2012年10月16日，主题为“人口研究方法与应用：健康老龄的生物人口学与多状态事件历史分析”的国际研讨会在北京大学国家发展研究院万众楼二楼召开。我们分两期简报报告此次会议内容。本期主要报告Netherlands Interdisciplinary Demograghic Institute(NIDI)的Govert Bijwaard研究员，来自人民大学的Zhao Zhong教授和来自International Institute for Applied System Analysis(IIASA) 的Samir K.C.研究学者。

Govert Bijwaard：教育与健康：认知能力的作用

Govert Bijwaard的研究主要分析教育、认知能力和父母背景对健康状况的影响。首先，Govert Bijwaard指出以下两个事实。第一，不同教育水平的群体所面对的健康和预期寿命的差别很大，这种预期寿命的差异高达6-7年，而处于健康状态的预期寿命差异甚至高达16-19年。第二，降低由教育水平不同导致的健康差异已经成为一个重要的政策目标，然而经过努力，这种健康差异仍然在不断加大。
接着，Govert Bijwaard指出已有的研究存在两个问题。一方面，已有的研究测度的都是个体30岁左右的健康状态，而这个年纪健康差异表现得并不明显。另一方面，健康状况都是自我描述并报告的。这种方法可能使得误差有偏，因为个人的教育和能力与其对健康的主观概念相关。与此不同的是，Govert Bijwaard强调他们的研究是观测了一些客观的健康结果，即55-70岁这一部分人的住院次数和死亡率，而55-70岁这个年龄阶段的相对健康差异是最大的。
Govert Bijwaard在Conti et al. (2010)的结构模型基础上，构建了考虑到持续解释变量的多状态模型。结构模型有几个特征：能力是观测不到的潜在变量，我们只能观察到一些测度，比如智力测试的成绩；由教育选择带来的健康结果只有一个可以被观测到；健康结果和教育选择都与能力有关；能力、教育水平和健康结果之间的因果关系可能有多重形成机制。多状态模型中，结果是某种状态持续时间的概率。主要三种状态包括：健康、疾病和死亡，通过数学计算，可以得到从健康-死亡，健康-生病，生病-死亡，生病-健康的概率，并估计出教育对健康的影响大小。
Govert Bijwaard利用所谓的“Brabant数据”，这份数据包含了关于荷兰的Noord-Brabant省一群典型的小学六年级学生的智力水平、社会背景和学校表现的详细信息。这个数据的信息从1952年开始收集，分别在1957、1983和1993年追踪了这些人在劳动市场上的行为，并且与1995-2010年的死亡分析记录以及1995-2005年的入院出院记录进行数据连接。从数据描述来看，高教育水平的群体，智力水平为107.6，高于低教育水平的95.2。而高教育水平群体的死亡率和住院次数分别为12%和1.8次，均低于低教育水平的群体的16%和2.4次。回归结果发现，在控制了认知能力这个变量之后，高教育水平的人预期寿命更长，入院率更低，平均住院时间更短。

Zhao Zhong：进城务工对留守父母健康的影响

近年来我国社会发生一些深刻的变化。伴随着经济快速增长，城市化进程也大大加快。这导致城市人口从1978年的18%上升到2008年的46%，截至2008年年末，城乡移民总量高达1.4亿，他们主要从农村像城市转移，从内陆地区向沿海地区转移。与此同时，人口老龄化的趋势也慢慢显现。从第六次人口普查的数据来看，全国60岁以上的老龄人高达1.78亿，占总人口的13.26%，65岁以上的老年人高达1.19亿，占总人口的8.9%，而农村地区60岁以上老年人的比例甚至高达15.4%。Zhao Zhong指出，农村地区老年人比例如此之大，进城务工潮的兴起对留守老年人的健康可能会有多重影响。进城务工带来的农民收入的增加对老年人健康可能会有积极的影响，但是由于外出导致照料时间变短，家庭联系减弱等可能对健康带来负面作用。
接着，Zhao Zhong采用实证方法对此进行了分析。主要利用的数据是中国城乡移民(RUMiC)数据，这是一个由多个机构联合资助的大型调查。这套数据包括农村、城市和移民三个样本，实证中主要用到的是2008和2009年的农村样本。主要调查的地区包括是个省份，其中，江苏、浙江、广东和上海是人口流入省，河南、安徽、湖北、四川和重庆是人口流出省，河北省只调查了农村家户的情况。Zhao Zhong利用的是Probit模型，被解释变量是留守父母的健康状况，解释变量是主要包括进城务工子女的人数、父母年纪、父母工作时间、人均收入、家庭规模和孙辈人数。留守父母的健康状况是一个二元变量，如果父母身体状况是正常、差和非常差这三类，这个变量赋值为0，如果父母身体状况是好和非常好这两类，则赋值为1。采用这个模型需要考虑的问题是存在内生性。父母健康情况和孩子进城务工决定之间存在内生性，比如，父母健康状况不佳会导致孩子不可能进城务工。这种反向因果关系的存在可能会使得结果出现偏误。Zhao Zhong提出解决这种内生性问题的办法是采用IV-Probit的方法，即使用工具变量来进行估计，这个工具变量与是否进城务工的决定有关，而与父母健康状况没有直接关系。这里构造了一个新的工具变量，它是一个村子进城务工的概率与一个家庭成年男性的交叉项。Zhao Zhong 分别利用Probit模型和IV-Probit模型进行了回归分析，结果都显著为负，但是用IV-Probit模型得到的系数高于用Probit模型得到的系数，这与之前反向因果关系的存在一致。通过对父母年龄、小孩人数、家庭收入和户主类型分类，分别进行回归，可以看出，父母年龄超过60，只有一个孩子的家庭，家庭收入较低的群体和户主为男性的这四种类型，孩子进城务工对留守父母健康的负面影响更显著。
Zhao Zhong最后指出，这份研究还存在可以拓展的三个方面。第一，对留守父母健康的影响可能存在性别差异；第二，要考虑当地公共政策的一些影响；第三，这种影响的机制还有待进一步明晰。

Samir K.C.：健康老龄化和老龄人的教育程度

老龄化是一个自然而不能被改变的过程。老龄化会带来许多后果，包括积极的和消极的。在许多社会，老年人被看成社会的一种负担，因为他们要利用医疗服务和其他社会资源，然而同时他们对国民收入的贡献随着时间递减。于此相对的是，老年人也许可以被看成是一种社会财富，因为他们拥有智慧和经验，并且是社会稳定的因素。
对个体来说，老龄化通常用年纪来衡量，从总体来看，它通常用高于一定年纪的人口占总人口的比例来衡量，但这种测度对出生率、迁移率和死亡率都很敏感。近年来，有一种普遍的观点认为，单纯对人口老龄化进行结果性的数量描述是远远不够的，并且可能会有误导性，因为许多质量特征，比如，价值观，行为，健康状况，教育和财富等，在不同的个体之间和不同群体之间不一样。同时，由于科技进步和全球化的兴起，社会是不断在变化的。因此，为了给这种单纯的数量性描述加上一个质量的维度，对个体、人群和社会所发生的变化进行研究，是重要的一步。
Samir K.C.指出，老龄化的重新定义已经引发了许多研究和讨论。健康老龄化无疑是最通用的方式，也就是说，老年人的数量要用其健康状况进行加权。只要过去和现在的各年龄段的健康状况是可得的或者可以被估计出来的，那么这种计算就是实现的。然而，要估计“健康老龄化”中这种健康维度的将来变化还很难完成。幸运的是，健康与教育程度之间的因果关系可以帮助我们使用教育程度作为健康的一个近似。通过一个多状态人口模型，通过教育程度对人口进行分类之后，人口预测就简单很多了。
教育程度和健康之间关系可能通过多种机制实现。教育可能会有助于人们提高戒烟概率，增加闲暇时间，增加微量营养元素摄入，并控制饮酒。这些都有助于身体健康。通过对朝鲜和印度研究可以发现：残疾水平随着年龄增加，在国家之间有差异；初中及以上教育程度的人的残疾水平明显下降。当然，Samir K.C.也提到，这项研究选取的都是东亚国家，可能会存在文化因素的影响，而且样本数量也较小。但是，这个案例可以得到一个初步结论，与只考虑性别和年龄相比，如果进一步考虑教育程度，人口预测中估计的未来残疾水平会有所下降。因此，老龄化的人口学分析中，除了性别和年龄之外，还应该将教育程度纳入分析。