使用多模型識別技術(shù)探索體育鍛煉的健康回報效應(yīng)

黃安龍

摘 要：基于2012年中國綜合社會調(diào)查數(shù)據(jù)（CGSS2012），運用赫克曼選擇模型和工具變量模型相結(jié)合的多模型識別技術(shù)，修正了由樣本選擇、變量遺漏等原因帶來的內(nèi)生性偏誤問題，檢驗了體育行為和健康回報之間的因果機制。同時也估計了體育的健康回報凈效應(yīng)。研究發(fā)現(xiàn)：（1）體育行為與健康回報之間并非僅僅有單向的因果關(guān)聯(lián)（即體育促進健康），同時也存在雙向作用機制。（2）體育資源分布對人們體育參與的影響并非均質(zhì)的，對不同群體的作用程度也不相同。（3）體育資源布局不平衡將引發(fā)體育參與的不平等以及健康回報不平等問題。

關(guān) 鍵 詞：體育計量；多模型識別；體育行為；健康回報；因果效應(yīng)

中圖分類號：G80-32 文獻標志碼：A 文章編號：1006-7116（2017）02-0073-07

Exploring the effect of health return of physical exercising by

using multi-model identification technology

——An analysis based on the data of Chinese General Social Survey 2012

HUANG An-long

（School of Physical Education，Chuzhou University，Chuzhou 239000，China）

Abstract： Based on the data of Chinese General Social Survey 2012 （CGSS2012）， by applying multi-model identification technology in which the Heckman selection model was combined with the instrumental variable model， the author corrected the problem of endogenous bias brought by such causes as sample selection and variable omission， and verified the causal mechanism between sports behavior and health return. The author also estimated the net effect of health return of sport. The author revealed the following findings： 1） between sports behavior and health return there is not only unidirectional causal correlation （i.e. sport promotes health）， but also a bidirectional functioning mechanism； 2） the effect of sports resource distribution on peoples sports participation is not homogeneous， its degrees of functioning on different groups are different； 3） the unbalance of sports resource layout will trigger problems such as sports participation inequality and health return inequality etc.

Key words： sports metrology；multi-model identification；sports behavior；health return；causal effect

在體育研究中，體育有益于健康似乎已經(jīng)成為一種常識。然而，體育鍛煉究竟在何種程度上促進了健康（即健康回報）卻并沒有多少人去深入探討[1-3]。原因大致有3方面：一是就學(xué)術(shù)研究而言，一些研究者將體育鍛煉對健康的促進作用視為一個確定的命題，認為無需花過多的時間和精力對此進行深入研究。二是想要證明體育鍛煉究竟在何種程度上促進健康，不僅需要體育鍛煉方面的指標，也需要結(jié)合醫(yī)學(xué)指標予以測量和分析。而體育與醫(yī)學(xué)兩個領(lǐng)域之間的合作甚少，各自對健康問題的研究難有交集。體育研究者一般是通過對體質(zhì)指標測量來說明體育對健康的促進作用，而醫(yī)學(xué)研究者則是從疾病預(yù)防和康復(fù)的視角看待體育鍛煉的作用。這兩個領(lǐng)域不同的研究目的和研究面向決定了它們在研究上的分野。三是由于影響健康的因素過于復(fù)雜，在以調(diào)查為基礎(chǔ)的數(shù)據(jù)分析中，體育之外因素的影響以及主要變量的內(nèi)生性問題難以得到有效控制。那些基于調(diào)查數(shù)據(jù)來探討體育與健康關(guān)系的文獻，雖然得出了大致近似的結(jié)論，即體育有促進健康作用，然而卻難以準確地估計體育健康回報的凈效應(yīng)值[4-5]。到目前為止，學(xué)者們并未對體育鍛煉的健康回報凈效應(yīng)進行過深入討論[2-4]。這也使得體育鍛煉與健康促進的因果鏈條上因缺乏證據(jù)而略顯“單薄”。

本研究在梳理前人研究成果和相關(guān)理論的基礎(chǔ)上，對中國成年人體育鍛煉的健康回報機制進行探討，并基于2012年中國綜合社會調(diào)查數(shù)據(jù)（CGSS2012），運用赫克曼選擇模型和工具變量模型相結(jié)合的辦法，解決樣本的選擇性偏誤問題以及關(guān)鍵變量遺漏等帶來的內(nèi)生性偏誤問題，從而有效地估計了體育鍛煉的健康回報凈效應(yīng)值，并發(fā)現(xiàn)了體育行為與健康之間的負向選擇關(guān)系。

1 體育健康回報研究中因果估計的問題

體育行為在多大程度上影響人的健康？要回答這一問題，需要排除其它因素的干擾，估計體育行為對健康的凈效應(yīng)。然而，由于社會科學(xué)研究中有許多無法控制的因素，給因果分析帶來很大障礙。

1.1 樣本選擇性問題

選擇性偏誤從本質(zhì)上說是一個“非隨機化”的問題。就本研究而言，希望探討體育鍛煉水平對健康促進的因果效應(yīng)，但這只有在被訪對象參與體育的前提下才能觀察到，而那些不是被訪對象則被排除在樣本之外。這是典型的樣本選擇問題，若對這一樣本不加處理地進行分析，會導(dǎo)致系數(shù)估計偏誤的發(fā)生。

另外，非隨機性還可能是研究對象的一種“自選擇”行為。以本研究為例，一個報告了參與體育鍛煉的被訪對象和一個報告未參與體育鍛煉的被訪對象，其行為本身可能受到某種潛在因素的影響，從而引起數(shù)據(jù)不平衡。如果不加處理地應(yīng)用常規(guī)統(tǒng)計模型進行分析，則同樣也會產(chǎn)生系數(shù)估計偏誤。

1.2 遺漏變量問題

假如模型中遺漏了一個十分重要的變量，那么會導(dǎo)致模型估計的嚴重偏誤。具體到本研究，假如運動能力是一個重要的變量，它直接影響到個體體育參與水平，也代表了個體健康體能的高低。如果研究者忽略這一變量，采取常規(guī)的統(tǒng)計模型進行分析，發(fā)生系數(shù)估計偏誤將不可避免。對于研究者意識到的可能的遺漏變量問題，可以采取代理變量的辦法來處理（例如本研究用“行動受限”來代替“運動能力”這一變量予以彌補）。然而，實際分析中研究者難以窮盡所有可能，變量被忽略就在所難免。因此，在統(tǒng)計分析中處理變量遺漏帶來的內(nèi)生性問題十分重要。

1.3 雙向因果問題

雙向因果是多元統(tǒng)計分析中易發(fā)生的問題。例如“體育鍛煉水平”和“個體健康自評”是受訪者在統(tǒng)一時點對問題的回答（即同一時點收集的數(shù)據(jù)），因此，哪個變量是“因”，哪個變量是“果”，并不清晰。在實際分析中，研究者就需要考慮“雙向因果”問題。該問題可用文字表述為：體育參與促進了個體健康。同時，個體健康水平的提升也可能反過來會影響體育鍛煉的參與水平。如果研究者忽略實際發(fā)生的“雙向因果”關(guān)系，將可能低估或高估因果效應(yīng)值，嚴重時甚至可能得出無因果關(guān)系或反向因果關(guān)系的結(jié)論。

2 估計偏誤的解決方案與模型設(shè)置

工具變量模型和赫克曼選擇方程是用于解決上述估計偏誤的常用模型。在實際運用中，兩個模型各有優(yōu)劣，本研究將二者結(jié)合用以解決體育健康回報研究中的估計偏誤問題。

2.1 赫克曼模型（Heckman Model）

赫克曼模型是對各種樣本選擇或自選擇偏誤進行修正的重要模型，在經(jīng)濟學(xué)、社會學(xué)、政治學(xué)等領(lǐng)域得到廣泛的應(yīng)用[12-13]。赫克曼模型分為兩步實現(xiàn)：第1步，利用所有樣本（參與體育和未參與體育的樣本）對個體接受干預(yù)的概率進行預(yù)測，計算逆米爾斯比率值。第2步對參與干預(yù)樣本（參與體育的樣本）進行回歸分析，同時將逆米爾斯比率值納入分析，以獲得模型參數(shù)的一致性估計。限于篇幅，有關(guān)赫克曼模型修正選擇偏誤的數(shù)學(xué)證明詳見相關(guān)文獻[12-13]，此處不強述。

2.2 工具變量模型（Instrumental Variable）

赫克曼模型對于解決樣本選擇偏誤十分有效，但對于遺漏變量和雙向因果所帶來的偏誤問題卻無能為力。為進一步修正這類問題引起的估計偏誤，在赫克曼模型的基礎(chǔ)上引入工具變量模型。根據(jù)工具變量模型要求，所引入的工具變量必須滿足一定的條件，即要求工具變量與健康狀況（因變量）無任何直接關(guān)系，同時它又能直接影響個體的體育參與水平（自變量）。

2.3 模型設(shè)置

為了檢驗多模型識別效果，需要將它們同經(jīng)典最小二乘回歸方法進行比較分析。為此，本研究設(shè)置了3種模型：最小二乘法模型（OLS）、赫克曼選擇模型（Heckit）、基于赫克曼模型的工具變量模型（IV-Heckit）。

根據(jù)研究需要，最小二乘法模型可以寫成如下表達式：

（1）

其中，Hi代表個體的健康水平，Si代表體育參與水平，Xi代表系列控制變量，為誤差項。β1代表體育健康促進效應(yīng)值。獲得β1的無偏誤估計前提是Cov（S，）=0，顯然這一假設(shè)很難滿足，需要在上述模型基礎(chǔ)上運用赫克曼模型修正選擇性偏誤。赫克曼模型可以寫成兩個公式，分別為選擇方程和主方程：

（2）

（3）

其中，方程（3）是選擇方程表達式，方程（2）是主方程的表達式。Pi為逆Mills比率，Ri是排除限定變量（excluded exogenous variable）。和均為誤差項。最后，將上述模型結(jié)合起來，形成IV-Hickit模型，它由3個方程（4）、（5）、（6）組成：

（4）

（5）

（6）

其中vi代表外生的工具變量，即本研究中的“住宅1 km范圍里是否有體育鍛煉場所”。模型5納入了外生工具變量后，內(nèi)生解釋變量S就不應(yīng)納入其中。

3 數(shù)據(jù)來源、變量操作化及樣本情況

3.1 數(shù)據(jù)來源與變量操作化

本研究所使用的CGSS2012是由中國人民大學(xué)和香港科技大學(xué)等高校共同收集。抽樣設(shè)計方案詳見中國綜合社會調(diào)查官網(wǎng)（http：//cgss.ruc.edu.cn/）。數(shù)據(jù)發(fā)布以來，已為社會學(xué)、政治學(xué)等學(xué)科學(xué)者廣泛采用。本研究主要關(guān)注體育鍛煉與健康之間的因果效應(yīng)，CGSS2012問卷中設(shè)置了體育鍛煉、健康狀況方面的問題為變量的操作化提供了方便。

因變量：健康。本研究用學(xué)界廣泛采用的自評健康進行操作化。健康分為5個等級，分別為很不健康、比較不健康、一般、比較健康、很健康，賦值1～5，賦值越高說明越健康。

核心自變量：體育鍛煉水平，用問卷問題“過去一年里，您一周平均進行幾次至少20 min以上的體育鍛煉？”回答分為5個等級，分別為每天鍛煉、一周幾次、一月幾次、一年幾次、我不鍛煉，賦值從1～5，統(tǒng)計分析時進行反向賦值處理。

工具變量：本研究的工具變量為“住宅1 km范圍內(nèi)是否有足夠的體育鍛煉場所（館）”。從理論上來講，住宅周圍的體育場館設(shè)置更多是一種城市布局或安排，可以將它看成是一種隨機性因素，它與個體健康狀況之間并無直接關(guān)聯(lián)。但住宅周圍有合適的鍛煉場所卻能有效增加居民的體育參與水平。因此，這一變量基本上滿足了工具變量的兩個基本要求，但其實際應(yīng)用效果仍然需要在后面的統(tǒng)計分析中予以檢驗。

排除限定變量：在Heckman模型中，為了求得估計系數(shù)的一致性，要求主方程是選擇方程的嚴格子集。因此，需要設(shè)置排除限定變量，本研究設(shè)置了2個變量，即個體閑暇時間觀看體育比賽的頻率和運動能力是否受限，將前者處理為連續(xù)變量，將后者處理為二分變量。

協(xié)變量與控制變量：年齡，處理為連續(xù)變量；性別，處理為二分變量，其中女性為參照。戶籍，處理為二分變量，農(nóng)村為參照。民族，處理為二分變量，其中以漢族為參照。教育，處理為類別變量，問卷中有詳細的教育史資料，可將其方便地操作化為4個類別：未受正規(guī)教育、義務(wù)教育、中等教育和高等教育，其中未受正規(guī)教育為參照類。收入，處理為連續(xù)變量，用個人年收入對數(shù)來衡量。14歲時的階層認同，處理為連續(xù)變量，數(shù)量越大代表家庭的階層地位越好。3年內(nèi)是否體檢，處理為二分變量，其中以未體檢為參照類。

需要說明的是，既往的文獻中都曾報告過教育、收入對健康的積極影響。因此本研究將其作為控制變量納入分析[15]。此外，14歲時的家庭階層認同能間接測定兒童少年時期的家庭社會經(jīng)濟地位，有研究表明它對個體兒童期的健康水平有著直接的影響[16]。因此，在本研究數(shù)據(jù)分析中也將這一變量一同納入分析，以控制個體基礎(chǔ)健康水平上的差異性。

3.2 樣本基本情況

在對變量進行操作化處理的基礎(chǔ)上，本研究舍去信息不全的樣本，最終獲得有效樣本2 819個（見表1）。

從表1可見，個體自評健康平均得分為3.63，表明多數(shù)被訪對象健康自評良好。體育參與頻率為2.31，表明整體體育參與水平仍然是中等偏下，這與實際情況大致相符。樣本中男性占53%，女性占47%，城市戶口占49%，農(nóng)村戶口占51%。這表明樣本中，性別、戶籍類別在數(shù)量上基本均衡。

4 結(jié)果與分析

4.1 OLS模型估計

為了直觀比較Heckit模型以及IV-Heckit模型對偏誤系數(shù)修正效果，本研究首先選擇對經(jīng)典OLS模型進行系數(shù)估計，估計結(jié)果見表2的模型1。

從模型1的系數(shù)估計可以看出，體育參與頻率和個體健康水平之間有正向影響，并在0.01水平下顯著。盡管這與預(yù)期一致，但不能由此得出因果判斷，更不能將這里的系數(shù)看成是因果效應(yīng)值。教育、收入對健康的正向影響在這里也得到了驗證。14歲時的家庭社會地位對基礎(chǔ)健康的影響也相應(yīng)地影響到成人后的健康狀況，在OLS模型中也得到了驗證。模型1還顯示，環(huán)境因素對健康有顯著的負向影響，即住宅周圍有環(huán)境污染的被訪對象普遍報告較低的自評健康水平。此外，3年內(nèi)是否有體檢行為則對健康有負向影響，這一結(jié)果多少與預(yù)期有些差異。但結(jié)合中國居民的實際情況，這一負向影響也能得到合理的詮釋。隨著社會進步和人們社會生活水平的提高，體檢也成了人們健康維護的重要途徑。盡管如此，個人主動體檢的情況還屬于少數(shù)人的行為。因此，除了入職和單位組織的常規(guī)體檢外，個體主動的體檢行為多是個人覺得身體狀況出現(xiàn)異常的情況下才會發(fā)生。鑒于這種情況在居民中比較常見，因此從總體上而言，體檢行為也意味著身體健康狀況可能已經(jīng)出現(xiàn)了問題，從而體檢行為和身體健康狀況呈現(xiàn)出的負向關(guān)系也就不足為怪了簡言之，模型1的分析表明多數(shù)控制變量與因變量有關(guān)聯(lián)，在分析中將這些變量納入控制是有必要的。

4.2 Heckit模型估計

模型2是考慮了樣本選擇問題的赫克曼模型估計結(jié)果。主要自變量體育參與水平和個體的健康自評之間仍然是正向影響，但其效應(yīng)系數(shù)值在經(jīng)過樣本選擇性偏差處理以后，變得更小了。這表明分析樣本有反向選擇傾向。該判斷隨后從逆米爾斯系數(shù)估計中得到相應(yīng)的佐證。模型2顯示，逆米爾斯比率估計值為-1.69，且在0.01顯著性水平下具有統(tǒng)計意義，這表明體育行為與健康之間有某種負向選擇關(guān)系。

如何解釋體育鍛煉與健康的負向選擇關(guān)系？本研究認為有兩個原因造成這種負向選擇傾向，一是與中國居民體育鍛煉行為有關(guān)，另一個是人們對體育鍛煉的認識偏差所致。彭大松[17-18]基于全國調(diào)查數(shù)據(jù)發(fā)現(xiàn)了體育鍛煉和年齡之間的“U”型曲線。這種“U”型曲線在一定程度上也真實地反映了中國居民的鍛煉行為。年輕人有較高的體育參與水平，可能更多地得益于學(xué)校體育將體育作為一門必修課程。老年人體育參與水平高，一方面是因為從工作崗位退休后，有更多的時間從事體育鍛煉。另一方面，老年階段會出現(xiàn)各種健康問題，使得老年人的健康危機意識增強，從而成為參與體育鍛煉的重要動因。本研究中的被訪對象平均年齡為46.7歲，被訪對象中的在校學(xué)生較少。體育鍛煉與年齡的關(guān)系更多地表現(xiàn)為U型曲線的右側(cè)一半，即隨著年齡的增長，身體狀況在下降，同時體育參與水平卻在上升。此外，撇開年齡因素不說，人們對體育鍛煉行為的認識也是有偏差的，即認為體育鍛煉僅僅是一種強健身體的手段，而不是一種生活中的必要行為。因此，體弱者為了強健身體，可能有更大的意愿參與體育，從而在實際中表現(xiàn)出頻繁參加體育鍛煉。相反，對體質(zhì)好的人來說，體育鍛煉的預(yù)期價值較低，體育鍛煉的動機和實際參與也因此相對較低。

為了檢驗上述兩種解釋，將赫克曼模型的選擇方程中加入反映身體質(zhì)量的變量BMI，然后進行統(tǒng)計分析。為了直觀地反映這種選擇關(guān)系，用圖形的方式呈現(xiàn)出來，縱軸是根據(jù)新模型計算出的體育參與水平的預(yù)測值，用stata軟件進行修勻處理作圖（見圖1、圖2）。

從圖1可以看出，中國人體育鍛煉行為具有年齡選擇性，即隨著年齡的增長，體育參與越頻繁。圖2的曲線表明體育鍛煉與體質(zhì)狀況的負向選擇性，體質(zhì)好的個體平均鍛煉的頻次反而下降。因此，體育鍛煉與健康的負向影響在這一機制中得到了合理的解釋。

4.3 IV-Heckit模型估計

模型3是IV-Heckit模型，它是在赫克曼模型的基礎(chǔ)上運用工具變量方法的一種合成模型。它同時修正了樣本的選擇性偏差以及包括遺漏變量在內(nèi)的原因?qū)е碌膬?nèi)生性偏誤問題。

在分析之前，需要確定本研究所運用的工具變量方法是否適用以及檢驗工具變量的有效性問題。模型3的檢驗結(jié)果表明：（1）本研究的工具變量和主要自變量有較強的相關(guān)性，工具變量第1階段中的F統(tǒng)計量為70（P<0.01），遠遠超過了經(jīng)驗標準值10。（2）豪斯曼內(nèi)生性檢驗也具有統(tǒng)計顯著性。這就表明，對自變量內(nèi)生性進行控制是有必要的。換句話說，IV-Heckit與Heckit模型存在系統(tǒng)性偏差，在分析中需要對這種偏差進行控制。根據(jù)統(tǒng)計理論，工具變量模型的估計總是一致的，所以IV-Heckit模型的估計值要比OLS和Heckit模型更加穩(wěn)定與可信[19]。

在修正了選擇性偏誤以及自變量的內(nèi)生性偏誤之后，IV-Heckit模型對體育參與頻度的估計值為0.19，并在0.01水平上具有統(tǒng)計顯著性。在控制其它因素不變的情況下，體育參與頻度每增加一個單位，健康自評得分則平均增加19%。這一估計值遠遠超過了模型1和模型2的估計結(jié)果。這預(yù)示了如果本研究對變量的內(nèi)生性不加處理，仍用傳統(tǒng)模型進行統(tǒng)計分析，將會大大低估體育鍛煉的健康促進效應(yīng)。為了進一步說明模型2和模型3對模型1具有顯著的改進效果，需要對核心自變量估計值的定量差異進行分析。根據(jù)劉承宜等[14]的研究，采用黃金分割常數(shù)來度量定量差異。依據(jù)定量差異的度量公式l=|logτ（x/y）|，其中τ為黃金常數(shù)值0.618，筆者對核心自變量體育參與頻度計算定量差異。與模型1相比，模型2和模型3中，體育參與頻度的定量差異分別為3.5和4.8。而參照劉承宜等制定的標準，這一定量差異達到了極顯著的級別。這進一步說明了，采用改進的新模型對體育健康回報進行估計的必要性。

那么，究竟是什么原因?qū)е铝说凸荔w育鍛煉的健康促進效應(yīng)？有3個方面原因：（1）變量遺漏所致。被遺漏的變量與體育參與頻度相關(guān)，也與健康自評相關(guān)，并且這兩個相關(guān)系數(shù)符號相反。這一變量遺漏可能會導(dǎo)致體育參與的健康促進效應(yīng)被低估。如前所述，體質(zhì)狀況可能會影響個體自評健康，也會影響人們的體育參與動機。體質(zhì)弱者，有較低的健康自評，為了增強體質(zhì)而可能有較高的體育參與動機，從而增加了體育參與度。反過來，身體強壯者可能有較低的體育參與度，卻有較高的健康自評值。（2）雙向因果的影響。雙向因果關(guān)系在一些研究中被視為特殊的“遺漏變量”問題。前文已經(jīng)驗證了健康與體育鍛煉之間的負向選擇關(guān)系，但另一方面體育鍛煉卻對體質(zhì)健康有正向的促進作用也是確信無疑的。在這種情況下，健康和體育鍛煉行為之間可能就必然存在雙向因果關(guān)系。正因如此，IV-Heckit模型估計值遠遠高于前兩者。（3）工具變量模型所特有的“局部干預(yù)效應(yīng)”（Local Average Treatment Effect，LATE）。在工具變量模型中，研究者通常假定工具變量對自變量的影響具有“均質(zhì)”效應(yīng)，但在實際中，工具變量的作用往往不是均質(zhì)的，而表現(xiàn)出局部干預(yù)效應(yīng)。具體到本研究，工具變量“住宅1 km范圍是否有體育鍛煉場所”對個體參與體育水平的影響并不是“均質(zhì)”的。也就是說住宅周圍的體育資源對于有些被訪對象體育參與水平有較大的影響，對另外的一些被訪對象影響較小。在實際中，這種非均質(zhì)性的確存在。一般而言，社會階層地位較低、經(jīng)濟水平差的普通鍛煉者多依托公共體育資源進行體育鍛煉。當住宅周圍有充裕的免費公共體育鍛煉場所（如公園、學(xué)校等）時，其相應(yīng)的體育鍛煉頻率就相對較高。反過來，如果住宅周邊沒有體育鍛煉場所，或者離家很遠的地方才能有免費的公共體育資源，則相應(yīng)地會減少其鍛煉行為。而對于另外一些社會經(jīng)濟地位較好的個體或在體育資源豐富的單位供職的人而言，他們可能更多地是利用商業(yè)體育資源從事鍛煉，或者利用單位所擁有的體育資源進行鍛煉。對于這些被訪者來說，住宅周圍是否有足夠的體育資源對其體育行為的影響相對較小。由此，IV-Hickit 模型有較大的系數(shù)從工具變量模型的“局部干預(yù)效應(yīng)”中獲得了更合理的解釋。這一發(fā)現(xiàn)也提示我們，公共體育資源的分布不平衡，將會加劇社會經(jīng)濟地位較差個體的體育參與不平等，這種不平等也進一步傳遞到了健康不平等中去，進而造成一種循環(huán)累積效應(yīng)的發(fā)生。

5 結(jié)論

本研究的新發(fā)現(xiàn)在如下幾個方面：

（1）體育行為與健康回報之間并非僅僅有單向的因果關(guān)聯(lián)（即體育促進健康），同時也存在雙向作用機制。這一作用機制不僅與中國人的體育鍛煉行為有關(guān)，也和個人對體育鍛煉的價值認知有關(guān)。換言之，如果我們僅將體育看成一種工具性手段的時候（體育對疾病康復(fù)或強健體質(zhì)有積極作用），這一價值導(dǎo)向會使得體弱者有更強的動機參與體育，而體質(zhì)強者則相反。這也預(yù)示要真正提高大眾體育參與率，正確地認識體育價值，將體育融入日常生活顯得尤為重要。

（2）工具變量的LATE分析表明，體育資源分布對人們體育參與的影響并非均質(zhì)的，對不同的群體其作用程度也不相同。體育資源可以是政府提供，也可以是個人通過商業(yè)購買來獲得。但對于大部分中國居民而言，依托公共體育資源進行體育鍛煉仍然是主流。然而，隨著經(jīng)濟的發(fā)展和商業(yè)體育場館的興起，通過購買獲得體育鍛煉資源的人也越來越多。因此，對于那些具有經(jīng)濟優(yōu)勢的人而言，公共體育資源的分布情況以及是否充足對其體育參與行為影響相對較小，但對于那些完全依托公共體育資源參與體育鍛煉的人來說，公共體育資源分布不均衡將會帶來較大的影響。在工具變量模型分析中發(fā)現(xiàn)，住宅周圍有較豐富公共體育資源的居民，其體育鍛煉參與度可能更高，而反過來，住宅周圍公共體育資源貧乏的居民其體育參與度將大大降低，甚至導(dǎo)致其體育鍛煉完全中斷的可能。這一現(xiàn)象表明，城市建設(shè)者應(yīng)該充分考慮這種作用機制，合理地布局公共體育資源，并向社會經(jīng)濟基礎(chǔ)較差地區(qū)居民傾斜，優(yōu)先建設(shè)公共體育場館，這將會有效地提升大眾體育參與率和體育參與水平。

（3）體育資源布局不均衡將引發(fā)體育參與的不平等和健康不平等問題。在實際的城市建設(shè)中，體育配套資源常常作為住宅品質(zhì)的附加價值的一部分。城市規(guī)劃者優(yōu)先將體育配套資源（如公園、綠地等）布局在富裕的住宅區(qū)而不是相反，這一境況將引發(fā)體育參與不平等問題。進一步而言，在本研究已經(jīng)正式體育鍛煉有正向促進身體健康的前提下，體育參與的不平等將不可避免地引發(fā)健康不平等問題。這一發(fā)現(xiàn)需要引起學(xué)界的重視，也需要進一步的深入研究。

當然，本研究除了新方法的運用和新發(fā)現(xiàn)之外，也存在一些不足之處。例如對健康的測度，采用的是自評健康指標（盡管這一指標為學(xué)界廣泛采用），但相對體育對健康的作用而言，仍然不夠全面。期待今后的研究中，對健康進行更加準確的測度，才能全面評價體育對健康的貢獻。此外，也呼吁體育領(lǐng)域中大型的全國抽樣調(diào)查數(shù)據(jù)，應(yīng)包括更多的社會背景資料（特別是生活史方面的信息）和多方面健康測度指標，也應(yīng)該像其它學(xué)科那樣將其公布于公共數(shù)據(jù)平臺，為更多學(xué)者所用，以此來推進相關(guān)領(lǐng)域的研究。

參考文獻：

[1] PENEDO，F(xiàn)RANK J，DAHN，et al. Exercise and well-being： a review of mental and physical health benefits associated with physical activity[J]. Current Opinion in Psychiatry，2005，3（18）：189-193.

[2] RUSSELL R P，MICHAEL P，STEVEN N B，et al. Physical activity and public health a recommendation from the centers for disease control and prevention and the American college of sports medicine[J]. The Journal of American Medical Association，1995，273（5）：402-407.

[3] GABRIELLE P，RODRIGO S R，CASSIANO R，et al. Quality of life and physical activity among adults：population-based study in Brazilian adults[J]. Quality of Life Research，2012，11（9）：1537-1543.

[4] MICHAEL J，BLAIR S N. Physical activity，cardiorespiratory fitness，and adiposity：contributions to disease risk[J]. Current Opinion in Clinical Nutrition & Metabolic Care，2006（5）：540-546.

[5] CHRISTY G，ELIZBETH M B，TRENT A P. High school sport participation and subsequent psychological well-being and physical activity： the mediating influences of body image physical competence，and instrumentality[J]. Sex Roles，2009，61（11）：714-726.

[6] SCOTT A P，THOMS L S. Physical activity and mental health[J]. Sports Medicine，2000，3（29）：167-180.

[7] KENNETH R F. The influence of physical activity on mental well-being[J]. Public Health Nutrition，1999（2）：411-418.

[8] LAZARSFIELD P F. Problems in methodology[G]//MERTON R K，BROOM L，Cottrell S. Sociology today：problems and prospects. New York：Basic Books，1959：39-72.

[9] GUO S，BARTH R L P，GIBBONS C. Propensity score matching strategies for evaluation substance abuse services for child welfare clients[J]. Children and Youth Services Review，2006（28）：357-383.

[10] NEYMAN J S，Statistical problems in agriculture experiments[J]. Journal of The Royal Statistical Society，Series B，1923（2）：107-108.

[11] RUBIN D B. Estimating casual effects of treatments in randomized and nonrandomized studies[J]. Journal of Educational Psychology，1974（66）688-701.

[12] HECKMAN J J. The common structure of statistical models of truncation，sample selection，and limited dependent variable and a simpleestimator for such models[J]. Annals of Economic and Social Measurement，1976（5）：475-492.

[13] HECKMAN J J，ROBB R. Alternative methods for evaluating the impact of intervention[G]//HECKMAN J，SINGER B. Longitudinal analysis of labormarket data. Cambridge，UK：Cambridge University Press，1985：156-254.

[14] 劉承宜，胡少娟，李曉云，等. 定量差異及其在體育科學(xué)中的應(yīng)用[J]. 體育學(xué)刊，2016，23（1）：11-17.

[15] 胡安寧. 教育能否讓我們更健康——基于2010年中國綜合社會調(diào)查的城鄉(xiāng)比較分析[J]. 中國社會科學(xué)，2014（5）：116-130.

[16] 陳在余. 中國農(nóng)村留守兒童營養(yǎng)與健康狀況分析[J]. 中國人口科學(xué)，2009（5）：95-112.

[17] 彭大松. 體育鍛煉中的社會分層：現(xiàn)象、機制與思考[J]. 體育科學(xué)，2012，32（5）：24-26.

[18] 彭大松. 不平等視角下體育參與差異：一項經(jīng)驗研究[J]. 上海體育學(xué)院學(xué)報，2014，38（4）：14-20.

[19] 伍德里奇. 計量經(jīng)濟學(xué)導(dǎo)論[M]. 北京：中國人民大學(xué)出版社，2009.