EN中文

热带地理 >

2021 1 - 12

DOI: https://doi.org/10.13284/j.cnki.rddl.16.黄柏石-2021-0013中国城镇化对老年人健康的影响（排版稿）

中国城镇化对老年人健康的影响

  • 黄柏石 , 1, 2, 3 ,
  • 刘晔 , 1, 2, 3 ,
  • 潘泽瀚 4
展开
  • 1. 中山大学 地理科学与规划学院，广州 510275
  • 2. 广东省城市化与地理环境空间模拟重点实验室，广州 510275
  • 3. 广东省公共安全与灾害工程技术研究中心，广州 510275
  • 4. 复旦大学 人口研究所，上海 200433
刘晔（1986―），男，广东广州人，教授，博士生导师，研究方向为人口地理、健康地理和城市地理，（E-mail）。

黄柏石（1992―），男，江西萍乡人，博士研究生，研究方向为健康地理和城市地理，（E-mail）；

收稿日期: 2021-01-06

  修回日期: 2021-06-03

  网络出版日期: 2021-09-16

基金资助

国家自然科学基金项目(42171196)

高校基本科研业务费中山大学青年教师重点培育项目(20lgzd10)

收起

The Effects of Urbanization on Older Adults' Health: Evidence from 2 805 Counties in China

  • Baishi Huang , 1, 2, 3 ,
  • Ye Liu , 1, 2, 3 ,
  • Zehan Pan 4
Expand
  • 1. School of Geography and Planning, Sun Yat-sen University, Guangzhou 510275, China
  • 2. Guangdong Key Laboratory for Urbanization and Geo-simulation, Guangzhou 510275, China
  • 3. Guangdong Provincial Engineering Research Center for Public Security and Disaster, Guangzhou 510275, China
  • 4. Institute of Population Research, Fudan University, Shanghai 200433, China

Received date: 2021-01-06

  Revised date: 2021-06-03

  Online published: 2021-09-16

Fold

本文亮点

基于2010年第六次全国人口普查微观数据和夜间灯光数据等，运用多层级logistic回归模型估计中国城镇化水平和速度与老年人自评健康的关联，分析城镇化健康效应在不同老年人群体间的差异，并运用倾向得分匹配方法，控制“自选择”机制对分析结果的干扰。结果表明：1）中国县区城镇化水平和速度与老年人自评健康呈显著正相关关系，居住于城镇化水平中等和城镇化速度较快县区的老年人更可能自评为健康；2）城镇化水平和速度与老年人自评健康的关系在不同受教育程度和户口状态的老年人群体间存在显著差异，城镇化水平和速度对受教育程度较低、持有本地户口老年人健康水平的提升效益更大；3）控制了老年人居住“自选择”的干扰后，县区城镇化水平和速度与老年人自评健康的正向关联依然稳健，表明“自选择偏误”对中国县区城镇化水平和速度与老年人自评健康的关系没有显著的影响。

本文引用格式

黄柏石 , 刘晔 , 潘泽瀚 . 中国城镇化对老年人健康的影响[J]. 热带地理, 2021 : 1 -12 . DOI: 10.13284/j.cnki.rddl.16.黄柏石-2021-0013中国城镇化对老年人健康的影响（排版稿）

Highlights

China's rapid urbanization has contributed to an epidemiological transition from infectious diseases to chronic diseases over the last four decades. The aging of the population has also raised considerable challenges for the sustainable development of China's economy and society. Determining the effects of urbanization on older adults' general health in China is helpful for a more comprehensive assessment of current development in urbanization and to find active interventions to achieve healthy aging. Based on a micro-data sample from the 2010 China population census, nighttime light data, and other statistical data, this study employed two-level logistic regression models to estimate the relationships of the level and rate of urbanization with self-rated health among older Chinese adults on the county-level geographic scale and explore the differences in the health effects of urbanization in different groups of older people. We applied propensity score matching to control for self-selection bias. This study found that (1) the level and rate of China's urbanization have a significant positive correlation with older adults' self-reported health, such that older people living in areas with moderate urbanization and experiencing rapid urbanization are more likely to report good health; (2) those with junior high school education or below and those with local hukou benefit more from urbanization development; (3) after controlling for self-selection bias, the level and rate of urbanization are still positively associated with the self-reported health of older adults. In summary, this study used nationally representative census data covering 2805 counties across 31 provinces to provide a more comprehensive picture of urbanization-health relationships across the country. Longitudinal studies are warranted to determine causality, which may help policymakers and practitioners develop effective interventions to promote older adults' health and healthy aging.

人口老龄化和城镇化是当前和未来一段时期中国面临的重大人口结构转型和社会经济变革。据统计，2010年中国60岁以上的老年人口和城镇人口占总人口的比例分别为13.26%和49.68%（中华人民共和国国家统计局，2011），预计到2030年将分别达到25%和70%（中华人民共和国国务院，2017）。人口老龄化程度持续加深，高龄和失能老年人数量不断增加，老年人的健康问题已成为社会关注的焦点。老年人的健康状态不仅会影响劳动力、社会保障和公共服务的有效供给，也会持续影响社会活力、创新动力和经济潜在增长力。推进健康老龄化是中国积极应对人口老龄化的必由之路。《“健康中国2030”规划纲要》（中共中央，国务院，2016）指出，全民健康是建设健康中国的根本目的，实现全民健康需要突出解决老年人等重点人群的健康问题，促进健康老龄化。而快速的城镇化给维护和促进老年人健康带来一系列新的挑战（Gong, 2012），需要从国家战略层面统筹解决关系老年人健康的社会和环境变迁问题。《“十三五”健康老龄化规划》（国家卫生计生委，2020）将“推进适老健康支持环境建设，营造老年友好社会氛围”作为健康老龄化建设的主要任务之一。而揭示快速城镇化和老年人健康的关系，是对影响老年人健康的外部环境和社会因素进行综合系统干预和推进健康老龄化建设的前提条件，不仅有助于深入认识城镇化的健康效应，还可以为制定和调整城镇化和健康老龄化战略提供科学借鉴。
城镇化的健康效应一直是多学科交叉研究的主题（Leon, 2008）。国外对城镇化和人口健康研究经历了由关注城乡居民健康不平等向城市环境暴露的健康效应的转变（Galea et al., 2005）。20世纪90年代以来，地方在塑造人的健康中的作用得到关注，越来越多的学者运用多层级模型分析城镇化对居民健康的影响，以及城市建成环境与社会环境变化所带来的健康效应（Macintyre, 2002）。城市物理环境、社会环境和卫生与社会服务等关键因素对人口健康的影响成为城市健康研究的主要概念框架（Galea et al., 2005; Leon, 2008）。
城镇化进程是一个多维度的过程，通常伴随着社会经济的发展、土地利用模式的变化、城市环境的改变和生活方式的转型等。因此，城镇化影响健康的路径也是复杂的（Gong, 2010; Li et al., 2012）。一方面，城镇化可以促进地区经济发展和社会进步，提高居民收入并缩小城乡差异，促进基础设施和医疗卫生等公共服务水平的提升（Gong, 2010；龚胜生 等，2020），进而改善居民营养水平，增强个体抵抗和预防疾病的能力，有利于提高人口预期寿命和维持健康的身体状态。另一方面，城镇化也触发了不健康的生活方式（如高热量的饮食习惯和久坐性的职业活动等）和环境污染（如空气污染和水污染等），提高了慢性疾病风险（Yang et al., 2013）；同时，与城镇化相伴随的社会融合、社会安全和居住隔离等社会心理环境的变化改变了居民的社会资本，对居民心理健康产生影响（Miao et al., 2016）。
近年来，对中国城镇化健康效应的研究已成为国内健康地理学的热点方向（程杨 等，2006；杨林生 等，2010）。从研究内容看，已有研究主要集中在探讨城镇化对区域人口健康水平和个体整体健康（如自评健康）的影响，城镇化对个体心理健康、慢性疾病和肥胖等的影响也受到越来越多的关注，其结论不尽相同：如城镇化对区域人口健康水平具有积极的影响，表现为提高地区人均预期寿命和降低人口死亡率（程明梅 等，2015；常青青 等，2018）；城镇化水平与个体自评健康呈正相关，表现为改善自评身体健康状态和降低抑郁症发病率（吉黎，2013；张帆，2014；Wang et al., 2018; Hou et al., 2019; Liu et al., 2019；黄柏石 等，2020）；城镇化有可能带来健康风险，表现为增加个体的心理压力（Chen et al., 2014）、提升居民肥胖的几率、提高患慢性疾病的风险和加剧身体的炎症反应等（Jones-Smith et al., 2010；张帆，2014）；城镇化水平与人口健康水平呈倒“U”型关系，中等城镇化水平更有利于人口健康（刘国峰 等，2016； Liu et al., 2019）。从研究思路和方法看，现有城镇化和人口健康研究可以分为三类：1）使用统计汇总数据和整体人口健康指标（如人口死亡率），采用普通线性回归方法（如面板数据回归模型）分析区域城镇化对人口健康水平的影响（程明梅 等，2015；常青青 等，2018）；2）结合区域尺度（如省、地级市、县和社区）的城镇化指标和微观尺度的个体健康数据，利用多层级模型方法揭示城镇化和人口健康的关系（Van De Poel et al., 2012；吴晓瑜 等，2014；Chen et al., 2017; Liu et al., 2019）；3）基于微观社会调查数据中个体居住地的城乡变迁和健康状态，使用对比的方法评估个体的居住地由农村变为城镇（包括个体由农村迁移到城镇和就地城镇化）的健康效应（吉黎， 2013； Hou et al., 2019）。从研究对象看，多数聚焦于城镇化对成年人健康状态的影响，少数也关注了城镇化对新生儿和老年人健康结果的影响。
综上所述，既有围绕城镇化健康效应研究已取得了较丰富的成果，但仍存在一些值得改进的方向：第一，已有研究主要基于统计汇总数据和社会微观调查数据，受限于较小规模样本数量，其结论的可靠性有待进一步使用全国范围内大规模的普查微观数据进行验证；第二，绝大多数研究使用统计汇总数据中单一的城镇化指标（如城镇人口占总人口比重和人口密度）评估城镇化的健康效应，忽略了城镇化的多维度特征，无法全面综合地揭示城镇化和人口健康的关系；第三，少数研究分析了城镇化和健康的关系在不同类型的收入群体和受教育程度群体中的差异，但对城镇化和健康的关系在本地居民和流动人口之间的差异鲜有关注，无法控制人口流动中健康选择机制的干扰；第四，既有研究大多忽视了个体居住“自选择”所带来的偏差（如社会经济水平较高的人往往居住在城镇化水平较高的地区，他们的健康状况也往往好于社会经济水平较低的人），往往高估了城镇化和人口健康之间的联系，无法准确估计城镇化和人口健康的关系。
鉴于此，本研究基于2010年第六次全国人口普查微观数据、DMSP/OLS夜间灯光遥感数据、2010年人口普查分县资料和统计年鉴数据，使用多层级logistic回归模型，探讨中国城镇化水平和速度与老年人自评健康的关联，分析城镇化和老年人健康的关系在不同性别、受教育程度和户口状态的老年人群体之间的差异，并利用倾向得分匹配方法控制“自选择”机制对城镇化和老年人健康关系的干扰。以期为揭示城镇化和人口健康的关系提供更加科学稳健的证据。

1 研究方法与数据

1.1　研究区域与数据来源

作为中国最基本的综合行政单元，县域连接城市和农村，是新型城镇化和乡村振兴战略实施的重要空间载体，县区城镇化对推进以人为本的中国特色新型城镇化、城乡一体化和全面建成小康社会等国家战略具有重大的现实意义（陆大道 等，2015）。以县级行政区域（市辖区、县级市、县、旗、林区、特区）为基本研究单元（以下简称“县区”），剔除有数据缺失的样本后共得到2 805个县区。研究区域不包括台湾省、香港特别行政区和澳门特别行政区（缺乏数据）。
所使用的老年人个体属性和健康数据来源于国家统计局的《2010年第六次人口普查微观数据库》 1，该数据库中共包含579 315条60岁及以上的老年人样本信息，剔除信息不全的样本后，得到574 725位居住在全国2 805个县区的老年人样本。城镇化基础数据来自于美国国家海洋和大气管理局（National Oceanic and Atmospheric Administration，NOAA）网站的V4版本DMSP/OLS稳定夜间灯光影像 2。使用的其他数据分别源自于《中国人口普查分县资料》（国务院人口普查办公室，2010）《中国县域统计年鉴》（国家统计局农村社会经济调查司，2011）《中国城市统计年鉴》（国家统计局城市社会经济调查司，2011）、各省统计年鉴 3、Atmospheric Composition Analysis Group网站 4、中国气象数据网 5和中国科学院资源环境科学数据中心 6。行政单元矢量数据来源于国家基础地理信息中心 7。

1.2　变量设置

1.2.1　被解释变量：老年人自评健康

在第六次全国人口普查长表中，60周岁以上的被登记人需要根据自身健康状况对过去一个月能否保证正常生活做自我判断，在以下4种情况中选择：“健康”“基本健康”“不健康，但生活能自理”和“生活不能自理”。为便于数据分析，依据《第六次全国人口普查表》填写说明中的释义和数据的分布特征，将选择“健康”的被登记人归类为自评健康的老年人（1=健康），选择“基本健康”“不健康，但生活能自理”和“生活不能自理”的个体归类为自评不健康的老年人（0=不健康），由此生成老年人自评健康状态的二分类变量。自评健康指标被广泛地应用于公共卫生与流行病学、环境与健康和医学与健康地理学的研究中，大量文献证实了自评健康水平能够准确地反映个体当前的健康状况和预测死亡、疾病以及健康相关的行为风险因素的发生，是衡量个体健康水平较为稳定的复合指标（Huang et al., 2019; 2020）。

1.2.2　解释变量：城镇化水平和速度

选择经校正（Liu et al., 2012）后的2010年DMSP/OLS稳定夜间灯光数据构建夜间灯光指数测度中国县区城镇化水平，并采用2000－2010年县区夜间灯光指数的年均变化率衡量城镇化速度（Chen et al., 2014）。以夜间灯光像元灰度值＞30为阈值（Chen et al., 2014），提取县区范围内平均夜间灯光强度和夜间灯光面积指标计算夜间灯光指数。夜间灯光指数计算公式为（卓莉 等，2003；Yi et al., 2014）：
N T L I = 100 ∑ i = 30 D N m D N i D N m × n i N
式中：NTLI为某县区的夜间灯光指数； D N i表示该县区范围内校正过后的第 i级像元灰度值， D N m表示校正过后的最大像元灰度值； n i和 N分别表示县区范围内灰度值为 D N i的像元数量和所有灰度值＞30的像元数量。依据公式（1），计算了2010年全国县区的夜间灯光指数以反映县区城镇化水平，同时还计算了2000－2010年县区夜间灯光指数的年均变化率来表征城镇化速度。将城镇化水平和速度处理为四分位变量，以评估不同城镇化发展阶段与老年人口健康的关系

1.2.3　控制变量

将反映老年人个体及其家庭的社会经济和人口属性信息的变量列为控制变量，主要包括：年龄、性别、民族、婚姻状况、受教育程度、户口状态、是否为独居老人、人均家庭住房面积（m2）、住房建成年代和房屋设施（表1）。
表1 县区环境特征和老年人个体变量的描述性统计

Table 1 Descriptive statistics of county-level characteristics and individual-level attributes

变量 测量方法

所有老年

人样本

自评为健康的

老年人样本

自评为不健康

的老年人样本

 p值

结果

变量

 自评健康/% 健康=1，不健康=0 — — —
健康 — 43.57 — — —
不健康 — 56.43 — — —

预测

变量

 2010年城镇化水平 夜间灯光指数 12.34 （23.40） 13.72 （24.05） 11.24 （22.82） 0.000a
2000—2010年城镇化速度/% 2000—2010年夜间灯光指数的年均变化率 26.98 （80.85） 24.16 （73.33） 29.16 （86.14） 0.000a
社会剥夺指数 方法详见1.2.3节 -0.26 （2.72） -0.47 （2.70） 0.09 （2.72） 0.000a
人均GDP/元（log） — 10.14 （0.73） 10.22 （0.72） 10.09 （0.73） 0.000a
距海岸线距离/m（log） 县区质心与中国海岸线的最短直线距离 12.34 （1.51） 12.21 （1.55） 12.45 （1.46） 0.000a
每千人拥有医院卫生院床位数/床

194.08

（3 351.65）

246.20

（3 787.83）

153.84

（2 970.73）

 0.000a
PM2.5的平均质量浓度/（μg·m-3） 43.18 （17.03） 44.09 （17.04） 42.78 （16.99） 0.000a
1981—2010年累年平均气温/℃ 14.40 （4.47） 14.54 （4.44） 14.29 （4.50） 0.000a
平均海拔/m — — — — 0.000b
＜500 — 74.35 76.58 72.62 —
500~1500 — 19.22 17.78 20.34 —
1 500~2 500 — 5.50 4.95 5.92 —
≥2 500 — 0.93 0.69 1.12 —
年龄/岁

以69岁和79岁为断点，

划分3个年龄组

 — — — 0.000b
60~69 56.46 71.59 44.78 —
70~79 32.05 23.42 38.72 —
≥80 11.49 4.99 16.50 —
性别 男性=1，女性=0 — — 0.000b
女性 — 51.13 46.18 54.95 —
男性 — 48.87 53.82 45.05 —
民族 汉族=0，少数民族=1 — — 0.000b
汉族 — 93.02 93.70 92.49 —
少数民族 — 6.98 6.30 7.51 —
婚姻状况 有配偶=1，未婚、离婚或丧偶=0 — — — 0.000b
有配偶 70.59 79.68 63.57 —
未婚、离婚或丧偶 29.41 20.32 36.43 —
受教育程度 被登记人接受教育的最高学历 — — — 0.000b
未上过学 25.66 16.71 32.57 —
小学和初中 65.12 71.26 60.38 —
高中 5.86 7.62 4.50 —
大学及以上 3.36 4.41 2.55 —
户口状态 基于“普查时点居住地”和“户口登记地”两个问题，以普查时点居住地与户口登记地不处于同一县级单元区分“本地户口”与“外地户口”，根据“户口性质”判断“农业户口”与“非农户口” — — — 0.000b
本地农业户口 67.49 63.67 70.45 —
本地非农户口 30.63 34.30 27.80 —
外地农业户口 1.13 1.22 1.05 —
外地非农户口 0.75 0.81 0.70 —
是否为独居老人

依据“本户应登记人数”

区分是否为独居老人，是=1，否=0

 — — — 0.000b
否 92.24 94.22 90.72 —
是 7.76 5.78 9.28 —
人均住房面积/m2 本户住房面积/本户人口数 32.42 （23.91） 33.17 （24.46） 31.85 （23.46） 0.000a
住房建成年代 1990年以前=1，1990年以后=0 — — — 0.000b
1990年以前 56.55 59.30 54.42 —
1990年以后 43.45 40.70 45.58 —
房屋设施

包括管道自来水、厨房、

厕所和洗澡设施

 — — — 0.000b
没有、一种、两种或三种 66.49 60.38 71.20 —
四种 33.51 39.62 28.80 —
个体样本数量/人 — 574 725 250 419 324 306 —
县区单元数量/个 — 2 805 2 805 2 805 —

注：1）表中连续变量展示的为平均值（标准差），分类变量展示的为百分比；2）a为t检验的p值，b为χ 2检验的p值。

同时，为了控制地区社会经济条件、环境污染和自然地理环境对老年人健康的影响，在模型中纳入地区社会剥夺指数（Huang et al., 2019）、人均GDP、每千人拥有的医院卫生院床位数、PM2.5的平均质量浓度、距海岸线的距离（县区质心到中国海岸线的最短直线距离）、1981—2010年累年平均气温和平均海拔（见表1）。参考国内外多重社会剥夺指数的构建方法，选择失业率、高中以下受教育程度人口占15岁及以上人口比重、低技能职业人口占各种职业人口比重和租赁住房家庭占总家庭数比重4个表征县区人口就业、教育、职业和住房特征的变量，利用Z分数方法（Z score technique）创建反映县区多维贫困的社会剥夺指数。社会剥夺指数得分越高，表明县区社会剥夺程度越严重。

1.3　分析方法

1.3.1　多层级logistic回归模型

2010年第六次全国人口普查微观数据具有典型的个体嵌套于县区的层次结构，因此采用多层级logistic回归模型分析中国县区城镇化水平和速度与老年人自评健康的关系。模型表达式为 （Wang et al., 2018）：
l o g   ( p i 1 - p i ) = β 0 + β 1 L j + β 2 R j + β 3 V j + β 4 V i j + ε i j + μ j
式中： l o g   ( p i 1 - p i )为 i老年人自评为健康的几率比； β 0为截距项； L j表示 j县区的城镇化水平； R j为 j县区城镇化的发展速度； V j为县级层面的控制变量； V i j表示个体层次的控制变量； β 1、 β 2、 β 3和 β 4分别为各项系数； ε i j和 μ j分别表示个体和县级层面的随机误差项。

1.3.2　分层分析

分层分析（Stratified analyses）是将样本按某一需要控制属性的不同分类进行分层，然后再评估暴露因子与结果变量之间关系的一种资料分析方法，主要用于估计和控制混杂因子、评估效应测量的群体差异、研究两因子间的交互作用和用于生存分析与诱导期分析等（Huang et al., 2020），目前已广泛运用于流行病学和公共卫生等领域研究中。本研究将老年人按性别、受教育程度和户口状态进行分层，探讨中国城镇化和自评健康的关系在不同性别、受教育程度和户口状态的老年人群体间的差异。

1.3.3　倾向得分匹配

老年人对定居地的选择受个体社会经济属性、居住偏好和家庭特征等因素影响。因此，老年人所处县区的城镇化特征并非是随机选择的结果。例如，具有某些无法观测的个体特征（如子女收入水平更高）的老年人更有可能选择居住在城镇化水平更高的地区，其自评健康水平也可能更高。在确定城镇化水平和速度与老年人口自评健康的关联时，需要对潜在的居住“选择性偏差”（Selection bias）进行控制（张延吉 等，2018）。采用倾向得分匹配（Propensity score matching）方法对样本进行随机匹配以降低居住“选择性偏差”的影响（胡安宁，2012）。基本步骤为：通过选择可观测的混淆变量，使用logit回归估计老年人居住在城镇化水平较高或者速度较快县区的倾向得分值；然后采用k近邻匹配和卡尺匹配方法对处理组和控制组老年人样本进行匹配；根据匹配后样本比较两组老年人样本自评健康水平的差异，计算处理组平均处理效应（Average Treatment effect on the Treated，简称ATT）。计算公式为（胡安宁，2012）：
A T T ̑ = 1 N 1 ∑ i : D i = 1 ( y i - y ̂ 0 i )
式中： D i为处理变量； N 1= ∑ i D i为处理组个体数， ∑ i : D i = 1 ( y i - y ̂ 0 i )表示处理组个体的总和； ( y i - y ̂ 0 i )是个体 i的匹配估计量。

2 实证结果

根据2010年第六次全国人口普查微观数据计算结果（见表1），在本研究的样本中，43.57%的老年人自评为健康，56.43%自评为不健康。自评为健康和不健康的老年人在居住地区的城镇化特征、地区环境、个体和家庭属性等方面均存在显著的差异。2010年中国县区老年人自评为健康的比例和夜间灯光指数呈现出明显的东西差异（图1）。老年人自评健康比例较高的县区主要分布于华北、长江三角洲、福建和两广等地区，而老年人自评健康比例较低的县区集中分布在青藏高原、帕米尔高原和中西部山区县区（图1-a）。夜间灯光指数呈现明显的东－中－西梯度分布格局，夜间灯光指数较高的县区主要分布于京津唐城市群、长三角城市群、珠三角城市群、辽中南城市群、山东半岛城市群、海峡西岸城市群、晋中城市群和省会城市周边县区（图1-b）。2000－2010年夜间灯光指数变化的空间分布总体呈东高西低、南北高中间低的特征（图1-c）。
图1 县区自评为健康的老年人口比例（a）和2010年夜间灯光指数（b）及其变化（c）的空间分布

注：本图基于自然资源部标准地图服务网站下载的审图号为GS（2016）1569号的标准地图制作，底图无修改。

Fig.1 Spatial distribution in the proportion of self-rated good health among older adults(a), nighttime light index(b)and its change(c)at county-level in China, 2010

2.1　多层级logistic回归模型的结果

空模型结果表明，县区间老年人自评健康的组间方差估计值（0.154）远高于其标准误（0.005），说明老年人自评健康水平受县区层面因素差异的影响。似然比检验结果（LR test: 14 300.63，p=0.000）表明，多层模型的解释力显著大于单层模型的解释力，应使用多层模型分析中国县区城镇化与老年人自评健康的关系。
模型1的结果表明（表2）：县区人均GDP、每千人拥有的医院卫生院床位数、PM2.5的平均质量浓度、累年平均气温与老年人自评为健康显著正相关；居住在平均海拔为500~1 500和1 500~2 500 m县区的老年人自评为健康的几率显著更高；县区质心距海岸线的距离与老年人自评，为健康显著负相关；没有证据表明县区社会剥夺指数与老年人自评为健康的几率存在显著的关系；与60~69岁、有配偶、非独自居住和居住在1990年后建成的住房中的老年人相比，70岁以上、未婚、离婚或丧偶、独自居住和居住在1990年前建成的住房中的老年人自评为健康的几率显著较低；与女性、未上过学、持有本地农业户口、和居住的房屋拥有≤3种设施的老年人相比，男性、小学及以上受教育程度、持有本地非农户口或外地户口、和居住的房屋拥有4种设施的老年人自评为健康的几率显著较高；人均住房面积与老年人自评为健康显著正相关；汉族和少数民族老年人自评为健康的几率不存在显著的差异。
表2 多层级logistic模型回归结果

Table 2 Results of multi-level logistic regression models

效应和变量 发生比（OR）（95%置信区间）
模型1 模型2
固定效应部分
2010年城镇化水平（参照组：第一分位）
第二分位 1.13（1.08~1.18）***
第三分位 1.15（1.09~1.21）***
第四分位 1.08（1.01~1.16）**
2000—2010年城镇化速度（参照组：第一分位）
第二分位 1.03（0.99~1.08）
第三分位 1.07（1.02~1.12）***
第四分位 1.08（1.04~1.13）***
社会剥夺指数 1.00（0.99~1.00） 0.99（0.98~1.00）**
人均GDP的对数 1.07（1.04~1.10）*** 1.05（1.01~1.08）***
每千人拥有的医院卫生院床位数 1.00（1.00~1.00）*** 1.00（1.00~1.00）***
PM2.5的平均质量浓度 1.00（1.00~1.00）*** 1.00（1.00~1.00）***
距海岸线距离的对数 0.92（0.91~0.93）*** 0.92（0.91~0.93）***
1981—2010年累年平均气温 1.01（1.01~1.01）*** 1.01（1.01~1.01）***
平均海拔/m（参照组：＜500）
500~1 500 1.05（1.01~1.10）** 1.07（1.02~1.12）***
1 500~2 500 1.15（1.07~1.23）*** 1.15（1.07~1.23）***
≥2 500 0.98（0.88~1.09） 1.02（0.92~1.14）
年龄/岁（参照组：60~69）
70~79 0.43（0.43~0.44）*** 0.43（0.43~0.44）***
≥80 0.25（0.24~0.25）*** 0.25（0.24~0.25）***
男性（参照组：女性） 1.22（1.21~1.24）*** 1.22（1.21~1.24）***
少数民族（参照组：汉族） 1.01（0.98~1.04） 1.01（0.98~1.04）
婚姻状况（参照组：有配偶） 0.72（0.71~0.73）*** 0.72（0.71~0.73）***
受教育程度（参照组：未上过学）
小学和初中 1.50（1.48~1.53）*** 1.50（1.48~1.53）***
高中 1.78（1.73~1.83）*** 1.78（1.73~1.83）***
大学及以上 1.85（1.79~1.92）*** 1.85（1.79~1.92）***
户口状态（参照组：本地农业户口）
本地非农户口 1.07（1.05~1.09）*** 1.08（1.06~1.09）***
外地农业户口 1.19（1.13~1.26）*** 1.19（1.13~1.26）***
外地非农户口 1.10（1.03~1.17）*** 1.10（1.03~1.18）***
独居老人（参照组：否） 0.85（0.83~0.88）*** 0.85（0.83~0.88）***
人均住房面积 1.01（1.00~1.01）*** 1.00（1.00~1.00）***
住房建成年代（参照组：1990年以后） 0.91（0.90~0.92）*** 0.91（0.90~0.92）***
房屋设施（参照组：没有、一种、两种或三种） 1.27（1.25~1.29）*** 1.27（1.25~1.29）***
随机效应部分
组间方差 0.12（0.12~0.13）*** 0.12（0.11~0.13）***
县样本量 2 805 2 805
个体样本量 574 725 574 725
AIC 713 084.69 713 037.58
log likelihood -356 516.34 -356 486.79
LR test 9 848.47*** 9 373.18***
ICC 0.04 0.04

注： * p<0.1；** p<0.05；*** p<0.01。

模型2的结果显示：城镇化水平与老年人自评健康显著正相关，中等城镇化发展水平县区的老年人自评健康的几率更高。与生活在城镇化水平较低（第一分位）县区的老年人相比，生活在中等（第二、三分位）和较高（第四分位）城镇化水平县区老年人自评为健康的概率分别高13%、15%和8%。一方面，城镇化水平中等和较高的地区拥有较完善的基础设施、公共服务体系和社会保障制度；同时，较完善的城镇功能能为老年人提供丰富的物质生活和精神生活，有利于其健康水平的提高。另一方面，城镇化水平中等和较高的地区，居民拥有较高的家庭收入，享有更好的医疗保健和照顾服务，老年人的健康保健意识也较高，更易于接受医疗保健知识和健康生活方式，因此有利于维持和改善自身健康状况。然而，当城镇化发展到较高水平后，老年自评为健康的几率有所降低，可能的原因是城镇的扩张带来了拥挤、环境恶化和生活方式变化等压力源，暴露于快节奏的生活环境和高密度的建成环境中增加了老年人的生理和心理压力，对进一步提高老年人口健康状况带来挑战。
城镇化速度与老年人自评健康为显著的正相关关系，生活在城镇化速度较快的县区，老年人自评为健康的几率显著较高。与生活在城镇化速度较低（第一分位）县区的老年人相比，生活在城镇化速度中等（三分位）和较高（第四分位）县区的老年人自评为健康的几率分别高7%和8%。可能的原因是，与城镇化进程相伴随的收入增长、生活水平提高和医疗卫生设施与公共服务的改善等所带来的健康红利，超过了与快速城镇化进程相关的环境污染等带来的健康风险；同时，快速的城镇化进程吸引了大量健康老年人到城镇生活和定居，而受“落叶归根”等传统观念和城镇昂贵的医疗费用的影响，健康状况较差的老年人更可能返回家乡或留在当前居住的地方。

2.2　分层分析

以性别分层的回归结果显示，县区城镇化水平和速度与老年人自评健康的关系不存在显著的性别差异（图2-a）。以受教育程度分组的回归结果显示，县区城镇化水平和速度与老年人口自评健康的关系在较高和较低受教育程度的老年人中存在显著的差异。就城镇化发展水平的健康效益而言，城镇化水平的提升可以显著提高高中及以下受教育程度的老年人自评为健康的几率，而对大学及以上受教育程度的老年人没有显著的改善；就城镇化速度的健康效益而言，在城镇化速度中等（第三分位）的县区，小学和初中受教育程度的老年人自评为健康的可能性显著更高，在城镇化速度较快（第四分位）的县区，小学和初中受教育程度及未上过学的老年人自评为健康的可能性更高（图2-b）。以户口状态分层的回归结果显示，县区城镇化水平和速度与老年人自评健康的关系在持有本地户口和外地户口、农业户口和非农户口的老年人中存在显著的差异。就城镇化水平的健康效益而言，城镇化水平的提高更有利于提高持有本地户口的老年人自评为健康的几率，同时，在中等城镇化水平（第三分位）的县区，持有外地非农户口的老年人自评健康的几率最高；就城镇化速度的健康效益而言，在城镇化速度中等（第三分位）的县区，持有本地非农户口的老年人自评为健康的几率显著更高，而在城镇化速度较快（第四分位）的县区，持有本地农业户口的老年人具有显著更高的自评健康几率（图2-c）。
图2 按性别（a）、受教育程度（b）和户口状态（c）分组的多层级logistic回归结果

注：点表示发生比（odds ratio），线表示95%置信区间；所有模型都控制了模型1中的控制变量。

Fig.2 Multilevel logistic regression results stratified by gender(a), education level(b), and hukou status(c)

2.3　倾向得分匹配

表3结果显示，将城镇化水平和速度处于前75%、前50%和前25%的县区当作处理组，采用近邻匹配 8（k=1，一对一匹配）和卡尺匹配 9计算得到的处理组平均处理效应均显著为正，表明居住在城镇化水平较高和城镇化速度较快县区的老年人具有显著更高的自评健康水平，“自选择偏误”对县区城镇化水平和速度与老年人自评健康的正向关联没有显著的影响，表明中国县区城镇化水平和速度与老年人自评健康的正相关关系是稳健的。
表3 倾向得分匹配的结果

Table 3 Results of the propensity score-matching

变量 平均处理效应ATT（标准误）
近邻匹配（k=1） 卡尺匹配
处理组（2010年城镇化水平/%）
>25 0.445 ***（0.014） 0.445 ***（0.014）
>50 0.479 ***（0.008） 0.479 ***（0.008）
>75 0.506 ***（0.009） 0.506 ***（0.009）
处理组（2000—2010年城镇化速度/%）
>25 0.433 ***（0.002） 0.433 ***（0.002）
>50 0.434 ***（0.002） 0.434***（0.002）
>75 0.433 ***（0.002） 0.433 ***（0.002）

注：1）* p<0.1，** p<0.05，*** p<0.01；2）所有模型都控制了模型1中的控制变量。

2.4　稳健性检验

表4结果显示，将夜间灯光指数的计算阈值由夜间灯光亮度＞30调整为＞0（模型S1），城镇化水平与老年人自评健康的关系没有发生显著的变化，城镇化速度与老年人自评健康的关系变为不显著。将夜间灯光指数的计算阈值由夜间灯光亮度＞30调整为＞10（模型S2），城镇化水平和速度与老年人自评健康的关系也没有发生显著变化。尽管城镇化速度第四分位的显著性水平降低，但仍维持在1%的显著性水平；第二分位的系数由不显著变为显著。由此可见，城镇化水平与老年人口自评健康的联系较为确切，不受夜间灯光指数计算阈值设定的影响。相对而言，城镇化速度与老年人口自评健康的联系受到一定的影响。模型S3使用县区人口密度替换夜间灯光指数测度城镇化，结果显示，生活在中等城镇化水平（第三分位）和快速的城镇化速度（第三、四分位）县区的老年人更可能自评为健康。上述结果表明，中等的城镇化水平更加有利于老年人自评为健康的结论是稳健，而较高的城镇化水平和较快的城镇化速度与老年人自评健康的正相关关系有待进一步检验。
表4 稳健性检验

Table 4 Results of robustness tests

效应和变量 发生比（OR）（95%置信区间）

模型S1：将夜间灯光灰度

值＞0的地区视为城镇

模型S2：将夜间灯光灰度

值＞10的地区视为城镇

模型S3：以人口

密度衡量城镇化
2010年城镇化水平（参照组：第一分位）
第二分位 1.12（1.06~1.17）*** 1.13（1.08~1.19）*** 0.96（0.92~1.01）
第三分位 1.20（1.13~1.27）*** 1.17（1.11~1.23）*** 1.09（1.03~1.16）***
第四分位 1.08（1.01~1.17）** 1.10（1.02~1.18）** 0.98（0.91~1.04）
2000—2010年城镇化速度（参照组：第一分位）
第二分位 1.01（0.97~1.06） 1.03（0.98~1.07） 1.02（0.97~1.06）
第三分位 1.01（0.96~1.06） 1.08（1.03~1.13）*** 1.10（1.05~1.14）***
第四分位 1.02（0.97~1.08） 1.04（0.99~1.09）* 1.09（1.03~1.14）***

注：1）* p<0.1，** p<0.05，*** p<0.01；2）所有模型都控制了模型1中的控制变量。

3 结论与讨论

基于2010年第六次全国人口普查微观数据和夜间灯光数据等，运用多层级logistic回归模型，系统分析了中国县区城镇化水平和速度与老年人自评健康的关系，运用分层分析方法，探讨了城镇化与老年人自评健康关系的群体差异，并运用倾向得分匹配方法控制“自选择”机制的影响。得到的主要结论有：
1）中国城镇化水平和速度与老年人自评健康呈显著的正相关关系，较高的城镇化水平和较快的城镇化速度提高老年人自评健康的几率，居住于城镇化水平中等和城镇化速度较快县区的老年人自评为健康几率更高。
2）中国城镇化水平和速度与老年人自评健康的关系在不同受教育程度和户口状态的老年人群体之间存在显著差异。男性和女性老年人均从城镇化水平和速度的提高中获得显著的健康收益；在城镇化水平相对较高的县区，高中及以下受教育程度，持有本地户口的老年人自评健康的几率显著更高，而在城镇化速度较快的县区，初中及以下受教育程度，持有本地户口的老年人更可能自评为健康。
3）中国城镇化水平和速度与老年人自评健康的正向关联没有受到“自选择”机制的影响，居住在城镇化水平较高和城镇化速度较快县区的老年人自评为健康的可能性更高，城镇化水平和速度与老年人自评健康的正相关关系是独立且稳健的。
本研究结果对在城镇化的发展中改善老年人健康状况具有现实启示：1）在推进中国特色的新型城镇化的进程中，不应该片面地追求过高的城镇化水平，而应该更加注重提高城镇化的发展质量和管理服务水平，积极稳妥地推进以人为本的新型城镇化高质量发展，优化基本公共服务资源的配置，改善环境质量，完善便民设施，控制因城镇规模过大等带来的负面效应，更加注重提升人民群众的获得感和幸福感；结合人口老龄化的现实情况，完善城镇适老化服务设施体系，建设美丽、健康、宜居的老龄友好型城镇。2）优化城镇化布局，建立城镇协调发展机制，有重点地推进贫困县区城镇化水平和质量的提升，加大对贫困县区的基础设施和社会保障体系建设，推动城乡一体化，让更多贫困县区的老年人享有城镇化发展的红利。3）统筹推进户籍制度改革和基本公共服务均等化，保障外地户籍的老年人平等地享有基本公共服务，以及获得与本地户籍老年人平等的机会与福利的权利，消除城镇化的不平等效应对外地户籍老年人健康的影响。4）应该加大对弱势老年人群体的支持，完善弱势老年人的社会帮扶体系。5）加强健康知识和行为的宣传教育，引导老年人养成健康的生活方式，推进健康老龄化和积极老龄化。
本研究具有以下创新点：首先，基于2010年全国第六次人口普查微观数据研究县区城镇化与老年人自评健康的关系，具有样本规模大、覆盖范围广等优点；其次，利用夜间灯光数据测度县区城镇化水平和城镇化速度，能够客观准确地捕捉城镇化的综合性特征；最后，在使用多层级模型揭示城镇化和人口健康关系的基础上，进一步利用倾向得分匹配方法控制个体“选择性偏差”对城镇化和健康关系的干扰，为揭示城镇化和人口健康的关系提供更加科学稳健的证据。受老年人某些无法观测的个体特征的影响，更健康的老年人更可能生活在城镇化水平较高和城镇化速度较快的县区，以往的研究很少考虑这种“自选择”机制对城镇化和人口健康关系的干扰，因此导致不一致的结论（Jones-Smith et al., 2010； 吴晓瑜 等， 2014； Chen et al., 2014; Miao et al., 2016; Liu et al., 2019）。本研究以全国性人口普查微观数据为基础，利用客观综合的反映地区城镇化的夜间灯光数据测度城镇化水平和速度，同时控制了地区社会经济因素、环境污染因素、自然地理因素和个体属性特征的影响，能够全面地捕捉中国城镇化与老年人自评健康的独立关系，研究方法更严谨，研究结论更可靠。
本文也存在一些不足之处：首先，人口普查微观数据的横截面特征决定了本文不能进行因果推断；其次，受数据自身的限制，本文使用自评健康指标来衡量老年人健康状况，尽管自评健康指标已被证实能较全面地反映个体的健康状况，但仍存在受老年人主观意识偏差影响的可能性；第三，由于人口普查问卷中未涉及个体生活方式和健康行为等相关问题，本文没有探究城镇化影响老年人健康的路径机制；第四，本文的空间尺度较大，忽略了县区内不同社区间的异质性。
未来应在以下几个方面开展深入研究：第一，使用全国大范围、长时段的追踪调查数据来确定城镇化与人口健康结果（如健康预期寿命、日常活动能力、慢性疾病患病率和心理健康指标等）的因果关系，并利用机器学习等方法探测城镇化和人口健康结果潜在的非线性关系，以确定不同城镇化发展阶段健康效应的差异。第二，城镇化是一个多维度的过程，涉及人口集中、经济发展、基础设施更新、土地利用转换、生活方式变化和环境变化等多个方面，其对居民健康的影响也不同，因此城镇化对人口健康是一把“双刃剑”，既能带来正向影响，也能带来负面影响；未来应使用多源数据从多个维度测度地区城镇化，揭示城镇化各个维度对居民健康结果的不同影响。第三，城镇化影响健康的路径复杂多样，生活质量、生活方式、环境恶化和社会融合等因素被认为是城镇化影响人口健康的重要机制，未来应进一步探索城镇化影响人口健康的多种路径机制。第四，应在不同空间尺度上分析城镇化对人口健康的影响。

脚注

1 https://microdata.stats.gov.cn/

2 https://www.ngdc.noaa.gov/eog/dmsp/downloadV4composites.html

3 https://data.cnki.net/Yearbook/Navi?type=type&code=A

4 http://fizz.phys.dal.ca/~atmos/martin/?page_id=140

5 http://data.cma.cn/

6 http://www.resdc.cn/

7 http://www.ngcc.cn/

8 近邻匹配，即寻找倾向得分最近的k个不同组的个体进行匹配，如果k=1，则为一对一匹配。

9 卡尺匹配，又称半径匹配，即限制倾向得分的绝对距离＜0.25个倾向得分的样本标准差的范围内进行匹配

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
常青青，仲伟周. 2018. 城市化促进了公共健康水平提高吗?. 经济经纬，35（6）：127-134. [Chang Qingqing and Zhong Weizhou. 2018. Does Urbanization Promote Public Health? Economic Survey, 35(6): 127-134. ]

Chen J, Chen S, Landry P F and Davis D. 2014. How Dynamics of Urbanization Affect Physical and Mental Health in Urban China. The China Quarterly, 220: 988-1011.

Chen H, Liu Y, Li Z and Xue D. 2017. Urbanization, Economic Development and Health: Evidence from China's Labor-Force Dynamic Survey. International Journal for Equity in Health, 16: 207-214.

程明梅，杨朦子. 2015. 城镇化对中国居民健康状况的影响——基于省级面板数据的实证分析. 中国人口·资源与环境，25（7）：89-96. [Cheng Minmei and Yang Mengzi. 2015. Impact of Urbanization on the Health of Chinese Residents: An Empirical Study Based on Provincial Panel Data. China Population, Resources and Environment, 25(7): 89-96. ]

程杨，杨林生，李海蓉. 2006. 全球环境变化与人类健康. 地理科学进展，25（2）：46-58. [ChengYang, Yang Linsheng and Li Hairong. 2006. Global Environment Change and Human Health. Progress in Geography, 25(2): 46-58. ]

Galea S and Vlahov D. 2005. Urban Health: Evidence, Challenges, and Directions. Annual Review of Public Health, 26: 341-365.

龚胜生，陈云. 2020. 中国南方地区卫生资源与居民健康的时空关系. 地理研究，39（1）：115-128. [Gong Shengsheng and Chen Yun. 2020. Temporal-Spatial Relationship between Health Resources and Residents' Health in Southern China. Geographical Research, 39(1): 115-128. ]

Gong P, Liang S, Carlton E J, Jiang Q, Wu J, Wang L and Remais J V. 2012. Urbanisation and Health in China. The Lancet, 379: 843-852.

国家统计局城市社会经济调查司. 2011. 中国城市统计年鉴-2011. （2011-12）[2021-01-01]. https://data.cnki.net/Yearbook/Single/N2012020070. [Department of Urban Social and Economic Survey, National Bureau of Statistics of China. 2011. China City Statistical Yearbook – 2011. (2011-12) [2021-01-01]. https://data.cnki.net/Yearbook/Single/N2012020070. ]

国家统计局农村社会经济调查司. 2011. 中国县(市)社会经济统计年鉴-2011. （2011-12）[2021-01-01]. https://data.cnki.net/Yearbook/Single/N2012020067. [Rural Socioeconomic Investigation Department, National Bureau of Statistics of China. 2011. China Statisitcal Yearbook (County-level) – 2011. (2011-12) [2021-01-01]. https://data.cnki.net/Yearbook/Single/N2012020067. ]

国家卫生计生委. 2020. 关于印发“十三五”健康老龄化规划的通知. （2020-01-06）[2021-01-01]. http://www.otcmoh.org.cn/info/182.html. [The National Health and Family Planning Commission. 2020. The 13th Five-Year Plan for Healthy Aging. (2020-01-06) [2021-01-01]. http://www.otcmoh.org.cn/info/182.html. ]

国务院人口普查办公室. 2010. 中国人口普查分县资料. （2012-12）[2021-01-01]. https://data.cnki.net/yearbook/Single/N2013040004. [the Population Census Office of the State Council of the People’s Republic of China. 2010. Tabulation on the Population Census of the People’s Republic of China by County. (2012-12) [2021-01-01]. https://data.cnki.net/yearbook/Single/N2013040004. ]

胡安宁. 2012. 倾向值匹配与因果推论:方法论述评. 社会学研究，27（1）：221-242. [Hu Anning. 2012. Propensity Score Matching and Causal Inference: A Methodological Review. Sociological Studies, 27 (1): 221-242. ]

黄柏石，李思思，仝广乾，林宇敏，刘晔. 2020. 中国老年人口自评健康水平的空间分异及影响因素研究. 人文地理，35（3）：37-47. [Huang Baishi, Li Sisi, Tong Guangqian, Lin Yumin and Liu Ye. 2020. Spatial Difference and Influencing Factors of Self-Rated Health Level of Old People in China. Human Geography, 35(3): 37-47. ]

Huang, B, Liu Y, Feng Z, Pearce J R, Wang R, Zhang Y and Chen J. 2019. Residential Exposure to Natural Outdoor Environments and General Health Among Older Adults in Shanghai, China. International Journal for Equity in Health, 18 (1): 178.

Huang B, Huang C, Feng Z, Pearce J R, Zhao H, Pan Z and Liu Y. 2021. Association between Residential Greenness and General Health Among Older Adults in Rural and Urban Areas in China. Urban Forestry & Urban Greening, 59:126907. https://doi.org/10.1016/j.ufug.2020.126907.

Hou B, Nazroo J, Banks J and Marshall A. 2019. Are Cities Good for Health? A Study of the Impacts of Planned Urbanization in China. International Journal of Epidemiology, 48: 1083-1090.

吉黎. 2013. 城市化有利于健康吗?——基于个体微观迁移数据的实证研究. 世界经济文汇，（3）：18-28. [Ji Li. 2013. Is Urbanization Good for Health? An Empirical Study Based on Individual Migration Micro-Data. World Economic Papers, (3): 18-28. ]

Leon D A. 2008. Cities, Urbanization and Health. International Journal of Epidemiology, 37: 4-8.

Li X, Wang C, Zhang G, Xiao L and Dixon J. 2012. Urbanisation and Human Health in China: Spatial Features and A Systemic Perspective. Environmental Science and Pollution Research, 19: 1375-1384.

刘国峰，孙美平，王智勇，简伟研. 2016. 城镇化水平与慢性病及健康相关行为的关联分析. 北京大学学报（医学版），48（3）：478-482. [Liu Guofeng, Sun Meiping, Wang Zhiyong and Jian Weiyan. 2016. Association Analysis Between Urbanization and Non-Communicable Diseases and Health-Related Behavior. Journal of Peking University (Health Sciences), 48(3): 478-482. ]

Liu Y, Huang B, Wang R, Feng Z, Liu Y and Li Z. 2019. Exploring the Association Between Urbanisation and Self-Rated Health of Older Adults in China: Evidence from A National Population Sample Survey. BMJ Open, 9: e029176.

Liu Z, He C, Zhang Q, Huang Q and Yang Y. 2012. Extracting the Dynamics of Urban Expansion in China Using DMSP-OLS Nighttime Light Data from 1992 to 2008. Landscape and Urban Planning, 106: 62-72.

Jones-Smith J and Popkin B M. 2010. Understanding Community Context and Adult Health Changes in China: Development of An Urbanicity Scale. Social Science & Medicine, 71: 1436-1446.

陆大道, 陈明星. 2015. 关于“国家新型城镇化规划（2014-2020）”编制大背景的几点认识. 地理学报，70（2）：179-185. [Lu Dadao and Chen Mingxing. 2015. Several Viewpoints on the Background of Compiling the “National New Urbanization Planning(2014-2020)”. Acta Geographica Sinica, 70(2): 179-185. ]

Macintyre S, Ellaway A and Cummins S. 2002. Place Effects on Health: How Can We Conceptualise, Operationalise and Measure Them? Social Science & Medicine, 55: 125-139.

Miao J and Wu X. 2016. Urbanization, Socioeconomic Status and Heath Disparity in China. Health Place, 42: 87-95.

Van De Poel E, O'Donnell O and Van Doorslaer E. 2012. Is There A Health Penalty of China's Rapid Urbanization? Health Economics, 21: 367-385.

Wang R, Xue D, Liu Y, Chen H and Qiu Y. 2018. The Relationship Between Urbanization and Depression in China: The Mediating Role of Neighborhood Social Capital. International Journal for Equity in Health, 17: 105-115.

Wu J, Wang Z, Li W and Peng J. 2013. Exploring Factors Affecting the Relationship between Light Consumption and GDP Based on DMSP/OLS Nighttime Satellite Imagery. Remote Sensing of Environment, 134: 111-119.

吴晓瑜，李力行. 2014. 城镇化如何影响了居民的健康?. 南开经济研究，（6）：58-73. [Wu Xiaoyu and Li Lixing. 2014. The Impact of Urbanization on Health in China. Nankai Economic Studies, (6): 58-73. ]

Yang G, WangY, Zeng Y, Gao G, Liang X, Zhou M, Wan X, Yu S, Jiang Y, Naghavi M, Vos T, Wang H, Lopez A D and Murray C. 2013. Rapid Health Transition in China, 1990–2010: Findings from the Global Burden of Disease Study in 2010. The Lancet, 381: 1987-2015.

杨林生，李海蓉，李永华，王五一，谭见安. 2010. 医学地理和环境健康研究的主要领域与进展. 地理科学进展，29（1）：31-44. [Yang Linsheng, Li Hairong, Li Yonghua, Wang Wuyi and Tan Jian’an. 2010. Progress of Medical Geography and Environmental Health Studies. Progress in Geography, 29(1): 31-44. ]

Yi K, Tani H, Li Q, Zhang J, Guo M, Bao Y, Wang X and Li J. 2014. Mapping and Evaluating the Urbanization Process in Northeast China Using DMSP/OLS Nighttime Light Data. Sensors, 14: 3207-3226.

张帆. 2014. 城镇化对居民健康的影响:基于有序概率模型的实证研究. 中国卫生经济，33（12）：5-7. [Zhang Fan. 2014. The Impact of Urbanization on Resident Health: Empirical Study Based on Ordered Probit Model. Chinese Health Economics, 33(12): 5-7. ]

张延吉，秦波，唐杰. 2018. 基于倾向值匹配法的城市建成环境对居民生理健康的影响. 地理学报，73（2）：333-345. [Zhang Yanji, Qin Bo and Tang Jie. 2018. The Impact of Urban Built Environment on Residential Physical Health: Based on Propensity Score Matching. Acta Geographica Sinca, 73(2): 333-345. ]

中共中央，国务院. 2016. 中共中央 国务院印发《“健康中国2030”规划纲要》. （2016-10-25）[2021-01-01]. http://www.gov.cn/zhengce/2016-10/25/content_5124174.htm. [Central Committee of the Communist Party of China, The State Council, The People’s Republic of China. 2016. Healthy China 2030 Planning Outline. (2016-10-25) [2021-01-01]. http://www.gov.cn/zhengce/2016-10/25/content_5124174.htm. ]

中华人民共和国国家统计局. 2011. 2010年第六次全国人口普查主要数据公报（第1号）. （2011-04-28）[2021-01-01]. http://www.stats.gov.cn/tjsj/tjgb/rkpcgb/qgrkpcgb/201104/t20110428_30327.html. [National Bureau of statistics of the People's Republic of China. 2011. Main Data of the Sixth National Population Census (No. 1). (2011-04-28) [2021-01-01]. http://www.stats.gov.cn/tjsj/tjgb/rkpcgb/qgrkpcgb/201104/t20110428_30327.html. ]

中华人民共和国国务院. 2017. 国务院关于印发国家人口发展规划（2016—2030年）的通知. （2017-01-25）[2021-01-01]. http://www.gov.cn/zhengce/content/2017-01/25/content_5163309.htm. [The State Council, The People’s Republic of China. 2017. National Population Development Plan for 2016-2030. (2017-01-25) [2021-01-01]. http://www.gov.cn/zhengce/content/2017-01/25/content_5163309.htm. ]

卓莉，史培军，陈晋，一之濑俊明. 2003. 20世纪90年代中国城市时空变化特征——基于灯光指数CNLI方法的探讨. 地理学报，58（6）：893-902. [Zhuo Li, Shi Peijun, Chen Jin and Toshiaki I. 2003. Application of Compound Night Light Index Derived from DMSP/OLS Data to Urbanization Analysis in China in the 1990s. Acta Geographica Sinica, 58(6): 893-902. ]

Options
文章导航

/

〈 〉