劉 波 胡宗義 龔志民

1 引 言

健康是個(gè)人全面發(fā)展的前提，是經(jīng)濟(jì)社會(huì)發(fā)展的基礎(chǔ)。2016年10月，《“健康中國2030”規(guī)劃綱要》頒布，提出以農(nóng)村和基層為重點(diǎn)，推動(dòng)健康領(lǐng)域基本公共服務(wù)均等化，維護(hù)基本醫(yī)療衛(wèi)生服務(wù)的公益性，逐步縮小城鄉(xiāng)、地區(qū)、人群間基本健康服務(wù)和健康水平的差異，實(shí)現(xiàn)全民健康覆蓋，促進(jìn)社會(huì)公平。2018年9月，《鄉(xiāng)村振興戰(zhàn)略規(guī)劃（2018-2022年）》進(jìn)一步明確了“健康鄉(xiāng)村建設(shè)”，關(guān)注農(nóng)村居民健康、縮小健康差距成為醫(yī)療衛(wèi)生改革與“鄉(xiāng)村振興”的核心要?jiǎng)?wù)。2019年7月，《國務(wù)院關(guān)于實(shí)施健康中國行動(dòng)的意見》提出了“到2030年健康公平基本實(shí)現(xiàn)”的愿景。從現(xiàn)實(shí)來看，無論是社會(huì)經(jīng)濟(jì)發(fā)展水平，還是醫(yī)療衛(wèi)生資源的數(shù)量與質(zhì)量，農(nóng)村均落后于城鎮(zhèn)。居民健康水平不僅在城鄉(xiāng)之間存在巨大的鴻溝，在農(nóng)村內(nèi)部，居民之間的健康差距更為突出a按照《大逃亡：健康、財(cái)富以及不平等的起源》（Deaton，2013）的觀點(diǎn)，死亡率是衡量居民健康水平的重要指標(biāo)。根據(jù)“第六次人口普查”的數(shù)據(jù)，城鎮(zhèn)居民死亡率為3.75‰，鄉(xiāng)村居民死亡率為7.03‰；將31個(gè)省、市、自治區(qū)的分組數(shù)據(jù)按城、鄉(xiāng)匯總，城鎮(zhèn)組的死亡率取值范圍與標(biāo)準(zhǔn)差為［0.0026, 0.0054］、0.67‰，鄉(xiāng)村組的死亡率取值范圍與標(biāo)準(zhǔn)差為［0.0053, 0.0096］、1.01‰。。因此，農(nóng)村是推進(jìn)健康中國建設(shè)的重點(diǎn)領(lǐng)域之一，提升農(nóng)村居民健康水平、縮小農(nóng)村居民之間的健康差距對(duì)于推進(jìn)“健康鄉(xiāng)村建設(shè)”，進(jìn)而實(shí)現(xiàn)“健康公平”目標(biāo)具有重要現(xiàn)實(shí)意義。

個(gè)人兼具生物屬性與社會(huì)屬性，健康原本是生物學(xué)事件，由于諸多社會(huì)因素?fù)诫s到“生老病死”的過程中，從而把純粹的生物學(xué)事件轉(zhuǎn)變?yōu)閺?fù)雜的社會(huì)事件（李紅文、毛新志，2015［1］）。社會(huì)因素會(huì)直接影響個(gè)體是否暴露于營養(yǎng)不良、壓力過大、醫(yī)療匱乏、被感染等健康風(fēng)險(xiǎn)中，從而影響其是否免受疾病侵害（Solar和Irwin，2010［2］；Phelan 等，2010［3］；焦開山，2018［4］）。因此，促進(jìn)健康公平不能完全依靠對(duì)直接導(dǎo)致疾病的生物因素進(jìn)行干預(yù)（CSDH，2009［5］；WHO，2019［6］）。居民之間的健康水平差異既受自然法則的影響，也受社會(huì)因素的左右，既有合乎正義法則的一面，也有悖于公平的一面。按照機(jī)會(huì)不平等的研究范式（Roemer，1993、1998、2016［7］［8］［9］），如果居民之間健康差距是由個(gè)人選擇或偏好所致，則被認(rèn)為是合理的差距；但如果健康差距是由個(gè)人無法事先選擇的外生環(huán)境因素所致，則被認(rèn)為是不合理的差距——健康機(jī)會(huì)不平等（Fleurbaey和Schokkaert，2009［10］；Donni等，2014［11］；Fajardo-Gonzalez，2016［12］），而縮小健康差距的首要任務(wù)則是縮小不合理的健康機(jī)會(huì)不平等。因此，如何緩解外部環(huán)境對(duì)農(nóng)村居民健康的不利影響、縮小健康機(jī)會(huì)不平等，是逾越城鄉(xiāng)之間的健康鴻溝、縮小農(nóng)村居民健康差距的著力點(diǎn)。本文的目標(biāo)在于將農(nóng)村居民健康差距中的機(jī)會(huì)不平等分解出來，識(shí)別出引致健康機(jī)會(huì)不平等的主要因素，為“推進(jìn)健康鄉(xiāng)村建設(shè)”建言獻(xiàn)策。

從已有文獻(xiàn)的研究進(jìn)展來看，在居民健康指標(biāo)的選擇上并未達(dá)成一致，在測(cè)度模型與分解方法上還存在改進(jìn)的空間。在筆者的前期研究中，從總體上測(cè)度了中國居民健康差距中的機(jī)會(huì)不平等，本文是筆者前期研究的進(jìn)一步拓展，邊際貢獻(xiàn)主要體現(xiàn)在三個(gè)方面：一是在健康指標(biāo)的選擇上，綜合對(duì)比了自評(píng)健康、生物標(biāo)記物、身體功能障礙測(cè)試與抑郁得分，從身、心健康兩個(gè)維度驗(yàn)證了將自評(píng)健康作為健康指標(biāo)的合理性；二是在測(cè)度方法上，在參數(shù)法的框架下，詳細(xì)討論了如何處理環(huán)境因素、身份變量與努力程度的相關(guān)性問題；三是在分解算法上，針對(duì)夏普利值分解算法中的維度災(zāi)難問題，本文給出了一種優(yōu)化思路，顯著縮短了夏普利值分解的耗時(shí)。

本文其余內(nèi)容包括5個(gè)部分：首先，對(duì)健康機(jī)會(huì)不平等問題的研究進(jìn)展進(jìn)行回顧；其次，論證自評(píng)健康作為健康指標(biāo)的合理性，改進(jìn)測(cè)度模型，給出優(yōu)化夏普利值分解算法的思路；第三，以CHARLS（2015）為樣本，測(cè)度中國農(nóng)村居民健康差距中的機(jī)會(huì)不平等，識(shí)別出導(dǎo)致健康機(jī)會(huì)不平等的主要因素；第四，調(diào)整健康決定方程的估計(jì)方法，進(jìn)行穩(wěn)健性檢驗(yàn)；最后，總結(jié)研究結(jié)論，結(jié)合現(xiàn)實(shí)提出政策建議。

2 文獻(xiàn)綜述

健康機(jī)會(huì)不平等是本文的核心問題，主要涉及什么是健康機(jī)會(huì)不平等、如何測(cè)度健康機(jī)會(huì)不平等，以下綜述將從此兩方面展開。

Rawls認(rèn)為健康是自然的產(chǎn)物，雖然受社會(huì)因素的影響，但并不受其控制，因而未將健康作為評(píng)價(jià)社會(huì)公正的核心變量和機(jī)會(huì)不平等的研究對(duì)象（Rawls，1971［13］）。雖然健康作為機(jī)會(huì)平等的研究對(duì)象并不恰當(dāng)，但與健康緊密相關(guān)的醫(yī)療保健卻是恰當(dāng)?shù)难芯繉?duì)象（Daniels，1985［14］；Ruger，2004［15］）。隨著研究的深入，健康機(jī)會(huì)不平等的內(nèi)涵逐漸明確，“健康（及其關(guān)鍵的社會(huì)決定因素）不存在與社會(huì)優(yōu)勢(shì)/劣勢(shì)（財(cái)富、權(quán)力或聲望）有系統(tǒng)聯(lián)系的差異，健康不平等系統(tǒng)地使已經(jīng)處于社會(huì)不利地位的人口（如貧困人口、女性、種族、少數(shù)族裔、宗教群體）在健康方面處于更不利的地位”（Braveman和Gruskin，2003［16］），據(jù)此觀點(diǎn)，財(cái)富、權(quán)力、身份導(dǎo)致的健康差距是不合理的差距。在健康機(jī)會(huì)不平等的量化研究中，已有文獻(xiàn)仍然延續(xù)Roemer的“環(huán)境-努力”分析框架，其前提假設(shè)是居民健康由環(huán)境因素和努力因素決定。環(huán)境因素泛指無法首先選擇的外生因素，努力因素為生活習(xí)慣、健康素養(yǎng)等因素（Roemer，1993、1998、2016［7］［8］［9］），并將環(huán)境因素差異導(dǎo)致的健康差距界定為健康機(jī)會(huì)不平等，將努力因素差異導(dǎo)致的健康差距界定為合理的差距（Rosa Dias，2009［10］；Fleurbaey 和 Schokkaert，2009［11］；Jusot等，2013［12］；Donni等，2014［17］；Fajardo-Gonzalez，2016［18］）。

測(cè)度機(jī)會(huì)不平等的方法主要有參數(shù)法、非參數(shù)法兩種，而測(cè)度健康機(jī)會(huì)不平等主要采用參數(shù)法（Ferreira 和 Gignoux，2011［19］；Bj?rklund 等，2012［20］；Carrieri和Jones，2018［21］）。在參數(shù)法的具體應(yīng)用中有兩個(gè)核心問題：一是如何構(gòu)建健康決定方程；二是如何將每個(gè)因素對(duì)健康差距的貢獻(xiàn)度分解出來，從而獲取健康機(jī)會(huì)不平等對(duì)健康差距的相對(duì)貢獻(xiàn)度。

在構(gòu)建健康決定方程時(shí)，首先需要確定健康指標(biāo)。在已有文獻(xiàn)中，通常將自評(píng)健康（Self-Report Health）作為量化居民健康狀況的健康指標(biāo)。隨著研究的深入，有文獻(xiàn)開始質(zhì)疑自評(píng)健康是否能夠客觀準(zhǔn)確地衡量居民的健康狀況。如果個(gè)人對(duì)自身的健康水平預(yù)期較高，那么對(duì)自身健康水平的評(píng)價(jià)也將不同（孫祺等，2003［22］；Bagod’Uva等，2008［23］），并且自評(píng)健康在個(gè)人之間與國家之間不具備橫向可比性（Carrieri和 Jones，2017［21］；Johnston et al.，2009［24］）。因此，有越來越多的學(xué)者開始將更為客觀的生物標(biāo)記物指標(biāo)應(yīng)用到實(shí)證研究中。例如，在研究收入與健康的關(guān)聯(lián)性時(shí)，諸多學(xué)者將自評(píng)健康替換成生物標(biāo)記物指標(biāo)（Carrieri和Jones，2017［21］；Banks 等，2006［25］；Davillas 等，2017a［26］；Davillas 等，2017b［27］），而血檢指標(biāo)是最為常用的生物標(biāo)記物指標(biāo)。由于生物標(biāo)記物指標(biāo)包括多個(gè)檢測(cè)指標(biāo)，因而需要對(duì)其進(jìn)行降維（Cohen等，2014、2015［28］［29］），將多維度指標(biāo)轉(zhuǎn)化為單一維度的健康代理變量（Li等, 2015［30］；Brasher等，2017［31］）。健康不僅包括身體健康，還包括心理健康，除了利用生物標(biāo)記物指標(biāo)反映身體健康之外，還需要通過抑郁指標(biāo)反映心理健康（焦開山，2014［32］）。除此之外，身體健康與否還可以通過預(yù)期壽命來測(cè)量（Chetty等，2016［4］；焦開山，2018［33］）。

其次，需要確定健康的影響因素。在選擇健康的決定因素時(shí)，社會(huì)環(huán)境與政策調(diào)整是重點(diǎn)關(guān)注領(lǐng)域，兩者首先會(huì)因人而異地影響健康風(fēng)險(xiǎn)（Diderichsen等，2012［34］），相比于社會(huì)地位低的群體，處于較高社會(huì)地位高的群體，其健康風(fēng)險(xiǎn)水平相對(duì)較低，其患病風(fēng)險(xiǎn)也相對(duì)較低。CSDH對(duì)健康的社會(huì)決定因素進(jìn)行了全面討論（CSDH，2009［5］），社會(huì)決定因素對(duì)健康的影響路徑具體如圖1所示（Solar和Irwin，2010［2］）。健康不平等的社會(huì)決定因素包括結(jié)構(gòu)性決定因素和中介因素兩個(gè)層次，結(jié)構(gòu)性決定因素對(duì)健康的影響會(huì)因社會(huì)經(jīng)濟(jì)地位、社會(huì)階層、性別和種族的異質(zhì)性而有所不同，具體的傳導(dǎo)中介包括三個(gè)方面：物質(zhì)環(huán)境（Material circumstances）、社會(huì)心理環(huán)境（Psychosocial circumstances）、行為和生物因素（Behavioral and Biological Factors）。在物質(zhì)環(huán)境方面，良好的工作環(huán)境和生活環(huán)境使其遭受健康傷害的可能性較低（Evans和Kantrowitz，2002［35］）。在社會(huì)心理環(huán)境方面，不同社會(huì)經(jīng)濟(jì)地位群體面臨的心理、社會(huì)壓力不同，較低社會(huì)經(jīng)濟(jì)地位群體面臨著更大的心理壓力、更強(qiáng)的社會(huì)剝奪感以及缺少控制感，而這些因素與諸多健康問題密切相關(guān)（Wilkinson，2005［36］）。在行為和生物因素方面，社會(huì)經(jīng)濟(jì)地位通過多種風(fēng)險(xiǎn)行為（包括吸煙、酗酒、久坐、疾病預(yù)防）影響患病風(fēng)險(xiǎn)（Phelan等，2010［3］；王甫勤，2017［37］），長(zhǎng)壽也與某類基因相關(guān)（Zeng 等，2010［38］）。

圖1 健康的社會(huì)決定因素

第三，確定健康決定方程的類型。已有文獻(xiàn)多以自評(píng)健康作為測(cè)度對(duì)象（Fajardo-Gonzalez，2016［12］；Donni等，2014［11］；Rosa Dias，2009［17］；O’Donnell等，2015［39］；Gallardo等，2017［40］），而自評(píng)健康是有序（Ordered）變量，對(duì)于有序變量通常采用Ordered Probit/Logit模型?；谟行蜃兞磕Ｐ蛢H能得到自評(píng)健康水平等于某個(gè)層級(jí)的概率預(yù)測(cè)值，而不能得到自評(píng)健康的預(yù)測(cè)值，故不能沿用原有的參數(shù)法，繼而又發(fā)展出三種不同的處理方法。第一種方法為“OLS+基于回歸方程的不平等指標(biāo)分解”（Jones和 Nicolás，2006［41］；Carrieri和 Jones，2018［42］），由于變量系數(shù)估計(jì)值的正負(fù)取值和顯著性在Ordered Probit/Logit模型的極大似然估計(jì)和OLS估計(jì)中存在一致性（Ferrer-i-Carbonell & Frijters，2004［43］），因而有文獻(xiàn)采用OLS方法估計(jì)Ordered Probit/Logit模型（Knight等，2009［44］）。在此測(cè)度方法中，直接采用OLS方法估計(jì)健康決定方程，然后采用基于回歸方程的分解方法（如夏普利值分解、Fields分解）測(cè)度健康機(jī)會(huì)不平等。第二種方法為“極大似然估計(jì)+基于潛變量的Fields分解”（Jusot等，2013［18］），首先采用極大似然方法估計(jì)健康決定方程，然后估計(jì)被解釋變量（自評(píng)健康變量）的潛變量，再結(jié)合Fields分解方法分解出健康機(jī)會(huì)不平等對(duì)健康差距的貢獻(xiàn)值。第三種方法為“Probit/Logit模型 + 夏普利值分解”（Fajardo-Gonzalez，2016［12］；Juárez和 Soloaga，2014［45］），首先將有序變量轉(zhuǎn)化為0-1變量，采用極大似然方法估計(jì)Probit/Logit模型，再以概率值估計(jì)值為基礎(chǔ)，通過夏普利值分解測(cè)度健康機(jī)會(huì)不平等。

最后，在健康決定方程的估計(jì)中，需要處理環(huán)境因素與努力因素的相關(guān)性，以及確定隨機(jī)擾動(dòng)項(xiàng)的歸屬。按照Barry的觀點(diǎn)，忽略父母給予的原生環(huán)境對(duì)子代努力程度的影響，直接將環(huán)境與努力變量納入方程（Barry，2005［46］）。而Roemer認(rèn)為，努力中包含了環(huán)境的影響，因而需要將努力中的環(huán)境因素剔除（Roemer，1995、1998、2016［7］［8］［9］）。按照 Swift的觀點(diǎn)，努力會(huì)左右環(huán)境，因而需要將環(huán)境中的努力因素剔除（Swift，2005［47］）。在實(shí)證研究中，通過輔助方程將努力中的環(huán)境因素剔除是較為常用的處理方式（Fajardo-Gonzalez，2016［12］；劉波等，2020［48］）。隨機(jī)擾動(dòng)項(xiàng)的歸屬會(huì)直接影響測(cè)度結(jié)果，文獻(xiàn)中甚至存在刻意回避常數(shù)項(xiàng)和殘差項(xiàng)的現(xiàn)象（Wan，2004［49］）。在已有文獻(xiàn)中，在如何確定隨機(jī)擾動(dòng)項(xiàng)的歸屬上并未達(dá)成一致，以Roemer為代表的研究者將殘差項(xiàng)歸類為努力程度，也有學(xué)者將其歸類為環(huán)境因素（Devooght，2008［50］），或者認(rèn)為殘差項(xiàng)的含義無法明確界定，可將之忽略（Lefranc等，2009［51］）。

目前，直接以農(nóng)村居民的健康機(jī)會(huì)不平等為主題的文獻(xiàn)相對(duì)較少，散見于各類主題的研究中。健康在城鄉(xiāng)之間的差距是實(shí)證研究關(guān)注的重點(diǎn)（趙廣川，2017；魯萬波等，2018）［52］［53］，我國中老年人整體健康水平存在顯著的城鄉(xiāng)差異，健身場(chǎng)所、服務(wù)類組織、工業(yè)污染源距離和廁所類型是形成健康機(jī)會(huì)不平等的主要因素，除此之外，收入水平、居住方式與生活能源也是文獻(xiàn)關(guān)注的影響因素（陳東、張郁楊，2015［54］；陳光燕、司偉，2019［55］；方黎明、劉賀邦，2019［56］）。醫(yī)療保障水平在城鄉(xiāng)之間存在顯著差距，醫(yī)療保險(xiǎn)對(duì)農(nóng)村居民健康的影響一直是文獻(xiàn)關(guān)注的重點(diǎn)，“新農(nóng)合”是近期文獻(xiàn)關(guān)注的重點(diǎn)（程令國、張曄，2012［57］）。新農(nóng)合有利于減輕醫(yī)療負(fù)擔(dān)，有助于改善農(nóng)村居民身體健康與心理健康（黃曉寧、李勇，2016［58］；鄭適等，2017［59］；趙為民，2020［60］），但卻難以發(fā)揮全面增進(jìn)農(nóng)村居民健康的作用（章丹等，2019［61］）。

綜上，本文認(rèn)為關(guān)于健康機(jī)會(huì)不平等的研究還可以從以下方面進(jìn)行拓展。首先，在健康指標(biāo)的選擇上，已有實(shí)證研究多以自評(píng)健康作為健康指標(biāo)，有諸多學(xué)者對(duì)自評(píng)健康能否作為量化居民健康水平的指標(biāo)提出質(zhì)疑（Bagod’Uva等，2008［23］；Johnston等，2009［24］；Carrieri和Jones，2017［42］）。本文認(rèn)為，健康并非單一維度的身體健康，還包括心理健康，因而本文將對(duì)自評(píng)健康能否真實(shí)地反映居民的身心健康進(jìn)行討論。其次，在方法層面，夏普利值分解是不平等指標(biāo)分解中最為常用的方法，但在具體運(yùn)用中存在維度災(zāi)難問題，維度災(zāi)難限制了高維度解釋變量在實(shí)證研究中的使用，因此本文給出了一種優(yōu)化算法的思路。第三，在研究對(duì)象方面，以中國居民健康機(jī)會(huì)不平等為研究對(duì)象的文獻(xiàn)有待進(jìn)一步豐富，鮮有文獻(xiàn)討論中國農(nóng)村居民的健康機(jī)會(huì)不平等問題，本文的量化研究能夠估計(jì)出健康機(jī)會(huì)不平等對(duì)健康差距貢獻(xiàn)度，能夠?yàn)閷?shí)施“健康中國戰(zhàn)略”、“推進(jìn)健康鄉(xiāng)村建設(shè)”提供理論參考。

3 研究設(shè)計(jì)

3.1 健康指標(biāo)的比較與選擇

在實(shí)證研究中，自評(píng)健康是最為常用的健康指標(biāo)，自評(píng)健康能夠較好地反映受訪人的健康水平（Hayes等，1995［62］），通常來自于SF-36量表（Short Form 36 health Survey Questionnaire）。然而，有文獻(xiàn)質(zhì)疑自評(píng)健康的主觀性，在量化收入與健康相關(guān)性的研究中，采用更具客觀性的生物標(biāo)記物指標(biāo)。生物標(biāo)記物指標(biāo)包括多個(gè)檢測(cè)指標(biāo)，因而需要對(duì)其進(jìn)行降維，基于馬氏距離（Mahalanobis Distance，DM(x)）的降維方法是較為常用的方法（Cohen 等，2014、2015［28］［29］；Li等，2015［30］；Brasher等，2017［31］），具體如式（1）所示。

其中，x為生物標(biāo)記物指標(biāo)向量，μ(x)為其均值向量，S為生物標(biāo)記物指標(biāo)的協(xié)方差矩陣。在本文的實(shí)證研究中，以CHARLS（2015）農(nóng)村居民（農(nóng)村戶口）的血檢數(shù)據(jù)、血壓與體重指數(shù)為樣本，指標(biāo)及其描述性統(tǒng)計(jì)結(jié)果如表1所示。

表1 血檢數(shù)據(jù)指標(biāo)、血壓與體重指數(shù)

通常而言，判斷某項(xiàng)血檢指標(biāo)是否正常需要依據(jù)閾值，本文除了通過馬氏距離將血檢數(shù)據(jù)綜合為單一維度的連續(xù)指標(biāo)之外，還將依據(jù)各項(xiàng)血檢指標(biāo)的閾值將其轉(zhuǎn)化為0-1變量，再將轉(zhuǎn)化后的指標(biāo)求和，從而得到受訪人的健康風(fēng)險(xiǎn)水平。如果受訪人的各項(xiàng)血檢指標(biāo)不在正常范圍內(nèi)的數(shù)量越多，則意味著受訪人的健康狀況越差，各項(xiàng)指標(biāo)的取值方式以及描述性統(tǒng)計(jì)結(jié)果如表2所示，分類統(tǒng)計(jì)結(jié)果如圖2所示。由圖2可知，自評(píng)健康與馬氏距離（DM）、健康風(fēng)險(xiǎn)指標(biāo)亦呈正相關(guān)關(guān)系。由此可見，雖然自評(píng)健康的主觀性較強(qiáng)，但與基于客觀的血檢指標(biāo)得到的健康風(fēng)險(xiǎn)具有一致性。

表2 血檢指標(biāo)的閾值及描述性統(tǒng)計(jì)結(jié)果

圖2 DM、健康風(fēng)險(xiǎn)與自評(píng)健康

除了血檢指標(biāo)之外，身體功能障礙測(cè)試也可以較為客觀地反映受訪者的健康狀況，身體功能障礙測(cè)試包含19個(gè)問題，每個(gè)問題的選項(xiàng)均為：“1.沒有困難；2.有困難但仍可以完成；3.有困難，需要幫助；4.無法完成”，按自評(píng)健康等級(jí)分類求均值，如表3所示。從總體來看，除個(gè)別項(xiàng)目外，其他項(xiàng)目的自評(píng)健康為“好”、“很好”的平均值低于“不好”、“很不好”的平均值?？梢?，自評(píng)健康也能夠反映出身體功能障礙測(cè)試的結(jié)果。

更為重要的是，健康不只包括身體健康，還應(yīng)包含心理健康，基于血檢數(shù)據(jù)得到的DM與健康風(fēng)險(xiǎn)指標(biāo)，并不能反映受訪人的心理健康程度。在CHARLS（2015）中關(guān)于心理健康的調(diào)查共有10問題，每個(gè)問題的賦值方式為“1.很少或者根本沒有（<1天），2.不太多（1-2天），3.有時(shí)或者說有一半的時(shí)間（3-4天），4.大多數(shù)的時(shí)間（5-7天）”。按心理學(xué)問卷的處理方式，可將10個(gè)問題的分值加總得到抑郁得分，表4中給出了心理調(diào)查數(shù)據(jù)按自評(píng)健康的分類統(tǒng)計(jì)結(jié)果。從總體來看，自評(píng)健康為“好”、“很好”的抑郁得分平均值低于“不好”、“很不好”的平均值，具體的10項(xiàng)調(diào)查數(shù)據(jù)分布亦是如此。由此可見，自評(píng)健康也能夠反映出受訪人的心理健康水平。綜上所述，自評(píng)健康不僅能夠反映受訪人身體上的健康狀況，還能夠反映出受訪人的心理健康水平。因此，將自評(píng)健康水平作為量化健康的指標(biāo)具有較強(qiáng)的合理性。

表4 抑郁得分與自評(píng)健康

3.2 健康機(jī)會(huì)不平等的測(cè)度模型

本文認(rèn)為，機(jī)會(huì)不平等的測(cè)度需實(shí)現(xiàn)兩個(gè)目標(biāo)：一是測(cè)度機(jī)會(huì)不平等對(duì)總的不平等（差距）的相對(duì)貢獻(xiàn)度；二是對(duì)機(jī)會(huì)不平等進(jìn)行分解，識(shí)別出導(dǎo)致機(jī)會(huì)不平等的主要因素。以此為導(dǎo)向，在現(xiàn)有兩種測(cè)度方案的基礎(chǔ)上，構(gòu)建測(cè)度模型。

（1）測(cè)度模型的構(gòu)建

在近期的文獻(xiàn)中，“極大似然估計(jì)+基于潛變量的Fields分解”、“Probit/Logit模型 + 夏普利值分解”（Fajardo-Gonzalez，2016［12］；Jusot等，2013［18］；Juárez和Soloaga，2014［45］）是最具有代表性的兩種測(cè)度方案。第一種方案給出了三種處理環(huán)境與努力相關(guān)性的方法，雖然采用Ordered Probit/Logit模型構(gòu)建健康決定方程，卻以潛變量的估計(jì)值為基礎(chǔ)，采用Fields分解方法估計(jì)健康機(jī)會(huì)不平等對(duì)健康差距的相對(duì)貢獻(xiàn)度。且沒有進(jìn)一步分解出每個(gè)解釋變量對(duì)健康機(jī)會(huì)不平等的相對(duì)貢獻(xiàn)值，即沒有實(shí)現(xiàn)第二個(gè)研究目標(biāo)。第二種方案比較契合測(cè)度機(jī)會(huì)不平等的兩個(gè)目標(biāo)，但該方案在變量選擇上存在較為突出的局限性。沒有將努力因素、家庭的經(jīng)濟(jì)社會(huì)地位或者生活水平、年齡作為健康決定方程的解釋變量，努力因素是構(gòu)建健康決定方程不可或缺的因素，居民健康與其社會(huì)地位或者生活水平存在的高度相關(guān)性，年齡是影響健康的關(guān)鍵變量。如果遺漏了三者，必然會(huì)影響估計(jì)結(jié)果的一致性，從而會(huì)影響測(cè)度結(jié)果的準(zhǔn)確性。更為重要的是，健康公平不僅包括橫向公平，還有縱向公平，而年齡增加導(dǎo)致的健康水平下滑是反映縱向公平最為直觀的范例。

本文仍然采用參數(shù)法測(cè)度健康機(jī)會(huì)不平等，將第一種方案的變量選擇方式與第二種方案的分解方法相結(jié)合，并在以下三個(gè)方面進(jìn)行改進(jìn)：

首先，對(duì)環(huán)境因素和努力因素的范疇進(jìn)行延伸。遵循“環(huán)境-努力”二元框架的假設(shè)，假定居民健康是由個(gè)人所處的環(huán)境與所付出的努力決定，在健康經(jīng)濟(jì)學(xué)語境下，環(huán)境不局限于個(gè)人所處的原生家庭環(huán)境、當(dāng)前所處的生活環(huán)境與社區(qū)環(huán)境，而是指代影響個(gè)人健康的所有外生因素。外生因素不僅包括環(huán)境變量，還包括身份變量等外生指標(biāo)。努力因素包含兩個(gè)維度：生活習(xí)慣與健康素養(yǎng)，已有文獻(xiàn)中通常將抽煙、酗酒等生活習(xí)慣作為努力程度的代理變量，諸多文獻(xiàn)表明，健康素養(yǎng)與個(gè)人健康密切相關(guān)（DeWalt等，2004［63］；Berkman等，2011［64］；Al Sayah等，2013［65］），因而本文認(rèn)為有必要將健康素養(yǎng)作為努力因素的一個(gè)維度。

其次，不局限于使用一種方式構(gòu)建輔助方程。從現(xiàn)實(shí)來看，環(huán)境因素與努力因素并不是相互獨(dú)立的（Roemer，1995、1998、2016［7］［8］［9］；Jusot等，2013［18］；Barry，2005［46］）。首先，環(huán)境因素是決定努力程度的重要因素。吸煙、酗酒的行為會(huì)在代際之間傳遞（Orford和 Velleman，1991［66］；Melchior等，2010［67］；Schmidt和 Tauchmann，2011［68］；Eriksson 等，2014［69］），如果父母抽煙、酗酒，子女吸煙、酗酒的可能性也會(huì)增加，原生家庭環(huán)境是塑成個(gè)人生活習(xí)慣的重要因素。自然環(huán)境與飲食習(xí)慣密切相關(guān)，“南人喜米、北人好面”、“靠山吃山、靠水吃水”，自然環(huán)境是決定飲食習(xí)慣的主要因素。其次，努力程度是影響個(gè)人在中、老年時(shí)期所處社區(qū)環(huán)境、生活條件的重要因素。個(gè)人所處的環(huán)境并不是一成不變的，原生家庭環(huán)境會(huì)左右個(gè)人的努力程度，努力程度會(huì)使個(gè)人不同程度地脫離原生環(huán)境。例如，健康與收入的相關(guān)性是健康不平等研究關(guān)注的重點(diǎn)，家庭的生活水平或者社會(huì)地位是影響個(gè)人健康的重要因素，文獻(xiàn)中將之總結(jié)為“地位綜合癥”。然而，家庭的生活水平或者社會(huì)地位不僅受外生因素的影響，還受個(gè)人努力程度的影響。顯然，如果環(huán)境變量不完全外生，且努力程度并不完全由個(gè)人主觀決定，則不能只遵循某一種方式處理環(huán)境與努力之間的相關(guān)性。

第三，剝離環(huán)境、努力與隨機(jī)擾動(dòng)項(xiàng)的相關(guān)性。在Ordered Probit/Logit模型中不能得到與線性回歸方程相同的隨機(jī)擾動(dòng)項(xiàng)，隨機(jī)擾動(dòng)項(xiàng)也不能參與到夏普利值分解中，故在分解過程中將其忽略（Lefranc等，2009［51］）。如果隨機(jī)擾動(dòng)項(xiàng)嚴(yán)格滿足隨機(jī)性，不將其納入分解過程中是合理的，但如果隨機(jī)擾動(dòng)項(xiàng)與環(huán)境、努力存在相關(guān)性，將其忽略顯然是不合理的。圖3中直觀地給出了環(huán)境、努力、殘差項(xiàng)三者的關(guān)聯(lián)關(guān)系，假設(shè)環(huán)境、努力與殘差項(xiàng)不相關(guān)是比較嚴(yán)苛的。在構(gòu)建健康決定方程時(shí)，無法窮盡所有影響個(gè)人健康的變量，而且并不是所有的變量都是可觀測(cè)、可量化的。與此同時(shí)，微觀調(diào)查數(shù)據(jù)提供的變量也是有限的，因而所構(gòu)建的健康決定方程會(huì)遺漏某些變量，從而導(dǎo)致模型可能存在異方差問題，而異方差通常表現(xiàn)為解釋變量與殘差項(xiàng)存在相關(guān)性。不同個(gè)體對(duì)自身的健康預(yù)期是不同，那么對(duì)自身健康水平的評(píng)價(jià)也有所不同（Bagod’Uva等，2008［23］），原生家庭環(huán)境、生活水平、受教育水平、生活習(xí)慣、年齡與性別都可能會(huì)影響對(duì)自身健康水平的評(píng)價(jià)，觀測(cè)誤差可能隨著環(huán)境因素、努力因素的變化而不同。如果模型存在異方差問題，參數(shù)估計(jì)量不再具備漸進(jìn)有效性，最終影響測(cè)度結(jié)果的準(zhǔn)確性。由于自評(píng)健康是有序變量，在考慮異方差的條件下，需要采用異方差選擇模型（Heterogeneous Choice Models）估計(jì)健康決定方程（Williams，2016［70］），可將原生家庭環(huán)境、生活條件、受教育水平、生活習(xí)慣、年齡與性別作為估計(jì)方差的變量。

圖3 健康機(jī)會(huì)不平等測(cè)度模型中環(huán)境、努力與殘差項(xiàng)的關(guān)系

按照參數(shù)法的流程，首先是構(gòu)建健康決定方程，在“環(huán)境-努力”的框架下，健康（Hi）是由環(huán)境變量（Ci'）、努力程度（Ei）與不可觀測(cè)的隨機(jī)因素（ξi）決定，如式（2）所示。

自評(píng)健康（Hi）為有序變量，如在CHARLS數(shù)據(jù)庫中，自評(píng)健康的取值方式為“5極好、4很好、3好、2一般、1不好”。在中文的語境下，將環(huán)境變量稱為條件變量更為恰當(dāng)，條件變量不僅包括完全外生的原生家庭環(huán)境（C1i）、生活條件（C2i）、社區(qū)環(huán)境（C3i），還包括外生的身份變量（Di），即，即。雖然身份變量是外生的，但并非所有身份變量導(dǎo)致的健康差距都是不合理的，比如年齡。因此，本文將年齡（Ai）中身份變量中單列出來，將剩余的身份變量命名為。由此可將式（2）改寫為：

由于環(huán)境變量與努力變量存在相關(guān)性，進(jìn)一步通過輔助方程對(duì)變量進(jìn)行調(diào)整。為了獲取環(huán)境因素對(duì)健康差距影響的上限值，故按照Roemer的方式構(gòu)建努力方程，如式（4）-（5）所示。

其中，ei與?k,i為殘差項(xiàng)，Ck,i為生活條件與社區(qū)環(huán)境變量中受原生家庭環(huán)境、身份變量影響的變量，如家庭的生活水平。由于環(huán)境變量與努力變量通常為有序變量或者0-1變量，不能獲取一般意義上的殘差項(xiàng)，但可以獲取輔助方程的廣義殘差項(xiàng)êi、??k,i（Gourieroux 等，1987［71］）。通過輔助方程將Ei、Ck,i中的外生因素剝離之后，剩下的殘差項(xiàng)可以視作純粹的努力程度變量，將兩者帶入式（3）中可得：

由式（7）-（9）可得P(Hi>h)、P(Hi≤h)（h=1,2,3,4）的概率值：

在Ordered Probit模型中，假定隨機(jī)擾動(dòng)項(xiàng)（ξi）服從標(biāo)準(zhǔn)正態(tài)分布，而在Ordered Logit模型中，假設(shè)隨機(jī)擾動(dòng)項(xiàng)（ξi）服從Logistic分布，相應(yīng)的概率值如式（12）-（13）所示：

（2）夏普利值分解的算法優(yōu)化

在現(xiàn)有方法中，夏普利值（Shapley Value）分解方法的應(yīng)用最為廣泛（Shorrocks，2013［72］）。按照夏普利值分解的流程，首先需給出健康決定方程與解釋變量。按照本文的設(shè)定，夏普利值分解的對(duì)象為為不平等指標(biāo)。為了便于表達(dá)，假定，變量集共包含個(gè)變量，按照夏普利值分解的原理，本文提出一種更為簡(jiǎn)化的分解算法，主要包括三個(gè)步驟：

首先，在變量集Xi中選定一個(gè)變量，以第一個(gè)變量為例，以剩下的N-1個(gè)變量組成變量集X'，再以X'為基礎(chǔ)，生成子變量集Zi（i=1,,K），K的取值如式（15）所示。

其次，將Zi中所有的變量以其均值替代得到，從而可得第一個(gè)變量差異引致的健康差距：

其中，CX'Zi為子集Zi在全集X'中的余集。依次類推，最終可得N個(gè)變量對(duì)健康差距的絕對(duì)值（S1,…,SN）。最后，以絕對(duì)貢獻(xiàn)值為基礎(chǔ)，可得每個(gè)變量對(duì)健康差距的相對(duì)貢獻(xiàn)值：

按照本文提出的簡(jiǎn)化算法，可以有效降低夏普利值的分解時(shí)間，運(yùn)算效率顯著提升。

4 實(shí)證研究

4.1 變量的選擇與賦值

在實(shí)證研究中，本文的樣本數(shù)據(jù)為CHARLS（2015），由于本文的測(cè)度對(duì)象為農(nóng)村居民，因而選取戶口為農(nóng)業(yè)戶口的受訪人為研究對(duì)象。變量的定義與賦值方式如表5所示，變量分為原生家庭背景、生活條件、社區(qū)環(huán)境、努力程度、身份變量5類，共計(jì)21個(gè)變量。其中，家庭背景變量包括父母受教育程度、17歲之前的家庭經(jīng)濟(jì)狀況、童年時(shí)期父親與母親是否抽煙、童年時(shí)期父親是否酗酒；生活條件包括家里是否有廁所、是否有自來水、做飯用的主要燃料、當(dāng)前的家庭生活水平；社區(qū)環(huán)境包括居住地所在經(jīng)濟(jì)區(qū)域、城市類型、是否有公交車、居住地是否有工業(yè)污染、是否有下水道系統(tǒng)、垃圾處理方式；努力變量包括剝離環(huán)境因素后的生活水平、受教育程度、是否抽煙、是否喝酒；身份變量包括年齡、性別、民族。

表5 變量的選擇與賦值

續(xù)表

經(jīng)過數(shù)據(jù)清洗，有效樣本共有5418個(gè)，變量的描述性統(tǒng)計(jì)詳見表6，自評(píng)健康的均值為2.5026，眾數(shù)和中位數(shù)均為2，可見自評(píng)健康的分布為有偏分布，較多受訪人的自評(píng)健康在均值以下。具體來看，在樣本受訪人中，自評(píng)健康為“不好”、“一般”、“好”、“很好”、“極好”分別為918人、1985人、1694人、516人、305人，占比依次為16.94%、36.64%、31.27%、9.52%、5.63%；再將“極好”、“很好”、“好”匯總，三者共計(jì)2515人，占比46.62%。

表6 變量的描述性統(tǒng)計(jì)

續(xù)表

4.2 居民健康決定方程的估計(jì)

健康決定方程的估計(jì)包含兩個(gè)步驟，首先估計(jì)輔助方程，輔助方程的因變量依次為受教育水平（edu）、是否抽煙（smoking）、是否喝酒（alcohol）、家庭生活水平（situation），以估計(jì)結(jié)果為基礎(chǔ)可以得到廣義殘差項(xiàng)的估計(jì)值edu_res_hat、smoking_res_hat、alcohol_res_hat、situation_res_hat。其次，在考慮異方差的條件下，將四者與其他變量一起作為解釋變量估計(jì)健康決定方程。由于自評(píng)健康為有序變量，因而可以采用Ordered Probit/Logit模型進(jìn)行估計(jì)，輔助方程與健康決定方程的系數(shù)估計(jì)值如表7所示?；贠rdered Probit模型的估計(jì)結(jié)果可以得到變量的邊際效應(yīng)，而基于Ordered Logit模型可以得到變量的幾率比，幾率比能夠給予估計(jì)系數(shù)估計(jì)值更為直觀的現(xiàn)實(shí)含義，幾率比的估計(jì)結(jié)果亦如表7所示。從系數(shù)估計(jì)值與顯著性程度來看，兩類模型的估計(jì)結(jié)果并無較大差異。由于廣義隨機(jī)擾動(dòng)項(xiàng)的估計(jì)需以O(shè)rdered Probit模型為基礎(chǔ)，故在健康機(jī)會(huì)不平等的測(cè)度中，以O(shè)rdered Probit模型的估計(jì)結(jié)果為基礎(chǔ)。值得關(guān)注的是，在1%和5%的置信水平上，受教育程度、吸煙與否對(duì)方差存在顯著影響。

表7 健康決定方程的估計(jì)結(jié)果

續(xù)表

由Ordered Probit模型的估計(jì)結(jié)果可知，在1%的置信水平上，原生家庭的經(jīng)濟(jì)狀況、東部地區(qū)、剝離外生因素后的家庭生活水平、年齡和性別對(duì)自評(píng)健康存在顯著影響；在5%的置信水平上，家中是否有沖水廁所、剝離外生因素后的是否抽煙亦是顯著的；在10%的置信水平上，家用主要燃料類型、中部地區(qū)、是否有下水道也顯著。由幾率比的估計(jì)結(jié)果可知，在給定自評(píng)健康的條件下，原生家庭的經(jīng)濟(jì)狀況增加一個(gè)單位，I{Hi>h}的幾率比將增加12.73%；家中有沖水廁所，幾率比將增加11.44%；主要燃料不是秸稈或者柴火，幾率比將增加8.64%；如果受訪人位于東部地區(qū)，幾率比將增加32.15%；居住地有下水道系統(tǒng)，幾率比將增加11.14%。對(duì)于剝離外生因素后的努力變量，調(diào)整后的家庭生活水平增加一個(gè)單位，幾率比將增加20.07%；調(diào)整后的是否吸煙增加一個(gè)單位，幾率比將增加5.47%。在身份變量中，年齡每增加1歲，幾率比將降低0.93%；如果受訪人是男性，幾率比將增加11.98%。綜上，眾多外生環(huán)境因素變量對(duì)自評(píng)健康均存在顯著影響，由此可見，對(duì)于農(nóng)村居民而言，存在突出的健康機(jī)會(huì)不平等。

4.3 健康差距的分解與健康機(jī)會(huì)不平等的測(cè)度

以O(shè)rdered Probit模型的估計(jì)結(jié)果為基礎(chǔ)可得I{Hi>h}的預(yù)測(cè)值，相應(yīng)的基尼系數(shù)分別為0.0413、0.1113、0.1997、0.2618。由于在健康決定方程中共有21個(gè)解釋變量，故在夏普利值分解中需進(jìn)行209.72萬次運(yùn)算。進(jìn)一步，采用本文給出的優(yōu)化算法，對(duì)基尼系數(shù)進(jìn)行夏普利值分解，分解結(jié)果如表8所示。

表8 夏普利值分解結(jié)果

續(xù)表

其次，將變量的相對(duì)貢獻(xiàn)度按類別匯總，努力因素的相對(duì)貢獻(xiàn)度位列第一，為31.360%；社區(qū)環(huán)境次之，為28.297%；原生家庭環(huán)境位居第三，為19.401%；生活條件為第四，為10.930%；最后是身份變量，為10.012%。年齡差異導(dǎo)致的健康差距是合理的健康差距，將年齡與努力程度的相對(duì)貢獻(xiàn)度加總，可知合理的健康差距在總的健康差距中占比為39.224%。除年齡之外的身份變量與環(huán)境變量導(dǎo)致的健康差距是不合理的健康差距——健康機(jī)會(huì)不平等，將年齡之外的身份變量與環(huán)境變量的貢獻(xiàn)度加總，可得健康機(jī)會(huì)不平等對(duì)健康差距的相對(duì)貢獻(xiàn)度為60.776%。

5 穩(wěn)健性檢驗(yàn)

表9 Ordered Probit模型與Ordered Logit模型的估計(jì)結(jié)果

續(xù)表

以O(shè)rdered Probit模型的估計(jì)結(jié)果為基礎(chǔ)，首先估計(jì)n,i的基尼系數(shù)，分別為0.0384、0.1102、0.2006、0.2605。進(jìn)一步檢驗(yàn)該結(jié)果與基于異方差選擇模型得到的基尼系數(shù)（0.0413、0.1113、0.1997、0.2618）是否存在顯著性差異，檢驗(yàn)結(jié)果表明，在5%的置信水平上，1,i、2,i的基尼系數(shù)在兩類模型之間存在顯著差異，而3,i、4,i的基尼系數(shù)在兩組之間并不存在顯著差異a。由此可見，環(huán)境變量、身份變量與努力程度變量是否存在相關(guān)性會(huì)顯著影響n,i的基尼系數(shù)，間接凸顯了在實(shí)證研究中采用異方差選擇模型估計(jì)健康決定方程的必要性。調(diào)整估計(jì)方法后，n,i的基尼系數(shù)估計(jì)值在統(tǒng)計(jì)上并未完全改變，且兩組基尼系數(shù)的數(shù)值差異甚小，可見n,i的估計(jì)值具有較好的穩(wěn)健性。

進(jìn)一步對(duì)基尼系數(shù)進(jìn)行夏普利值分解，分解結(jié)果如表10所示。同樣以的分解結(jié)果為例，剝離外生因素影響后的家庭生活水平、東部地區(qū)、17歲以前的家庭經(jīng)濟(jì)狀況、年齡仍然是影響健康差距的主要因素。具體來看，在原生家庭環(huán)境變量中，父母受教育程度對(duì)健康差距的相對(duì)貢獻(xiàn)度為1.315%，早期家庭經(jīng)濟(jì)狀況為17.135%，父親與母親是否抽煙為0.011%，父親是否酗酒為0.717%；在生活環(huán)境變量中，是否有沖水廁所對(duì)健康差距的相對(duì)貢獻(xiàn)度為3.279%，是否有自來水為2.491%，主要燃料為4.518%；在社區(qū)環(huán)境變量中，經(jīng)濟(jì)區(qū)域（東部、西部）對(duì)健康差距的相對(duì)貢獻(xiàn)度為21.118%，所在城市類型為0.972%，是否有公交車為0.169%，是否有工業(yè)污染為0.822%，是否有下水道系統(tǒng)為4.598%，垃圾處理方式為1.795%；在努力變量中，剝離外生因素影響后的家庭生活水平、受教育程度、是否抽煙與喝酒對(duì)健康差距的相對(duì)貢獻(xiàn)度依次為29.522%、0.164%、1.775%、0.122%；在身份變量中，年齡差異對(duì)健康差距的相對(duì)貢獻(xiàn)度為7.163%，性別為2.165%，民族為0.002%。

表10 基于穩(wěn)健性檢驗(yàn)的夏普利值分解結(jié)果

續(xù)表

以此為基礎(chǔ)，按變量類別匯總相對(duì)貢獻(xiàn)度，努力因素、社區(qū)環(huán)境、原生家庭環(huán)境、生活條件、身份變量的相對(duì)貢獻(xiàn)度依次為31.582%、29.620%、19.179%、10.289%、9.330%。年齡差異與努力程度差異導(dǎo)致的健康差距是合理的健康差距，合理的健康差距在總的健康差距中占比為38.746%。年齡之外的身份變量與環(huán)境變量導(dǎo)致的健康差距是不合理的，兩者的貢獻(xiàn)度之和為61.254%，即按照Fajardo-Gonzalez的處理方式［12］，在穩(wěn)健性檢驗(yàn)中，健康機(jī)會(huì)不平等對(duì)健康差距的相對(duì)貢獻(xiàn)度為61.254%。

6 結(jié)論與展望

“生老病死”并非單純的生物學(xué)事件，其中摻雜了諸多社會(huì)因素，遺傳因素、膳食結(jié)構(gòu)、作息習(xí)慣、醫(yī)療保健都會(huì)影響居民健康。居民健康既有遵從自然法則、合乎正義的一面，也有人為干預(yù)、有違機(jī)會(huì)公平的一面。本文的研究目標(biāo)是在機(jī)會(huì)不平等的理論框架下，測(cè)度農(nóng)村居民健康差距中的機(jī)會(huì)不平等，從農(nóng)村居民健康差距中分解出不合理的健康機(jī)會(huì)不平等。在健康機(jī)會(huì)不平等中，已有文獻(xiàn)并未在健康指標(biāo)的選擇上達(dá)成一致，本文認(rèn)為健康不只包括客觀上的身體健康，還應(yīng)包括主觀上的心理健康。本文對(duì)比了血檢數(shù)據(jù)、抑郁得分與自評(píng)健康三項(xiàng)健康指標(biāo)，對(duì)比發(fā)現(xiàn)自評(píng)健康不僅能夠反映基于血檢數(shù)據(jù)得到的健康風(fēng)險(xiǎn)程度，還能反映出基于抑郁得分得到的心理健康，自評(píng)健康能夠綜合反映出受訪者的健康狀況。因此，在本文的健康機(jī)會(huì)不平等的測(cè)度中，以自評(píng)健康為健康指標(biāo)。

在考慮環(huán)境因素、身份變量、努力因素與隨機(jī)擾動(dòng)項(xiàng)存在相關(guān)性的條件下，以O(shè)rdered Probit/Logit模型與夏普利值分解為基礎(chǔ)構(gòu)建測(cè)度模型，并以CHARLS（2015）中的農(nóng)村居民為樣本數(shù)據(jù)進(jìn)行實(shí)證研究。實(shí)證研究結(jié)果表明：①在本文選擇的21個(gè)變量中，剝離外生因素影響后的家庭生活水平、東部地區(qū)、17歲以前的家庭經(jīng)濟(jì)狀況、年齡是影響健康差距的主要因素，對(duì)健康差距的相對(duì)貢獻(xiàn)度依次介于28.934%～30.275%、22.618%～23.263%、16.469%～17.635%、6.914%～7.389%；②將變量對(duì)健康差距的相對(duì)貢獻(xiàn)度按變量所屬類別匯總之后，原生家庭環(huán)境的相對(duì)貢獻(xiàn)度介于18.398%～19.775%，生活條件的相對(duì)貢獻(xiàn)度介于9.988%～10.507%，社區(qū)環(huán)境的相對(duì)貢獻(xiàn)度介于29.185%～30.140%，努力因素的相對(duì)貢獻(xiàn)度介于30.990%～32.358%，身份變量的相對(duì)貢獻(xiàn)度介于9.116%～9.542%；③努力程度與年齡導(dǎo)致的健康差距是合理的差距，而除年齡之外的身份變量與環(huán)境變量導(dǎo)致的差距則是不合理的差距——健康機(jī)會(huì)不平等，將努力程度與年齡的相對(duì)貢獻(xiàn)度加總，可得合理的健康差距在總的健康差距中占比為38.379%～39.273%，而將年齡之外的身份變量與環(huán)境變量的貢獻(xiàn)度加總，健康機(jī)會(huì)不平等的相對(duì)貢獻(xiàn)度介于60.727%～61.621%。由實(shí)證研究結(jié)果可知，努力程度差異是影響健康機(jī)會(huì)不平等首要因素，個(gè)人所在的社區(qū)環(huán)境次之，原生家庭環(huán)境位列第三。因此，保持健康的生活習(xí)慣、提升健康素養(yǎng)、加強(qiáng)社區(qū)基礎(chǔ)設(shè)施建設(shè)、阻斷健康不平等的代際傳遞是抑制健康機(jī)會(huì)不平等的主要著力點(diǎn)。鑒于此，本文認(rèn)為可從以下三個(gè)方面入手緩解健康機(jī)會(huì)不平等問題：

首先，將健康知識(shí)教育納入國民教育體系，提升國民健康素養(yǎng)。掌握必要的健康知識(shí)有益于居民養(yǎng)成健康的飲食習(xí)慣與作息習(xí)慣，對(duì)于疾病預(yù)防具有關(guān)鍵作用。從現(xiàn)實(shí)來看，中國農(nóng)村居民的健康知識(shí)普遍比較缺乏，農(nóng)村居民生活中的許多影響健康的成規(guī)陋習(xí)與缺乏健康知識(shí)緊密相關(guān)，因而有必要提升健康知識(shí)水平。一方面，可以將健康知識(shí)教育納入教育體系，提升年輕一代的健康知識(shí)水平。另一方面，定期開展鄉(xiāng)村健康知識(shí)普及活動(dòng)，消除“成規(guī)陋習(xí)”，提升中老年人的健康知識(shí)水平。

其次，消除醫(yī)療空白點(diǎn)，增加醫(yī)療基礎(chǔ)設(shè)施建設(shè)投入，合理布局基層醫(yī)療機(jī)構(gòu)，充分發(fā)揮基層醫(yī)療機(jī)構(gòu)功能。對(duì)于醫(yī)療空白點(diǎn)的鄉(xiāng)村，加之交通與地理位置的制約，看病諸多不便。在合理布局基層醫(yī)療機(jī)構(gòu)的前提下，盡可能地消除醫(yī)療空白點(diǎn)，有利于降低農(nóng)村居民看病的時(shí)間成本與交通成本，化解看病難的問題。基層醫(yī)療機(jī)構(gòu)應(yīng)充分發(fā)揮預(yù)防、治療和宣傳功能，開展定期體檢，監(jiān)控居民健康狀況，普及健康知識(shí)，消除生活陋習(xí)。

第三，通過政策干預(yù)阻斷健康差距的代際傳遞，從嬰兒、幼兒、兒童健康切入，提升國民健康水平。首先，大幅提升健康民生項(xiàng)目的覆蓋面，加大遺傳疾病、先天疾病的篩查力度，促進(jìn)優(yōu)生優(yōu)育。其次，進(jìn)一步增加免費(fèi)疫苗種類，著力提升疫苗接種率，防范于未然。第三，定期開展?fàn)I養(yǎng)、體能和心理檢查，追蹤成長(zhǎng)狀況。