中国国民体质变化的地区差异特征与影响因素

杨 振， 丁启燕， 黄思远， 李家成*

(1.华中师范大学 可持续发展研究中心， 武汉 430079； 2.华中师范大学 城市与环境科学学院， 武汉 430079;

中国国民体质变化的地区差异特征与影响因素

杨 振1，2， 丁启燕1，2， 黄思远3， 李家成1，2*

(1.华中师范大学 可持续发展研究中心， 武汉 430079； 2.华中师范大学 城市与环境科学学院， 武汉 430079;

体质是健康的基础，体质变化差异是健康不平等的重要表现形式之一.该文以2005年、2014年两次国民体质监测数据为依据，综合利用空间自相关、基尼系数分解、逐步回归等方法，对我国城乡居民体质变化的地区差异特征与社会决定因素进行考察.结果表明：1)2000年以来我国国民体质水平变化比较明显，总体呈现为“东升、西降，中部大致稳定”的地理格局，升、降水平相似的地区存在空间集聚趋势；2)国民体质变化的地区差异不断扩大，地区差异主要来源于东、中、西3大地带之间的差异和超变函数，地带内部省区的差异贡献较小；3)在控制其他因素不变的条件下，良好的健康初始状况和较高的住房支出是城镇居民体质改善的推动因素，农村居民体质的改善则得益于食品支出的增加，但住房和食品支出的进一步增加有可能导致体质恶化.研究结果为国家合理配置健康资源、缩小健康差距提供了参考依据.

国民体质； 地区差异； 基尼系数分解； 社会决定因素

不同国家和地区的自然、人文条件存在较大差异，国民健康状况也不尽相同[1].作为社会经济不平等的表现形式之一，健康的地区差异问题日益引起学界的广泛关注.部分地理学者综合使用标准差、变异系数、泰尔指数、聚类分析或空间自相关等方法，对不同空间尺度的健康差异特征进行量化研究[2-3]，并从光、热、水、土、气等自然环境要素出发，沿循人地关系分析视角较好地揭示了地方病、癌症村、长寿区等现象的基本成因[4-6].医学工作者专注于探索疾病的发病机理、药物诊治、医疗保健等问题，主张个体基因基础、遗传禀赋、医疗资源可及性等条件的不同是影响健康地区差异的基本原因[7-8].经济学者则认为，医疗因素虽然是解释健康差异的较好变量，但不是唯一变量，经济因素如居民收入、产业结构、消费模式、工业化水平等条件差异也是不可忽视的重要变量[9].随着新的医学模式的发展和医学实践，人们逐渐认识到社会因素对健康的影响.2005年世界卫生组织成立“健康社会决定因素委员会”，倡导从政治、文化、经济、制度等综合视角探求影响健康的相关因素与作用机制[10].社会因素被认为是决定地区健康和疾病的根本原因，包括人们从出生、成长、生活、工作到衰老的全部社会环境特征，如收入、教育、饮水、治安、卫生设施、居住条件、社区环境等[11].健康的社会决定因素理论将诸多人文因素较好地综合到一个有效的分析框架之中，对理解不同地区人群的健康差异及其成因十分有益.

新中国成立以来特别是改革开放以来，我国健康领域的改革发展取得显著成就，人民健康水平和身体素质持续提高.2014年全国达到《国民体质测定标准》“合格”等级以上的人数占比接近90%，2015年人均预期寿命已经由建国初期的35岁提高到76.34岁，为全面建成小康社会奠定了重要基础.然而，由于我国地域辽阔且存在明显的城乡二元结构，各地区城乡居民的健康状况及其变化态势一直存在较大差异[12]，成为社会经济地区不平等的重要表现形式之一.长期以来，政府对如何缩小不同地区人群的健康差异、改善健康公平做了大量工作，颁布了包括“健康中国2030规划”在内的一大批政策法规.体质是国民健康基础，反映了人口的身体形态、身体机能和身体素质的完好状态，是衡量一个国家和地区健康状况的重要指标.基于研究资料和方法的限制，当前学界关注我国国民体质差异的文献报道较少，且多为理论分析或定性研究[13]，对地区差异的来源与结构问题关注不够，成为“健康中国”和全面小康社会建设的理论短板之一.本研究根据国家教育部、卫生部、体育总局等部门联合发布的国民体质监测数据，综合利用空间自相关、基尼系数分解、逐步回归等方法，对2000年以来城乡居民体质变化的地区差异特征与社会决定因素进行考察，为优化“健康中国”建设的政策体系提供参考依据.

1 指标与方法

1.1 国民体质综合指数

为动态掌握我国国民体质健康状况及变化特征，2000年以来国家体育总局、教育部、总工会等多个部门联合开展了4次国民体质监测工作.实施年份分别为2000年、2005年、2010年、2014年，监测对象为31个省(自治区、直辖市)3～69周岁的中国公民.体质评价体系包括身体形态、机能、素质3个大类共计20项指标，计算中依据不同年龄段人群特点各选用6～9个指标，并根据各指标的重要程度和局部人口在总体中所占比重分别进行加权处理.以2000年为基础年，将该年度体质评价结果设定为100，随后3次监测均以此为标准进行比较，得到国民体质综合指数(National physical synthetically index，NPI).

4次监测均按照《国民体质监测工作规定》的统一要求实施，监测结果具有较强的时间、地区可比性，因此可以将NPI作为国民体质变化的表征指标.当NPI=100时，表明某年度国民综合体质相对于2000年来说没有变化；NPI>100，说明国民体质有所改善，数值越大改善程度越高；NPI<100，说明体质下降，数值越小降幅越大.本研究使用2005年、2014年2个年度各省区分城乡的NPI资料，分别考察2000年～2005年、2000年～2014年国民体质变化的地区差异特征，相关数据来源于国家第二、四次国民体质监测报告.

1.2 全局空间自相关方法

(1)

(2)

1.3 基尼系数分解方法

1997年，Dagum提出一种新的基尼系数按子群分解的方法，结束了基尼系数不能按地区分解的历史，不仅有效地解决了空间非均衡的来源问题，而且解决了以往不能反映各子群内动态变化的问题，还提供了组间逆差异对地区差异作用的净贡献，比当前普遍使用的泰尔指数分解等方法更具优势.后者虽然能够把整体差异划分为组内、组间差异，但组间差异的贡献率明显依赖于分组数目.基于此，这里根据Dagum提出的基尼系数按子群分解法，对国民体质变化的地区差异特征进行解析[15].思路如下：首先，将全国划分为东、中、西3大地带，然后根据式(3)计算全国NPI变化的基尼系数，其中yji(yhr)是j(h)地带内任一省份的NPI，μ是全国各省NPI的平均值，n=31为省份个数，k=3为地带数，nj(nh)是j(h)地带内的省份个数.

(3)

全国NPI变化的基尼系数G分解为以下3个部分：地带内差异的贡献Gw，地带间净值差异的贡献Gnb与超变密度(intensity of transvariation)的贡献Gt，满足G=Gw+Gnb+Gt.公式(4)、(5)分别表示j地带内基尼系数Gjj与地带内差异的贡献Gw；公式(6)、(7)分别表示j、h地带间的基尼系数Gjh与地带间净值差异的贡献Gnb；公式(8)表示超变密度的贡献Gt，该项是划分地带时由于交叉项的存在而对总体差异产生的影响.

(4)

(5)

(6)

(7)

(8)

(9)

(10)

(11)

其中，Fj(Fh)分别为j(h)地带的累积密度分布函数.将djh定义为地带间NPI差值，可以理解是j、h地带中所有yji-yhr>0的样本值加总的数学期望；pjh定义为超变一阶矩，可以理解为j、h地带中所有yhr-yji>0的样本值加总的数学期望.

2 研究结果与分析

2.1 国民体质变化的地区差异格局

统计分析显示，2005年、2014年全国各省区城乡总体的NPI均值分别为100.08、99.92，表明相对于2000年来说，2005年的国民体质水平有所提升，但2014年呈下滑态势，与国民经济社会的快速发展形成鲜明对照.分城、乡看，在前后两个年份里，城镇NPI均值分别为100.57、100.03，农村NPI均值分别为99.33、99.00，显示城镇居民体质变化虽然在总体上呈现微增态势，但增幅有所下降，2014年的体质水平低于2005年；农村居民体质则一直呈现下降特征，且降幅有所加大.在2个代表年份里，城镇居民体质状况均优于农村居民.

从地区差异的角度看，各省区NPI存在明显的空间异质性.与2000年相比，2005年国民体质降幅最大的省份为西藏自治区，NPI为91.12，增幅最大者为上海市，为106.24.2014年这两个省市的降幅、增幅大小仍然位居全国最前列.将2014年各省区的NPI除以100，然后取自然对数并除以与2000年的间隔年数，最终得到各省区国民体质水平相对于2000年的年均增长率，结果见表1.据此发现，各省区居民体质年均增长态势不尽相同，随着经济发展和社会进步，东部11个省市中除河北、海南以外，其他省份的年均增长率均为正值，说明这些地区的大部分居民体质有了一定改善.在中部8省中，山西、江西、湖北3省居民体质有所提升，其他5省有所下降，形势不容乐观.西部12省区除重庆外，其他省区居民体质水平均发生明显下降，形势比较严峻.对3大地带内部诸省的增长率均值进行计算，发现东、中部增长率均值分别为0.169 1%、0.005 4%，西部为-0.183 0%，说明2000年以来我国国民体质变化在总体上呈现出“东升、西降，中部大致稳定”的地理格局.进一步的分析还发现，2000以来各省区体质的升、降幅度都比较小，在增长率为正值的13个省份中上海最高，2000年～2014年期间年均提升0.527 3%，福建的增长率最低，为0.030 7%；在增长率为负值的其他18个省区多位于西部地区，其中青海、贵州、西藏等省区的年均降幅位于前三，增长率的绝对值依次为0.304 7%、0.325 3%、0.412 0%.

表1 2000年～2014年国民体质水平年均增长率差异

利用式(1)、(2)对各省区NPI的空间自相关特征进行测算和检验.表2显示，2005年、2014年城乡总体NPI的Moran’sI指数均大于0且通过5%的显著性检验，说明国民体质水平的升、降变化受到周边邻接地域的显著影响，国民体质发生增长的省区与发生降低的省区在空间上均呈现出明显的集聚趋势.2005年，城乡总体NPI的Moran’I为0.347 8，2014年下降到0.289 6，体质变化受周边邻接地域的影响有所减弱.在前后两个年份里，城镇NPI的Moran’I分别为0.333 9、0.255 5，乡村分别为0.189 3、0.195 9，说明城镇居民体质变化的集聚趋势明显减弱，后者则略有增加.同时还说明，两个年份里城镇NPI的Moran’I指数均高于农村，显示前者变化的地理集聚性一直高于后者.

表2 2005、2014年国民体质水平变化的全局Moran’ I指数

2.2 国民体质变化的地区差异分解

为进一步刻画国民体质变化的地区差异特征，根据Dagum提出的基尼系数子群分解法对2个年度分城乡的地区差异结构与来源进行测算，结果见表3.为便于查看，表3中的数字已转换为原始结果的100倍.可以发现，全国城乡总体的NPI基尼系数大小发生明显变动，由2005年的1.454 6增长到2014年的1.548 9，表明全国国民体质变化的地区差距在不断扩大.与此同时，城镇NPI的基尼系数从2005年的1.615 8减少到2014年的1.584 9，乡村NPI的基尼系数则从2005年的1.539 6增加到2014年的2.004 1，城、乡国民体质变化的地区差距变化不一致，城镇呈现减小趋势，农村呈现快速拉大趋势.2005年农村NPI的基尼系数低于城镇，2014年则高于城镇.从地带内部差异看，2005年东部各省区城乡总体的NPI基尼系数为0.634 3，2014年为0.810 1，考察期内呈现升高态势.分城乡看，2005年城镇、农村的NPI基尼系数分别为0.758 4、0.629 2，2014年为0.762 9、1.841 4，均呈现拉大态势.在前后2个年份里，中部各省区城乡总体的NPI基尼系数分别为0.297 6、0.497 3，地区差异有所拉大，西部分别为1.014 5、0.563 4，地区差异呈现降低态势.分城乡看，中部地带内部的差异在前后两个年份里均呈现增加趋势，西部则恰恰相反.

表3 国民体质水平变化差异的基尼系数分解

注：表中非括号内的数字为原始计算结果的100倍，括号内数字为百分比，即贡献率.

表3还显示，在2005年城乡总体NPI的总差异中，带内差异、带间差异与超变密度分别为0.250 2、0.602 4、0.602 0，所占比重分别为17.20%、41.42%、41.38%，说明该年度NPI的地区差异主要来源于带间差异与超变密度，带内差异贡献相对较小；2014年上述3类差异的贡献率分别为14.21%、44.05%、41.74%，带内差异的贡献率非常小，带间差异与超变密度对地区总差异的贡献仍然占据绝对优势.分城乡看，城镇NPI的地区差异中，前后两个年份的带内差异贡献率分别为17.15%、14.15%，10年间呈减少趋势；带间差异贡献率分别为35.58%、41.08%，增势比较明显；超变密度贡献率为47.27%、44.77%，两个年份变化不大.在农村NPI的地区总差异中，前后两个年份的带内差距贡献分别为18.23%、17.34%，呈现减少趋势；带间差异与超变密度贡献率分别为34.12%、23.06%与47.65%、59.60%，前者明显减少，后者大幅增加.

2.3 国民体质变化差异的社会决定因素

根据健康社会决定因素理论，参考文献[9]的做法将Grossman提出的个体健康生产函数扩展到地区人群层面，并根据指标的科学性、代表性与数据的可得性等原则从健康基础、医疗卫生、膳食营养、生活方式、收入水平、生活环境等6个方面，建立国民体质变化的社会决定因素集，相应的计量模型如式(12)所示：

Y=α+βlnX1+γlnX2+θlnX3+μlnX4+

φlnX5+ρlnX6+ε,

(12)

其中，Y代表地区国民体质综合指数，α为截距项，β、γ、θ、μ、φ、ρ代表各因素的影响系数，X1、X2、X3、X4、X5、X6依次代表上述6项因素，ε为残差.

由于式(12)中各因素之间存在多重共线性，传统的最小二乘估计方法难以得到满意的结果，逐步回归方法通过筛选并剔除引起多重共线性的变量，能够得到相对满意的结果[16].首先，利用被解释变量Y对每一个所考虑的解释变量Xi(i=1， 2， …， 6)做简单回归，然后以对Y贡献最大的解释变量所对应的回归方程为基础，逐步引入其余解释变量，最终保留在模型中的解释变量既是重要的，彼此之间又没有严重的多重共线性.在具体的计算中，本研究利用人均预期寿命(2000年)、人均医疗保健支出(元/人)、人均食品支出(元/人)、人均文教娱乐支出(元/人)、人均可支配收入(元/人)、人均居住支出(元/人)等可计算指标，分别表示上述6项社会因素，其中指标X2～X6分别取2000年、2014年的平均值.选取2014年分城乡的NPI作为因变量Y1、Y2，分别反映2000年以来城、乡居民体质的变化水平.

基于SPSS19.0的逐步回归估计结果见表4，显示关于城镇NPI变化的回归模型中只包含健康基础(X1)、生活环境(X6)两个变量，其他变量均未通过显著性检验(共线性统计量VIF较高).回归方程为Y1=56.6410+0.5480X1+0.0001X6，回归系数的t值分别为5.784、3.538、2.238，说明在0.05的水平上显著.方程的调整R2为0.641 0，说明城镇居民体质变化差异的64.10%可以由X1、X6的地区不同来解释.F值为27.786，表明方程在0.001的水平上显著.上述结果表明，城镇居民体质的变化受到区域健康基础与生活环境的双重影响，在控制其他变量不变的条件下，2000年人均预期寿命提高1%，将导致城镇国民体质综合指数提高0.548 0%；人均住房支出每提高1%，城镇国民体质综合指数将相应提高0.000 1%.良好的初始健康状况是国民体质持续提升的基础，已成为人们的共识.一般来说，良好的住房条件和足够的住房面积与较好的卫生状况和生活质量相对应[17].同院落面积较大、视野开阔的农村家户相比，城镇居民的楼房居住面积普遍不大，是人们居家活动的基本物理空间，因此增加关于居住的支出水平能够在一定程度上改善住房质量、优化室内空气、提升生活舒适度、减少各类疾病的发生等，从而有利于居民的体质改善.然而，该变量的影响系数较小，说明其健康效应存在变化的可能性，随着人均居住支出的进一步增加，城镇居民体质可能会开始变差.其原因可能在于，与居住有关的支出，包括新建(购)房屋、房屋维修、居住服务等方面的花费是大额支出，在居民总收入中占据较大比重，此项费用的增加会在很大程度上抑制食品、文教娱乐、医疗保健等方面的健康投入，导致体质下滑.

表4 国民体质水平变化的社会决定因素回归

表4还显示，关于农村NPI变化的影响因素中只有膳食营养(X2)变量进入模型，其他变量均未通过检验.回归方程为Y2=89.7080+0 .0050X2，相应的系数t值分别为32.006、3.454，说明在0.05的水平上显著，方程的调整R2为0.267 0，说明农村体质变化差异的26.70%可以用X2的不同来解释.F值为11.927，说明回归方程在0.005的水平上显著.上述结果显示，农村居民体质的改进受到营养膳食因素的轻微影响，说明在控制其他变量不变的条件下，居民人均食品支出提高1%将导致体质综合指数提高0.005 0%.数量适中、结构合理的膳食营养水平是维持体质健康的基本条件，但超出某一临界水平后则可能引起营养过剩以及与肥胖有关的健康问题[18].我国农村地域较大，不同程度的“三农”问题广泛存在，部分老少边穷地区的温饱问题尚未得到根本解决，包括主食、副食和其他食品方面的支出进一步增加，是推动体质改善的有效因素.膳食营养变量的回归系数较小，说明随着食品支出的进一步增加将可能导致居民体质变差.然而，就本研究时段来说，农村居民不断增多的食品支出对改进体质是有利的.

3 结论与讨论

深入考察我国国民体质变化的地区差异特征与影响因素，是促进“健康中国”建设的基础工作之一.本研究的主要结论如下：第一，2000年以来我国国民体质水平变化比较明显，总体呈现为“东升、西降，中部大致稳定”的地理格局，升、降水平相似的地区存在空间集聚趋势；第二，国民体质变化的地区差异不断扩大，地区差异主要来源于东、中、西3大地带之间的差异和超变函数，地带内部省区的差异贡献较小；第三，在控制其他因素不变的条件下，良好的健康初始状况和较高的住房支出是城镇居民体质改善的推动因素，农村居民体质的改善则得益于食品支出的增加，但住房和食品支出的进一步增加有可能导致体质恶化.

没有全民健康就没有全面小康，体质健康是小康社会建设的重要内容[19].2016年10月，国家颁布“健康中国2030”规划纲要，该规划作为宏伟蓝图和行动纲领，提出未来15年是推进“健康中国”建设的重要战略机遇期.本文研究结论显示，在当前国民体质水平有所下降且地区差异不断拉大的背景下，准确理解和把握我国国民体质变化的空间非均衡性及其社会决定因素，具有重要意义.提示我们应该根据国民体质的地区差异与城乡差异特征，在医疗保健、社会保障、卫生政策等方面进行统筹考虑和差别化设计，合理配置健康资源，促进健康公平.然而，本研究使用逐步回归方法虽然较好地解决了自变量之间经常存在的多重共线性问题，得到一些有意义的结论，但该方法剔除了一些检验不显著的变量，导致无法考察这些变量对体质变化的可能影响.这是本文进一步研究中需要改进的方向之一.

致谢：华中师范大学的龚胜生、张涛、敖荣军、王念、孙璇参加本文研讨，提出一些建设性意见，特此致谢.

[1] 苟晓霞. 世界各国预期寿命差异及影响因素定量分析[J].南京人口管理学院学报， 2013，29(3):31-36．

[2] 明 艳. 我国人口健康水平区域间差异性与区域内不平衡性的聚类分析[J].人口研究， 2009，33(6):67-73.

[3] 解 垩. 中国地区间健康差异的因素分解[J].山西财经大学学报， 2011，33(8):11-24．

[4] 钟远平， 唐 将. 三峡地质背景对土壤元素分布的影响及地方病效应[J].地理研究， 2007，26(3): 470-476．

[5] 龚胜生， 张 涛. 中国癌症村时空分布变迁研究[J].中国人口·资源与环境， 2013，23(9):156-164．

[6] 龚胜生， 葛履龙， 张 涛. 湖北省百岁人口分布与长寿区自然环境背景[J].热带地理， 2016，36(5):727-735．

[7] 廖一兰， 王劲峰， 杨维中， 等. 传染病多维度聚集性探测方法[J].地理学报， 2012，67(4):435-443．

[8] 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[J].地理科学进展， 2010，29(1):31-44．

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

[10] 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[J].经济研究， 2006(7):92-105．

[11] 林相森， 艾春荣. 对中国医疗服务利用不平等问题的实证检验[J].中国人口科学， 2009 (3):86-112．

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

[13] 池 建. 国民体质健康研究的思考[J].北京体育大学学报， 2009，32(12):1-4．

[14] ANSELIN L. Local indicators of spatial association analysis-LISA[J].Geographical Analysis， 1995，27(2): 93-115．

[15] 刘华军， 赵 浩. 中国二氧化碳排放强度的地区差异分析[J].统计研究， 2012，29(6):46-50．

[16] 刘 明， 王仁曾. 基于t检验的逐步回归的改进[J].统计与决策， 2012(6):16-19．

[17] 于晓薇， 胡宏伟， 吴振华. 我国城市居民健康状况及影响因素研究[J].中国人口·资源与环境， 2010，20(2):151-156．

[18] 栾 斌， 杨 俊. 农村居民收入、健康支付结构与农村健康人力资本[J].农业技术经济， 2015(2):76-84．

[19] 陈心广， 王培刚. 中国社会变迁与国民健康动态变化[J].中国人口科学， 2014(2):63-73．

RegionaldifferenceofnationalphysicalchangeanditsinfluencingfactorsinChina

YANG Zhen1，2， DING Qiyan1，2， HUANG Siyuan3， LI JIAcheng1，2

(1.Research Institute for Sustainable Development， Central China Normal University， Wuhan 430079, China; 2.College of Urban and Environmental Sciences， Central China Normal University， Wuhan 430079, China; 3.Wuhan Shengzhi Sub-branch， China Construction Bank Corporation, Wuhan 430070, China)

Physical condition is the basis of health， and difference of physical change is one of the important forms of health inequality. Based on the two national monitoring data of physical condition in 2005 and 2014， the regional differences and social determinants of urban and rural residents’ physical changes in China are investigated by using spatial auto-correlation， Gini coefficient decomposition and stepwise regression. The results showed that: 1) Since 2000， the national physical condition has been changing significantly， generally exhibiting the spatial pattern of “rising in the east area， descending in the west area and slightly rising in the central area”. And there was a spatial agglomeration tendency in areas with similar lift or fall levels. 2) The regional differences of national physical changes have been widened. And the regional differences mainly came from the differences among the three areas and the hyper variable function， while the differences among the provinces in one zone made little contribution. 3) With the other factors unchanged， the good initial health condition and the high housing expenditure were driving forces for the improvement of urban residents’ physical condition. The improvement of rural residents’ physical condition was due to the increase in nutritional dietary expenditure， while the increase of housing and food expenditure might lead to the deterioration of residents’ physical condition. The results provide a reference for rational allocation of health resources and narrowing of the health gap．

national physical condition; regional differences; Gini coefficient decomposition; social determinants

2017-03-27.

湖北省自然科学基金创新群体项目(2016CFA027);华中师范大学研究生教育创新资助项目(2017CX22001).

*通讯联系人. E-mail: jcli0209@sohu.com.

10.19603/j.cnki.1000-1190.2017.06.018

1000-1190(2017)06-0834-07

3.中国建设银行股份有限公司 武汉省直支行， 武汉 430070)

K901.3

A