归为“中等收入水平”,将“高于平均”及“远高于平均”的样本划为“较高收入水平”（表1）。实际上,已有学者根据自评收入等级的状况划分收入阶层并开展健康相关研究[28]。
Tab. 1 Descriptive information of individual-level variables

表1 个体层次变量的描述性统计信息

变量 类别 较低(%)
(n=3928)		 中等(%)
(n=6627)		 较高(%)
(n=828)		 P值
自评健康 不健康 26.8 24.5 11.2 <0.001
健康 73.2 75.4 88.8
性别 男 50.2 49.5 56.9 0.001
女 49.8 50.5 43.1
年龄(岁) 17~49 42.5 52.7 51.6 <0.001
50~59 20.6 19.0 17.0
60~74 27.2 21.3 23.7
75以上 9.7 7.0 7.7
BMI 小于24 71.1 68.8 63.3 <0.001
24以上 28.9 31.2 36.6
婚姻状况 已婚 77.7 79.5 81.7 <0.001
其他 22.3 20.5 18.1
社交生活的频度 每周数次 37.5 36.2 36.6 <0.001
每月数次 23.2 27.9 22.3
每年数次 22.8 22.5 24.1
从不 16.4 13.5 16.9
大部分人都可信 不同意 33.2 26.2 25.3 <0.001
不确定 15.5 16.6 12.2
同意 51.2 57.2 62.5
锻炼身体的频度 每周数次 14.8 19.6 31.8 <0.001
每月数次 8.2 13.3 13.5
每年数次 13.2 18.9 17.8
从不 63.8 48.2 36.7
主要居住地 城市 56.8 63.3 71.2 <0.001
农村 43.2 36.7 28.8
家庭年收入 (元) 32492.7 62369.2 127811.8 <0.001
职业 非农业 31.6 44.8 51.9 <0.001
农业 27.0 20.5 11.3
没有工作 41.4 34.7 36.8
教育程度 文盲 17.3 10.3 6.8 <0.001
初中 59.3 49.8 38.0
高中 15.4 21.0 24.9
大学及以上 7.9 18.9 30.3
基本医疗
保险		 没有 12.9 8.9 9.7 <0.001
有 87.0 91.9 90.3

2.3 变量测度

（1）因变量。基于李克特五级量表,CGSS要求被访者从“很好/好/一般/差/很差”五项中选取最适合他们的健康选项。目前,学界对自评健康能否反映健康的所有方面还存在争议。但考虑到自评健康是目前国际学术界较为常用的健康评价指标之一,及兼顾文章篇幅的有限性,本文仅将自评健康作为健康的量度。为了研究方便,且保持与现有文献的可比性,参考通用做法[6,17,18],将自评健康二分为“健康”与“不健康”,其中健康包括“很好”“好”与“一般”,不健康包括“差”与“很差”。
（2）自变量。在个体层次上,本文首先依惯例用收入、职业及教育水平反映社会经济状况。对收入的描述性分析发现其为偏态分布,因此首先对其取自然对数。根据受教育年限将教育水平分为“文盲”“初中”“高中”和“大学及以上”。为了减少“健康工作者效应”所造成的干扰,文章不论受访者正在工作或已退休,将工作类型为“主要为非农业性行业”的样本分类为“非农业性工作”,将工作类型为“主要为农业行业”的样本分类为“农业性工作”。考虑到中国的城乡二元结构,本文将主要居住地类型也列入指标。同时,尽管中国已经于2011年实现基本医疗保险的全覆盖,学界对医疗保险健康效应的实证分析还不多见。因此,医疗保险被纳入模型（表1）。
出于对隐私的保护,CGSS并未公布每个社区的名称,而是以编号代替。尽管CGSS根据样本状况的不同而分阶抽样,但社区内部的样本信息仍不足以反映社区总体,因此本文不再考虑社区的社会经济状况。CGSS要求被访者对社区的环境,即大气污染、水污染、噪音污染、工业废弃物污染、生活垃圾、森林退化、土地退化、生活用水短缺、食品污染、沙漠化、野生动物灭绝及绿地环境稀缺性共12项指标的状况进行评价。考虑到每个社区包含约24个样本,其评价的综合水平可以相对准确的反映该区环境信息,本文将研究社区层次的环境信息对健康的影响。关于环境的调查问题是基于李克特式的七点评价,即从“没有该问题”到“非常严重”共七级。为了研究方便,本文据其严重程度进行数据化处理,即“没有该问题”为“1”,“非常严重”为“7”。
在参考近几年发表文献的基础上,文章通过筛选整理了可能反映省级社会经济及环境状况的指标若干项（表2）。
Tab. 2 Variables selected to reflect provincial-level features

表2 省级指标的基本信息及简称

变量 简称
人均GDP(元) GDP
城市人口占比(%) 城镇化
每百户家用汽车(辆) 私家车
每千人拥有的医疗床位(个) 医疗机构
对电、热、燃气、水的生产和供应的固定资产投资(亿元) 电热水投资
政府公共安全投入(亿元) 公共安全投入
政府对医疗卫生及计划生育的投入(亿元) 医疗卫生投入
政府对公共交通的投入(亿元) 公共交通投入
每万人拥有的公共交通车辆数 公交车辆
城市人均绿地面积(km2) 城市绿化
县人均绿地面积(km2) 县绿化
县自来水普及率(%) 县自来水
镇自来水普及率(%) 镇自来水
镇绿化率(%) 镇绿化
乡自来水普及率(%) 乡自来水
废气中SO2排放量(万t) SO2
废气中氮氧化物排放量(万t) NOx
废气中烟(粉)尘排放量(万t) 烟(粉)尘
工业和生活污水中氨氮排放量(万t) 氨氮
工业和生活污水中化学需氧量排放量(万t) COD
（3）控制变量。反映人口学信息的一些变量,如年龄、性别、身体质量指数（BMI）及婚姻状况被列为控制变量。年龄被划分为四个顺序变量。参考其分布频次,BMI被二分为“低于24”与“24或以上”两类,婚姻状况被二分为“已婚”与“其他”。考虑到社会资本与生活方式对健康的重要影响,本文也适当选取了这两方面的指标（表1）。

2.4 研究方法

（1）权重分析及样本比较分析。由于抽样概率不同,在对样本进行描述性统计时应考虑其权重。本文以中国第六次人口普查数据为参照,根据各年龄区间、城乡及性别的抽样情况计算出各样本的权重,并以此对样本进行介绍。在对各收入群体的样本进行比较分析时,本文依据变量的类型及分布对其进行了行列卡方检验或单因素方差分析（表1）。
（2）因子分析。由于社区及省级因子均为连续型变量,且对其描述性分析显示出较强的相关性,本文对这二级指标作了因子分析。
（3）多层次Logistic回归分析。多层次模型是社会科学分析中用于对复杂等级性数据进行建模的常用统计方法之一。因其可以兼顾考察个体与群组效应,加之随着计算机软件技术的发展,近年来多层次模型在社会科学研究中得到了广泛应用。其核心思想及建模方法可以参考英国布里斯托大学多层次研究中心的相关研究成果[29]。本文仅根据研究需要作简要介绍。
若以i指代单个样本,j指某社区,k指某省,x、y分别代表自变量与因变量, β 0 代表方程的截距,vk、ujk与eijk分别代表省、社区及个体层次的残差项, β x 代表回归系数,以每层各取两个自变量为例,则多层次回归模型可以简化为：
y ijk = β 0 + β 1 x 1 ijk + β 2 x 2 ijk + β 3 x 3 jk + β 4 x 4 jk + β 5 x 5 k + β 6 x 6 k + v k + u jk + e ijk （1）
v k ~N ( 0 , σ v 2 )
u jk ~N ( 0 , σ u 2 )
e ijk ~N ( 0 , σ e 2 )
式中：x1ijk、x2ijk为个体变量;x3jk、x4jk为社区变量;x5k、x6k为省变量; σ v 2 、 σ u 2 、 σ e 2 分别为vk、ujk与eijk的方差。进一步地,方程中某一社区j的截距为：
β jk = β 0 + v k + u jk （2）
某一省j的截距则为：
β k = β 0 + v k （3）
考虑到类似然法在模型估计中所出现的收敛问题,本文在其基础上进一步采用贝叶斯马尔科夫链蒙特卡洛方法（Bayesian Markov Chain Monte Carlo）对方程进行估计。作为对阿开克信息准则（AIC）的推广,因其综合考虑了方程的复杂性及拟合程度,偏差信息准则（DIC）将被用于本文中的模型拟合度评价。DIC值越低,方程的拟合程度越好。
本文模型展开的思路如下：在考虑控制变量的基础上,模型a考察个体变量的影响,模型b估计社区变量的影响,模型c衡量省级变量的作用,模型d则综合各层次变量的影响。因性别、居住类型及年龄均被纳入回归模型,权重对回归分析的影响可以不予考虑。各变量的参考项在表1中均以粗体标注。为了讨论方便,本文以似然比表达回归分析的结果。

3 结果分析

3.1 不同收入群体基本信息的比较

三种收入群体的自评健康状况及其影响因子均存在显著差异（P值<0.05,表1）。具体如下：
（1）自评为“健康”的占比随着收入水平的提高而增加。这是由多方面的因子共同决定的,下文将分别展开。
（2）从影响健康的人口学、社会关系及生活习惯因子来看：男性群体的比例随着收入层次的提高而升高;较低收入群体中49岁及以下的年轻群体比例较低,60岁及以上的年长群体占比偏高,而中高等收入群体中年轻群体的比例较高,年长群体的比例较低;肥胖率、婚配率随收入等级的增加而增加;相较于较低及较高收入群体,中等收入群体中社交频繁及从不社交的占比较低,这可能与其工作类型的限制有关;随着收入等级的增加,认为社会上大部分人都可信的样本占比增加;锻炼身体的频度随着收入等级的增加而增加。
（3）比较三种群体的社会经济学特征,可发现：随着收入等级的提高,主要居住地为城市、从事非农业性工作、拥有高中及以上教育的样本比随之增加。值得注意的是,没有工作的人口占比在中等收入群体中最低,较高收入群体其次,较低收入群体中最高。这可能是较低等收入群体中很多人从事家务性劳动或没有稳定的工作,在调研访问中被归类为无工作群体;较高收入群体中的一部分人可能由于较多的财富,生活压力小而选择不工作。拥有基本医疗保险的中等收入群体占比最高,较低收入群体占比最低,较高收入群体居中,这可能与较低收入群体有限的经济收入与较弱的健康意识有关;较高收入群体多有覆盖面更广的商业性保险,因此对基本医疗的依赖性较弱。

3.2 因子分析结果及分布

采用主成分分析法构造因子变量,通过方差极大法旋转因子载荷矩阵,在满足特征根大于1的基础上结合碎石图的陡峭程度,从社区及省分别提取了两个及四个公因子。具体如下：
（1）在通过KMO度量及Bartlett's球形度检验的前提下,从社区层次提取了两个公因子。因子1多反映大气污染、水污染、工业废物污染等的情况,故命名为“环境污染”;因子2多与野生动物灭绝、土地退化、森林退化等相关,故命名为“生态退化”（表3）。
Tab. 3 Factor loadings of community-level variables

表3 社区指标因子分析结果

指标 因子1 因子2 共同度
大气污染 0.91 0.13 0.85
噪音污染 0.89 0.17 0.83
水污染 0.89 0.20 0.82
工业废物 0.83 0.26 0.76
食品污染 0.79 0.33 0.73
生活垃圾 0.75 0.33 0.67
绿地稀缺 0.73 0.40 0.69
野生动物灭绝 0.17 0.86 0.77
土地退化 0.12 0.85 0.74
森林退化 0.33 0.83 0.79
荒漠化 0.31 0.83 0.77
用水短缺 0.54 0.59 0.63
方差贡献率(%) 44.61 30.86 75.47

注：KMO度量为0.92;Bartlett's球形度检验显著性为0.00。

（2）在通过KMO度量及Bartlett's球形度检验后,从省级提取了四个公因子。因子1与大气、水污染指标息息相关,故命名“环境污染水平”;因子2多反映自来水普及率、城镇化率、人均GDP水平等,故称作“城市化与现代化水平”;因子3与政府的健康投入高度相关,故称作“政府服务水平”;因子4主要反映了绿化水平（表4）。
Tab. 4 Factor loadings of provincial variables

表4 省级指标因子分析结果

指标 因子 1 因子 2 因子 3 因子 4 共同度
氨氮 0.92 0.21 0.13 0.15 0.93
烟（粉）尘 0.89 0.23 -0.22 -0.02 0.90
SO2 0.86 0.33 -0.15 -0.17 0.90
COD 0.85 0.05 0.11 0.34 0.84
NOx 0.84 0.38 -0.05 -0.24 0.91
镇自来水 0.29 0.81 -0.15 0.02 0.80
县自来水 0.21 0.76 -0.37 -0.03 0.76
乡自来水 0.16 0.67 -0.15 0.28 0.64
县绿化 0.16 0.65 0.06 0.04 0.57
城镇化 0.55 0.65 0.00 0.20 0.82
医疗机构 -0.27 -0.63 0.44 -0.13 0.71
GDP 0.57 0.61 0.21 0.24 0.82
公交车辆 0.28 0.58 0.32 0.30 0.75
医疗卫生投入 0.17 0.06 0.93 -0.05 0.89
公共安全投入 0.12 0.00 0.89 -0.14 0.88
公共交通投入 -0.24 -0.22 0.85 -0.19 0.87
电热水投资 -0.18 -0.35 0.73 0.08 0.73
城市绿化 -0.06 -0.03 -0.19 0.88 0.83
镇绿化 0.09 0.39 -0.15 0.82 0.86
私家车 0.44 0.42 0.42 0.52 0.84
方差贡献率(%) 24.23 21.32 17.91 10.82 74.28

注：KMO度量为0.64;Bartlett's球形度检验显著性为0.00。

为了方便对模型结果的解析,采用ArcGIS软件中的自然断裂法对省级公因子的区域分布进行可视化（图1）。可以看出：
（1）环境污染水平高的地区同时可能也是城市化与现代化发展水平较高的地区。中国环境污染水平高的地区多分布于以北京、天津、辽宁、河北、山东等为代表的环渤海地区及以江苏、上海为代表的黄海沿线（图1a）;城市化与现代化水平较高的地区多为北京、天津、山东、江苏、上海、浙江、福建等东部沿海省份及部分内陆省份如重庆、湖北等（图1b）。
Fig. 1 Distributions of provincial-level factor scores in China

图1 省级公因子分布图

（2）西部地区在政府服务及绿化水平方面均有较高水平。政府服务水平高的地区偏重于以青海、内蒙古及宁夏等为代表的西部地区及个别东部省份如天津、北京等（图1c）;中国北方的绿化水平显著高于南方,如内蒙古、宁夏、天津、河北、山东等北方省份均有较高绿化水平,而南方仅以重庆、浙江、江西、广东为代表（图1d）。

3.3 多层次回归分析结果

不同层次的社会经济及环境指标对不同收入群体的健康状况产生差异化的影响（表5）,社会经济与环境指标的作用在最终的模型中相互缓冲。模型a中收入水平对较低及中等收入群体的健康状况有显著影响,职业、教育水平对三种收入群体的健康状况均有影响。模型b中环境污染对较低及中等收入群体的健康有积极影响但在模型d中并不稳健。模型c中环境污染水平及绿化水平对三种收入群体均有显著影响,政府服务仅对中低等收入群体有影响且并不稳健。解析如下：
（1）个体层次社会经济因子对自评健康的影响。模型a显示收入的增加仅对较低及中等收入群体的健康状况有显著促进作用。这可能是由于对于这两种群体而言,收入的增加可以带来生活水平及卫生水平的提高,进而改善健康;而较高收入群体在生活水平及医疗卫生方面已有很高水准,因此收入的增加对他们的影响并不显著。对于较低及中等收入群体,不管其工作类型,有过或正在工作比没有工作更容易有好的健康状况;而对于较高收入群体,从事非农业性工作更容易健康。这可能是由于较高收入群体多从事非农业性工作,由于样本数量的限制,从事农业性工作对健康的作用并不显著。工作对健康的促进作用一方面是由“健康工作者效应”[30]导致的,另一方面可能由于工作所带来的回报与价值感有助于身体健康。拥有初中及以下的教育水平仅对中等收入群体的健康有促进作用。可能在于这一群体具备一定的经济基础,拥有初中水平的教育相较于从未接受过教育有助于其提升健康意识,进而促进健康;对于较低等收入群体,仅仅拥有初中或以下的教育并不能显著的促进健康,这可能受制于有限的经济条件;而对于较高收入群体,因其本身的教育水平普遍偏高,仅有基础教育对于健康的作用并不显著。拥有高中或以上教育对于较低及中等收入群体的健康均有明显的促进作用,这与高学历带来的健康意识增强与良好工作环境息息相关;相较于较低收入群体,大学及以上教育对中等收入群体的促进作用并不稳健。意外的是,拥有大学及以上学历对于较高收入群体的健康有显著负作用,可能是高学历高收入群体往往也处于强压工作状态,各方面的压力会严重危害这一群体的心理与生理健康[31]。有无基本医疗保险对三种收入群体的健康状况均无显著影响。中国的医疗改革尚处于探索期,由于其中的很多限制,并不能明显减轻老百姓的医疗负担[32],因此对健康状况的促进作用还不明显。
Tab. 5 Multi-level Logistic estimates for odds ratios of good health

表5 多层次Logistic回归分析结果

较低收入群体 中等收入群体 较高收入群体
模型a 模型b 模型c 模型d 模型a 模型b 模型c 模型d 模型a 模型b 模型c 模型d
个体层次
城市(乡村) 1.12 1.17 1.06 0.98 1.07 1.14
ln(收入) 1.10** 1.08* 1.12*** 1.05* 1.15 1.14
职业(没有工作)
非农业性工作 2.22*** 2.20*** 1.87*** 1.93*** 2.13** 2.07*
农业性工作 1.52** 1.53*** 1.40*** 1.48*** 1.77 1.84
教育水平(文盲)
初中或小学 1.05 1.02 1.33* 1.27* 0.53 0.54
高中 1.58* 1.53* 1.43** 1.39* 0.42 0.42
大学或以上 1.56* 1.50* 1.37* 1.35 0.23** 0.22**
基本医疗保险(没有)
有 0.83 0.83 1.04 0.96 1.06 0.96
社区层次
环境污染 1.14*** 0.96 1.22** 1.11 1.10 0.99
生态退化 1.04 1.00 0.96 0.96 1.10 0.98
省层次
环境污染水平 1.18** 1.18* 1.22*** 1.14* 1.30* 1.30*
城市化与现代化 1.08 1.10 0.95 0.97 0.87 1.02
政府服务 1.32** 1.18 1.24* 1.20 1.03 0.86
绿化水平 1.22** 1.33*** 1.32*** 1.34*** 1.44*** 1.41**
DIC值 4140.0 5239.9 5271.2 4101.4 5766.8 7650.3 7759.4 5658.7 321.6 867.2 889.5 268.7

注：*、**、***分别表示0.05、0.01、0.001水平性下显著。

（2）社区层次环境因子对健康的影响。模型b中环境污染与较低及中等收入群体特别是中等收入群体的健康状况呈现出显著的正向关系,但这种关系在模型d中不再显著。这个结果表面上出乎预期,但如果深入剖析并比较模型b与模型d的结果,也可以有比较合理的解释。由于社区的匿名性,本文未能将社区的经济发展指标纳入模型,而环境污染比较严重的社区也同时很可能是工业发展较好、经济较为发达之处[33]。尽管这些地区的环境质量不高,但发展所带来的就业机会及生活水平的提高可以改善居民的健康,尤其对于中低等收入群体,这便是环境污染与健康状况呈正相关的原因。而较高收入群体则因具备丰厚的基础,并不依赖社区工业发展所带来的机遇,因此环境污染对其作用不显著。实际上,由于当前工业化阶段社会经济发展水平提高与环境污染水平增加的同步性[34],Sun等也发现了污染与健康的正向关系[35]。对比模型b与模型d,尽管环境污染的作用在模型d中不再显著,但收入与教育程度的似然比在模型d中变小,这很可能是由于个体收入与社区环境污染被同时纳入模型后,社区经济发展的部分作用通过个人社会经济地位的提高被反映出来,因此环境污染的作用不再显著。污染对健康的不利影响缓冲了收入及教育水平的增加对健康的促进作用,因此在模型d中这两项的系数均有所降低。社区层次生态退化对三种收入群体的作用均不显著,这可能由于中国生态退化严重的地区多为发展较为落后的丘陵山区或农业集中区[36],尽管生态环境的退化对人口健康不利,但土地开发、森林砍伐等带来的利润也提高了人口的健康水平,而这两种作用综合起来对健康的影响则不明显。
（3）省级因子对健康的影响。根据模型c,环境质量的恶化与三种收入群体的健康表现出显著的正相关性,且在模型d中稳健。尽管本文已对省级变量进行了因子分析,但是正如图1所示,污染水平高的地区与经济发展、工业化与现代化水平高的地区表现出一定程度上的正相关性。污染程度较严重的省一方面可能是社会经济发达、人口较为集中的经济大省,也可能是依靠开采特色资源以维持其经济发展的资源大省[33]。加之城市化与现代化对三种收入群体的作用均不显著,即其对健康的促进作用很可能通过污染被间接的反映出来,这也是导致污染程度与健康正相关的原因。值得注意的是,污染程度的似然系数在较高收入群体中最大,说明由于对发展较强的发言权及对环境污染较强的防御能力,较高收入群体在经济发展及其所带来的环境污染中获益最多。绿化水平的提高对三种收入群体的健康均有显著而稳健的促进作用,且该作用对较高收入群体最强,对较低收入群体最弱。这进一步反映了环境资源在不同收入群体之间的不公平分配。较高收入群体往往占领最优越的环境,而较低收入群体在享受环境所带来的便利方面处于劣势地位。政府服务对中低等收入群体特别是较低收入群体的健康状况有显著的促进作用,这与中低收入群体更依赖政府的公共投入有关。但这种促进作用在模型d中不再显著,这一方面可能是由于政府对中低收入群体健康方面的扶持力度有限,另一方面可能是其促进作用被间接的通过方程中的其他变量反映了出来。
（4）模型拟合优度的比较。根据各模型的DIC值,对三种收入群体来讲,综合考虑各层次因子作用的模型d拟合度是最好的,其次是模型a,最差的是只考虑省级因子的模型c。从DIC值的变化可以得出,若比较解释力的相对重要性,个体层次因子的解释力最强,其次是社区层次因子,最后是省级因子。

4 结论与讨论

探索健康的关键影响因子并实施有效干预是将“健康中国”战略落实到实处的重点,对不同收入群体开展比较研究是促进健康公平进而实现全民健康型社会的关键。本文采用中国综合社会调查与中国统计年鉴数据,通过构建多层次Logistic回归分析模型并运用多种基础数理统计方法,从个体、社区及省三个层次提取象征社会经济发展与环境状况的单一或复合性指标,系统探讨了社会经济发展与环境对较低、中等及较高收入群体健康状况的影响,主要结论如下：
（1）个体与地方特征对自评健康有不同程度的影响。个体特征对健康状况的解释力最强,其次是社区因子,最后是省级因子。将三级因子同时纳入方程的模型具有最优的拟合度。由于部分因子的显著性在最终方程中并不稳健,说明对健康的研究应综合考虑多层次因子的影响,以避免得出有失偏颇的结论。
（2）社会经济因子对健康的作用在不同收入群体间有很大差异。通常被认为是有益于健康的因子如收入、教育仅对中低收入群体的健康有显著的促进作用,收入的增加对较高收入群体的作用不明显,教育水平对较高收入群体的健康有显著的负作用。政府服务仅对中低收入群体的健康有显著的促进作用,但并不稳健。对健康的研究应区别对待不同的人口群体,一般性研究论可能只适用于一部分人。
（3）由于工业化阶段社会经济发展、健康与环境污染水平提高的同步性,环境因子与健康呈现出正相关性,且与较高收入群体的相关性最强。尽管社区层次的环境污染与中低收入群体的健康表现出正向关系,但这种关系在最终模型中不复显著。省级层次的环境污染与三种收入群体均有稳健的正向关系,且以对较高收入群体最强。绿地空间的增加对人口健康有积极的作用,且随着收入等级的提高而增强。许多研究证实单项的环境污染对健康有负作用,但此结论并不适用于综合性的环境指标。
（4）环境污染可以抵消一部分社会经济发展所带来的健康水平的提高。将社区层次的环境污染纳入最终的模型后,环境污染对健康的作用不再显著,但收入及教育水平的提高对健康的作用系数有所降低。这说明社会经济发展对健康的促进作用由于环境污染的存在而减弱。
（5）除了不平等的社会经济条件,环境不公正是导致健康不公平的另一个重要原因。本文的实证研究表明,收入、教育、政府服务等社会经济因子仅能促进中低收入群体的健康状况,说明较高收入群体在这些方面已经具有了很高的水平,社会经济条件的不平等首先导致了三种收入群体的健康不公平。而不同收入群体在对环境污染的抵御能力及良好环境资源占有上的不公正性,使得环境资源对较高收入群体的健康状况最有利。环境的不公正性从另一个方面解释了不同收入群体间的健康不公平。
由于数据与方法的限制,本文也存在一定的不足之处：① 为了保持与现有研究的连贯性与可比性,本文将自评健康状况二分为健康与不健康。尽管将因变量二分化可以简化模型运算并方便讨论,但也稍显绝对化。在今后的研究中可以尝试将健康状况三分为健康、一般与不健康,并可专门对这两种分类方式的结果作敏感性分析。② 由于社区的匿名性与地理位置未知性,本文缺乏对相关指标地理分布及空间关系的探讨,社区间的空间关系未能纳入研究框架。在未来的研究中运用可以兼顾考察地理空间相关性的空间多层次回归模型将获得更为精确的研究结论。③ 本文中环境污染与健康水平的正向关系印证了中国当前工业化进程中社会经济发展水平、健康水平及环境污染水平提高的同步性。对不同经济发展阶段开展研究或将得出关于环境与健康关系的不同结果。在今后的研究中,基于追踪性调查数据开展分析将得到更为全面而有价值的研究结论。
致谢：本文中的数据部分来自中国人民大学中国调查与数据中心主持之《中国综合社会调查（CGSS）》项目。感谢此机构及其人员提供数据协助。

The authors have declared that no competing interests exist.

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Zhang J F, Mauzerall D L, Tong Z, et al.Environmental health in China: Progress towards clean air and safe water. The Lancet, 2010, 375(9720): 1110-1119.

[2]
Tang S L, Meng Q Y, Chen L, et al.Health system reform in China: Tackling the challenges to health equity in China. The Lancet, 2008, 372(9648): 1493-1501.

[3]
李滔, 王秀峰. 健康中国的内涵与实现路径. 卫生经济研究, 2016, (1): 4-9.

[Li Tao, Wang Xiufeng.Connotation and realizing route of Healthy China. Health Economics Research, 2016, (1): 4-9.]

[4]
Macintyre S, Ellaway A, Cummins S.Place effects on health: How can we conceptualise, operationalise and measure them? Social Science & Medicine, 2002, 55(1): 125-139.

[5]
Jylhä M.What is self-rated health and why does it predict mortality? Towards a unified conceptual model. Social Science & Medicine, 2009, 69(3): 307-316.

[6]
Evandrou M, Falkingham J, Feng Z X, et al.Individual and province inequalities in health among older people in China: Evidence and policy implications. Health & Place, 2014, 30: 134-144.

[7]
Vonneilich N, Jockel K H, Erbel R, et al.The mediating effect of social relationships on the association between socioeconomic status and subjective health: Results from the Heinz Nixdorf Recall cohort study. BMC Public Health, 2012, 12(1): 285.

[8]
Evans G W, Kantrowitz E.Socioeconomic status and health: The potential role of environmental risk exposure. Annual Review of Public Health, 2002, 23(1): 303-331.

[9]
于晓薇, 胡宏伟, 吴振华, 等. Yu Xiaowei, Hu Hongwei, Wu Zhenhua, et al. The health status of citizens in China and its influencing factors. China Population, Resources and Environment, 2010, 20(2): 151-156.]

[10]
余祖伟. 教育水平和健康状况的关系. 武汉: 武汉大学博士学位论文, 2010.

[Yu Zuwei.The relation between education level and health condition. Wuhan: Doctoral Dissertation of Wuhan University, 2010.]

[11]
仲亚琴. 儿童期社会经济地位与中老年健康状况的关系研究. 济南: 山东大学博士学位论文, 2014.

[Zhong Yaqin.Study on the association between childhood socioeconomic status and health of middle aged and older. Jinan: Doctoral Dissertation of Shandong University, 2014.]

[12]
Pinder R, Kessel A, Green J, et al.Exploring perceptions of health and the environment: A qualitative study of Thames Chase Community Forest. Health & Place, 2009, 15(1): 349-356.

[13]
Hill E M, Shepherd D, Welch D, et al.Perceptions of neighborhood problems and health-related quality of life. Journal of Community Psychology, 2012, 40(7): 814-827.

[14]
杨林生, 李海蓉, 李永华, 等. 医学地理和环境健康研究的主要领域与进展. 地理科学进展, 2010, 29(1): 31-44.

[Yang Linsheng, Li Hairong, Li Yonghua, et al.Progress of medical geography and environmental health studies. Progress in Geography, 2010, 29(1): 31-44.]

[15]
郭文伯, 张艳, 柴彦威. 城市居民出行的空气污染暴露测度及其影响机制: 北京市郊区社区的案例分析. 地理研究, 2015, 34(7): 1310-1318.

[Guo Wenbo, Zhang Yan, Chai Yanwei.Measurement of residents' daily travel air pollution exposure and its mechanism: A case study of suburban communities in Beijing. Geographical Research, 2015, 34(7): 1310-1318.]

[16]
齐良书. Qi Liangshu. Interrelationship between growth, environment and population health: An empirical analysis based on China's provincial data. China Population, Resources and Environment, 2008, 18(6): 169-173.]

[17]
Wilson K, Rosenberg M W, Abonyi S.Aboriginal peoples, health and healing approaches: The effects of age and place on health. Social Science & Medicine, 2011, 72(3): 355-364.

[18]
Subedi R P, Rosenberg M W.Determinants of the variations in self-reported health status among recent and more established immigrants in Canada. Social Science & Medicine, 2014, 115(4): 103-110.

[19]
牛建林, 郑真真, 张玲华, 等. 城市外来务工人员的工作和居住环境及其健康效应: 以深圳为例. 人口研究, 2011, 35(3): 64-75.

[Niu Jianlin, Zheng Zhenzhen, Zhang Linghua, et al.Labor migrants' working and living environments and the related health impacts: Evidence from Shenzhen. Population Research, 2011, 35(3): 64-75.]

[20]
牛建林. 人口流动对中国城乡居民健康差异的影响. 中国社会科学, 2013, (2): 46-63.

[Niu Jianlin.Migration and its impact on the differences in health between rural and urban residents in China. Social Sciences in China, 2013, (2): 46-63.]

[21]
Brulle R, Pellow D.Environmental justice: Human health and environmental inequalities. Annual Review of Public Health, 2006, 102(27): 103-124.

[22]
Lantz P, Lynch J, House J, et al.Socioeconomic disparities in health change in a longitudinal study of US adults: The role of health-risk behaviors. Social Science & Medicine, 2001, 53(1): 29-40.

[23]
Ryn M V, Fu S S.Paved With Good Intentions: Do public health and human service providers contribute to racial/ethnic disparities in health. American Journal of Public Health, 2003, 93(2): 248-255.

[24]
Drabo A.Impact of income inequality on health: Does environment quality matter. Environment and Planning A, 2011, 43(1): 146-165.

[25]
杜本峰, 王旋. 老年人健康不平等的演化、区域差异与影响因素分析. 人口研究, 2013, 37(5): 81-90.

[Du Benfeng, Wang Xuan.Health inequlity among the Chinese elderly: Changes, regional disparities and determinants. Population Research, 2013, 37(5): 81-90.]

[26]
焦开山. 健康不平等影响因素研究. 社会学研究, 2014, (5): 24-46.

[Jiao Kaishan.Health inequalities of different socio-economic status and its influencing factors. Sociological Studies, 2014, (5): 24-46.]

[27]
中国人民大学中国调查与数据中心China National Survey and Research Centre. Chinese general social survey.

[28]
Ferreira S, Moro M.Income and preferences for the environment: Evidence from subjective well-being data. Environment and Planning A, 2013, 45(3): 650-667.

[29]
Fielding A, Pillinger B, Steele F, et al.

[30]
Wilson K, Rosenberg M W.Exploring the determinants of health for First Nations peoples in Canada: Can existing frameworks accommodate traditional activities?. Social Science & Medicine, 2002, 55(11): 2017-2031.

[31]
徐双军. 《劳动合同法》视角下高学历高收入群体“过劳死”现象研究. 湖北警官学院学报, 2013, (5): 91-95.

[Xu Shuangjun.Research on the "Karoshi" phenomenon among the high-education and high-income group in the perspective of Laws on Employment Contacts. Journal of Hubei University of Police, 2013, (5): 91-95.]

[32]
Liu H, Zhao Z.Does health insurance matter? Evidence from China's urban resident basic health insurance. Journal of Comparative Economics, 2014, 42(4): 1007-1020.

[33]
杨昆, 杨玉莲, 朱彦辉, 等. 中国PM2.5污染与社会经济的空间关系及成因. 地理研究, 2016, 35(6): 1051-1060.

[Yang Kun, Yang Yulian, Zhu Yanhui, et al.Social and economic drivers of PM2.5 and their spatial relationship in China. Geographical Research, 2016, 35(6): 1051-1060.]

[34]
王五一, 杨林生, Kraft T, 等. 全球环境变化与健康. 北京: 气象出版社, 2009.

[Wang Wuyi, Yang Linsheng, Kraft T, et al.Global Environmental Change and Health. Beijing: China Meteorological Press, 2009.]

[35]
Sun Y H, Shang J X.Factors affecting the health of residents in China: A perspective based on the living environment. Ecological Indicators, 2015, 51: 228-236.

[36]
刘国华, 傅伯杰, 陈利顶, 等. 中国生态退化的主要类型、特征及分布. 生态学报, 2000, 20(1): 14-20.

[Liu Guohua, Fu Bojie, Chen Liding, et al.Characteristics and distributions of degraded ecological types in China. Acta Ecologica Sinica, 2000, 20(1): 14-20.]

Options
文章导航

/

〈 〉