论文部分内容阅读
〔摘要〕居民健康对劳动参与的影响至关重要。国内相关研究只使用了自我评价的一般健康状况来衡量健康水平，然而健康是多维的，该指标可能未能全面度量我国居民真实健康水平对劳动参与的影响。为了克服这个问题，本文还同时使用短期疾病冲击、疾病史、身体质量指数、营养摄入等多个健康指标。结果表明，自我评价的一般健康状况没能完全揭示我国居民真实健康水平对劳动参与的影响，包括其在内的各个健康指标均为此可以提供相对独立的信息。
〔关键词〕健康；疾病；营养；劳动参与
〔中图分类号〕 F0〔文献标识码〕 A〔文章编号〕1008-2689（2011）01-0104-07
一、引言
按照国际标准，我国2000年已经进入老龄化社会。尽管少儿抚养比依然可以抵消了加快上升的老年抚养比，但总抚养比继续下降的空间有限，甚至有的学者预测我国“人口红利”的拐点将是2015年（王德文，蔡昉和张学辉，2004）[1]。总之，“人口红利”能维持的时间令人堪忧。在“人口红利”剩余的短暂期间，要充分利用劳动力资源，必须保持较高的劳动参与率和较低的失业率。但是，劳动参与率呈下滑趋势（蔡昉和王美艳，2006）[2]，不利于短暂的“人口红利”充分发挥促进经济增长的作用。此外，由于社会保障体系尚不完善，下降的劳动参与会降低个人和家庭的自我保障能力。因此，有必要研究影响劳动参与的因素，以减缓这种不利趋势及其对宏观经济和微观个体的负面影响。
劳动参与受多种因素影响，如年龄、性别、教育、家庭因素以及政府政策等，而自从Mushkin(1962)[3]以来，健康因素对劳动参与的影响引起了越来越多的关注。从微观角度看，健康从三个渠道影响个人劳动参与。第一、健康是衡量人力资本的重要标准之一(Grossman, 1972）[4]，影响居民劳动参与决策。较高的健康水平意味着较高的劳动生产率。由于劳动生产率与工资正相关，这意味着不参与劳动的机会成本较高。第二，健康改变人们对工作和闲暇的时间偏好（Grossman, 1972）,从而影响劳动时间，如果健康严重恶化，很可能导致劳动能力的丧失，进而退出劳动力市场。第三，健康影响个人对工作损失反应的能力，从而影响是否退出劳动力市场的决策。健康的人的工作类型的选择余地较大，更不容易失业或退出劳动力市场。
本文从经验角度评价健康对劳动参与的影响。国外对这方面的研究较多（Bound, 1991[5], 1999[6]; Stern, 1989[7]; Campolieti, 2002[8]; Cai, 2004[9], 2006[10]; Gameren, 2008[11]等等），而国内对这方面的关注较少。虽然国内多数研究劳动参与决策的文献引入健康因素（庞丽华、Rozelle和Brauw，2003[12]；余吉祥，2006[13]；蔡昉和王美艳，2006；张文娟，2010[14]；马忠东，吕智浩和叶孔嘉，2010[15]），但是没有专门讨论健康对劳动参与的影响，甚至只是把健康作为控制变量处理，只有少数文献做了专门研究（魏众，2004[16]；任兆璋、范闽，2006[17]；刘生龙，2006[18]；田艳芳，2010[19]）。
从经验角度估计健康对个人劳动参与影响的关键在于健康水平的测度。健康是多维的，到目前为止，尚没有统一的健康指标。常用的健康指标有：（1）总体健康状况，由于社会调查中进行临床体检的成本太高，自我评价的一般健康状况被广泛使用；（2）自我报告疾病和“正常”活动；（3）自我报告的身体机能，尤其是每天日常活动状况（Activities of Daily Life, ADL）；（4）以营养为基础的指标——营养摄入，尤其是热量摄入；（5）以营养为基础的指标——身体形态，典型的指标有身高、体重和身体质量指数（Body Mass Index, BMI）；（6）健康调整的生命年（Health-adjusted Life Years, HALY）或健康调整的预期寿命(Health-adjusted Life Expectancy)（Cutler和Richardson, 1997）[20]；（7）生活质量指标（Quality of Well-being Scale, QWB）(Kaplan和Anderson, 1988)[21]；（8）健康因子，即利用因子分析法从不同的单维健康指标中提取出健康因子（魏众，2004）。自我评价的一般健康状况变量是离散的，只有几个等级，无法反映相同自我健康评价等级内的其它健康信息。对自我一般健康状况评价“很好”的居民，在自我报告的疾病、BMI和营养摄入量等其它健康指标上很可能存在异质性。因此，尽管单独使用自我评价的一般健康状况可以反映不同等级的自我健康评价对劳动参与的影响，但无法反映相同的自我评价的一般健康状况等级下的其它健康信息对劳动参与的影响，所以有必要使用多维健康指标以克服自我评价的一般健康状况对健康度量的不完全性。尽管张车伟（2003）[22]在研究健康对劳动生产率的影响时使用了多维健康指标，但国内研究劳动参与的文献只使用自我评价的一般健康状况。本文将证明自我评价的一般健康状况在度量健康上的不完全性，且使用多种健康指标作为解释变量，以从不同侧面反映健康对劳动参与的影响。
本文其他篇幅组织如下：第二部分讨论模型设定、变量选择和数据处理；第三部分给出回归估计结果以及相应的经济解释；第四部分是本文的结论。
二、模型、变量及数据
（一）模型设定
因为本文的研究对象劳动参与是二元离散变量，即参与或不参与劳动力大军，考虑下列二元选择模型：
）是logistic分布函数，那么回归模型（1）就变成logit模型。由于probit与logistic模型的参数估计结果几乎相同，本文只报告probit模型的估计结果。对于模型（1）的系数估计值，我们使用极大似然法进行估计。另外，为了克服小样本偏差，对于系数的标准值，我们不用极大似然估计的渐进方差协方差，而使用bootstrap法进行模拟。
（二）变量说明、界定及处理
被解释变量是劳动参与。按照历年《中国统计年鉴》的解释，参与劳动的人口或经济活动人口，指16周岁及以上，有劳動能力，参加或要求参加社会经济活动的人口，包括就业人员和失业人员。本文使用CHNS问卷中两个问题“你现在有工作吗？”和“你为什么没有工作”来识别个体是否参与劳动。如果个体报告“现在有工作”，或者虽然报告“现在没工作”，但回答“正在找工作”，那么就认为该个体参与劳动，而给出其它回答的个体就看成没有参与劳动 。
解释变量包括个人特征、家庭特征和省份特征变量。个人特征包括受教育程度、婚姻状况、年龄、性别、民族、户口和健康等。对于受教育程度，结合CHNS中两个问题“你在正规学校里受过几年正规教育？”和“最高受教育程度是什么？”将受教育程度分为五个等级，即小学及以下，初中学历，高中学历，职业技校学历，大专及以上。对于婚姻状况，将CHNS给出的五种状态重新归为两类：有配偶和无配偶。其中，无配偶包括未曾结过婚、离婚、分居和鳏夫或寡妇。至于年龄，为了反映年龄对劳动参与影响的非线性特征，采用四个等级的有序定性变量。性别、民族和户口是二元哑变量，性别有男女两类，民族分为汉族和少数民族，户口有农村和城镇户口两种。家庭特征有0-15岁孩子数量和其他家庭成员的收入 ，用以反映家庭对个人依赖和支持（蔡昉和王美艳，2006）。省份特征变量是各省份虚拟变量，用以控制未观测的省份因素的影响。
个人特征中健康水平的度量是本文的关键。直接反映总体健康水平的指标是自我评价的一般健康状况，它在CHNS问卷中对应的问题是“与同龄人相比，你觉得自己的健康怎么样？”，可选的答案有四个，分别是不好、一般、良好和很好，为此本文设三个虚拟变量。短期疾病冲击在问卷中对应的问题是“过去的四周中，你是否生过病或受过伤？是否患有慢性病或急性病？”。另外，CHNS还询问了短期“疾病的严重程度？”，对应的等级有三个：不严重、一般和相当重。结合这两个问题，本文设置三个虚拟变量。关于疾病史，CHNS询问了曾经是否患有下列五种疾病：高血压，糖尿病，心肌梗死，中风和骨折。由于CHNS未询问五种疾病严重程度，本文设置患有这些病的个数虚拟变量来反映长期疾病冲击 的有无和严重程度。衡量营养状况的指标之一是体质指数BMI。体质指数BMI等于体重（kg）与身高平方（m2）的比例，同年龄指标一样，为了体现不同体质对劳动参与的非线性影响，按照世界卫生组织（WHO）的分类标准 ，将BMI分为四个等级，即偏瘦、正常、超重和肥胖，并为此设立三个虚拟变量。衡量营养状况的指标还有营养摄入量，分别是人均每天摄入能量（单位：kcal）、碳水化合物（单位：gram）、蛋白质(单位：gram)和脂肪(单位：gram)。这三个指标由CHNS成员根据三天的平均水平计算而得。国际上普遍使用人均每天摄入能量来度量发展中国家的营养摄入量（Li, 2003）[24]，本文也采用这个指标。当然，还有其他指标度量健康水平，如死亡状况（mortality）和日常生活行为技能（activities of daily life, ADL）等。但是，因CHNS沒有死亡样本的其它基本信息（如年龄、性别和教育水平等），本文便不再采用；另外，在CHNS中，ADL的调查对象是55岁以上的老年人，因而不能代表人口整体，本文同样不予采用。各变量的描述性统计见表1。
（三）数据来源及处理
本文使用的数据来自中国健康与营养调查（CHNS）。该调查是由北卡罗来纳大学人口中心、美国国家营养与食物安全研究所和中国疾病与预防控制中心联合展开的项目。到目前为止，共进行7次调查，分别是1989、1991、1993、1997、2000、2004和2006年。该调查使用多阶段整群抽样方法，调查内容涉及营养、健康、收入、就业等。
本文使用最新的2006年截面数据。由于研究需要，对样本处理如下：一、先将未成年人和成年人数据库合并，再根据本文对劳动力大军的年龄限制，剔除16周岁以下的样本；二、剔除具有不完全信息的样本，只要样本观察值在本文使用的任意变量上缺省，就将该样本删掉。最后得到的样本是8013个。
三、回归结果及分析
表2回归模型（1）—（5）的解释变量都包含了除营养和健康指标以外的个人特征和家庭特征，它们的差别在于依次加入了短期疾病冲击、长期疾病冲击、体质指数、营养摄入量和自我健康评价。我们首先分析除健康外的个人特征和家庭特征对劳动参与概率的影响。纵观这五个模型，我可发现下列共同的规律。第一，女性的劳动参与率要低于男性，这一方面反映了就业市场的性别歧视，另一方面是女性作为家庭主妇的结果。第二，民族虚拟变量系数显著为正，这表明汉族人劳动参与概率高于少数民族。第三，持有农村户口的居民的劳动参与率要高于城镇户籍人口，这主要是由农村户籍人口相对灵活的劳动或就业机制决定的；具体而言，对于从事农业劳动的农民来说，他们都拥有自己的土地，不存在被解雇的可能，无论经济形势好还是坏，相对于有被解雇风险的城镇居民，他们更不容易退出劳动力市场。对农民工而言，经济形势利好的时候，他们可以进城从事低段的工业或服务业，当经济形势不好的时候，他们还有土地可种，因而退出劳动力市场的可能性相对较小。第四，年龄对劳动参与的影响是非线性的，随着年龄的增长，年龄对劳动参与的影响呈现先上升后下降的态势，这是由年龄变化带来的生理特征和社会身份变化决定的。第五，教育对劳动参与率的影响存在“门槛效应”（马忠东，吕智浩和叶孔嘉，2010）——拥有初中和高中学历的人的劳动参与概率与小学及以下的人无显著差异，而受过职业技术教育劳动参与概率显著上升，受过高等教育的人的劳动参与概率上升的幅度更高。这很可能是因为，相对小学教育，尽管初中和高中教育提高认知能力，但未直接提供社会需要的知识和技能；而受过职业技术教育的居民接受了社会所需的技能培训；对于拥有大专及以上学历的居民，他们接受了更高、更严格的专业知识和技能的教育和培训。第六，有配偶的劳动参与概率高于无配偶的，这是因为相对而言，有配偶的要承担起抚养家庭的重任，所以更可能参加劳动。第七，其它家庭成员的收入对劳动参与的影响为负，这体现为家庭对个人的经济支持。第八，未成年人数对劳动参与概率的影响为负，这是孩子的照料需求所致。
健康对劳动参与的影响是本文研究的重点，下面将依次分析各单维健康指标对劳动参与的影响。第一，从表2模型1可知，短期健康冲击对劳动参与概率的影响是非线性的，短期疾病冲击不严重与没有短期冲击对劳动参与概率的影响无显著差异，当短期疾病冲击变得“一般严重”或“相当严重”的时候，劳动参与概率才显著下降，而且下降的幅度在增加。第二，从表2模型2可知，长期健康冲击本身对劳动参与产生负的影响，而且随着慢性病数量的增加，其负面影响在加深。我们发现，当加入长期健康冲击变量后，短期健康冲击各类别虚拟变量的系数值下降，甚至“一般”的短期健康冲击系数不显著，这很可能是因为长期疾病既引起劳动参与概率的下降，又导致各种程度的短期健康冲击发生率上升，以至于控制了长期健康冲击后，模型1中被高估的短期健康冲击对劳动参与概率负面影响减弱。但是，“相当重”的短期疾病冲击变量系数依然显著，这说明短期健康冲击并不完全是有长期健康冲击决定，它们拥有一些相对独立的信息。第三，从表2模型3可见，体质指数对健康的影响是非线性，尽管相对于体重“正常”，体重“偏瘦”对劳动参与概率的影响为负，但是并不显著，而当体重变得“超重”，甚至“肥胖”时，劳动参与概率才显著下降，这是很可能“超重”或“肥胖”造成的行动限制和引发的本文没有控制的其它急性或慢性病冲击的结果。第四，从表2模型4可见，平均而言，营养摄入对劳动参与概率有正面影响，这是因为营养摄入，尤其是能量摄入可以提供从事或维持劳动所需的能量，从而有助于提高劳动参与率。 第六，从表2模型5可见，自我评价一般、良好和很好的变量的系数显著为正，而且随着自我评价的一般健康状况等级的上升，系数增加的幅度在减少。这表明，当自我评价的一般健康等级上升到一般、良好或很好时，劳动参与概率显著提高，但是增加的幅度在递减。以此反推，当自我评价的一般健康恶化时，劳动参与概率将显著下降，而且下降的幅度会递增。第七，自我评价的一般健康状况不能完全度量健康水平，各种健康指标反映了健康的各个不同侧面，具有相对独立的信息。这是因为，对比模型（5）和（4），加入自我评价的一般健康状况后，疾病指标和营养指标对劳动参与概率的影响几乎不变或略有下降；自我评价的一般健康状况指标系数是显著的，这也说明自我评价的一般健康状况存在私有信息；此外，依次对比相邻模型便可发现，后加健康指标对前一个模型的健康指标的符号、系数值和显著性的影响甚小。
上段已提及，各健康指标具有相对独立的信息，从而直接或间接地反映了健康的不同侧面。这些健康指标所提供的相互独立的信息在于：第一，自我评价的一般健康状况除了可以在一定程度上反映疾病冲击和营养摄入外，不仅可以反映本文未控制的心理健康，而且相对于客观健康指标（医生诊断的疾病类型和严重性、住院次数等）对死亡率具有更强而独立的预测力（Mossey和Shapiro，1982）[25]，而死亡率是本文无法直接度量的；第二，短期疾病冲击可能造成健康的短期下滑，但身体机能可以加以控制或调节，但短期疾病冲击未必导致自我评价的一般健康状况的变化；第三，长期疾病冲击反映了健康的长期扰动，这是身体难以控制或调节的，但长期疾病冲击也未必导致自我评价的一般健康状况的变化；第四，虽然“超重”和“肥胖”引起本文控制的糖尿病、中风和高血压，但还可能使本文未直接控制的日常活动状况（ADL）恶化，还可能引发本文未加以控制心血管疾病、某些癌症等 ；第五，不同于疾病对健康的扰动，营养摄入可以看成日常必需的健康投资，提供了参与劳动所需的能量。同时，营养摄入也非BMI所能直接和完全反映的。尽管理论上讲过多的能量摄入与身体“超重”或“肥胖”密切相关，但实际上造成我国居民“超重”或“肥胖”的很可能是营养结构不合理，如脂肪供能比 较高等，这是因为伴随着“超重”和“肥胖”人口比例上升的同时，脂肪供能比大幅上升，甚至超过正常水平，而总的能量摄入量却逐年下降（何宇纳等，2005）[26]。
四、结论
本文利用中国健康与营养调查中多种健康指标实证分析了健康对劳动参与的影响。研究表明，自我评价的一般健康状况无法完全度量健康，各健康指标能够提供相互独立的健康信息，因此使用多维健康指标有助于全面了解健康对劳动参与的影响，从而弥补国内现有相关研究只使用自我评价的一般健康状况指标的不足。具体而言，“相当重”的短期疾病冲击、“超重”或“肥胖”和长期疾病冲击降低了劳动参与概率，营养摄入有助于提高了劳动参与概率，而当自我健康评价等级上升时，劳动参与概率也增加。本文的研究对于通过多种途径来改善居民健康状况，从而增强居民自我保障能力、充分发挥“人口红利”所带来的好处具有重要的启示。
〔参考文献〕
［１］王德文、蔡昉和张学辉. 人口转变的储蓄效应和增长效应[J].人口研究，2004，28（5）：2-11.
［２］蔡昉和王美艳. 中国城镇劳动参与率的变化及其政策含义[J].中国社会科学，2006（4）：68-79.
［３］Mushkin, Selma J. Health as an Investment [J]. Journal of Political Economy, 1962, 70(5): 129-157.
［４］Grossman, Michael. On the Concept of Health Capital and the Demand for Health [J]. Journal of Political Economy, 1972, 80(2): 223-255.
［５］Bound, John. Self-Reported Versus Objective Measures of Health in Retirement Models [J].Journal of Human Resources, 1991, 26(1): 106-138.
［６］Bound, John, Michael Schoenbaum, Todd R. Stinebrickner and Timothy Waidmann. The Dynamic Effects of Health on the Labor Force Transitions of Older Workers [J]. Labor Economics, 1999, 6: 179-202.
［７］Stern, Steven. Measuring the Effect of Disability on Labor Force Participation [J]. Journal of Human Resources, 1989, 24(3): 361-395.
［８］Campolieti, Michele. Disability and the Labor Force Participation of Older Men in Canada [J]. Labor Economics 2002, 9: 405-432.
［９］Cai, Lixin and Guyonne Kalb. Health Status and Labor Force Participation: Evidence from the HILDA Data. Melbourne Institute Working Paper No. 4/04, 2004.
［10］Cai, L. and Guyonne Kalb. Health Status and Labor Force Participation: Evidence from Australia [J]. Health Economics 2006, 15: 241-261.
［11］Gameren, Edwin van. Labor Force Participation of Mexican Elderly: The Importance of Health [J]. Estudios Economics 2008, 23(1): 89-127.
［12］龐丽华、Rozelle和Brauw. 中国农村老人的劳动供给研究[J]. 经济学（季刊），2003，2（3）: 721-730.
［13］余吉祥. 年轻农村劳动力的非农劳动参与——基于CHNS2006年成人数据的实证研究[J].农业技术经济，2009（4）：20-27.
［14］张文娟. 中国老年人的劳动参与状况及影响因素研究[J].人口与经济，2010（1）：85-89.
［15］马忠东，吕智浩和叶孔嘉. 劳动参与率与劳动力增长：1982-2050年[J].中国人口科学，2010（1）：11-27.
［16］魏众. 健康对非农就业及其工资决定的影响[J].经济研究，2004，39（2）：64-74.
［17］任兆璋和范闽. 健康对劳动参与的多值政策效应分析[J].广东社会科学，2006（1）：37-42.
［18］刘生龙. 健康对农村居民劳动参与的影响[J].中国农村经济，2008（8）: 25-33.
［19］田艳芳. 中国中老年人的健康状况对劳动参与的影响[J].山西财经大学学报，2010，32(3)：1-7.
［20］Cutler和Richardson. Measuring the Health of the U.S. Population. Brookings Papers on Economic Activity: Microeconomics, 1997: 217-271.
［21］Kaplan, R.和P. Anderson. A General Health Policy Model: Update and Application [J]. Health Services Research, 1988, 23(2): 203-235.
［22］张车伟. 营养、健康与效率——来自中国贫困农村的证据[J].经济研究，2003，38（1）：3-12.
［23］张车伟. 失业率定义的国际比较及中国城镇失业率[J].世界经济，2003（5）：47-54.
［24］Li, Guanghui. The Impact of the One-Child Policy on Child-Wellbeing and Gender Differential. Working Paper No. 2003-02, University of Washington.
［25］Mossey, J.M. and E. Shapiro. Self-rated Health: a Predictor of Mortality among the Elderly [J]. American Journal of Public Health, 1982, 72(8): 800-808.
［26］何宇纳，翟凤英，王志宏，王慧君，胡以松和杨晓光. 中国居民膳食能量、蛋白质、脂肪的来源构成及变化[J].营养学报，2005（5）：358-365.
（责任编辑：文成）
〔关键词〕健康；疾病；营养；劳动参与
〔中图分类号〕 F0〔文献标识码〕 A〔文章编号〕1008-2689（2011）01-0104-07
一、引言
按照国际标准，我国2000年已经进入老龄化社会。尽管少儿抚养比依然可以抵消了加快上升的老年抚养比，但总抚养比继续下降的空间有限，甚至有的学者预测我国“人口红利”的拐点将是2015年（王德文，蔡昉和张学辉，2004）[1]。总之，“人口红利”能维持的时间令人堪忧。在“人口红利”剩余的短暂期间，要充分利用劳动力资源，必须保持较高的劳动参与率和较低的失业率。但是，劳动参与率呈下滑趋势（蔡昉和王美艳，2006）[2]，不利于短暂的“人口红利”充分发挥促进经济增长的作用。此外，由于社会保障体系尚不完善，下降的劳动参与会降低个人和家庭的自我保障能力。因此，有必要研究影响劳动参与的因素，以减缓这种不利趋势及其对宏观经济和微观个体的负面影响。
劳动参与受多种因素影响，如年龄、性别、教育、家庭因素以及政府政策等，而自从Mushkin(1962)[3]以来，健康因素对劳动参与的影响引起了越来越多的关注。从微观角度看，健康从三个渠道影响个人劳动参与。第一、健康是衡量人力资本的重要标准之一(Grossman, 1972）[4]，影响居民劳动参与决策。较高的健康水平意味着较高的劳动生产率。由于劳动生产率与工资正相关，这意味着不参与劳动的机会成本较高。第二，健康改变人们对工作和闲暇的时间偏好（Grossman, 1972）,从而影响劳动时间，如果健康严重恶化，很可能导致劳动能力的丧失，进而退出劳动力市场。第三，健康影响个人对工作损失反应的能力，从而影响是否退出劳动力市场的决策。健康的人的工作类型的选择余地较大，更不容易失业或退出劳动力市场。
本文从经验角度评价健康对劳动参与的影响。国外对这方面的研究较多（Bound, 1991[5], 1999[6]; Stern, 1989[7]; Campolieti, 2002[8]; Cai, 2004[9], 2006[10]; Gameren, 2008[11]等等），而国内对这方面的关注较少。虽然国内多数研究劳动参与决策的文献引入健康因素（庞丽华、Rozelle和Brauw，2003[12]；余吉祥，2006[13]；蔡昉和王美艳，2006；张文娟，2010[14]；马忠东，吕智浩和叶孔嘉，2010[15]），但是没有专门讨论健康对劳动参与的影响，甚至只是把健康作为控制变量处理，只有少数文献做了专门研究（魏众，2004[16]；任兆璋、范闽，2006[17]；刘生龙，2006[18]；田艳芳，2010[19]）。
从经验角度估计健康对个人劳动参与影响的关键在于健康水平的测度。健康是多维的，到目前为止，尚没有统一的健康指标。常用的健康指标有：（1）总体健康状况，由于社会调查中进行临床体检的成本太高，自我评价的一般健康状况被广泛使用；（2）自我报告疾病和“正常”活动；（3）自我报告的身体机能，尤其是每天日常活动状况（Activities of Daily Life, ADL）；（4）以营养为基础的指标——营养摄入，尤其是热量摄入；（5）以营养为基础的指标——身体形态，典型的指标有身高、体重和身体质量指数（Body Mass Index, BMI）；（6）健康调整的生命年（Health-adjusted Life Years, HALY）或健康调整的预期寿命(Health-adjusted Life Expectancy)（Cutler和Richardson, 1997）[20]；（7）生活质量指标（Quality of Well-being Scale, QWB）(Kaplan和Anderson, 1988)[21]；（8）健康因子，即利用因子分析法从不同的单维健康指标中提取出健康因子（魏众，2004）。自我评价的一般健康状况变量是离散的，只有几个等级，无法反映相同自我健康评价等级内的其它健康信息。对自我一般健康状况评价“很好”的居民，在自我报告的疾病、BMI和营养摄入量等其它健康指标上很可能存在异质性。因此，尽管单独使用自我评价的一般健康状况可以反映不同等级的自我健康评价对劳动参与的影响，但无法反映相同的自我评价的一般健康状况等级下的其它健康信息对劳动参与的影响，所以有必要使用多维健康指标以克服自我评价的一般健康状况对健康度量的不完全性。尽管张车伟（2003）[22]在研究健康对劳动生产率的影响时使用了多维健康指标，但国内研究劳动参与的文献只使用自我评价的一般健康状况。本文将证明自我评价的一般健康状况在度量健康上的不完全性，且使用多种健康指标作为解释变量，以从不同侧面反映健康对劳动参与的影响。
本文其他篇幅组织如下：第二部分讨论模型设定、变量选择和数据处理；第三部分给出回归估计结果以及相应的经济解释；第四部分是本文的结论。
二、模型、变量及数据
（一）模型设定
因为本文的研究对象劳动参与是二元离散变量，即参与或不参与劳动力大军，考虑下列二元选择模型：
）是logistic分布函数，那么回归模型（1）就变成logit模型。由于probit与logistic模型的参数估计结果几乎相同，本文只报告probit模型的估计结果。对于模型（1）的系数估计值，我们使用极大似然法进行估计。另外，为了克服小样本偏差，对于系数的标准值，我们不用极大似然估计的渐进方差协方差，而使用bootstrap法进行模拟。
（二）变量说明、界定及处理
被解释变量是劳动参与。按照历年《中国统计年鉴》的解释，参与劳动的人口或经济活动人口，指16周岁及以上，有劳動能力，参加或要求参加社会经济活动的人口，包括就业人员和失业人员。本文使用CHNS问卷中两个问题“你现在有工作吗？”和“你为什么没有工作”来识别个体是否参与劳动。如果个体报告“现在有工作”，或者虽然报告“现在没工作”，但回答“正在找工作”，那么就认为该个体参与劳动，而给出其它回答的个体就看成没有参与劳动 。
解释变量包括个人特征、家庭特征和省份特征变量。个人特征包括受教育程度、婚姻状况、年龄、性别、民族、户口和健康等。对于受教育程度，结合CHNS中两个问题“你在正规学校里受过几年正规教育？”和“最高受教育程度是什么？”将受教育程度分为五个等级，即小学及以下，初中学历，高中学历，职业技校学历，大专及以上。对于婚姻状况，将CHNS给出的五种状态重新归为两类：有配偶和无配偶。其中，无配偶包括未曾结过婚、离婚、分居和鳏夫或寡妇。至于年龄，为了反映年龄对劳动参与影响的非线性特征，采用四个等级的有序定性变量。性别、民族和户口是二元哑变量，性别有男女两类，民族分为汉族和少数民族，户口有农村和城镇户口两种。家庭特征有0-15岁孩子数量和其他家庭成员的收入 ，用以反映家庭对个人依赖和支持（蔡昉和王美艳，2006）。省份特征变量是各省份虚拟变量，用以控制未观测的省份因素的影响。
个人特征中健康水平的度量是本文的关键。直接反映总体健康水平的指标是自我评价的一般健康状况，它在CHNS问卷中对应的问题是“与同龄人相比，你觉得自己的健康怎么样？”，可选的答案有四个，分别是不好、一般、良好和很好，为此本文设三个虚拟变量。短期疾病冲击在问卷中对应的问题是“过去的四周中，你是否生过病或受过伤？是否患有慢性病或急性病？”。另外，CHNS还询问了短期“疾病的严重程度？”，对应的等级有三个：不严重、一般和相当重。结合这两个问题，本文设置三个虚拟变量。关于疾病史，CHNS询问了曾经是否患有下列五种疾病：高血压，糖尿病，心肌梗死，中风和骨折。由于CHNS未询问五种疾病严重程度，本文设置患有这些病的个数虚拟变量来反映长期疾病冲击 的有无和严重程度。衡量营养状况的指标之一是体质指数BMI。体质指数BMI等于体重（kg）与身高平方（m2）的比例，同年龄指标一样，为了体现不同体质对劳动参与的非线性影响，按照世界卫生组织（WHO）的分类标准 ，将BMI分为四个等级，即偏瘦、正常、超重和肥胖，并为此设立三个虚拟变量。衡量营养状况的指标还有营养摄入量，分别是人均每天摄入能量（单位：kcal）、碳水化合物（单位：gram）、蛋白质(单位：gram)和脂肪(单位：gram)。这三个指标由CHNS成员根据三天的平均水平计算而得。国际上普遍使用人均每天摄入能量来度量发展中国家的营养摄入量（Li, 2003）[24]，本文也采用这个指标。当然，还有其他指标度量健康水平，如死亡状况（mortality）和日常生活行为技能（activities of daily life, ADL）等。但是，因CHNS沒有死亡样本的其它基本信息（如年龄、性别和教育水平等），本文便不再采用；另外，在CHNS中，ADL的调查对象是55岁以上的老年人，因而不能代表人口整体，本文同样不予采用。各变量的描述性统计见表1。
（三）数据来源及处理
本文使用的数据来自中国健康与营养调查（CHNS）。该调查是由北卡罗来纳大学人口中心、美国国家营养与食物安全研究所和中国疾病与预防控制中心联合展开的项目。到目前为止，共进行7次调查，分别是1989、1991、1993、1997、2000、2004和2006年。该调查使用多阶段整群抽样方法，调查内容涉及营养、健康、收入、就业等。
本文使用最新的2006年截面数据。由于研究需要，对样本处理如下：一、先将未成年人和成年人数据库合并，再根据本文对劳动力大军的年龄限制，剔除16周岁以下的样本；二、剔除具有不完全信息的样本，只要样本观察值在本文使用的任意变量上缺省，就将该样本删掉。最后得到的样本是8013个。
三、回归结果及分析
表2回归模型（1）—（5）的解释变量都包含了除营养和健康指标以外的个人特征和家庭特征，它们的差别在于依次加入了短期疾病冲击、长期疾病冲击、体质指数、营养摄入量和自我健康评价。我们首先分析除健康外的个人特征和家庭特征对劳动参与概率的影响。纵观这五个模型，我可发现下列共同的规律。第一，女性的劳动参与率要低于男性，这一方面反映了就业市场的性别歧视，另一方面是女性作为家庭主妇的结果。第二，民族虚拟变量系数显著为正，这表明汉族人劳动参与概率高于少数民族。第三，持有农村户口的居民的劳动参与率要高于城镇户籍人口，这主要是由农村户籍人口相对灵活的劳动或就业机制决定的；具体而言，对于从事农业劳动的农民来说，他们都拥有自己的土地，不存在被解雇的可能，无论经济形势好还是坏，相对于有被解雇风险的城镇居民，他们更不容易退出劳动力市场。对农民工而言，经济形势利好的时候，他们可以进城从事低段的工业或服务业，当经济形势不好的时候，他们还有土地可种，因而退出劳动力市场的可能性相对较小。第四，年龄对劳动参与的影响是非线性的，随着年龄的增长，年龄对劳动参与的影响呈现先上升后下降的态势，这是由年龄变化带来的生理特征和社会身份变化决定的。第五，教育对劳动参与率的影响存在“门槛效应”（马忠东，吕智浩和叶孔嘉，2010）——拥有初中和高中学历的人的劳动参与概率与小学及以下的人无显著差异，而受过职业技术教育劳动参与概率显著上升，受过高等教育的人的劳动参与概率上升的幅度更高。这很可能是因为，相对小学教育，尽管初中和高中教育提高认知能力，但未直接提供社会需要的知识和技能；而受过职业技术教育的居民接受了社会所需的技能培训；对于拥有大专及以上学历的居民，他们接受了更高、更严格的专业知识和技能的教育和培训。第六，有配偶的劳动参与概率高于无配偶的，这是因为相对而言，有配偶的要承担起抚养家庭的重任，所以更可能参加劳动。第七，其它家庭成员的收入对劳动参与的影响为负，这体现为家庭对个人的经济支持。第八，未成年人数对劳动参与概率的影响为负，这是孩子的照料需求所致。
健康对劳动参与的影响是本文研究的重点，下面将依次分析各单维健康指标对劳动参与的影响。第一，从表2模型1可知，短期健康冲击对劳动参与概率的影响是非线性的，短期疾病冲击不严重与没有短期冲击对劳动参与概率的影响无显著差异，当短期疾病冲击变得“一般严重”或“相当严重”的时候，劳动参与概率才显著下降，而且下降的幅度在增加。第二，从表2模型2可知，长期健康冲击本身对劳动参与产生负的影响，而且随着慢性病数量的增加，其负面影响在加深。我们发现，当加入长期健康冲击变量后，短期健康冲击各类别虚拟变量的系数值下降，甚至“一般”的短期健康冲击系数不显著，这很可能是因为长期疾病既引起劳动参与概率的下降，又导致各种程度的短期健康冲击发生率上升，以至于控制了长期健康冲击后，模型1中被高估的短期健康冲击对劳动参与概率负面影响减弱。但是，“相当重”的短期疾病冲击变量系数依然显著，这说明短期健康冲击并不完全是有长期健康冲击决定，它们拥有一些相对独立的信息。第三，从表2模型3可见，体质指数对健康的影响是非线性，尽管相对于体重“正常”，体重“偏瘦”对劳动参与概率的影响为负，但是并不显著，而当体重变得“超重”，甚至“肥胖”时，劳动参与概率才显著下降，这是很可能“超重”或“肥胖”造成的行动限制和引发的本文没有控制的其它急性或慢性病冲击的结果。第四，从表2模型4可见，平均而言，营养摄入对劳动参与概率有正面影响，这是因为营养摄入，尤其是能量摄入可以提供从事或维持劳动所需的能量，从而有助于提高劳动参与率。 第六，从表2模型5可见，自我评价一般、良好和很好的变量的系数显著为正，而且随着自我评价的一般健康状况等级的上升，系数增加的幅度在减少。这表明，当自我评价的一般健康等级上升到一般、良好或很好时，劳动参与概率显著提高，但是增加的幅度在递减。以此反推，当自我评价的一般健康恶化时，劳动参与概率将显著下降，而且下降的幅度会递增。第七，自我评价的一般健康状况不能完全度量健康水平，各种健康指标反映了健康的各个不同侧面，具有相对独立的信息。这是因为，对比模型（5）和（4），加入自我评价的一般健康状况后，疾病指标和营养指标对劳动参与概率的影响几乎不变或略有下降；自我评价的一般健康状况指标系数是显著的，这也说明自我评价的一般健康状况存在私有信息；此外，依次对比相邻模型便可发现，后加健康指标对前一个模型的健康指标的符号、系数值和显著性的影响甚小。
上段已提及，各健康指标具有相对独立的信息，从而直接或间接地反映了健康的不同侧面。这些健康指标所提供的相互独立的信息在于：第一，自我评价的一般健康状况除了可以在一定程度上反映疾病冲击和营养摄入外，不仅可以反映本文未控制的心理健康，而且相对于客观健康指标（医生诊断的疾病类型和严重性、住院次数等）对死亡率具有更强而独立的预测力（Mossey和Shapiro，1982）[25]，而死亡率是本文无法直接度量的；第二，短期疾病冲击可能造成健康的短期下滑，但身体机能可以加以控制或调节，但短期疾病冲击未必导致自我评价的一般健康状况的变化；第三，长期疾病冲击反映了健康的长期扰动，这是身体难以控制或调节的，但长期疾病冲击也未必导致自我评价的一般健康状况的变化；第四，虽然“超重”和“肥胖”引起本文控制的糖尿病、中风和高血压，但还可能使本文未直接控制的日常活动状况（ADL）恶化，还可能引发本文未加以控制心血管疾病、某些癌症等 ；第五，不同于疾病对健康的扰动，营养摄入可以看成日常必需的健康投资，提供了参与劳动所需的能量。同时，营养摄入也非BMI所能直接和完全反映的。尽管理论上讲过多的能量摄入与身体“超重”或“肥胖”密切相关，但实际上造成我国居民“超重”或“肥胖”的很可能是营养结构不合理，如脂肪供能比 较高等，这是因为伴随着“超重”和“肥胖”人口比例上升的同时，脂肪供能比大幅上升，甚至超过正常水平，而总的能量摄入量却逐年下降（何宇纳等，2005）[26]。
四、结论
本文利用中国健康与营养调查中多种健康指标实证分析了健康对劳动参与的影响。研究表明，自我评价的一般健康状况无法完全度量健康，各健康指标能够提供相互独立的健康信息，因此使用多维健康指标有助于全面了解健康对劳动参与的影响，从而弥补国内现有相关研究只使用自我评价的一般健康状况指标的不足。具体而言，“相当重”的短期疾病冲击、“超重”或“肥胖”和长期疾病冲击降低了劳动参与概率，营养摄入有助于提高了劳动参与概率，而当自我健康评价等级上升时，劳动参与概率也增加。本文的研究对于通过多种途径来改善居民健康状况，从而增强居民自我保障能力、充分发挥“人口红利”所带来的好处具有重要的启示。
〔参考文献〕
［１］王德文、蔡昉和张学辉. 人口转变的储蓄效应和增长效应[J].人口研究，2004，28（5）：2-11.
［２］蔡昉和王美艳. 中国城镇劳动参与率的变化及其政策含义[J].中国社会科学，2006（4）：68-79.
［３］Mushkin, Selma J. Health as an Investment [J]. Journal of Political Economy, 1962, 70(5): 129-157.
［４］Grossman, Michael. On the Concept of Health Capital and the Demand for Health [J]. Journal of Political Economy, 1972, 80(2): 223-255.
［５］Bound, John. Self-Reported Versus Objective Measures of Health in Retirement Models [J].Journal of Human Resources, 1991, 26(1): 106-138.
［６］Bound, John, Michael Schoenbaum, Todd R. Stinebrickner and Timothy Waidmann. The Dynamic Effects of Health on the Labor Force Transitions of Older Workers [J]. Labor Economics, 1999, 6: 179-202.
［７］Stern, Steven. Measuring the Effect of Disability on Labor Force Participation [J]. Journal of Human Resources, 1989, 24(3): 361-395.
［８］Campolieti, Michele. Disability and the Labor Force Participation of Older Men in Canada [J]. Labor Economics 2002, 9: 405-432.
［９］Cai, Lixin and Guyonne Kalb. Health Status and Labor Force Participation: Evidence from the HILDA Data. Melbourne Institute Working Paper No. 4/04, 2004.
［10］Cai, L. and Guyonne Kalb. Health Status and Labor Force Participation: Evidence from Australia [J]. Health Economics 2006, 15: 241-261.
［11］Gameren, Edwin van. Labor Force Participation of Mexican Elderly: The Importance of Health [J]. Estudios Economics 2008, 23(1): 89-127.
［12］龐丽华、Rozelle和Brauw. 中国农村老人的劳动供给研究[J]. 经济学（季刊），2003，2（3）: 721-730.
［13］余吉祥. 年轻农村劳动力的非农劳动参与——基于CHNS2006年成人数据的实证研究[J].农业技术经济，2009（4）：20-27.
［14］张文娟. 中国老年人的劳动参与状况及影响因素研究[J].人口与经济，2010（1）：85-89.
［15］马忠东，吕智浩和叶孔嘉. 劳动参与率与劳动力增长：1982-2050年[J].中国人口科学，2010（1）：11-27.
［16］魏众. 健康对非农就业及其工资决定的影响[J].经济研究，2004，39（2）：64-74.
［17］任兆璋和范闽. 健康对劳动参与的多值政策效应分析[J].广东社会科学，2006（1）：37-42.
［18］刘生龙. 健康对农村居民劳动参与的影响[J].中国农村经济，2008（8）: 25-33.
［19］田艳芳. 中国中老年人的健康状况对劳动参与的影响[J].山西财经大学学报，2010，32(3)：1-7.
［20］Cutler和Richardson. Measuring the Health of the U.S. Population. Brookings Papers on Economic Activity: Microeconomics, 1997: 217-271.
［21］Kaplan, R.和P. Anderson. A General Health Policy Model: Update and Application [J]. Health Services Research, 1988, 23(2): 203-235.
［22］张车伟. 营养、健康与效率——来自中国贫困农村的证据[J].经济研究，2003，38（1）：3-12.
［23］张车伟. 失业率定义的国际比较及中国城镇失业率[J].世界经济，2003（5）：47-54.
［24］Li, Guanghui. The Impact of the One-Child Policy on Child-Wellbeing and Gender Differential. Working Paper No. 2003-02, University of Washington.
［25］Mossey, J.M. and E. Shapiro. Self-rated Health: a Predictor of Mortality among the Elderly [J]. American Journal of Public Health, 1982, 72(8): 800-808.
［26］何宇纳，翟凤英，王志宏，王慧君，胡以松和杨晓光. 中国居民膳食能量、蛋白质、脂肪的来源构成及变化[J].营养学报，2005（5）：358-365.
（责任编辑：文成）