人群健康水平及公平的时空演变分析2002—2016年省域面板数据——基于

张玉婷 时 涛

1.泰安市中心医院泌尿外科,山东 泰安 271000；2.医药管理学院，山东第一医科大学(山东省医学科学院)，山东 泰安 271016

健康，是人类最基本的权利，其实质是对健康公平的追求。公平程度，是社会文明程度的重要指标之一。提高健康水平、促进健康公平成为各国政府不断追求的政策目标，并把消除健康不公平作为各国卫生改革和发展的重点目标[1]。不同历史时期，健康观有着不同的含义，十九大报告不仅再次明确了大健康观的核心要义，即“为人民群众提供全方位全周期健康服务”，更是上升到国家战略高度。随着我国社会经济的高速发展，我国人群健康水平不断提升，但随之而来的健康公平问题也日益凸显。人民日益增长的美好生活需要和不平衡不充分的发展之间的矛盾成为当前社会主要矛盾，美好生活的基础就是健康，确保人民健康是打造健康中国的基础和保障。因此如何评价人群健康水平，如何解决健康公平，本文将从省域人群健康水平、健康公平性测度、健康水平的影响因素分析入手，一步步作出回答。

1 研究对象与研究方法

1.1 研究对象与数据来源

本文的研究对象是全国省域的人群健康水平，记作H。

由于健康状况的评价没有全球统一的标准，所以人群健康评价也处于不断发展和完善之中[2]。本文遵循资料易获得、敏感度高、计算方便、广为接受的原则，分别从要素投入和产出效果两个层面，选取以下4个指标作为健康水平评价指标：(1)婴儿死亡率H1；(2)孕产妇死亡率H2；(3)平均预期寿命H3；(4)每千人口卫生技术人员数H4。采用功效系数法剔除各个指标的量纲[3]，数据经标准化后加权求和得到健康水平指数H：

(1)

其中，Wi为各指标权重，本文认为4个指标同等重要，附以相同的权重系数Wi=0.25。

为了完整展示健康水平及公平性的时空演变特征，本文选择2002—2016年的全国省域健康水平相关指标数据，数据采集自《中国卫生统计年鉴》(2003—2012)、《中国卫生和计划生育统计年鉴》(2013—2017)和《中国统计年鉴》(2003—2017)。

1.2 研究方法

1.2.1健康水平集中指数CI

世界银行推荐的用于评估不同社会经济条件下健康不公平性指标，用于度量不同社会经济发展水平下地区间的不公平性。本研究用此指标测度健康公平性的时间演变规律。计算公式如下：

(2)

其中，CI代表集中指数，Hi代表第i个省域的健康水平，Ri代表第i个省域经济发展的累计秩次。其值域(-1,1)，当健康水平在不同社会经济发展水平的省域间无差异时，CI=0，说明绝对健康公平；当健康水平集中在社会经济发展水平高的省域时，CI>0，且越接近于1，表明健康公平性越差；反之亦然。

1.2.2泰尔总指数TP一阶嵌套分解

泰尔指数(Theil index)是研究区域差异常用的分析工具之一。本研究借助GDP对健康水平指数H进行一阶嵌套分解。一方面，可以测度华北、东北、华东、中南、西南、西北6大区域之间的人群健康水平差异；另一方面，也可以测度6大区域内部不同省区之间的人群健康水平差异。本研究用此指标测度健康公平性的时间演变规律。其计算公式如下：

(3)

其中，Hij为第i区域第j省的健康水平，Pij为第i区域第j省的地区生产总值，P为全国国内生产总值；泰尔总指数Tp越大，区域间健康水平差异越大。Tp经过一阶嵌套分解成区域间差异TBR和区域内差异TWR。

1.2.3空间计量模型

解决回归模型中复杂的空间单元之间的相互作用，以及空间依存性结构问题(Anselin，1984)[4]。最小二乘法估计(OLS)的基本要求是，数据满足独立性、正态性、方差齐性。各省在地理位置上存在着空间差异，从而缺乏同质性，所以方差不具有齐性。同时各省相互开放，存在资源的相互流动，从而形成空间溢出，所以不满足独立性。因此OLS估计存在统计偏差，进而导致经济学研究得出的各种结果和推论缺乏应有的解释力[5]。空间计量模型的应用可以从根本上弥补OLS模型的不足，为研究空间单元的地域差异开辟了一个新路径，在卫生经济领域有巨大的应用空间。

本研究主要借助空间滞后模型(SLM)和地理加权回归模型(GWR)。

(1)空间滞后模型(SLM)：SLM主要探讨各观测变量在某一个空间单元是否存在溢出效应，公式为：

H=ρWh+βX+ε

(4)

式中，H为因变量；X为解释变量的矩阵；ρ为空间回归系数，揭示各观测变量的空间依赖作用；Wh为空间滞后因变量，反映了空间距离对健康水平H的作用，具有很强的地域性；ε为随机误差项向量。为消除非独立、异方差性，本研究建立双对数空间计量模型[5]。

(5)

(2)地理加权回归模型(GWR)：GWR是基于OLS的扩展模型。各个空间单元的回归系数βj是由邻接空间单元的信息进行局部回归估计而得到的[6]，即每个空间单元都有一个自己的回归系数βj，公式为：

(6)

其中，系数βij是估计的每一个空间单元的回归系数，它是与之邻接的空间单元(ui,vi)的函数。εi是估计的第i个空间单元的随机误差项，跟传统的统计模型要求一样，εi必须满足正态性、方差齐性和独立性假定[7]。

2 研究过程与分析

2.1 我国省域人群健康水平时间演变分析

将2002—2016年我国省域健康水平各指标数据代入公式(1)，计算得到省域健康水平H的面板数据，绘制箱线图如图1所示。

图1中虚线表示的是2002—2016年的15年间全国健康水平的平均值0.84，有北京、天津等17个省区市高于全国平均水平，其他省区市低于平均水平，西藏为最低。省域间的健康水平存在巨大差异，从而影响了健康的公平性。健康水平和社会经济发展水平之间存在显著相关关系，进而利用公式(2)计算集中指数CI测量健康公平性。

图2显示，15年间健康水平的集中指数CI均大于0.68，说明健康水平集中在社会经济发展高的省域，这与图1相吻合。其中，集中度最高的是2012年的0.79，最低的在2006年的0.68，差11个百分点，其余年份在0.72附近。这也说明省域间的健康水平存在不公平性，与社会经济发展存在显著相关，随着经济发展的不均衡，CI值将拉大，健康公平性将下降。

为测算健康公平性，借助各省域社会经济发展水平GDP加权，利用公式(3)泰尔指数一阶嵌套分解，进一步分析6大地域以及31个省域之间的健康水平差异情况。

图3中黑实线显示泰尔总指数呈现逐年下降趋势，6大区域内差异大于区域间差异，为主要差异来源，且各省域之间的差异存在逐年下降趋势。说明随着社会经济发展水平的提高，全国趋于区域健康公平。

图4显示，东北、华北、华东三大地域内各省域之间的差异相对较小，且有下降趋势，尤其是东北地域为最小；西南、中南、西北三大地域各省域之间的差异较大，尤其是西北地区为甚。这也进一步说明社会经济发展水平是影响健康水平的重要因素之一。

图1 2002—2016年我国省域健康水平箱线图

图2 2002—2016年我国省域健康水平集中指数CI

图3 泰尔总指数Tp

图4 泰尔总指数一阶嵌套分解

2.2 省域人群健康水平空间统计学分析

2.2.1莫兰指数Moran’s I

本研究选取2016年为研究截面，首先通过空间自相关分析，得到莫兰指数Moran’s I=0.099，人群健康水平H存在正空间自相关，人群健康水平在地理分布上存在弱空间集聚格局。这种现象称为空间异质性，揭示空间异质性可用空间联系指标(LISA)表示。

接着，应用Arc GIS 10.1绘制31个省域人群健康水平H的可视化四分位地图(图5)，地图中颜色变化表示数值大小，颜色越浅表明其健康水平H越底[7]。另外，借助GeoDa1.4.6软件绘制LISA Cluster Map(图6)。

图5 2016年健康水平的空间四分位地图

图6 LISA集聚地图

图5中，从颜色深浅很明显看出人群健康水平的高低，从东往西层次分明，说明存在空间异质性。其中颜色最深的北京、上海、浙江三省市的人群健康水平最高，属于第一梯队，西藏为最低。LISA异质性地图显示河北、天津、江苏三省市处在HH热点区，且具有较高的显著性，P<0.01。其他省区市不显著[8]。

2.2.2空间自回归模型

《社会医学》(李鲁，2014)中介绍影响人群健康的因素有经济发展水平、人口数量与结构、卫生服务与医疗保障水平、人群健康行为等因素。从数据的可获得性、代表性上考虑，本研究选取8个可操作变量，作为影响人群健康水平H省域差异的主要因素。构建双对数空间计量模型，带入公式(5)得到空间滞后模型(SLM)。相应的指标选取介绍：

因变量：人群健康水平H；

自变量：

X1人均卫生经费(AHE)：卫生总费用是反映地区卫生筹资水平及其利用程度的重要指标，而经济因素是影响卫生费用投入的基础因素，从而影响人群健康水平。改革开放以来，我国社会快速发展，随着经济发展水平的提高，人均GDP从1978年的385元提高到2016年的53 980元，增长了140倍。卫生费用总量也快速增长，由1978年的110.2亿元提高到2016年的46 344.88亿元，提高了420倍之巨。这些资金对提升我国的公共卫生服务水平和医疗服务水平发挥巨大作用。但是，由于地区社会、资源、文化的差异，经济发展的地区差异很大，从而影响人群健康水平，本研究选用人均卫生经费作为影响变量。目前学界达成的共识是，地区经济发展水平越高，其健康水平越高，预期影响为正。

X2基本公共卫生服务水平指数(PHI)：2009年新医改以来，我国越来越重视基本公共卫生服务的建设。十九大报告要求中国特色的医疗卫生系统能够提供优质高效的医疗卫生服务，以确保人民健康。这一指标的测算，参照(宋敏、时涛，2014年)指标体系计算出2016年的省域基本公共卫生服务水平总指数PHI。因此，基本公共卫生服务水平越高，人群健康水平越高，预期影响为正。

X3总抚养比(TDR)：指人口总体中0～14岁及65岁以上人口数，与15～64岁人口数之比，TDR反映人口学因素对地区经济发展的影响。截止2017年末，我国60岁以上人口24 090万人，占17.3%。65周岁以上人口1.58亿，占11.4%。十三五期间，60岁以上老年人口平均每年增加640万，到2020年将达到2.55亿，占17.8%。老年人口比重的急剧增加，将加重家庭及社会疾病负担，尤其是近年来老年慢病比例增长加快，直接影响健康水平。另外，0～5岁人口数在医学上称为医学敏感人群，儿童传染病严重威胁着儿童的健康和生命，这部分人群的数量对计划内的免疫接种及常见病的预防也是影响健康水平的又一重要因素。因此，随着总抚养比的上升，将导致基本健康水平的下降，本指标是逆指标，预期影响为负。

X4人口密度(DENSITY)：人，是社会主体，是社会经济发展的重要内生变量，一定程度上又是影响省区健康水平的重要因素。各省的地理面积、自然资源存在较大差别，人口数量也是千差万别。本研究用人口密度指标，能够增加省域之间的可比性。本文认为人口密度越大，人群健康水平下降，本指标是逆指标，预期影响为负。

X5人口城市化率(URBAN)：城市化水平反映人类社会文明程度，一般来说提高人口在地域上的集中程度和城市化水平，可以发挥规模经济效应和城市聚集效应，降低人均基本公共卫生服务的供给成本[9]。因此，城镇化水平的加快，将促进健康水平的提升，预期影响为正。

X6文盲率(ILLITERATE)：反映教育水平的指标很多，教育产出最核心的测度指标之一就是文盲率，它反映了社会发展的文明程度，这在学界也是达成共识。本研究认为，教育程度越高，文盲率越低，从而健康水平越高，文盲率是逆指标，预期影响为负。

X7环境水平指数(EQI)：环境与健康的关系，不言而喻。2002年，UNDP在《中国人类发展报告》中首次引入的健康风险指数中，环境因素对健康的危险程度受到重视。其中空气污染和水污染尤甚。环境质量与污染物(废气和废水)排放关系紧密，本指标选取废气排放中的二氧化硫排放量和废水排放量之和，除以省域年末总人口，得到人均环境水平指数值。环境水平指数越大，人群健康水平越低，本指标是逆指标，预期影响为负。

X8空间效应(ρ)：省域之间地理位置的差异，自然、社会、文化存在巨大的空间异质性，省域间的人口流动使得基本公共卫生服务存在空间溢出效应。第一种结果是空间溢出效应为正，即健康水平H高的省域，起龙头作用，拉动周边省区发展，达到区域协调、均衡发展；第二种结果是空间溢出效应为负，即人财物等要素的流向健康水平高的省区，促进其更快更强发展，反而拉大了与周边省域的差距。空间效应对人群健康的影响方向，需要实证分析来得到结论。

自变量操作化指标描述统计分析及对H的预期影响方向,见表1。

表1 自变量操作化指标描述统计分析及对H的预期影响方向

应用Arc GIS 10.1计算得到，Moran's I=0.099>0，人群健康水平H存在正空间自相关，因此不满足OLS估计的独立性假设前提。表2为给出了分别构建的OLS、SLM、SEM 3种全局空间计量模型的回归估计结果，通过检验，选择拟合优度最高的模型。

OLS估计前，要进行多重共线性、正态性、异方差性的检验。GeoDa1.4.6软件给出了检验结果：(1)Multicollinearity Condition Number=240.79>30，说明存在多重共线性。(2)Test on Normality of Errors：Jarque-Bera=4.28(P=0.118)，说明满足正态性假设。(3)Diagnostics for Heteroskedasticity Random Coefficients：Breusch-Pagan=8.2853(P=0.31)，Koenker-Bassett=6.51(P=0.48)，说明不存在异方差。(4)Diagnostics for Spatial Dependence for Weight Matrix : china00.GAL (row-standardized weights)，5个拉格朗日乘数检验统计量中，LM-Lag & Robust LM-Lag的P值相对较小，说明SLM估计是合适的。(5)SLM估计的可决系数R2=0.88为最大，Log likelihood最大，AIC和SC最小，说明SLM的解释能力最强。

表2 空间回归模型估计结果

注：P<0.1。

SLM模型估计显示:

“人均卫生经费”影响为正，且有统计学意义，这与预期影响方向相同，说明省域经济发展水平越高，卫生费用投入越高，从而用于卫生支出就越高，最终人群健康水平随之提高，但随之也会拉大省域之间健康水平的差距。

“基本公共卫生服务水平”影响为正，这与预期影响方向相同，但无统计学意义。国家大力推进基本公共卫生服务建设，尤其是推进地区均等化进程，对于提高地区卫生服务水平，进而提升健康水平有积极作用。

“总抚养比”的影响为负，且有统计学意义，这与预期影响方向相同。随着生育观念的改变，生育意愿在下降。面对人口老龄化的速度加快，老年人口总量及其健康问题日益凸显，如何提升老年的健康水平(包括身体、心理和社会适应性)，也是国家及社会各界面临的重大问题。

“人口城市化率”影响为正，且有统计学意义，这与预期影响方向相同。

“人口密度”影响为负，且有统计学意义，这与预期影响方向相反。究其原因，可以与人口城市化水平提高联系起来分析，人口向城市或城镇集中，各种卫生资源可以共享，达到资源的有效利用，从而提高健康水平。

“文盲率”影响为负，且有统计学意义，这与预期影响方向相同。

“环境水平”指数影响为正，且无统计学意义，这与预期影响方向相反。本研究选取的指标都是污染物的排放量，经济越发展其污染物的排放越高，两者存在正相关关系。所以某种意义上说环境水平指数反而是测度经济发展水平的辅助指标。但是，随着我国对环境治理越来越重视，这种趋势会发生逆转。

“空间滞后因子”影响为正，且具有统计学意义，这个指标反映出健康水平高的省区起龙头作用，拉动周边省区发展，相互影响又相互促进，达到区域协调、均衡发展，这时的空间溢出效应为正，有利于促进健康公平。

虽然构建的SLM模型拟合优度R2达到了0.88，但是我们发现模型似然比检验值为Likelihood Ratio Test=1.3436，P=0.2464>0.05，并没有通过显著性检验，说明全局空间计量模型并不能够反映各省域的异质性，这就有必要构建局部空间模型——地理加权回归模型GWR来解释。

2.2.3地理加权回归模型(GWR)

基于SLM模型的分析结果，选取模型中通过显著性检验的人均卫生费用、总抚养比、人口城市化率、人口密度、文盲率等5个影响因素构建GWR模型，将变量分别代入公式(6)构建地理加权回归模型，ArcGIS 10.1运行结果如表3所示。

表3 GWR模型回归系数的描述统计分析

表3中标准化残差的值域[-2.59,1.81]，全部100%均落在[-2.58,2.58]。说明GWR估计模型的标准化残差值在0.05显著性水平上服从随机分布。说明模型拟合效果非常好。

ArcGIS 10.1给出了GWR模型参数估计值以及模型评价指标。残差平方和Residual Squares=0.041 5，Effective Number=8.013 8，距离向量的标准差为Sigma=0.040 7，AICc=-100.923 3，拟合优度R2=0.972 0，调整后的拟合优度R2Adjusted=0.9641，大于SLM模型的拟合优度，说明GWR模型较全局空间计量模型拟合得更加理想。GWR模型可以很好地反映每一个影响因素对人群健康水平H的影响。

ArcGIS 10.1同时绘制了各个影响因素的回归系数及残差标准误的分层地图，如图7所示。图中颜色偏蓝色，回归系数越小；颜色偏红色，回归系数越大。人均卫生费用、人口城市化率2个变量的回归系数变化有从东到西依次增大趋势；总抚养比、文盲率2个变量的回归系数变化有从东北向西南依次增大趋势；人口密度变量的回归系数变化有从南到北依次增大趋势。说明省域之间存在空间异质性，构建GWR模型分析各因素对H的影响尤为必要。

3 结 论

本研究发现：(1)2002—2016年15年间，我国省域人群健康水平上升的同时差异性在减小，时间演变上趋于健康公平。(2)人群健康水平集中指数CI值均大于0.68，说明健康水平高的集中在社会经济发展高的省域。(3)泰尔总指数TP呈现逐年下降趋势，六大区域内差异大于区域间差异；经过GDP加权后的TP一阶嵌套分解后发现，东北、华北、华东各省域之间的差异相对较小，且有下降趋势，尤其是东北地域为最小；西南、中南、西北各省域之间的差异较大，西北地区最大。(4)计算2016年省域人群健康水平的空间自相关指数Moran's I=0.099，说明人群健康水平存在空间异质性；LISA异质性地图显示河北、天津、江苏三省市处在HH热点区，且具有较高的显著性，其他省区不显著。(5)空间滞后模型(SLM)估计结果显示，经济发展、人口数量和结构、城市发展水平、教育水平、空间溢出效应是显著的影响因素，基本公共卫生服务水平和环境水平的影响不显著。其中，空间滞后因子的影响为正，且具有统计学意义，这个指标反映出健康水平高的省区起龙头作用，拉动周边省区发展，相互影响又相互促进，达到区域协调、均衡发展，这时的空间溢出效应为正，有利于促进健康公平。(6)地理加权回归模型(GWR)可以很好地反映每一个影响因素对人群健康水平影响的省域空间异质性。人均卫生费用、人口城市化率2个变量的回归系数变化有从东到西依次增大趋势；总抚养比、文盲率2个变量的回归系数变化有从东北向西南依次增大趋势；人口密度变量的回归系数变化有从南到北依次增大趋势。在样本空间单元存在异质性的研究中，GWR模型的拟合优度最高。

图7 各因素对H影响的省域空间变异性地图

从宏观层面来讲，省域间社会经济发展水平的差异是造成人群健康不公平的主要原因。经济发展水平高的省区，可以提供较高水平和质量的基本公共卫生服务和医疗服务、教育水平、工作及生活环境，进而影响其人群健康水平，从而增加了健康的不公平性。另外，社会、文化、政治等层面也会造成健康不公平性。从微观层面来讲，个人所处的社会阶层，面临的社会状况，还有诸如其收入水平、就业情况、生活习惯、工作压力、身体状况等等，都会造成健康水平的不公平，这是必然存在的。