□陳梓森 吳鐘松

一、引言

健康被認為是重要的人力資本。不同的收入水平和社會地位對健康資本的投入程度有不同的偏好。良好的健康會提高勞動生產(chǎn)率，使勞動者獲得賺取更多收入的能力。2016 年8 月20 日，習近平總書記在全國衛(wèi)生與健康大會上提出：沒有全民健康，就沒有全民小康。習近平總書記的重要講話精神是全黨全社會建設(shè)“健康中國”的行動指南，更是全方位保障人民健康的行動號令。黨的十九屆五中全會再次提出了要提高人民收入水平，強化就業(yè)優(yōu)先政策，建設(shè)高質(zhì)量教育體系，健全多層次社會保障體系，全面推進健康中國建設(shè)的重要要求。因此，研究個人健康與勞動力市場之間的關(guān)系將更好地提高社會效益，從而為完善國民健康政策和制定保護廣大勞動者的相關(guān)措施提供指導建議。在中國特色社會主義進入了新時代的大背景下，人民群眾對經(jīng)濟發(fā)展和健康安全兩者都有著更高的需求；社會中生產(chǎn)生活的積極性和個人的工作效率都與良好的健康息息相關(guān)。只有關(guān)注勞動生產(chǎn)者的健康狀態(tài)，才能為勞動力市場的良性進步提供有利條件。

本文基于Grossman 健康需求理論，研究個人層次勞動收入、社會醫(yī)療保險對健康狀況的影響。盡管已有文獻建立了健康與工作之間的關(guān)系，但影響的程度和機理尚未闡明。大部分研究表明，收入越高，就越傾向于擁有越好的健康，但事實上普遍存在過度依賴自我評估的健康報告和未能處理健康與收入之間的相互作用產(chǎn)生的內(nèi)生性問題等方面的缺陷。另外，中國自2005 年起啟動實施第五階段的醫(yī)療保障制度改革，擴大基本醫(yī)療保險覆蓋面是此階段的核心內(nèi)容。一方面，通過評估勞動力市場中勞動者的健康情況，可以了解相關(guān)政策是否有效；另一方面，通過增加居民的健康資本存量，可以幫助改善相關(guān)的健康和勞動力市場政策，并獲得更多的勞動力產(chǎn)出。在全面的數(shù)據(jù)樣本支撐下，從實證分析中能獲得更可靠的結(jié)果，無偏有效的回歸結(jié)果的系數(shù)量級大小可以用來觀察勞動者的健康效應(yīng)對收入的敏感程度，以及是否除了收入外還受到其他因素（如生活行為、居民身份）的影響。

可能的貢獻和創(chuàng)新是：第一，健康指標的創(chuàng)新。本文嘗試為生理和心理健康各創(chuàng)建一個健康指數(shù)以使健康測量更加客觀和涵蓋內(nèi)容更加全面。此外，除了收入和基本個人特征外，在解釋變量的選擇上還將與健康相關(guān)的醫(yī)保政策和生活行為納入?yún)⒖?。第二，實證分析中使用了更廣泛的面板數(shù)據(jù)，整理了2010-2018 年共27468 名受訪者的樣本。在更大的樣本量和更長調(diào)查時間下可以獲得更有效無偏的結(jié)果。第三，利用Hausman-Taylor 模型克服因健康-收入交互作用和無法避免的變量遺漏所帶來的內(nèi)生性問題，并通過Hausman 檢驗和穩(wěn)健性檢驗等方式解釋實證結(jié)果的有效性。

二、文獻綜述

Grossman（1972）最先把個人健康作為人力資本的重要組成部分，并構(gòu)建了工資率、年齡、教育水平、醫(yī)療服務(wù)等要素對個人健康資本影響的理論基礎(chǔ)[1]。個人健康可被視為兩種不同的屬性：消費性和投資性。健康需求模型指出，當健康產(chǎn)出的邊際成本等于所能提高的健康邊際利益時，則為個人健康投資的最優(yōu)解。該模型為本文對收入和健康的研究提供了理論依據(jù)。在實證分析中，需要把健康需求理論轉(zhuǎn)化為可估計的計量經(jīng)濟學模型，測量一系列個人、家庭和社會指標作為積累健康存量的影響因素。我們將檢驗這些理論預(yù)期并根據(jù)結(jié)果對存在的差異作出解釋。

Barnay 等人（2018）運用動態(tài)模型下的廣義矩估計，解釋了勞動收入對健康表現(xiàn)具有積極影響[2-3]。Chetty（2016）等研究了收入與預(yù)期壽命之間的聯(lián)系，以解釋美國不同收入水平人群的健康不平等問題[4]。他們認為，健康行為對預(yù)期壽命有很大影響，而醫(yī)療服務(wù)和健康保險支出對此則沒有太大影響。

國外大多研究個人層次上收入對健康的影響都運用了面板數(shù)據(jù)進行實證分析[5-6]，但由于受調(diào)查數(shù)據(jù)限制，國內(nèi)早期的研究大多僅為截面數(shù)據(jù)，或樣本數(shù)量較小，年度跨越較短的面板數(shù)據(jù)。中國家庭追蹤調(diào)查（CFPS）在近年的不斷完善和延伸為我們提供了很好的數(shù)據(jù)基礎(chǔ)。Hausman-Taylor（H-T）模型作為較先進的計量方法，在近些年開始被少量文獻運用到解決內(nèi)生性的問題上。王一兵、張東輝（2008）使用H-T 模型研究了健康人力資本對個人收入的影響。他們通過中國營養(yǎng)狀況調(diào)查的面板數(shù)據(jù)證實了H-T 估計量比隨機效應(yīng)或固定效應(yīng)的估計量更可靠有效[7]。相似地，于大川（2013）運用該模型研究健康對中國農(nóng)村居民收入的影響時，也認為H-T 估計能減少甚至消除由于健康和收入之間相互作用帶來的內(nèi)生性偏誤問題[8]。但目前還沒有研究將此運用在我國的個人勞動收入對健康的影響上，本研究將對上述問題作出進一步的拓展與深入。

除了勞動收入外，醫(yī)療保險對健康的影響也是重要考察因素。自2007 年起，中國推動了一系列城鎮(zhèn)居民基本醫(yī)療保險普及政策。健全有效的社會醫(yī)療保障體系能降低個人醫(yī)療服務(wù)成本及降低重大醫(yī)療性支出的風險。賀小林（2013）通過對9 個城市的基本醫(yī)療保險政策研究指出，從服務(wù)利用和負擔性來看，低收入人群就診數(shù)目仍然較低，因病致貧的現(xiàn)象還沒能得到有效的緩解[9]。丁學娜（2013）則從中國企業(yè)職業(yè)福利轉(zhuǎn)型的視角考量了職業(yè)福利在員工醫(yī)療保健方面的補充作用，認為醫(yī)療保險的企業(yè)繳費比例存在較大的地區(qū)性差異[10]。大部分就醫(yī)療保險影響的分析都僅為截面數(shù)據(jù)或選取樣本較小，本文希望借助面板數(shù)據(jù)和較大的個人層次的樣本獲得更有效的實證結(jié)果。

三、數(shù)據(jù)和研究方法

（一）數(shù)據(jù)來源

本文數(shù)據(jù)來源于北京大學開放研究數(shù)據(jù)平臺提供的中國家庭追蹤調(diào)查（CFPS）。該調(diào)查從2010 年起，2年一度連續(xù)追蹤個人、家庭和社區(qū)3 個維度的信息，較全面地反映了中國社會、經(jīng)濟、人口等問題的動態(tài)變化，這也是目前調(diào)查樣本最廣泛的連續(xù)性追蹤數(shù)據(jù)。本文整理合并了2010-2018 年間5 個截面數(shù)據(jù)，形成了最終的非平衡面板數(shù)據(jù)，總共47561 個樣本。使用中國家庭追蹤調(diào)查數(shù)據(jù)集的優(yōu)點是：首先，它不僅包含了受訪者廣泛的個人特征和經(jīng)濟狀況信息，還涵蓋了全面的健康數(shù)據(jù)。其次，這是目前涉及個人健康和收入問題樣本量最大、時間跨度最廣的開放調(diào)查數(shù)據(jù)。最后，該調(diào)查的受訪者群體廣泛，采樣覆蓋了不同年齡、受教育程度和全國各地區(qū)，有利于進行進一步的異質(zhì)性分析。

（二）變量說明

個人健康狀況是被解釋變量，本文創(chuàng)建了由4 個客觀健康指標恒定的生理健康指數(shù)來克服目前對健康衡量較片面和主觀性強的問題。參考Kling，Liebman 和Katz（2007）的方法[5]，個人生理健康指數(shù)（Indexi）是“兩周內(nèi)病傷程度”“是否確診慢性疾病”“一年內(nèi)是否有因病住院”和“醫(yī)療總費用”4 個成分的標準分（z-score）的均等加權(quán)總和：

每個成分的標準分(z-score)是通過個體數(shù)據(jù)(xij)減去該成分的平均值(μj)，然后將其除以該成分的標準差(σj)得到的。健康指數(shù)較小的樣本意味著具有較差的健康狀況。同時，符合兩周內(nèi)無病傷、無確診慢性疾病、一年內(nèi)無因病住院、醫(yī)療總費用低于100 元4 個條件的樣本被定義為得分最高的樣本，共占總樣本的5.34%。表1 是健康指數(shù)在各個級別的自評健康選項中的平均分，顯示了兩者具有一定的相關(guān)性。

表1 健康指數(shù)在各層次自評健康報告中的分布

除了生理健康外，心理健康指數(shù)是另一個被解釋變量。心理健康的評定選取了調(diào)查中的6 個變量：“情緒沮喪、郁悶的頻率”“精神緊張的頻率”“難以平靜的頻率”“對未來失去希望的頻率”“做任何事都感到困難的頻率”“感到生活沒有意義的頻率”。受訪者在5 個頻次中作出選擇。這6 個變量再按上述標準分（z-score）的算法進行均等加權(quán)求和得到心理健康指數(shù)，心理健康狀況較好的受訪者將獲得較高的指數(shù)。去除極端值后樣本心理健康指數(shù)介于-17.83 至3.58 之間。

個人收入是主要關(guān)注的解釋變量。本文只取用18-65 歲就業(yè)狀態(tài)為在業(yè)的樣本，勞動收入的計算包括工資、獎金、年終獎、第二職業(yè)或兼職收入和其他勞動收入之和。為了獲得具有經(jīng)濟含義的回歸結(jié)果，收入進行了取自然對數(shù)處理。另一關(guān)注的變量是社會醫(yī)療保險制度對健康的影響程度。樣本中在職人員的醫(yī)療保險類型包括：公費醫(yī)療、城鎮(zhèn)職工醫(yī)保、城鎮(zhèn)居民醫(yī)保、補充醫(yī)保和新型農(nóng)村合作醫(yī)保。樣本若參與任意一項上述醫(yī)療保險則在虛擬變量中標記1，參保樣本占總樣本的74.67%?？刂谱兞恐邪岁P(guān)于個人特征、家庭情況和健康行為的信息變量。表2 報告了計量模型中各變量的描述性統(tǒng)計。

表2 各變量描述性統(tǒng)計

（三）研究方法

勞動收入對個人健康影響的實證分析基準模型設(shè)定為：

其中，Hit是生理健康指數(shù)或心理健康指數(shù)；lninckit是主要觀測的解釋變量個人勞動收入的自然對數(shù)；Xkit是一系列的其他解釋變量。隨機誤差項由(ui+εit)表示，假設(shè)εit遵循獨立同分布且與εit不相關(guān)，其中，ui包含所有影響因變量而不隨時間變化的不可觀測因素，εit包含所有隨個體和時間變化的不可觀測因素。基準模型將分別采用普通最小二乘法(OLS)、隨機效應(yīng)和固定效應(yīng)的計量方法進行回歸分析。固定效應(yīng)回歸法能控制無法觀測的個體異質(zhì)效應(yīng)，從而減少內(nèi)生性問題；隨機效應(yīng)則能把被固定效應(yīng)排除在外的不隨時間變化的外生變量納入回歸中。

健康-收入研究中的內(nèi)生性問題主要有兩個原因：一是模型中不可避免地會有部分與健康相關(guān)的變量無法包括；二是健康和收入之間存在交互作用關(guān)系。使用普通最小二乘法(OLS)估計可能會存在偏差，目前被認為最有效克服內(nèi)生性問題的方法是尋找合適的工具變量。但合格的工具變量應(yīng)同時滿足強相關(guān)性和充分外生性的條件，較難獲得[11]。作為替代方案，筆者在面板數(shù)據(jù)上使用以工具變量法為思路的Hausman-Taylor 模型來消除偏差。Hausman-Taylor 模型借助隨時間變化的外生變量的平均值作為工具變量。通過兩階段最小二乘估計，可以使估計結(jié)果更加有效。該公式可表示為：

其中，X 表示所有時變變量，Z 表示所有非時變變量。具體地，X1包括年齡、城鄉(xiāng)分類、婚姻狀況和醫(yī)療保險，X2包括個人收入、人均家庭純收入、家庭醫(yī)療保健支出和健康行為；Z1表示性別，Z2表示受教育程度。ui抓取了不可觀測的個體異質(zhì)性，eit是隨個體和時間變化的誤差項。X1,it和Z1,i作為外生變量與ui不相關(guān)，而X2,it和Z2,i作為內(nèi)生變量與ui相關(guān)。HT 模型基于工具變量估計法的原理以自帶的變量轉(zhuǎn)化為工具變量：（X2,it-）用作內(nèi)生變量X2,it的工具變量，時變的外生變量的平均值則用作內(nèi)生變量Z2,i的工具變量。該回歸模型在不必尋找外部工具變量下不但能克服健康-收入間相互的作用引起的內(nèi)生性偏差，還能把被固定效應(yīng)排除在外的非時變變量歸入模型中。

四、實證分析

（一）健康狀況的影響結(jié)果

將Grossman 健康需求理論應(yīng)用到實證分析中，構(gòu)建以健康狀況為被解釋變量，作自然對數(shù)處理后的個人勞動收入為解釋變量的半對數(shù)函數(shù)。首先，是個人勞動收入對生理健康指數(shù)的影響，表3 報告了其OLS、隨機效應(yīng)、固定效應(yīng)和H-T 模型估計的回歸結(jié)果。

OLS 和隨機效應(yīng)在各系數(shù)上普遍存在被高估的系數(shù)，H-T 模型估計量與固定效應(yīng)估計量較為接近。隨機效應(yīng)與固定效應(yīng)的Hausman 檢驗結(jié)果為：χ2（13）=35.05，拒絕原假設(shè)，證明了隨機效應(yīng)不是一致性的估計量，固定效應(yīng)估計量更具無偏性。比較各系數(shù)的標準誤差發(fā)現(xiàn)，固定效應(yīng)的標準誤差在這4 種模型中相對較高，而OLS、隨機效應(yīng)和H-T 模型各系數(shù)的標準誤差相仿。H-T 模型除了具備無偏性，系數(shù)估計量還有更好的有效性。因此，實證結(jié)果將以固定效應(yīng)和H-T 模型估計量作為主要參考。

個人勞動收入的系數(shù)在各個回歸中都具有顯著的正效應(yīng)，顯著性水平在OLS 和隨機效應(yīng)中的1%變成了在H-T 模型中的10%。系數(shù)估計值為0.016 表示當個人勞動收入提高10%時，生理健康指數(shù)將提高0.16個標準差。醫(yī)療保險在健康上表現(xiàn)了1%水平下顯著性的積極作用，享有社會醫(yī)療保險的個人比尚未獲得的個人指數(shù)增加0.085 個標準差，這也反映了醫(yī)療保險能通過降低醫(yī)療服務(wù)費用而對健康形成正面效應(yīng)。關(guān)于個人特征的變量中，受教育程度的系數(shù)量級最大。以文盲/半文盲和小學教育程度的人群為基準，擁有初高中、中專技校學歷的人群健康指數(shù)增加0.26 個標準差，在1%顯著性水平下顯著，而擁有大專、本科和研究生學歷的人群則增加達0.31 個標準差。這一結(jié)果與Grossman 健康需求理論中強調(diào)受教育年限對健康投資有重要的正效應(yīng)的論述十分契合。健康效應(yīng)也存在顯著的性別差異，樣本中男性健康指數(shù)比女性增加0.20 個標準差，系數(shù)量級僅次于受教育程度的系數(shù)。關(guān)于生活行為的變量中，鍛煉頻數(shù)每周增加一個單位，健康指數(shù)將提高0.019 個標準差，在1%顯著性水平下顯著。抽煙系數(shù)盡管呈現(xiàn)了對健康的負效應(yīng)，但沒有達到顯著性水平。另外，以未婚者為基準的婚姻狀況變量以及以城市居民為基準的城市農(nóng)村居民身份變量在該模型中對健康沒有表現(xiàn)出顯著性影響。

表4 報告了收入對心理健康指數(shù)的回歸結(jié)果。Hausman 檢驗顯示：χ2（12）=33.92，拒絕原假設(shè)，同樣是固定效應(yīng)比隨機效應(yīng)回歸更具無偏性。收入對心理健康的影響比生理健康更大，在1%顯著性水平下，收入提高1%時，心理健康指數(shù)將提高0.14 個標準差。相應(yīng)地，醫(yī)療保險也有著顯著且較高的系數(shù)，享有社會醫(yī)保的人比無醫(yī)保的人指數(shù)增加0.29 個標準差。相較于上面對生理指數(shù)的影響，心理指數(shù)變化更敏感的原因：一是人們的心理狀態(tài)反映在指數(shù)上的差異比生理健康更大；二是個人收入的心理感知往往比生理感知更直接和迅速。但意外地，在教育的虛擬變量中系數(shù)沒有顯著性水平。關(guān)于個人特征變量，性別仍存在顯著的差異，男性的指數(shù)比女性增加0.74 個標準差。另外，城市戶口居民心理健康指數(shù)比農(nóng)村居民增加0.36 個標準差，在1%顯著性水平下顯著。關(guān)于生活行為的變量，除了鍛煉依然有顯著的正向效應(yīng)外，高頻的飲酒行為在對心理健康的影響中也表現(xiàn)了顯著的負向效應(yīng)。

表3 個人勞動收入對生理健康的影響

（二）穩(wěn)健性檢驗

我們已知自評健康報告與健康指數(shù)存在相關(guān)性，為了確保實證結(jié)果的可靠性，本文采用自評健康報告的變量作為被解釋變量進行穩(wěn)健性檢驗。自評健康分為五個等級：“非常健康”為5 分，“很健康”為4 分，“比較健康”為3 分，“一般”為2 分，“不健康”為1 分。另外，除了以上4 種回歸模型外，在穩(wěn)健性檢驗中還加入了Amemiya-MaCurdy（A-M）估計模型。Amemiya-MaCurdy 模型僅能在嚴格平衡面板數(shù)據(jù)上使用，原數(shù)據(jù)中共有1192 個樣本適用于該回歸模型。它將，作為工具變量來代替原H-T 模型中的工具變量X1,i，以增加估計的效率。表5 報告了穩(wěn)健性檢驗的回歸結(jié)果。前4 列各變量的系數(shù)與主要回歸分析的系數(shù)相比普遍較小，但效應(yīng)的方向基本一致，且在勞動收入和社會醫(yī)保的變量中都有顯著性水平的正效應(yīng)。A-M 估計模型系數(shù)的效應(yīng)與H-T 模型相似，但除了勞動收入、年齡、性別和教育外，其他都不具顯著性水平，且顯示了較大的標準差，這主要是樣本量有限所導致的。綜合以上5 種穩(wěn)健性檢驗結(jié)果，可以確定主要回歸模型的結(jié)果是穩(wěn)健的。

表4 個人勞動收入對心理健康的影響

五、結(jié)論與建議

本文主要研究了個人勞動收入和社會醫(yī)療保障對健康狀況的影響。生理、心理健康指數(shù)和自評健康報告均證實了較高的勞動收入對健康狀況有正面效應(yīng)。享有社會醫(yī)療保險的勞動者在生理和心理健康方面也均表現(xiàn)出顯著的正效應(yīng)。受教育程度的不同是造成健康差異量級最大的因素；其次，男女性別中的健康情況也呈現(xiàn)較大的顯著性差異。生活行為上鍛煉頻數(shù)增加在生理、心理健康方面都有顯著的正效應(yīng)；而城市/農(nóng)村的居民身份在生理健康方面無顯著差異，但在心理健康方面中城市居民表現(xiàn)優(yōu)于農(nóng)村居民。計量方法的改進和樣本量的擴大，能進一步修正過往文獻中存在的選擇性偏差和內(nèi)生性問題。通過整合2010-2018 年間的5個CFPS 數(shù)據(jù)，形成了覆蓋全國的在職勞動者面板數(shù)據(jù)。使用普通最小二乘法和隨機效應(yīng)往往會高估解釋變量的系數(shù)，而固定效應(yīng)的估計結(jié)果往往伴隨較大的標準差。把Hausman-Taylor 模型運用到實證分析中，可以有效解決健康-收入相互作用下的內(nèi)生效應(yīng)，并在回歸中保留如性別等的重要非時變變量。

表5 穩(wěn)健性檢驗

在新冠肺炎疫情席卷全球的大背景下，個人健康問題再一次引起了社會大眾的普遍重視，本文的研究結(jié)論具有一定的實踐指導意義。為進一步提高社會勞動效率，本文結(jié)合個人和社會兩個方面給出以下幾點建議：

（一）加強社會醫(yī)保福利的覆蓋率

本文研究結(jié)果表明，社會醫(yī)保福利對個人身心健康有顯著積極作用。企業(yè)應(yīng)加強自身社會責任意識，確保勞動者能享有社會醫(yī)保類型中的至少一種醫(yī)保福利，政府也應(yīng)在其中對企業(yè)加強監(jiān)督。應(yīng)把參與醫(yī)保作為勞動者的基本權(quán)益納入勞動合同中，對未遵守相關(guān)規(guī)定的企業(yè)予以處罰和強制整改[12]。

（二）著重改善低收入者健康狀況

健康狀況與收入存在顯著的相互作用，個體間健康水平的差異會進一步拉大社會貧富差距。政府應(yīng)充分發(fā)揮再分配職能，對經(jīng)濟發(fā)展水平較低地區(qū)加大財政補貼。通過精準扶貧等一系列政策改善低收入家庭尤其是兒童群體的營養(yǎng)供給[13]。另外，低收入者往往伴隨著較消極的生活行為方式[14]，公共決策部門應(yīng)利用各種社會媒介平臺，倡導積極健康的生活方式，重視建立精神文化生活，從根源上改變低收入者的健康行為和觀念。

（三）提高農(nóng)村居民的心理健康認知

城市/農(nóng)村居民身份的收入效應(yīng)在生理健康上無顯著差異體現(xiàn)了農(nóng)村醫(yī)療系統(tǒng)的日益成熟，而心理健康則仍需加以重視。在當今經(jīng)濟的飛速發(fā)展下，農(nóng)村人口，尤其是年輕一代有著較大的流動性，農(nóng)村社會結(jié)構(gòu)也因此發(fā)生了顯著的變化[15]。我們需要進一步關(guān)注農(nóng)村居民的心理健康，增強他們對自身價值的認同感，鼓勵他們在工作中獲得自尊、效能感和自我整合的機會。應(yīng)加大教育資源的投入，特別是關(guān)注農(nóng)村教育的全方位性。通過提高居民受教育水平，能從根本上改善居民對心理健康的認知，修正諱疾忌醫(yī)的陳舊思想。