中国老年人口健康状态变动的辨识及影响因素的评估分析——基于
中国老年人口健康状态变动的
辨识及影响因素的评估分析
——基于SSAPUR2015-2016年面板数据
米红，刘悦，冯广刚
（浙江大学公共管理学院，浙江杭州310058）
【摘要】老年人的健康问题不仅关系老年人自身的生存质量，而且会对整个社会经济产生深远影响，
因此亟须基于大样本数据对老年人口健康状态变动及影响因素进行深入研究。本文基于中国城乡老年
人生活状况抽样调查2015-2016年面板数据，在生物-心理-社会医学模式的分析框架下研究影响老年
人口健康状态变动的因素。本研究分别采用固定效应的多元Logistic回归模型以及混合的多元Logistic
回归模型进行分析。结果表明固定效应模型能够更好地识别老年人口从健康到失能或半失能变动的影
响因素。老年人口的健康状况及其变动的影响因素都符合生物-心理-社会医学模式。健康老年人口
半失能变动和失能变动的影响因素具有显著不同的分布，从健康到半失能变动主要受社会维度的变量
影响，从健康到失能变动主要受生物维度的变量影响。失能变动比半失能变动受更多因素的影响，年
龄、参加公益活动、自评经济状况、单独居住和孤独感仅对失能变动有显著影响，居住地和听力障碍仅对
半失能变动有显著影响。建议对面临不同风险的老年人进行健康干预，有针对性地采取不同措施。同
时注重预防和控制老年人慢性病发生发展，关注老年人听力减退状况，消除老年人贫困，关注老年人心
理健康，开展多种适合老年人的活动，推动健康老龄化的实现。
【关键词】健康状态变动；影响因素；固定效应多项Logistic回归；生物-心理-社会医学模式
【中图分类号】C913.6【文献标识码】A doi：10.16405/jki.1004-129X.2020.04.004
【文章编号】1004-129X（2020）04-0042-14
【收稿日期】2020-01-13
【基金项目】教育部哲学社会科学研究后期重大项目：长期照护理论方法创新与政策试点评估研究——
国际经验与中国发展（19JHQ014）；浙江省社会科学重大项目：从“未富先老”到“渐富快老”：中国人口老
龄化多状态预测与养老政策仿真研究（2018-2070年）（19YSXK03ZD）
【作者简介】米红（1962-），男，山东青岛人，浙江大学公共管理学院教授；
刘悦（1990-），女，河南开封人，浙江大学公共管理学院博士研究生；
冯广刚（1986-），男，安徽阜阳人，浙江大学公共管理学院博士后研究员。
一、研究背景
新中国成立70年来，在政治、经济、文化及人民生活方面都取得了举世瞩目的成就。我国人口
总第242期2020.4
vol.42
预期寿命在2017年达到77岁，比1960年提高了33岁，超过世界平均水平5岁，超过中等偏上收入国家平均水平1岁。［1］我国的人口再生产类型也发生了重大改变，实现了从“高出生、低死亡、高增长”向“低出生、低死亡、低增长”的转变，［2］人口年龄结构也逐渐转变为老年型。目前我国60岁以上人口接近2.5亿，人口老龄化率高达17.86%，失能老年人口超过4000万，人口老龄化的形势严峻。［3］老年人的健康问题不仅关系老年人自身的生存质量，而且会对整个社会经济产生深远影响。
十八届五中全会首次提出推进健康中国建设，“健康中国”上升为国家战略，习近平总书记多次提到保障人民健康安全，2016年在全国卫生与健康大会上强调树立大卫生、大健康的观念，从以治病为中心转变为以人民健康为中心，重视重点人健康，为老年人提供连续的健康管理服务和医疗服务；同年，国务院印发《“健康中国2030”规划纲要》，强调促进健康老龄化。2017年国家卫计委、全国老龄办等13部门联合印发《“十三五”健康老龄化规划》，指出建立覆盖城乡老年人的基本医疗卫生制度，构建与国民经济和社会发展相适应的老年健康服务体系，持续提升老年人健康水平。为积极应对人口老龄化，按照党的十九大决策部署，2019年11月中共中央、国务院印发了《国家积极应对人口老龄化中长期规划》。《规划》指出人口老龄化是社会发展的重要趋势，是人类文明进步的体现，也是今后较长一段时期我国的基本国情。《规划》明确了积极应对人口老龄化的阶段性目标：到2022年我国积极应对人口老龄化的制度框架初步建立；到2035年积极应对人口老龄化的制度安排更加科学有效；到21世纪中叶，与社会主
义现代化强国相适应的应对人口老龄化制度安排成熟完备。
建立应对人口老龄化的制度框架需要基于人口老龄化的科学定位及相关问题的深入研究，制定出科学合理的制度安排。其中老年人口健康状态变动的影响因素一直以来都是社会各界关心的问题。基于大样本的老年健康状态变动影响因素的研究能指导老年人规避有害因素、减少失能的发生，对公共政策，尤其是卫生政策的制定也有重要意义。通过实施有针对性的政策可以延缓老年人的失能进程，降低老年人失能率，同时为积极应对人口老龄化提供支撑。
二、文献综述
老年人口健康状态的变化是一个逐步且复杂的过程，主要体现在老年人身体机能、脑力和功能的变化上。世界卫生组织将其定义为身体、心理和社会适应的良好状态，老年健康是一种动态变化，机能和环境的细微变化可能产生重要的长期后果。［4］随着我国人口老龄化进程的不断推进，老年健康受到了越来越多的关注。众多领域的学者围绕这一问题展开了深入的研究。很多研究聚焦老年健康状态发展变化和老年健康状态的影响因素。其中老年健康状态的影响因素较为复杂，通常与生理、心理、社会多种因素的交互作用相关。学者们利用中国老年人健康长寿影响因素跟踪调查数据（CLHLS）、中国健康与养老跟踪调查数据（CHARLS）、中国城乡老年人生活状况抽样调查数据（SSAPUR）、中国老年社会追踪调查数据（CLASS）、第六次人口普查数据或者研究者独立收集的调查数据对此展开了深入的探讨。
大部分研究都表明当前中国老年人口的健康状况存在着显著的城乡差异和性别差异，不同数据得出的研究结果均显示不管是日常生活自理能力还是自评健康状态，男性老年人口都优于女性，城镇老年人口优于乡村。［5-8］除性别、城乡外，居住安排对高龄老人生活自理能力变化的影响作用明显。［9］和居家养老相比，机构养老老人具有总体健康状况差、死亡风险相对大，但生活满意度高的特点。［10］同时，学历、收入和居住地都会对老年人的日常生活自理能力产生影响。［11］对农村老年人来说，
年龄、经济状况、患慢性病种类、睡眠状况、心理健康状况都会对失能产生影响。［12］慢性病患病情况、认知能力、视力状况和情绪是影响高龄老年人自理能力的重要因素。此外自然环境、医疗状况及城镇贫困状况也会产生影响。［13］在控制个人层面变量后，社会、经济与自然环境因素对老年人的各项健康指标也均有显著影响。［14］总的来说，自然属性、社会经济结构特征、生活习惯、患病或损伤状况、心理状况都会对老年人健康状况产生影响。［15］近年来利用追踪数据开展的研究还发现失能率在不同队列、性别、城乡、婚姻和学历人间有显著差异。［16］性别、居住地、职业等人口、社会经济特征对高龄老年人失能发展轨迹类型归属产生影响。［17-18］在老年人生活自理能力状态转换概率方面，农村老年人、男性老年人、不与子女一起居住的老年人和有配偶的老年人均比另一方有一定优势。［19］国外对健康状况影响因素的研究也可分为两类：健康状况的影响因素和某种障碍或疾病对健康状况的影响。在诸多影响因素中年龄对健康状况的影响是不可回避的。一方面年龄确实增加了许多疾病的风险，个体的生理机能在进入老年期后会有所退化。［20］但另一方面认为老年人患病后就不再健康的
观点并不正确，许多老人尽管患有一种或几种疾病，但也能维持良好的身体功能，享有高水平的健康状态。［21］此外，高龄老人的自评健康得分通常高于同时代中低龄老人，［22］这是因为高龄老人可能会降低对自身健康的期望。［23］与此同时，个人的教育水平［24］和收入水平［25］对自评健康状况均有正向的促进作用。与国内研究类似，在养老机构中生活的老年人口自评健康优于居家养老的老年人口。［26］以往的研究发现空气污染、［27］社区环境、［28］个人与邻里的社会经济水平［29］都与老年人口的健康与存活息息相关。这是因为老年人对周边的社会与自然环境较为敏感，环境恶化对老年人健康与存活的冲击更为明显。另一类研究则重点关注某种疾病或障碍对老年人健康状况产生的具体影响或他们之间的交互影响。诸如心理困扰、［30］抑郁症、［31］视力障碍、［32］合并症、［33］心血管疾病。［34］这些障碍或疾病都会对老年人的预期寿命、死亡率、患病率产生一定的影响，这些疾病或障碍主要受社会经济水平［33］和营养状况［35］的影响。
众多学者都针对老年健康状态影响因素开展了大量的卓有成效的研究，从中可以总结出老年健康状态的影响因素不仅多元，而且复杂，涉及个人、家庭、社会等多个方面。但大部分研究主要分析某一维度的影响因素，或分析了多种类型的影响因素但未能系统地从多角度对其进行分析。在数据上，学者们采用普查数据、抽样调查数据或追踪调查数据展开分析，然而大部分研究均使用截面数据进行分析。除普查以外的调查数据样本量有限，难以实现大样本的面板数据研究。在研究方法上，大多采用描述性统计分析、Logistic回归模型和其他广义线性模型或多元线性回归分析的研究方法。虽然可以发现影响老年健康
的显著因素，但难以控制不随时间变化的变量，出引起老年健康状况变化的因素及作用效果。本研究在以往研究的基础上以生物-心理-社会医学模式作为分析框架，将所有变量分为生物、心理、社会三个维度，探索各个维度的因素对老年人口健康状况的影响。同时，基于在全国31个省市开展的“第四次中国城乡老年人生活状况抽样调查”2015-2016追踪调查数据（下文简称“SSAPUR”），运用固定效应的多项Logistic回归模型对大样本面板数据进行分析，能够控制个体的异质性，发现引起老年人口健康状态变化的因素，为老年健康干预提供参考依据。
三、研究方法及数据来源
1960年中国发生了什么（一）分析框架
生物-心理-社会医学模式（Biopsychosocial model）最早由美国罗彻斯特大学精神和内科教授恩
总第242期2020.4vol.42
格尔提出，［36］他指出：“为理解疾病的决定因素
以及达到合理的和卫生保健模式，医学模
式必须考虑病人、病人生活在其中的环境以及
由社会设计来对付疾病的破坏作用的补充系
统，即医生的作用和卫生保健制度”。研究者
越来越认识到只用生物科学和生物大分子的
改变来解释疾病和防治疾病已经远远不够
了。必须把人作为包括自然环境和社会环境
在内的生态系统的组成部分，从生物、心理、社会的角度来综合考察人类的健康和疾病，采取综合措施来防治疾病、增进健康。［37］因此，生物-心理-
社会医学模式包括生物的、心理的、社会三个不同的维度（见图1）。
（二）模型方法
本研究采用固定效应的多项Logistic 回归模型（Multinomial logistic regression with fixed effects ）分析SSAPUR 2015-2016年追踪调查中老年人口健康状况变动的影响因素。固定效应回归模型作为面板数据回归分析的主要工具，是多元回归的一种推广，这种方法利用面板数据来控制那些截面模型
无法观察到的在观测单位之间不同但随时间变化保持不变的变量。该模型假设样本有i =1，…，
N 个个体，观测时间为t =1，…，T i 。结果变量o j （j =1，…，J ）是一个多重分类变量，所有个体和观察
时间具有相同的水平J 。结果水平的值不受限制：
∀j :o j ∈R 。对于每个个体i 和每个观测时间t 的选择结果y it 作为因变量，即M 个自变量x it =(x it 1，…，x itM )的向量。定义y *itj 作为每个个体i 在
时间t 的选择结果j 的潜在倾向。在此条件下，倾向y *itj 和自变量x it 之间有如下关系：
∀j ∈()1,…,J :y *itj =αij +x it βj +εitj （1）
其中，βj 是待估计的系数向量，αij 是随机变量，εitj 误差项是极值随机变量，
在所有结果j 中独立且分布相同。与选择结果的联系定义为：
∀j ∈()1,…,J :Pr ()y it =o j |αi ,β,x it =Pr æèçöø÷max k ∈(1,…,J )y *itk =y *itj |αi ,β,x it （2）
在这个假设下，可以得到每个结果的概率。为了保证可识别性，定义一个任意的选择结果B ∈
（1，…，J ）作为基础结果并且将各自的系数限制为0：αiB =0，βB =0。由此得到：
Pr ()y it =o j |αi ,β,x it =ìíîïïïïïïïïexp ()αij +x it βj 1+∑k ≠B exp ()αik +x it βk j ≠B 11+∑k ≠B exp ()αik +x it βk j =B （3）
至此已经建立了混合多项Logistic 回归的假设，如果没有未观察到的异质性∀j :αij =αj ，则可以对其进行一致估计。
固定效应的多项Logistic 模型的优点在于它能够通过截距发现未观察到的个体异质性。异质性项目αij 是随机变量，不受自变量x it 分布的约束。直接估计个体的αij 会产生一个偶然的参数问题，导致不一致的估计量。但是，通过附加假设就能够一致地估计系数向量β。首先，
假设观察到的协
图1理论分析框架
变量是严格外生的，取决于未观察到的异质性。
∀t ∈()1,…,T i ,j ∈()1,…,J :f y it |αij ,x i ≡f y it |αij ,x i 1,…,x iT i =f y it |αij ,x it （4）
其次，假设误差项在时间上是独立的，也就是说，排除了自相关。
∀s ,t ∈()1,…,T i ,j ∈()1,…,J :εisj ⊥εitj
（5）Chamberlain 认为在这种附加假设下，θij ≡∑t =1
T i δy it o j 是未观察到的异质性αij 的充分统计量，其中δ表示关于y it 和o j 的Kronecker delta 函数。
［38］这个关系意味着，对于个体i 来说，结果j 发生的总和是一个倾向于该结果的充分统计量。因为对未观察到的异质性的充分统计，所以能够重新拟合似然函数，使估计量消失。在充分统计量的前提下，对于个体i 所选结果序列在时间上的概率质量函数是：
f y i |αi ,β,x i ,θi =∏t =1T i ∏j =1J Pr (y it =o j |αi ,β,x i ,θi )δy it o j ∑v i ∈γi [∏t =1T i ∏j =1J
Pr (v it =o j |αi ,β,x i ,θi )δv it o j ]
（6）在导出了概率质量函数后，我们看到具有固定效应的多项Logistic 模型的对数似然函数的简化表达式遵循其定义。对个体i 的对数似然的贡献是：
ln l i ()β|y i ,x i =ln f y i |αi ,β,x i ,θi
=∑t =1T i ∑j =1,j ≠B J δy it o j x it βj -ln ∑v i ∈γi exp æèççöø÷÷∑t =1T i ∑j =1,j ≠B J δv it o j x it βj （7）
因此在给定简单堆积面板数据样本的情况下，样本的总体对数似然函数是：
ln L ()β|y ,x =∑i =1N ln l i ()β|y i ,x i （8）
上式的最大似然估计是系数向量β的一致渐近正态估计。［39］固定效应模型可以将每个老人在不
同时点的差异固定，可以有效排除未被观察的遗漏变量对因变量的影响。虽然随机效应模型也能解决遗漏变量带来的估计偏误，但它将遗漏变量当作随机变量且要求遗漏变量与其他协变量无关，所以这一假定较难实现。因此，本研究采用固定效应模型，可以对相关参数进行无偏估计，从而解释健康状况变动与自变量之间的关系及作用的大小。
四、数据来源及变量选择
（一）数据来源及描述统计
本研究所使用的分析数据为“第四次中国城乡老年人生活状况抽样调查”2015-2016追踪调查数据（下文简称“SSAPUR 2015-2016”）。该调查是全国老龄工作委员会在全国31个省、自治区、直辖市（港澳台地区除外）和新疆生产建设兵团开展的针对60周岁及以上中国公民的追踪调查。调查内容涉及老年人的基本状况、家庭状况、健康状况、照料护理状况等9个方面的内容。2015年共收集到有效样本22.02万份，2016年在2015年调查的基础上抽取10%的样本开展追踪调查。经过清洗最终
得到2015-2016年记录完整的追踪数据13133份，构成N =13133，
T =2的平衡短面板数据集。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。