Trans_生命历程、社会变迁、社会经济地位与健康不平等

Chen F, Yang Y, Liu G. Social change and socioeconomic disparities in health over the life course in China: A cohort analysis[J]. American sociological review, 2010, 75(1): 126-150.
摘要:这篇文章讨论了在中国宏观社会环境剧烈变迁的背景下,社会分层对几代人的个体健康轨迹的影响。通过使用中国健康和营养调查(CHNS),研究发现社会经济地位(SES)对健康水平的影响差异显著,并且这些社会经济地位的影响差异在整个生命过程中通常是不同的。教育对健康的影响在晚近世代中略有下降。相比之下,收入差距对健康轨迹的影响,在年长世代中有所不同,但在晚近世代中却趋于一致。这两种效应在农村地区更为明显。鉴于这些群体效应与美国最近的研究结果相反,论文讨论了中国独特的社会、经济和政治环境。论文尤其强调了社会经济地位与健康行为的关系,中国流行病学的转型阶段,以及中国地方政府权力的变化及其对健康医疗的影响。

对于社会学家感兴趣的“社会变革与社会分层的关系”的议题,剧烈变迁的中国社会环境、中国强有力的社会主义政府的治理,都为这一议题提供了独到且有意义的研究资源。
这篇文章聚焦于,在中国持续变迁的宏观社会环境下,社会分层如何影响个体健康轨迹。研究强调了长久以来存在的,社会不平等与健康问题,这一领域的研究最早可以追溯至1939年芝加哥学派的Faris和Dunham对社会经济地位与精神健康的研究。在那之后,大量的后续研究也论证了社会经济地位与健康之间存在强相关。有着更高社会经济地位的人群,往往更健康,身体功能和行动能力、精神健康都更好,残障率和死亡率都更低。但是,当我们引入年龄与生命历程背景时,学界普遍承认的社会经济地位和健康之间的关系其实仍待厘清,早期研究认为,由社会经济地位导致的健康不平等其实是有趋同(convergence)的,另一些晚近的研究认为,由社会经济地位导致的健康不平等是有持久地或分化的(diverging)。学者们利用一些截面数据认为,这一矛盾原因在于忽视了年龄影响(社会经济地位对健康的影响,忽视了个体生命历程的影响),以及代际影响(社会经济地位的对健康影响,是随着不同历史时期的出生世代的变化而变化)。问题的症结并非是数据或技术的问题,而是概念的问题。而出生世代可以作为个体经历的历史时期的代替变量。如果在研究社会经济地位与健康之间的关系时,忽略了世代结构的因素,就相当于忽视了社会变迁对个体生命的影响。
这篇文章为了厘清生命历程(life course)与出生世代(cohort processes)对于健康的影响,特别地使用了中国案例,因为中国社会在过去六十年间经历了巨大的社会变迁,并对社会秩序产生了持久的影响。1949年后,中国经历了巨大变革,相比于国际社会,中国的社会阶级与收入差异被大幅削弱;公共健康运动也大幅减少了健康差异。直到1980年代,中国开始了社会主义市场经济的改革开放,这一趋势被逆转,开始快速的贫富分化;同时,改革开放前,建立的城乡基本医疗保险与基本医疗制度,其功能受私有化进程与政府支持的减少,开始迅速解组。因此,出生世代,实际上潜在地提供了宏观社会对个体健康影响的关键证据。
论文研究了健康轨迹是如何被(个体)最近的社会经济地位与健康变化所形塑,以及历史事件如何对相近世代的人群生命经历产生了不同影响,及由此导致的不同健康情况。研究的主要目的是为了进一步理解,一个剧烈变迁社会中,其社会结构与健康相关参数对健康不平等的作用机制。尤其强调了政府的重要作用。很多研究强调了中国社会主义经济改革对于社会分层与流动的影响,尤其关注经济性的工资、收入、职业与财富,但很少关注这些变迁对于健康分层的影响,而这是值得被学界与公众关注的一类不平等。

一、理论视角

(一)健康不平等与增寿

健康领域的社会不平等,是否会随年龄变化?这一变化是否受持续变迁的社会历史环境影响?这篇论文就此进行了讨论。生命历程视角为理解人类生活与剧烈变迁社会的关系提供了一个卓越的分析框架。通过同时分析年龄与世代对个体健康的影响,研究捕获到了个体与社会历史层面上,时期对寿命的影响。
首先,本文要强调年龄增长过程的累积劣势理论(cumulative disadvantage theory)。这一理论肇始于默顿1968年的地位获得研究与学术生涯研究,累积劣势理论在老龄化(aging)和生命历程研究中得到了卓有成效的应用,以描述教育程度和收入方面的初始不利影响在整个生命周期中累积,从而产生高水平的晚年不平等的过程。被O’Rand(2006)描述为“生命历程的资本形式”,经济、健康和个人资源在生命历程中不断积累。在同各种社会机制进行了复杂的选择与互动过程后,即使生命历程资本的初始差异很小,也会导致结果的巨大差异。累积劣势过程强调地是,对于那些早期处于劣势、成绩较低的人,由于不断地经历困难和逆境,生命历程资本会随着时间的推移而贬值。健康轨迹(Health trajectories)是被生命历程中的侮辱(insults)链条与强路径依赖所形塑的,其中不利因素如健康状况差、教育程度和经济地位较低,会增加早期贫困的风险,也限制了随后的社会经济成就和健康的维持(O’Rand 2002,2006)。
对生命历程中健康不平等的研究发现,有证据表明,早期和持续的困难会导致身体衰弱的自我强化模式,表现在晚年残疾率和死亡率较高,以及肥胖、高血压、心脏病、认知能力下降等健康问题。但也有经验研究显示了不一致的结果,讨论在整个生命历程中社会经济地位对健康的影响到底是增强还是减弱。就健康而言,教育与收入差距的影响,要么或二者分化、或二者趋同、或二者均保持稳定,要么从早期到中年分化,然后在老年趋同。
虽然这些研究明确地采用了累积劣势/优势框架来检验生命历程中的健康差异,但它们主要依赖于截面研究,没有世代内部的追踪数据。因此,它们仍不能充分验证累积劣势理论的世代内部的差异化。但美国最近的几项研究,已经开始使用纵向设计,从世代差异中梳理出增寿(变老)的过程;他们报告了健康状况的显著组间差异,以及随着年龄的增长,健康状况的组内差异增加的模式。一项研究还发现,非裔美国人在健康轨迹上存在持续的不平等,显示出非裔美国人的长期劣势。这些研究都支持了累积优势理论。

(二)健康不平等与世代

虽然学界已经开始系统地研究世代内和世代间不平等的轨迹,但对其他国家社会环境中的累积劣势过程的了解仍是有限的。在如中国这样的国家,研究社会、经济和政治的转型主导的二十世纪后半叶的社会中,社会经济地位与健康的关心是很重要的。这就引出了第二个研究问题:随着个人年龄的增长,社会变迁如何影响健康状况?
人类生活和历史时期的相互作用是生命历程框架的核心(Elder、Johnson, and Crosnoe 2003)。历史时期可能会通过一种群体效应对一个人的人生历程产生巨大影响,社会变迁会使继替世代间的生命历程模式有所不同。世代对健康的影响可能是由于早期生活条件的差异,这也是慢性病流行病学研究中常见的疾病易感性和死亡率解释。同样,世代的变化可能反映出自出生以来个人健康资本的变化。在美国,晚近的世代往往出生时拥有更好的健康资本,且健康资本存量的折旧率也更低。此外,继替世代也会更晚的经历慢性病和残疾。
另一个同生命阶段相关的原则是“生命的时间安排(the timing of lives)”,不同世代也可能有不同的生活经历。埃尔德(Elder)在关于大萧条时期的儿童的开创性著作中,他令人信服地论述了奥克兰一代(出生于1920年至1921年),早期的经济损失和贫困,对不同社会阶层的身心健康有着不一样的影响。社会经济最差的群体,早期的经济损失和贫困对成人健康的不利影响最大,且更有意思地是,当比较更多受家庭困难的不利影响的稍微年轻的一代时(出生于1928到1929年),奥克兰一代的男性在晚年生活中适应能力更强,这可能是由于服兵役及其福利的关系。很明显,个人对社会变迁的影响确有不同的感受,这取决于他们在生活中所处的位置。

二、有关社会经济地位与健康的研究:中国及其他亚洲国家(略)

三、研究假设

假设一:(世代内变异)社会经济地位对健康不平等的影响,在同一世代内部,随生命历程而增强。
假设二:(世代间变异)在整个生命历程中,考虑到世代内部的异质性,世代间的社会经济地位对健康轨迹的影响仍显著存在。晚近世代中,社会经济差异对健康轨迹的影响可能减弱。
假设三:社会经济地位对健康轨迹影响的世代模式存在变化,在城乡地区不同。对于农村地区的年长世代,社会经济地位对健康轨迹的影响更强。

四、数据

数据使用了1991、1993、1997、2000、2004的五期追踪数据,去除死亡与追丢的数据,共34828人年记录。由于身体健康的人更容易留在样本中,以及处于劣势地位的人更容易早逝,社会经济地位对于健康的影响可能是高估的。下面,本文简述了如何控制死亡与追丢的潜在偏误。
对于社会经济地位的测量,本文使用了教育与家庭收入。在最终的分析中,使用了两个双值变量,上过初中的赋值为1,没上过小学或上了小学的赋值为0;将受访者按收入分布,后1/5赋值为0,前4/5赋值为1。
同时,控制地区影响为哑变量,沿海地区(山东、江苏)、东北地区(辽宁、黑龙江)、内陆(河南、湖北和湖南)、多山南部地区(广西、贵州)。CHNS也提供了健康行为的测量,包括抽烟、喝酒,及通过身高体重测量的BMI(身体肥胖指数)。研究控制了健康行为、性别、精神状态。

五、分析策略

因为CHNS是对多年龄世代的多期调查,因此数据并不仅可做一个世代的纵贯调查,而是存在多世代的年龄增长的信息累积。
(但)因为很难获得所有世代从出生到死亡的完整生命史,数据其实限制了每个世代的个体生命历程的覆盖范围。同时,如果观察到的不同世代的年龄轨迹是开始和结束于不同的年龄,在同其他世代作比较时,则一定是基于世代成员生命历程的不同阶段。
然而,随着数据的不断积累,年龄和世代的混淆程度将越来越小,这使得估计特定于世代的年龄轨迹变得越来越可能。Miyazaki和Raudenbush(2000)以及Raudenbush和Bryk(2002)指出,利用分层线性模型(hierarchcal linear models, HLM)或增长曲线模型(growth curve models)可用于检验年龄轨迹中的世代差异。利用美国的数据,该模型揭示了有关健康的年龄轨迹中世代影响的显著差异。因为CHNS有着比较美国数据更多期的数据,本文应用了这一模型,为年龄与世代的相关假设提供了更有力的检验。
文章使用了两层分层线性模型(HLM),去估计健康的年龄轨迹,以及这些轨迹中被世代与社会经济地位影响的异质性。

第一层模型:
$y_{t i}=\beta_{0 i}+\beta_{1 i}\left(A g e_{t i}-\bar{A} \cdot_{i}\right)+\beta_{2 i}\left(A g e_{t i}-\bar{A} \cdot i\right)^{2}+e_{t i}$
第二层模型:
(1)截距模型:
$\beta_{0 i}=\gamma_{0 0}+\gamma_{0 1}S E S_{i}+\gamma_{0 2}C o h o r t_{i}+\gamma_{0 3}S E S_{i} \cdot C o h o r t_{i}+\gamma_{0 4}U r b a n_{i}+u_{0 i}$
(2)斜率模型(年龄):
$\beta_{1 i}=\gamma_{1 0}+\gamma_{1 1}S E S_{i}+\gamma_{1 2}C o h o r t_{i}+\gamma_{1 3}S E S_{i} \cdot C o h o r t_{i}+\gamma_{1 4}U r b a n_{i}+u_{1 i}$

第一层模型刻画的是随时间变化,个体层次的变化,或者说个体随年龄增长的轨迹。在这个对个体层次重复测量的模型中,对于在时间$t$处的人$i$,其响应变量$y_{t i}$,是被建模为时间t处的人i的年龄的线性与二次型函数,系数$\gamma_{0 i}$、$\gamma_{1 i}$、$\gamma_{2 i}$代表截距或平均水平、随年龄变化的斜率与二次方斜率。沿着HLM方法论的文献,这篇论文将年龄变量集中在$\bar{A} \cdot_{i}$,即个体i所属人群的世代的年龄中位数。这种操作有几个优点。首先,它允许我们将截距和斜率解释为,在数据收集期间,世代中年龄中位数的平均健康水平和增长率。其次,它最小化了年龄和年龄平方之间的相关性,并稳定了估计过程。第三,以世代特定的中位年龄为中心,可以防止由于世代中平均年龄的系统性变化而导致的估计偏差。因此,它消除了年龄和世代变量的混淆。
第二层模型试图分析,个体间变化的异质性,并确定影响因素(社会地位、世代和城市/农村居民)与每个人的成长轨迹情况之间的关联。第二层模型评估随年龄变化的个体间的差异,或者说不同世代的不同社会经济地位的个体,有着不同的个体内部层面的变迁模式。每一个年龄轨迹的参数,$\beta_{0 i}$、$\beta_{1 i}$、$\beta_{2 i}$是被个人层面变量所建模的函数。这些协变量的相关系数为$\gamma$,从$\gamma_{0 0}$到$\gamma_{0 4}$是截距模型的系数,涵盖了由教育与收入组成的社会经济地位指标的主要效应,$C o h o r t$(被编码为0到5),社会经济地位与世代的交互项,以及城市居民。$\gamma_{10}$到$\gamma_{14}$是斜率模型的相应系数,它们等同于在控制了上述协变量后,与年龄的交互作用效应。这篇文章也检验了一个相似的二次斜率模型,但于此省略。
这篇文章在第一层模型输入控制变量,为时变协变量(婚姻状况、吸烟、饮酒和以平均值为中心的BMI),在第二层模型为输入时间不变的协变量(性别、损耗类型和地区)。假设随机的个体误差项$e_{ti}$为正态分布,第二层模型的残差$u_{0i}$和$u_{1i}$为多元正态分布。
CHNS的数据跨度为13年,可能由于周期效应对健康产生影响。由于方法论和客观原因,这篇文章没有明确地将周期效应纳入他们的分析中。在纵向设计中,每个个体随时间的重复观察以人-年数据集的形式记录。人-年数据集的一个基本特征是,它包含一个时间指标,如年龄或期(周期),这一指标可以标识测量的时期。
在生长曲线模型中,第一层的分析,通过所选时间指标的函数的建模输出,来反应个体内的变化,也就说是,我们可以选择年龄或调查期来作为实际关注,但不能二者都选,这是因为个体层面的年龄与周期是共线性的。我们不关注周期效应,而是关注年龄与世代的交互影响($\gamma_{12}$、$\gamma_{13}$),因为在任何历史时期,世代的年龄都不同,与历史时期相关的影响(如果有的话)往往会在与年龄输出的关系中产生世代差异。
如果死亡率和追踪丢失与较差的健康状况显著相关,则可能出现非随机选择,从而产生对健康轨迹的有偏样本估计。这篇文章考虑了各种方法来处理潜在的选择偏差。由于Heckman两步选择校正和其他一些技术似乎不能为这个问题提供通用或可预测的解决,这篇文章使用了一种更直观的方法,适合具体经验分析。由于样本丢失,非随机选择发生在数据中。但HLM允许数据在时间上的不平衡,因为它在估算轨迹时包括了所有人,而不考虑样本丢失或人年数据的期数,这在很大程度上减少了失访样本的数量,并缓解了其他回归模型中常见的样本选择问题,这些回归模型排除了因随访而丢失的样本。除此之外,模型使用的数据不需要受访在每期都有完整数据,而只要识别在任何后续调查中死亡或成为丢失样本的个人。问题是要区分那些在后续调查中成为了丢失样本的人,和那些成功受访的人的健康轨迹。一个简单而有效的解决方法是,在第二层模型中直接控制缺失类型。因此,通过输入表示死者和丢失样本的虚拟变量,这篇文章解释了因死亡或因追踪失败的受访者比拥有完整数据的幸存者健康状况较差的可能。

六、结论(略)

七、讨论与总结(略)

作者系北卡州立大学Feinian Chen与Guangya Liu、芝加哥大学Yang Yang。

------ End of this article ------

Copyright Notice 版权声明

Yuteng Yan by Yuteng Yan is licensed under a Creative Commons BY-NC-ND 4.0 International License.
闫誉腾创作并维护的Yuteng Yan博客采用创作共用保留署名-非商业-禁止演绎4.0国际许可证
本文首发于Yuteng Yan 博客(http://yanyuteng.github.io),转载请保留原文链接及作者。