2. 广东省城市化与地理环境空间模拟重点实验室, 广州 510275
2. Guangdong Key Laboratory for Urbanization and Geo-simulation, Guangzhou 510275, China
当前，中国老年人口保持快速增长，人口老龄化的问题日益严重。2000年，中国60岁以上老年人口占总人口的比例达到了10.33%，2010年进一步提高到了13.26%，预计2030年这一比例将提高到25%①，人口老龄化趋势加速发展。随着我国人口老龄化形势的日益严峻以及老年人口数量的快速增加，老年人口健康问题受到政府和社会各界的广泛关注。由于社会经济发展和城乡人口迁移的区域差异，在中国老龄化程度持续加深的同时，老年人口健康水平的区域分异不断扩大[1]。中西部和农村地区大量青壮年劳动力的流失进一步加剧了当地的老龄化程度，给留守老人的健康带来诸多隐患[2]，对区域协调发展、乡村振兴和农村剩余劳动力向城市的持续供给带来巨大挑战。健康干预和规划是实现健康老龄化和健康中国战略的关键[3]，而识别老年人口健康水平的影响因素是执行健康干预和规划的第一步。因此，揭示现阶段我国老年人口健康水平的空间分异规律，识别老年人口健康水平的地区影响因素，对于促进老年人口健康水平的提升和医疗保健资源的优化配置，有非常重要的参考价值。
自20世纪下半叶以来，欧美发达国家越来越多的学者开始关注老年人口健康的区域不平等问题[4-6]。大量研究揭示了生活环境、社会资本和个体行为等因素对老年人口健康的影响及路径机制[7-9]，提出了一系列老年人口健康的理论假说[10, 11]。近年来，越来越多的国内学者开始关注居民健康水平的环境影响因子。研究的重点从早期注重传染性疾病和地方病的环境影响因子[12-14]逐渐转向关注慢性疾病和健康行为的环境影响因子[15-17]，而且越来越多的学者强调人文环境尤其是城市建成环境和社会环境对健康水平的影响[18-20]。环境和健康的关系一直是中国医学/健康地理学研究的核心议题，早期的医学地理学在研究典型地方病（如大骨节病等）和地方传染性疾病（如鼠疫等）的影响因素时，重点强调气温、降水、湿度、海拔和森林覆盖率等局地自然地理环境的作用，认为人与自然环境的协调发展是改变地方病和疫源地环境——健康脆弱性的重要途径[13, 21]；对流行性传染性疾病的研究中，人口密度、医疗卫生资源可及性和城乡属性等地区社会因素成为识别和预测传染病空间扩散的主要影响因子[22]；近期健康地理学在识别人群慢性疾病风险的研究中，社区微观建成环境特征（如人口密度、设施可达性和土地利用混合度等）[16, 23]和邻里社会经济状况[24]的健康效应成为学者关注的焦点；而在分析宏观尺度的地区居民健康水平影响因素的研究中，人均GDP、城镇化率、医疗卫生资源可达性和环境质量等地区人文因素获得了研究者更多的关注[25]。
国内学者对老年人口健康的研究主要集中在老年人口健康水平的差异及影响因素[1, 26, 27]。对老年人口健康差异的研究主要关注老年人口健康的城乡差异、群体差异和地区差异[28-34]，部分学者使用全国性微观社会调查数据或人口抽样调查数据刻画了中国省域[35-37]和某一省区内县域间[38, 39]的老年人口健康水平不平等，但仍无法捕捉全国范围内更精细尺度的老年人口健康水平分异。中国老年人口健康水平影响因素的研究经历了从关注自然本底[40-41]到人文社会要素[30, 38]的转变，老年人口健康水平与环境的关系已经成当前中国健康地理学和老龄化地理学的研究热点[1, 42]。主要关注社会、经济、环境和行为等要素与老年人口健康水平的关系。关于社会经济因素对老年人口健康的影响，已有研究主要聚焦于地区社会经济发展水平、城镇化水平、居民收入水平和医疗卫生资源可及性等的健康效应，发现较高的经济发展水平、较高的城镇化水平和较好的医疗卫生资源条件有利于老年人口健康[25, 38, 43]，而收入差距的扩大则不利于老年人口健康[37]；关于环境质量对老年人口健康的影响，现有研究主要集中在地区建成环境和社会环境等的健康效应，具体表现为探讨邻里设施可达性、绿化暴露、社区安全、社会资本等带来的健康收益和环境污染引起的健康风险[37, 43-45]；关于自然地理因素对老年人口健康的影响，当前的文献主要关注地区气候因素（如气温、降水和湿度）等对老年人口健康的影响[38]；也有部分文献分析了地区人口结构（如人口迁移）[2]和行为习惯[44]对老年人口健康的影响。
总体来看，既有研究在中国老年人口健康水平地区差异及其影响因素方面已取得了一定的进展，但仍然存在一些不足之处：首先，前人研究大多在省级层面上揭示全国老年人口健康水平的空间分异特征，忽视了老年人健康水平在同一省份内的空间异质性[30]；其次，尽管已有少量研究在地市级或者县区级层面上分析了老年人健康水平的空间差异，但该类研究的研究范围仅局限于一个省份或者数个省份，全国范围内地市尺度和更精细尺度上的老年人口健康水平不平等的空间特征仍不清楚[38]；第三，前人研究对老年人口健康的自然与人文环境影响因子的识别，主要聚焦于社会经济、自然地理和环境污染等要素，对地区人口结构等因素的作用关注较少；第四，不同地区老年人口健康水平的主要影响因素是否存在差异仍未得到有效的探讨。
基于以上认识，本文以2005年1%人口抽样调查资料、2010年人口普查资料和2015年1%人口抽样调查资料为基础数据，运用ArcGIS分级制图和空间自相关分析等方法，刻画中国老年人口健康水平的空间分异特征及变化，并使用面板数据线性回归模型和Tobit回归模型，识别影响老年人口健康水平空间分异的主要因素。本文试图回答以下问题：中国地级行政单元老年人口健康水平的空间分异有何特征？老年人口健康水平在空间上存在集聚还是分散趋势？影响中国老年人口健康水平空间分异的自然与人文环境因素主要有哪些？东中西三大区域②老年人口健康水平的主要影响因素有何不同？
1 数据与研究方法 1.1 研究区域与数据说明本研究的研究区域为全国31个省（自治区、直辖市）的341个地级行政单元（地级市、地区、自治州和盟，本研究中还包括4个直辖市和4个省直管县级行政单位）。由于缺乏数据，研究区域不包括香港特别行政区、澳门特别行政区和台湾省。由于2005—2015年期间部分行政单元的边界出现变动，2005年和2010年的行政区划按2015年进行归并统一，以确保三个年份研究单元边界的一致。在老年人口健康水平的空间分异部分，使用的地级行政单元样本为341个；在老年人口健康水平影响因素的分析中，由于统计年鉴缺少部分地级行政单元（如地区、自治州和盟）的统计数据，本文删除了有数据缺失的地级行政单元，最终的分析样本为285个地级行政单元。
研究所使用的老年人口健康基础数据来源于各省级行政单元2005年1%人口抽样调查资料、2010年人口普查资料和2015年1%人口抽样调查资料。在人口普查和人口抽样调查中，60周岁以上的普查/调查对象需要评价自身健康状况，即根据自身健康状况对过去一个月能否保证正常生活做出自我判断。普查/调查对象可在以下四种情况中做出选择：“健康”、“基本健康”、“不健康但生活能自理”和“生活不能自理”③。本研究把自评健康水平为“健康”和“基本健康”的老年人定义为健康老年人，并且计算了每个地级行政单元健康老年人口占60岁以上老年人口总数的比例。一个地区的健康老年人口比例越高，表明这个地区老年人的健康水平越高。大量的国内外研究表明，自评健康是测量健康水平的较为稳定的指标，能够较好地反映真实的健康状况[46, 47]。由于山东省、山西省、安徽省、内蒙古自治区和西藏自治区等省份还未出版发布2015年的《1%人口抽样调查资料》，本文使用2015年《全国1%人口抽样调查资料》中公布的省级老年人口健康数据表征所属地级行政单元的老年人口健康状况。研究所使用的人口数据来源于人口普查和1%人口抽样调查汇总资料，其余数据来源于《中国城市统计年鉴》、《中国统计年鉴》、中国气象数据网、中国科学院资源环境科学数据中心（http://www.resdc.cn/）和Atmospheric Composition Analysis Group网站（http://fizz.phys.dal.ca/~atmos/martin/?page_id=140）。行政单元矢量数据来源于国家基础地理信息中心（http://www.ngcc.cn/）。
1.2 研究方法 1.2.1 空间自相关分析（1）全局空间自相关分析。采用空间自相关方法研究中国老年人口健康水平市际分布的空间依赖性和空间异质性。全局空间自相关指数（Global Moran's I）反映了全国范围内老年人口健康水平的空间关联程度[48]。计算公式如下：
|
(1) |
式中，hi、hj为地区i、j的健康老年人比例，h为健康老年人口比例平均值，Wij是空间权重矩阵的(i, j)元素，n为地级行政单元数。I的取值范围为[-1, 1]。Moran's I大于0且通过显著性检验，表示老年人口健康水平呈空间正自相关，即老年人口健康水平高的地区和老年人口健康水平低的地区分别在空间上趋于集聚；Moran's I小于0且显著，表示老年人口健康水平呈空间负自相关，即老年人口健康水平高的地区和老年人口健康水平低的地区分别在空间上趋于分散；Moran's I等于0，表示老年人口健康水平空间分布不存在自相关，即老年人口健康水平的分布是随机的。
（2）局部空间自相关分析。局部空间自相关（Local Moran's I）考察地区i附近老年人口健康水平的空间关联程度[48]。计算公式如下：
|
(2) |
式中：Si2为样本方差，其他参数含义与式（1）相同。Ii大于0，表示地区i高（低）的老年人口健康水平被周围地区高（低）的老年人口健康水平所包围；Ii小于0，表示地区i高（低）的老年人口健康水平被周围地区低（高）的老年人口健康水平所包围。
1.2.2 回归分析本研究拟采用面板数据线性回归模型和面板数据Tobit模型识别老年人健康水平的主要地区影响因素。由于所收集的数据是三期的面板数据，因此拟采用面板数据回归模型。由于模型的被解释变量的取值范围在0—1之间，使用常规的线性回归模型可能会导致模型结果存在严重的偏误。因此，我们进一步采用面板数据Tobit模型开展分析。
（1）面板数据线性回归模型：本文使用的老年人口自评健康数据为随机抽样数据，且随机效应模型的LR(Likelihood Ratio)检验（6.73，p=0.005）显著。因此，本文使用随机效应模型分析中国老年人口健康水平空间分异的影响因素，模型设定如下：
|
(3) |
式中：yit为地区i在t时期的健康老年人口比例，α为常数项，Xit为解释变量在i地区t时期的观测值，β为待估参数，Zt为时间虚拟变量，δ为时间虚拟变量的系数，μi为个体误差项，εit为随个体与时间而变的扰动项。
（2）面板数据Tobit模型：被解释变量健康老年人口比例属于典型的受限被解释变量情形，使用常规的线性回归估计结果可能有偏，因此使用Tobit模型进一步检验老年人口健康水平空间分异的影响因素[49]。Tobit模型基本设定如下：
|
(4) |
式中：yit*为被解释变量，在实际中不可观测；α为常数项，β为待估参数，δ为时间虚拟变量的系数，Zt为时间虚拟变量，εit为扰动项，yit为可观测到的被解释变量。Tobit模型的LR检验（6.93，p=0.004）显示存在个体效应，应采用随机效应Tobit模型进行估计。
根据前人研究和数据的可获得性，选取13个反映地区社会经济和自然环境特征的指标纳入模型进行分析（表 1）。选择人均国内生产总值、城镇人口占总人口比重和每千人拥有医院卫生院床位数表征地区社会经济发展水平；以市外迁入人口占总人口比重、文盲人口占15岁及以上人口比重和60岁以上人口占总人口比重反映地区人口结构；为了检验环境污染和不良生活习惯对老年人口健康水平的影响，在模型中加入了PM2.5的平均浓度和年人均酒消费量两个变量；反映地区自然环境宜居性的指标包括累年气温年较差、多年平均相对湿度和平均海拔。同时，模型中加入年份虚拟变量和地区虚拟变量以控制时间变化和地区差异对老年人口健康水平的影响。方差膨胀因子（VIF）检验表明，模型解释变量不存在严重的多重共线性问题。使用Stata 14对数据进行分析。
|
表 1 变量基本统计信息 Tab.1 Statistics of Variables |
根据全国2005年1%人口抽样调查资料、2010年人口普查资料和2015年1%人口抽样调查资料计算，2005年、2010年和2015年全国健康老年人口比例分别为83.51%、83.15%和82.35%。为了直观地反映中国市域老年人口健康水平的空间分异特征，利用ArcGIS软件绘制中国市域老年人口健康水平空间分布和变化图，采用自然断点法将全国地级行政单元的老年人口健康水平分为五个类型：低水平区（45.31%—70.60%）、较低水平区（70.61%—78.42%）、中等水平区（78.43% —83.35%）、较高水平区（83.36% — 88.02%）和高水平区（88.03%—96.10%）。总体而言，中国市域老年人口健康水平存在显著的空间分异，老年人口健康水平高的地市主要位于东南部省份、华北平原和新疆北部，老年人口健康水平低的地市集中分布在青藏高原及其周边地区（图 1）。区域自然环境条件和社会经济发展水平与老年人口健康水平存在密切的联系，东南沿海省份、华北平原和新疆北部的城市拥有较高的社会经济发展水平，城镇化水平较高，医疗卫生资源较丰富，同时拥有较适宜的自然环境，有利于老年人口维持健康状态；而青藏高原及其周边的城市，社会经济发展水平较低，自然环境条件较恶劣，不利于老年人口维持健康。
|
图 1 中国地级市健康老年人比率的空间分布格局 Fig.1 The Spatial Distribution of Ratio of Health Old People in China 注：本图基于自然资源部标准地图服务网站下载的审图号为GS(2016)2893号的标准地图制作，底图无修改。 |
2005年，大部分地级行政单元的老年人口健康水平较高，老年人口健康水平在较高水平及以上的地级行政单元比例达到59.53%（表 2）。华南地区、闽西、江西、两湖平原、长江三角洲、四川盆地、华北平原、关中平原、新疆北部、内蒙古、吉林和黑龙江等是老年人口健康水平较高的地区，珠海市和克拉玛依市健康老年人口比例超过95%，是老年人口健康水平最高的地级行政区。老年人口健康水平较低的地级行政单元主要分布在青藏高原、甘肃、云贵高原、浙江和辽宁等地区，玉树藏族自治州健康老年人口比例仅为45.31%，是老年人口健康水平最低的地级行政区（图 1）。
|
|
表 2 2005—2015年地市老年人口健康水平分级单元数量和比例 Tab.2 The Number and Proportion of Prefecture by the Ratio of Health Old People in China (2005—2015) |
2010年，老年人口健康水平高值区主要分布在东南部省市、华北平原、新疆北部和东北平原以及部分省会城市，上海市和深圳市是老年人口健康水平最高的城市，健康老年人口比例超过96%。青藏高原的玉树藏族自治州、阿里地区、那曲地区和果洛藏族自治州以及甘肃省的天水市和庆阳市是老年人口健康水平低值区，玉树藏族自治州的老年人口健康水平最低，健康老年人口比例仅为49.93%（图 1）。中国地级行政区的老年人口健康水平区域差异有所减小，突出的表现在老年人口健康水平高值区和低值区的单元数量大量减少，而老年人口健康水平中等的单元数量大幅增加（表 2）。
2015年，老年人口健康水平较高的地级行政单元主要集中在东南沿海省份、黔东南、京津冀地区、辽中南地区、新疆北部和部分内陆省会城市，珠江三角洲和长江三角洲的城市是老年人口健康水平最高的地区，其中苏州市、深圳市、无锡市和佛山市的老年人口健康水平超过93%。老年人口健康水平较低的地区集中在青藏高原、甘肃、云贵高原、两湖地区、河北北部、吉林和黑龙江，玉树藏族自治州和庆阳市的健康老年人口比例低于60%（图 1）。老年人口健康水平中等和较低的地区数量增加，而老年人口健康水平高的地区数量减少（表 2）。
从2005—2015年的老年人口健康水平变化来看，老年人口健康水平提高的地级行政区主要分布在东部的福建沿海、江浙沪地区、山东东南部、辽宁、西部的云贵高原、川渝地区和甘肃，华南、中部、东北、内蒙古、新疆和青藏高原等地区的大部分地级行政区老年人口健康水平下降。老年人口健康水平提升幅度最大的是毕节市和衢州市，健康老年人口比例分别提高22.90%和21.54%；老年人口健康水平下降幅度最大的是拉萨市、日喀则市、迪庆藏族自治州、张家口市和白城市，健康老年人口比例下降幅度超过15%。
2.2 老年人口健康水平的时空格局及变化空间自相关分析结果揭示了中国老年人口健康水平在全国范围内和局部区域的空间依赖性和异质性。2005年、2010年和2015年中国地级行政单元老年人口健康水平的全局莫兰指数分别为0.43、0.51和0.52，且通过显著性检验，表明中国地级行政单元老年人口健康水平存在显著的空间自相关，老年人口健康水平高的地级行政单元和老年人口健康水平低的地级行政单元在空间上趋于集聚。2005—2015年老年人口健康水平的莫兰指数提高，说明中国地级行政区老年人口健康水平的空间集聚程度增强。
LISA集聚图（图 2）直观的体现了中国地级行政区老年人口健康水平在局部区域的依赖性和异质性特征。从图 2可以看出，2005年高—高类型区主要分布在新疆西北部和两广南部等地区，低—低类型区集中在甘肃东南部、河西走廊、青藏高原、云贵高原西部和北部地区、浙江东南部和辽中南地区，高—低类型区零散的分布在甘肃及其周边等地区。2010年高—高类型区和低—低类型区的空间分布趋于集聚。东南沿海地区的高—高类型区数量增加，新疆西北部和其他地区的高—高类型区消失，高—高类型区集中在两广地区、台湾海峡西岸、闽赣两省交界处和长江三角洲；低—低类型区主要分布于青藏高原、甘肃东南部、山西南部和四川东北部地区，浙东南和辽中南地区的低—低类型区以及甘肃周边的高—低类型区消失。2015年高—高类型区仍主要集中在东南沿海省市和黔东南地区，两广地区和闽赣交界地区的高—高类型区减少；低—低类型区依然主要分布在青藏高原和陕甘宁地区，甘肃和陕西境内出现个别高—低类型区。三个年份的高—低类型区数量极少，均缺少低—高类型区，表明相邻地级行政区的老年人口健康水平具有较高的相似性。
|
图 2 中国老年人口健康水平的LISA集聚图 Fig.2 The LISA Cluster Map for the Ratio of Health Old People in China 注：本图基于自然资源部标准地图服务网站下载的审图号为GS(2016)2893号的标准地图制作，底图无修改。 |
针对选取的影响因素，本文分析了主要人文社会因素的地区差异和变化趋势（图 3）：
|
图 3 2005—2015年中国主要人文社会因素的变化趋势 Fig.3 The Trend of the Change of Primary Social and Human Factors (2005—2015) |
（1）社会经济因素。2005—2015年，中国地级行政单元的人均GDP、城镇化率和每千人拥有的医院卫生院床位数一直呈增长的趋势，东部地区的人均GDP、城镇化率和每千人拥有的医院卫生院床位数高于全国平均水平；中部地区的人均GDP低于全国平均水平，城镇化率和每千人拥有的医院卫生院床位数逐渐超过了全国平均水平；西部地区的人均GDP、城镇化率和每千人拥有的医院卫生院床位数低于全国平均水平；东部地区和中西部地区在人均GDP和城镇化水平上的差距不断扩大，而在千人床位数方面的差异呈缩小的趋势。
（2）人口结构因素。就市外迁入人口占总人口比重而言，中国地级行政单元的市外迁入人口呈先上升后下降的趋势，由于大量青壮年劳动力的涌入，东部地区市外迁入人口比重远高于全国平均水平，而中西部地区的市外迁入人口则低于全国平均水平。就文盲人口占15岁及以上人口比重而言，中国地级行政单元文盲率总体呈下降趋势，具有西高东低的分布格局。就60岁以上人口占总人口比重而言，中国地级行政单元的老年人口比例不断上升，老龄化日趋严重；东部地区的老龄化稍高于全国平均水平，中部地区的老龄化发展迅速，老年人口比例已超过东部地区，可能的原因是大量的劳动力外出务工增加了留守老人的比例，从而导致了较高的老龄化水平；西部地区的老龄化相对缓慢，老年人口的比例相对较低。
（3）环境污染和生活习惯因素。就PM2.5的平均浓度而言，中国地级行政单元PM2.5的平均浓度相对稳定，东部和中部地区的PM2.5的平均浓度高于全国平均水平，且呈上升的趋势；西部地区的PM2.5的平均浓度远低于全国平均水平，且呈不断降低的趋势。就年人均酒消费量而言，中国年人均酒消费量有所增加，东部地区的年人均酒消费量不断降低，但始终高于全国平均水平；中部地区的年人均酒消费量不断增加，逐渐高于全国平均水平；西部地区的年人均酒消费量缓慢增长，仍远低于全国平均水平。
3.2 老年人口健康水平的影响因素基于研究使用的数据特征和研究目的，利用面板数据线性回归模型和随机效应Tobit模型识别老年人口健康水平的主要影响因素。模型结果如表 3所示。两个模型的拟合效果、回归系数的符号、大小和显著性水平基本相似。受篇幅的限制，本文重点介绍随机效应Tobit模型的回归结果。
|
|
表 3 模型估计结果 Tab.3 Estimation Results of Models |
Model 2的结果显示，大多数社会经济和自然环境因素与老年人口健康水平具有显著的相关关系，每千人拥有医院卫生院床位数、市外迁入人口占总人口比重、PM2.5的平均浓度和累年气温年较差与老年人口健康水平的关系不显著。就社会经济发展因素而言，人均GDP和城市化水平与老年人口健康水平呈正相关关系。人均GDP每提高1%，可促进当地老年人口健康水平提高约3.7%。经济发展改善了老年人的生活条件和购买医疗保健服务的能力，有益于维持和提高老年人口健康水平。城市化水平提高1%，老年人口健康水平将提升3.8%。较高的城市化水平与完善的基础设施和公共服务相联系，因此城市化进程有助于提高老年人口健康水平。
就人口结构因素而言，文盲人口占15岁及以上人口比重和60岁以上人口占总人口比重对老年人口健康水平具有负向预测作用。文盲人口占15岁及以上人口比重每增加1%，老年人口健康水平将降低3.9%，可能是因为教育水平较低的老年人健康意识较弱，不健康的行为较普遍[50]。老年人口比重每提高1%，当地老年人口健康水平将降低14.4%，说明风险人群比例越高的地区，老年人口健康水平的压力越大。
就饮食习惯而言，年人均酒消费量与老年人口健康水平负相关，年人均酒消费量每增加1 kg，老年人口健康水平将降低22%，说明不良的生活习惯损害了老年人口的健康。就自然地理因素而言，多年平均相对湿度与老年人口健康水平为正相关关系，而地区平均海拔与老年人口健康水平为负相关关系，表明较干旱的气候和较高的地势不利于老年人口的健康，恶劣的自然环境和老年人自身的脆弱性相结合导致了相对较低的健康水平。年份虚拟变量的系数显著为负，说明与2005年相比，2010年和2015年的老年人口自评健康水平呈显著下降；地区虚拟变量的系数显著为负，表明与东部地区相比，中部和西部地区的老年人口健康水平显著较低。
3.3 不同区域老年人口健康水平的主要影响因素为了确定相同影响因素在不同区域的作用方向和作用强度是否一致，本文将全国地级行政单元划分为东部地区、中部地区和西部地区三大区域，分别分析前述影响因素对东中西三大地区老年人口健康水平的影响。回归结果如表 4所示。
|
|
表 4 分地区模型估计结果 Tab.4 Estimation Results of Stratified Models by Region |
总体来看，东部、中部和西部地区老年人口健康水平的影响因素具有显著的差异。人均GDP、PM2.5的平均浓度和相对湿度对东部地区老年人口的健康水平具有显著的正向作用，文盲人口比例、年人均酒消费量和累年气温年较差对东部地区老年人口的健康状态具有显著的负向作用。人均GDP和每千人拥有医院卫生院床位数与中部地区老年人口健康水平正相关，老年人口比例、PM2.5平均浓度和平均海拔与中部地区老年人口健康水平显著负相关。城镇化率和每千人拥有医院卫生院床位数对西部地区老年人口健康水平具有正向预测作用，文盲人口比例和平均海拔对西部地区老年人口具有负向预测作用。与2005年相比，东部地区2015年老年人口健康水平显著降低，中西部地区2010年和2015年的老年人口健康水平均显著降低（表 4）。
4 结论与讨论基于2005年1%人口抽样调查资料、2010年人口普查资料和2015年1%人口抽样调查资料，本文揭示了2005—2015年中国地级行政区老年人口健康水平的空间分异特征，并分析了影响老年人口健康水平的地区人文因素和自然因素，识别了东中西三大地区老年人口健康水平影响因素的差异。研究所得结论如下：
（1）中国地级行政区老年人口健康水平存在显著的空间分异，地级行政单元间的老年人口健康水平差异缩小。老年人口健康水平高的地区主要分布在东南部沿海省份、华北平原和新疆北部，老年人口健康水平低的地区集中在青藏高原及其周边地区。老年人口健康水平高的地区和低的地区数量减少，中等水平的地区数量增加，空间分布更加均衡。
（2）中国地级行政单元老年人口健康水平存在显著的空间正相关性，相邻地级行政区的老年人口健康水平具有较高的相似性。老年人口健康水平的高—高类型区主要集中在东南部地区，低—低类型区主要分布在青藏高原及周边区域。中国地级行政区老年人口健康水平的空间集聚程度有所增强。
（3）区域社会经济发展水平、人口结构、饮食习惯、环境污染和自然地理因素与老年人口健康水平有着密切的关系。就社会经济发展水平而言，人均GDP和城市化水平与老年人口健康水平为显著正相关关系；就人口结构因素而言，文盲人口占15岁及以上人口比重和60岁以上人口占总人口比重与老年人口健康水平显著负相关；就饮食习惯因素而言，年人均酒消费量与老年人口健康水平显著负相关；自然地理因素中的地区平均海拔与老年人口健康水平为显著负相关关系，而多年平均相对湿度与老年人口健康水平为显著正相关关系。
（4）东部、中部和西部地区老年人口健康水平的影响因素存在显著的差异。东部地区老年人口健康水平的主要影响因素为人均GDP、文盲人口比重、年人均酒消费量、累年气温年较差和多年平均相对湿度，中部地区老年人健康水平的主要影响因素是人均GDP、医疗卫生床位数、老年人口比例、空气污染和平均海拔，西部地区老年人口健康水平的影响因素为城镇化、医疗卫生床位数、文盲人口比重和和平均海拔。
老年人口健康不仅关系到自身和家庭的幸福，更关系到国家财政的运行和社会的公平正义。提高老年人口健康水平，缩小城市和区域间老年人口健康水平差异，实现健康老龄化，必将为全面建成小康社会和把我国建设成富强民主文明和谐美丽的社会主义现代化强国打下坚实的健康根基。本研究建议，为了提高老年人口健康水平，缩小城市间老年人口健康水平的不平等，在保持经济高速发展和城镇化快速推进的同时，必须加大对农村地区和自然环境恶劣地区的医疗保健、社会保障、公共服务等方面的投入和支持，发展健康产业，优化健康服务，加强健康教育，提高健康素养，普及健康生活，缩小区域差异，促进健康公平。同时，中西部地区的城市必须因地制宜的发展特色产业和积极承接东部地区的产业转移，留住本地区的青壮年劳动力，增强成年子女对老年人的精神支持和经济支持，实现老有所依和居家养老。
未来的研究应继续在以下几个方向深入开展：第一，本研究对老年人口健康的评价采用自评健康这一主观指标，未来的研究应采用多重指标（长期限制性疾病发病率、慢性疾病发病率、百岁老人比率、健康预期寿命和心理健康指标等）测度老年人口健康，并关注老年人口健康的年龄、性别、民族和社会经济特征差异的空间分异和影响机制；第二，本研究仅以三期人口抽样调查和普查资料刻画中国地级行政区的老年人口健康水平空间分布特征，未来的研究应纳入更多的全国性调查资料，在更精细的时空尺度上分析老年人口健康水平的分布特征和变化规律；第三，本研究仅考虑了地区环境因素对老年人口健康水平的影响，得出的结论可能存在“生态谬误”，未来的研究应综合考虑个体生物特征、社会经济属性、个体健康行为和生活环境本底以及多要素关联对老年人口健康的影响。
注释：
① 数据来源于《国家人口发展规划(2016-2030年)》。
② 参考文献[25]，本文的东部地区包括辽宁、河北、北京、天津、山东、江苏、上海、浙江、福建、广东和海南；中部地区包括为黑龙江、吉林、山西、河南、湖北、安徽、江西、湖南；西部地区为内蒙古、陕西、宁夏、甘肃、青海、新疆、重庆、四川、贵州、云南、西藏和广西。
③ 来源于《2005年全国1%人口抽样调查表》填写说明和《第六次全国人口普查表》填写说明。
| [1] |
高晓路, 吴丹贤, 许泽宁, 等. 中国老龄化地理学综述和研究框架构建[J]. 地理科学进展, 2015, 34(12): 1480-1494. [Gao Xiaolu, Wu Danxian, Xu Zening, et al. A review and frame-work setting of geographical research on aging in China[J]. Progress in Geography, 2015, 34(12): 1480-1494.] |
| [2] |
舒玢玢, 同钰莹. 成年子女外出务工对农村老年人健康的影响——再论"父母在, 不远游"[J]. 人口研究, 2017, 41(2): 42-56. [Shu Binbin, Tong Yuying. Impact of adult child migration on health of rural elderly parents[J]. Population Research, 2017, 41(2): 42-56.] |
| [3] |
李滔, 王秀峰. 健康中国的内涵与实现路径[J]. 卫生经济研究, 2016(1): 4-9. [Li Tao, Wang Xiufeng. Connotation and realizing route of Healthy China[J]. Health Economics Research, 2016(1): 4-9.] |
| [4] |
Andrea O R, Luz María L M O, Banegas J R, et al. Life-course socioeconomic position and change in quality of life among older adults:Evidence for the role of a critical period, accumulation of exposure and social mobility[J]. Journal of Epidemiology & Community Health, 2011, 65(11): 964-971. |
| [5] |
Beard J R, Officer A, Carvalho I A D, et al. The world report on ageing and health:A policy framework for healthy ageing[J]. Lancet, 2016, 387(10033): 2145-2154. DOI:10.1016/S0140-6736(15)00516-4 |
| [6] |
Hoffmann R. Socioeconomic inequalities in old-age mortality:Acomparison of Denmark and the USA[J]. Social Science Medicine, 2011, 72(12): 1986-1992. DOI:10.1016/j.socscimed.2011.04.019 |
| [7] |
Lamberto M, Paolo V, Giovanni M P, et al. Marital status and mortality in the elderly:Asystematic review and meta-analysis[J]. Social Science Medicine, 2007, 64(1): 77-94. |
| [8] |
Takano T, Nakamura K, Watanabe M. Urban residential environments and senior citizens' longevity in megacity areas:The importance of walkable green spaces[J]. Journal of Epidemiology & Community Health, 2002, 56(12): 913-918. |
| [9] |
Zunzunegui M V, Béland F, Otero A. Support from children, living arrangements, self-rated health and depressive symptoms of older people in Spain[J]. International Journal of Epidemiology, 2001, 30(5): 1090-1099. DOI:10.1093/ije/30.5.1090 |
| [10] |
Fries J. Aging, natural death, and the compression of morbidity[J]. New England Journal of Medicine, 1980, 303(3): 130-135. DOI:10.1056/NEJM198007173030304 |
| [11] |
Manton K. Changing concepts of morbidity and mortality in the elderly population[J]. The Milbank Memorial Fund Quarterly. Health Society, 1982, 60(2): 183-244. DOI:10.2307/3349767 |
| [12] |
龚胜生. 中国疫灾的时空分布变迁规律[J]. 地理学报, 2003, 58(6): 870-878. [Gong Shengsheng. Changes of the temporal-spatial distribution of epidemic disaster in 770BC-AD1911 China[J]. Acta Geographica Sinica, 2003, 58(6): 870-878. DOI:10.3321/j.issn:0375-5444.2003.06.010] |
| [13] |
杨林生, 吕瑶, 李海蓉, 等. 西藏大骨节病区的地理环境特征[J]. 地理科学, 2006, 26(4): 466-471. [Yang Linsheng, Lu Yao, Li Hairong, et al. Features of geographical environment of Kaschin-Beck Disease (KBD) affected region in Tibet[J]. Scientia Geographica Sinica, 2006, 26(4): 466-471. DOI:10.3969/j.issn.1000-0690.2006.04.014] |
| [14] |
杨林生, 王五一, 谭见安, 等. 环境地理与人类健康研究成果与展望[J]. 地理研究, 2010, 29(9): 1571-1583. [Yang Linsheng, Wang Wuyi, Tan Jianan, et al. Overview on the research works in the field of environmental geography and human health[J]. Geographical Research, 2010, 29(9): 1571-1583.] |
| [15] |
Wang J, Yin Q, Tong S, et al. Prolonged continuous exposure to high fine particulate matter associated with cardiovascular and respiratory disease mortality in Beijing, China[J]. Atmospheric Environment, 2017, 168: 1-7. DOI:10.1016/j.atmosenv.2017.08.060 |
| [16] |
孙斌栋, 阎宏, 张婷麟. 社区建成环境对健康的影响——基于居民个体超重的实证研究[J]. 地理学报, 2016, 71(10): 1721-1730. [Sun Bindong, Yan Hong, Zhang Tinglin. Impact of community built environment on residents' health:Acase study on individual overweight[J]. Acta Geographica Sinica, 2016, 71(10): 1721-1730.] |
| [17] |
周素红, 刘明杨, 卢次勇. 中学生药物滥用行为及其影响因素的地域差异[J]. 地理学报, 2018, 73(6): 1173-1186. [Zhou Suhong, Liu Mingyang, Lu Ciyong. Regional differences of drug abuse behavior and its influencing factors among middle school students[J]. Acta Geographica Sinica, 2018, 73(6): 1173-1186.] |
| [18] |
程明梅, 杨朦子. 城镇化对中国居民健康状况的影响——基于省级面板数据的实证分析[J]. 中国人口·资源与环境, 2015, 25(7): 89-96. [Cheng Mingmei, Yang Mengzi. Impact of urbanization on the health of Chinese residents:An empirical study based on provincial panel data[J]. Chinese Journal of Population Resources and Environment, 2015, 25(7): 89-96. DOI:10.3969/j.issn.1002-2104.2015.07.013] |
| [19] |
顾丽娟, Rosenberg M, 曾菊新. 社会经济及环境因子对不同收入群体自评健康的影响[J]. 地理研究, 2017, 36(7): 1257-1270. [Gu Lijuan, Rosenberg M, Zeng Juxin. The impacts of socioeconomic and environmental factors on self-rated health status among different income groups in China[J]. Geographical Research, 2017, 36(7): 1257-1270.] |
| [20] |
杨振, 丁启燕, 王念, 等. 中国人口健康脆弱性地区差异与影响因素分析[J]. 地理科学, 2018, 38(1): 135-142. [Yang Zhen, Ding Qiyan, Wang Nian, et al. Distribution characteristics of health vulnerability and its influence factors in China[J]. Scientia Geographica Sinica, 2018, 38(1): 135-142.] |
| [21] |
王五一, 李海蓉, 杨林生, 等. 典型鼠疫疫源地环境——健康脆弱性评价[J]. 地理研究, 2001, 20(3): 290-297. [Wang Wuyi, Li Hairong, Yang Linsheng, et al. Assessment of environment-health vulnerability in typical plague foci in China[J]. Geographical Research, 2001, 20(3): 290-297. DOI:10.3321/j.issn:1000-0585.2001.03.005] |
| [22] |
王劲峰, 孟斌, 郑晓瑛, 等. 北京市2003年SARS疫情的多维分布及其影响因素分析[J]. 中华流行病学杂志, 2005, 26(3): 164-168. [Wang Jinfeng, Meng Bin, Zheng Xiaoying, et al. Analysis on the multi-distribution and the major influencing factors on severe acute respiratory syndrome in Beijing[J]. Chinese Journal of Epidemiology, 2005, 26(3): 164-168. DOI:10.3760/j.issn:0254-6450.2005.03.003] |
| [23] |
张延吉, 秦波, 唐杰. 基于倾向值匹配法的城市建成环境对居民生理健康的影响[J]. 地理学报, 2018, 73(2): 333-345. [Zhang Yanji, Qin Bo, Tang Jie. The impact of urban built environment on residential physical health:Based on propensity score matching[J]. Acta Geographica Sinica, 2018, 73(2): 333-345.] |
| [24] |
Su S L, Gong Y, Tan B Q, et al. Area social deprivation and public health:Analyzing the spatial non-stationary associations using geographically weighed regression[J]. Social Indicators Research, 2017, 133(3): 819-832. DOI:10.1007/s11205-016-1390-6 |
| [25] |
赵雪雁, 王伟军, 万文玉. 中国居民健康水平的区域差异:2003-2013[J]. 地理学报, 2017, 72(4): 685-698. [Zhao Xueyan, Wang Weijun, Wan Wenyu. Regional inequalities of residents' health level in China:2003-2013[J]. Acta Geographica Sinica, 2017, 72(4): 685-698.] |
| [26] |
刘坤, 张楠, 方玉凤, 等. 国内外老年人健康不平等影响因素研究综述[J]. 中国卫生政策研究, 2014, 7(5): 68-75. [Liu Kun, Zhang Nan, Fang Yufeng, et al. A review on health inequality and related factors of the global elderly[J]. Chinese Journal of Health Policy, 2014, 7(5): 68-75.] |
| [27] |
许昕, 赵媛, 张新林, 等. 中国老年地理学研究进展[J]. 地理科学进展, 2018, 37(10): 1416-1429. [Xu Xin, Zhao Yuan, Zhang Xinlin, et al. Research progress and prospects of Chinese geriatric geography[J]. Progress in Geography, 2018, 37(10): 1416-1429.] |
| [28] |
丁继红, 董旭达. 我国城乡老龄健康:子女的作用有多大?——基于CHNS数据的实证研究[J]. 南开经济研究, 2017(5): 60-76. [Ding Jihong, Dong Xuda. The role of children on the health of the elderly and the comparison between China's urban and rural areas:Based on the empirical study of CHNS data[J]. Nankai Institute of Economics, 2017(5): 60-76.] |
| [29] |
杜本峰, 郭玉. 中国老年人健康差异时空变化及其影响因素分析[J]. 中国公共卫生, 2015, 31(7): 870-877. [Du Benfeng, Guo Yu. Changes of time and space differences in health status and their influencing factors among the elderly in China[J]. Chinese Journal of Public Health, 2015, 31(7): 870-877.] |
| [30] |
姜向群, 魏蒙, 张文娟. 中国老年人口的健康状况及影响因素研究[J]. 人口学刊, 2015, 37(2): 46-56. [Jiang Xiangqun, Wei Meng, Zhang Wenjuan. Study on the health status and influencing factors of China's aging population[J]. Population Journal, 2015, 37(2): 46-56. DOI:10.3969/j.issn.1004-129X.2015.02.006] |
| [31] |
焦开山. 中国老年人健康预期寿命的不平等问题研究[J]. 社会学研究, 2018, 33(1): 116-141. [Jiao Kaishan. Inequality of healthy life expectancy for the Chinese elderly and its future trend[J]. Sociological Studies, 2018, 33(1): 116-141.] |
| [32] |
李建新, 李春华. 城乡老年人口健康差异研究[J]. 人口学刊, 2014, 36(5): 34-47. [Li Jianxin, Li Chunhua. Health difference of the elderly between the rural and urban districts[J]. Population Journal, 2014, 36(5): 34-47.] |
| [33] |
谭涛, 张茜, 刘红瑞.我国农村老年人口的健康不平等及其分解——基于东中西部的实证分析[J].南方人口, 2015, 30(3): 57-68. [Tan Tao, Zhang Qian. Decomposition of health inequalities among elderly people in rural China: An empirical research based on the survey of eastern, central and western China[J]. South China Population, 2015, 30(3): 57-68.]
|
| [34] |
张文娟, 杜鹏. 中国老年人健康预期寿命变化的地区差异:扩张还是压缩?[J]. 人口研究, 2009, 33(5): 68-76. [Zhang Wenjuan, Du Peng. Regional disparity in changes of healthy life expectancy of Chinese elderly:Expansion or compression?[J]. Population Research, 2009, 33(5): 68-76.] |
| [35] |
Feng Z, Phillips D R, Jones K. A geographical multivariable multilevel analysis of social exclusion among older people in China:Evidence from the China Longitudinal Aging Social Survey ageing study[J]. The Geographical Journal, 2018, 184(4): 413-428. DOI:10.1111/geoj.12274 |
| [36] |
Feng Z, Wang WW, Jones K. A multilevel analysis of the role of the family and the state in self-rated health of elderly Chinese[J]. Health Place, 2013, 23: 148-156. DOI:10.1016/j.healthplace.2013.07.001 |
| [37] |
Feng Z, Wang W W, Jones K, et al. An exploratory multilevel analysis of income, income inequality and self-rated health of the elderly in China[J]. Social Science & Medicine, 2012, 75(12): 2481-2492. |
| [38] |
敖荣军, 李浩慈, 杨振, 等. 老年人口健康的空间分异及影响因素研究——以湖北省为例[J]. 地理科学进展, 2017, 36(10): 1218-1228. [Ao Rongjun, Li Haoci, Yang Zhen, et al. Spatial differentiation and influencing factors of health level of the elderly population:A case study of Hubei province[J]. Progress in Geography, 2017, 36(10): 1218-1228.] |
| [39] |
阎志强. 广东老年人口的健康状况特点——基于2015年1%人口抽样调查的分析[J]. 南方人口, 2017, 32(6): 42-53. [Yan Zhiqiang. The features of the health status of the elderly in Guangdong province:An analysis of the 1% sampling survey 2015[J]. South China Population, 2017, 32(6): 42-53. DOI:10.3969/j.issn.1004-1613.2017.06.005] |
| [40] |
葛淼, 肖雁飞, 刘昆. 老年前期男性血红蛋白正常参考值与中国地理因素[J]. 地理科学, 2004, 24(6): 767-770. [Ge Miao, Xiao Yanfei, Liu Kun, et al. Reference value of presenile men's hemoglobin and geographical factors in China[J]. Scientia Geographica Sinica, 2004, 24(6): 767-770. DOI:10.3969/j.issn.1000-0690.2004.06.022] |
| [41] |
杨青生, 张红贤, 葛淼, 等. 基于人工神经网络的老年男性血沉参考值与地理环境关系研究[J]. 地理科学, 2006, 26(6): 749-754. [Yang Qingsheng, Zhang Hongxian, Ge Miao. Relationship between reference value (wintrobe) of Chinese old men's erythrocyte sedimentation rate (ESR) and geographical factors based on NN[J]. Scientia Geographica Sinica, 2006, 26(6): 749-754. DOI:10.3969/j.issn.1000-0690.2006.06.018] |
| [42] |
杨林生, 李海蓉, 李永华, 等. 医学地理和环境健康研究的主要领域与进展[J]. 地理科学进展, 2010, 29(1): 31-44. [Yang Linsheng, Li Hairong, Li Yonghua, et al. Progress of medical geography and environmental health studies[J]. Progress in Geography, 2010, 29(1): 31-44.] |
| [43] |
Feng Z, Jones K, Wang WW. An exploratory discrete-time multilevel analysis of the effect of social support on the survival of elderly people in China[J]. Social Science & Medicine, 2015, 130: 181-189. |
| [44] |
Jia X, Yu Y, Xia W, et al. Cardiovascular diseases in middle aged and older adults in China:The joint effects and mediation of different types of physical exercise and neighborhood greenness and walkability[J]. Environment Research, 2018, 167: 175-183. DOI:10.1016/j.envres.2018.07.003 |
| [45] |
Liu Y, Dijst M, Faber J, et al. Healthy urban living:Residential environment and health of older adults in Shanghai[J]. Health Place, 2017, 47: 80-89. DOI:10.1016/j.healthplace.2017.07.007 |
| [46] |
Idler E L, Benyamini Y. Self-rated health and mortality:Areview of twenty-seven community studies[J]. Journal of Health and Social Behavior, 1997, 38(1): 21-37. DOI:10.2307/2955359 |
| [47] |
谷琳, 乔晓春. 我国老年人健康自评影响因素分析[J]. 人口学刊, 2006(6): 25-29. [Gu Lin, Qiao Xiaochun. Factor analysis on subjective health of the elderly in China[J]. Population Journal, 2006(6): 25-29. DOI:10.3969/j.issn.1004-129X.2006.06.006] |
| [48] |
Amelin L. Local indicators of spatial association-LISA[J]. Geographical Analysis, 1995, 27(2): 93-115. |
| [49] |
Lee L, Yu J. Some recent developments in spatial panel data models[J]. Regional Science and Urban Economics, 2010, 40(5): 255-271. DOI:10.1016/j.regsciurbeco.2009.09.002 |
| [50] |
Noymer A, Lee R. Immigrant health around the world:Evidence from the world values survey[J]. Journal of Immigrant & Minority Health, 2013, 15(3): 614-623. |