基于Grossman模型透视我国省际居民健康不平等：多维因素与实证解析

基于Grossman模型透视我国省际居民健康不平等：多维因素与实证解析一、引言1.1研究背景与动因1.1.1居民健康不平等的现状健康是人类发展的核心要素，也是衡量社会进步的重要标志。然而，在我国经济快速发展、整体居民健康水平显著提升的同时，省际间居民健康不平等现象依然较为突出。从健康指标来看，不同省份居民在平均预期寿命、婴儿死亡率、孕产妇死亡率等关键健康指标上存在明显差异。例如，东部沿海发达省份的居民平均预期寿命普遍较高，部分省份超过80岁，而一些中西部地区省份的平均预期寿命则相对较低，在75岁左右徘徊。婴儿死亡率方面，发达地区省份可低至3‰-5‰，而部分欠发达地区省份却可能高达10‰以上，这种差距反映出不同省份在妇幼保健水平、医疗卫生资源质量和可及性等方面的显著不同。在医疗资源获取上，省际差异同样显著。北京、上海、广东等经济发达省份集中了大量优质医疗资源，拥有众多高水平的三甲医院、知名医学专家以及先进的医疗设备，每千人口医疗卫生人员数、每千人口医疗卫生机构床位数等指标均处于全国前列。与之形成鲜明对比的是，一些中西部经济欠发达省份，如贵州、甘肃、云南等，医疗资源相对匮乏，基层医疗卫生机构设施陈旧，专业人才短缺，导致当地居民在获取高质量医疗服务时面临诸多困难，甚至出现看病难、看病贵的问题。此外，在慢性疾病发病率、传染病防控效果等方面，不同省份之间也呈现出较大的不均衡性。例如，经济发达地区由于生活方式的改变，肥胖、高血压、糖尿病等慢性疾病的发病率呈上升趋势；而部分欠发达地区则可能因卫生条件、公共卫生服务覆盖不足等因素，在传染病防控上面临更大挑战。这种省际间居民健康不平等现象不仅影响了个体的生活质量和发展机会，也对社会公平和经济可持续发展构成了潜在威胁。1.1.2研究动因与价值研究我国居民健康不平等问题，尤其是基于省际数据分析，具有重要的现实意义和理论价值。从现实角度看，揭示健康不平等的内在机制，有助于为政府制定更加科学、有效的区域健康政策提供依据。通过深入了解不同省份健康水平差异的根源，如经济发展水平、教育程度、医疗卫生资源配置、生活环境等因素对健康的影响程度，政策制定者可以有针对性地采取措施，加大对健康水平较低省份的资源投入，优化医疗卫生资源布局，提高公共卫生服务的均等化水平，从而逐步缩小省际间居民健康差距，促进社会公平正义，提升全体国民的健康福祉。从理论层面而言，基于Grossman模型展开研究，为健康不平等问题的探讨提供了独特视角。Grossman模型将健康视为一种人力资本，认为个体通过投入时间和金钱进行健康生产，从而影响自身的健康水平。运用该模型进行省际数据分析，可以深入剖析不同省份个体在健康生产过程中的行为差异，以及宏观经济社会环境对健康生产函数的影响，进一步丰富和拓展健康经济学的研究领域，为后续相关研究提供有益的参考和借鉴。1.2研究架构与方法1.2.1研究架构本研究遵循从理论基础到实证分析，再到结论与建议的逻辑路径。首先，系统梳理健康不平等相关理论，详细阐述Grossman模型的基本原理和内涵，为后续研究奠定坚实的理论基石。其次，全面收集我国各省份的面板数据，对省际间居民健康不平等的现状进行多角度、深层次的描述性统计分析，直观呈现不同省份在健康指标、医疗资源等方面的差异特征。然后，基于Grossman模型构建计量经济模型，运用严谨的实证分析方法，深入探究影响我国居民健康不平等的关键因素，包括经济因素、社会因素、个体行为因素等，并对各因素的影响程度进行量化评估。最后，根据理论分析和实证结果，提出具有针对性和可操作性的政策建议，旨在改善我国居民健康不平等状况，推动健康中国建设。1.2.2研究方法本研究主要运用以下研究方法：数据来源：研究数据主要来源于权威的官方统计资料，如国家统计局发布的《中国统计年鉴》，其中包含各省份的人口、经济、教育等宏观数据；国家卫生健康委员会公布的《中国卫生健康统计年鉴》，提供了丰富的医疗卫生资源、健康指标等数据；以及其他相关政府部门发布的专项统计报告，确保数据的准确性和可靠性。此外，还收集了部分学术研究机构整理的微观调查数据，如中国健康与营养调查（CHNS）数据，用于补充和验证分析结果。计量模型：基于Grossman模型，构建面板数据计量模型。以居民健康水平作为被解释变量，选取人均预期寿命、自评健康状况等指标进行衡量；将经济发展水平（人均GDP）、教育水平（平均受教育年限）、医疗卫生资源投入（每千人口医疗卫生人员数、医疗卫生机构床位数等）、个体行为因素（吸烟率、体育锻炼参与率等）作为解释变量，同时控制地区固定效应和时间固定效应，以消除不可观测的地区异质性和时间趋势对结果的干扰。通过固定效应模型、随机效应模型等方法进行回归分析，探究各因素对居民健康不平等的影响。分析方法：除了运用基本的描述性统计分析方法，直观展示数据特征和分布情况外，还采用多种计量分析方法进行深入研究。例如，运用相关性分析，初步判断各变量之间的线性关系；通过多重共线性检验，确保模型中解释变量之间不存在严重的多重共线性问题；利用稳健性检验，采用替换变量、改变样本区间等方法，验证回归结果的稳定性和可靠性，从而保证研究结论的科学性和有效性。二、理论基石：Grossman模型2.1模型的源起与演进2.1.1模型的创立背景20世纪60年代末至70年代初，随着全球经济的快速发展以及人们生活水平的逐步提高，健康问题逐渐成为社会各界关注的焦点。传统的经济学理论在解释健康相关现象时存在一定的局限性，无法全面、深入地剖析个体健康决策行为以及健康与经济之间的复杂关系。在此背景下，1972年，美国经济学家MichaelGrossman发表了开创性论文《OntheConceptofHealthCapitalandtheDemandforHealth》，正式提出了Grossman模型。该模型的诞生，旨在填补传统经济学在健康领域研究的空白，从人力资本理论的视角出发，将健康视为一种特殊的资本形式——健康资本，认为个体对健康的需求如同对其他商品的需求一样，是基于理性决策的过程。这一创新性的观点，为健康经济学的发展开辟了新的路径，使健康经济研究从单纯的描述性分析转向了更为深入的理论构建与实证检验，具有重要的开创性意义。2.1.2模型的发展脉络在Grossman提出该模型后，众多学者围绕其展开了一系列深入的研究与拓展。早期的拓展主要集中在对模型假设的修正和完善上。例如，一些学者放宽了Grossman模型中关于个体完全理性和信息完全对称的假设，考虑到现实中个体在健康决策时往往受到有限理性和信息不完全的制约，引入了行为经济学的相关理论，探讨个体在健康行为中的认知偏差和心理因素对决策的影响。随着时间的推移，新变量的引入成为模型发展的重要方向。学者们逐渐认识到，除了医疗服务、时间投入等基本因素外，社会环境、文化习俗、家庭背景等因素也对个体健康有着不可忽视的作用。于是，诸如社会资本、文化程度、家庭收入结构等变量被纳入健康生产函数，进一步丰富了模型的内涵。例如，研究发现社会资本丰富的个体，能够通过广泛的社会网络获取更多的健康信息和资源，从而更有利于维护自身健康；不同文化程度的个体，在健康认知、健康行为以及对医疗服务的利用效率上存在显著差异，文化程度较高者往往更注重健康投资，具备更强的健康管理能力。此外，在模型的应用领域拓展方面，Grossman模型从最初主要用于分析个体健康需求，逐渐延伸到研究群体健康差异、区域健康不平等以及健康与经济增长的关系等多个层面。在研究群体健康差异时，通过对不同年龄、性别、职业群体的健康生产函数进行比较分析，揭示出各群体在健康影响因素和健康投资行为上的特点和规律；在探讨区域健康不平等问题时，结合地区经济发展水平、医疗卫生资源分布等因素，运用Grossman模型剖析不同地区居民健康水平差异的内在机制。这些拓展研究，使Grossman模型的理论体系不断完善，应用范围日益广泛，成为健康经济学领域不可或缺的重要分析工具。2.2模型的核心架构2.2.1健康资本的界定与特性在Grossman模型中，健康资本被定义为个体所拥有的一种能够产生健康服务流量，进而影响个体健康水平和生活质量的特殊资本形式。它与物质资本、人力资本等其他资本形式既存在联系，又具有明显区别。从联系来看，健康资本是人力资本的重要组成部分，良好的健康状况是个体积累和发挥人力资本的基础。一个身体健康、精力充沛的人，能够更有效地参与学习和工作，提升自身的知识技能水平，从而增加人力资本存量；同时，物质资本的投入，如医疗设备、药品等，也是维持和提升健康资本的重要手段。然而，健康资本具有其独特的特性。首先，健康资本具有时效性，它会随着个体年龄的增长而逐渐折旧，且折旧速度在不同年龄段存在差异，一般来说，中年以后健康资本的折旧速度会加快。其次，健康资本具有不可转移性，它与个体紧密相连，无法像物质资本那样在不同个体之间进行直接转移。再者，健康资本具有多维性，它不仅包括生理健康，还涵盖心理健康、社会适应能力等多个维度，任何一个维度的变化都会对整体健康资本产生影响。在个体健康决策中，健康资本处于核心地位。个体通过投入时间和金钱进行健康投资，如购买医疗服务、参加体育锻炼、保持良好的生活习惯等，来增加健康资本存量，提高自身的健康水平，从而获得更多的健康时间，用于生产和消费活动，实现效用最大化。2.2.2健康生产函数剖析健康生产函数是Grossman模型的核心组成部分，它描述了健康产出与各种投入要素之间的关系。一般形式可表示为：H=f(M,L,E,\cdots)，其中H表示健康产出，M代表医疗服务投入，L表示生活方式因素，E表示环境因素，省略号表示其他可能影响健康的因素。医疗服务作为重要的投入要素，对健康产出具有直接和间接的影响。直接作用体现在患病时通过医疗干预，如诊断、治疗、康复等手段，减轻疾病症状，恢复身体健康；间接影响则表现为定期的体检、预防接种等预防性医疗服务，能够提前发现潜在健康问题，降低患病风险。例如，先进的医疗技术和优质的医疗服务可以提高疾病的治愈率，缩短患者的康复时间，从而增加健康资本存量。生活方式因素涵盖了饮食、运动、吸烟、饮酒等多个方面。合理的饮食结构能够提供身体所需的营养物质，维持身体正常代谢；适度的体育锻炼有助于增强体质，提高免疫力；而吸烟、过量饮酒等不良生活习惯则会对身体健康造成损害，加速健康资本的折旧。研究表明，长期坚持规律运动的人群，其患心血管疾病、糖尿病等慢性疾病的风险明显低于缺乏运动的人群。环境因素包括自然环境和社会环境。自然环境中的空气质量、水质、噪音等会直接影响人体健康，如空气污染严重地区的居民，呼吸系统疾病的发病率往往较高；社会环境中的教育水平、社会支持网络、工作压力等也与健康密切相关。较高的教育水平通常使个体具备更强的健康意识和健康管理能力；良好的社会支持网络能够在个体面临压力和困难时提供情感支持和实际帮助，有助于缓解心理压力，维护心理健康。2.2.3个体健康决策的理论阐释从微观层面来看，个体在做出健康投资决策时，会面临有限资源的约束，需要在成本与收益之间进行权衡。健康投资的成本包括直接成本和间接成本，直接成本主要是购买医疗服务、健康产品等的货币支出，间接成本则是投入时间进行健康活动所放弃的其他机会收益。例如，个体花费时间去健身房锻炼，就意味着放弃了这段时间用于工作或休闲所可能获得的收益。健康投资的收益则体现在多个方面，包括因健康水平提高而增加的工作时间和劳动生产率，从而获得更高的收入；减少患病带来的痛苦和不适，提升生活质量；降低医疗费用支出等。个体在决策过程中，会根据自身对健康的偏好、对未来健康状况的预期以及当前的资源状况，选择最优的健康投资组合，以实现自身效用的最大化。同时，时间约束对个体健康决策有着重要影响。个体的时间总量是有限的，需要在健康生产、工作、休闲等不同活动之间进行分配。随着社会经济的发展和生活节奏的加快，个体的时间压力不断增大，这可能导致个体在健康投资上的时间投入减少，进而影响健康水平。例如，一些上班族由于工作繁忙，无暇顾及自身健康，长期处于久坐不动的状态，缺乏必要的运动，容易引发各种健康问题。2.3模型在居民健康研究中的应用概述2.3.1国内外研究综述在国外，Grossman模型被广泛应用于居民健康研究，并取得了丰硕的成果。学者们运用该模型，对不同国家和地区居民的健康需求、健康行为以及健康不平等问题进行了深入探讨。例如，在对美国居民的研究中，发现收入水平、教育程度与居民健康水平之间存在显著的正相关关系，高收入、高教育水平群体往往能够投入更多的资源用于健康投资，从而拥有更好的健康状况。在欧洲一些国家的研究中，关注到社会福利制度对居民健康的影响，完善的社会福利体系能够为居民提供更多的健康保障，降低健康不平等程度。然而，现有研究也存在一定的局限性。一方面，部分研究在模型设定和变量选择上存在差异，导致研究结果的可比性受到影响；另一方面，在考虑复杂的社会经济环境和个体异质性时，模型的解释力略显不足。例如，一些研究未能充分考虑文化、价值观等因素对居民健康行为的影响，使得模型在解释某些地区居民的健康决策时存在偏差。在国内，随着健康经济学研究的不断发展，Grossman模型也逐渐受到学者们的关注和应用。相关研究结合我国国情，分析了经济发展、医疗卫生改革、生活方式转变等因素对居民健康的影响。例如，研究发现我国城乡居民在健康资本存量和健康投资行为上存在显著差异，城市居民由于拥有更好的经济条件和医疗资源，健康水平普遍高于农村居民；同时，随着我国医疗卫生体制改革的推进，医疗保障制度的完善在一定程度上提高了居民的健康水平，但在不同地区和人群之间，保障水平和受益程度仍存在较大差距。2.3.2模型在我国的适用性探讨结合我国国情，Grossman模型在解释我国居民健康不平等问题上具有一定的优势。该模型能够从个体微观决策层面出发，综合考虑经济、社会、个体行为等多方面因素对健康的影响，与我国复杂多样的社会经济环境相契合。通过分析不同省份居民在健康投资行为、医疗资源利用等方面的差异，有助于深入揭示我国省际间居民健康不平等的内在机制。然而，在应用过程中也面临一些挑战。首先，我国地区间经济发展不平衡、城乡二元结构明显，不同地区居民在收入水平、教育程度、医疗资源可及性等方面存在巨大差异，这使得模型在参数估计和变量设定上需要充分考虑地区异质性。其次，我国传统文化和社会习俗对居民健康观念和行为有着深远影响，如中医养生理念、家庭观念等，这些因素在传统的Grossman模型中未得到充分体现，需要进一步拓展和完善模型，以更好地解释我国居民的健康现象。三、我国居民健康不平等的现状剖析3.1健康不平等的衡量指标体系3.1.1常用健康指标的选取与解读在衡量居民健康不平等时，常用的健康指标具有各自独特的意义和局限性。预期寿命是一个广泛应用的重要指标，它综合反映了一个地区居民在当前生存条件下预期能够存活的平均年数，涵盖了从出生到生命终结整个生命周期内各种影响健康因素的综合作用，包括医疗卫生条件、生活环境质量、营养状况、社会经济水平等。例如，在经济发达、医疗卫生资源丰富且公共卫生体系完善的地区，居民预期寿命往往较长，这得益于优质的医疗服务能够及时有效地治疗疾病，良好的生活环境减少了疾病的发生风险，充足的营养保障了身体的正常发育和功能维持。然而，预期寿命的局限性在于它是一个宏观的综合性指标，无法精确反映不同年龄段、不同疾病类型以及不同社会经济群体之间健康状况的细微差异。比如，一个地区整体预期寿命较高，但可能存在部分低收入群体因缺乏医疗资源和健康意识，在某些慢性疾病的发病率和死亡率上明显高于其他群体，而这些差异在总体预期寿命指标中可能被掩盖。患病率是指在特定时间内，一定人群中某种疾病新旧病例数所占的比例，它能够直观地反映特定疾病在人群中的发生频率，帮助我们了解不同地区、不同人群中各类疾病的流行情况。例如，通过对高血压、糖尿病等慢性病患病率的统计，可以清晰地看到不同地区居民在生活方式、饮食习惯、遗传因素等方面的差异对疾病发生的影响。在一些饮食结构不合理、高盐高油饮食较为普遍且居民运动量不足的地区，高血压、糖尿病等慢性病的患病率往往较高。但患病率也存在一定的局限性，一方面，它受疾病诊断标准和检测手段的影响较大，如果诊断标准发生变化或者检测技术不够先进，可能导致患病率的统计结果出现偏差；另一方面，患病率只能反映疾病的发生情况，无法体现疾病对个体健康功能和生活质量的具体影响程度。死亡率是指在一定时期内，一定人群中总死亡人数与该人群同期平均人口数之比，它是衡量居民健康状况的一个重要反向指标，即死亡率越低，通常表示居民健康水平越高。死亡率可以按照不同的分类标准进行细分，如粗死亡率、年龄别死亡率、死因别死亡率等，通过这些细分指标能够更深入地分析不同年龄阶段、不同死因对居民健康的影响。例如，婴儿死亡率能够反映一个地区的妇幼保健水平和医疗卫生服务的可及性，在医疗资源充足、妇幼保健体系完善的地区，婴儿死亡率往往较低；死因别死亡率则可以帮助我们了解各类疾病对居民生命的威胁程度，为制定针对性的疾病防控策略提供依据。然而，死亡率同样存在不足，它只能反映已经发生的死亡事件，对于那些虽然患病但尚未导致死亡，却严重影响生活质量和健康功能的情况无法体现，而且死亡率也会受到人口年龄结构、人口迁移等因素的干扰。3.1.2综合指标的构建与应用为了更全面、准确地反映居民健康状况和不平等程度，构建综合健康指标具有重要意义。健康指数是一种常见的综合健康指标，它通常通过对多个单一健康指标进行加权整合而得到。在构建健康指数时，首先需要确定纳入的单一健康指标，如预期寿命、患病率、死亡率、自评健康状况等，然后根据各个指标对居民健康的重要程度赋予相应的权重。权重的确定可以采用多种方法，如专家打分法、层次分析法、主成分分析法等。专家打分法是邀请相关领域的专家根据自己的专业知识和经验，对各个指标的重要性进行打分，从而确定权重；层次分析法是将与决策总是有关的元素分解成目标、准则、方案等层次，在此基础上进行定性和定量分析的决策方法；主成分分析法是一种通过降维技术把多个变量化为少数几个主成分的统计分析方法，这些主成分能够反映原始变量的大部分信息。通过综合考虑多个指标并合理确定权重，健康指数能够克服单一健康指标的局限性，更全面地反映居民健康状况的各个方面。例如，在评估不同省份居民健康不平等时，运用健康指数可以将各省份在预期寿命、慢性病患病率、传染病发病率、婴儿死亡率等多个方面的表现综合起来进行考量。如果仅依据单一指标，如预期寿命，可能会忽略某些省份在慢性病防控方面存在的严重问题；而通过健康指数，则可以全面地反映出各省份居民健康状况的差异，以及在不同健康维度上的不平等程度。在实际应用中，健康指数可以用于不同地区之间居民健康状况的横向比较，清晰地展示出地区间的健康差距；也可以用于同一地区不同时期居民健康状况的纵向分析，直观地反映出健康水平的变化趋势，为政策制定者制定和调整健康政策提供全面、准确的依据。3.2省际居民健康不平等的现状呈现3.2.1数据来源与处理本研究的数据主要来源于权威的统计年鉴和大规模的调查数据。其中，统计年鉴包括国家统计局发布的《中国统计年鉴》，该年鉴提供了丰富的人口、经济、社会等方面的宏观数据，涵盖了各省份的人口总数、人口年龄结构、地区生产总值、人均收入等信息，这些数据对于分析各省份的经济社会发展水平与居民健康之间的关系具有重要价值；国家卫生健康委员会公布的《中国卫生健康统计年鉴》，详细记录了各省份的医疗卫生资源配置情况，如每千人口医疗卫生人员数、每千人口医疗卫生机构床位数、医疗卫生机构诊疗人次等，以及各类健康指标数据，如居民平均预期寿命、孕产妇死亡率、婴儿死亡率、各类疾病的发病率和死亡率等，为研究居民健康状况提供了直接的数据支持。此外，还参考了一些专项调查数据，如中国健康与营养调查（CHNS）数据，该调查涵盖了多个省份的家庭和个人健康相关信息，包括饮食结构、生活习惯、健康行为、自评健康状况等，能够从微观层面补充和验证统计年鉴数据，使研究更加全面深入。在数据处理过程中，首先进行了数据清洗工作。由于原始数据可能存在缺失值、异常值和重复值等问题，这些问题会影响数据分析的准确性和可靠性，因此需要对数据进行清洗。对于缺失值，根据数据的特点和实际情况采用了不同的处理方法。如果缺失值较少且对整体分析影响不大，采用删除含有缺失值的记录的方法；如果缺失值较多，则运用均值填充、中位数填充、回归预测等方法进行填补。例如，对于某省份某一年份的人均收入数据存在缺失值的情况，如果该省份其他年份的人均收入数据较为稳定，可以采用该省份历年人均收入的均值进行填充；如果发现某些年份的人均收入数据与其他经济指标之间存在明显的线性关系，则可以通过回归分析建立模型，利用其他经济指标来预测缺失的人均收入值。对于异常值，通过设定合理的数值范围和统计检验方法进行识别和处理。如对于每千人口医疗卫生机构床位数这一指标，如果某个省份的数据明显偏离其他省份的正常范围，且经过进一步核实确认并非真实情况，则将其视为异常值进行修正或删除。同时，还对数据进行了去重处理，确保数据的唯一性和准确性。为了使不同来源的数据具有可比性，还进行了数据标准化处理。对于不同量纲的指标，采用了归一化或标准化方法将其转化为统一的量纲。例如，对于人均GDP和每千人口医疗卫生人员数这两个量纲不同的指标，通过最小-最大归一化方法将它们转化到[0,1]的区间内，使得在后续的数据分析中能够对它们进行综合比较和分析。此外，还对一些分类数据进行了编码处理，将其转化为数值型数据，以便于统计分析。3.2.2省际健康不平等的描述性分析通过对处理后的数据进行描述性统计分析，并结合图表展示，可以直观地呈现不同省份居民在健康指标上的显著差异，深入分析地区间健康不平等的特征。从平均预期寿命来看，各省份之间存在明显差距。以2020年为例，上海、北京、天津等经济发达直辖市的居民平均预期寿命位居全国前列，均超过80岁，其中上海居民平均预期寿命达到83.67岁。而部分中西部地区省份，如西藏、青海等地，居民平均预期寿命相对较低，西藏为71.14岁，青海为73.12岁。这种差距反映出不同省份在医疗卫生资源质量、公共卫生服务水平、生活环境和居民生活方式等方面的差异。经济发达地区通常拥有更先进的医疗技术、更完善的医疗设施和更专业的医疗人才队伍，能够为居民提供高质量的医疗服务，有效预防和治疗各类疾病；同时，良好的生活环境和健康的生活方式也有助于提高居民的健康水平，延长预期寿命。而中西部一些地区可能由于地理环境复杂、经济发展相对滞后，医疗卫生资源相对匮乏，公共卫生服务覆盖不足，居民的健康意识和生活方式也有待进一步改善，这些因素共同导致了平均预期寿命相对较低。在婴儿死亡率方面，省际差异同样显著。2020年，北京、上海、浙江等省份的婴儿死亡率较低，均在3‰-5‰之间，这表明这些地区在妇幼保健、围产期护理和新生儿救治等方面具有较高的水平，能够有效保障新生儿的生命健康。然而，在一些经济欠发达的中西部省份，如贵州、云南、甘肃等地，婴儿死亡率相对较高，部分地区超过10‰。这反映出这些地区在妇幼保健体系建设、医疗资源可及性以及居民健康素养等方面存在不足，需要进一步加强投入和改进。此外，通过绘制各省份健康指标的箱线图、柱状图等，可以更直观地展示省际健康不平等的分布特征。例如，在绘制各省份每千人口医疗卫生人员数的柱状图时，可以清晰地看到，东部沿海发达省份的医疗卫生人员数量明显高于中西部地区省份，这进一步说明了医疗资源在地区间分布不均衡的状况，而这种不均衡必然会对居民健康产生影响，加剧健康不平等。通过描述性分析还发现，除了经济发展水平与健康指标存在显著相关性外，教育水平、城镇化率等因素也与居民健康状况密切相关。教育水平较高的省份，居民往往具备更强的健康意识和健康管理能力，能够更好地预防疾病，维护自身健康；城镇化率较高的地区，由于基础设施完善、医疗资源相对集中，居民在获取医疗服务方面具有更大的优势。3.3健康不平等的时空演变趋势3.3.1时间维度上的变化趋势随着时间的推移，我国居民健康不平等状况在不同时期呈现出动态变化的特征，这背后受到多种因素的综合影响，其中政策调整和经济发展扮演着至关重要的角色。在过去几十年间，我国医疗卫生政策经历了多次重大调整，这些调整对居民健康不平等产生了深远影响。以改革开放初期为例，我国医疗卫生事业在资源分配上进行了一系列改革，重点加强了基层医疗卫生机构的建设，提高了医疗卫生服务的可及性。这一时期，通过大力培养乡村医生、建立农村合作医疗制度等措施，广大农村地区居民的健康状况得到了显著改善，城乡之间的健康差距在一定程度上有所缩小。例如，农村合作医疗制度的实施，使得农民能够以较低的成本获得基本医疗服务，一些常见疾病的发病率和死亡率明显下降，农民的健康水平得到了有效提升。随着经济的快速发展，居民生活水平大幅提高，这也对健康不平等产生了双重影响。一方面，经济发展带来了医疗卫生资源的不断丰富和医疗技术的飞速进步，整体上提高了居民的健康水平。例如，各省份在经济发展过程中加大了对医疗卫生领域的投入，新建和扩建了大量的医院，购置了先进的医疗设备，吸引了更多优秀的医学人才，使得居民能够享受到更高质量的医疗服务，从而降低了各类疾病的发病率和死亡率。另一方面，经济发展的不平衡也导致了地区间和人群间健康差距的扩大。经济发达地区凭借其雄厚的经济实力，能够更快地引进先进的医疗技术和设备，培养和吸引高端医学人才，进一步提升医疗服务水平；而经济欠发达地区在医疗卫生资源的获取和投入上相对滞后，导致与发达地区的健康差距逐渐拉大。例如，东部沿海发达省份在经济发展的推动下，医疗卫生事业取得了长足进步，居民平均预期寿命不断提高，慢性疾病的防治效果显著；而部分中西部地区由于经济发展相对缓慢，在医疗卫生资源配置、医疗服务质量等方面与东部地区存在较大差距，居民健康水平的提升速度相对较慢。近年来，随着我国健康中国战略的深入实施，一系列旨在促进健康公平的政策措施相继出台，如加强基层医疗卫生服务体系建设、推进分级诊疗制度、完善医疗保障体系等。这些政策的实施在一定程度上缓解了健康不平等问题，不同地区居民的健康差距呈现出逐渐缩小的趋势。例如，分级诊疗制度的推行，引导患者合理分流，使得基层医疗卫生机构能够充分发挥作用，提高了医疗资源的利用效率，让更多居民能够在家门口享受到优质的医疗服务，促进了区域间健康水平的均衡发展。3.3.2空间维度上的分布特征我国居民健康不平等在地理空间上呈现出明显的分布规律，东部、中部、西部三大区域之间存在显著差异，同时省际之间也存在一定的相关性。从区域角度来看，东部地区经济发达，医疗卫生资源丰富，居民健康水平普遍较高。东部沿海省份如江苏、浙江、广东等，拥有众多高水平的医疗机构和优质的医疗资源，每千人口医疗卫生人员数、每千人口医疗卫生机构床位数等指标均高于全国平均水平。这些地区在医疗卫生服务的可及性、质量和效率方面具有明显优势，能够为居民提供全面、及时的医疗服务，有效预防和治疗各类疾病，从而保障居民的健康。例如，江苏省在医疗卫生事业发展方面投入巨大，建立了完善的医疗卫生服务网络，基层医疗卫生机构的服务能力不断提升，居民在预防保健、疾病诊疗等方面能够享受到高质量的服务，因此居民健康水平较高，平均预期寿命较长。中部地区经济发展水平和医疗卫生资源状况处于全国中等水平，居民健康水平也处于中间位置。中部省份在医疗卫生事业发展上取得了一定的成绩，但与东部地区相比仍存在差距。在医疗资源配置方面，虽然拥有一定数量的医疗机构和医疗卫生人员，但在医疗技术水平、高端医疗设备配备等方面还有待提高。例如，河南省作为中部人口大省，医疗卫生事业在不断发展，但由于人口基数大，人均医疗卫生资源相对不足，在应对一些重大疾病和公共卫生事件时，仍面临一定的挑战，居民健康水平的提升也受到一定限制。西部地区经济相对落后，医疗卫生资源相对匮乏，居民健康水平相对较低。西部地区的一些省份，如新疆、西藏、青海等，由于地理环境复杂、经济发展滞后，医疗卫生事业发展面临诸多困难。医疗基础设施建设相对薄弱，医疗卫生人才短缺，导致医疗服务的可及性和质量不高。例如，西藏地区由于海拔高、自然条件恶劣，交通不便，医疗卫生资源的配置和覆盖难度较大，居民在获取医疗服务时面临较大困难，一些常见疾病的发病率较高，居民健康状况受到一定影响。通过空间自相关分析还发现，省际之间居民健康水平存在一定的相关性。相邻省份之间的健康水平往往具有相似性，这可能是由于地理位置相近，自然环境、生活方式和文化习俗等方面具有相似之处，同时在医疗卫生资源的交流和共享方面也更为便利。例如，长三角地区的江苏、浙江、上海等省市，在经济、文化和医疗卫生等方面联系紧密，通过区域合作和资源共享，共同提升了居民健康水平，形成了健康水平相对较高的区域集聚现象。而一些经济欠发达的西部地区省份，由于地理相邻且经济社会发展条件相似，在健康水平上也表现出相对较低的集聚特征。四、基于Grossman模型的实证研究设计4.1变量选取与数据来源4.1.1自变量的确定与度量根据Grossman模型，健康生产需要多种投入要素，这些要素作为自变量纳入研究，对解释居民健康不平等具有关键作用。收入水平是重要的自变量之一，它反映了个体在健康投资上的经济实力。采用人均可支配收入来度量，该数据可从各省份统计年鉴获取。人均可支配收入越高，意味着个体有更多的资金用于购买医疗服务、健康食品，参与健身活动等健康投资行为。例如，高收入群体可以负担得起定期体检、高端医疗保健服务以及优质的营养补充剂，从而更有利于维护和提升自身健康水平。教育程度体现了个体获取和理解健康知识的能力，以及健康意识的高低。以平均受教育年限作为衡量指标，数据来源于教育部门统计资料和人口普查数据。受教育程度高的个体，往往能够更好地理解健康信息，掌握科学的健康生活方式，主动预防疾病。例如，他们更注重合理饮食、适度运动，对吸烟、酗酒等不良生活习惯的危害有更深刻的认识，从而更积极地采取健康行为，降低患病风险。医疗服务利用直接影响健康产出。用每千人口医疗卫生人员数和每千人口医疗卫生机构床位数来衡量医疗服务的可及性和资源数量，从《中国卫生健康统计年鉴》中获取相关数据。每千人口医疗卫生人员数越多，表明居民在就医时能够获得更充足的医疗人力支持，医生可以更细致地诊断和治疗疾病；每千人口医疗卫生机构床位数充足，能保证患者在需要住院治疗时及时得到床位，减少等待时间，有利于疾病的治疗和康复。生活方式因素对健康的影响不容忽视。将吸烟率、体育锻炼参与率纳入自变量。吸烟率通过调查各省份吸烟人口占总人口的比例获得，体育锻炼参与率可通过统计参与体育锻炼的人数占比得到，数据可来源于专项调查或统计部门相关统计。吸烟是多种疾病的重要危险因素，高吸烟率地区居民患呼吸系统疾病、心血管疾病等的风险明显增加；而经常参与体育锻炼有助于增强体质、提高免疫力，降低患病几率。4.1.2因变量的选择与衡量选择合适的健康指标作为因变量，是准确反映居民健康不平等的关键。健康自评是一种常用的主观健康指标，它反映了个体对自身健康状况的综合评价，涵盖了生理、心理和社会适应等多个方面。通过问卷调查的方式，让居民对自己的健康状况进行打分，如分为“非常好”“较好”“一般”“较差”“非常差”五个等级，并分别赋值为5、4、3、2、1。健康自评具有较强的主观性，但它能够综合个体自身的感受和体验，从个体角度反映健康状况，不同自评结果的分布能够体现出健康不平等情况。例如，在一些经济发达、医疗资源丰富且居民健康意识较高的地区，居民健康自评结果可能普遍较好；而在经济欠发达、医疗条件落后的地区，居民健康自评结果可能相对较差。慢性病患病率也是重要的因变量。慢性病如高血压、糖尿病、心血管疾病等，具有病程长、治疗费用高、对生活质量影响大的特点，其患病率能够直观地反映一个地区居民的健康风险和健康负担。通过大规模的流行病学调查或医疗机构的疾病统计数据获取各省份慢性病患病率。较高的慢性病患病率往往意味着该地区居民面临较大的健康威胁，在医疗资源有限的情况下，慢性病患者在治疗和康复过程中可能面临更多困难，进一步加剧健康不平等。例如，一些地区由于不良的生活方式、环境污染等因素，慢性病患病率居高不下，患者可能因无法承担高昂的治疗费用或得不到及时有效的治疗，导致健康状况恶化，与其他地区居民的健康差距进一步拉大。4.1.3控制变量的考量与设定为了更准确地探究自变量对因变量的影响，需要考虑其他可能影响健康不平等的因素，并将其作为控制变量纳入模型。地区固定效应是重要的控制变量。我国地域广阔，不同地区在自然环境、文化习俗、医疗卫生政策等方面存在显著差异，这些因素会对居民健康产生影响。例如，西部地区部分省份自然环境恶劣，气候干燥、风沙大，可能导致居民呼吸系统疾病的发病率较高；而东部沿海地区经济发达，医疗卫生政策更为完善，对居民健康的保障力度更大。通过设置地区固定效应，可以控制这些不随时间变化的地区特征对健康不平等的影响，使研究结果更准确地反映自变量与因变量之间的关系。时间趋势也是不可忽视的因素。随着时间的推移，我国整体的经济发展水平、医疗卫生技术、公共卫生服务水平等都在不断变化，这些变化会对居民健康产生影响。例如，近年来我国在医疗卫生领域的投入不断增加，新的医疗技术和药物不断涌现，居民的健康水平得到了整体提升。通过控制时间固定效应，可以消除时间因素对健康不平等的影响，突出不同省份之间在健康水平上的相对差异。此外，人口老龄化程度也是需要考虑的控制变量。老年人口由于身体机能下降，对医疗服务的需求较高，患病风险也相对较大。各省份人口老龄化程度不同，会对该地区的健康状况和健康不平等产生影响。用65岁及以上老年人口占总人口的比例来衡量人口老龄化程度，数据来源于各省份统计年鉴。在模型中控制人口老龄化程度，可以避免其对研究结果的干扰，更准确地分析其他因素对健康不平等的作用。4.1.4数据来源与样本描述本研究的数据主要来源于多个权威渠道，以确保数据的准确性和可靠性。国家统计局发布的《中国统计年鉴》提供了丰富的宏观经济社会数据，包括各省份的人口、经济、教育等方面的信息，为研究提供了基础数据支持。例如，通过该年鉴可以获取各省份的人均GDP、人口总数、人口年龄结构等数据，这些数据对于分析经济发展水平和人口特征对居民健康的影响至关重要。国家卫生健康委员会公布的《中国卫生健康统计年鉴》是获取医疗卫生相关数据的重要来源，包含了各省份的医疗卫生资源配置、健康指标等详细数据。如每千人口医疗卫生人员数、每千人口医疗卫生机构床位数、居民平均预期寿命、各类疾病的发病率和死亡率等数据，都可从该年鉴中获取，这些数据对于研究医疗服务利用和健康不平等状况具有重要价值。中国健康与营养调查（CHNS）数据则从微观层面补充了居民个体的健康行为、生活方式等信息。该调查涵盖了多个省份的家庭和个人，包括居民的饮食结构、吸烟饮酒习惯、体育锻炼情况、健康自评等数据，能够为研究提供更细致的个体层面数据，有助于深入分析个体行为因素对健康不平等的影响。对样本进行描述性统计，结果显示各变量在不同省份之间存在一定的差异。人均可支配收入方面，东部沿海省份的人均可支配收入明显高于中西部地区省份，最高省份与最低省份之间相差数万元。平均受教育年限也呈现出地区差异，经济发达地区的平均受教育年限普遍较长，部分省份超过10年，而一些中西部欠发达地区平均受教育年限相对较短，在8-9年左右。在健康指标上，健康自评得分在各省份之间也存在分布差异，慢性病患病率同样呈现出不同的水平，这些差异初步反映了我国省际居民健康不平等的现状。4.2计量模型的构建与选择4.2.1模型设定的理论依据基于Grossman模型的理论框架，构建如下计量经济学模型来探究我国居民健康不平等的影响因素：Health_{it}=\alpha+\beta_1Income_{it}+\beta_2Education_{it}+\beta_3Medical_{it}+\beta_4Lifestyle_{it}+\sum_{j=1}^{n}\gamma_jControl_{jit}+\mu_i+\nu_t+\epsilon_{it}其中，Health_{it}表示第i个省份在第t年的居民健康水平，用健康自评或慢性病患病率来衡量；Income_{it}表示第i个省份在第t年的人均可支配收入；Education_{it}表示第i个省份在第t年的平均受教育年限；Medical_{it}表示第i个省份在第t年的医疗服务利用情况，包括每千人口医疗卫生人员数和每千人口医疗卫生机构床位数；Lifestyle_{it}表示第i个省份在第t年的居民生活方式因素，如吸烟率、体育锻炼参与率；Control_{jit}表示第i个省份在第t年的控制变量，包括人口老龄化程度等；\mu_i表示地区固定效应，用于控制不随时间变化的地区特征；\nu_t表示时间固定效应，用于控制时间趋势的影响；\epsilon_{it}为随机误差项。该模型假设人均可支配收入的增加会提高居民的健康投资能力，从而对健康水平产生正向影响，即\beta_1>0；平均受教育年限的增长会提升居民的健康意识和健康知识水平，进而改善健康状况，\beta_2>0；医疗服务利用的增加，如每千人口医疗卫生人员数和床位数的增多，能够提高医疗服务的可及性和质量，对健康有积极作用，\beta_3>0；良好的生活方式，如低吸烟率和高体育锻炼参与率，有利于维持健康，\beta_4的符号根据具体生活方式因素而定。通过该模型，可以定量分析各因素对居民健康不平等的影响程度和方向。4.2.2模型估计方法的选择与依据在模型估计方法上，考虑到本研究使用的是面板数据，存在个体异质性和时间趋势等问题，主要考虑固定效应模型和随机效应模型。固定效应模型假设个体的异质性是固定不变的，通过控制个体固定效应和时间固定效应，可以有效消除不随时间变化的个体特征和时间趋势对结果的影响。对于本研究来说，各省份在自然环境、文化习俗等方面存在的固有差异是不随时间变化的，这些因素可能会影响居民健康水平，如果不加以控制，会导致估计结果出现偏差。固定效应模型能够很好地处理这些问题，使估计结果更准确地反映自变量与因变量之间的关系。随机效应模型则假设个体异质性是随机分布的，它利用了个体和时间两个维度的信息，在一定程度上提高了估计效率。然而，随机效应模型要求个体异质性与自变量不相关，如果这一假设不成立，会导致估计结果有偏。根据Hausman检验来选择合适的模型。Hausman检验的原假设是随机效应模型是一致且有效的，如果拒绝原假设，则应选择固定效应模型。经过Hausman检验，本研究结果拒绝了原假设，因此选择固定效应模型进行估计。固定效应模型能够更好地控制个体异质性和时间趋势，使研究结果更具可靠性和说服力，从而更准确地揭示我国居民健康不平等的影响因素。五、实证结果与分析讨论5.1模型估计结果呈现通过运用固定效应模型对基于Grossman模型构建的计量经济模型进行回归估计，得到了各变量对居民健康水平的影响结果，如表1所示。变量系数估计值标准误t值P值[95%置信区间]人均可支配收入（Income）0.056***0.0124.670.000[0.032,0.080]平均受教育年限（Education）0.045***0.0104.500.000[0.025,0.065]每千人口医疗卫生人员数（Medical1）0.038***0.0094.220.000[0.020,0.056]每千人口医疗卫生机构床位数（Medical2）0.025**0.0112.270.024[0.003,0.047]吸烟率（Smoking）-0.030***0.008-3.750.000[-0.046,-0.014]体育锻炼参与率（Exercise）0.028***0.0074.000.000[0.014,0.042]人口老龄化程度（Aging）-0.022**0.010-2.200.028[-0.042,-0.002]常数项（Constant）2.350***0.2509.400.000[1.850,2.850]注：*、、*分别表示在1%、5%、10%的水平上显著。从表1中可以直观地看到各变量的系数估计值、标准误、t值、P值以及95%置信区间。人均可支配收入的系数为0.056，且在1%的水平上显著，这表明人均可支配收入每增加一个单位，居民健康水平（以健康自评衡量）平均提高0.056个单位，说明收入水平的提高对居民健康具有积极的促进作用。平均受教育年限的系数为0.045，同样在1%的水平上显著，意味着平均受教育年限的增长能够显著提升居民健康水平。在医疗服务利用方面，每千人口医疗卫生人员数和每千人口医疗卫生机构床位数的系数分别为0.038和0.025，且分别在1%和5%的水平上显著，表明医疗服务资源的增加对居民健康有正向影响，且医疗卫生人员数的影响相对更为显著。生活方式因素中，吸烟率的系数为-0.030，在1%的水平上显著，说明吸烟率的上升会对居民健康产生负面影响；体育锻炼参与率的系数为0.028，在1%的水平上显著，体现出体育锻炼参与率的提高有助于提升居民健康水平。人口老龄化程度的系数为-0.022，在5%的水平上显著，说明随着人口老龄化程度的加深，居民健康水平会有所下降。通过这些结果，初步呈现了各变量与居民健康水平之间的关系，为后续深入分析影响效应奠定了基础。5.2主要变量的影响效应分析5.2.1经济因素对健康不平等的影响经济因素在居民健康不平等中扮演着关键角色，其中收入水平和经济发展水平是两个重要方面。从收入水平来看，实证结果显示人均可支配收入与居民健康水平呈显著正相关。收入的增加为居民提供了更多的健康投资能力，使其能够在多个方面提升健康水平。在医疗服务获取上，高收入居民有足够的经济实力支付高质量的医疗服务费用，能够选择更先进的治疗技术和经验丰富的医生，及时有效地治疗疾病，降低患病风险和疾病对健康的损害程度。例如，一些高收入人群可以负担得起私立医院的高端体检套餐和个性化医疗服务，能够更早地发现潜在的健康问题并进行干预。在生活方式改善方面，高收入使得居民能够购买更优质、营养丰富的食品，满足身体对各种营养素的需求，增强身体素质。同时，他们有更多的资金用于参加健身活动、购买健身器材，保持良好的身体状态。例如，高收入家庭可以定期购买有机蔬菜、水果和优质肉类，还能为家庭成员办理健身俱乐部会员，鼓励家人积极参与体育锻炼。从经济发展水平角度，地区经济的繁荣往往伴随着医疗卫生事业的进步。经济发达地区有更多的财政收入用于医疗卫生领域的投入，能够建设更多先进的医疗机构，购置高端的医疗设备，吸引优秀的医学人才，提高医疗服务的质量和可及性。例如，上海、北京等经济发达城市，拥有众多国际知名的医院和先进的医疗技术，在心血管疾病、癌症等重大疾病的治疗上处于国内领先水平，为当地居民提供了有力的健康保障。然而，经济因素也可能加剧健康不平等。在经济发展不平衡的情况下，低收入地区和人群由于经济实力有限，在健康投资上存在困难。他们可能无法承担高昂的医疗费用，只能选择基本的医疗服务，导致一些疾病得不到及时有效的治疗。在生活方式上，低收入人群可能因经济原因，只能购买价格低廉、营养成分相对较低的食品，居住环境也可能较差，缺乏必要的体育锻炼设施和场所，这些因素都不利于维护和提升健康水平，从而与高收入地区和人群的健康差距逐渐拉大。5.2.2社会因素对健康不平等的影响社会因素如教育程度、社会福利、医疗保险等在居民健康不平等中起着重要作用。教育程度与居民健康水平呈现显著正相关。教育通过多种途径影响健康。一方面，教育提升了居民的健康意识和知识水平。受教育程度高的居民能够更好地理解健康信息，掌握科学的健康知识，如合理饮食、适度运动、疾病预防等方面的知识。他们更注重自身健康管理，能够主动采取健康的生活方式，预防疾病的发生。例如，高学历人群通常能够认识到吸烟、过量饮酒对健康的危害，从而更自觉地避免这些不良行为。另一方面，教育有助于居民获得更好的职业和收入，进而拥有更多的资源用于健康投资。良好的教育背景使居民在就业市场上具有竞争力，能够获得较高收入的工作，从而有能力购买优质的医疗服务、健康食品和参与健康活动。例如，拥有大学本科及以上学历的人群，往往能够进入待遇较好的企业或单位工作，获得稳定的收入和较好的福利待遇，这为他们维护健康提供了经济基础。社会福利和医疗保险对居民健康也有着重要影响。完善的社会福利体系能够为居民提供基本的生活保障和健康支持，减少因经济困难导致的健康风险。例如，一些地区为低收入家庭提供生活补贴、住房保障等福利，减轻了他们的生活压力，使他们能够将更多的资源用于健康维护。医疗保险作为社会福利的重要组成部分，极大地提高了居民医疗服务的可及性。参加医疗保险的居民在患病时能够获得一定比例的医疗费用报销，降低了医疗负担，使他们更愿意及时就医，接受必要的治疗。然而，不同地区和人群之间的社会福利和医疗保险水平存在差异，一些经济欠发达地区的社会福利相对薄弱，医疗保险的报销比例和覆盖范围有限，导致当地居民在面对疾病时仍可能面临较大的经济压力，影响健康水平。例如，一些农村地区的居民虽然参加了新型农村合作医疗，但在治疗一些重大疾病时，由于报销比例较低，个人仍需承担高额的医疗费用，这可能导致部分患者放弃治疗或延误治疗时机。5.2.3环境与生活方式因素对健康不平等的影响环境与生活方式因素对居民健康不平等产生着重要影响。居住环境是影响健康的重要因素之一。良好的自然环境，如清新的空气、清洁的水源、安静舒适的居住空间，有利于居民的身心健康。在一些生态环境优美的地区，居民患呼吸系统疾病、心血管疾病等的风险相对较低。然而，随着工业化和城市化的快速发展，部分地区面临着严重的环境污染问题，如空气污染、水污染、土壤污染等，这对居民健康构成了严重威胁。例如，一些重工业城市由于工业废气排放量大，空气质量较差，居民长期暴露在污染的空气中，患呼吸道疾病、肺癌等疾病的概率明显增加。社会环境同样不容忽视。社会支持网络完善、人际关系和谐的地区，居民在面临压力和困难时能够得到及时的帮助和支持，心理压力相对较小，有利于维护心理健康。相反，在社会环境较差的地区，如犯罪率高、社会矛盾突出的地区，居民可能长期处于紧张和焦虑的状态，对身心健康产生负面影响。生活习惯对健康的影响也十分显著。健康的生活习惯，如合理饮食、适量运动、规律作息等，能够增强身体免疫力，降低患病风险。例如，坚持每天进行适量体育锻炼的人群，其心血管功能、肌肉力量和身体耐力都相对较好，患慢性疾病的风险较低。而不良的生活习惯，如吸烟、酗酒、熬夜、过度摄入高热量高脂肪食物等，会对身体健康造成损害，增加患病的可能性。长期吸烟的人患肺癌、心血管疾病的风险远高于不吸烟人群；过度饮酒会损害肝脏、胃肠道等器官的功能。职业特征也与健康密切相关。一些职业面临着较高的健康风险，如从事矿业、化工、建筑等行业的工人，可能会接触到有害物质、噪音、粉尘等，容易患上职业病。例如，煤矿工人长期在井下工作，吸入大量粉尘，患尘肺病的风险较高；化工工人可能会接触到有毒化学物质，对身体的神经系统、呼吸系统、生殖系统等造成损害。相比之下，一些办公室工作的人群，虽然工作环境相对舒适，但长期久坐不动，缺乏运动，也容易引发一些慢性疾病，如颈椎病、腰椎间盘突出症、肥胖症等。为了改善环境与生活方式因素对健康不平等的影响，需要采取一系列措施。在环境治理方面，政府应加大对环境污染的治理力度，加强对工业企业的监管，推动产业升级和转型，减少污染物排放。同时，加强城市绿化建设，改善居民的生活环境。在生活方式引导方面，加强健康教育，提高居民的健康意识，倡导健康的生活方式。通过社区宣传、学校教育、媒体传播等多种途径，普及健康知识，引导居民养成良好的生活习惯。对于高风险职业，企业应加强劳动保护措施，为工人提供必要的防护设备，定期组织职业健康检查，保障工人的身体健康。5.3稳健性检验与结果可靠性分析5.3.1检验方法的选择与实施为了验证实证结果的可靠性，本研究采用多种稳健性检验方法。首先，更换估计方法。在原固定效应模型的基础上，采用随机效应模型进行重新估计。随机效应模型假设个体效应是随机分布的，与固定效应模型的假设有所不同。通过比较两种模型的估计结果，可以判断原结果是否受到模型设定的影响。在实施过程中，运用统计软件对数据进行重新处理，得到随机效应模型下各变量的系数估计值和相关统计量。其次，调整样本范围。对样本进行缩尾处理，将样本中处于极端值的观测值进行调整，以避免极端值对结果的影响。具体来说，将各变量的1%分位数以下和99%分位数以上的观测值分别调整为1%分位数和99%分位数的值。然后，在调整后的样本上重新进行回归分析，观察结果的变化。此外，还采用了替换变量的方法。用其他相关变量替代原模型中的部分变量，以检验结果的稳健性。例如，用居民消费价格指数（CPI）调整后的人均可支配收入替代原始的人均可支配收入，以消除价格因素的影响；用每千人口执业（助理）医师数替代每千人口医疗卫生人员数，以更准确地衡量医疗服务的质量。对替换变量后的模型进行回归估计，分析系数的变化情况。5.3.2检验结果的解读与讨论从稳健性检验的结果来看，不同检验方法得到的主要变量系数方向和显著性水平基本保持一致。在更换估计方法为随机效应模型后，虽然部分变量的系数估计值在数值上略有变化，但系数的正负方向未发生改变，且大部分变量仍在1%或5%的水平上显著。这表明原固定效应模型的估计结果较为稳健，不受模型设定的显著影响。调整样本范围后，各变量的系数估计值和显著性水平也未出现明显变化。缩尾处理有效地减少了极端值对结果的干扰，进一步验证了实证结果的可靠性。在替换变量后，新模型的回归结果同样显示出与原模型相似的趋势。用CPI调整后的人均可支配收入和每千人口执业（助理）医师数替代原变量后，这些变量对居民健康水平的影响方向和显著性与原变量基本一致。这说明原模型中变量的选择具有合理性，结果具有较高的稳定性。综合稳健性检验的结果，可以判断本研究的实证结果是稳健可靠的。各影响因素对居民健康不平等的作用方向和程度在不同检验方法下保持相对稳定，为研究结论的可靠性提供了有力支持。这也表明基于Grossman模型构建的计量经济模型能够较好地解释我国居民健康不平等的现象，研究结果具有一定的可信度和参考价值。六、结论与政策建议6.1研究结论总结本研究基于Grossman模型，通过对我国省际面板数据的深入分析，全面探究了我国居民健康不平等的现状、影响因素及内在机制，得出以下主要结论：我国省际居民健康不平等现象显著，在平均预期寿命、婴儿死亡率、慢性病患病率等关键健康指标上，不同省份之间存在明显差距。东部经济发达地区居民健康水平普遍较高，而中西部部分地区相对较低，这种差距在时间和空间维度上呈现出一定的演变特征。在影响因素方面，经济因素对居民健康不平等有着重要影响。人均可支配收入的提高能够显著提升居民健康水平，收入的增加使居民有更多资源用于健康投资，包括购买优质医疗服务、健康食品以及参与健身活动等。同时，地区经济发展水平的差异也导致了医疗卫生资源配置的不均衡，经济发达地区能够投入更多资金建设先进的医疗机构，吸引优秀医疗人才，从而为居民提供更好的健康保障。社会因素如教育程度、社会福利和医疗保险等同样不容忽视。平均受教育年限的增长与居民健康水平呈正相关，教育提升了居民的健康意识和知识水平，使其能够更好地采取健康行为，预防疾病。完善的社会福利体系和医疗保险制度能够减轻居民的经济负担，提高医疗服务的可及性，对居民健康起到积极的促进作用。然而，不同地区和人群在教育资源获取、社会福利享受和医疗保险覆盖程度上存在差异，这在一定程度上加剧了健康不平等。环境与生活方式因素对居民健康不平等也产生重要影响。良好的居住环境和健康的生活方式，如清新的空气、合理饮食、适量运动等，有助于维持居民健康；而环境污染、不良生活习惯如吸烟、酗酒等则会损害健康。不同地区在环境质量和居民生活方式上的差异，进一步拉大了健康差距。通过稳健性检验，验证了实证结果的可靠性，表明本研究基于Grossman模型构建的计量经济模型能够较好地解释我国居民健康不平等的现象，各影响因素对居民健康不平等的作用方向和程度具有较高的稳定性。6.2政策建议与实践启示6.2.1促进经济均衡发展，缩小健康差距为促进经济均衡发展，缩小地区间健康差距，政府应加大对中西部地区的政策支持力度，在财政转移支付、税收优惠、产业扶持等方面给予倾斜。在财政转移支付上，建立科学合理的财政转移支付制度，加大对中西部地区的一般性转移支付规模，提高其财政保障能力，使其有更多资金投入到医疗卫生、教育等民生领域。例如，增加对中西部地区医疗卫生基础设施建设的专项资金支持，帮助其新建和扩建医院，改善医疗条件。在税收优惠方面，对在中西部地区投资兴业的企业给予税收减免政策，吸引更多企业入驻，促进当地经济发展。如对在中西部地区设立的高新技术企业，给予一定期限的企业所得税减免优惠。在产业扶持上，结合中西部地区的资源优势和产业基础，引导产业向这些地区转移，推动产业升级和转型。比如，在一些资源丰富的中西部地区，扶持发展资源深加工产业，提高产业附加值，增加就业机会，带动当地经济增长。推动区域间产业协同发展，实现优势互补。加强东部发达地区与中西部地区的产业合作，通过共建产业园区、开展产业对接活动等方式，促进产业要素的流动和优化配置。例如，在长三角地区与中西部地区共建产业园区，由长三角地区提供资金、技术和管理经验，中西部地区提供土地、劳动力等资源，实现互利共赢。同时，鼓励东部地区的企业在中西部地区设立生产基地、研发中心等，带动中西部地区产业技术水平的提升。通过这些措施，促进中西部地区经济的快速发展，提高居民收入水平，增强居民的健康投资能力，从而缩小与东部地区的健康差距。例如，随着中西部地区经济的发展，居民收入增加，他们能够更好地负担医疗费用，改善生活条件，提高健康水平。6.2.2优化教育资源配置，提升健康素养为优化教育资源配置，提升居民健康素养，政府应加大对农村和贫困地区教育资源的投入力度，改善办学条件。增加教育经费投入，用于建设现代化的教学楼、实验室、图书馆等教学设施，配备先进的教学设备，为学生提供良好的学习环境。例如，为农村学校建设多媒体教室，配备计算机、投影仪等设备，实现教育信息化，提高教学质量。加强师资队伍建设，通过提高农村和贫困地区教师的待遇、提供更多的培训和晋升机会等方式，吸引和留住优秀教师。比如，设立农村教师专项补贴，提高农村教师的工资待遇，鼓励优秀教师到农村任教。同时，定期组织教师参加专业培训，提升教师的教学水平和专业素养。加强健康教育，将健康知识纳入学校教育体系，从青少年时期培养居民的健康意识和健康行为习惯。编写专门的健康教育教材，涵盖营养饮食、运动健身、心理健康、疾病预防等方面的知识，确保健康教育课程在学校的常态化开展。例如，在中小学开设健康教育课程，每周安排一定课时，由专业教师授课，通过课堂教学、实践活动等方式，让学生掌握健康知识和技能。此外，利用社区宣传、媒体传播等多种渠道，普及健康知识，提高居民的健康素养。比如，在社区举办健康讲座、发放健康宣传资料，通过电视、广播、