张行 罗睿络

【摘要】基于2000 ～ 2017年我国家庭健康报告大数据，检验居民收入分配差异（不公平）对个体健康产出的影响效用。研究发现：收入分配不公平和个体积聚健康产出之间有较强负向关联;控制个体收入变量时，收入分配不公平对健康的负向效用会明显减弱;控制区域变量时，收入分配不公平与健康之间的关联性减弱;收入分配不公平不仅对个体心理产生负面影响，还通过心理机制作用于个体收入能力，继而对各收入层级群体健康产出产生较大影响。

【关键词】居民健康;收入分配;不平等;效用分析

【中图分类号】F014.4      【文献标识码】A      【文章编号】1004-0994（2020）08-0153-8

一、问题的提出

经济增长能够促进居民健康水平提升，也是影响我国居民生活幸福指数的重要因素。表面上看，经济发展水平与居民幸福指数之间应该是一种线性增长关系，但盖洛普的调查显示，我国居民的幸福指数与经济发展水平之间并不存在这种线性关系，其与健康水平的弱关联性更加突出。这种逆结果产生的原因之一是收入分配差异，也就是我国社会经济领域存在收入分配不均或不公平的现象。

学者们已经从多个角度来论证收入分配不公平与健康的关联性[1-3] 。有学者开始推理收入分配不公平可能导致健康产出降低[4] ，也有学者探讨个体社会经济状态对健康的影响[5，6] ，但并没有检验相对或者绝对的社会经济状态的影响研究。Bound John[7] 研究发现，不同年龄组（教育程度）的个体的收入分配层级有较大差异。但这并不能验证收入分配层级的合理性，即“健康产出”对低收入层级和高收入层级不同程度的影响是合理的。Mcinnes等[8] 利用与人类相近的动物进行验证性实验，在保证饮食和其他环境稳定的情况下，改变其社会层级，发现较低的社会层级对个体健康有直接影响。

“收入分配的不公平假设”（下文简称“IIH”）已经引起了公众、媒体和政府的关注，是一项亟待研究的社会问题。这类研究多使用集聚数据，对控制变量的影响尚未重视，仅有少数研究关注，但也未能全面体现控制变量的影响。如在控制“个体收入”变量的情况下，Fiscella和Franks[9] 研究发现死亡率与调查样本中最贫困50%群体收入比重之间并没有关联性。而Nicole等[10] 研究发现，收入分配不公平与个体自评估健康之间存在显著统计关联性，使用两个5年期收入面板数据研究收入分配不公平在不同收入层级群众中的影响，发现两期检验结果都不显著，第二期的IIH较第一期明显。但这一研究中并没有包含“区域发展”变量，实际上区域发展对健康服务状况、社会饮食规则和相关体育设施等方面的影响较大，对收入分配不公平有影响，导致收入分配不公平对健康产出影响的估计可能显示高程度的IIH关联性。Daly等[11] 检验了不同测度方式下收入分配不公平对婴儿死亡率和低出生率的影响，同时也估计了控制或不控制未观测到的区域特征情况下收入分配不公平对个体健康的影响，发现不同收入分配不公平测度方法下，控制收入和其他特征变量的情况后，收入分配不公平对健康产出的效用并不显著。Deaton等[12] 以出生率来测度收入分配不公平，并通过结构模型估计既定特征群体收入分配不公平对个体健康的影响，结果显示收入分配不公平和个体死亡率风险之间无关联性，但这也不表示IIH关联性较弱。

Mellor等[13] 对相关控制变量的影响进行了研究，发现收入分配不公平和死亡率关联性在时间序列中表现较为敏感，此研究主要将死亡率和收入作为检验对象，并控制了其他人口特征变量。即便如此，个体层面特征的多样性和多变性使得检验结果稳定性较弱。有学者认为若个体健康是收入的非线性函数，收入分配不公平则可能与健康存在虚假关联性，例如，个体收入是健康的凹函数，集聚健康不仅仅受到均值收入的影响，还要考虑收入分配差异的影响 [14] 。在个体因素基础上，个体所处区域经济发展因素也是影响IIH是否成立的关键，相关研究已得出了综合性结果，认为不同区域的饮食方式、生活方式和环境、医疗照顾质量等对健康产出有随机效用[15] 。例如，我国东中西三个区域内个体的生活状态差异巨大;区域发展模式对收入分配不公平也有重要影响，如生产就业区域变动性、区域间劳动力移动情况和单亲家庭数量逐渐增多等;东中西三个区域内家庭收入基尼系数也有较大差异，呈现从西到东逐渐减小的趋势[16-19] 。可见，只控制个体收入对健康的影响效用，而不控制区域差异，收入分配不公平和健康之间也可能存在虚假关联性。

综上所述，本文将在理论分析基础上检验收入分配差异对健康水平的影响，并提出解决收入分配差异、提升居民健康水平和缓解居民贫困的对策建议。

二、理论分析

本文依据经典的供需模型构建收入分配不公平与健康水平的理论模型，将食品消费和营养作为主要的健康影响变量。一般情况下，收入分配与健康都是处于某种均衡状态下，一旦两个要素之间关联性发生变化，或者某种要素进入均衡模型，则可能导致不均衡发生，进而对经济发展态势产生影响。对于消费者收入分配改变之后的市场均衡分析一般會使用比较静态分析法。假定市场价格是自由形成的，依据收入水平将群体划分为5个层级。假定区域中所有个体都面临同样商品价格和市场特征。在比较静态的分析框架下，个体在健康层面的收入分配选择效用是不断变化的。本文将价格和收入层级的需求收入弹性两个要素纳入分析模型，估计影响健康（卡路里和蛋白质摄入）的收入弹性在各收入层级的具体表征。此处弹性是指特定层级的卡路里和蛋白质摄入是收入变化的函数，具体形式为：

ec（m）=[i=1Aciqi（m）Ei（m）i=1Aciqi（m）]和epr（m）=[i=1Apriqi（m）Ei（m）i=1Apriqi（m）]。

其中，ec（m）是卡路里摄入的价格弹性，epr（m）是蛋白质摄入的价格弹性，A表示消费产品的数量，ci表示每个单位的卡路里的量，pri表示每个单位的蛋白质的量，qi（m）是消费量，Ei（m）表示需求的价格弹性，i和m分别表示产品和层级序列。此处的弹性测度主要用于在消费供给价格弹性下，估计收入分配变化对卡路里和蛋白质两种要素的影响效用。

假定市场均衡初期的产品i的价格是   ，新的均衡下产品价格为   ，随着供给和需求曲线的变化，则均衡转变情况下的产品价格为：

（1）

其中，△Si表示产品i的供给曲线的水平变动，△Di表示产品i的需求曲线的水平变动，esi表示产品i供给的价格弹性，ei表示产品i的需求价格弹性，    表示产品i初始均衡的数量。

供给是固定的且完全无弹性，△Si=esi=0，产品i的总消费量是常数。△Di表示第n层级的产品i的需求水平变动总和，即                          ，且可以通过层级m的收入的变化（△Y（m））来估计。而层级m对于产品i的需求的收入弹性为Ei（m），且初始消费的数量为m（     ），因此可得：

△Di=[m=1nb（m）Ei（m）q0i（m）]  （[b（m）=△YYm]） （2）

每一个收入层级消费数量的调整可以通过需求曲线变化引起的收入变化导致的需求数量总量的变动来估计，均衡中价格变动反映的是需求曲线的移动方向。m层级调整的数量主要由当期的价格和收入变动来决定，即：

所有层级的群体面对的市场具有同质性，消费价格的变化对所有层级而言具有同质性。因此，m层级的数量调整主要由价格的变动而引起，即：

且m层级对产品i消费数量总的变化可以表示为：

其中，ei（m）是m层级的需求价格弹性。若考虑蛋白质摄入估计值最大效用值，可以在给定收入层级的收入变化量△Y（m）情况下，通过蛋白质摄入量的变化来估计，即：

其中，       表示m层级收入变化前的蛋白消费数量，pri表示每单位产品i的蛋白质量，t表示产品的数量，则总的供给量是常数，即：[m=1n△pr（m）=0]。

个体卡路里摄入以同样方式通过蛋白摄入收入弹性来估计，且蛋白摄入收入分配的弹性亦可通过产品i消耗卡路里的收入弹性来估计。上述估计都假定个体收入层级是不断变化的。在收入转移支付情况下，总收入处于常数状态，这一阶段的收入变化需保证[m=1n△Ym=0]。

假定所有收入层级为获取固定营养水平而处于相互竞争状态，某一个层级收入变动会对其他层级的营养摄入产生影响。因此，某一个层级营养摄入的减少或缺乏也可能对其他缺乏营养群体产生影响，这就产生了恶性循环。各个层级需一定程度的收入增长来消除营养缺乏或者用于规避营养欠缺风险。

从等式（7）可得：

最低收入层级群体最小程度收入变动需要满足该层级蛋白质需求量，可以用等式（8）中潜在蛋白质缺乏量△qpr（m）来替代，且△qpr（m）=Kpr（m）-       ，其中Kpr（m）是层级m最低程度的卡路里消耗量。最低程度收入变动需要移除所有层级的营养缺乏量，且还可规避由等式（8）估计的其他层级的营养欠缺风险，包括营养缺乏层级收入变化引起其他层级营养缺乏的情况。在收入转移支付情况下，总收入不变，收入从一个层级转移到另一个或者更多营养缺乏的层级需求量可以通过上述等式整合获取，并且满足

[m=1n△Ym=0]。

上述营养要素供给都可以通过自评估健康调查来获得数据，与各个层级收入变化的关联分析主要基于收入分配不公平性效用假设，且收入较低层级群体健康一般处于较差状态。关于收入分配不公平性和健康之间的关联性有两种不同观点：①不公平可能对所有社会成员来说是一种“坏”的公共产品（强程度的IIH），或者仅仅对于处于小康水平的社会群体产生影响（弱程度的IIH）。即使IIH承认收入分配不公平影响健康的理論证据缺失，但研究显示收入不公平的心理层面影响更为明显。例如，群体之间相对收入剥夺可能导致对特定层级产生不满或嫉妒，这也可能导致他们进行破坏性或者自我破坏性行为。②收入分配不公平的存在可能破坏整个社会的凝聚力、阻碍社会资本的形成，并通过各种个体风险行为和社会经济要素来影响健康水平。由此可见，不管实际层面的作用机制如何，收入分配不公平和集聚健康之间关联性都可以通过不同地区各收入层级群体对产品需求与收入变化关系来估计。大多数研究已经证实了收入分配不公平和以区域水平测度的集聚健康之间存在关联性，但影响路径仍然未知，因此需要进一步论证与分析。

三、数据来源与变量测度

（一）数据来源

为了检验观察样本的收入分配不公平与健康（在可允许的估计偏差之内的产品）之间是否存在持续关联性，本文使用中国家庭健康大数据报告（2000 ～ 2017年）进行研究，其中关于个体的健康状态都是通过自我报告的方式获取。选此数据主要基于以下原因：样本量足以保障分析的信度和效度;关于收入的调查时间跨度较大;调查中对于个体特征、区域特征和省份特征进行了分类;样本年龄在25 ～ 74周岁之间。最终获取309135份居民数据，主要截取2005 ～ 2009年和2013 ～ 2017年两个5年期数据，并且使用第二个5年期截取样本数据来检验健康和更窄范围内的收入分配不公平之间的关联性（样本量为216572份居民数据），对个体特征和收入分配不公平变量进行加权处理。

（二）变量测度

1. 个体健康变量测度。个体健康数据主要采用自我报告调查方式，相关研究已经证实了控制其他变量的情况下，健康主要指标与死亡率之间存在显著关联性。但是，自我评估式的健康报告具有主观性，且容易受到一些非健康要素的影响。为了规避此类问题，本文确定了健康状态的调查范围。健康状态自评估分为5个级别，对健康状态进行虚拟变量设计，即“1”表示一般或者较差，“0”表示其他。

2. 个体特征变量测度。控制了家庭收入对健康的非线性效用，关于健康与收入的描述都包含家庭规模;为了规避通脹的影响，使用消费者价格指数来调整家庭收入水平;其他个体层面特征包含年龄、年龄的R2调整、名族、性别、婚姻状态、医疗保险参与情况、居住区域状况和教育程度等。各变量的描述性统计结果见表1。

3. 收入分配不公平测度。本文通过三种方式来测度收入分配不公平，均对个体或者家庭赋予一定权重来实现标准化。样本中收入分配不公平主要体现在最低和最高两种状态，数值分别为252和4509，省际层面的均值收入通过样本均值体现。第一种方式是家庭实际收入在省际均值收入中的变动系数（CV），省际间变动系数值的取值范围是69.1 ～ 142.9;第二种方式是使用家庭收入的90%和10%之间比例，此指数的均值是9.94，取值范围是5.89 ～ 17.5;第三种方式是家庭收入前50%的群体的收入比重，此指标的均值为0.799，取值范围是0.759 ～ 0.857。为了加入“省际差异层面”变量，本文对收入和不公平性变量进行了均值处理，剔除了50份家庭统计数据值。各变量的描述性统计结果见表2。

四、实证估计

在上述变量设置和数据选取基础上，本文就收入分配不公平和健康状态之间的关联性进行估计，主要分为收入和收入不公平性估计、强程度IIH估计、弱程度IIH估计。

（一）集聚期内收入和收入不公平性估计

使用OLS模型来检验收入和收入不公平性对集聚期内的健康状态影响效用。健康状态主要通过个体自评的一般或者较差的健康水平来测度（见表3）。表3显示收入均值和收入分配不公平均值与健康状态之间关系在省际层面显著。当然，这并不表示二者关联性并不是因果关系，因此本文转向个体层面分析。

（二）强程度IIH估计

本文通过个体健康状态的概率模型来估计收入均值和区域层面的收入分配不公平性之间关联性（结果见表4 ～ 表6），即检验不公平对所有个体的影响效用（强程度IIH检验）。（1）  ～（3）列结果是使用省际层面均值收入和区域层面的收入不公平性数据;（4） ～ （6）列结果是使用城镇区域收入均值和城镇区域层面的收入不公平性数据;标准差主要使用控制省际和城镇区域情况下的稳健性方差估计值。表4是使用收入变动系数测度收入分配不公平的分析结果，表5和表6分别是其他测度方式的结果。

首先，在剥离其他控制变量情况下，收入均值和区域层面的不公平性边际效用估计与总量分析结果在规模和显著性方面类似。其次，估计中增加对个体特征和年份虚拟变量控制。为了体现健康状态和个体收入之间的非线性关系，本文对家庭收入的样条函数（Spline Function）进行估计，其中节点（Knots）定义为收入分配的五分位数。其他个体特征为解释变量，如年龄、民族、性别、婚姻状况、教育和医疗保险参与情况等。由表4第（2）（5）列可知，收入分配不公平的边际效用在大幅度下降。同时，城镇区域层面的收入分配不公平并不会对健康状态产生影响。在收入的每一个五分位层面，家庭收入的边际效用是负向的，在收入最低的5个家庭中是最大的;在收入最高的5个家庭中，家庭收入对健康状态并没有显著影响，这主要是由个体收入与健康之间非线性关系引起，个体健康和城镇层面的收入不公平之间亦存在显著关联性。

其他个体层面变量的影响也值得讨论，如大学学历的个体比其他个体在健康状态的自评估方面至少有低30%程度报告“一般或较差”;非汉族在报告方面则可能多出28%群体报告“一般或较差”;享受医疗保险的个体在预期效用影响下将个体处于一般或较差健康状态的概率提高1.8个百分点。对于其他自变量，如医疗照顾的方式、医疗照顾的价格、医疗照顾供给模式、环境和行为风险因素、饮食和锻炼情况等，在调查数据中无法测度，但也可能对健康状态产生重要影响。收入分配不公平边际效用在城镇区域和省际两个层面的分析中都呈现显著性，且都为负值。表5（90%收入群体与10%收入群体之间比例）和表6（收入前50%的群体的收入比重）显示类似的分析结果。总之，在城镇层面数据分析中，控制收入和其他个体特征情况下，收入分配不公平性的显著性系数较高。在省际层面样本中，区域控制可有效抵消自我报告健康状态下的收入分配不公平效用。

（三）弱程度IIH估计

弱程度IIH估计依据强程度IIH检验方法，并且预期通过家庭层面的收入可以改变这种收入分配不公平效用，此估计过程主要依据5个虚拟变量，且会考虑收入分配5分位值。如：若家庭中的个体收入处于50%分位，则用“1”表示，其他分位用“0”表示。关系程度和效用符号的差异性表示收入分配不公平对低收入群体、中等收入和高收入群体的影响（结果见表7 ～ 表9）。如前所述，变动系数（CV）、90%和10%收入群体的比重和收入前50%的群体的收入比重都可测度收入分配不公平。

在使用CV估计并控制其他变量情况下，收入分配不公平对低收入群体的影响表现为提高一般或者较差健康水平概率，对中等收入群体并不产生影响，但会降低高收入群体的一般或较差健康水平概率。当控制家庭收入和其他个体层面变量独立效用时，省际层面的数据结果显示收入分配不公平对5个关联性中的2个关联性影响不显著，其他3个关联性仅在0.10水平上显著。在城镇层面调查数据中，考虑个体变动情况下，5个关联性都不显著。纳入区域虚拟变量后，收入分配不公平的系数（任何家庭收入层面）在进一步降低。在省际和城镇层面调查数据中，似然概率检验并不能拒绝在0.01水平上的关联性零假设，边际效用都具有统计显著性。在最贫困城镇样本中三分位值，收入分配不公平弱程度IIH的估计系数对每个收入5分位而言都有误差，与我们预测的弱程度IIH符号相反。

本文并没有观察到其他两种收入不公平测度方式下边际效用方向的改变。首先，控制任何层面变量，收入不公平估计效用与弱程度IIH之间有一致性。但控制个体特征变量时，效用可能减弱;控制区域变量后，收入分配不公平效用仍明显。由表8的第（6）列可以发现，不公平对第3和4个收入5分位的边际效用有显著影响。但这与IIH的观点并不一致，且在省际层面数据上并不显著，或者在其他两种不公平性测度方法上也不显著，包含个体特征变量模型的估计结果与弱程度IIH也不一致。

五、结论

传统关于收入分配与健康之间关联性研究并没有得出统一结论，但研究成果在公共健康政策應用方面的作用不可忽视。本文在以往研究基础上进行深度理论分析和实证检验之后得出以下几点结论：

第一，以往研究证实的收入分配不公平与健康关系主要源于两个错误估计，一是对健康测度的错误认知，二是对控制变量的考虑不周，如个体特征和区域特征等。因此本文在估计时弥补了以往研究缺陷，即在估计模型中增加个体特征和区域特征变量的分析。控制个体收入变量后，收入分配不公平和健康产出之间关联程度会减弱，但这种情况只有在IIH成立情况下才发生。

第二，收入不公平对个体健康影响可表现为心理层面的影响效用，而心理层面影响可能限制个体收入能力。虽然个体健康与收入能力有关，但收入不公平与个体健康之间并没有明显关联。通过省际层面的个体收入及其不公平性、个体特征变量之间回归结果可知，不公平性影响边际效用显著。但在控制个体收入情况下，结果显示IIH仍然成立，即收入不平等对健康产出的负效用仍存在。

第三，没有一致性证据显示省际层面和城镇层面收入分配不公平对所有个体的健康状态有影响，且没有一致性证据表明收入分配不公平性对健康水平较低个体的影响更大，即使在贫困状态下，收入分配不公平也是健康状态的一个重要决定因素。

第四，2020年是我国全面建成小康社会和精准扶贫的关键年，如何让当前扶贫成果更加稳固以及持续改进是重点。基于研究结论，本文建议在精准扶贫政策设计过程中要充分考虑个体特征和区域特征，将个体收入存量、健康水平自评值、区域经济发展模式、区域经济增长水平作为扶贫政策落实要点和效果评估指标。

【 主 要 参 考 文 献 】

[ 1 ]   Auger N.， Alix C.. Income， income distribution and health in Canada[ J].Social Determinants of Health，2016（2）：61 ～ 74.

[ 2 ]   Vincens N.， Emmelin M.， Stafstr?m M..The interplay of contextual layers： A multilevel analysis of income distribution， neighborhood infra-structure， socioeconomic position and self-rated health in Brazil[ J].Health & Place，2018（52）：155 ～ 162.

[ 3 ]   Yao Y.， Wan G.， Meng D.. Income distribution and health： Can polarization explain health outcomes better than inequality？[ J].The Euro-pean Journal of Health Economics，2019（4）：543 ～ 557.

[ 4 ]   Tang C.， Wu X.， Chen X.， et al.. Examining income-related inequality in health literacy and health-information seeking among urban population in China[ J].BMC Public Health，2019（1）：221.

[ 5 ]   Appels Ad.， Harry Bosma， Vilius Grabauskas， Antanas Gostuatas， Sturman F..Self-Rated health and mortality in a Lithuanian and Dutch

population[ J].Social Science and Medicine，1996（5）：681 ～ 686.

[ 6 ]   Bidani Benu， Martin Ravallion. Decomposing social indicators using distributional data[ J].Journal of Econometrics，1997（1）：125 ～ 139.

[ 7 ]   Bound John.Self-Reported versus objective measures of health in retirement models[ J].Journal of Human Resources，2000（1）：107 ～ 138.

[ 8 ]   Mcinnes P. C.， et al.. Unhealthy Societies： The afflictions of inequality[ J].Journal of Australian Political Economy，2002（49）：N/A.

[ 9 ]   Fiscella Kevin， Peter Franks. Poverty or income inequality as predictor of mortality：Longitudinal cohort  study[ J].British  Medical Journal，2007（7096）：1724 ～ 1728.

[10]   Nicole Le Moual， Francine Kauffmann， Ellen A. Eisen. The healthy worker effect in asthma： Work may cause asthma， but asthma may also influence work[ J].Am J Respir Crit Care Med，2008（1）：4 ～ 10.

[11]   Daly Mary C.， Greg J. Duncan， George A. Kaplan， John W. Lynch. Macro-to- Micro links in the relation between income inequality and mortality[ J].The Milbank Quarterly，2008 （3）：315 ～ 339.

[12]   Deaton Angus， Christina Paxson. Mortality， education， income and inequality among American cohorts[ J].In Themes in the Economics of Aging，2010（1）：129 ～ 170.

[13]   Mellor Jennifer M.， Jeffrey Milyo. Reexamining the ecological essociation between income inequality and health[ J].Journal of Health Poli-tics，Policy and Law ，2010 （3）：487 ～ 522.

[14]   Kennedy B. P.， Ichiro K.， Deborah P.. Income distribution and mortality： Cross-Sectional ecological study of the Robin-Hood index in the United States[ J].British Medical Journal，2006（7037）：1004 ～ 1007.

[15]   Vincens N.. Income distribution and health in Latin America[D].Lund ：Lund University，2018.

[16]   齊良书.收入分配、医疗资源与人口健康：一个跨国研究[ J].南方经济，2008（4）：27 ～ 40.

[17]   齐亚强，牛建林.地区经济发展与收入分配状况对我国居民健康差异的影响[ J].社会学评论，2015（2）：65 ～ 76.

[18]   田艳芳.健康的收入分配效应研究[ J].云南财经大学学报，2013（6）：89 ～ 98.

[19]   朱振华， 曹克.人口老龄化对中国居民收入分配的影响[ J].南京财经大学学报，2019（4）：36 ～ 46.