中国患病率不平等：社会经济因素研究

使用CN2/CN2GIA顶级线路，支持Shadowsocks/V2ray科学上网，支持支付宝付款，每月仅需 5 美元

## 加入品葱精选 Telegram Channel ##

但这种策略从未奏效，它将威胁民众生命，引发公愤，最终破坏政府信誉

1.引言

迄今为止，已有大量文献研究了社会经济地位和死亡率之间的关系。这些在美国［1,2］、加拿大［3,4］、欧洲［5,6］和中国［7,8］进行的研究，发现了社会经济弱势人群的死亡率通常高于受教育程度或收入水平较高的人群。但死亡率并不是唯一重要的因素，患病率同时也是健康的另一个基本要素，与死亡率同等重要［9］。当患病率的地理分布与死亡率的分布不同时，它对预期寿命和寿命长短有重要影响［10］。这一情况具体到中国，不同地区的患病率差异很大。2008 年国家卫生服务调查统计数据显示，对于两周患病率这一指标，西藏城关区的最低比率为 5.2%，而北京东城区最高比率为 53.2%；对于慢性病患病率情况，西藏城关区的最低比率为 5.4%，而上海卢湾区则最高为 33.6%。

以往研究尝试解释收入和受教育水平与死亡率间的相关性。那些富有且受过高等教育的人不太会英年早逝，因为他们往往享有得天独厚的增进健康的资源［11-18］，且更有可能会住在位于安全街区的精心建造的房子和无毒无害的环境中［19-22］。除了能承担得起更高质量的医疗护理［23-25］之外，社会经济地位较高的人往往更能理解并遵循其医疗保健提供者的指导［21,26］；同样，社会经济地位较高的人更会采用健康的生活方式［25,27,28］，这可大大减少物质匮乏和社会压力对他们的影响［25,29-31］。

尽管如此，许多研究报告了社会经济因素对死亡率的反作用，但在社会经济地位与患病率之间并没有找到一致且稳健的联系［4,9］。在英国［32,33］、欧洲大陆国家［9］和北欧国家［34］，收入水平较高的人群患病率较低，而在加拿大没有观察到收入水平和患病率之间的联系［4］；与此同时，在美国［33］和欧洲国家［9,35］，受教育水平较高的人群患病率较低，而在加拿大［4］、英国［32］和北欧国家，教育水平和患病率之间没有联系［34］。在中国，社会经济地位与总体患病率间的关系并不太受关注。虽然有研究发现财富和受教育程度对高血压患病率没有显著影响［36］，且另一项研究发现中国儿童非住院伤害总体发生率受社会经济因素影响较小［37］；因此，了解并讨论患病率本身就变得非常重要。这不仅仅是因为缺乏文献，也是因为不能简单地把死亡率和患病率联系起来，且不能由接种疫苗和医疗技术的发展从死亡趋势中推断出患病率的趋势［38］。我们不能将关于中国死亡率的结论直接应用于中国的患病率。在中国，患病率对人们的预期寿命也有重要影响。

本文旨在探讨中国社会经济地位与患病率之间的联系，这将有助于为研究社会经济地位与患病率间的零碎关系提供新的论证［9］。本文的主要贡献体现在三个方面。首先，我们研究了中国社会经济地位与患病率之间的关系，以往的研究主要集中在除中国以外的其他国家。其次，调查研究了中国全年龄段人群和老年人群的社会经济地位和患病率间的联系，并注意到所有年龄段［1,2,4,33,39］和较大年龄段［3,7-9,25］的社会经济状况与健康之间的关系。在调查研究了所有年龄群体后，我们继续研究老年群体的社会经济地位与患病率之间的关系，这对我国来说也有重要意义。我们使用了两个数据来源：国家卫生服务调查 (NHSS) 的调查问卷，收集了中国居民各个年龄段的数据;中国健康与养老追踪调查 (CHARLS) 的调查问卷，收集了 45 岁及以上中国居民的数据。最后，我们将收入水平的二次项纳入回归模型，发现我国居民收入水平与患病率之间存在非线性关系。以往的研究［9,32］已发现了收入水平与患病率之间的非线性关系，而我们更进一步检验了收入水平与患病率之间是否存在二次关系，即当收入水平超过一定数值后，收入水平对患病率的影响关系会发生反转。

综上所述，本文通过三个患病率指标和两个社会经济地位情况，详细分析了我国各年龄段和老年人群的社会经济地位与患病率之间的关系。本文的结构如下：第 2 部分描述了实证分析中使用的数据，随后对模型进行了概述；第 3 部分提出了实证结果;最后，第 4 部分得出我们的结论。

2.研究方法

2.1 数据来源

我们采用的数据来自中国国家卫生服务调查和中国健康与养老追踪调查［40］。国家卫生服务调查始于 1993 年，每五年一次。在本文中，我们使用了 1998 年、2003 年和 2008 年的数据。1993 年、2013 年及以后的国家卫生服务调查数据没有被采用，是因为 1993 年没有收集到一些重要的社会经济变量，且在我们进行这项研究时，2013 年及以后的详细数据尚未公布。至于中国健康与养老追踪调查，我们使用 2018 年 4 月发布的 Harmonized CHARLS(C 版) 数据。Harmonized CHARLS 数据包含从 2011 年到 2015 年的数据。我们使用了 2011 年、2013 年和 2015 年的调查数据，收集了我们关注的一致变量。

国家卫生服务调查是一项全国性的抽样调查，其调查对象为选定家庭的实际人口。家庭的定义是指住在同一屋檐下的人，不管家庭成员和其他人是住在一起还是单独居住。该调查采用多级分层随机整群抽样方法，随机抽取了 31 个省、自治区、直辖市的 156 个县 (市、区)，每个县收集 5 个乡 (或社区)，全国共计 780 个。在每个乡镇 (社区) 收集 2 个行政村 (或居委会)，全国共收集 1560 个。此外，随机抽取每个样本村 (或居委会) 的 60 户进行进一步分析，全国共有 93600 户 (近 30 万人)。

国家卫生服务调查的问卷包括：(1) 城乡居民的卫生服务需求，包括人口、社会经济特征和健康状况调查；(2) 城乡居民的卫生服务需求和利用情况，包括疾病治疗情况、满意率和不满意原因、公共卫生、妇幼保健、急诊和住院服务、医院服务利用情况、个人医疗费用支付情况；(3) 城乡卫生保障，包括医疗保险和医疗保障体系的组成；(4) 居民满意度，包括对服务体系、服务提供、医疗保险覆盖范围和水平的满意度。

中国健康与养老追踪调查是一个具有全国代表性的、多学科的公共数据集。它涵盖了受访者一生中的许多方面，包括家庭、收入、健康、财务、社会保障等。本研究采用了 Harmonized CHARLS(C 版) 数据，包含 25504 个观察值。国家基线调查包括大约 17000 个人和 10000 个家庭的信息。我们选择中国健康与养老追踪调查数据的原因：首先，中国健康与养老追踪调查包含个人社会经济状况和慢性病患病率的详细信息；其次，它是从 45 岁以上的人群中收集数据，这为研究社会经济地位和患病率之间的联系是否仍然在老年群体中存在提供了数据。

2.2 变量

表 1 显示了从国家卫生服务调查数据中选择的原始变量。在这些数据中，患病率的健康指标包括：由身体或精神问题和长期残疾［9］导致的日常活动减少［9,41］、严重疾病患病率［42］、卧床不起的天数［42］、多发病［39,43］、慢性病患病率［44］等。考虑到数据的可用性，我们将三个健康指标作为因变量:两周患病率 (illnessratio)、每千人患病天数 (illnessday) 和慢性病患病率 (chronicratio)。两周患病率主要是从卫生服务的角度衡量受访者对疾病的感受。根据两周内对疾病的反应，该比率有三种情况：在医疗机构接受治疗、自行服药或其他一些辅助治疗，及至少休息一天而不接受治疗或服药。病假天数定义为每 1000 名被调查者在两周内平均病假天数，用于衡量疾病的严重程度。它与两周患病率高度相关，相关系数为 0.946。慢性病患病率是指被调查人群中慢性病的患病率。该变量与其他两个正相关，相关系数均大于 0.7。

经常使用的社会经济地位变量包括收入［3,41,45］、教育［3,41］、职业声望［3］和住房保有权［46］，本文以收入和教育的研究为重点。人均实际收入 (income) 定义为人均年收入，按各城市 GDP 平减指数折减至 1998 年的购买力值，而平减指数数据来自《中国区域经济统计年鉴》(1998—2008)。加权教育年限 (edu) 按完成教育年限计算。此外，文献中通常考虑几种控制变量：人口因素［41］、消费与医疗支出水平［42,47］、卫生服务的可及性和可负担性［48,49］及环境因素［19］。本文中的人口统计学因素通过四个变量衡量：所有年龄组的平均年龄，按群体大小加权 (average)；65 岁以上人口 (age65)；男性人口比例 (male)；城市化的虚拟变量 (urban)。消费和卫生服务特征由以下指标衡量:人均年消费总额 (expend)、家庭卫生支出占生活总费用的比重 (mediratio)、平均年度医疗费用 (permedicost)、每次平均住院费用 (perhospitalcost)。卫生服务的可及性有两个方面：地理可及性和经济可及性。地理可及性考虑到与医疗机构之间的距离和时间成本，以衡量获得医疗服务的物理便利性。经济可及性衡量人们支付医疗费用的能力，即患者的收入水平和是否有医疗保险［48］。卫生服务的可及性和可负担性通过以下指标衡量：距离最近的医疗卫生单位 1 公里范围内的人口比例 (distance)，到最近医院的时间成本小于 10 分钟的人口比例 (time10)，以及拥有医疗保险 (insurance) 的人口比例。环境因素通过卫生厕所 (washroom) 的比例表示。

本文首先选取 Harmonized CHARLS 数据中的变量，然后聚合，以便与选自国家卫生服务调查数据的变量相对应。我们在中国健康与养老追踪调查数据集的分析中使用慢性病患病率 (CHRONIC_RATIO) 作为因变量，与 NHSS 数据集中的因变量相对应。同时，人均收入 (AVGINDIINCOME_EARN) 和平均受教育年限 (AVGEDU) 是我们在中国健康与养老追踪调查数据集中研究的两个主要社会经济变量。中国健康与养老追踪调查数据集中的所有变量大致可以分为八个子类别:患病率、收入、教育、人口背景、医疗支出、医疗保险、工作状态和家庭关系。前六个类别分别对应于从国家卫生服务调查数据中选择的变量。但由于中国健康与养老追踪调查的受访对象是已经退休或从其他家庭成员那里获得额外经济支持的老年人，所以我们添加了后两个类别的变量来控制非劳动收入的影响，例如来自子女的转移支付。

2.3 描述性统计数据

本文采用双面板数据集进行计量经济学分析：国家卫生服务调查的 3 年 (1998，2003，2008) 面板数据集和中国健康与养老追踪调查的 3 年 (2011，2013，2015) 面板数据集。国家卫生服务调查数据集由中国国家卫生委员会汇总并在县一级公布，每年覆盖约 95 个县。同时，中国健康与养老追踪调查数据集从 Harmonized CHARLS 数据集汇总到城市级，其中包括 126 个城市。

除简化汇总变量外，我们还调整了收入变量：国家卫生服务调查数据集中的人均实际收入 (income) 和中国健康与养老追踪调查数据集中的人均收入 (AVGINDIINCOME_EARN)。在国家卫生服务调查数据集中，由于人均实际收入与加权受教育年限之间存在共线性 (相关系数为 0.639)，因此人均原始实际收入首先通过 OLS(普通最小二乘法) 的加权教育年限进行回归，然后用回归残差代替；但考虑到中国健康与养老追踪调查数据集中人均劳动收入与受教育年限之间的相关系数较低 (0.532)，我们没有调整人均收入。然后，为检验人均收入与患病率之间是否存在二次关系，我们分别将人均实际收入的平方 (income2) 添加到国家卫生服务调查数据集中，将人均收入的平方 (AVGINDIINCOME_EARN2) 添加到中国健康与养老追踪调查数据集中。表 2 显示了这两类调查数据集的健康结果指标、收入指标和教育指标的一般描述性统计数据。因为我们使用主成分分析 (PCA) 来聚合，并将我们的候选变量旋转到正交分量，所以没有报告其描述性统计。在 2.4 节中，我们将介绍如何执行主成分分析。

为验证患病率不平等的存在，我们计算了县/市级健康结果指标的基尼系数：两周患病率，每千人患病天数，NHSS 数据集中慢性病患病率和 CHARLS 数据集中慢性病患病率。表 3 报告了每年的基尼系数。NHSS 数据集中三个指标的基尼系数揭示了患病率的适度不平等。然而，CHARLS 数据集中，慢性病患病率显示缺乏差异。导致这种情况的部分原因是，其患病率的均值 (75%) 远高于对应在 NHSS 数据集中的均值 (16.35%)：如果大多数人至少患有一种慢性疾病，那么他们是否患有慢性病的差异性会变小。除基尼系数外，我们还计算了其他类型的不平等指标作为参考。注意:「prop」表示比例，数字范围为 0 到 1。

患病率在不同县/市之间存在差异性。例如，图 1 给出了使用慢性病患病率的这种关系。在图 1 中，每个圆圈标记一个县 (NHSS) 或城市 (CHARLS)。圆圈的颜色表示一个县或城市与其他县或城市相比慢性病患病率的相对水平。随着慢性病患病率的增长，颜色变深。为了使这两个子图具有可比性，我们用分位数测量这些圆圈，而不是用慢性病患病率的绝对值，即圆圈的颜色表示该县或城市在整个样本中慢性病患病率的相对水平。在图 1 中，两个子图显示了县/市之间慢性病患病率在地区上的不平等性是一致的，如上海和广州沿海大都市的慢性病患病率相对较高;甚至同一省的县/市也可能存在不同程度的慢性病患病率。然而，这种县/市间的描述性不平等并不能最终回答慢性病患病率的不平等是否与县/市本身存在显著的相关关系。

除县/市本身外，慢性病患病率的不平等也与县/市的人均收入有描述性关系。在图 1 中，圆圈大小表示人均收入水平。较大的圆圈表示该县/市的平均收入水平较高。结合圆圈的颜色和大小，图 1 显示了一个直观的模式，即人均收入水平较高的县/市往往患慢性病患病率相对较高。收入水平较高的城市，如上海、北京和成都，通常有较高的慢性病患病率。然而，这种模式并不普遍，如洛阳和兰州，在 CHARLS 数据集的子图中人均收入较高，但慢性病患病率相对较低。同时，在图 2 中也可以观察到类似的模式，其中圆圈的颜色和大小分别表示慢性病患病率和平均受教育年限。在图 2 的第一个子图中，具有较高平均受教育年限的县往往具有较高的慢性病患病率，而这种模式在第二个子图中不太直观。然而，所有这些可能的相关性都是描述性的，并没有统计证据，也即没有考虑到个体差异、没有控制其他社会经济因素等。因此，需要进一步用计量经济学分析来准确回答健康结果与人均收入或受教育年限之间是否存在显著的相关性。

2.4 模型设定

在本文中，我们采用具有单独效果的面板数据模型作为基准模型，是因为需要控制个体差异来评估患病率与主要社会经济地位指标变量 (如人均收入和受教育年限) 之间的实际相关性。一方面，我们使用了 NHSS 和 CHARLS 数据的面板数据集；另一方面，描述性统计数据显示了县/市一级可能存在的差异，如图 1。然而，NHSS 数据集中有来自 31 个省的 95 个县，CHARLS 数据集中有来自 28 个省的 126 个城市，而只有 3 年的数据是可获取的。

通过主成分分析，将人均收入和受教育年限以外的社会经济指标变量转换为正交分量，作为回归分析的控制变量。不使用原始社会经济指标变量有两个原因：一是因为许多相似的变量可以共同描述社会经济地位的一个特定方面，例如，消费既可以用年均食品消费量描述，也可以用恩格尔系数描述；二是因为相似或相关的社会经济指标变量通常具有严重的共线性。任意选择原始社会经济指标变量，可能会导致估计失败。同时，相似但不同变量之间的权衡也可能导致省略变量偏差。因此，我们使用主成分分析将这些变量归纳到几个可解释的主成分。具体而言，我们运用基于回归的主成分分析方法，根据其特征值 (大于或等于 1) 选择分组。最后，根据加载矩阵对这些主成分进行命名。针对不同健康结果设定最终模型。

3.实证成果

表 4 给出了人均收入、人均收入平方和受教育年限对三种患病率影响的估计。每一列都总结了一个特定模型的结果，其中系数的标准误差已在括号中报告。在三种患病率的回归分析中，人均收入的平方具有显著的正系数，其估计值在不同的模型间具有较强的稳健性。然而，受教育年限对所有三个因变量并没有产生统计上显著的影响。同时，人均收入对慢性病患病率有显著的负向影响，但对两周患病率和每千人患病天数没有显示出这样的影响。

人均收入的平方系数表示人均收入与两周患病率、病假天数和慢性病患病率这三种患病率之间存在非线性相关性。当相关性可以用二次曲线表示时，就意味着人均收入出现了拐点：当人们的收入低于这些水平时，三个患病率指标随着收入水平的增长而下降；然而，当人们的收入高于拐点水平时，患病率和患病率的增加与人均收入呈正相关。在这种情况下，人均收入的线性项不仅反映了收入与患病率的相关性，而且它的系数决定了人均收入的拐点水平以及人均收入的平方的系数。然而，在我们对两周患病率和每千人患病天数的分析中，由于人均收入线性项的系数在统计上并不显著且不同模型之间也不稳健，因此人均收入的具体拐点水平无法确定。

当年龄和其他社会经济指标受到控制时，对 CHARLS 数据集的分析呈现相似的估计结果：人均收入的平方系数在不同模型中显著为正；平均受教育年限对慢性病患病率没有显著影响。由于在对 CHARLS 数据集的分析中，人均收入的线性项系数显著为负。因此，我们估计人均收入的拐点水平为 11.1 万—12.1 万元。

NHSS 和 CHARLS 数据集的回归分析并不完全支持描述性统计的结论：患病率与人均收入之间存在非线性相关性。然而，研究发现教育对患病率没有显著影响。人均收入与患病率之间的二次关系对中国是否存在普遍的收入与患病率相关性的争论给出了一个新的回答。迄今为止的研究表明，在不同的国家，收入与患病率的相关性是不同的：在美国和欧洲发现了负相关［9,33,46］，而在加拿大没有发现特定的相关性［4］。同时，欧洲的一项研究［9］指出，欧洲的负收入和患病率相关性在不同收入阶层之间是非线性的。那么，中国的情况如何呢？

在我们的分析中，中国的收入与患病率呈正相关，也呈负相关，两者呈非线性关系：患病率随着人均收入的增长而降低；然而，当人均收入超过特定的拐点水平时，随着收入的持续增长，患病率开始上升。这种非线性关系在中国可以用二次曲线来描述。因此，本文建议在讨论中国的收入与患病率之间的关系时，区分不同的收入群体；例如，设计中国医疗保险计划的梯度缴费政策。在我们的分析中，除人均收入对患病率的影响外，受教育年限对患病率的影响与之前在中国进行的研究一致［36］，即受教育年限对不同人群的患病率无显著影响。然而，在其他国家的老年人群中发现了受教育程度与患病率之间的负相关关系，如美国受教育程度越低的人患病率越高［33］。

4.总结

本文主要探讨中国社会经济地位与患病率之间的关系。它不仅涉及所有年龄段的人群，也涉及老年阶段的人群，这为研究社会经济地位与患病率之间的零散关系提供了新的论证。我们对 NHSS 和 CHARLS 数据集的回归分析表明，人均收入与患病率之间存在二次关系。这种关系在不同模型以及两周患病率、每千人患病天数和慢性病患病率三个因变量上有统计学上的稳健性。这种非线性相关性意味着中国的收入与患病率之间存在二次模式，也就是说患病率开始随着收入的提高而下降，但到了一定收入水平后，患病率会随着收入的提高而一同上升。这种相关性类似于欧洲大陆国家［9］和英国［32］的模式。同时，我们的研究发现，在中国所有年龄段和老年人群中，受教育程度与两周患病率之间没有相关性。对于 NHSS 数据中的患病天数和慢性病患病率，以及 CHARLS 数据中的慢性病患病率，也得出了相同的结论。我们的结论表明，中国受教育程度与患病率之间的关系与加拿大［4］、英国［32］和北欧国家［34］的情况一致，但不同于美国［33］和欧洲大陆国家［9,35］的情况，这些国家往往受教育水平更高的人群患病率更低。

但是，平均受教育水平可能会明显影响教育与患病率之间的相关性。以前的研究表明，教育通过人们的医学知识影响患病率。而 NHSS 数据的平均受教育年限约为 7 年，CHARLS 数据的平均受教育年限为 2 年，其中 CHARLS 是对中国 45 岁以上人群的访谈调查。这些受访者都出生于 1970 年之前，受教育程度低于中国年轻一代。这表明该群体的低教育水平和普遍缺乏的医学知识可能是中国受教育程度与患病率之间缺乏联系的原因之一。

综上所述，中国人群的患病率随着收入水平的上升会逐渐下降，但是当收入水平上升到一定阶段后，患病率反而会随着收入水平的提高而上升。这说明对低收入人群来说，收入水平提高会带来生活质量的改善，从而改善健康状况和降低患病率；但是当收入增加到一定程度后，反映出来一定的过劳倾向，收入水平越高的人反而患病率越高。因此，普遍提高收入水平和缩减收入差距可能是改善我国全员健康状况的有效途径。

1. Myers,G.C.Differential Mortality in the United States:A Study in Socioeconomic Epidemiology;Kitagawa,E.M.,Hauser,P.M.,Eds.;Harvard University Press:Cambridge,MA,USA,1973;Volume 69,pp.654-662.2. Elo,I.T.;Preston,S.H.Educational Differentials Inmortality:United States,1979-1985.Soc.Sci.Med.1996,42,47.3. Bassuk,S.S.;Berkman,L.F.;Amick,B.C.Socioeconomic Status and Mortality among the Elderly:Findings from Four US Communities.Am.J.Epidemiol.2002,155,520-533.4. Mustard,C.A.;Derksen,S.;Berthelot,J.-M.;Wolfson,M.;Roos,L.L.Age-specific education and income gradients inmorbidity and mortality in a Canadian province.Soc.Sci.Med.1997,45,383-397.5. Marmot,M.G.;Shipley,M.J.;Rose,G.Inequalities in death-specific explanations of a general pattern?Lancet 1984,323,1003-1006.6. Davey,S.G.;Hart,C.;Hole,D.;Mackinnon,P.;Gillis,C.;Watt,G.;Blane,D.;Hawthorne,V.Education and occupational social class:Which is the more important indicator of mortality risk?J.Epidemiol.Community Health 1998,52,153-160.7. Zhu,H.;Xie,Y.Socioeconomic differentials inmortality among the oldest old in China.Res.Aging 2007,29,125-143,doi:10.1177/0164027506296758.8. Luo,Y.;Zhang,Z.;Gu,D.Education and mortality among older adults in China.Soc.Sci.Med.2015,127,134-142,doi:10.1016/j.socscimed.2014.09.039.9. Huisman,M.;Kunst,A.E.;Mackenbach,J.P.Socioeconomic in equalities inmorbidity among the elderly:A European overview.Soc.Sci.Med.2003,57,861-873.10. Crimmins,E.M.;Hayward,M.D.;Saito,Y.Changing mortality and morbidity rates and the health status and life expectancy of the older population.Demography 1994,31,159-175.11. Elo,I.T.Social class differentials in health and mortality:Patterns and explanations in comparative perspective.Annu.Rev.Social.2009,35,553-572.12. Han,C.Health implications of socioeconomic characteristics,subjective social status,and perceptions of inequality:An empirical study of china.Soc.Indic.Res.2014,119,495-514.13. Kwon,S.Economic segmentation and health inequalities in urban post-reform China.Aims Public Health 2016,3,487.14. Mirowsky,J.;Ross,C.E.Education,Social Status,and Health;Transaction Publishers:Piscataway,NJ,USA,2003.15. Ross,C.E.;Mirowsky,J.Does medical insurance contribute to socioeconomic differentials in health?Milbank Q.2000,78,291-321.16. Ross,C.E.;Wu,C.-L.The links between education and health.Am.Social.Rev.1995,719-745.17. Wang,H.;Yu,Y.Increasing health inequality in China:An empirical study with ordinal data.J.Econ.Inequal.2016,14,41-61.18. Winkleby,M.A.;Jatulis,D.E.;Frank,E.;Fortmann,S.P.Socioeconomic status and health:How education,income,and occupation contribute to risk factors for cardiovascular disease.Am.J.Public Health 1992,82,816-820.19. Anderson,N.B.;Armstead,C.A.Toward understanding the association of socioeconomic status and health:A new challenge for the biopsychosocial approach.Psychosom.Med.1995,57,213-225.20. Evans,G.W.;Kantrowitz,E.Socioeconomic status and health:The potential role of environmental risk exposure.Annu.Rev.Public Health 2002,23,303-331.21. Luo,W.;Xie,Y.Socio-economic disparities inmortality among the elderly in China.Popul.Stud.2014,68,305-320.22. Rosenbaum,E.Racial/ethnic differences in asthma prevalence:The role of housing and neighborhood environments.J.Health Soc.Behav.2008,49,131-145.23. Feinstein,J.S.The relationship between socioeconomic status and health:A review of the literature.Milbank Q.1993,279-322.24. Mackenbach,J.P.;Stronks,K.;Kunst,A.E.The contribution of medical care to inequalities in health:Differences between socio-economic groups indecline of mortality from conditions amenable tomedicalintervention.Soc.Sci.Med.1989,29,369-376.25. Vondem Knesebeck,O.;Lschen,G.;Cockerham,W.C.;Siegrist,J.Socioeconomic status and health among the aged in the United States and Germany:A comparative cross-sectionalstudy.Soc.Sci.Med.2003,57,1643-1652.26. Lutfey,K.;Freese,J.Toward some fundamentals of fundament alcausality:Socioeconomic status and health in the routine clinic visit for diabetes.Am.J.Social.2005,110,1326-1372.27. Lantz,P.M.;Lynch,J.W.;House,J.S.;Lepkowski,J.M.;Mero,R.P.;Musick,M.A.;Williams,D.R.Socioeconomic disparities in health change in a longitudinal study of US adults:The role of health-risk behaviors.Soc.Sci.Med.2001,53,29-40.28. Lynch,J.W.;Kaplan,G.A.;Cohen,R.D.;Tuomilehto,J.;Salonen,J.T.Do cardiovascular risk factors explain the relation between socioeconomic status,risk of all-cause mortality,cardiovascular mortality,and acute my ocardial infarction?Am.J.Epidemiol.1996,144,934-942.29. Blane,D.;Brunner,E.;Wilkinson,R.;Wilkinson,R.G.Health and Social Organization:Towards a Health Policy for the Twenty-First Century;Psychology Press:Hove,UK,1996.30. Marmot,M.G.;Theorell,T.;Siegrist,J.Work and Coronary Heart Disease;BMJBooks:London,UK,2002.31. Smith,G.D.;Dorling,D.;Gordon,D.;Shaw,M.The widening health gap:What are the solutions?Crit.Public Health 1999,9,151-170.32. Potente,C.;Monden,C.Disability pathway spreceding death in England by socioeconomic status.Popul.Stud.A J.Demogr.2018,72,175-190,doi:10.1080/00324728.2018.1458993.33. Liao,Y.;Mcgee,D.L.;Kaufman,J.S.;Cao,G.;Cooper,R.S.Socioeconomic status and morbidity in the lasty ears of life.Am.J.Public Health 1999,89,569-572.34. Huijts,T.;Eikemo,T.A.;Skalicka,V.Income-related health inequalities in the Nordic countries:Examining the role of education,occupational class,and age.Soc.Sci.Med.2010,71,1964-1972,doi:10.1016/j.socscimed.2010.09.021.35. Knesebeck,O.V.D.;Verde,P.E.;Dragano,N.Education and health in 22 European countries.Soc.Sci.Med.2006,63,1344-1351,doi:10.1016/j.socscimed.2006.03.043.36. Lei,X.;Yin,N.;Zhao,Y.Socioeconomic status and chronic diseases:The case of hypertension in China.China Econ.Rev.2012,23,105-121.37. Fang,X.;Jing,R.;Zeng,G.;Linnan,H.W.;Zhu,X.;Linnan,M.Socioeconomic status and the incidence of child injuries in China.Soc.Sci.Med.2014,102,33-40,doi:10.1016/j.socscimed.2013.11.022.38. Riley,J.C.The risk of being sick:Morbidity trends in four countries. Popul.Dev.Rev.1990,403-432.39. Ki,M.;Lee,Y.H.;Kim,Y.-S.;Shin,J.-Y.;Lim,J.;Nazroo,J.Socioeconomic inequalities in health in the context of multimorbidity:A Korean panel study.PLoS ONE 2017,12,e0173770.40. Beaumaster,S.;Chien,S.;Lau,S.;Lin,A.;Phillps,D.;Wilkens,J.;Lee,J.Harmonized CHARLS Documentation,Version C.;Center for Economic and Social Research,USC Dornsife:Santa Monica,CA,USA,2018.41. Beydoun,M.A.;Popkin,B.M.J.S.S.The impact of socio-economic factors on functional status decline among community-dwelling older adults in China.Medicine 2005,60,2045-2057.42. Cheng,L.;Liu,H.;Zhang,Y.;Shen,K.;Zeng,Y.J.H.E.The impact of health insurance on health outcomes and spending of the elderly:Evidence from china’s new cooperative medical scheme.Health Econ.2015,24,672-691.43. Elwellsutton,T.;Jiang,C.Q.;Zhang,W.S.;Cheng,K.K.;Lam,T.H.;Leung,G.;Schooling,C.M.J.S.S.P2-395 Socioeconomic influences at different life stages on self-rated health in Guangzhou,China.Medicine 2011,73,1884-1892.44. Kempen,G.I.;Brilman,E.I.;Ranchor,A.V.;Ormel,J.J.S.S.Morbidity and quality of life and the moderating effects of level of education in the elderly.Medicine 1999,49,143-149.45. Bell,A.C.;Adair,L.S.;Popkin,B.M.J.S.S.Understanding the role of mediating risk factors and proxy effects in the association between socioeconomic status and untreated hypertension.Medicine 2004,59,275-283.46. Huisman,M.;Kunst,A.E.;Andersen,O.;Bopp,M.;Borgan,J.K.;Borrell,C.;Costa,G.;Deboosere,P.;Desplanques,G.;Donkin,A.;et al.Socioeconomic inequalities in mortality among elderly people in 11 European populations.J.Epidemiol.Community Health 2004,58,468-475.47. Filmer,D.;Pritchett,L.J.S.S.The impact of public spending on health:Does money matter?Medicine 1999,49,1309.48. Rosenberg,M.W.Accessibility to healthcare:A North-American perspective.Prog.Hum.Geogr.1983,7,78-87,doi:10.1177/030913258300700104.49. Eggleston,K.;Ling,L.;Qingyue,M.;Lindelow,M.;Wagstaff,A.Health service delivery in China:A literature review.Health Econ.2008,17,149-165.50. Lancaster,T.The incidental parameter problem since 1948.J.Econom.2000,95,391-413.51. Gordon,D.;Howe,L.D.;Galobardes,B.;Matijasevich,A.;Johnston,D.;Onwujekwe,O.;Patel,R.;Webb,E.A.;Lawlor,D.A.;Hargreaves,J.R.Authors’response to alternatives to principal components analysis to derive asset-based indices to measure socioeconomic position in low-and middle-income countries:The case for multiple correspondenceanalysis.Int.J.Epidemiol.2012,41,1209-1210.52. Kolenikov,S.;Angeles,G.Socioeconomic status measurement with discrete proxy variables:Is principle component analysis are liable answer?Rev.Income Wealth 2010,55,128-165.53. Vyas,S.;Kumaranayake,L.Constructing socio-economic status indices:How to useprincipal components analysis.Health Policy Plan.2006,21,459-468.54. Zell,J.A.;Cinar,P.;Mobasher,M.;Ziogas,A.;Meyskens,F.L.,Jr.;Anton-Culver,H.Survival for patients with invasive cutaneous melanoma among ethnic groups:The effects of socioeconomic status and treatment.J.Clin.Oncol.2008,26,66-75.55. Giri,N.C.Multivariate Statistical Analysis:Revised and Expanded;CRC Press:BocaRaton,FL,USA,2003.

最简单好用的 VPS,没有之一，注册立得 100 美金