中國(guó)人口健康分布的時(shí)空變化與影響因素

楊振　劉會(huì)敏　王曉霞

摘 要：該文利用最近3次人口普查獲得的資料，對(duì)我國(guó)省級(jí)層面的人口健康分布的時(shí)空變化特征與影響因素進(jìn)行分析。結(jié)果表明：1）近20年我國(guó)居民總體的健康狀況得到較大改善，但人均預(yù)期壽命存在明顯的省際差異，呈現(xiàn)西部較低、中部次之、東部最高的空間梯度特征，差異程度隨時(shí)間不斷降低；2）各地區(qū)健康分布并非表現(xiàn)出完全的隨機(jī)性，而是在總體上呈現(xiàn)出一定的空間集聚趨勢(shì)，但集聚趨勢(shì)隨時(shí)間變化有所弱化；3）地區(qū)人均預(yù)期壽命的增加速度與初始水平負(fù)相關(guān)，初始水平較低的地區(qū)增速普遍高于初始水平較高的省區(qū)，空間收斂趨勢(shì)明顯；4）人均GDP、食物支出占比、森林覆蓋率與廢水處理達(dá)標(biāo)率等指標(biāo)較高的地區(qū)的預(yù)期壽命相對(duì)較高，城市化的快速推進(jìn)與醫(yī)療設(shè)施稟賦變化對(duì)人口健康的凈效應(yīng)總體為負(fù)。

關(guān)鍵詞：健康分布；時(shí)空變化；空間關(guān)聯(lián)；收斂性；影響因素

中圖分類(lèi)號(hào)：K901.3 文獻(xiàn)標(biāo)識(shí)碼：A

人口健康分布存在明顯的地區(qū)差異，例如美洲、歐洲和西太平洋地區(qū)的人均預(yù)期壽命目前已普遍達(dá)到76歲，而非洲僅56歲，其中的中非和剛果共和國(guó)不足50歲[1]。一個(gè)國(guó)家或地區(qū)的健康水平與當(dāng)?shù)氐淖匀环A賦和環(huán)境質(zhì)量密切相關(guān)，適量的日照、清潔的空氣、宜人的氣候、潔凈的水源等因素對(duì)控制人體生物節(jié)律、保持正常代謝、增強(qiáng)免疫功能、促進(jìn)生長(zhǎng)發(fā)育等具有積極作用；伴隨快速工業(yè)化、城市化而來(lái)的廢水、廢氣與廢渣的過(guò)量排放，超過(guò)了自然系統(tǒng)的消納能力，將造成短期或長(zhǎng)期的健康損害。在生命周期中，除年齡外，環(huán)境污染是影響健康折舊率的重要因素，污染嚴(yán)重地區(qū)的居民普遍面臨著健康存量加速折舊的沖擊。政府增加針對(duì)污染的治理投入則有助于預(yù)防和減少疾病、降低死亡率和增加預(yù)期壽命[2]。一些研究還發(fā)現(xiàn)，區(qū)域經(jīng)濟(jì)水平、生活習(xí)慣、醫(yī)療服務(wù)、文化教育等人文因素與人口健康也有較高的相關(guān)性，其原因可能在于，經(jīng)濟(jì)發(fā)展?fàn)顩r與社會(huì)總體的食品供給保障、公共衛(wèi)生建設(shè)、生態(tài)環(huán)境保護(hù)投入等密切相關(guān)，人均GDP較高的國(guó)家或地區(qū)健康水平往往較高，而貧窮地區(qū)能夠用于國(guó)民健康的資源往往捉襟見(jiàn)肘[3]。然而，部分學(xué)者也注意到，一些發(fā)達(dá)國(guó)家和地區(qū)的居民因不良生活習(xí)慣和生活方式，引發(fā)了較多的肥胖病、冠心病、糖尿病、脂肪肝等“富裕病”，非感染性疾病已成為這些地區(qū)人口死亡的重要原因[1]。醫(yī)療保健與衛(wèi)生服務(wù)對(duì)預(yù)防和治療疾病、提升健康有積極作用，但實(shí)證研究中也經(jīng)常發(fā)現(xiàn)醫(yī)療稟賦較好地區(qū)的發(fā)病率、死亡率也較高，預(yù)期壽命與醫(yī)療投入水平負(fù)相關(guān)[4]。居民受教育水平通過(guò)就業(yè)機(jī)會(huì)、工作環(huán)境、收入水平、心理狀態(tài)等中介變量對(duì)健康產(chǎn)生影響，教育鴻溝的出現(xiàn)會(huì)在一定程度上擴(kuò)大不同種族、地區(qū)的健康差距[5]。

改革開(kāi)放以來(lái)，我國(guó)城鄉(xiāng)居民健康狀況得到明顯改善，學(xué)界關(guān)于健康問(wèn)題的理論研究正處于蓬勃發(fā)展的起步階段。綜合而言，當(dāng)前關(guān)于人口健康分布的相關(guān)成果中既有對(duì)某一區(qū)域各時(shí)期健康水平的縱向比較研究[6]，也不乏一些地區(qū)之間健康水平的橫向比較分析[7]，但比較缺乏從縱、橫兩個(gè)維度聯(lián)合起來(lái)的時(shí)空變化分析成果，對(duì)全國(guó)各地區(qū)健康分布變化的未來(lái)趨勢(shì)尚沒(méi)有一個(gè)清晰的總體判斷，對(duì)相關(guān)因素的影響作用總體上還處于經(jīng)驗(yàn)認(rèn)知水平上。基于此，本研究以我國(guó)最近3次人口普查數(shù)據(jù)為基礎(chǔ)，構(gòu)建空間關(guān)聯(lián)模型和收斂性檢驗(yàn)?zāi)Ｐ?，?duì)1990年以來(lái)各地區(qū)健康分布的時(shí)空變化特征與變化趨勢(shì)進(jìn)行研究，同時(shí)利用主成分回歸方法探討健康分布的影響因素與作用機(jī)制，為我國(guó)醫(yī)療資源配置與健康地理學(xué)創(chuàng)新研究提供參考依據(jù)。

1 研究思路與方法

1.1 健康指標(biāo)選擇

由于人口健康的概念內(nèi)涵非常豐富，目前尚沒(méi)有一個(gè)獨(dú)立的指標(biāo)能完全概括它應(yīng)包含的所有方面，通常使用一個(gè)或幾個(gè)指標(biāo)來(lái)描述它的一些主要特征。例如，F(xiàn)ogel和Arora分別使用社會(huì)總營(yíng)養(yǎng)水平、成年人身高作為地區(qū)健康的代理變量，世界衛(wèi)生組織將經(jīng)殘疾率校正的預(yù)期壽命和兒童死亡率作為評(píng)測(cè)國(guó)家和地區(qū)總體健康水平的指標(biāo)，聯(lián)合國(guó)則采用預(yù)期壽命、嬰兒死亡率、兒童死亡率3個(gè)指標(biāo)。世界衛(wèi)生統(tǒng)計(jì)報(bào)告指出，人口死亡率及根據(jù)死亡率計(jì)算的預(yù)期壽命能夠較好地反映一個(gè)國(guó)家或地區(qū)人口的整體健康狀況。國(guó)內(nèi)的一些研究也主要使用預(yù)期壽命、死亡率衡量地區(qū)健康水平。參考上述成果并基于資料限制，本研究使用出生時(shí)平均預(yù)期壽命作為衡量全國(guó)及各地區(qū)健康水平的表征指標(biāo)。人口出生時(shí)平均預(yù)期壽命反映了地區(qū)新出生人口平均預(yù)期可存活的年數(shù)，是假設(shè)當(dāng)前分年齡死亡率保持不變的條件下同一時(shí)期出生的人預(yù)期能夠繼續(xù)生存的平均年數(shù)。該指標(biāo)包含了死亡率的大部分信息，簡(jiǎn)單明了，并且可以從國(guó)家人口普查資料中獲得相關(guān)數(shù)據(jù)。

1.2 空間集聚性判定

空間集聚性是健康分布的重要性質(zhì)，描述了與地理位置相關(guān)的健康數(shù)據(jù)之間的空間聯(lián)系特征，這里引入全局Moran's I指數(shù)的計(jì)算和檢驗(yàn)來(lái)完成[8]。該指數(shù)的取值范圍為[-1，1]，計(jì)算方法如式（1）所示，其中xi、xj為地區(qū)i、j的人口出生時(shí)平均預(yù)期壽命， ■為x的全國(guó)均值，wij為空間鄰接矩陣的元素，表示各地區(qū)之間的地理鄰接關(guān)系，確定方法見(jiàn)式（2），其中的n為地區(qū)個(gè)數(shù)。基于正態(tài)分布假設(shè)，對(duì)Moran's I指數(shù)通常采用其標(biāo)準(zhǔn)化的統(tǒng)計(jì)量Z（I）檢驗(yàn)n個(gè)地區(qū)之間是否存在顯著的空間集聚趨勢(shì)。當(dāng)Z（I）為正且顯著時(shí)，表明健康分布存在正的空間自相關(guān)，意味著預(yù)期壽命相似的地區(qū)趨于空間集聚，在地理空間上形成一個(gè)或多個(gè)明顯的高值集聚區(qū)或低值集聚區(qū)；當(dāng)Z（I）為負(fù)且顯著時(shí)，表示預(yù)期壽命相似的地區(qū)趨于分散分布；Z（I）為零則表示預(yù)期壽命觀測(cè)值呈獨(dú)立隨機(jī)分布。

Moran′s I = ■ （1）

w■=1 地區(qū)i和j鄰接0 其他 （2）

1.3 變化收斂性檢驗(yàn)

人口健康分布變化收斂性檢驗(yàn)的實(shí)質(zhì)是確定預(yù)期壽命初始水平較低的地區(qū)是否具有比高壽區(qū)更高的增長(zhǎng)率，以此判斷不同地區(qū)的健康水平未來(lái)是否存在所謂的趨同趨勢(shì)，亦即收斂趨勢(shì)。借鑒經(jīng)濟(jì)學(xué)研究中的收斂性檢驗(yàn)方法[9]，本文構(gòu)建的健康分布變化的收斂性檢驗(yàn)?zāi)Ｐ腿缡剑?）所示，其中xit表示地區(qū)i在考察期初t的人口平均預(yù)期壽命，xiT表示地區(qū)i在考察期末T的平均預(yù)期壽命，t-T為考察時(shí)段；α為常數(shù)，b為收斂系數(shù)。若b小于0，表示地區(qū)人均預(yù)期壽命的增長(zhǎng)速度與其初始水平呈負(fù)相關(guān)關(guān)系，說(shuō)明初始水平較低地區(qū)的預(yù)期壽命增速快于水平較高的地區(qū)，各地區(qū)人口預(yù)期壽命差異存在隨時(shí)間減小的趨勢(shì)，即收斂趨勢(shì)。若b大于或等于0，表示各地區(qū)預(yù)期壽命變化不存在收斂趨勢(shì)，而呈現(xiàn)發(fā)散態(tài)勢(shì)。

■ln■=a+blnxit+？著it （3）

2 研究結(jié)果與分析

2.1 人口健康分布的差異特征

根據(jù)1990、2000、2010年全國(guó)人口普查資料，3個(gè)年份全國(guó)尺度的出生時(shí)平均預(yù)期壽命分別為68.55歲、71.40歲、74.83歲，20年增長(zhǎng)了6.28歲，年均增長(zhǎng)0.31歲。這一增速無(wú)論與發(fā)達(dá)國(guó)家還是發(fā)展中國(guó)家相比都不遜色。在省區(qū)尺度上，各地區(qū)預(yù)期壽命均有所增長(zhǎng)，但增幅存在明顯差異。表1顯示，1990年預(yù)期壽命最小值出現(xiàn)在西藏，為59.64歲，最大值出現(xiàn)在上海，為74.90歲，二者相差15.26歲，各地區(qū)標(biāo)準(zhǔn)差為3.49歲。相比于1990年，2000、2010年的預(yù)期壽命最小值分別增長(zhǎng)到64.37歲（西藏）、68.17歲（西藏），最大值增長(zhǎng)到78.14歲（上海）、80.26（上海），極差則減少為13.77歲、12.09歲，標(biāo)準(zhǔn)差縮小到3.14歲、2.70歲。由此可見(jiàn)，20年間我國(guó)人口整體的預(yù)期壽命在大幅提升的同時(shí)，省區(qū)層面的差異在不斷縮小。對(duì)全國(guó)3大地帶進(jìn)行分區(qū)統(tǒng)計(jì)，發(fā)現(xiàn)1990年?yáng)|部各省份的預(yù)期壽命均值為71.41歲，中、西部分別為67.98、65.30歲，2000、2010年?yáng)|、中、西部預(yù)期壽命均值則分別達(dá)到為74.21、71.40、68.42歲與77.28、75.08、72.62歲，均呈現(xiàn)明顯的“東部較高、中部居中、西部最低”的空間梯度差異特征。從3大地帶之間的差異看，除2000年的中、西部差異比1990年稍大外，其他年份各地帶之間的差異均呈現(xiàn)出不斷縮小的特點(diǎn)（表1）。

為進(jìn)一步考察不同地區(qū)健康水平的時(shí)空對(duì)比關(guān)系，將3個(gè)年份所有的樣本數(shù)據(jù)作為分類(lèi)對(duì)象進(jìn)行空間聚類(lèi)分析。利用常用的K-means距離聚類(lèi)法，根據(jù)中心值65.6491、71.1823、75.8690將所有樣本劃分為3個(gè)類(lèi)型組，分別命名為預(yù)期壽命低水平組、中水平組和高水平組，結(jié)果如表2所示。顯示2010年的西藏、2000年的貴州、云南、西藏、甘肅、青海、新疆與1990年的吉林、黑龍江、江西等合計(jì)22個(gè)省份同屬于低水平組，說(shuō)明這些省區(qū)的健康水平處于較低層次，意味著2010年西藏的預(yù)期壽命僅相當(dāng)于貴州、云南等省份2000年的水平以及吉林、黑龍江、江西等省份1990年的水平。低水平組內(nèi)多為1990年的中、西部省份與2000年的西部省份，無(wú)東部省份。中水平組內(nèi)的樣本相對(duì)多樣，三大地帶內(nèi)3個(gè)年份的省份均有涉及，但總體上以1990年的東部省份、2000年中、西部省份和2010年的西部省份為主。高水平組則以2010年的中、東部省份為主，西部省區(qū)較少，明顯反映了西部地區(qū)健康水平落后于中、東部的時(shí)空特征。

2.2 人口健康分布的變化趨勢(shì)

根據(jù)式（1）、（2）計(jì)算3個(gè)年份的Moran's I指數(shù)，發(fā)現(xiàn)1990年各地區(qū)預(yù)期壽命的Moran's I指數(shù)為0.5443，且通過(guò)5%的顯著性檢驗(yàn)，表明我國(guó)人口預(yù)期壽命存在顯著的正向自相關(guān)，說(shuō)明從統(tǒng)計(jì)學(xué)意義上看，各地區(qū)健康水平分布并非表現(xiàn)出完全的隨機(jī)性，而是在宏觀上呈現(xiàn)出一定的空間集聚趨勢(shì)，健康水平較高的省區(qū)相對(duì)地趨向于和較高水平的省區(qū)相鄰，健康水平較低的省區(qū)相對(duì)地趨向于和較低水平的省區(qū)相鄰。2000、2010年預(yù)期壽命的Moran's I指數(shù)分別減少到0.5136、0.4399，且均通過(guò)5%的檢驗(yàn)，說(shuō)明這兩個(gè)年份的健康分布也存在明顯的空間集聚趨勢(shì)，但與1990年相比集聚性降低，分散化趨勢(shì)相對(duì)增強(qiáng)。

根據(jù)公式（3）對(duì)1990年～2000年、2000年～2010年、1990年～2010年3個(gè)時(shí)段的人口預(yù)期壽命的收斂性進(jìn)行檢驗(yàn)，結(jié)果如表3所示。1990年～2000年時(shí)段檢驗(yàn)方程的F值為12.075，說(shuō)明該方程在5%的置信水平下顯著；R2為0.294，表明預(yù)期壽命年均增長(zhǎng)變化的29.4%可以由其初始水平進(jìn)行解釋?zhuān)皇諗肯禂?shù)b為-0.021，小于0且通過(guò)5%的顯著性檢驗(yàn)，表明初始水平較低地區(qū)的預(yù)期壽命增速快于水平較高的地區(qū)，初始水平較高的地區(qū)的預(yù)期壽命增速慢于水平較低的地區(qū)，兩類(lèi)地區(qū)的預(yù)期壽命差異存在隨時(shí)間而減小的趨勢(shì)，最終會(huì)趨同或收斂于某一較高水平。對(duì)2000年～2010年的收斂性進(jìn)行檢驗(yàn)發(fā)現(xiàn)，相對(duì)于前一時(shí)段，預(yù)期壽命初始值對(duì)其增長(zhǎng)率變化的貢獻(xiàn)度進(jìn)一步加大，由29.4%增加到55.3%，輸出方程的顯著性也有所增強(qiáng)。但收斂系數(shù)b的絕對(duì)值有所降低，由前一時(shí)段的0.021降低到0.020。就1990年～2010年全時(shí)段的總體情況看，收斂系數(shù)b為-0.018，收斂速度稍低于兩個(gè)分時(shí)段。不同地區(qū)健康水平存在收斂性的主要原因可能在于：第一，人類(lèi)的健康發(fā)展水平有著嚴(yán)格的生物學(xué)極限，預(yù)期壽命不可能無(wú)限提高，存在所謂的“天花板”效應(yīng)。第二，近些年各地區(qū)健康水平普遍達(dá)到較高水平，經(jīng)濟(jì)發(fā)展、醫(yī)療進(jìn)步、營(yíng)養(yǎng)改善等因素對(duì)健康提升的邊際效應(yīng)開(kāi)始呈現(xiàn)差異化的遞減趨勢(shì)，對(duì)低壽區(qū)人口的促進(jìn)效應(yīng)較大，高壽區(qū)較小，由此導(dǎo)致了不同地區(qū)健康提升速度的差異，引致預(yù)期壽命的趨同。

2.3 人口健康分布的影響因素

現(xiàn)代健康觀認(rèn)為，人口健康受到多種因素的影響，與當(dāng)?shù)氐淖匀?、人文條件密切相關(guān)[10]。根據(jù)Grossman提出的健康生產(chǎn)函數(shù)并考慮數(shù)據(jù)的可得性等因素，這里重點(diǎn)從區(qū)域經(jīng)濟(jì)發(fā)展水平（x1）、社會(huì)發(fā)展?fàn)顩r（x2）、居民生活水平（x3）、自然環(huán)境稟賦（x4）、污染處理狀況（x5）、醫(yī)療衛(wèi)生資源（x6）等6個(gè)方面建立人口健康分布的影響因素集。其中，①經(jīng)濟(jì)發(fā)展水平用人均GDP表示，單位：元/人，反映一個(gè)地區(qū)的綜合實(shí)力，預(yù)期對(duì)當(dāng)?shù)厝丝诘慕】蛋l(fā)展有正向作用。②社會(huì)發(fā)展?fàn)顩r用人口城市化率表示，單位：%，反映社會(huì)進(jìn)步和文明程度，預(yù)期有正向影響。③居民生活水平用恩格爾系數(shù)表示，單位：%，反映食品消費(fèi)支出在居民總支出中的比重，預(yù)期有負(fù)向影響。④自然環(huán)境稟賦用森林覆蓋率表示，單位：%，良好的生態(tài)環(huán)境有利于增強(qiáng)體質(zhì)和減少疾病，因此預(yù)期有正向影響。⑤污染處理狀況用廢水排放達(dá)標(biāo)率表示，單位：%，預(yù)期有正向影響。⑥醫(yī)療衛(wèi)生資源用每萬(wàn)人擁有的醫(yī)療病床數(shù)表示，單位：張/萬(wàn)人，預(yù)期有正向影響。

基于最小二乘方法（OLS）的回歸估計(jì)是當(dāng)前廣泛使用的影響因素研究方法。但是，由于上述6類(lèi)因素指標(biāo)間存在意義上的重疊，直接使用這一方法將嚴(yán)重?cái)U(kuò)大模型誤差并破壞模型的穩(wěn)健性。主成分回歸方法能有效克服這一缺陷，首先對(duì)6個(gè)自變量做主成分分析，提取全部主成分Fj（j=1，2，…，6）與因變量進(jìn)行回歸建模，如式（4）所示。然后，采用OLS方法進(jìn)行估計(jì)并逐步刪除t檢驗(yàn)不顯著的主成分，僅保留通過(guò)檢驗(yàn)的主成分。顯然，這些相互直交的主成分避免了在一般回歸參數(shù)估計(jì)時(shí)使用OLS方法的困難，并且由于各主成分均為原自變量的線性組合，轉(zhuǎn)換后可以得到關(guān)于原自變量與因變量的映射關(guān)系，如式（5）所示。

y=a+？滋1F1+ ？滋2F2+…+？滋6F6+？著 （4）

y=？茁+r1■1+r2■2…+r6■6+？濁 （5）

為增加模型估計(jì)的穩(wěn)健型，反映近20年的總體狀況，這里使用1990、2000、2010年3個(gè)年份預(yù)期壽命的平均值作為因變量y，以3個(gè)年份的人均GDP、人口城市化率、恩格爾系數(shù)、森林覆蓋率、廢水達(dá)標(biāo)率、萬(wàn)人病床數(shù)指標(biāo)的平均值■1、■2、■3、■4、■5、■6作為自變量，進(jìn)行建模分析。結(jié)果顯示，最終有第二、六主成分在5%的水平上通過(guò)檢驗(yàn)，相應(yīng)的估計(jì)方程為y=64.034+0.064F2+0.024F6，方程F值為38.014，調(diào)整的R2為0.705，表示方程在1%的水平上顯著，且兩個(gè)主成分能夠解釋健康分布差異的70.5%（表4）。

變量代換后，健康分布關(guān)于原自變量■■（i=1，2，…，6）的回歸系數(shù)估計(jì)結(jié)果見(jiàn)表5?？梢园l(fā)現(xiàn)，■1、■3、■4、■5四個(gè)指標(biāo)的回歸系數(shù)為正值，說(shuō)明地區(qū)經(jīng)濟(jì)發(fā)展、食物消費(fèi)、自然環(huán)境、污染防治指標(biāo)變量對(duì)人口預(yù)期壽命有正向影響，在控制其他因素保持不變的情況下，這4個(gè)指標(biāo)每提高1個(gè)百分點(diǎn)將推動(dòng)人口預(yù)期壽命分別增加0.030%、0.36%、5.83%、3.52%。其中，■1、■4、■5的影響方向符合預(yù)期，■3的影響方向與預(yù)期相左。其原因可能是，食物是維持人體健康最核心的物質(zhì)基礎(chǔ)，當(dāng)前我國(guó)居民的營(yíng)養(yǎng)攝取普遍處于中、低水平的供需平衡狀態(tài)，家庭在食物消費(fèi)方面的支出比重越大（即恩格爾系數(shù)越大），在一定程度上表示人口的總營(yíng)養(yǎng)水平較高，相應(yīng)的健康水平也越高。

■2、■6兩個(gè)指標(biāo)的回歸系數(shù)為負(fù)值，說(shuō)明人口城市化水平越高、每萬(wàn)人擁有的病床數(shù)越多，人口預(yù)期壽命反而越低，這種情況與大部分人的經(jīng)驗(yàn)性認(rèn)識(shí)相悖。我們認(rèn)為，城市化指標(biāo)效應(yīng)為負(fù)的原因可能是，我國(guó)當(dāng)前大部分地區(qū)的城市化水平尚處于較低層次，城市地區(qū)普遍存在交通擁擠、住房緊張、社保不健全、工作壓力高、環(huán)境污染大等現(xiàn)象，人口常住地的轉(zhuǎn)變沒(méi)有給地區(qū)總體帶來(lái)更高的健康保障。也就是說(shuō)，城市化雖然能夠使人們獲得更好的醫(yī)療保健服務(wù)和產(chǎn)品，但城市化快速推進(jìn)所激發(fā)的健康損害大大削弱了其積極效應(yīng)，導(dǎo)致健康凈效應(yīng)總體為負(fù)。同時(shí)，根據(jù)Grossman模型，隨著醫(yī)療設(shè)施和衛(wèi)生服務(wù)的增加，居民健康需求和健康水平一般也會(huì)提高。但如果相對(duì)于居民收入而言，醫(yī)療服務(wù)因收費(fèi)過(guò)高對(duì)大部分人產(chǎn)生明顯的需求抑制時(shí)，它們對(duì)健康生產(chǎn)的邊際效益可能趨于零，部分地區(qū)甚至因?yàn)橘Y源浪費(fèi)、使用不公或使用效率低下等原因?qū)е聦?duì)人群總體的健康貢獻(xiàn)為負(fù)，從而在總體上產(chǎn)生醫(yī)療改善與健康提升的負(fù)相關(guān)現(xiàn)象。這種情況在一定程度上反映了我國(guó)近年來(lái)的醫(yī)療衛(wèi)生體制改革現(xiàn)狀，改革方向一直在市場(chǎng)化和公益化兩種傾向之間搖擺，群眾看病難、看病貴的問(wèn)題一直沒(méi)能得到徹底解決。從總體上看，上述6類(lèi)因素對(duì)健康分布的影響系數(shù)（絕對(duì)值）都比較小，說(shuō)明這些因素的影響方向尚存在變化的可能，與人群健康的關(guān)系具有一定的可變性，這需要在不同時(shí)空背景下進(jìn)一步深入研究。

3 結(jié)論與討論

人口健康在多種因素影響下具有明顯的時(shí)空動(dòng)態(tài)性，本文研究發(fā)現(xiàn)：第一，近20年我國(guó)居民總體的健康狀況得到較大改善，但人均預(yù)期壽命存在明顯的省際差異，呈現(xiàn)西部較低、中部次之、東部最高的空間梯度特征，差異程度隨時(shí)間不斷降低；第二，各地區(qū)健康分布并非表現(xiàn)出完全的隨機(jī)性，而是在總體上呈現(xiàn)出一定的空間集聚趨勢(shì)，但集聚趨勢(shì)隨時(shí)間變化有所弱化；第三，地區(qū)人均預(yù)期壽命的增加速度與初始水平負(fù)相關(guān)，初始水平較低的地區(qū)增速普遍高于初始水平較高的省區(qū)，空間收斂趨勢(shì)明顯；第四，人均GDP、食物支出占比、森林覆蓋率與廢水處理達(dá)標(biāo)率等指標(biāo)較高的地區(qū)的預(yù)期壽命相對(duì)較高，城市化的快速推進(jìn)與醫(yī)療設(shè)施稟賦變化對(duì)人口健康的凈效應(yīng)總體為負(fù)。

上述結(jié)論為我國(guó)衛(wèi)生體制改革、醫(yī)療資源配置提供了部分依據(jù)，提示我們?cè)陬A(yù)期壽命的高、低集聚區(qū)應(yīng)分別采取不同的應(yīng)對(duì)措施，在醫(yī)療保健、社會(huì)保障、養(yǎng)老保險(xiǎn)、產(chǎn)業(yè)轉(zhuǎn)型、退休年齡、婚育政策等方面進(jìn)行差別化設(shè)計(jì)，因地制宜；預(yù)期壽命具有明顯的收斂性，意味著各地區(qū)未來(lái)均有步入老齡化社會(huì)的趨勢(shì)，當(dāng)前應(yīng)未雨綢繆，盡早從總體上謀劃一條符合中國(guó)國(guó)情的衛(wèi)生體制和資源配置模式。另外，在小康社會(huì)建設(shè)中還應(yīng)始終牢固樹(shù)立以人為本的理念，進(jìn)一步理清相關(guān)因素的健康效應(yīng)機(jī)制，保證城市化快速推進(jìn)過(guò)程不得損害生態(tài)環(huán)境質(zhì)量，努力增加居民收入和營(yíng)養(yǎng)供給，大力提升醫(yī)療設(shè)施規(guī)模和質(zhì)量，堅(jiān)持衛(wèi)生體制改革的公益化方向，不斷提升國(guó)民健康福利。

參考文獻(xiàn)：

[1] 茍曉霞. 世界各國(guó)預(yù)期壽命差異及影響因素定量分析[J]. 南京人口管理學(xué)院學(xué)報(bào)，2013，29（3）：31-36.

[2] 于曉薇，胡宏偉，吳振華. 我國(guó)城市居民健康狀況及影響因素研究[J]. 中國(guó)人口·資源與環(huán)境，2010，20（2）：151-156.

[3] 蔣萍，田成詩(shī)，尚紅云. 人口健康與中國(guó)長(zhǎng)期經(jīng)濟(jì)增長(zhǎng)關(guān)系的實(shí)證研究[J]. 中國(guó)人口科學(xué)， 2008（5）：44-51.

[4] 林相森，艾春榮. 對(duì)中國(guó)醫(yī)療服務(wù)利用不平等問(wèn)題的實(shí)證檢驗(yàn)[J]. 中國(guó)人口科學(xué)， 2009（3）：86-112.

[5] 邱俊杰，李承政. 人口年齡結(jié)構(gòu)、性別結(jié)構(gòu)與居民消費(fèi)[J]. 中國(guó)人口·資源與環(huán)境， 2014， 24（2）：125-131.

[6] 陳心廣，王培剛. 中國(guó)杜會(huì)變遷與國(guó)民健康動(dòng)態(tài)變化[J]. 中國(guó)人口科學(xué)，2014（2）：63-73.

[7] 劉會(huì)敏，牛叔文，楊振. 中國(guó)人口死亡水平的空間統(tǒng)計(jì)分析[J]. 中國(guó)人口科學(xué)，2008（1）：44-52.

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

[9] 韓海彬，趙麗芬. 環(huán)境約束下中國(guó)農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)及收斂分析[J]. 中國(guó)人口·資源與環(huán)境，2013，23（3）：70-76.

[10] 陳明華，郝國(guó)彩. 中國(guó)人日老齡化地區(qū)差異分解及影響因素研究[J]. 中國(guó)人口·資源與環(huán)境，2014，24（4）：136-141.

[11] 牛建林. 人口流動(dòng)對(duì)中國(guó)城鄉(xiāng)居民健康差異的影響[J]. 中國(guó)社會(huì)科學(xué)，2013（2）：46-63.

Spatio-temporal variations of population health distribution in China and its influencing factors

YANG Zhen， LIU Hui-min， WANG Xiao-xia

（1. College of Urban and Environmental Sciences， Central China Normal University， Wuhan 430079， China； 2. Key Laboratory of Geological Process Analysis and Simulation of Hubei Province， Wuhan 430079， China）

Abstract： Using the recent three census data， this paper analyzed the spatial and temporal variations of provincial distribution of population health in China and its influencing factors. The results showed that： 1） Chinese residents' overall health has been improved in the past 20 years， but the provincial average life expectancy was significantly different， which present the gradient decrease trend from the east area to the western area. 2） The regional distribution of health is not completely random. It shows the spatial agglomeration trend on the whole， although the agglomeration trend have weakened. 3） The increasing rate of regional life expectancy is negatively related to the initial level， which means that the increasing rate of low initial-level provinces are higher than those of the high initial-level provinces. And the provincial health disparities is decreasing. 4） The principal components regression showed that per capita GDP， food expenditure rate， the forest coverage rate， the effluent treatment rate and other indicators are the main factors influencing the regional life expectancy. Due to urbanization， the problems such as traffic congestion， environmental pollution， marketization of medical reform has resulted in difficulty and high cost of treatment， which explains why the index of urbanization and medical facilities are negatively related to local health level.

Key words： health distribution； spatial and temporal changes； space correlation； convergence； influencing factor