健康对农村居民劳动力参与的影响，本文主要内容关键词为：劳动力论文,农村居民论文,健康论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
一、引言及文献综述
自改革开放以来，中国已经保持了近30年的经济高速增长。按照可比价格计算，1978-2006年，中国人均GDP的年均增长率达到8.15％。按照可比价格计算，城市居民人均可支配收入从1978年的343.4元上升到2006年的11795元，年均增长率为6.01％；而农村居民人均纯收入从1978年的133.6元上升到2006年的3587元，年均增长率为5.08％①。由于农村居民收入的起点本来就比城镇居民低，再加上近30年城镇居民人均可支配收入的增长率一直高于农村居民人均纯收入，城乡居民的收入差距越拉越大，从而成为中国经济体的二元经济特征中最为明显的特征之一。
众所周知，在宏观经济学的增长理论中有两个核心的问题：一个是长期经济增长的动力问题；另一个是国家或地区之间经济是否“收敛”的问题②。中国在赶超发达国家，努力缩小与发达国家的收入差距的同时，还面临着如何缩小城乡居民之间收入差距的问题。新古典经济增长理论认为，决定长期经济增长的动力是技术进步，内生经济增长理论认为，跨国或跨地区之间收入增长是“收敛”还是“发散”，主要取决于人力资本的积累。许多研究者已经研究了人力资本对于经济增长的重要性(比如Mincer，1974；Lucas，1988；Buchinsky，1994；Heckman，2002)。人们过去在验证人力资本对经济增长的影响时往往集中于教育上，一个重要的原因在于教育可以通过受教育年限或者受教育水平比较容易地进行衡量。然而，人力资本并不仅仅包含教育，还包括营养、健康、经验、能力甚至包括性格、品行等一些因素。由于健康是多维度的，因而从不同维度衡量的健康对劳动力供给或者生产率会产生不同的影响(Ware et al.，1978)。
国外已有大量的文献研究了健康与经济增长之间的关系，尽管学界对于如何解释这两者之间的因果关系一直存在着争议，但这些研究基本上都能够证明健康对经济增长的影响是正面促进的(例如Strauss，1986；Haddad and Bouis，1991；Bhargava，1997；Thomas and Frankenberg，2002)。还有一些文献研究健康对劳动力供给(labor supply)或劳动力参与(labor force participation)的影响，大部分这类研究表明，健康状况良好的人其劳动力参与会明显地高(例如Lavy et al.，1995；Schoenbaum，1995；Gertler and Molyneaux，1996；Dow et al.，1997)。
国内关于健康经济学的研究目前还比较少，而关于健康对收入增长影响的实证研究更是不多。表1总结了国内有关这方面的实证研究所使用的数据、方法和主要结论。
在实证模型中，最重要的解释变量是健康状况。到目前为止，衡量健康或者营养状况的指标包括如下几种：①一般健康状况(general health status，GHS)。由于通过较为集中的医疗体检来对一个人的营养健康状况进行评估成本太高，自我评价的一般健康状况是目前为止实证研究的文献中最为常用的指标。自我评价的一般健康状况是一项重要的衡量健康的综合性指标，但是，它面临着一些问题(Newhouse et al.，1993)。②自我报告的发病率、疾病(morbidity、illness)。这是另外一种成本较低的衡量健康的指标，然而，与自我评价的一般健康状况一样，首先，由于检测这些疾病需要医疗器械，在很多发展中国家往往只有那些较为富裕的居民去利用这些医疗器械，因而能够报告出疾病状况的人大部分是那些比较富裕的人，而那些贫穷的居民往往会由于没有能力利用这些医疗器械从而高估了自己的健康状况(Schultz and Tansel，1997)。其次，一个人自我报告的发病率或者疾病状况与健康服务的价格及收入相关，比如，一些人也许会为了某种与健康相关的利益而声称自己患有某种疾病(Bound，1991)。③自我报告的身体机能，主要是日常生活行为机能(activities of daily living，ADL)。由于ADL衡量的都是日常生活中具体的活动机能，因而比较准确，不太容易出现前面两种方法所出现的测量误差。然而，它也有一个很大的缺点，即ADL衡量的往往都是由于身体健康欠佳导致的呼吸困难、身体协调机能欠缺或者肌肉力量欠缺等问题(Stewart et al.，1978)。④基于营养的指标——卡路里摄入量。营养摄入量在效率工资模型中占有十分重要的角色。然而，在对一个人平均每天的卡路里摄入量进行衡量时往往也会出现测量误差。⑤基于营养的指标——体质特征。一个人的体质特征主要包括3种，即身高(stature)、体重(weight)和体质指数(BMI)③。身高从一定程度上反映了一个人在年幼时摄入营养的状况，但是，当这个人成年后，他的身高几乎不怎么发生变化，因此，身高不能反映一个人最近的营养状况。体重可以在一段时间内发生较大的变化，然而，身高较低的人其体重也较轻，因而不考虑身高的体重也不是衡量营养状况的较好指标。BMI既考虑了身高又考虑了体重，而且它可以随时间发生变化，因而在许多实证文献中被用来衡量一个人的营养状况。BMI的测量一般不会受到测量误差的影响，但是，BMI与健康的关系不是线性的，并不是BMI越大，这个人的营养或身体健康状况就越好。综上所述，尽管现阶段衡量营养健康状况的指标很多，但是，每一种方法都有着自身的优缺点。
本文主要研究健康对农村居民劳动力参与的影响。笔者认为，健康对农民尤其是以种植业为主的农民的劳动力参与应该有比较大的影响，这是因为种植业往往需要较强的体力劳动力。到目前为止，国内尚未发现有人专门研究健康对农村居民劳动力参与的影响，尽管魏众(2004)研究了健康对劳动力供给的影响，但是，他的研究主要集中于非农就业及其工资的决定上。
本文剩余部分的结构安排如下：第二部分是模型、变量及数据处理；第三部分是实证分析及结果；最后一部分是结论及政策含义。
二、模型、变量及数据处理
(一)模型设定
本文的研究对象是中国农村居民的劳动力参与④，在这里假定劳动力参与是健康、年龄、教育和婚姻状况的函数。由于劳动力参与是一个二元的离散变量，农村居民要么加入、要么不加入劳动力大军，因此，在对这类模型进行参数估计时本文自然地会选择采用Probit模型，模型形式如下：
(二)变量说明
对于健康状况，本文决定采用自我评价的一般健康状况(GHS)来衡量。尽管GHS存在测量误差的问题，但是，它能够综合描述个人动态的健康状况，而且国际上最盛行的一种描述健康状况的指标就是这种指标，到目前为止有关健康对收入或者劳动力参与影响的实证文献中用得最多的也是这种指标。CHNS用了四级指标来度量个人一般健康状况：不好、一般、良好和很好，本文对这四种状况分别赋值1、2、3和4。在本文的样本中，健康状况不好的个体共180人，占总体的5.3％；健康状况一般的个体共计1005人，占总体的29.7％；健康状况良好的个体共计1724人，占总体的50.9％；健康状况很好的个体共计478人，占总体的14.1％。
由于农村居民所从事的行业包括园林工艺、家庭耕作、禽畜养殖、家庭渔业和其他，这几类行业对劳动力参与的影响是不同的，本文因而设置行业虚拟变量以控制这些不同的影响。本文以其他行业为参照组，将园林工艺、家庭耕作、禽畜养殖和家庭渔业定义成4个相互独立的虚拟变量。
性别不同对劳动力参与的影响也是不一样的，为了控制这一影响，本文在(1)式中还引入了性别虚拟变量，以女性为参照组。
在受教育水平的调查数据中，CHNS包括六级指标：小学学历、初中学历、高中学历、职业技术学校学历、大学学历和研究生学历。由于本文所考查的对象是农村居民，因此，研究生学历的人数为零，这样，在本文的样本中学历一共包括五级指标，本文以小学学历为参照组，其他学历定义为4个相互独立的虚拟变量。在婚姻状况中，本文定义已婚的个体取值为1，其余的取值为零。
经过整理，本文将变量的描述性统计列在表2中。
需要说明的是，还有其他一些变量比如劳动力的预期收入以及政府对居民的转移支付收入都有可能对劳动力参与产生影响。由于中国政府对农村居民的直接转移支付数额平均下来是非常低的，因而本文在(1)式中没有考虑转移支付。(1)式中的解释变量也没有包括农村居民预期的劳动力收入，这一方面是因为在统计数据中很少会收集预期收入；另一方面是因为个人预期收入一般都和受教育程度以及年龄(潜在的经验)等人力资本变量高度相关，而本文已经在(1)式中引入了受教育水平和年龄变量。
由于(1)式中有可能遗漏了一些比较重要的变量，比如个体居民预期收入、政府对个体居民的转移支付等，有可能导致模型的估计结果发生偏误。为了解决这个问题，一方面，本文引入受教育水平和年龄来控制遗漏变量的影响；另一方面，在对Probit模型进行估计时，本文采用非参数的重复抽样(bootstrap)方法，期望得到一致的估计。
(三)数据及处理
本文所采用的数据来自中国健康和营养调查(China Health and Nutrition Survey，简称CHNS)⑤。该数据是由美国北卡罗莱纳大学人口研究中心、美国国家营养与食品安全机构以及中国疾病预防控制中心联合调查的，调查对象包括9个省份⑥，4400个家庭，19000多个个体。该调查是1989年、1991年、1993年、1997年、2000年、2004年、2006年对中国居民进行的长期固定追踪调查。它遵循多水平、随机群体样本程序收集了有关社会人口、家庭收入、营养健康、医疗保健、社会服务等方面的信息。
本文所采用的数据是该调查最新公布的2006年的数据。因为本文的研究对象是农村居民，所以，首先，本文在样本中去掉了城镇居民。其次，在校学生参不参加劳动力并不由(1)式中的解释变量所决定，他们有着很好的理由不参与劳动力，因而在样本中不包括在校学生。最后，本文选择年龄在18岁及以上的成人居民作为本文的研究对象，同时去掉一些信息不完全的样本，这样，本文的有效样本一共包括3387个个体，其中，女性个体1558个，男性个体1829个。
三、实证分析及结果
在检验健康对农村居民劳动力参与影响的同时，本文还要对以下两个假设进行验证：①由于中国大部分农村居民没有退休工资和养老保障，因而即使他们年龄已经很大，只要身体健康，他们仍然会自食其力，因而对于这部分人而言，健康对劳动力参与的影响要远远大于年轻人。②在农村居民所从事的农业或者其他行业中，大部分劳动力都是比较辛苦的，这些劳动力大都需要较强的体力，这就导致了农村的主要劳动力是男性，健康对女性劳动力参与的影响应该大于对男性的影响。这是因为，女性身体力量本来就比较弱，如果健康状况不好，那么，她们会更不适合这类工作。
为了检验第一个假设，本文将样本按年龄分组。本文将18～55岁的居民分为一组，再将55岁以上的居民分为另一组，分别估计健康对这两组居民劳动力参与的影响，然后再进行比较。
为了检验第二个假设，本文按性别将样本分为两组，一组是男性居民，另一组是女性居民，分别估计健康对男性和女性劳动力参与的影响，这样就可以验证第二个假设了。
这样，本文一共进行了5个Probit回归估计，估计结果见表3。表3中，回归结果(1)验证健康对中国总体农村居民劳动力参与的影响；回归结果(2)验证健康对18～55岁农村居民劳动力参与的影响；回归结果(3)验证健康对55岁以上农村居民劳动力参与的影响；回归结果(4)验证健康对男性农村居民劳动力参与的影响；回归结果(5)验证健康对女性农村居民劳动力参与的影响。
回归结果(1)表明，健康状况对中国农村居民的劳动力参与有着显著的影响，健康状况越好，则农村居民劳动力参与的可能性越高。根据简单的概率计算可以得出，平均而言，健康状况每上升一个等级，农村居民劳动力参与的概率就会提高3.48个百分点⑦。受教育水平对中国农村居民劳动力参与的影响并不明显，这与当前中国农业知识和技术密集程度较低是相适应的。年龄对中国农村居民的劳动力参与有着明显的负面影响，这是因为随着年龄上升，农村居民的身体状况和精力都会下降，因而参加劳动的概率自然会下降。婚姻状况对中国农村居民的劳动力参与有着显著的正面影响，这是因为一旦结婚了，居民个体就有了家庭负担，因此，劳动力参与的可能性加大。男性农村居民参与劳动力的可能性更大，这是因为，农村劳动大部分都需要有较强的体力，而男性很显然比女性更适合干一些强度较大的体力活。大部分行业虚拟变量可以通过显著性检验，这也证实了不同行业对中国农村居民劳动力参与影响不同的结论。总体而言，回归结果(1)是比较令人满意的，其大部分估计结论都是符合经济意义以及中国现实情形的。
从回归结果(2)和(3)可以看出，健康对中国55岁以下和55岁以上成年农村居民的劳动力参与都产生显著的影响。而且从影响程度来看，健康对55岁以上农村居民劳动力参与的平均影响要大于55岁以下的农村居民。平均而言，健康状况每上升一个等级，55岁以下农村居民劳动力参与的可能性会上升2.12个百分点，55岁以上农村居民劳动力参与的可能性会上升9.10个百分点，可见，健康对老年人劳动力参与的影响要大于对中青年人的影响，从而证实了前面提出的第一个假设。除此之外，随着年龄的增大，年龄对劳动力参与的负面影响会越来越大。当一个农村居民年龄处于55岁以下时，平均而言，年龄每增加一岁，劳动力参与的概率会下降0.21个百分点；而当农村居民的年龄处于55岁以上时，年龄每增加一岁，劳动力参与的概率会下降2.20个百分点。婚姻状况对老年农村居民和较为年轻的农村居民的影响也是相当不同的。从回归结果(2)可以看出，当农村居民处于55岁以下时，婚姻状况对劳动力参与有显著的影响；而当农村居民年龄超过55岁后，婚姻状况对劳动力参与的影响不再显著。当一个人处于中青年时，如果他结婚了，那么，他所面临的问题首先是承担家庭的责任，如果有子女他还得抚养，而且他还有可能得去赡养老人，因此，婚姻会促使他尽量参加劳动力从而承担家庭的义务。而当一个人处于老年时，他一般不再有赡养父母的义务，其子女一般也长大成人，而且他很有可能已经成了被赡养的对象，这时，婚姻状况对他的劳动力参与不再产生影响。由此可见，回归结果(2)、(3)中关于婚姻状况对中青年人和老年人各自劳动力参与影响的估计结果与社会现实是非常相符的。
从回归结果(4)和(5)可以看出，健康对中国男女农村成年居民的劳动力参与都产生显著的影响，而且对女性的影响要高于对男性的影响，这就证实了前面的第二个假设。平均而言，中国男性农村居民的健康状况每上升一个等级，劳动力参与的概率就会上升2.77个百分点；女性农村居民的健康状况每上升一个等级，劳动力参与的概率就会上升4.36个百分点。
从回归结果(4)和(5)还可以发现一个比较有趣的结果，那就是婚姻状况对劳动力参与的影响在中国男性农村居民和女性农村居民之间是相当不同的。结婚后，中国男性农村居民平均的劳动力参与的可能性将会上升18.52个百分点，而婚姻对女性农村居民劳动力参与的影响几乎不怎么显著。这说明，中国男性农村居民结婚后劳动力参与的概率会大大增加，而女性农村居民结婚后劳动力参与的概率几乎不怎么改变。
四、结论及政策含义
本文主要针对健康状况对中国农村居民劳动力参与的影响进行了实证检验。研究结果表明，健康状况对中国农村居民的劳动力参与有着显著的影响。平均而言，健康状况每上升一个等级，农村居民劳动力参与的可能性就会增加3.48个百分点。健康状况对中国老年农村居民劳动力参与的影响远远大于对中青年农村居民劳动力参与的影响，对女性农村居民劳动力参与的影响要大于对男性农村居民劳动力参与的影响。
总之，本文清楚地证明了健康对中国农村居民劳动力参与的影响，提高中国农村居民的营养健康状况是扩大农村居民劳动力参与的一项重要举措，而劳动力参与又是扩大农村居民收入的一条根本途径。从这个意义上来说，要想缩小农村居民和城市居民之间的收入差距，必须加强对农村居民的健康投入。从另一个方面来说，健康既是生产力发展的源泉，又是人类追求的基本福址，更是人力资本的重要组成部分。因而，本文的政策含义也十分明显，那就是应当加大对中国农村地区农村居民的基本健康投入，逐步缩小农村与城市之间在公共卫生、医疗保障等方面的差距。
注释：
①根据《中国统计年鉴2007》，国家统计局编，中国统计出版社，2007年计算得出。
②参见Romer(2001)。
③BMI一般通过体重除以身高的平方来衡量。
④本文中的劳动力参与指的是农村居民参加劳动。
⑤数据来源：美国北卡罗莱纳大学人口中心(www.cpc.unc.edu/projects/china)。
⑥这9个省份分别是辽宁、黑龙江、江苏、山东、河南、湖北、湖南、广西、贵州。
⑦此处的概率值是健康对劳动力参与的边际效应，根据公式
计算得来，后面的概率值来源同此处。
标签：概率计算论文;