CFPS 面板數(shù)據(jù)下勞動(dòng)收入對個(gè)人健康影響的實(shí)證分析

□陳梓森 吳鐘松

一、引言

健康被認(rèn)為是重要的人力資本。不同的收入水平和社會(huì)地位對健康資本的投入程度有不同的偏好。良好的健康會(huì)提高勞動(dòng)生產(chǎn)率，使勞動(dòng)者獲得賺取更多收入的能力。2016 年8 月20 日，習(xí)近平總書記在全國衛(wèi)生與健康大會(huì)上提出：沒有全民健康，就沒有全民小康。習(xí)近平總書記的重要講話精神是全黨全社會(huì)建設(shè)“健康中國”的行動(dòng)指南，更是全方位保障人民健康的行動(dòng)號(hào)令。黨的十九屆五中全會(huì)再次提出了要提高人民收入水平，強(qiáng)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(huì)保障體系，全面推進(jìn)健康中國建設(shè)的重要要求。因此，研究個(gè)人健康與勞動(dòng)力市場之間的關(guān)系將更好地提高社會(huì)效益，從而為完善國民健康政策和制定保護(hù)廣大勞動(dòng)者的相關(guān)措施提供指導(dǎo)建議。在中國特色社會(huì)主義進(jìn)入了新時(shí)代的大背景下，人民群眾對經(jīng)濟(jì)發(fā)展和健康安全兩者都有著更高的需求；社會(huì)中生產(chǎn)生活的積極性和個(gè)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(dòng)生產(chǎn)者的健康狀態(tài)，才能為勞動(dòng)力市場的良性進(jìn)步提供有利條件。

本文基于Grossman 健康需求理論，研究個(gè)人層次勞動(dòng)收入、社會(huì)醫(yī)療保險(xiǎn)對健康狀況的影響。盡管已有文獻(xiàn)建立了健康與工作之間的關(guān)系，但影響的程度和機(jī)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(shí)上普遍存在過度依賴自我評估的健康報(bào)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(dòng)實(shí)施第五階段的醫(yī)療保障制度改革，擴(kuò)大基本醫(yī)療保險(xiǎn)覆蓋面是此階段的核心內(nèi)容。一方面，通過評估勞動(dòng)力市場中勞動(dòng)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(dòng)力市場政策，并獲得更多的勞動(dòng)力產(chǎn)出。在全面的數(shù)據(jù)樣本支撐下，從實(shí)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(jí)大小可以用來觀察勞動(dòng)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(xiàn)和創(chuàng)新是：第一，健康指標(biāo)的創(chuàng)新。本文嘗試為生理和心理健康各創(chuàng)建一個(gè)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(gè)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肌５诙?，?shí)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(shí)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(yàn)和穩(wěn)健性檢驗(yàn)等方式解釋實(shí)證結(jié)果的有效性。

二、文獻(xiàn)綜述

Grossman（1972）最先把個(gè)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(gè)人健康資本影響的理論基礎(chǔ)[1]。個(gè)人健康可被視為兩種不同的屬性：消費(fèi)性和投資性。健康需求模型指出，當(dāng)健康產(chǎn)出的邊際成本等于所能提高的健康邊際利益時(shí)，則為個(gè)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(shí)證分析中，需要把健康需求理論轉(zhuǎn)化為可估計(jì)的計(jì)量經(jīng)濟(jì)學(xué)模型，測量一系列個(gè)人、家庭和社會(huì)指標(biāo)作為積累健康存量的影響因素。我們將檢驗(yàn)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(yùn)用動(dòng)態(tài)模型下的廣義矩估計(jì)，解釋了勞動(dòng)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(rèn)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(xiǎn)支出對此則沒有太大影響。

國外大多研究個(gè)人層次上收入對健康的影響都運(yùn)用了面板數(shù)據(jù)進(jìn)行實(shí)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(jìn)的計(jì)量方法，在近些年開始被少量文獻(xiàn)運(yùn)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(gè)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(shí)了H-T 估計(jì)量比隨機(jī)效應(yīng)或固定效應(yīng)的估計(jì)量更可靠有效[7]。相似地，于大川（2013）運(yùn)用該模型研究健康對中國農(nóng)村居民收入的影響時(shí)，也認(rèn)為H-T 估計(jì)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(yùn)用在我國的個(gè)人勞動(dòng)收入對健康的影響上，本研究將對上述問題作出進(jìn)一步的拓展與深入。

除了勞動(dòng)收入外，醫(yī)療保險(xiǎn)對健康的影響也是重要考察因素。自2007 年起，中國推動(dòng)了一系列城鎮(zhèn)居民基本醫(yī)療保險(xiǎn)普及政策。健全有效的社會(huì)醫(yī)療保障體系能降低個(gè)人醫(yī)療服務(wù)成本及降低重大醫(yī)療性支出的風(fēng)險(xiǎn)。賀小林（2013）通過對9 個(gè)城市的基本醫(yī)療保險(xiǎn)政策研究指出，從服務(wù)利用和負(fù)擔(dān)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(xué)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(bǔ)充作用，認(rèn)為醫(yī)療保險(xiǎn)的企業(yè)繳費(fèi)比例存在較大的地區(qū)性差異[10]。大部分就醫(yī)療保險(xiǎn)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(gè)人層次的樣本獲得更有效的實(shí)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(xué)開放研究數(shù)據(jù)平臺(tái)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(gè)人、家庭和社區(qū)3 個(gè)維度的信息，較全面地反映了中國社會(huì)、經(jīng)濟(jì)、人口等問題的動(dòng)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(gè)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(gè)樣本。使用中國家庭追蹤調(diào)查數(shù)據(jù)集的優(yōu)點(diǎn)是：首先，它不僅包含了受訪者廣泛的個(gè)人特征和經(jīng)濟(jì)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(gè)人健康和收入問題樣本量最大、時(shí)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(jìn)行進(jìn)一步的異質(zhì)性分析。

（二）變量說明

個(gè)人健康狀況是被解釋變量，本文創(chuàng)建了由4 個(gè)客觀健康指標(biāo)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(qiáng)的問題。參考Kling，Liebman 和Katz（2007）的方法[5]，個(gè)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(fèi)用”4 個(gè)成分的標(biāo)準(zhǔn)分（z-score）的均等加權(quán)總和：

每個(gè)成分的標(biāo)準(zhǔn)分(z-score)是通過個(gè)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(biāo)準(zhǔn)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(shí)，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(fèi)用低于100 元4 個(gè)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(gè)級(jí)別的自評健康選項(xiàng)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(bào)告中的分布

除了生理健康外，心理健康指數(shù)是另一個(gè)被解釋變量。心理健康的評定選取了調(diào)查中的6 個(gè)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(gè)頻次中作出選擇。這6 個(gè)變量再按上述標(biāo)準(zhǔn)分（z-score）的算法進(jìn)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(gè)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(dòng)收入的計(jì)算包括工資、獎(jiǎng)金、年終獎(jiǎng)、第二職業(yè)或兼職收入和其他勞動(dòng)收入之和。為了獲得具有經(jīng)濟(jì)含義的回歸結(jié)果，收入進(jìn)行了取自然對數(shù)處理。另一關(guān)注的變量是社會(huì)醫(yī)療保險(xiǎn)制度對健康的影響程度。樣本中在職人員的醫(yī)療保險(xiǎn)類型包括：公費(fèi)醫(yī)療、城鎮(zhèn)職工醫(yī)保、城鎮(zhèn)居民醫(yī)保、補(bǔ)充醫(yī)保和新型農(nóng)村合作醫(yī)保。樣本若參與任意一項(xiàng)上述醫(yī)療保險(xiǎn)則在虛擬變量中標(biāo)記1，參保樣本占總樣本的74.67%?？刂谱兞恐邪岁P(guān)于個(gè)人特征、家庭情況和健康行為的信息變量。表2 報(bào)告了計(jì)量模型中各變量的描述性統(tǒng)計(jì)。

表2 各變量描述性統(tǒng)計(jì)

（三）研究方法

勞動(dòng)收入對個(gè)人健康影響的實(shí)證分析基準(zhǔn)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(gè)人勞動(dòng)收入的自然對數(shù)；Xkit是一系列的其他解釋變量。隨機(jī)誤差項(xiàng)由(ui+εit)表示，假設(shè)εit遵循獨(dú)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(shí)間變化的不可觀測因素，εit包含所有隨個(gè)體和時(shí)間變化的不可觀測因素?；鶞?zhǔn)模型將分別采用普通最小二乘法(OLS)、隨機(jī)效應(yīng)和固定效應(yīng)的計(jì)量方法進(jìn)行回歸分析。固定效應(yīng)回歸法能控制無法觀測的個(gè)體異質(zhì)效應(yīng)，從而減少內(nèi)生性問題；隨機(jī)效應(yīng)則能把被固定效應(yīng)排除在外的不隨時(shí)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(gè)原因：一是模型中不可避免地會(huì)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(jì)可能會(huì)存在偏差，目前被認(rèn)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(shí)滿足強(qiáng)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(shí)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(jì)，可以使估計(jì)結(jié)果更加有效。該公式可表示為：

其中，X 表示所有時(shí)變變量，Z 表示所有非時(shí)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(xiǎn)，X2包括個(gè)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(gè)體異質(zhì)性，eit是隨個(gè)體和時(shí)間變化的誤差項(xiàng)。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(jì)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(shí)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(shí)變變量歸入模型中。

四、實(shí)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(shí)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(gè)人勞動(dòng)收入為解釋變量的半對數(shù)函數(shù)。首先，是個(gè)人勞動(dòng)收入對生理健康指數(shù)的影響，表3 報(bào)告了其OLS、隨機(jī)效應(yīng)、固定效應(yīng)和H-T 模型估計(jì)的回歸結(jié)果。

OLS 和隨機(jī)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(jì)量與固定效應(yīng)估計(jì)量較為接近。隨機(jī)效應(yīng)與固定效應(yīng)的Hausman 檢驗(yàn)結(jié)果為：χ2（13）=35.05，拒絕原假設(shè)，證明了隨機(jī)效應(yīng)不是一致性的估計(jì)量，固定效應(yīng)估計(jì)量更具無偏性。比較各系數(shù)的標(biāo)準(zhǔn)誤差發(fā)現(xiàn)，固定效應(yīng)的標(biāo)準(zhǔn)誤差在這4 種模型中相對較高，而OLS、隨機(jī)效應(yīng)和H-T 模型各系數(shù)的標(biāo)準(zhǔn)誤差相仿。H-T 模型除了具備無偏性，系數(shù)估計(jì)量還有更好的有效性。因此，實(shí)證結(jié)果將以固定效應(yīng)和H-T 模型估計(jì)量作為主要參考。

個(gè)人勞動(dòng)收入的系數(shù)在各個(gè)回歸中都具有顯著的正效應(yīng)，顯著性水平在OLS 和隨機(jī)效應(yīng)中的1%變成了在H-T 模型中的10%。系數(shù)估計(jì)值為0.016 表示當(dāng)個(gè)人勞動(dòng)收入提高10%時(shí)，生理健康指數(shù)將提高0.16個(gè)標(biāo)準(zhǔn)差。醫(yī)療保險(xiǎn)在健康上表現(xiàn)了1%水平下顯著性的積極作用，享有社會(huì)醫(yī)療保險(xiǎn)的個(gè)人比尚未獲得的個(gè)人指數(shù)增加0.085 個(gè)標(biāo)準(zhǔn)差，這也反映了醫(yī)療保險(xiǎn)能通過降低醫(yī)療服務(wù)費(fèi)用而對健康形成正面效應(yīng)。關(guān)于個(gè)人特征的變量中，受教育程度的系數(shù)量級(jí)最大。以文盲/半文盲和小學(xué)教育程度的人群為基準(zhǔn)，擁有初高中、中專技校學(xué)歷的人群健康指數(shù)增加0.26 個(gè)標(biāo)準(zhǔn)差，在1%顯著性水平下顯著，而擁有大專、本科和研究生學(xué)歷的人群則增加達(dá)0.31 個(gè)標(biāo)準(zhǔn)差。這一結(jié)果與Grossman 健康需求理論中強(qiáng)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(gè)標(biāo)準(zhǔn)差，系數(shù)量級(jí)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(gè)單位，健康指數(shù)將提高0.019 個(gè)標(biāo)準(zhǔn)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(fù)效應(yīng)，但沒有達(dá)到顯著性水平。另外，以未婚者為基準(zhǔn)的婚姻狀況變量以及以城市居民為基準(zhǔn)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(bào)告了收入對心理健康指數(shù)的回歸結(jié)果。Hausman 檢驗(yàn)顯示：χ2（12）=33.92，拒絕原假設(shè)，同樣是固定效應(yīng)比隨機(jī)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(shí)，心理健康指數(shù)將提高0.14 個(gè)標(biāo)準(zhǔn)差。相應(yīng)地，醫(yī)療保險(xiǎn)也有著顯著且較高的系數(shù)，享有社會(huì)醫(yī)保的人比無醫(yī)保的人指數(shù)增加0.29 個(gè)標(biāo)準(zhǔn)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(gè)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(gè)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(gè)標(biāo)準(zhǔn)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(gè)標(biāo)準(zhǔn)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(fù)向效應(yīng)。

表3 個(gè)人勞動(dòng)收入對生理健康的影響

（二）穩(wěn)健性檢驗(yàn)

我們已知自評健康報(bào)告與健康指數(shù)存在相關(guān)性，為了確保實(shí)證結(jié)果的可靠性，本文采用自評健康報(bào)告的變量作為被解釋變量進(jìn)行穩(wěn)健性檢驗(yàn)。自評健康分為五個(gè)等級(jí)：“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(yàn)中還加入了Amemiya-MaCurdy（A-M）估計(jì)模型。Amemiya-MaCurdy 模型僅能在嚴(yán)格平衡面板數(shù)據(jù)上使用，原數(shù)據(jù)中共有1192 個(gè)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(jì)的效率。表5 報(bào)告了穩(wěn)健性檢驗(yàn)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(dòng)收入和社會(huì)醫(yī)保的變量中都有顯著性水平的正效應(yīng)。A-M 估計(jì)模型系數(shù)的效應(yīng)與H-T 模型相似，但除了勞動(dòng)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(biāo)準(zhǔn)差，這主要是樣本量有限所導(dǎo)致的。綜合以上5 種穩(wěn)健性檢驗(yàn)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(gè)人勞動(dòng)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(gè)人勞動(dòng)收入和社會(huì)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(bào)告均證實(shí)了較高的勞動(dòng)收入對健康狀況有正面效應(yīng)。享有社會(huì)醫(yī)療保險(xiǎn)的勞動(dòng)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(jí)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(jì)量方法的改進(jìn)和樣本量的擴(kuò)大，能進(jìn)一步修正過往文獻(xiàn)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(gè)CFPS 數(shù)據(jù)，形成了覆蓋全國的在職勞動(dòng)者面板數(shù)據(jù)。使用普通最小二乘法和隨機(jī)效應(yīng)往往會(huì)高估解釋變量的系數(shù)，而固定效應(yīng)的估計(jì)結(jié)果往往伴隨較大的標(biāo)準(zhǔn)差。把Hausman-Taylor 模型運(yùn)用到實(shí)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(shí)變變量。

表5 穩(wěn)健性檢驗(yàn)

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

（一）加強(qiáng)社會(huì)醫(yī)保福利的覆蓋率

本文研究結(jié)果表明，社會(huì)醫(yī)保福利對個(gè)人身心健康有顯著積極作用。企業(yè)應(yīng)加強(qiáng)自身社會(huì)責(zé)任意識(shí)，確保勞動(dòng)者能享有社會(huì)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(qiáng)監(jiān)督。應(yīng)把參與醫(yī)保作為勞動(dòng)者的基本權(quán)益納入勞動(dòng)合同中，對未遵守相關(guān)規(guī)定的企業(yè)予以處罰和強(qiáng)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(gè)體間健康水平的差異會(huì)進(jìn)一步拉大社會(huì)貧富差距。政府應(yīng)充分發(fā)揮再分配職能，對經(jīng)濟(jì)發(fā)展水平較低地區(qū)加大財(cái)政補(bǔ)貼。通過精準(zhǔn)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(huì)媒介平臺(tái)，倡導(dǎo)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(rèn)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(dāng)今經(jīng)濟(jì)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(dòng)性，農(nóng)村社會(huì)結(jié)構(gòu)也因此發(fā)生了顯著的變化[15]。我們需要進(jìn)一步關(guān)注農(nóng)村居民的心理健康，增強(qiáng)他們對自身價(jià)值的認(rèn)同感，鼓勵(lì)他們在工作中獲得自尊、效能感和自我整合的機(jī)會(huì)。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(rèn)知，修正諱疾忌醫(yī)的陳舊思想。