EN中文

地理研究 >

2022 , Vol. 41 >Issue 10: 2760 - 2776

DOI: https://doi.org/10.11821/dlyj020210440

研究论文

中国城市公共健康水平的时空演化及其影响因素

  • 李琳 , 1 ,
  • 曾伟平 , 2
展开
  • 1.湖南大学经济与贸易学院,长沙 410079
  • 2.湖南工业大学经济与贸易学院,株洲 412008
曾伟平（1992-）,男,江西赣州人,博士,主要从事健康地理与健康经济研究。E-mail:

李琳（1965-）,女,湖南娄底人,博士,教授,博士生导师,主要从事产业经济、区域经济与健康经济研究。E-mail:

收稿日期: 2021-05-26

  录用日期: 2022-06-20

  网络出版日期: 2022-12-10

基金资助

国家社会科学基金重大项目(17ZDA081)

国家社会科学基金后期资助项目(20FJLB018)

收起

Spatio-temporal evolution and influencing factors of urban public health level in China

  • LI Lin , 1 ,
  • ZENG Weiping , 2
Expand
  • 1. School of Economics and Trade, Hunan University, Changsha 410079, China
  • 2. School of Economics and Trade, Hunan University of Technology, Zhuzhou 412008, China

Received date: 2021-05-26

  Accepted date: 2022-06-20

  Online published: 2022-12-10

Fold

摘要

采用定基极差熵权法与定基等权赋值法相结合的综合评价方法、核密度估计、探索性空间数据分析等方法,分析2003—2018年中国284个地级以上城市公共健康水平的时空演化特征,并运用广义空间两阶段最小二乘法考察其影响因素。结果发现：① 研究期内中国城市公共健康水平整体呈上升趋势,但各城市间公共健康水平差异有所扩大,且始终存在多级分化现象;② 四大板块核密度曲线在重心位置、主峰高度、波峰数量、拖尾长度、拖尾厚度上均有各自演化形态,是一种时段特征与地区特色相互耦合叠加的结果;③ 中国城市公共健康水平存在正向空间溢出效应和空间“同群效应”,空间集聚类型实现了由LL型为主体向HH型为主体的转化;④ 收入水平、人口密度、科技进步、工业化程度、卫生体制改革对城市公共健康具有影响,但各因素对不同区域的影响存在异质性。

关键词： 公共健康; 时空演化; 影响因素; 广义空间两阶段最小二乘法; 中国城市

本文引用格式

李琳 , 曾伟平 . 中国城市公共健康水平的时空演化及其影响因素[J]. 地理研究, 2022 , 41(10) : 2760 -2776 . DOI: 10.11821/dlyj020210440

Abstract

Based on the comprehensive evaluation method combining fixed base range entropy weight method and fixed base equal weight assignment method, kernel density estimation and exploratory spatial data analysis methods, this paper analyzes the spatio-temporal evolution characteristics of public health level of 284 cities in China from 2003 to 2018, and uses the generalized spatial two-stage least square method to investigate its influencing factors. The results show that: (1) During the study period, the urban public health level is on the rise as a whole in China, but the difference of public health level among cities has expanded, and there is always a phenomenon of multi-level differentiation. (2) The kernel density curves of the four plates have their own evolution forms in the position of gravity center, the height of main peak, the number of wave crests, the length of trailing and the thickness of trailing, which is the result of the coupling and superposition of time characteristics and regional characteristics. (3) There are positive spatial spillover effect and spatial “Peer Effects” in China's urban public health level, and the spatial agglomeration type has transformed from LL type to HH type. (4) Income level, population density, technological progress, industrialization and health system reform have an impact on urban public health, but the impact of various factors on different regions is heterogeneous.

Key words： public health; spatio-temporal evolution; influencing factors; generalized spatial two-stage least square method; Chinese city

1 引言

公共健康是衡量人民幸福与经济社会发展质量的基础标尺,发展公共健康事业是全面建设社会主义现代化国家的应有内涵和重要组成部分。从党的十八大报告明确强调要“提高人民健康水平”,到十八届五中全会首次提出“推进健康中国建设”,再到十九届五中全会进一步提出2035年建成“健康中国”的远景目标,推动公共健康事业加快发展渐成全社会共识与举动。特别在近年,随着中国经济社会取得一系列重大发展成就,人民群众对健康安全和生活质量的重视不断提升,同时前期阶段遗留下来的发展问题（如环境污染、生态破坏等）还在威胁着公共健康,甲型流感、埃博拉出血热、新冠病毒肺炎等国际流行病暴发风险也波云诡谲,公共健康问题备受社会各界热切关注。
城市作为健康中国战略实施的主要空间载体,是改善中国公共健康的关键节点。如何在城市化高质量发展的时代背景下,进一步提高城市公共健康水平,已成为中国当前面临的重大课题。由此延伸出一系列迫切需要解决的问题：在以城市作为公共健康主战场的情境下,应当如何科学衡量中国城市公共健康水平?城市公共健康水平存在怎样的区域分布特征和时空演化趋势?中国城市公共健康水平的时空演化究竟是受到哪些影响因素所驱动?针对这些问题的科学解答,可以更加系统、客观地认知中国城市公共健康的发展现状、演化规律和制约短板,为深入实施健康中国战略、促进区域公共健康协同改善提供决策依据。
当前,国内外学术界对公共健康的研究已取得较丰富成果,与本文关联密切的研究内容可概括为三方面：一是公共健康理论内涵的研究。最初的健康主要从身体机能的视角释义,单纯指生理上的健康,属于狭义健康概念[1]。世界卫生组织（WHO）1948年关于健康的定义是“它是一种身体、精神和社会维度上的安适愉快状态,而不仅是指没有疾病或虚弱”,“多维”的广义健康概念开始受到关注;1990年,WHO又在“三维”健康概念基础上加入道德健康维度,形成“四维”健康概念[2]。随后,武留信等认为健康应包含健康史、躯体症状、社会适应能力、心理健康、保健意识和生活方式6个维度[3];Ye等则认为健康应涵盖生理健康、心理健康和社会健康3个维度[4]。二是公共健康的测度研究。现有关于公共健康的测度主要有指标法、效率值法和构建综合评价指数三种方法。其中,指标法所选指标多与生理健康相关,且多为负向衡量指标,如呼吸系统疾病死亡人数[5]、人群总死亡率[6,7]、肿瘤科门急诊人数[8]等。效率值法多用公共卫生投入-健康产出效率来衡量地区公共健康水平。张宁等以千人卫生技术人员数、千人卫生机构床位数和人均卫生总费用为投入变量,以平均预期寿命为产出变量,运用DEA方法对地区健康生产效率进行了测评[9]。俞佳立等选用千人卫生机构床位数和千人医疗卫生技术人员数作为投入变量,选用孕产妇死亡率、围产儿死亡率和传染病发病率作为产出变量,运用DEA-Malmquist模型动态测评了中国八大综合经济区的居民健康生产效率[10]。构建综合评价指数的文献相对较少。王昕天以居民预期寿命、出生率和死亡率3个指标的加权平均值构建居民健康水平指数来反映各地区卫生投入效果[11]。Zhao等从健康维度、卫生服务、环境维度和社会经济维度四方面构建了健康城市的评价指标体系[12]。三是公共健康的影响因素研究。主要集中于从个体层面的教育和收入水平[13,14],家庭层面的和谐氛围与卫生环境[15,16]或社会经济层面的社会地位、医疗资源配置、城市化、空气污染等[17⇓⇓⇓-21]展开讨论。
梳理文献发现,公共健康一直是国内外关注的热点议题,学术界对其进行了广泛探讨,但仍处探索阶段。迄今,尽管与公共健康直接相关的文献不少,对于其内涵尚没有统一明确定义。对于公共健康水平的衡量,有文献从单一指标出发寻求关联代理变量,也有文献从公共健康投入产出的效率视角来加以表征,但这些文献皆忽视了公共健康本身所应具有的多维综合特征,这些处理方式都无法较好体现公共健康的现实全貌。由此,就引发少数学者尝试构建公共健康评价指标体系,但已有评价体系或缺乏理论分析逻辑,有冗杂随意之嫌,或缺乏公开出版、较易获得的统计数据,这都会影响指标体系的科学性和解释力。而对于公共健康水平的实证评估,现有文献主要从国家或省域尺度进行定量评估,鲜有文献从城市尺度定量评估与分析中国公共健康水平的时空演化趋势,也鲜有文献系统考察城市公共健康的多维影响因素而更多限于单一因素如空气污染等对其影响,导致无法充分揭示中国公共健康水平的演化特征、凸显问题及不同区域的差异化短板,进而无法因地制宜对不同区域进行精准有效的政策引导,不利于健康中国战略的协同推进。
基于此,本文从公共健康的理论内涵出发,在清晰的内涵和明确的逻辑基础上探索性构建城市公共健康评价指标体系,而后综合运用定基极差熵权法与定基等权赋值法相结合的综合评价方法对2003—2018年中国284个地级以上城市公共健康水平进行科学测度。基于测度结果,进一步采用核密度估计、探索性空间数据分析、广义空间两阶段最小二乘法等方法系统考察中国城市公共健康水平时空演化特征及多维影响因素。最后,基于研究结论,结合中国国情,提出以改善城市公共健康为核心的针对性政策建议。

2 公共健康的内涵界定

本文主要基于健康地理学和健康经济学理论视角来考察中国城市公共健康水平的时空演化特征及影响因素。考虑到公共健康细分维度中最便于直接观测且易于统计分析的当属身体健康维度,心理健康、社会压力、道德品质等真实状况也会在较大程度上决定个体身体健康水平,精神、社会、情绪等方面的健康数据缺乏公开统计资料而难以衡量,同时相关代表性文献也多以公众的身体健康来表征公共健康[5⇓⇓⇓⇓⇓-11],因此本文与多数文献一致采取狭义公共健康概念,即城市居民在身体机能方面的健康状况。而在具体衡量时,既考虑城市公共健康改善所必备的基础支撑条件和难以消弭的环境暴露风险,又兼顾产出导向的公共健康改善绩效,以期尽可能客观拟合中国城市公共健康的现实特征。
该处理方式的理论逻辑在于：① 必要的公共健康基础是城市公共健康改善的逻辑起点和前提条件,如城市管理者拥有良好的公共卫生治理能力,医疗卫生资源供给做到公平可及、体系完备,居民的膳食营养能获得持续改善等都是保障城市公共健康不可或缺的基石。② 根据环境暴露学派理论,城市居民都生活工作于特定环境之下,所以环境暴露就构成城市公共健康的潜在威胁和风险隐患[22⇓-24]。如自然环境污染、建成环境拥挤、社会环境压抑、开放环境活跃等都可能给城市居民带来暴露风险和健康负效应,故在评价城市公共健康时理应有所考虑。类似做法,2018年国家卫健委发布《全国健康城市评价指标体系（2018版）》,将由空气质量等表征的“健康环境”列为评价健康城市五大维度之首。③ 城市公共健康的根本价值追求在于在一定的公共健康基础支撑和环境暴露风险威胁的综合作用下,健康相关“期望产出”尽可能有所增加,“非期望产出”尽可能减少或消除,而这不仅体现于居民健康素养的切实提升和健康行为的科学合理,更直接体现于居民身体状况的持续改观和城市健康损失的有效规避。总之,公共健康水平的全面提升有赖于公共健康基础、环境暴露风险和公共健康绩效三维度的协同改善。

3 研究方法与数据来源

3.1 公共健康评价的指标体系

城市公共健康水平测评建立在对其内涵清晰界定的基础上,基于前文分析并借鉴相关代表性研究成果[5,6,8,11,12,20,22,23],遵循指标体系构建的科学性、全面性、代表性、均衡性和可操作性等原则,本文从公共健康基础、环境暴露风险、公共健康绩效3个维度构建中国城市公共健康评价指标体系（表1）。公共健康基础维度从政府能力、医疗设施、医护人员和膳食营养4个领域构建指标体系,分别用人均财政医疗卫生支出、万人拥有医疗卫生机构床位数、万人拥有医生数和人均水产品占有量来衡量。环境暴露风险维度从生态环境、建成环境、社会环境和开放环境4个领域构建指标体系,分别用PM2.5年均浓度、道路交通拥堵状况、城镇登记失业率和旅行活跃度来衡量[22⇓-24]。公共健康绩效维度从健康素养、健康行为、健康改善和健康损失4个领域构建指标体系,分别用居民基本健康素养、健康检查人口密度、人口存活率和城市传染病发病率来衡量。
表1 城市公共健康评价指标体系

Tab. 1 The evaluation indicators system of urban public health

一级指标 二级指标 衡量指标 指标性质
公共健康基础 政府能力 人均财政医疗卫生支出(元) 正
医疗设施 万人拥有医疗卫生机构床位数(张) 正
医护人员 万人拥有医生数(人) 正
膳食营养 人均水产品占有量(kg) 正
环境暴露风险 生态环境 PM2.5年均浓度(μg/m3) 负
建成环境 道路交通拥堵状况(人/m2) 负
社会环境 城镇登记失业率(%) 负
开放环境 旅行活跃度(%) 负
公共健康绩效 健康素养 居民基本健康素养(人) 正
健康行为 健康检查人口密度(人/km2) 正
健康改善 人口存活率(%) 正
健康损失 城市传染病发病率(1/10万) 负
PM2.5为空气污染中最主要致病因素[20],以其年均浓度表征生态环境。道路交通拥堵状况,以人均道路面积负向表征。有研究指出,交通拥堵可能引起皮肤或眼睛发炎、呼吸系统疾病、久坐肥胖症,甚至耽误急救工作等健康负效应[25]。旅行活跃度,以城市客运总量与城市总人口比值表征。居民基本健康素养,以高中教育普及水平衡量,具体以万人拥有中学教师数来表征。由于基本健康素养是对基本健康信息获得、吸收及运用能力的反映,高中教育培养目标之一就是让学生掌握基本科学文化素质,具备学会收集、判断、处理和运用信息的基本能力,而中国地区间高中教育普及水平尚存较大差异,如2020年高中录取率最高省份黑龙江（70.49%）高出最低省份河南（53.11%）的17.38%,因此该处理方式有其合理性。健康检查人口密度,以单位面积参与健康检查人数表征,其中健康检查人数缺失市级数据,作为次优选择,以省级面板为基准按各城市人口规模省域占比为权重估得市级数据。人口存活率,由100%减去人口死亡率得到。此外,采用城市传染病发病率衡量城市健康损失主要考虑到,从历史和现实来讲,对城市健康和经济发展产生重创的公共健康问题多以传染病疫情的形式呈现[26]。但是,公开资料仅能查询到省级层面传染病发病率数据,考虑到传染病发病率与城市人口规模具有正向关系,但与城市科技实力负相关,因此本文以省级层面甲乙类法定报告传染病发病率数据为基础,分别以城市人口规模占所在省份比例和城市发明专利申请数占所在省份比例（逆向权重）作为权重对省级数据进行赋权处理,由此估得城市层面传染病发病率数据。

3.2 研究方法

3.2.1 公共健康水平测度

本文将定基极差熵权法与定基等权赋值法进行组合形成全新的主客观赋权相结合的综合评价方法对城市公共健康水平进行定量测评。其中,定基极差熵权法是熵权法与定基极差法的结合,前者用于客观计算指标权重,而后者是对极差标准化方法进行改进后的指标无量纲化处理方法[27]。定基极差熵权法的优点是既能客观赋予具有贡献程度差异的不同指标相应的权重值,又能充分体现评价对象所具备的时空双维、动态可比特征[28]。定基等权赋值法的测算与定基极差熵权法基本一致,差异在于它将所有指标权重视为等同。考虑该方法的原因在于,公共健康水平提升是各细分维度复合嬗变的系统演进过程,各分维度从不同侧面对公共健康作出了影响,可能具有同等重要性,有学者认为针对此种情况应将各指标赋予相同权重[29]。本文对分别由定基极差熵权法和定基等权赋值法测评的城市公共健康水平值做进一步计算,以二者均值作为城市公共健康水平的最终度量。限于篇幅,定基极差熵权法测算步骤可参照周小亮等[27]。

3.2.2 核密度估计

它是用来估计概率密度函数的一种非参数检验方法,该方法的优点在于无需对参数模型做任何假设,也能从样本数据本身去探究数据的分布特征,其本质为用连续的密度函数曲线来刻画随机变量的分布形态与时间演化趋势[30]。其公式为：
f ( x ) = 1 n h ∑ i - 1 n K x i - x h
式中：n为样本量;h为带宽,决定了所估计函数的平滑状态;K( ⋅)为核函数,采用学术界广泛应用的高斯核函数估计;xi为样本属性值。根据核密度曲线的重心位置、主峰高度、波峰数量、拖尾长度、拖尾厚度可以刻画出属性值的大小、差异、多极化等方面的演化特征,以及高（低）值区的属性值演化特征和高（低）属性值占比的演化特征。

3.2.3 探索性空间数据分析

它是一种基于空间数据驱动的分析方法,通过对空间事物或现象的分布格局进行统计描述,探究研究对象在地理邻近区域之间的空间自相关特征及其相互作用机制[31]。该法分为全局空间自相关和局部空间自相关两种,本文首先采用全局空间自相关指数从全域视角探究研究对象空间相关和空间差异程度,然后采用局部空间自相关指数从局域视角度量研究对象空间相关性,识别局域尺度下的空间集聚与离散格局特征。
采用学术界广泛采用的全局Moran's I指数度量城市公共健康水平的全局空间相关性。其函数形式为：
I = ∑ i = 1 n ∑ j = 1 n w i j ( x i - x - ) ( x j - x - ) S 2 ∑ i = 1 n ∑ j = 1 n w i j
式中：I为全局空间自相关指数;n为样本数;xi和xj分别表示城市i和城市j的属性值; x -为属性值均值;S2表示方差;wij表示空间权重矩阵。I>0、I<0、I=0分别表示城市公共健康水平存在空间正相关、空间负相关及空间随机分布。此外,对于指数I的显著性水平可凭借标准化统计量阈值来进行检验[30],若|Z|>1.96,则表明通过至少5%置信水平检验,属性值存在显著空间自相关。
采用学术界广泛采用的局部Moran's I指数度量城市公共健康水平的局域空间相关性。其函数形式为：
I i = ( x i - x - ) ∑ j = 1 n w i j ( x j - x - ) S 2
式中：变量含义同公式（2）。Ii>0、Ii<0、Ii=0分别表示城市公共健康水平在局域尺度上存在空间正相关、空间负相关及随机分布特征。进一步,还可将局部空间自相关分为HH型、LL型、LH型、HL型四种类型。
无论是全局还是局部的空间自相关指数,都涉及空间权重矩阵构建问题。空间权重矩阵的设定形式有多种,不同矩阵形式可能会直接影响估计结果。考虑到（0~1）邻接权重矩阵的设定过于简单且理想化,而经济距离权重矩阵和地理距离权重矩阵又分别忽视了地理尺度和经济因素的可能影响,由此测算的结果都是有偏的。因此,本文参照邵帅等[32]采用地理距离与经济距离相嵌套的空间经济距离矩阵。

3.3 数据来源

选取2003—2018年中国284个地级以上城市为研究对象（囿于数据可获取性,未纳入海南、青海、西藏、新疆等省（自治区）数据缺失较多的城市,也不包括香港特别行政区、澳门特别行政区、台湾地区的城市）,所涉及指标的原始数据取自相应年份的《中国城市统计年鉴》、EPS数据平台、Wind数据库、国家基础地理信息中心、哥伦比亚大学社会经济数据和应用中心,对涉及价格变动的指标均以2003年为基期进行指数平减。

4 中国城市公共健康水平的时空演化分析

4.1 中国城市公共健康水平的基本特征

运用定基极差熵权法与定基等权赋值法相结合的综合评价方法对2003—2018年中国284个城市公共健康水平进行测度（图1、图2）,结果发现：① 就全国而言,公共健康水平均值由2003年的2.32升至2018年的3.384,提升了45.86%,同时高水平城市 (借鉴聂长飞等[28],运用四分位分类法对城市公共健康水平进行分类,分为低水平（H<2.283）、中低水平（2.283 ≤H<2.74）、中高水平（2.74 ≤H<3.941）、高水平（H ≥3.941）四种类型。)由2003年的9个增至2018年的81个,年均增长15.78%,反映中国城市公共健康水平整体呈现上升趋势;而公共健康水平变异系数则由2003年的0.217扩大至2018年的0.343,扩大了58.43%,表明中国各城市间的公共健康水平差异在研究期内得到了扩大。② 从各等级城市变动来看,中低水平、低水平城市数均出现较大幅度下降,分别从2003年的92个、163个降至2018年的51个、11个,而中高水平、高水平城市数则得到较大规模扩张,研究期内共增加了193个。③ 从空间分布来看,2003年处于中低水平或低水平等级的城市,东部有69个、东北有31个、中部有79个、西部有76个,分别占各地区城市总数的80.23%、91.18%、98.75%、90.48%,说明尽管东部地区城市公共健康水平整体表现最优,但各地区处于中高水平或高水平等级的城市数仍还较少;2018年处于中高水平或高水平等级的城市占据主导,其中东部有71个、东北有31个、中部有56个、西部有64个,分别占各地区城市总数的82.56%、91.18%、70%、76.19%,反映研究期内各地区都存在较大规模城市等级跃升现象,“多点开花”之势已现端倪,其中东部和东北地区总体表现最优。④ 进一步从公共健康的构成维度来看,公共健康基础、环境暴露风险（已正向化处理）、公共健康绩效对公共健康水平的贡献率,分别由2003年的16.71%、46.89%、36.40%演化为2018年的35.48%、35.10%、29.42%,表明中国城市公共健康构成维度的贡献度在逐渐趋向均衡,公共健康水平的提升越来越依赖于3个维度的协同改善。
图1 2003年和2018年中国城市公共健康水平空间格局

注：基于自然资源部地图技术审查中心标准地图服务网站的标准地图（审图号：GS(2020)4621号）绘制,底图无修改。

Fig. 1 The spatial pattern of urban public health level in China in 2003 and 2018

图2 2003—2018年中国城市公共健康构成维度的贡献率

Fig. 2 The contribution rate of urban public health dimension in China during 2003-2018

4.2 中国城市公共健康水平的时序演化特征

根据核密度估计方法,运用Stata 15.0软件对代表性年份2003年、2008年、2013年和2018年的中国城市公共健康水平核密度曲线进行绘制（图3、图4）,并分别从全域与局域尺度刻画中国城市公共健康水平的时序演化特征。其中,全域尺度包括284个城市,局域尺度分为东部86个城市、东北34个城市、中部80个城市及西部84个城市。
图3 2003—2018年全域尺度下城市公共健康水平的时序演化特征

Fig. 3 The temporal evolution characteristics of urban public health level on global scale during 2003-2018

图4 2003—2018年局域尺度下城市公共健康水平时序演化特征

Fig. 4 The temporal evolution characteristics of urban public health level on local scale during 2003-2018

4.2.1 全域时序演化特征

全域尺度可以从整体视角揭示中国城市公共健康水平的时序演化特征。据图3可知：① 核密度曲线的重心位置在2003—2008年、2008—2013年、2013—2018年3个时段都出现了右迁移,表明研究期内中国城市公共健康水平整体呈现不断上升的演化特征。② 核密度曲线的主峰波峰高度在2003—2013年出现大幅下降,说明此期间城市间公共健康水平差异呈现扩大趋势,而2013—2018年主峰波峰高度出现轻微抬升,反映党的十八大以后中国城市间公共健康水平差异出现了收敛势头。尽管十八大以来中国开始全面深化医疗卫生体制改革,不断追加医疗卫生投入,大力推进基本医疗卫生服务均等化和健康中国战略,使本土性传染病和地方病的暴发风险得到了有效遏制,公共卫生设备和服务的供给能力持续增强,国民健康水平得到显著跃升,但由于中国区域经济发展、城乡发展不平衡不充分的矛盾长期存在,医疗卫生资源配置不合理的局面尚未根本改观,使得中国城市间公共健康水平的差异性消除迟缓,这也在一定程度上反映了这项工作的艰巨性和长期性。③ 各代表性年份的核密度曲线都非标准的钟形曲线,均出现了一个主峰与多个次峰相伴共存的现象,表明中国城市公共健康存在多极分化的特征。④ 在曲线左右侧拖尾方面,2003—2013年曲线左侧拖尾尚不突出,但在2013—2018年左侧拖尾出现了延伸、降薄趋势,反映此区间低值区城市公共健康水平得到提升,低值区城市所占比例有所降低。相反,2003—2018年曲线右侧拖尾出现延伸、抬高趋势,反映研究期内高值区城市公共健康水平得到继续提升,高值区城市所占比例有所增加。综合而言,在全域尺度下,中国城市公共健康水平整体演化趋势良好,但城市间所存在的发展差异也不容忽视,破除城市间、区域间公共健康发展不平衡的问题是健康中国战略深入实施必须攻克的重大课题。

4.2.2 局域时序演化特征

局域尺度可以从四大板块视角揭示中国不同地区城市公共健康水平的时序演化特征。据图4可知：① 从重心位置来看,2003—2018年核密度曲线的重心位置在四大板块都出现了右迁移,表明四大板块城市公共健康水平的整体演化方向与全域尺度保持一致,均呈现不断上升趋势。② 从主峰波峰高度来看,东部地区核密度曲线的主峰波峰高度在2003—2018年出现持续下降,表明研究期内东部地区城市间公共健康水平差异呈现扩大趋势。东北和中部地区的主峰波峰高度在2003—2013年出现了下降,在2013—2018年出现抬升,反映此期间东北和中部地区城市间公共健康水平差异呈现先扩大后缩小的演化特征。西部地区的主峰波峰高度在2003—2008年出现了微小抬升,在2008—2018年出现持续下降,表明西部地区城市间公共健康水平差异也存在扩大化问题。③ 从波峰数来看,2003—2018年东部地区实现了由一个主峰与多个次峰并存向一个主峰与一个次峰共存的局面转变,说明东部地区城市公共健康水平由多级分化转变为两极分化特征。东北和中部地区实现了由一个主峰与一个次峰并存向一个主峰与多个次峰共存的局面转变,表明东北和中部地区城市公共健康水平由两级分化转变为多极分化格局。西部地区长期保持一个主峰与一个次峰共存,反映西部地区城市公共健康水平存在两极分化特征。④ 从曲线拖尾来看,2003—2018年东部和中部地区右侧拖尾大于左侧拖尾,且右侧拖尾出现了延伸、抬高趋势,反映研究期内东部和中部高值区城市公共健康水平得到了提升,高值区城市占比均有所增加。东北地区左侧拖尾出现了降薄趋势,反映此区间东北低值区城市所占比例有所降低,同时右侧拖尾出现了延伸趋势,说明东北高值区城市公共健康水平得到了提升。西部地区在2003—2013年左侧拖尾不突出,但在2013—2018年左侧拖尾呈现延伸、降薄趋势,反映此区间西部低值区城市公共健康水平得到提升,低值区城市占比有所降低;相反,西部地区在2003—2018年右侧拖尾出现延伸、抬高趋势,反映研究期内西部高值区城市公共健康水平有所提升,高值区城市占比得以增加。总的来看,局域尺度下,中国城市公共健康水平在不同时段、不同地区的时序演化过程,是时段特征与地区特色相互耦合叠加的结果。

4.3 中国城市公共健康水平空间格局的演化特征

4.3.1 全域空间格局的演化特征

根据全局Moran's I指数公式,借助ArcGis 10.6软件测算出2003—2018年中国城市公共健康水平全局Moran's I值和Z统计量（图5）。结果发现：2003—2018年全局Moran's I值在波动中得到上升,且均为正值,同时Z统计量也均远大于1.96,即各年份的全局Moran's I值都通过了至少5%置信水平检验,表明研究期内中国城市公共健康水平的全域空间正相关性呈现增强趋势。由此可知,2003—2018年中国城市公共健康水平整体上的空间分布存在显著正向集聚趋势,本城市公共健康水平在不断影响邻近城市的同时,也愈发受到邻近城市同性质的影响。这既与盛行风向、地形、降水、气温等自然因素密切相关,也是人员贸易往来、经济一体化、区域性雾霾污染等经济机制综合作用的结果。
图5 2003—2018年中国城市公共健康水平全局Moran's I值与Z值演化特征

Fig. 5 The evolution characteristics of global Moran's I-value and Z-value of urban public health level in China during 2003-2018

4.3.2 局域空间格局的演化特征

全局Moran's I指数从全域尺度证明了中国城市公共健康水平在空间上存在正向集聚规律,但其无法具体指出集聚发生在何处。采用局部Moran's I指数来探明公共健康水平的局域空间格局特征。
根据各城市局部Moran's I值和城市公共健康水平的差异,将局域空间自相关划分为四种类型（图6）：① HH型城市的局部Moran's I值>0且公共健康水平高出全域平均水平②(②为便于动态比较,此处采用全样本下测算的中国城市公共健康水平均值来衡量,下同。),即城市公共健康水平较高,邻近城市公共健康水平也较高,表现为高水平空间集聚均衡状态。2003—2018年HH型城市数呈现明显增加趋势,由2003年的25个增加到2018年的182个,年均增长14.15%,到2018年全国超过64%的城市属于该类型。② LL型城市的局部Moran's I值>0且公共健康水平低于全域平均水平,即城市公共健康水平较低,邻近城市公共健康水平也较低,表现为低水平空间集聚均衡状态。2003—2018年LL型城市数呈现显著下降走势,由2003年的191个减少到2018年的60个,年均减少8.03%,到2018年全国仍有超过20%的城市公共健康水平在空间上还处于低水平同质化的集聚状态。③ HL型城市的局部Moran's I值<0且公共健康水平高出全域平均水平,即城市公共健康水平较高,但邻近城市公共健康水平偏低,呈现“高低集聚”空间非均衡状态。2003—2018年该类城市数总体呈现缓慢增加趋势,全国占比由2003年的1.41%降至2018年的14.08%。④ LH型城市的局部Moran's I值<0且公共健康水平低于全域平均水平,即城市公共健康水平较低,但邻近城市公共健康水平较高,处于公共健康水平的“洼地”,呈现“低高集聚”空间非均衡状态。2003—2018年该类城市数总体呈现减少趋势,全国占比由2003年的22.54%降至2018年的0.7%。
图6 2003—2018年中国城市公共健康水平局域空间格局演化特征

Fig. 6 The evolution characteristics of local spatial pattern of urban public health level in China during 2003-2018

进一步借助ArcGis 10.6软件将2003年和2018年前述四种类型城市进行空间可视化呈现（图7）,观察可知：2003年,HH型城市主要分布于东部沿海地区,形成以京津冀、山东半岛、长三角、海西与珠三角城市群为中心的高水平集聚区,而在其他三大板块呈现零星散布特征;LL型城市在东北和中西部各省份连片分布,在东部沿海远离中心城市的部分省际交汇地区也存在“小聚集”特征;HL型城市包括汕头、北海、防城港和攀枝花4市;LH型城市在四大板块散布分布。2018年,HH型城市得到大幅扩充,在四大板块的城市群或都市圈地区都存在高水平集聚的空间关联现象,如京津冀、长三角、珠三角、长江中游、成渝等国家级城市群,以及山东半岛、海西、哈长、辽中南、晋中、关中平原、呼包鄂榆等区域性城市群或都市圈;LL型城市大幅减少,主要连片分布在中西部省份的省际交汇地区,在东部沿海的部分地区也保留部分“小聚集”现象;HL型城市散布在四大板块的HH型与LL型城市之间;LH型城市包括三明、马鞍山两市。
图7 2003年和2018年中国城市公共健康水平集聚类型空间分布

注：基于自然资源部地图技术审查中心标准地图服务网站的标准地图（审图号：GS(2020)4621号）绘制,底图无修改。

Fig. 7 The spatial distribution of agglomeration types of urban public health level in China in 2003 and 2018

总体而言,中国城市公共健康水平局域空间格局的数量特征由2003年的LL（191个）>LH（64个）>HH（25个）>HL（4个）演化为2018年的HH（182个）>LL（60个）>HL（40个）>LH（2个）,反映研究期内中国城市公共健康水平整体上一直存在空间“同群效应”,即本城市与邻近城市在相互“磁吸”作用下,城市公共健康水平趋于形成同性质的空间集聚均衡状态,不过HH型城市的空间聚类特征在不断凸显,而LL型城市集中连片分布的特征有所弱化,且HH型城市增加速度超过LL型城市的减少速度。HL型与LH型城市数较少,散布在HH型与LL型城市之间。中国城市公共健康水平呈现上述状态,原因在于城市公共健康存在典型的空间邻近溢出效应,即邻近城市之间具有相似的公共健康基础和环境暴露风险,所以就有着相似的公共健康绩效呈现,而根据距离衰减理论,城市之间距离的增加将导致空间效应发生衰减,由此才使得中国公共健康水平的空间分布呈现明显的集聚关联特征。

5 中国城市公共健康水平的影响因素解析

中国城市公共健康水平的时空演化特征是多因素共同驱动的结果,受宏观健康生产函数关于国民健康决定因素理论的启发[18,33],参考相关代表性文献[5,6,8,14],并考虑数据可得性,本文从经济、社会、科技、政策等领域提炼出5条重要影响因素。具体而言：① 选取人均地区生产总值表征收入水平（pergdp）。收入水平能为健康改善提供有力物质保障,但在收入增长过程中也可能引致城市承载力超负荷运行进而损害公共健康。② 选取单位面积上的人口数量表征人口密度（peoagg）。公共卫生治理压力与人口密度相伴而生,人口密度越高的城市往往公共卫生治理压力也更大,不过高密度人口也正是发挥公共健康资源集聚效应和城市人力资本效应的基础。③ 选取城市专利申请数表征科技进步（patent）。科技进步为人类克服各种自然灾害威胁和疾病风险挑战提供了可能,它通常被认为是提升居民生活品质、增进人们幸福感、改善城市公共健康的关键助推因素。④ 选取工业增加值占地区生产总值的比例表征工业化程度（industry）。工业化是人类文明演进的重要驱动力量,同时它也可能通过加剧能源消耗、产生环境污染、破坏生态平衡等途径损害城市公共健康。⑤ 用卫生体制改革的虚拟变量（2009年以后取1,之前年份取0）表征卫生体制改革（reform）。2009年中共中央、国务院出台《关于深化医药卫生体制改革的意见》,医疗卫生领域由此开启了全面深化改革的新征程。以这5个指标为核心解释变量,公共健康水平为被解释变量,开展回归分析。实证模型为：
l n p h e a l t h i t = C + ρ W × l n p h e a l t h i t + α 1 l n p e r g d p i t + α 2 ( l n p e r g d p i t ) 2 + α 3 l n p e o a g g i t + α 4 l n p a t e n t i t + α 5 i n d u s t r y i t + α 6 r e f o r m i t + α 7 C o n t r o l i t + μ i + δ t + ε i t
式中：ρ为空间滞后项系数;W表示地理距离与经济距离相嵌套的空间经济距离矩阵,加入公共健康空间滞后项的原因是前文已证实公共健康具有空间集聚特征;α1~α7表示各解释变量的系数;Control表示控制变量组,控制了城镇化（city,因城镇常住人口统计不全,用建成区面积占城市总面积衡量的土地城镇化表征）、信息化（inform,用每百人拥有国际互联网用户数衡量）和城市精神文化（culture,用万人拥有图书馆藏书量衡量）三个可能对公共健康存在影响的因素;μi、δt分别表示城市固定效应和时间固定效应;εit表示随机扰动项,其余未考虑到的影响因素被包含其中。模型对非比例数据、非虚拟变量数据取对数形式,旨在减弱模型中数据的多重共线性和异方差。
考虑到城市公共健康具有空间自相关特性,解释变量与被解释变量之间也可能存在反向因果关系,如城市公共健康状况可能会对人口集聚产生影响进而影响城市人口密度,空间效应和内生性问题的存在会导致由极大似然估计和普通最小二乘法等方法所估参数出现偏误,而广义空间两阶段最小二乘法能有效解决该问题。该法以各解释变量及其空间滞后项为工具变量,并以两阶段最小二乘法为基础对空间计量模型进行估计,同时对被解释变量的空间效应及上述反向因果关系所产生的内生性施加控制,所得参数更贴近客观现实[34]。因此,本文采用广义空间两阶段最小二乘法估计公式（4）,并采用最高三阶空间滞后项作为模型的工具变量[32]。
从全国层面的全域尺度和四大板块的局域尺度分析各因素对公共健康的影响。由表2可知,上述5个因素均对公共健康存在影响作用,但对不同区域的影响呈现异质性。
表2 中国城市公共健康的影响因素检验

Tab. 2 The test results of influencing factors of urban public health in China

变量 （1） （2） （3） （4） （5）
全国层面 东部地区 东北地区 中部地区 西部地区
W×lnphealth 0.5888***
（10.14）		 0.6512***
（6.38）		 0.4199***
（3.25）		 0.6673***
（8.17）		 0.9188***
（7.22）
lnpergdp -0.4862***
（-8.05）		 -0.5760***
（-3.81）		 -0.3276**
（-2.08）		 -0.5657***
（-5.53）		 -0.4280***
（-3.52）
(lnpergdp)2 0.0295***
（9.26）		 0.0314***
（3.89）		 0.0227***
（2.82）		 0.0339***
（6.50）		 0.0256***
（4.10）
lnpeoagg 0.3009***
（9.35）		 0.2715***
（5.00）		 -0.0433**
（-2.49）		 0.3428***
（8.15）		 0.0893
（1.02）
lnpatent 0.0061*
（1.83）		 0.0142**
（2.03）		 -0.0094
（-1.16）		 -0.0010
（-0.21）		 -0.0129*
（-1.81）
industry -0.0001
（-0.62）		 -0.0026***
（-3.25）		 -0.0004
（-1.27）		 0.0002
（0.37）		 0.0023***
（4.53）
reform -0.0101*
（-1.69）		 -0.0001
（-0.01）		 -0.0220
（-1.59）		 -0.0101
（-1.27）		 -0.0003
（-0.02）
LM检验 3626.7324*** 649.8968*** 149.4169*** 1101.1935*** 472.6317***
调整R2 0.8899 0.9639 0.9880 0.9153 0.9586
样本量 4544 1376 544 1280 1344

注：*、**、***表示分别通过10%、5%、1%置信水平检验;括号内为t值;LM检验用以判断工具变量是否有识别不足问题;限于篇幅,控制变量和常数项未予汇报。

公共健康的空间滞后项系数在各区域都至少通过10%置信水平检验且显著为正,与前文研究结论相呼应,进一步证明公共健康存在显著空间溢出效应。
收入水平对公共健康存在先抑制后促进的U型影响特征,这与曲卫华等[6]的研究结论一致。在城市经济尚处于低收入水平阶段时,发展经济是城市建设的首要任务,不少城市都试图通过吸引产业、企业、人口等要素大量聚集以实现GDP的规模增长目标,而对要素流入的标准设置较低门槛,对城市发展规划也缺乏清晰思路,这种粗放式发展容易造成要素简单“扎堆”[35],城市功能区布局紊乱的局面。这在短期刺激经济增长的同时,也会在中长期对城市经济和人口的综合承载能力形成挑战,继而引发投资失衡、产能过剩、效率低下、环境污染、生态破坏、疾病流行、公共服务供给不足等一系列经济社会问题,从而降低城市治理效能,为公共健康问题滋生和蔓延提供“理想温床”。而当城市经济跨过收入水平的门槛后,物质积累达到一定程度,人们对绿色健康的工作和生活环境更为向往,经济发展模式寻求转型升级,对锻炼政府管理智慧、促进生产生活方式变革、增加卫生健康设施供给、提高居民卫生保健意识及增进企业社会责任和养成企业家精神等都具有积极影响。正是在这些正向效应的综合作用下,经济发展过程中所产生的公共健康损失能够被逐渐抵消,从而最终呈现为收入水平对公共健康的促进效应。
人口密度对全国层面、东部和中部地区的城市公共健康具有显著促进效应,但无利于东北和西部地区的城市公共健康。直观认识是,在人口密度较高的城市,由于人口规模较大、对外交流密切、人员往来频繁、生产生活“三废”排放较多,传染性疾病滋生扩散风险和医疗卫生资源供给压力也随之增加,对城市公共卫生治理会形成较大挑战。针对东北和西部地区的检验结果正好说明,人口密度的增长过程必须伴随城市医疗资源供给能力、公共基础服务保障能力、城市卫生综合治理能力的持续增强,倘若相应能力建设滞后于人口集聚速度,则人口集聚的健康负效应必将占据主导,这与陈硕等[5]的发现吻合。不过根据集聚效应理论,在人口密度较高的城市,公共健康资源与基础设施投入也可能存在集聚经济和规模报酬递增,城市公共健康风险监测与管控的平均成本相对低廉,公共卫生事件处置预案灵活完备,同时也更便于发挥城市的人力资本效应[19],如此反而能够获得更高健康产出水平,在全国层面、东部和中部地区的检验结果印证了这点,俞佳立等[10]也得到相近结论。
科技进步对全国层面和东部地区的城市公共健康具有显著正向影响,符合理论预期。科技进步能够带来生产力的深刻变革和人类社会的飞速进步。依靠科技力量,不仅可以丰富城市居民的物质生活和精神文化风貌,还可以有效改善人们的工作与生活环境,特别是医疗健康科技的快速发展更是可以直接有效提高城市医疗卫生水平,而这些都从不同侧面对城市公共健康存在切实的改善作用。然而,科技进步对其他区域的健康促进效应还未充分显现,甚至在西部地区呈现显著抑制特征。可能原因是,科技进步的健康促进效应需达到一定门槛条件才能得以显现,周期较长,这些区域的地方政府更倾向于把有限的财政资金投向于短期能够产生明显经济绩效的领域而非医疗健康科技领域。同时,医疗健康科技从研发、创新到成果转化再到实际应用通常存在时滞效应,若非拥有坚实的科技基础作支撑,当期的科技进步并不一定能够立即对城市公共健康产生促进效应。
工业化对西部地区的城市公共健康具有显著正向影响。可能原因在于,西部地区工业基础最为薄弱,工业化产生的环境负外部性相对偏小,由此带来的公共健康负效应比较微弱,而工业化推进却能有效助力西部地区经济增长、发展阶段跃升和人民生活水平提高,带来现代化生产生活方式,增加城市物资供给和应对自然威胁的能力,从而最终呈现为工业化改善了城市公共健康。相反,工业化并未明显改善其他区域的城市公共健康,甚至对东部地区存在显著抑制效应。尽管这些区域工业化历程相对久远,具备一定发展基础,但高投入、高消耗、高污染的传统工业化路径依赖特征并未得到根本扭转,工业化通过加剧能源消耗、产生环境污染、破坏生态平衡、变相剥夺人类劳动天赋、扰乱人类作息规律等途径直接或间接地损害了城市公共健康,这支持了阮芳芳等[20]的观点。
卫生体制改革未如预期对城市公共健康产生显著的正向影响。这反映虽然近些年中国医疗卫生体制改革已经做出过许多积极探索和尝试,但由于改革是个渐进式、持续性的系统工程,需要久久为功,目前还未能对城市公共健康发挥出应有的积极效果。有研究指出,在目前的医疗卫生体制改革过程中,仍旧存在公共卫生服务水平低、医疗服务管理体系不完善、“看病难,看病贵”问题未得到根本解决等问题[36]。

6 结论和讨论

6.1 结论

以中国284个城市为研究对象,构建城市公共健康评价指标体系,运用定基极差熵权法与定基等权赋值法相结合的综合评价方法测度城市公共健康水平,运用核密度估计、探索性空间数据分析等方法剖析了2003—2018年中国城市公共健康水平的时空演化特征,并运用广义空间两阶段最小二乘法对其主要影响因素进行考察。研究结论如下：
（1）从全国层面来看,2003—2018年中国城市公共健康水平整体呈现上升趋势,中低水平、低水平城市数出现较大幅度下降,而中高水平、高水平城市数则得到较大规模扩张,但各城市间的公共健康水平差异在研究期内也有所扩大。2003年在四大板块中处于中高水平或高水平等级的城市数仍还较少,而到2018年处于中高水平或高水平等级的城市占据主导,在此期间各地区都存在较大规模的城市等级跃升现象,“多点开花”之势已现端倪。此外,研究期内中国城市公共健康构成维度对总体水平的贡献度也在逐渐趋向均衡,说明公共健康水平的提升越来越依赖于各个维度的协同改善。
（2）从全域时序演化趋势来看,核密度估计结果再次表明,2003—2018年中国城市公共健康水平整体呈现不断上升的演化特征,各城市间的公共健康水平差异呈现先扩大后微小收敛的演化特征,城市公共健康始终存在多级分化格局。从局域时序演化趋势来看,2003—2018年四大板块核密度曲线在重心位置、主峰高度、波峰数量、拖尾长度、拖尾厚度上均有各自的演化形态,中国城市公共健康水平在不同时段、不同地区的时序演化过程,是时段特征与地区特色相互耦合叠加的结果。
（3）从全域空间格局演化趋势来看,2003—2018年中国城市公共健康水平整体上的空间分布存在显著的正向集聚趋势,本城市公共健康水平在不断影响邻近城市的同时,也愈发受到邻近城市同性质的影响。从局域空间格局演化趋势来看,2003—2018年中国城市公共健康水平局域空间格局的数量特征,由LL（191个）>LH（64个）>HH（25个）>HL（4个）演化为HH（182个）> LL（60个）>HL（40个）>LH（2个）。研究期内中国城市公共健康水平整体上一直存在空间“同群效应”,即本城市与邻近城市在相互“磁吸”作用下,城市公共健康水平趋于形成同性质的空间集聚均衡状态,不过HH型城市的空间聚类特征在不断凸显,而LL型城市集中连片分布的特征有所弱化,且HH型城市增加速度超过LL型城市的减少速度。HL型与LH型城市数相对较少,散布在HH型与LL型城市之间。
（4）影响因素方面,收入水平对公共健康存在先抑制后促进的“U型”影响特征;人口密度对全国层面、东部和中部地区的城市公共健康具有显著促进效应,但无利于东北和西部地区的城市公共健康;科技进步对全国层面和东部地区的城市公共健康具有显著正向影响,但对其他区域的健康促进效应还未充分显现,甚至在西部地区呈现显著抑制特征;工业化仅对西部地区的城市公共健康具有显著正向影响,未能明显改善其他区域的城市公共健康,甚至对东部地区存在显著抑制效应;卫生体制改革未如预期对城市公共健康产生显著的正向影响。

6.2 讨论

（1）改善中国城市公共健康的建议：① 鉴于城市公共健康具有空间溢出效应,应在城市间、区域间施行灵活有效的公共健康联防、联控、联治策略,如加强区域公共健康政策衔接、建立公共健康信息共享机制、完善异地就医机制等。② 为缩小城市间、区域间公共健康水平差距,应秉持“先进帮后进、齐头共前行”理念,国家级、区域级、地区性中心城市和城市群要切实当好“火车头”,充分发挥医疗卫生资源禀赋优势,主动与后发地区相联动,通过对口支援、定点帮扶等途径,形成局部带动整体、医疗卫生协同发展的新格局。③ 围绕公共健康诸影响因素,要继续提高人民收入水平,为改善城市公共健康提供坚实的物质支撑;应加强城市精细化管理、充分发掘人力资本潜能才是改善城市公共健康的当行之道;坚持科技进步是改善公共健康的第一动力,持续推动基础医学和临床医学创新发展;加快工业结构转型升级、“腾笼换鸟”,有效提高工业高端化、绿色化、智能化水平,形成“健康友好型”产业结构;全面深化医疗卫生体制改革,进一步完善医疗保险制度、基本药物制度、大病保障和医疗救助制度,加快公立医院改革,规范引导私营医院和卫生服务中心发展,促进医疗卫生资源均衡布局。
（2）后续研究讨论：囿于篇幅和考量重点的限制,本文着重对综合测评所得的城市公共健康水平进行了时空演化分析和影响因素的阐释,而未深入剖析公共健康细分维度（如公共健康基础、公共健康绩效）的时空演化特征及主要驱动因素,后续研究将会就此进行更细致的考察。此外,本文的公共健康概念延续了现有文献的通行做法,仅局限于城市居民在身体机能方面的健康状况,但公共健康是一个包含生理健康、心理健康、道德健康、社会适应能力等多个维度的综合概念,后续研究可尝试通过Python、Ruby或Crystal等数据挖掘技术收集相关数据,进一步拓展完善公共健康的测评体系。

真诚感谢匿名评审专家对本文相关文献综述、研究对象说明、评价指标阐释、影响因素解析等方面提出的宝贵修改意见,使本文获益匪浅！

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Rahman F, Andersson F, Svanström L. Health impact of injuries: A population-based epidemiological investigation in a local community of Bangladesh. Journal of Safety Research, 1998, 29(4): 213-222. DOI: 10.1016/S0022-4375(98)00048-6.

DOI

[2]
任俊, 朱莹, 张伟, 等. 基于定性研究的健康家庭评价指标体系框架构建. 复旦学报: 医学版, 2022, 49(3): 418-424, 446.

[Ren Jun, Zhu Ying, Zhang Wei, et al. Construction of “healthy family” evaluation system basedon qualitative research. Fudan University Journal of Medical Sciences, 2022, 49(3): 418-424, 446.] DOI: 10.3969/j.issn.1672-8467.2022.03.015.

DOI

[3]
武留信, 强东昌, 师绿江, 等. 多维度健康自测量表的编制. 中华健康管理学杂志, 2011, (1): 6-8.

[Wu Liuxin, Qiang Dongchang, Shi Lvjiang, et al. Development of multidimensional serf-report health measurement tool. Chinese Journal of Health Management, 2011, (1): 6-8.] DOI: 10.3760/cma.j.issn.1674-0815.2011.01.003.

DOI

[4]
Ye L, Luo J, Shia B-C, et al. Heterogeneous health classes for older adults and their regional disparities in China: Based on multidimensional health. Public Health, 2020, 178: 15-22. DOI: 10.1016/j.puhe.2019.08.023.

DOI PMID

[5]
陈硕, 陈婷. 空气质量与公共健康: 以火电厂二氧化硫排放为例. 经济研究, 2014, 49(8): 158-169, 183.

[Chen Shuo, Chen Ting. Air pollution and public health: Evidence from sulfur dioxide emission of coal-fired power stations in China. Economic Research Journal, 2014, 49(8): 158-169, 183.] DOI: CNKI:SUN:JJYJ.0.2014-08-013.

DOI

[6]
曲卫华, 颜志军. 环境污染、 经济增长与医疗卫生服务对公共健康的影响分析: 基于中国省际面板数据的研究. 中国管理科学, 2015, 23(7): 166-176.

[Qu Weihua, Yan Zhijun. The influence of environmental pollution, economic growth and healthcare services to public health based on China's provincial panel data. Chinese Journal of Management Science, 2015, 23(7): 166-176.] DOI: 10.16381/j.cnki.issn1003-207x.2015.07.021.

DOI

[7]
孙猛, 李晓巍. 空气污染与公共健康: 基于省际面板数据的实证研究. 人口学刊, 2017, 39(5): 5-13.

[Sun Meng, Li Xiaowei. Air pollution and public health: An empirical study based on provincial panel data. Population Journal, 2017, 39(5): 5-13.] DOI: 10.16405/j.cnki.1004-129X.2017.05.001.

DOI

[8]
行伟波, 田坤. 控烟公共政策的潜在收益评估: 基于烟草消费与公共健康视角. 财贸经济, 2020, 41(11): 51-66.

[Xing Weibo, Tian Kun. Evaluation of potential benefits of tobacco control policy: From the perspective of tobacco consumption and public health. Finance & Trade Economics, 2020, 41(11): 51-66.] DOI: 10.3969/j.issn.1002-8102.2020.11.005.

DOI

[9]
张宁, 胡鞍钢, 郑京海. 应用DEA方法评测中国各地区健康生产效率. 经济研究, 2006, (7): 92-105.

[Zhang Ning, Hu Angang, Zheng Jinghai. Using data envelopment analysis approach to estimate the health production efficiencies in China. Economic Research Journal, 2006, (7): 92-105.] DOI: CNKI:SUN:JJYJ.0.2006-07-009

DOI

[10]
俞佳立, 杨上广, 刘举胜. 中国居民健康生产效率的动态演进及其影响因素. 中国人口科学, 2020, (5): 66-78, 127.

[Yu Jiali, Yang Shangguang, Liu Jusheng. The dynamic evolution of health production efficiency of Chinese residents and its influencing factors. Chinese Journal of Population Science, 2020, (5): 66-78, 127.]

[11]
王昕天. 卫生投入、技术效率与健康绩效: 基于SFA法对卫生投入效率的测算. 中国卫生经济, 2014, 33(3): 25-29.

[Wang Xintian. Health input, technical efficiency and health performance: Based on the estimation of stochastic frontier analysis method on health input efficiency. Chinese Health Economics, 2014, 33(3): 25-29.] DOI: 10.7664/CHE2014 0307.

[12]
Zhao Z, Wang X, Yao P, et al. A health performance evaluation method of multirotors under wind turbulence. Nonlinear Dynamics, 2020, 102(3): 1-15. DOI: 10.1007/s11071-020-06041-3.

DOI

[13]
胡安宁. 教育能否让我们更健康: 基于2010年中国综合社会调查的城乡比较分析. 中国社会科学, 2014, (5): 116-130, 206.

[Hu Anning. Can education make us healthier? An urban-rural comparative analysis based on the Chinese general social survey of 2010. Social Sciences in China, 2014, (5): 116-130, 206.] DOI: CNKI:SUN:ZSHK.0.2014-05-006.

DOI

[14]
Wang Y, Huang L, Zhou L. Correlation between exercise, personal income level and health-related quality of life in patients with newly diagnosed stable angina. Military Medical Research, 2020, 7(1): 69-76. DOI: 10.1186/s40779-019-0226-5.

DOI

[15]
Lam W W T, Fielding R, Mcdowell I, et al. Perspectives on family health, happiness and harmony (3H) among Hong Kong Chinese people: a qualitative study. Health Education Research, 2012, 27(5): 767-779. DOI: 10.1093/her/cys087.

DOI PMID

[16]
赵连阁, 邓新杰, 王学渊. 社会经济地位、环境卫生设施与农村居民健康. 农业经济问题, 2018, (7): 96-107.

[Zhao Liange, Deng Xinjie, Wang Xueyuan. Socioeconomic status, environmental sanitation facilities and health of rural residents. Issues in Agricultural Economy, 2018, (7): 96-107.] DOI: 10.13246/j.cnki.iae.20180720.002.

DOI

[17]
徐淑一, 王宁宁. 经济地位、 主观社会地位与居民自感健康. 统计研究, 2015, 32(3): 62-68.

[Xu Shuyi, Wang Ningning. Economic status, subjective social status and self-rated health. Statistical Research, 2015, 32(3): 62-68.] DOI: 10.3969/j.issn.1002-4565.2015.03.008.

DOI

[18]
王泽荣, 张红历, 董春, 等. 医疗资源储备与新冠疫情防控: 基于健康生产函数的视角. 财经科学, 2021, (2): 71-83.

[Wang Zerong, Zhang Hongli, Dong Chun, et al. Medical resource reserve and the effectiveness of COVID-19 prevention and control in China: Based on the perspective of health production function. Finance & Economics, 2021, (2): 71-83.] DOI: 10.3969/j.issn.1000-8306.2021.02.007.

DOI

[19]
常青青, 仲伟周. 城市化促进了公共健康水平提高吗?. 经济经纬, 2018, 35(6): 127-134.

[Chang Qingqing, Zhong Weizhou. Does urbanization promote public health?. Economic Survey, 2018, 35(6): 127-134.] DOI: 10.15931/j.cnki.1006-1096.20180925. 005.

DOI

[20]
阮芳芳, 曾贤刚, 段存儒. 基于城市面板数据的PM2.5对公共健康的影响. 中国环境科学, 2020, 40(12): 5451-5458.

[Ruan Fangfang, Zeng Xiangang, Duan Cunru. Influence of PM2.5 pollution on public health based on urban panel data. China Environmental Science, 2020, 40(12): 5451-5458.] DOI: 10.3969/j.issn.1000-6923.2020.12.042.

DOI

[21]
Wang Y S, Chang L C, Chang F J. Explore regional PM2.5 features and compositions causing health effects in Taiwan. Environmental Management, 2021, 67(2): 1-16. DOI: 10.1007/s00267-020-01391-5.

DOI

[22]
周素红, 张琳, 林荣平. 地理环境暴露与公众健康研究进展. 科技导报, 2020, 38(7): 43-52.

[Zhou Suhong, Zhang Lin, Lin Rongping. Progress and prospect of the research on geographical environment exposure and public health. Science & Technology Review, 2020, 38(7): 43-52.] DOI: 10.3981/j.issn.1000-7857.2020.07.006.

DOI

[23]
马静, 柴彦威, 符婷婷. 居民时空行为与环境污染暴露对健康影响的研究进展. 地理科学进展, 2017, 36(10): 1260-1269.

DOI

[Ma Jing, Chai Yanwei, Fu Tingting. Progress of research on the health impact of people's space-time behavior and environmental pollution exposure. Progress in Geography, 2017, 36(10): 1260-1269.] DOI: 10.18306/dlkxjz.2017. 10.008.

DOI

[24]
Nieuwenhuijsen M J. Urban and transport planning, environmental exposures and health-new concepts, methods and tools to improve health in cities. Environmental Health, 2016, 15(38): 161-171. DOI: 10.1186/s12940-016-0108-1.

DOI

[25]
Bakare B, Szmerekovsky J. Corporate social responsibility and traffic congestion: A mixed method study on improving health and productivity. Journal of Transport & Health, 2019, 14, 100687. DOI: 10.1016/j.jth.2019.100687.

DOI

[26]
欧阳桃花, 郑舒文, 程杨. 构建重大突发公共卫生事件治理体系: 基于中国情景的案例研究. 管理世界, 2020, 36(8): 19-32.

[Ouyang Taohua, Zheng Shuwen, Cheng Yang. The construction of a governance system for large-scale public health emergency: A case study based on the Chinese scenario. Management World, 2020, 36(8): 19-32.] DOI: 10.3969/j.issn.1002-5502.2020.08.004.

DOI

[27]
周小亮, 吴武林. 中国包容性绿色增长的测度及分析. 数量经济技术经济研究, 2018, 35(8): 3-20.

[Zhou Xiaoliang, Wu Wulin. The measurement and analysis of the inclusive green growth in China. The Journal of Quantitative & Technical Economics, 2018, 35(8): 3-20.] DOI: 10.13653/j.cnki.jqte.2018.08.001.

DOI

[28]
聂长飞, 简新华. 中国高质量发展的测度及省际现状的分析比较. 数量经济技术经济研究, 2020, 37(2): 26-47.

[Nie Changfei, Jian Xinhua. Measurement of China's high-quality development and analysis of provincial status. The Journal of Quantitative & Technical Economics, 2020, 37(2): 26-47.] DOI: 10.13653/j.cnki.jqte.2020.02.002.

DOI

[29]
马茹, 罗晖, 王宏伟, 等. 中国区域经济高质量发展评价指标体系及测度研究. 中国软科学, 2019, (7): 60-67.

[Ma Ru, Luo Hui, Wang Hongwei, et al. Study of evaluating high-quality economic development in Chinese regions. China Soft Science, 2019, (7): 60-67.] DOI: 10.3969/j.issn.1002-9753.2019.07.006.

DOI

[30]
卢新海, 杨喜, 陈泽秀. 中国城市土地绿色利用效率测度及其时空演变特征. 中国人口·资源与环境, 2020, 30(8): 83-91.

[Lu Xinhai, Yang Xi, Chen Zexiu. Measurement and temporal-spatial evolution characteristics of urban land green use efficiency in China. China Population Resources and Environment, 2020, 30(8): 83-91.] DOI: 10.12062/cpre.20200107.

DOI

[31]
李国平, 王春杨. 我国省域创新产出的空间特征和时空演化: 基于探索性空间数据分析的实证. 地理研究, 2012, 31(1): 95-106.

DOI

[Li Guoping, Wang Chunyang. Spatial characteristics and dynamic changes of provincial innovation output in China: An investigation using the ESDA. Geographical Research, 2012, 31(1): 95-106.] DOI: 10.11821/yj2012010010.

DOI

[32]
邵帅, 李欣, 曹建华. 中国的城市化推进与雾霾治理. 经济研究, 2019, 54(2): 148-165.

[Shao Shuai, Li Xin, Cao Jianhua. Urbanization promotion and haze pollution governance in China. Economic Research Journal, 2019, 54(2): 148-165.] DOI: CNKI:SUN:JJYJ.0.2019-02-011

DOI

[33]
王俊, 昌忠泽. 中国宏观健康生产函数: 理论与实证. 南开经济研究, 2007, (2): 20-42.

[Wang Jun, Chang Zhongze. China macro health production function: Theory and positive analysis. Nankai Economic Studies, 2007, (2): 20-42.] DOI: 10.3969/j.issn.1001-4691.2007.02.002.

DOI

[34]
L'horty Y, Sari F. The role of spatial and skill mismatches: Explaining long-term unemployment in Paris. Regional Studies, 2019, (2): 283-296. DOI: 10.1080/00343404.2018.1462480.

DOI

[35]
Zeng W, Li L, Huang Y. Industrial collaborative agglomeration, marketization, and green innovation: Evidence from China's provincial panel data. Journal of Cleaner Production, 2021, 279, 123598. DOI: 10.1016/j.jclepro.2020.123598.

DOI

[36]
Li L, Fu H. China's health care system reform: Progress and prospects. The International Journal of Health Planning and Management, 2017, 32(3):240-253. DOI: 10.1002/hpm.2424.

DOI PMID

Options
文章导航

/

〈 〉