健康老龄化视域下城市食物环境的微观健康效应检验——基于健康食物可及性与多样性双重视角

张召华 ,罗宇溪,王昕

(1 天津商业大学 经济学院,天津 300314;2 广西师范大学 经济管理学院,广西 桂林 541004)

1 引言

我国作为全球老龄人口(以≥60岁定义)最多的国家,推进健康老龄化是积极应对人口老龄化的长久之计。在我国快速老龄化进程中,非传染性疾病发病率的不断上升,尤其与膳食营养因素相关慢性疾病(如糖尿病、高血压、血脂异常等)的高发态势,成为健康老龄化面临的重要问题。《中国老年健康研究报告(2020-2021年)》显示,我国60岁及以上人群中高血压患病率为58.3%,血脂异常患病率为37.2%,糖尿病患病率为19.4%。《2021世界卫生统计报告》(World Health Statistics 2021)指出,慢性非传染性疾病已经成为人口死亡的重要原因,与膳食相关的慢性疾病医疗费用已经造成了严重的经济和社会负担。在我国健康老龄化的战略背景下,如何降低老龄人口与膳食相关的慢性疾病发病率成为各界学者以及政策制定者共同关注的重要议题。

基于社会生态学,国外学者研究发现个体健康水平是一系列复杂因素相互作用的结果,除了受到个体层面的遗传因素(Fitzpatrick et al.,2019)、生活方式(Gao et al.,2022)和饮食习惯(Wang et al.,2022)等因素影响外,客观食物环境也是影响个体健康的重要因素,因为个体的食物选择和膳食结构会受到周围食物来源的影响(Clary et al.,2017;Freire &Rudkin,2019)。《“健康中国2030”规划纲要》指出,工业化、城镇化、人口老龄化进展和生态环境、生活方式变化给城市居民健康带来挑战,强调把健康城市作为推进健康中国建设的重要抓手,促进城市与人民健康协调发展(王文文等,2020)。然而,目前我国关于城市食物环境的研究处于起步阶段,主要集中于文献综述和理论框架构建,客观食物环境与微观健康结果相结合的实证研究相对匮乏,同时基于西方国家的实证结论难以直接借鉴到我国。鉴于此,明确我国城市食物环境是否以及如何对老龄人口健康产生影响,能够为实现我国健康老龄化,建设健康城市提供更具针对性的政策建议。

城市食物环境主要指城市内超市、便利店、水果店、蔬菜店、快餐店等食物零售场所的分布、数量及售卖食物的种类。已有文献对城市食物环境的评价通常采用零售食物环境指数(RFEI)和物理食物环境指数(PFEI)来实现(Hager et al.,2016;Herforth &Ahmed,2015)。然而,这两种指标仅能从数量上反映健康食物零售商与非健康食物零售商在城市中的分布情况,不能从多样性角度反映食物环境的健康程度。《中国居民膳食指南2022》指出,膳食食物种类多样、结构合理对于提升健康水平具有重要作用,鉴于此,本研究基于《中国居民膳食指南2022》以及食物金字塔,构建城市健康食物多样性指数,从健康食物可及与多样两个层面探讨城市食物环境与老龄人口健康关系。聚焦于城市层面食物供给环境,本研究可能的学术贡献体现在三个方面。首先,使用113个地级市及以上城市为研究对象,将城市POI数据与微观调研数据相结合,探讨城市客观食物环境对微观老龄人口健康影响,弥补了现有研究只选择个别社区进行案例分析的不足,研究结论更具普适性;其次,根据不同食物零售商出售商品类型的差异,对食物零售商健康程度赋值,构建健康食物多样性指数,弥补了现有研究采用健康食物可及性单一指标对食物环境评价的不足;最后,将个体生活方式与健康行为引入研究框架,探讨健康的生活方式如何调节食物环境对老龄人口健康的影响,从中、微观两个层面为“健康中国2030”做出有益探索。

2 文献回顾与理论框架

2.1 文献回顾

食物环境具有复杂性与多维性,现有文献将食物环境定义为一定区域或范围内影响个体食物选择的环境,包括组织/机构食物环境(如学校、工作场所食物环境)、社区/城市食物环境(即社区或城市内超市、餐馆、市场等的位置与分布),以及消费者食物环境(即超市、市场的食物价格及促销等)(Glanz et al.,2007)。由于研究范围以及目的的不同,食物环境测度方法也有所差异。回顾已有文献,大多研究基于可及性理论,从地理空间视角测度一定范围内不同类型食物零售商的数量或密度,从而对食物环境进行评价(Dutko et al.,2013;Needham et al.,2022)。然而,该方法只考虑了食物销售点的数量和分布,忽略了每类零售商出售食物类型的健康价值,例如,不同类型食物零售商提供的食物类型不同,大型综合超市既可以供给肉、蛋、奶、新鲜蔬菜、水果等健康食物,同时也出售零食、饮料等不健康食物,而小型商店或者便利店主要以出售零食、饮料、方便食物等高热量不健康食物为主。因此,健康食物多样性也是衡量城市食物环境的重要指标(Wang et al.,2022)。为了更加全面的对城市食物环境进行评估,本研究根据Drescher等(2007)的方法,结合《中国居民膳食指南2022》对每类食物零售商的健康程度进行赋值,构建城市健康食物多样性指数,同时从可及性与多样性两个维度探讨城市食物环境对老年健康的影响。

食物环境与微观个体健康密切相关。现有食物环境与健康关系的研究可分为两大类,一类直接将健康结果(如是否肥胖、是否患有糖尿病、心脏病和高血压等)作为被解释变量,将食物环境作为主要解释变量,直接探讨二者之间的因果关系,并发现不健康食物零售环境会增加与膳食相关慢性疾病的发病率(Gamba et al.,2015;Stevenson et al.,2019)。另一类则通过探讨食品环境与食物选择、膳食行为之间的关系,间接检验食物环境对微观个体健康的影响(Clary et al.,2017)。Hawkes等(2020)指出,食品环境是影响食物购买和消费选择的重要因素,健康的食物环境有助于形成健康的膳食行为,进而对健康产生正向影响。虽然现有文献证实食物环境对微观个体健康的决定性作用,但已有研究大多集中在欧美等发达国家,对中国城市食物环境的微观健康效应关注较少。随着我国老龄人口中与膳食相关慢性疾病发病率的不断增长以及城市化进程的加快,明确我国城市食物环境对老龄人口健康的影响,对优化城市食物环境布局,进而实现健康老龄化具有重要意义。

2.2 理论框架

膳食行为直接影响老年人口膳食相关慢性疾病(如糖尿病、高血压、血脂异常等)的发病率。社会生态分析框架认为(Story et al.,2008),膳食行为是环境因素及个体因素共同作用的结果,仅仅关注个体因素对提升健康的作用是有限的。因此,越来越多的学者开始关注环境因素对个体健康的重要性。环境因素包括社会环境、建成环境以及宏观环境等,而本研究关注的城市食物环境是建成环境的重要组成部分(彭科等,2021)。城市食物环境决定着城市健康食物供给水平,既可以促进老年人口健康食物的获取,也可以阻碍健康食物的获取。因此,城市间健康食物供给的不均衡影响着老龄人口健康食物获取的差异性,进而对老龄人口健康水平产生影响。西方学者已经证实,距离大型超市较远会降低居民膳食质量,增加心脑血管疾病的发病率(Vadiveloo et al.,2021),以及快餐厅可及性的提高会增加超重及肥胖的发生率(Boone-Heinonen et al.,2011;Chen et al.2013)。此外,消费环境以及环境认知相关理论指出,食物选择还受到收入水平以及环境认知的影响(严亚磊、于涛,2020)。低收入老龄人口由于收入来源有限,即使生活在健康的食物环境,可能也将无法自由选择价位较高的健康食物。个体对食物环境认知水平的差异性影响着食物选择以及膳食质量,进而导致健康结果的异质性,而年龄与受教育程度是影响环境认知的重要因素(Hawkes et al.,2020)。鉴于此,基于现有食物环境与健康研究理论框架和实证结果,本研究提出如下假设:

H1:城市食物环境对老龄人口健康有显著影响,健康的城市食物环境(包括健康食物可及和健康食物多样)能够降低老龄人口膳食相关慢性疾病发病率,并且城市食物环境的健康效应存在年龄、受教育程度、收入、区域以及城市规模异质性。

微观个体健康是生物学因素、环境因素与个体行为交互作用的结果,尽管食物环境可以通过食物选择与消费行为对个体健康产生直接影响(Fitzpatrick et al.,2019;Hawkes et al.,2020),健康生活方式理论指出,个体行为(例如健康的生活方式)可以作为媒介调节食物环境对健康的影响(王依茹等,2020)。通过构建个体—环境交互作用框架,相关研究发现,坚持健康的生活方式可以削弱不健康食物环境对高血压、高血脂以及肥胖发生率的影响(Gao et al.,2022;Wang et al.,2021)。鉴于此,本研究在梳理“环境—健康”关系基础上,将个体生活方式与健康行为引入分析框架(图1),探讨其在“食物环境—老龄健康”互动过程中的调节效应,具体假设如下:

图1 理论分析框架

H2:个体生活方式能够调节城市食物环境对老龄人口健康的影响,并且健康的生活方式能够强化健康食物可及与健康食物多样对膳食相关慢性疾病发病率的预防作用。

3 数据来源与研究方法

3.1 数据来源

本文研究对象为我国城市老龄人口(年龄>=60),采用的数据包含个体与城市两个层面数据,其中个体层面数据来源于最新公布的2018年老年健康与养老追踪调查数据(CHARLS)。CHARLS数据库采用分层多阶段(县/区-村/社区-家庭)PPS随机抽样策略,数据覆盖了全国28个省150个县/区,450个村/社区的10257户家庭,样本量大、信息全面、代表性强,是研究老龄人口健康问题的重要数据来源。本研究涉及的调研信息包括受访者家庭基本情况、健康状况和功能、收支与资产等,数据预处理后,样本量总量为8481。

城市层面数据主要包括食物零售环境数据以及城市特征数据。城市食物零售环境数据来源于高德地图,基于高德地图提供的数据接口,借助Python语言对各地级市按照低一级行政区(区、县级市)分别检索,获取城市零售类、餐饮类POI数据。根据研究目,进一步将城市POI数据分成菜市场、水果店、大型超市、水产店/海鲜市场、连锁快餐店、地方小吃店/饭店以及便利店/小商,然后将检索进行汇总,从而获得城市各类食物零售商的分布与总数量。城市特征数据来源于《中国城市统计年鉴2019》地级以上城市统计资料。通过对CHARLS数据按城市名称整理得到,被调查对象分布在全国124个城市,将CHARLS数据与《中国城市统计年鉴2019》数据合并发现,其中11个城市缺少城市特征统计资料(1)数据处理过程中,只保存了城市个体样本,城市特征统计数据缺失城市样本包括:兴安盟、凉山彝族自治州、巢湖市、恩施土家族苗族自治州、楚雄彝族自治州、甘孜藏族自治州、襄樊市、锡林郭勒盟、阿克苏地区、黔东南苗族侗族自治州、黔南布依族苗族自治州。,因此本研究最终得到113个样本城市。

3.2 变量设计

3.2.1 微观健康效应测度

为检验城市食物环境的微观健康效应,本研究采用老龄人口个体层面的健康水平进行测度,具体通过测度老龄人口是否患有与膳食相关的慢性疾病来衡量,包括高血压、血脂异常、糖尿病或高血糖、心脏疾病以及脑血管疾病。CHARLS数据调查过程中询问了被调研对象是否被诊断患有上述疾病,在具体分析过程,设置虚拟变量(患有与膳食相关慢性疾病=1;无任何与膳食相关慢性疾病=0)对城市食物环境的影响进行量化,同时采用计数变量(患有与膳食相关慢性疾病的数量)对城市食物环境的影响进行稳健性检验。

3.2.2 城市食物环境测度

本研究所指的城市食物环境主要指客观食物供给环境(不包含家庭食物环境),属于建成环境的一部分。城市食物环境主要通过健康食物可及与健康食物多样指数衡量,为本研究的核心解释变量。健康食物可及性,参考Amin等(2021),采用改进的食物零售环境指数(modified Retail Food Environment Index,mRFEI)来测度,描述了健康食物零售商占总食物零售商的比重。因此,在计算mRFEI前,需要对城市健康食物零售商进行识别。依据Amin等的划分标准,健康食物零售商主要指新鲜食物以及富有营养食物的供给,根据我国城市食物零售环境特定情况以及已有研究的零售商分类(Hu et al.,2020),将水果店、菜市场、大型超市、水产店/海鲜市场定义为健康食物供应商,相对而言,连锁快餐店、地方小吃店/饭店以及便利店/小商店提供食物的热量较高或营养价值不高,划分为不健康食物供应商。mRFEI测度了城市健康食物零售商与不健康食物零售商的相对数量情况,具体计算公式如下:

(1)

健康食物多样性的测度,首先借鉴Berry(1971)的方法,基于多样性对每类食物零售商健康程度赋值。为推动食物合理消费、提升国民科学素质、实施健康中国—合理膳食行动,我国发布了《中国居民膳食指南2022》。膳食指南是根据营养科学原则和我国居民健康需求,给出的食物选择指导意见,强调食物的多样性与合理搭配。根据膳食指南,居民每日膳食应包括谷薯类、蔬菜水果、畜禽鱼蛋奶和豆类食物,各类食物所占比例如图2所示。按照食物金字塔,这些食物可以归纳为3类:植物类食物(69%)、动物类食物(29%)以及脂肪和油脂(2%)。Berry(1971)将三类食物分成五个子类别,由于食物金字塔是一个等腰三角形,进一步假设五个子类别在金字塔中具有相同的高度,通过计算几何面积,得到各个子类别在每组食物中所占的比重,将该比重与膳食指南建议比重的乘积作为该类食物的健康得分。将各类食物零售商出售食物健康得分累加,得到食物零售商的健康得分,具体分值如表1所示。城市健康食物多样性指数构建如下:

表1 基于健康食物多样性的食物零售商健康程度得分

图2 中国居民膳食指南

图3 样本城市及食物环境分布注:基于自然资源部标准地图服务网站下载的审图号为 GS(2019)1825号的标准地图制作,底图无修改。

(2)

3.2.3 个体生活方式与健康行为测度

本研究主要从三个方面对个体生活方式进行测度:(1)体力活动(每天进行体力活动大于等于30分钟=1,每天进行体力活动低于30分钟=0);(2)是否喝酒(从不喝酒=1,喝酒=0);(3)是否吸烟(从不吸烟=1,吸烟=0)。因此,个体生活方式健康指数取值范围为0-3,0分代表生活方式最不健康,3分代表生活方式最健康。

除了上述关键变量外,本研究对其他可能影响老龄人口健康的因素进行控制。参照已有文献,从CHARLS数据中选取个体层面变量性别、年龄、受教育程度、婚姻状态以及收入水平作为控制变量;从城市统计年鉴中选取城市人口密度、地区生产总值、平均工资水平以及公交车数量作为城市层面控制变量。

3.3 实证模型

由于老龄人口个体数据嵌套在城市数据内,同一城市的老龄人口面临相同的客观食物环境,传统的计量方法会忽略这种聚类效应,从而导致向下偏倚的标准误差,回归结果不准确。因此,本文采用多层回归模型探讨城市食物环境与老龄人口微观健康状况之间的因果关系。以个体为层1分析单位,城市为层2分析单位,多层回归模型能够将被解释变量的变化分解为个体和组间的变化,具体模型形式为:

Level 1 (个人层面)Yij=β0j+β1jXij+εij

Level 2(城市层面)β0j=γ00+γ01Cj+μ0j

β1j=γ10

(3)

将Level 1公式代入Level 2得到公式:

Yij=γ00+γ01Cj+γ10Xij+μ0j+εij

(4)

其中,i代表第i个老年个体,j代表第j个城市;Yij为结果变量,分别由老龄人口是否患有与膳食相关慢性疾病以及疾病数量测度;Xij为个体层面解释变量;Cj为城市层面解释变量,包括城市健康食物可及与健康食物多样;μ0j和εij分别代表城市层面与个体层面随机误差项。

为了探讨个人生活方式如何调节城市食物环境对膳食相关慢性疾病的影响,在方程(4)中引入城市食物环境变量与生活方式变量交叉项:

Yij=γ00+γ01Cj+γ10Xij+γ02mRFEIj*HLSij+γ03HFDIj*HLSij+μ0j+εij

(5)

其中,HLSij代表个体生活方式健康指数。

4 实证结果分析

4.1 样本统计描述

本研究共有113个城市样本,城市健康食物可及指数与健康食物多样指数以及样本地理空间分布情况如图2所示。113个城市健康食物可及指数均值为0.335,80%的城市集中在0.25-0.44之间;健康食物多样性指数均值为0.155,80%的城市集中在0.12-0.204之间。总体来看,无论是健康食物可及性还是健康食物多样性,大部分沿海城市的指数值都要高于样本均值。

表2给出了个体层面与城市层面所有变量的描述性统计结果。个体层面,46.7%的老龄人口患有与膳食相关慢性疾病,患病数量平均值为0.756。样本中男性占比为50.1%,平均年龄为69.5,并且仅有4.6%的老龄人口具有高中及以上教育水平。在对现有文献梳理的基础上,城市层面变量除了健康食物可及指数与健康食物多样指数外,本研究还对城市人口密度、生产总值、平均工资水平以及公交车数量进行控制,具体统计描述如表2所示。

表2 变量统计性描述

4.2 实证分析结果

4.2.1 基准模型结果

本研究采用多层回归模型识别城市层面客观食物环境与微观老龄人口健康之间的关系,表3展示了多层模型的回归结果。根据空模型估计结果计算组内相关系数(Intraclass Correlation Coefficient,ICC)值为20.07%,表明城市间差异揭示了老龄人口是否患有膳食相关慢性疾病总差异量的20.07%,因此,有必要采用多层回归模型。表3中模型1-3以老龄人口是否患有与膳食相关慢性疾病为被解释变量,探讨了城市层面的健康食物可及与健康食物多样对老龄健康的影响。其中,模型1只纳入了城市健康食物可及的影响,模型2只考虑了健康食物多样的影响,而模型3综合考虑了健康食物可及与健康食物多样的影响。比较三个模型发现,只考虑健康食物可及或者只考虑健康食物多样均会使回归结果有偏(高估健康食物可及的影响或者低估健康食物多样的影响)。总体来看,在控制人口特征与城市社会经济变量等其它影响因素之后,健康食物可及与健康食物多样均对老龄人口是否患有膳食相关慢性疾病具有显著的负向影响,表明城市中健康食物零售商占比越高,出售健康食物种类越多,会提升老龄人口在健康食物环境中的暴露性,高暴露性为健康食物的摄入提供了可能,从而降低了患病几率。此外,从系数大小来看,健康食物多样性比健康食物可及性对老龄健康更重要。以模型3为例,城市健康食物多样性与健康食物可及性提高10%,老年人口患有膳食相关慢性疾病的概率将分别降低5.7%和43.7%。表3中个体层面控制变量对老龄健康的影响与现有文献的结论大致相同,年龄越大,老龄人口患有疾病的概率与数量越高;受教育程度越高健康状况越好;相对于单身或离异的个体,已婚老龄人口健康状况更好;良好的经济状况对老龄人口健康具有保护作用;男性患病概率低于女性(刘惠颖等,2022;王洁晶等,2022)。城市层面控制变量回归结果显示,人口密度越大、平均工资水平越高的城市,老龄人口健康状况越好;城市生产总值对老龄人口是否患有膳食相关慢性疾病没有显著影响;公交数量的增加提升了老龄人口患病几率,可能的原因是我国老龄人口出行主要依赖于公交,公交车数量增加在提升老龄人口健康食物可及性的同时,也提升了老龄人口对不健康食物消费的便利性。

已有研究发现个体生活方式是影响健康的重要因素(Gao et al.,2022),为了揭示个体生活方式在食物环境对老龄健康作用过程中的调节效应,本研究通过构建个体生活方式健康指数,在基准模型基础上引入了其与健康食物可及和健康食物多样指数的交互项,具体回归结果如表4所示。模型1-3均显示,个人健康生活指数越高,患病几率越低;健康食物可及与健康生活指数交互项系数以及健康食物多样与健康生活指数交叉项的系数均显著为负,意味着健康生活方式能够强化健康食物可及以及健康食物多样对老龄人口健康的正向影响。因此,在提升城市健康食物可及性与多样性的同时,鼓励老龄人口健康生活方式可以更加有效的提升老龄人口健康水平。

表4 调节效应回归结果

4.2.2 异质性与稳健性检验

(1)年龄异质性检验。不同年龄人群的日常生活习惯、出行方式和食物选择差异性明显。随着年龄的增长,受身体机能以及出行可达性的限制,本研究认为高龄人口对客观食物环境变化不敏感。鉴于此,根据受访者年龄是否大于80岁,将样本分为“非高龄人口”与“高龄人口”两类群体,通过分组回归调节效应模型3,考察城市食物环境对不同年龄组老年人健康影响的异质性。为方便比较,本研究将不同组别回归结果可视化,图4(a)展示了分组回归(“非高龄人口”与“高龄人口”)主要变量系数值与置信区间(虚线代表置信区间)。从图4(a)可以看出,高龄人口变量回归置信区间与“0”值线相交,表明,城市健康食物可及性与多样性的改善对高龄人口的健康状况没有显著影响,但对于非高龄老年人口身体健康具有促进作用。此外,非高龄人口的健康生活方式能过进一步强化食物环境与健康之间的关系。随着高龄老年个体身体机能的衰退,日常活动范围也相对有限,其食物消费更多的受到家庭食物环境的影响。因此,在改善食物环境过程中应考虑年龄异质性,对于高龄群体,更应该关注家庭食物供给。

(2)教育程度异质性检验。受教育程度是影响老龄人口健康认知的重要因素之一,与受教育程度低的老龄人口相比,高教育水平的老龄人口更能够认识到膳食对健康的重要性,因此对客观食物环境的变化更加敏感。为了探讨城市食物环境对不同教育程度老龄人口影响的差异性,本研究根据受访者是否具有高中及以上文凭分为“高教育程度”与“低教育程度”两组。图4(b)显示,所有变量置信区间都与“0”值线不相交,表明无论教育程度高低,城市食物环境的改善都会降低老年人口患病概率,而且健康的生活方式能够强化这种影响。回归系数值大小表明,健康食物可及性与多样性的提高对高教育程度的老龄人口健康的影响更大一些。因此,对于低教育水平群体,应加强健康意识教育,并且无论教育程度如何,都应该鼓励健康的生活方式来改善健康状况。

(3)收入异质性检验。国外研究表明,较低的社会经济地位限制了食物的选择(Pradeilles et al., 2021)。本研究认为,低收入老龄人口由于预算有限,对城市食物环境改善做出的回应有限。为检验不同收入老龄人口健康受食物环境影响的异质性效应,我们进一步按照老龄人口收入是否高于样本平均收入分为“低收入”与“高收入”两个群体。图4(c)显示,对于两组老龄人口,回归系数置信区间均与“0”值线不相交,表明健康食物可及与多样性的提高会降低其患有与膳食相关慢性疾病的概率,并且健康生活方式对食物环境与老龄健康的关系具有显著的强化作用。通过系数值对比发现,由于高收入老龄人口受消费预算的限制较少,收入水平较高的老年群体从城市食物环境改善中受益程度更高,尤其是健康食物多样性的改善。因此,规划城市食物环境或者制定相关政策时,还需要考虑收入的异质性效应。

(4)区域及城市规模异质性检验。现有文献表明,欠发达地区健康食物可及性以及多样性较低(Vadiveloo et al.,2021)。因此,生活在不同区域的老龄人口受食物环境的影响也不同。鉴于此,本研究将样本按照区域(东部地区、中部地区以及西部地区)和城市规模进行分组,检验城市食物环境健康效应的区域及城市规模异质性。其中,城市规模依据《第一财经周刊》2018年公布的城市排名将所有城市分为3类:大城市(一、二线城市)、中等城市(三线城市)和小城市(其它城市)。图4(d)区域异质性表明,西部地区老龄人口受城市食物环境影响大于中东部地区,健康食物多样性对老龄健康的影响较大。图4(e)城市规模异质性结果表明,小城市老龄人口受城市食物环境影响大于中等城市和大城市。可能的解释为,欠发达地区以及小城市食物环境健康水平总体较低,小幅度的健康食物可及和健康食物多样的提升将带来大幅度的健康改善。区域及城市规模异质性检验结果显示,无论居住区域及城市规模如何,保持健康的生活方式均能降低老龄人口患膳食相关慢性疾病的风险,并且健康的生活方式强化了城市食物环境对微观个体健康的影响。

(5)稳健性检验。为增加研究结论的稳健性,本研究采用老龄人口患有与膳食相关慢性疾病数量作为被解释变量,重新构建多层线性模型对结果进行稳健性检验。表5给出了不同模型关键变量的回归结果。在控制相应的个体层面与城市层面变量后,表5显示,城市健康食物可及性与多样性的提升均会显著降低老龄人口患有与膳食相关慢性疾病的数量,相比而言提升健康食物多样性的作用更大。此外,健康的生活方式也能够减少患病数量,并且健康的生活方式能够强化食物环境改善对老龄人口健康的影响。与前文结果对比发现,两次分析得到的结论一致,说明模型及分析结果可靠。

表5 稳健性检验结果

5 结论与讨论

本研究通过城市POI数据构建城市健康食物可及性指数与健康食物多样性指数,在结合CHARLS数据库的基础上,利用“个体—城市”多层回归模型,考察了城市食物供给环境对老龄人口健康的影响,并探索了个体生活方式的调节作用以及食物环境对健康影响的年龄、受教育程度、收入水平以及区域与城市规模异质性。本文研究得到如下结论:第一,在控制人口特征与城市社会经济变量等其它影响因素之后,城市健康食物可及与健康食物多样的提升均对老龄人口健康具有促进作用,并且健康食物多样比健康食物可及对老龄健康更重要。第二,个人生活方式越健康,患病几率越低,并且健康的生活方式能够强化城市食物环境改善对老龄健康的促进作用。第三,城市食物环境对老龄健康的影响存在年龄、受教育程度、收入水平以及区域与城市规模异致性。综上,本研究证实了社会生态学健康促进模型的相关假设,即外部食物环境与个体特征相互嵌套,共同影响健康水平。在我国健康老龄化背景下,城市食物环境的建设与提升也应该成为提升老龄健康的重点内容。

就我国而言,健康的食物环境构筑一定程度上就是食物消费的供给侧改革。在此背景下,明确食物环境的微观健康效应,进而有针对性的展开城市食物环境优化布局,才能更加有效的实现健康老龄化。本研究首先证实了城市层面食物供给环境对老龄健康产生显著影响,城市中健康食物零售商占比越高,出售健康食物种类越多,老龄人口患有与膳食相关慢性疾病的概率与数量越少。这一研究结论与国内外大多数关于食物环境与微观个体健康的研究结论一致。基于我国数据,本研究发现,城市健康食物多样对健康的影响大于健康食物可及的影响。主要原因在于,本文研究对象为老龄人口,而我国老龄人口对其膳食结构是否合理不够重视。因此,在提升老龄人口对健康食物的可及性外,更应该提升老龄人口膳食结构重要性的认识,从而更好的发挥城市健康食物可及与健康食物多样对老龄健康的正向影响。

此外,本研究发现个体层面的生活方式可以调节城市层面的食物环境对健康的影响,健康的生活方式可以强化健康食物环境对健康的保护作用。健康的生活方式指对健康有益的行为,例如积极活动、少抽烟、少饮酒等。许婧雪等(2021)指出,坚持健康的生活方式可以带来更好的健康结果,例如较低的癌症发病率、慢性疾病患病率以及更长的预期寿命等。因此,在重视城市食物环境构建的同时,还需要从个体层面引导健康生活方式。进一步研究发现,食物环境对老龄健康的影响存在年龄、受教育程度、收入水平以及区域与城市规模异质性。城市食物环境的改善更有助于提高非高龄老年人的身体健康,并且受教育程度较高以及高收入老龄人口从中获益较大。此外,西部地区老龄人口受城市食物环境影响大于中东部地区,小城市老龄人口受城市食物环境影响大于中等城市和大城市。鉴于此,在制定相关干预政策过程中,还需考虑年龄、受教育程度、收入水平以及区域与城市规模的差异性。

从综合角度看,探讨城市食物供给环境的微观健康效应具有现实意义,但受数据收集限制,本研究存在一定的不足。首先,采用截面数据,针对一个时间节点探索城市食物环境对老龄健康的影响,未来研究可以采用追踪数据,分析食物环境变化前后个体健康状况的差异。其次,本研究对食物环境影响老龄健康的作用机理挖掘不深,后续研究中将重点探索食物环境通过哪些路径对健康产生影响。