中國居民健康不平等的測度及影響因素研究

摘 要：人民健康是民族昌盛和國家富強的重要標志，居民健康水平的高低和健康平等程度更是事關健康中國建設目標的實現，為此，確定提高居民健康水平和縮小居民健康不平等的影響因素極具現實意義。采用廣義OProbit模型（Generalized Ordered Probit）分析了居民健康的影響因素，從健康單維度和健康收入雙維度測算了居民健康不平等，利用Erreygers指數和RIF分解方法對居民健康不平等進行了分解，結果表明：收入和教育均對居民健康有促進作用，但其主要作用是將居民從健康最差的底層推出，隨后對健康的促進作用減弱。人口特征、生活方式和家庭因素對居民健康也有顯著影響。城市居民的健康水平高于農村居民，但城市居民健康不平等大于農村，沿海地區居民健康不平等大于內陸地區。將居民健康不平等的變動分解為收入增長效應、收入分配效應和收入流動效應后發現，對健康不平等貢獻最大的是收入分配效應，收入不平等的加劇會擴大健康不平等，而收入水平的提高有利于縮小健康不平等。采用RIF方法將健康不平等的變化分解到各影響因素，發現教育能顯著縮小健康不平等，結婚、年齡增長和睡眠時長都有利于健康不平等的縮小，而低體重和社會活動參與并不利于縮小健康不平等，兒童時期的健康狀況能夠顯著影響居民健康水平，但不影響居民健康不平等。

關鍵詞：健康不平等；收入健康矩陣；廣義OProbit模型

中圖分類號：C92-05?? 文獻標識碼： A?? 文章編號：1000-4149（2023）02-0124-21

DOI：10.3969/j.issn.1000-4149.2023.00.018

收稿日期：2022-02-21；修訂日期：2022-09-12

基金項目：國家社會科學基金項目“中國居民健康差異的變化趨勢及新時期的對策研究”（20BJL151）；教育部人文社會科學基金項目“中國居民健康不平等及其分解的實證研究”（18YJA790076）；江蘇省“333工程”培養資助項目“中國居民健康不平等及其分解：基于二維分解的新方法”（BRA2020073）。

作者簡介：王洪亮，管理學博士，南京審計大學經濟學院教授。

一、引言

改革開放以來，中國醫療衛生事業發生了翻天覆地的變化，居民健康水平顯著提高，居民人均預期壽命由1981年的67.8歲提高到2021年的78.2歲【數據來源：國家統計局報告《改革開放鑄輝煌 經濟發展譜新篇》和國家衛生健康委員會發布的《2021年我國衛生健康事業發展統計公報》。】。然而人均預期壽命的提高并不意味著所有居民得到了同樣的健康福利改善，有的人長命百歲，有的人卻英年早逝，也就是說居民之間可能存在著明顯的健康不平等。健康不平等已成為社會不平等的重要組成部分，無論是在發達國家還是發展中國家，它都成為一個嚴重挑戰［1］。從居民微觀角度看，在物質生活變得越來越富足的當下，人們越來越關注健康及健康不平等問題［2］。從國家宏觀角度看，人民健康是民族昌盛和國家富強的重要標志，健康水平高低和健康平等程度更是事關健康中國建設目標實現的關鍵問題。基于此，測度居民健康及其不平等，考察居民健康水平和健康不平等的影響因素，具有極強的理論價值和現實意義。

為了考察居民健康水平及其不平等，健康經濟學研究中常用自評健康狀況（Self-Reported Health， SRH）來測度居民健康，自評健康是定性序數數據，它是通過向被調查者詢問“您認為您的健康狀況如何”等問題，讓被調查者在“非常差、差、一般、好、非常好”幾個等級中匯報健康狀況。自評健康被用來反映居民健康水平的優勢在于：第一，自評健康數據具有獲取容易和成本低的特點，并且它與個人患病率和死亡率等客觀健康高度相關［3-4］。第二，自評健康是居民對身體和心理狀況的一個綜合評價，在國內外研究中得到廣泛采用［5-7］，如美國、加拿大等國均將自評健康納入全國健康調查。我國的許多微觀數據集中也包含居民自評健康指標。這為分析居民健康不平等問題提供了基礎，但自評健康數據的序數特征也對傳統不平等測量指標提出了挑戰，傳統測量不平等的一些指數（如基尼系數、泰爾指數）均是針對收入等基數數據的，可能不再適用于健康不平等的研究，研究中的現實問題催生了新研究方法來分析居民健康不平等問題。

二、文獻綜述

國內外學術界對健康水平及健康不平等問題的研究以邏輯遞進的方式主要呈現在如下三方面。

第一，居民健康狀況的影響因素研究。健康狀況的決定因素較為復雜，一般來說，經濟因素、教育水平和生活方式都可能影響實際健康水平。格羅斯曼（Grossman）提出了健康生產函數的理論框架，他認為健康是一種耐用資本存量，該存量隨年齡增長而減少，但可以通過花時間鍛煉和購買醫療服務而增長，格羅斯曼的健康生產函數分析了收入和教育對健康的影響［8］。收入高者占有大量資源，其居住條件和醫療保障較好，從而高收入者健康狀況通常優于低收入者，這就是“健康—收入分層現象”［9-11］。一般而言，高收入居民自評健康狀況好［12-13］，身體功能受限少［14］，死亡率也較低［15］。盡管許多研究證實了收入對健康的影響，但也有學者認為收入并不直接影響健康，收入與健康之所以表現出正相關關系，是因為教育對收入和健康均有正向作用所致。教育水平提高不僅有利于收入增長和更高水平的就業，而且有利于健康行為的養成和自控能力的加強，從而教育會給人帶來持續一生的“健康紅利”［16-18］。有學者進一步研究發現，教育對健康的影響在性別間存在差異，教育對男性健康的影響更強［19］。此外，吸煙、飲酒和身體鍛煉等生活方式也是影響居民健康的重要因素［20］，它們對健康的影響存在階層分化，如飲酒對低階層群體的死亡效應顯著高于高階層群體［21］。

第二，居民健康不平等程度的度量。瓦格斯塔夫（Wagstaff ） 等仿照洛倫茲曲線提出了健康集中曲線，根據健康集中曲線與完全平等線圍成的面積，得出了健康集中指數［22］，該指數不同于基尼系數，實質上是一個二元秩依指數（Bivariate Rank Dependent Index）［23-24］。隨后，愛瑞格斯（Erreygers）討論了健康集中指數的局限性，如該指數不能介于-1至1之間，健康變量的尺度范圍（Scale of Health Variable）會影響集中指數的大小［25］。鑒于集中指數的不足，瓦格斯塔夫與愛瑞格斯分別對集中指數進行了激烈爭論和修正，并提出了W指數和E指數，這兩個指數均屬于廣義上的二元秩依指數［26-29］，只是它們對健康最不平等的定義不同

【 假定全社會總共有100人，按照收入由低到高排序，排在最前面的10個人是社會中最窮的人，如果這10個人擁有最差的健康水平，而其余人健康水平最好，那么瓦格斯塔夫認為這個社會的健康不平等程度最大，反映健康不平等的W指數等于1，如果健康狀態發生了變化，按收入排序排在最前面的第11至第20位的次窮的人健康由最好跌落至最差，即整個社會排在最前面的20個人擁有最差的健康水平，而其余人健康水平最好，那么瓦格斯塔夫仍然認為這個社會的健康不平等程度最大，W指數等于1。愛瑞格斯的看法不同，他認為兩種情景下社會健康不平等程度均沒有達到最大，健康不平等E指數小于1，并且后一種情景較前一種情景有更多的窮人變得不健康，所以后一種情景的健康不平等程度更大。W指數認為只要最富階層擁有最好的健康水平，其他人的健康水平最差，就是健康最不平等；而E指數認為社會只有兩極分化為一半人是最富的人，另一半人是最窮的人，且當富人擁有最好的健康，窮人擁有最差的健康時，健康不平等程度才最大。

】［30］。國內學者大都采用改進的W指數或E指數測度健康不平等，如對農村兒童和未成年人健康不平等的測度［31-32］、對中國老年人健康不平等的測度［33-35］，發現這些不平等表現為親富的健康不平等［36］。也有學者借助多層回歸模型來刻畫健康不平等，發現不同社會經濟地位群體在身體功能狀況上的不平等在擴大，在抑郁癥狀和自評健康上的不平等沒有顯著變化［1］。

第三，居民健康不平等程度的分解。隨著研究的開展，學者不再滿足于健康不平等的度量，并開始嘗試對健康不平等進行分解，以求理解健康不平等背后的原因。瓦格斯塔夫等使用1993年和1998年越南的數據，對健康不平等進行了分解，分析了各因素對健康不平等的貢獻率，發現收入增長改善了健康水平卻加劇了健康不平等［37］。約翰（Jones）等認為瓦格斯塔夫的研究是建立在個體反應同質的基礎上，并對此提出了異議，他們將模型設定為異質性參數模型，采用基尼系數和集中指數分解各因素對健康不平等的貢獻，發現收入對健康不平等有重要影響，但影響方向因方法而異［38］。解堊采用W指數對健康不平等進行了分解，計算了收入因素、醫療服務利用在健康不平等中的貢獻率，發現城鎮居民收入不平等是其健康不平等上升的主因［39］。封進等采用隨機效應Probit模型發現農村起始年份的收入不平等是健康不平等加劇的重要原因，且收入不平等對健康的影響呈倒“U”型［40］。洪巖璧、曾迪洋、沈紀發現生活方式是影響健康不平等的關鍵因素，不同社會階層生活方式存在差異，高社會經濟地位者更傾向于參加體育鍛煉，但其飲酒和吸煙傾向也顯著偏高［11］。

綜上所述，已有研究雖然分析了居民健康水平的影響因素，但這些研究多采用OLS方法或Ologit/OProbit模型進行研究，這些模型隱含的假定是各因素對健康水平的影響保持不變，這與實際情況不符，如收入對健康的影響可能隨著收入的增長而變化。而且已有研究大多沒有控制兒童時期的健康水平，這就可能導致估計量的不一致性。目前已有的對居民健康不平等的分解，大多是基于健康的單維度的靜態分解，這種健康不平等的分解存在不穩健性［41］。鑒于此，本文將采用廣義OProbit（Generalized Ordered Probit）模型分析居民健康的影響因素，同時在模型中控制兒童時期的健康狀況，在測度中國居民健康不平等基礎上，引入國際上最新發展起來的基于去中心影響函數（Recentered Influence Function，RIF）的二維健康不平等分解方法對居民健康不平等進行動態分解，將RIF運用到健康不平等的度量和分解上會得到更加穩健的研究結果［24，30］，這對認識居民健康分布具有重要意義。

三、研究方法與模型構建

在健康經濟學研究中，基尼系數、泰爾指數等傳統不平等測度方法均無法正確刻畫居民健康不平等，因為這些方法都是建立在平均值基礎上的，它們僅適用于收入等基數數據，在針對自評健康的序數數據時可能產生嚴重不良后果

［6］。設想兩個社會x和y

的居民健康水平分布分別是

x=（1，3，5，4，4）和y=（1，4，6，2），

當對不同等級健康水平賦值c=（1，2，3，4，5）

時，用基尼系數測度的健康差異gini（x;c）=0.1947>0.1909=gini（y;c），即社會x較社會y

存在更大的健康差異。然而，當對不同等級健康水平賦值

c″=（1，2，6，7，8）

時，用基尼系數測度的健康差異

gini（x;c″）=0.2110>0.2327=gini（y;c″）

，即社會x較社會y

存在更小的健康差異。顯然，這前后矛盾。這說明以均值為基礎的基尼系數等不平等指數不適合應用于序數數據的研究。鑒于基尼系數和泰爾指數等傳統方法在序數數據條件下的局限性，研究引入采用序數數據測算健康水平和健康不平等的新方法，第一，運用以中位數為基礎的極化指數等指標，使用樣本中的健康水平數據，從健康一個維度測算健康不平等，即健康好者與健康差者之間的健康不平等；第二，構建收入健康矩陣（Income Health Matrix），從收入和健康兩個維度來測算健康不平等，進而考察不同收入階層之間的健康不平等，即窮人與富人的健康不平等；第三，采用廣義OProbit模型，對居民健康不平等進行測度，并使用去中心影響函數（Recentered Influence Function，RIF）的二維健康不平等分解方法對居民健康不平等的變動進行分解。

1. 健康不平等的單維測度方法

埃里森和福斯特（Allison and Foster）探索了以中位數為基礎（median-based）的不平等分析方法［6］。假定：①健康狀況從差到好可分為n個等級，用一個n維向量c=（c1，c2，…，cn）來對每個健康等級賦值。②p=（p1，p2，…，pn）表示一個社會健康分布的概率密度向量，其中pi是指個人處于第i個健康等級的概率。③P=（P1，P2，…，Pn）表示一個社會的健康累計分布向量，則健康不平等指數［43-44］可寫為：

I（P，c）=1-2αn－1∑n-1i=1Pi-12α（1）

其中，n為健康水平等級數，Pi為健康累計分布向量中第i個元素，α表示中間階層的重要性，α∈（0，1），當

α→0時，表示中間階層的重要性增加；當α→1時，表示中間階層的重要性減小，不平等指數對頂層和底層居民比重敏感。通常來講，當每個健康等級的人數都相同時，健康不平等程度是中等的，即當健康分布的概率密度是均勻分布時，p=pU=（1/n，1/n，…，1/n），I（PU，c）=0.5，據此可得校準值α*【當n分別為3-10時，校準值α*分別等于ln2/ln3、（ln4-ln3）/ln2、0.7272、0.6594、0.7842、0.7536、0.8219、0.8053。】。根據樣本數據計算出健康不平等指數后，我們還可以進一步給出健康不平等指數的

標準誤

，這需要依靠對健康不平等指數方差的正確估計，運用多元三角法（multivariate delta method）可以得到健康不平等指數I（P，c）的方差［43］，計算公式如下：

s2（I）=α4α［∑n-1i=1pia2i-（∑n-1i=1piai）2］N（n-1）2（2）

其中，N為樣本容量。ai=-1（i≤m-1）∑m-1j=i

12-Piα-1+1（i≤m-1）1（m≤n-1）∑n-1j=m

Pi-12α-1+1（i>m-1）∑n-1j=i

Pi-12α-1 【其中l是指標函數，l后面括號里的條件滿足則該函數取1，否則取0。】

2.健康不平等的雙維測度方法

健康不平等指數能從一個維度反映健康好者與健康差者的健康差異，但有時我們更關心不同收入階層居民之間的健康差異，即從收入和健康兩個維度來看待健康問題，由此判斷富人與窮人之間的健康不平等是如何變化的？收入健康矩陣是分析該問題的強有力工具［44］。假定一個社會有n個健康等級和m個收入等級，每個收入等級中的人口比例為πi，居民收入水平處在第i等級且健康水平處在第j等級的概率為αij，那么收入健康矩陣可定義為：

Am×n=α11α12…α1n

α21α22…α2n

…………

αm1αm2…αmn（3）

其中αij≥0，∑nj=1αij=1，矩陣A中的各行代表不同的社會經濟階層，從上到下表示收入水平越來越高，各列代表不同的健康水平，從左到右表示健康狀態越來越好。我們可以通過對不同時期收入健康矩陣的比較來研究健康水平和健康不平等的變化。假設一個社會先后兩個不同時期的矩陣A和B，αij、βij分別是A和B矩陣中的元素。我們想知道福利狀態是改善了還是惡化了，可以通過判斷A和B是否滿足洛倫茲占優（Lorenz Dominance）、廣義洛倫茲占優（Generalized Lorenz Dominance）和超廣義洛倫茲占優（Generalized Super-Lorenz Dominance）條件來實現［44］。以上三個占優條件和最廣義的占優條件，公式如下：

∑kj=1πiαij≤∑kj=1πiβij，

k=1，2，…，n;i=1，2，…，m（4）

∑li=1∑kj=1πiαij≤∑li=1∑kj=1πiβij，

k=1，2，…，n;l=1，2，…，m（5）

∑lt=1∑ti=1∑kj=1πiαij≤∑lt=1∑ti=1∑kj=1πiβij，

k=1，2，…，n;l=1，2，…，m（6）

∑lt=1∑ks=1∑ti=1∑sj=1πiαij≤∑lt=1∑ks=1∑ti=1∑sj=1πiβij，

k=1，2，…，n;l=1，2，…，m（7）

如果公式（4）成立，則表示在任何較低等級的健康水平上，A矩陣均有相對較少的居民比重，說明從洛倫茲占優角度看，A時期優于B時期。由于矩陣從左到右表示健康水平越來越高，從上到下表示收入水平越來越高，顯然，矩陣左上角區域的數字越大，表示社會中有更多的人處在健康水平差、收入低的狀態。公式（5）表示在收入健康矩陣的左上角B較A有更大比重，那么從廣義洛倫茲占優角度看，矩陣A時期優于B時期。若矩陣A和B滿足公式（6），那么從超廣義洛倫茲占優角度看，矩陣A時期優于B時期，之所以如此，是因為我們通常假定收入的效用函數是擬凹的。同理，假定收入的效用函數和健康的效用函數都是擬凹的，那么當公式（7）成立時，則從最廣義洛倫茲占優角度看，A時期優于B時期。為了下面敘述方便，將矩陣A各元素向右累加得到的矩陣稱為A1，將矩陣A1再向下累加得到的矩陣稱為A2，將A2矩陣再向下累加得到的矩陣稱為A3，將A3向右累加得到的矩陣稱為A4。

在健康不平等的研究中，通常將自評健康數據轉化為基數數據，完成這一轉化的模型有三類：第一類是名義logit/Probit模型，這類模型適用于被解釋變量為分類變量，同時這些分類并沒有序數的含義，顯然本文中的健康序數數據是有序數據，因此名義logit/Probit模型并不適合本研究。第二類是排序logit/Probit模型，它是專門針對被解釋變量為序數數據的一類模型，有學者在研究居民健康不平等時采用了這類模型，然而排序logit/Probit模型認為在不同水平上，同一解釋變量前面的系數都是相同的，這被稱為平行回歸假定，平行回歸假定是一個很強的假定，通常情況下這一假定并不能得到滿足。第三類是廣義排序logit/Probit模型，這類模型放松了平行回歸假定，它允許在不同的水平上同一解釋變量前面的系數可以不同，顯然這一類模型比排序logit/Probit模型，更加符合現實，因此本文使用了廣義排序logit/Probit模型，其形式如下：

廣義排序logit模型：

P（hi>j）=exp（αj+x1iβ1+x2iβ2j）1+exp（αj+x1iβ1+x2iβ2j）， j=1—4（8）

廣義排序Probit模型：

P（hi>j）=Φ（αj+x1iβ1+x2iβ2j）， j=1—4（9）

通過廣義排序logit/Probit模型來計算居民健康為“非常好”的概率，健康“非常好”的概率越大，表明居民健康水平越高，所以居民健康“非常好”的概率是居民健康水平的一個基數測量。通過上面的廣義排序logit/Probit模型，我們將居民健康的序數數據轉化為基數數據，進而采用健康經濟學中的Wagstaff指數、Erreygers指數來測算中國居民健康不平等程度，健康不平等的測度公式如下：

Wagstaff 指數：

CW（h|y）=2（hmax-hmin）n2（hmax-h-）（h--hmin）∑zihi（10）

Erreygers指數：

CE（h|y）=8n2（hmax-hmin）∑zihi（11）

3.健康不平等的分解

（1）基于Erreygers的健康不平等分解。通常我們將自評健康數據轉化為0—1之間的數值，因此Erreygers指數可化簡為：

CE（h|y）=8n2∑zihi（12）

同時，我們將收入與健康之間的動態關系暫用以下關系式來描述：

hit=α+φ（yi）+x′itβ（13）

其中，α是常數項，xit是控制變量向量，β是控制變量系數向量，考慮到收入對健康的影響可能存在邊際效應遞減現象，不失一般性，我們假定φ（yi）是關于yi的非線性函數。假設我們采用第t期和第1期的差分來研究健康不平等的動態變化，則有：

CE（ht|yt）-CE（h1|y1）=8n2∑ni=1{［zitφ（yit）-zi1φ（yi1）］+∑Kk=1βk（zitxkit-zi1xki1）}（14）

接下來，我們考慮將第1期到第t期的收入增長過程分解為兩步：第一步，第1期收入水平同比例增長到第t期的平均收入水平；第二步，第1期收入水平不增長的同時按照第t期收入分配進行重新排布。對應地，我們引入兩種健康水平：

hpgit=α+φ（ypgit）+x′itβ（15）

hngit=α+φ（yngit）+x′itβ（16）

其中，hpgit是當第1期收入水平同比例增長到第t期平均收入水平時的健康水平；hngit是第1期收入水平不增長的同時按照第t期收入分配進行重新排序后的健康水平。

基于此，我們對公式（14）進一步拆項添項，即：

CE（hit|yit，xit）-CE（hi1|yi1，xi1）

=［CE（hit|yit，xit）-CE（hpgit|ypgi1，xit）］+

［CE（hpgit|ypgi1，xit）-CE（hngit|yi1，xit）］+［CE（hngit|yi1，xit）-CE（hi1|yi1，xi1）］

=8n2∑ni=1zi1［φ（ypgi1）-φ（yi1）］收入增長效應+∑ni=1［zitφ（yit）-zi1φ（ypgi1）］收入分配效應+

∑ni=1（zit-zi1）∑Kk=1βkxkit收入流動效應

+∑ni=1zi1［∑Kk=1βk（xkit-xki1）］資源稟賦效應（17）

公式（17）中，我們將健康不平等的Erreygers指數的動態變化分解成四部分：第一部分表示“收入增長效應”，反映了收入水平同比例增長對Erreygers指數的影響；第二部分表示“收入分配效應”，表示平均收入水平在不增長前提下收入的重新分布對健康不平等的影響；第三部分表示“收入流動效應”，說明收入流動性對健康不平等的影響；第四部分表示“資源稟賦效應”，表明非收入因素的其他資源稟賦變動對健康不平等的影響。

（2）基于RIF的健康不平等分解。菲波（Firpo）等最早提出了RIF概念和RIF回歸［45］，赫克利（Heckley）等在此基礎上創新性地延伸出了RIF分解方法研究與收入相關的健康不平等。該方法的完成主要分兩步：第一步，計算關于某指數的RIF值。第二步，通過RIF對各解釋變量作回歸，得到解釋變量對指數的邊際影響。這里我們假定存在線性關系，意味著在OLS回歸中用RIF作為被解釋變量，因此該方法也記作RIF-I-OLS分解，分解回歸各變量前面的系數即為解釋變量對健康不平等的邊際影響［24］。具體如下：記各類雙變量指數

I=vI（FH，FY）=vwI（FH）vAC（FH，FY），vI表示關于雙變量指數I的泛函。AC表示絕對集中指數，有AC=vAC（FH，FY）=2Cov（H，FY）。其中，H是健康變量，Y是將個體按照收入排序的排序變量，FY是關于Y的分布函數，FH，FY是關于H和FY的聯合分布，vwI（FH）表示指數I的權重函數。

雙變量指數的RIF函數定義為：RIF（h，FY（y）;vI）=vI（FH，FY）+IF（h，FY（y）;vI）。其中，IF（h，FY（y））=limε→0vI［（1-ε）FH，FY+εδh，FY（y）］-vI（FH，FY）ε，δh，FY（y）是給定某一具體值的分布函數。由于IF的期望為0，菲波等證明RIF的期望為vI（F）［45-46］。因此有E［RIF（H，FY;vI）］=E［vI（FH，FY）+IF（h，FY（y）;vI）］=vI（FH，FY）。為了將vI（FH，FY）與變量X聯系起來，這里通過迭代期望將其表示成關于X的函數：

vI（FH，FY）=E［RIF（H，FY;vI）］=EX［E（RIF（h，FY;vI）|X=x）］=EX（βTX+ε）=βTX（18）

公式（18）中的系數βT即為解釋變量對雙變量指數的邊際影響。

四、實證結果與分析

1. 中國居民健康水平變化

我們通過CHARLS數據分城鄉統計2013—2015年中國居民健康水平的分布，結果如表1所示。從表1可以看出，從健康一個維度來看，2015年健康非常差和健康非常好的居民所占比重分別為16.55%和5.74%，2013年的相應比重分別為15.25%和4.58%，即2015年健康非常差的比重較2013年高1.30%，2015年健康非常好的比重較2013年高1.16%，兩者差別檢驗的Z統計量分別為2.58和3.83，均在1%的水平上高度顯著。健康分布的這種變化說明2015年可能較2013年出現了更大的健康不平等。我們通過占優條件來考察中國居民健康水平變化，將各年的健康分布向右兩次累加如表1右半部分所示，然后對2015年與2013年分布進行比較，從全國和城市來看，2015年的相應數字均大于2013年，占優條件被滿足，所以2013年優于2015年，即與2013年相比，2015年全國居民和城市居民的自評健康水平下降了。當我們將城市與農村進行比較時發現，無論是2013年還是2015年，農村居民處于健康差的人數所占比重均高于城市居民，城市優于農村的占優條件成立，因此從居民健康狀況來看，城市居民的健康水平一直高于農村。

接下來，我們從收入水平和健康水平雙維度來分析中國居民健康水平的變化，這就需要用到收入健康矩陣。我們運用CHARLS數據計算了分城鄉的收入健康矩陣，結果如表2所示。我們將每個矩陣的行向量從左到右相加，然后比較各行就會發現窮人與富人的健康水平是否存在差異，如果對于所有的s

運用公式（6）和公式（7），我們對中國居民收入健康矩陣進行縱向比較。將城市2013年收入健康矩陣與2015年收入健康矩陣進行比較時，首先將收入健康矩陣向右兩次累加，然后向下兩次累加，從而得到U2013，4和U2015，4，計算結果如表3所示。可以看出2013年城市居民收入健康矩陣累加后的各元素有的大于2015年收入健康矩陣相應的元素，有的小于相應元素，在對農村居民收入健康矩陣進行比較時也得到了相同的結論，這說明從收入和健康雙維度來看，2015年和2013年居民收入和健康變化沒有明顯差異。綜上，從健康單維度來看，2015年的居民自評健康低于2013年；而從健康和收入雙維度來看，2013年與2015年的差別無法判斷，這種差別源于收入的作用，因為從健康維度來看，2015年居民自評健康下降了，但從收入維度看，居民收入水平上升了。

我們對中國居民收入健康矩陣進行橫向比較，就可以分析城市與農村的健康水平的差異。運用公式（4）至公式（7），計算出城市各年的相應累加矩陣U1-U4以及農村各年的相應累

加矩陣R1-R4。結果顯示，各年均有U2

向右向下累加的城市收入健康矩陣小于相應的農村收入健康矩陣。如在2013年和2015年，城市收入健康矩陣向右向下累加得到的矩陣

U2013，4、U2015，4小于農村收入健康矩陣向右向下累加到得的相應矩陣R2013，4、R2015，4，這說明從健康和收入雙維度來看，城市居民的健康水平在各年均高于農村居民。在健康一維的比較中，我們已得到城市居民健康優于農村居民這一結論，而在收入的進一步促進下，城市居民健康水平高于農村居民的結論更加穩健。

2. 中國居民健康不平等的測度

為了較全面地測度居民健康不平等程度，考慮到中國不同地區的經濟發展存在顯著差異，我們在對全國居民健康不平等進行測度的同時，分城市和農村、沿海和內陸對居民健康不平等進行比較分析。

（1）居民健康不平等的單維測度。我們采用最新發展起來的以序數數據為基礎的研究方法，運用公式（1）至公式 （2）計算了居民健康不平等程度及標準誤，可以發現健康不平等指數的標準誤均很小，在顯著性檢驗中Z值最小的也達到了10.7，從而所有健康不平等的顯著性檢驗均在1%的水平上高度顯著。考慮到穩健性，我們對參數α分別取了不同的數值（0.2、0.5、0.8和α*），盡管我們對參數α進行了多種取值，但結果仍相當穩健，具體如表4所示。

就全國而言，2015年的居民健康不平等程度較2013年高，其主要原因是中位數以外的居民健康水平分布分散【 需要說明的是2015年居民健康不平等與2013年在比較時，結果并不是很一致，當α較小時，2013年的健康不平等看起來更大一些，當α較大時，2015年的健康不平等更大一些。由于α越大，對中位數以外的階層越強調，這更符合健康不平等的含義，因此可以認為2015年居民健康不平等更大。】。就城市來看，2015年城市居民健康不平等高于2013年，健康不平等擴大的現象同樣發生在農村。也就是說，無論城市還是農村，無論沿海還是內陸，居民健康不平等都擴大了，健康不平等呈擴大趨勢這一結論無論是在α較小時還是在α較大時均成立。將同一年份的城市居民健康不平等與農村居民健康不平等相比較時，我們發現城市居民的健康不平等程度大于農村，將同一年份的沿海居民健康不平等與內陸居民健康不平等相比較時，發現沿海居民健康不平等大于內陸。

（2）居民健康不平等的雙維測度。上面從健康單維度對居民健康及健康不平等進行了分析，考察了健康好的人與健康差的人的健康不平等。那么窮人與富人的健康及健康不平等狀況如何呢？這就需要從健康和收入雙維度來對居民健康不平等進行分析。由于雙維測度需要居民健康的基數

數據，而居民自評健康數據為序數數據，因此在進行居民健康不平等雙維測度前，我們運用廣義OProbit模型構建居民健康回歸模型，將自評健康的序數數據轉化為定距數據。居民健康回歸模型中自變量的選取主要基于格羅斯曼的健康生產理論［8］，該理論認為經濟因素、教育水平、人口特征、生活方式和家庭因素共同決定了居民健康【 在一定程度上，職業也會影響健康，但職業與受教育程度、收入有高度相關性，為了避免多重共線性問題，模型沒有加入職業變量。】。經濟因素和教育水平與健康關系密切，跨國數據表明，收入水平越高的國家，人均預期壽命越長，居民健康狀況越好［47］。格羅斯曼認為教育水平較高的人擁有較多的健康信息，健康生產效率和健康水平較高［8］。生活方式和生活環境與居民健康聯系緊密，福克斯認為它們是影響健康水平的重要變量，他比較了美國內華達州和猶他州各個年齡階段的死亡率，發現不良生活方式和生活習慣是造成內華達州較高死亡率的重要原因［48］。此外，年齡不同、性別不同、婚姻狀況不同，健康狀況就可能不一樣。

我們遵循了文獻的通常做法，在經濟教育因素方面，以居民人均家庭收入的自然對數來衡量經濟狀況，為了規避內生性問題，將人均家庭收入的自然對數做了滯后一期處理。以居民受教育年限來度量教育水平。人口特征主要是以年齡、性別和婚姻狀態來反映，以男性和未婚居民為參照系，分析女性和各種婚姻狀態對居民健康的影響。生活方式方面，模型綜合考慮了吸煙、飲酒及飲酒頻率、晚上睡眠時長、午睡、社交活動和體重等因素。家庭因素方面，主要考慮了家庭規模、兒童時期的健康狀況等因素。本研究模型與前人研究的顯著不同在于，各變量對居民健康的影響在不同階段并非一成不變的，有可能某個變量在健康較差的時候起作用，但在健康較好時作用消失。前人研究很少將兒童時期的健康納入模型，那可能導致嚴重的自選擇問題，目前該模型很好地規避了該問題。

采用CHARLS數據，從經濟教育、人口特征、生活方式、家庭因素等方面對居民健康進行分析，得到居民健康函數回歸結果如表5所示。在經濟教育方面，收入對健康的影響顯著為正，我們首次發現雖然收入對居民健康有促進作用，但這種作用在各個健康階段逐次遞減，這說明收入的主要作用是將居民從健康最差的底層推出，隨后對健康的促進作用減弱；教育對健康的影響與收入類似，它主要是將居民從健康最差的狀態推出，隨后對健康的促進作用不再顯著；也就是說，收入和教育在居民健康水平較低時起作用，而在居民健康水平較高時，它們的作用很弱甚至消失。在人口特征方面，年齡和女性變量的系數均為負，說明健康隨著年齡增長而變差，且女性的健康水平低于男性，與男性相比，女性在各個年齡階段都處于健康劣勢，但女性患有的疾病往往不是致命性的［19］；婚姻狀態對居民健康有著顯著影響，在所有婚姻狀態中，未婚群體的健康最差，已婚且與配偶暫時分離的健康狀態比已婚且與配偶共同居住的健康狀態要好，原因可能在于已婚且與配偶暫時分離的狀態，保證了在婚姻完整的同時又給了雙方暫時的獨立性和彼此空間。在生活方式方面，身體肥胖（BMI>30）和體重超輕（BMI<18.5）均對居民健康有著顯著的負向影響，而體重超重（18.5

依據居民健康函數回歸結果，我們將健康序數數據轉化為基數數據，進而對居民健康不平等進行測度，結果如表6所示。根據Wagstaff指數和Erreygers指數的性質，這兩個指數的取值范圍均在-1和1之間，如果它們為負，表示窮人具有較高的健康水平，即存在親貧的健康不平等；如果它們為正，表示富人具有較高的健康水平，即存在親富的健康不平等。從表6中的健康不平等指數來看，所有Wagstaff指數和Erreygers指數均為正，這說明富人較窮人具有更好的健康水平，存在親富的健康不平等。

從縱向上來看，將2015年居民健康不平等與2013年相比較發現，無論是城市還是農村，無論是沿海還是內陸，2015年的Erreygers指數均大于2013年，并且均在5%的水平上顯著。

2015年大多數Wagstaff指數也高于2013年，說明2015年中國居民健康不平等程度高于2013年，居民健康不平等擴大了，這與基于收入健康矩陣發現的2015年有更多的居民處于健康底層和健康頂層的結果是相互印證的。

從橫向上來看，對城市、農村、沿海、內陸等地區的居民健康不平等進行比較發現，沿海地區的居民健康不平等程度高于內陸地區，城市地區的居民健康不平等程度高于農村地區，即城市窮人與富人之間的健康不平等大于農村窮人與富人之間的健康不平等。究其原因可能在于：在當代中國城市，由于經濟轉型，既有較多的高收入者，如房地產開發商和壟斷行業員工，他們享受著高標準的醫療條件，居住環境也較好；同時城市中又存在一些下崗職工，他們基本的醫療條件和居住環境比較差，從而造成了城市中窮人與富人之間的健康不平等程度較大。在農村，雖然醫療條件并不好，但在這里窮人與富人享受的醫療條件差距不大，農村居民的居住環境也差別不大，從而農村中窮人與富人之間的健康不平等程度較城市小。沿海地區的居民健康不平等高于內陸地區，其可能的原因也類似，沿海地區的居民之間存在較大的收入差距，處于不同階層的居民健康不平等程度較大，而內陸地區的居民收入差距相對較小，工作生活環境和居住條件差別不大，從而內陸地區的居民健康不平等程度較小。

3. 中國居民健康不平等的分解

（1）基于Erreygers指數的分解。前面結果表明中國居民健康不平等擴大了，那么中國居民健康不平等擴大的來源有哪些？它們對居民健康不平等擴大的作用如何？根據

Erreygers分解方法，采用公式（17）將健康不平等的擴大分解為收入增長效應、收入分配效應、收入流動效應和資源稟賦效應四部分，考慮到結果穩健性，還將全樣本按學歷層次劃分為小學以下、小學、初中和高中及以上四個子樣本，分別測算健康不平等變化的來源。結果如表7所示。

從表7中可以看出，收入增長效應對健康不平等的影響為負，說明收入增長有利于健康不平等的縮小，其可能的原因是當收入增長時，居民健康水平都趨于改善，但改善程度存在邊際遞減現象，收入增長對窮人健康影響更大，從而收入增長最終有利于健康不平等的縮小。收入分配效應為正，對健康不平等增長的貢獻率最高達到62.58%，說明收入不平等的擴大是推動健康不平等上升的主要因素，其原因可能是：一方面，收入不平等擴大使得富者更富，貧者更貧，收入增長使得富者可以增加對自身的健康投資，而貧者更不易對自身進行醫療衛生投資，從而使健康不平等擴大。另一方面，收入不平等擴大會增加低收入人群的心理壓力，他們可能缺乏自尊和自信，常會感到羞恥或者有較強的相對剝奪感［49］，有可能導致抑郁或引起吸煙、酗酒等不良行為習慣，如果收入不平等擴大到一定程度，低收入者可能會感到他與周圍人彼此分離而互不信任，導致社會信任度和包容性下降［50］，低收入群體長期生活在緊張和壓抑的負面情緒中，最終會損害其健康水平，從而使健康不平等擴大。收入流動性對健康不平等的貢獻總體為正，說明收入位次的改變擴大了健康不平等，其原因可能是居民收入位次上升的原因有所不同，有的居民是通過超時工作透支身體來獲取收入位次提高的，這種現象在勞動密集型行業和外資合資企業表現最為嚴重［51］，這會導致健康水平下降；有的居民收入位次的上升可能源于生產效率提升、房產溢價等，在這種情況下收入位次提高的同時居民健康狀況改善了。如此一來，收入位次變化帶來了居民健康水平分化，從而使居民健康不平等擴大。從健康不平等變動的來源分解來看，資源稟賦效應多為正值，但數值并不大，可見健康不平等擴大的主要原因并非資源稟賦效應。一個有意思的發現是，當我們將樣本劃分為小學以下、小學、初中和高中及以上時，無論是2013年還是2015年，隨著受教育水平的提高，健康不平等均呈現出下降的趨勢，由此初步得出教育水平提高有助于縮小健康不平等這一結論。

（2）基于RIF的分解。前面基于Erreygers指數的分解方法是將健康不平等分解成了四個組成部分，如果要進一步明確哪些具體因素會助推居民健康不平等的擴大，哪些具體因素有緩解居民健康不平等的作用時，我們采用最新的RIF分解方法，這種去中心影響的健康不平等分解方法可以幫助我們看到每一個變量單獨對居民健康不平等的影響方向和影響程度。

從表8中可以看出，收入對健康不平等的影響有正有負，在收入的四個系數中，有兩個顯著為負（-0.0170、-0.0075），一個不顯著（0.0008），一個顯著為正（0.0036），總體上看，收入變量系數顯著為負的更多。范奧特里（Van Outri）等認為健康收入彈性若是隨著收入增長而遞減的，那么收入增長將有利于縮小健康不平等，反之收入增長將會擴大健康不平等［52］。我們再次檢查表5中的健康收入彈性，不難發現健康收入彈性總體上是遞減的，但在中間階層有一個微小的跳躍（0.0411至0.0434），這說明收入增長總體上有利于縮小健康不平等，但這一結論要略謹慎一些，必須保證健康收入彈性遞減，收入增長在降低健康不平等方面才能更好地起作用。教育對居民健康不平等的影響顯著為負，說明教育有助于縮小居民健康不平等，居民受教育水平提高有利于其獲得更加安全穩定的工作，有利于健康知識的增長和健康技能的提高，從而促使其自身健康水平提高［53］，同時教育具有很強的外部性，居民受教育水平提高不僅有利于其自身健康，而且周圍人也會從中獲得好處，從而周圍人的健康水平也跟著提高，因此教育縮小了居民健康不平等。這與埃德勒（Etile）對法國居民、聶鵬等的對中國城鎮居民的研究相一致［54-55］，同時也與前述教育對健康不平等的作用相互印證。

女性變量和年齡變量的系數顯著為負，說明女性群體的健康不平等較男性小，隨著年齡的增長居民健康不平等縮小，其原因在于多數人由于年齡增長而出現健康折舊，健康水平逐漸向下趨同；已婚、分居、離婚和離異的系數均為負，說明與未婚相比，婚姻的任何其他狀態都會降低居民健康不平等程度；體重超輕的系數顯著為正，說明低體重這類群體的健康狀況呈現兩極分化態勢，有些人積極鍛煉身體，身體苗條而體重輕，也有些人由于身患疾病而體重很輕；睡眠時長有助于縮小居民健康不平等，這主要在于睡眠時長的邊際影響遞減作用，當睡眠時長增加以后，由于睡眠時長短的人健康受益最大，而睡眠時長充足的人健康受益較小，從而睡眠時長增加會使得健康不平等程度下降；社會活動項目數對健康不平等的影響為正，可能的解釋是參加社會活動會使得居民健康水平提升，但健康水平提升的幅度存在較大差異，有些居民從中健康獲益較大，而有些居民從中健康獲益較小。我們發現，兒童時期的健康狀況對居民健康不平等的影響并不顯著，雖然在表中居民兒童時期的健康狀況顯著影響成年時期的健康水平，但顯然兒童時期健康水平并不會影響現在周圍人的健康水平，即兒童時期健康水平對現在周圍居民沒有外部性，因此兒童時期的健康就與目前的健康不平等無關了。表8顯示，2015年虛擬變量的系數顯著為正，這也再次印證了本文得出的2015年健康不平等高于2013年的結論。

五、主要結論與政策含義

本文通過對中國居民健康水平和健康不平等的分析，得到如下結論：①在影響居民健康的因素中，收入和教育均對健康有著促進作用，但它們的主要作用是將居民從健康最差的底層推出，隨后對健康的促進作用減弱。平均而言，女性的健康水平低于男性，未婚居民的健康水平相對較差。過量飲酒和吸煙對健康的影響顯著為負，睡眠時長、午睡和參與社會活動數量均顯著地促進了居民健康水平的提升。②無論從健康單維度看還是從健康收入雙維度來看，城市居民的健康水平均高于農村居民，但城市地區的居民健康不平等大于農村地區，沿海地區的居民健康不平等大于內陸地區，2015年居民健康不平等大于2013年。③將居民健康不平等的變動分解為收入增長效應、收入分配效應、收入流動效應和資源稟賦效應后發現，對健康不平等貢獻最大的是收入分配效應，收入不平等的擴大是導致健康不平等的重要原因；收入增長效應對健康不平等的影響為負，即收入提高有利于健康不平等的縮小。將健康不平等的變化分解到各影響因素后發現，教育能顯著縮小健康不平等，結婚、年齡增長和睡眠時長都有利于健康不平等的縮小，而低體重和社會活動參與并不利于縮小健康不平等，兒童時期的健康狀況能夠顯著影響居民健康水平，但不影響居民健康不平等。

本文的研究結果表明，在中國居民收入不平等擴大的背景下，居民健康不平等在一定程度上也在擴大，健康好的人與健康差的人的健康不平等在擴大，收入高的人與收入低的人的健康不平等也在擴大，其主要原因是收入不平等的擴大。本文的研究結論具有很強的政策含義，相關衛生政策的制定應更多地考慮處于社會下層的窮人，因為他們在收入不平等和健康不平等擴大以及健康水平惡化過程中承受了很大壓力，提高他們的受教育水平和收入水平，既有利于提高居民健康水平，又有利于縮小健康不平等，是“一石數鳥”的政策抓手。

參考文獻：

［1］焦開山. 健康不平等影響因素研究［J］. 社會學研究， 2014（5）：24-46，241-242.

［2］石智雷， 顧嘉欣， 傅強. 社會變遷與健康不平等——對第五次疾病轉型的年齡—時期—隊列分析［J］. 社會學研究， 2020（6）：160-185，245.

［3］MOSSEY J M， SHAPIRO E. Self-rated health： a predictor of mortality among the elderly［J］. American Journal of Public Health，1982，72（8）：800-808.

［4］IDLER E L， BENYAMINMI Y. Self-rated health and mortality： a review of twenty-seven community studies.［J］. Journal of Health and Social Behavior， 1997， 38（1）：21-37.

［5］趙忠. 我國農村人口的健康狀況及影響因素［J］. 管理世界， 2006（3）：78-85.

［6］ALLISON R A ， FOSTER J E . Measuring health inequality using qualitative data［J］. Journal of Health Economics， 2004， 23（3）：505-524.

［7］MARTYNA K，PIOTR M. Inequality decomposition by population subgroups for ordinal data［J］. Journal of Health Economics， 2012， 31 （1） ：15-21.

［8］GROSSMAN M. On the concept of health capital and the demand for health［J］. Journal of Political Economy，1972，80（2）， 223-255.

［9］LINK B G， PHELAN J C. Social conditions as fundamental causes of disease［J］. Journal of Health and Social Behavior， 1995， 35：80-94.

［10］PHELAN J C， LINK B G. Fundamental cause theory［M］//COCKERHAM W. Medical Sociology on the Move. Dordrecht：Springer， 2013： 105-125.

［11］洪巖璧， 曾迪洋， 沈紀. 自選擇還是情境分層？——一項健康不平等的準實驗研究［J］. 社會學研究， 2022（2）：92-113.

［12］李實， 楊穗. 養老金收入與收入不平等對老年人健康的影響［J］. 中國人口科學， 2011（3）：26-33.

［13］FICHERA E， GATHERGOOD J. Do wealth shocks affect health？ new evidence from the housing boom［J］. Health Economics，. 2016， 62： 57-69.

［14］ETTNER S L. New evidence on the relationship between income and health［J］. Journal of Health Economics， 1996， 15（1）： 67-85.

［15］CUTLER D， DEATON A， LLERAS-MUNEY A. The determinants of mortality［J］. Journal of Economics Perspectives， 2006，20（3）： 97-120.

［16］GOLDMAN D P， SMITH J P. Can patient self-management help explain the SES health gradient？［J］.Proceedings of the National Academy of Sciences USA， 2002， 99（16）：10929-10934.

［17］SMITH J P， GOLDMAN D P. Can patient self-management explain the health gradient？ Goldman and Smith （2002） revisited： a response to Maitra［J］.Social Science & Medicine，2010， 70（6）：813-815.

［18］程令國， 張曄， 沈可. 教育如何影響了人們的健康？——來自中國老年人的證據［J］. 經濟學（季刊）， 2014（4）：305-330.

［19］鄭莉， 曾旭暉. 社會分層與健康不平等的性別差異——基于生命歷程的縱向分析［J］. 社會， 2016（6）：209-237.

［20］傅虹橋， 袁東， 雷曉燕. 健康水平、醫療保險與事前道德風險——來自新農合的經驗證據［J］. 經濟學（季刊）， 2017 （2）：599-620.

［21］KATIKIREDDI S V， ELISE W， JIM L， LINSAY G， ALASTAIR H L.Socioeconomic status as an effect modifier of alcohol consumption and harm： analysis of linked cohort data［J］. Lancet Public Health，2017， 2（6）： 267-276.

［22］WAGSTAFF A， PACI P， DOORSLAER E V. On the measurement of inequalities in health［J］. Social Science & Medicine， 1991， 33（5）：545-557.

［23］FLEURBAEY M， SCHOKKAERT E.Unfair inequalities in health and health care［J］. Journal of Health Economics， 2009，28（1）：73-90.

［24］HECKLEY G， GERDTHAM U， KJELLSSON G. A general method for decomposing the causes of socioeconomic inequality in health［J］. Journal of Health Economics， 2016， 48 ：89-106.

［25］ERREYGERS G. Correcting the concentration index［J］. Journal of Health Economics， 2009， 28 （2）：504-515.

［26］WAGSTAFF A. The bounds of the concentration index when the variable of interest is binary， with an application to immunization inequality［J］. Health Economics，14 （4） ：429-432.

［27］ERREYGERS G. Correcting the concentration index： a reply to Wagstaff［J］. Journal of Health Economics， 2009，28 （2） ：521-524.

［28］ERREYGERS G，VAN OUTRI T. Measuring socioeconomic inequality in health， healthcare and health financing by means of rank-dependent indices： a recipe for good practice［J］. Journal of Health Economics， 2011，30 （4） ：685-694.

［29］ERREYGERS G， CLARKE P， VAN OUTRI T. Mirror， mirror on the wall， who in this land is fairest of all？ ：distributional sensitivity in the measurement of socioeconomic inequality in health［J］. Journal of Health Economics， 2012， 31 （1） ：257-270.

［30］KJELLSSON G， GERDTHAM U G. On correcting the concentration index for binary variables［J］. Journal of Health Economic， 2013， 32 （3） ：659-670.

［31］馬哲， 趙忠. 中國兒童健康不平等的演化和影響因素分析［J］. 勞動經濟研究， 2016（6）：22-41.

［32］彭曉博， 王天宇. 社會醫療保險緩解了未成年人健康不平等嗎？［J］. 中國工業經濟， 2017（12）：59-77.

［33］杜本峰， 王旋. 老年人健康不平等的演化、區域差異與影響因素分析［J］. 人口研究， 2013（5）：81-90.

［34］陳東， 張郁楊. 不同養老模式對我國農村老年群體幸福感的影響分析——基于CHARLS基線數據的實證檢驗［J］. 農業技術經濟， 2015（4）：78-89.

［35］阮航清， 陳功. 中國老年人與收入相關的健康不平等及其分解——以北京市為例［J］. 人口與經濟， 2017（5）：84-94.

［36］黃瀟. 與收入相關的健康不平等擴大了嗎？［J］. 統計研究， 2012（6）：51-59.

［37］WAGSTAFF A， VAN DOORSLAER E， WATANABE N. On decomposing the causes of health sector inequalities with an application to malnutrition inequalities in Vietnam［J］.Journal of Econometrics， 2003，112 （1） ：207-223.

［38］JONES A M， NICOLAS A L. Allowing for heterogeneity in the decomposition of measures of inequality in health［J］. Journal of Economic Inequality ， 2006，4 （3）：347-365.

［39］解堊. 與收入相關的健康及醫療服務利用不平等研究［J］. 經濟研究，2009（2）：92-105.

［40］封進， 余央央. 中國農村的收入差距與健康［J］. 經濟研究， 2007（1）：79-88.

［41］MACKENBACH J P， Kulhnov I， MENVIELLE G， et al.. Trends in inequalities in premature mortality： a study of 3.2 million deaths in 13 European countries［J］.Journal of Epidemiology and Community Health， 2015， 69 （3） ：207-217.

［42］APOUEY B. Measuring health polarization with self-assessed health data［J］. Health Economics， 2007， 16 （9） ： 875-894.

［43］NAGA H R， YALCIN T. Inequality measurement for ordered response health data［J］.Journal of Health Economics， 2008， 27（6），1614-1625.

［44］ZHENG B. A new approach to measure socioeconomic inequality in health［J］. Journal of Economic Inequality ， 2011，9： 555-577.

［45］FIRPO S， FORTIN N， LEMIEUX T. Unconditional Quantile Regressions［J］.Econometrica， 2009， 77 （3） ：953-973.

［46］MONTI A C. The study of the Gini concentration ratio by means of the influence function［J］. Statistica， 1991，51（4）： 561-577.

［47］程明梅， 楊朦子. 城鎮化對中國居民健康狀況的影響——基于省級面板數據的實證分析［J］. 中國人口·資源與環境， 2015（7）：89-96.

［48］福克斯. 誰將生存？健康、經濟學和社會選擇［M］. 上海：上海人民出版社，2000：59-63.

［49］WILKINSON R G， PICKETT K E. Income inequality and population health： a review and explanation of the evidence［J］. Social Science & Medicine， 2006， 62（7）：1768-1784.

［50］BUTTRICK N R， OISHI S. The psychological consequences of income inequality［J］. Social and Personality Psychology Compass， 2017， 11（3）：e12304.

［51］聶偉， 風笑天. 996在職青年的超時工作及社會心理后果研究——基于CLDS數據的實證分析［J］. 中國青年研究， 2020（5）：76-84.

［52］VAN OURTI T， DOORSLAER E V， KOOLMAN X. The effect of growth and inequality in incomes on health inequality： theory and empirical evidence from the European panel［J］. Journal of Health Economics， 2009， 28（3）：525-539.

［53］BEAUCHAMP A， BUCHBINDER R， DODSON S， et al. Distribution of health literacy strengths and weaknesses across socio-demographic groups： a cross-sectional survey using the health literacy questionnaire （HLQ）［J］. BMC Public Health， 2015， 15（1）：678.

［54］ETILE F. Education policies and health inequalities： evidence from changes in the distribution of Body Mass Index in France， 1981-2003［J］. Economics & Human Biology， 2014， 13：46-65.

［55］NIE P， ANDREW E C， CONCHITA D， DING L. Income-related health inequality in urban China （1991-2015）： the role of homeownership and housing conditions［J］. Health & Place， 2022，73：102743.

Study on Measurement and Influencing Factors of Health Inequality

among Chinese Residents

WANG ?Hongliang

（School of Economics， Nanjing Audit University， Nanjing 211815， China）

Abstract： Peoples health is an important symbol of national prosperity and

strength， and

health equality and the level of health are key issues related to the realization of the goal of building a healthy China.Therefore， it is of great practical significance to determine the influencing factors for improving residents health level and narrowing health inequalities.

In this paper， the Generalized Ordered Probit Model is used to analyze the influencing factors of residentshealth， and the health inequality of residents was measured from the single dimension of health and the double dimension of health and income. The Erreygers index and RIF decomposition method are used to decompose the health inequalities.

The results show that both income and education have a positive effect on health， but their main effect is to push people out of the bottom of the lowest health level， and then the effect of health promotion decreases. Demographic characteristics， lifestyle and family factors also have a significant impact on the residents health. The health level of urban residents is higher than that of rural residents， but the health inequalities

of urban residents is greater than that of rural residents， and the health inequalities of coastal residents is greater than that of inland residents. The variation of health inequalities is divided into income growth effect， income distribution effect and income mobility effect. The results show that the income distribution effect contributes most to health inequality， and the increasing of income inequality is the main cause of the increasing of health inequalities， while the increase of income is beneficial to reduce health inequalities. RIF method

is used to decompose variation in heath inequalities into the respective influencing factors， which

finds that：

1） Education can significantly reduce health inequalities.

2） Marriage， age and the sleep time are good for narrowing health inequalities.

3） Low weight and participation in social activities are not conducive to reducing health inequalities.

4） Childhood health can significantly affect residentshealth level， but not influence the residentshealth inequalities.

Keywords：health inequality；income-health matrix；Generalized Ordered Probit Model

［責任編輯 武 玉］