中国劳动力的健康状况及差异分析
梁宏1, 熊美娟2    
1. 中山大学 社会学与人类学学院, 广东 广州 510275;
2. 广州大学 公共管理学院, 广东 广州 510006
摘要:在全球人口老龄化的背景下,劳动力健康问题的研究备受关注。本文利用2012年中国劳动力动态调查(CLDS)数据,详细描述了中国劳动力的健康状况。简单相关分析发现,诸如性别、年龄层、户口性质、地区、受教育程度、从业状态、健康习惯、职业危害的接触情况、岗前职业健康培训、体检等因素皆与劳动力健康自评相关;然而,利用Logistic回归模型在统计控制之下综合分析的结果显示,中国劳动力的健康状况仅在年龄层、户口性质、受教育程度、从业状态、职业危害的接触情况及岗前职业健康培训情况方面存在显著差异,并且上述因素对不同年龄层劳动力健康状况的区分模式并不一致,这种区分模式的差异对改善不同年龄层劳动力的健康状况有一定的启示意义。
关键词劳动力     健康状况     年龄层     职业健康    
An Analysis on the Differences in Health Status of Chinese Labor Force
LIANG Hong1, XIONG Meijuan2     
1. School of Sociology and Anthropology, Sun Yat-Sen University, Guangzhou 510275, China; 2. Public Administration School, Guangzhou University, Guangzhou 510006, China
Abstract:The study of labor health status is highly concerned in the background of the aging of global population. The health status of Chinese labor is described detailed in this paper with CLDS in 2012. By simple correlation analysis, it is showed that the self evaluation in health status is related with many factors, such as sex, age, household register properties, region,the level of education, employment status, healthy habits, contact status of occupation hazards, the pre-occupation health training and physical examination. However, it is showed that there are significant differences among age hierarchies, household register properties, the level of education, employment status, contact status of occupation hazards, the pre-occupation health training from the results of Logistic regression model with comprehensive analysis by statistical control in Chinese labor health status. Furthermore, the distinguished mode of the referred factors to health status of the different age group is different. This difference may be conductive for improving health status of the different age group labor force.
Key words: labor force     health status     age hierarchies     occupational health    

一、问题的提出

经济发展的理论和经验表明,丰富的劳动力资源必将有助于经济发展,尤其是在经济发展的初期阶段。在过去的30多年,中国经济实现了跨越式发展,这离不开充裕的劳动力供给[1]。十年来,随着中国人口老龄化程度的不断加深,劳动年龄人口的规模和比重都将随着老龄化的发展而呈现相应的变化,从而对社会经济发生更为深刻和直接的影响,引起全社会对劳动力供给问题的关注[2, 3]

经济发展受劳动力资源的影响主要来自两方面:一是劳动力的数量,二是劳动力的质量,而健康状况和受教育程度是劳动力质量的主要体现。国内外已有大量文献研究了健康与经济增长之间的关系,尽管学界对于如何解释这两者之间的因果关系一直存在争议,但这些研究基本上都能证明劳动力健康对经济增长的影响是正面的,尤其在发展中国家,劳动力健康与经济增长具有显著的正向关联[4, 5, 6]。尽管从长期来看,随着老龄化程度的加深,劳动力供给下降趋势不可逆转,但是劳动力质量的提升会弱化或延缓这一趋势[7],即健康状况通过影响个体的劳动参与,进而影响宏观层面的劳动力供给。很多研究表明,健康促进劳动力供给,即健康状况越好,劳动者参与工作的概率越高[8, 9, 10]

影响个体健康状况的因素有很多,个人特征、家庭及家族因素、生活习惯、就医决策、医疗保险等皆可能对健康状况产生影响,同时,工作因素及生活习惯的影响受到学界的很大关注[11, 12, 13]。工业革命以来,西方工业化国家逐步重视职业病和职业健康,并相继出台《生产法》等法律法规,对工厂职业卫生状况作出规定;同时,职业健康权作为劳动者的一项基本权利,受到国际社会的普遍重视。中国的《职业病防治法》于2002年5月1日正式颁布实施,2011年12月31日,第十一届全国人民代表大会常务委员会通过了《关于修改〈中华人民共和国职业病防治法〉的决定》,对劳动者职业健康权利、行政执法监管体制等方面作出了进一步完善。目前中国劳动力健康权保护形势不容乐观。20世纪90年代以来,中国工业化、城镇化、全球化加速,职业危害问题日益凸显,职业病已超出简单的疾病范畴,发展成为影响劳动者健康、社会稳定、经济发展的复杂社会问题,具体表现为:患病总量很大、发病率居高不下、社会影响严重等特点[14]。因此,工作环境中职业危害的接触情况、劳动保健与职业病预防对于改善劳动力健康状况至关重要。

综上所述,中国要实现经济持续稳定的增长,作为劳动力人力资本核心形式之一的健康状况不可忽视。笔者认为,在人口年龄结构迅速老龄化及劳动力资源逐渐成为稀缺生产要素的情况下,对劳动力健康状况及相关因素的把握,必将有助于研究劳动力的供给及其对社会经济发展的影响。因此,本文具体从以下方面展开分析:首先,中国劳动力整体的健康状况如何?不同特征劳动力的健康状况是否存在显著差异?由于家庭及家族等因素对健康自评的影响较为复杂,且准确数据较难获得,故本文重点分析劳动力的健康状况与个人特征及工作特征的相关性。其次,工作环境中职业危害的接触情况及健康习惯与劳动力健康状况是否存在显著关联?再次,岗前体检、岗前健康培训及工作中的定期体检是否有助于改善劳动力的健康状况?最后,在统计控制的条件下,中国劳动力的健康状况在哪些方面存在显著差异;换言之,哪些因素在区分中国劳动力健康状况时更有说服力?2012年中国劳动力动态调查结果显示,中国劳动力存在着明显的年龄分层特征[15],那么,不同年龄层劳动力健康状况的因素区分模式是否一致?如果不一致,那么区分不同年龄层劳动力健康状况的因素有何不同? 二、研究设计 1.数据选择

要实现对中国劳动力健康状况及其特征的准确描述,必须采用普查或大样本抽样调查数据,2010年全国第六次人口普查(简称“六普”)长表抽样调查资料本应是最合适的分析数据。然而,“六普”仅对60岁及以上人口进行身体健康状况调查,不涉及15-60岁劳动年龄人口的健康状况。因此,本文只能采用代表性较高的全国大型抽样调查数据。

2012年7月,中山大学社会调查中心开展了面向全国劳动力状况的中国劳动力动态调查(China Labor-force Dynamic Survey,CLDS)。CLDS不仅设计了劳动力健康状况及其相关的调查项目,而且相对于其他全国大型社会抽样调查,CLDS采用概率抽样方法,抽样设计严谨,样本量较大,对全国及东、中、西部地区及广东省皆具有较好的代表性。因此,本文利用CLDS数据分析中国劳动力的健康状况及其差异

① 具体的抽样方法及样本量的介绍可参考:梁宏.年龄分层视角下的中国劳动力[J].南方人口,2013(6)。

② 由于调查中不同阶段、不同层的抽样概率不同,需要通过加权来调整不同阶段、不同层及不同特征劳动力的入样概率,以保证分析结果的准确性。本文的分析皆基于加权后的统计结果。 2.变量选择及分析思路

健康状况的评价标准不一,评价指标也非常多。由于通过较为集中的医疗体检来对个人的健康状况进行评估成本太高;而日常生活行为机能(ADL)的测量虽然准确,但由于身体健康欠佳导致的呼吸困难、身体协调机能欠缺或者肌肉力量欠缺等问题在劳动年龄人口中并不普遍存在。于是,健康自评成为目前为止针对一般群体的实证调查与研究中最常用的健康状况测量指标。健康自评是反映个体主观健康和客观健康的一个综合性指标,它是研究对象对自身健康的客观状况而反映出来的主观感受,是比较容易测量的变量。因此,本文选取健康自评为描述和分析劳动力健康状况的结果变量。

本文首先利用健康自评的五级定序测量(即非常健康、比较健康、一般、比较不健康、非常不健康)来描述全部及不同特征劳动力的健康状况,并分析职业危害的接触情况、健康习惯、岗前职业健康培训及体检情况与劳动力健康状况的关联;然后,将自评为非常健康与比较健康合并“健康”类,将一般、比较不健康、非常不健康合并为“非健康”类,利用Logistic回归模型(以“非健康”为参照类)来综合分析劳动力的健康状况在哪些方面存在显著差异;最后,在低、中、高龄劳动力样本中进行相同区分因素的Logistic回归分析,进而研究不同年龄层劳动力健康状况的因素区分模式的一致性。 三、分析结果 1.全国及不同特征劳动力的健康概况

在健康自评方面,CLDS结果显示,超过六成(62.08%)的劳动力认为自己是健康的(包括比较健康和非常健康),有近三成(28.83%)的劳动力认为自己的健康状况一般,9.09%的劳动力认为自己不健康(包括比较不健康和非常不健康)。同时,不同特征劳动力的健康自评存在显著差异。从个人特征来看(见表 1),男性劳动力的健康自评显著好于女性劳动力,他们认为自己目前健康的比例为65.68%,比女性劳动力的这一比例高7.34个百分点;低龄劳动力的健康自评显著好于高龄劳动力,具体来说,15-29岁低龄劳动力认为自己目前健康的比例最高,为79.20%,30-44岁中龄劳动力的这一比例其次(为63.06%),45-64岁高龄劳动力认为自己目前健康的比例最低,仅为43.71%。

表 1 不同性别、年龄层劳动力的健康状况
%
健康自评 全国 性别 年龄层(岁)
15-29 30-44 45-64
非常健康 22.87 25.15 20.52 34.71 22.41 11.38
比较健康 39.21 40.53 37.82 44.49 40.65 32.33
一般 28.83 26.82 30.92 19.08 30.01 37.47
比较不健康 8.04 6.56 9.58 1.43 6.35 16.51
非常不健康 1.05 0.94 1.16 0.29 0.58 2.31
合计 100 100 100 100 100 100

从户口性质及地区差异来看(见表 2),非农业户口劳动力认为自己目前健康的比例(65.49%)显著高于农业户口劳动力的这一比例(60.77%);东部地区劳动力认为自己目前健康的比例最高,为66.83%,中、西部地区的这一比例较低(分别为59.12%、60.42%)且相差不多。

表 2 不同户口性质、地区劳动力的健康状况
%
健康自评 全国 户口性质 地区
农业 非农业 东部 中部 西部
非常健康 22.87 22.75 23.19 26.48 21.15 20.02
比较健康 39.21 38.03 42.29 40.35 37.96 40.39
一般 28.83 28.85 28.77 26.56 30.52 28.79
比较不健康 8.04 9.28 4.79 6.01 9.16 9.23
非常不健康 1.05 1.09 0.96 0.61 1.21 1.57
合计 100 100 100 100 100 100

从受教育程度来看,随着受教育程度的提高,劳动力的健康状况显著变好。具体来说(见表 3),大学本科及以上、大专受教育程度劳动力认为自己目前健康的比例分别高达76.33%、76.24%,而小学未毕业、小学受教育程度劳动力的这一比例分别仅为37.65%、55.10%;相反,大学本科及以上、大专受教育程度劳动力认为自己目前不健康的比例分别仅为1.91%、2.13%,而小学未毕业、小学受教育程度劳动力的这一比例分别高达23.52%、11.84%。

表 3 不同受教育程度劳动力的健康状况
%
健康自评 小学未毕业 小学 初中 高中 职高/技校/中专 大专 大本及以上 合计
非常健康 9.78 19.52 25.14 29.05 27.86 29.07 28.70 23.21
比较健康 27.87 35.58 41.18 43.82 44.68 47.18 47.63 39.59
一般 38.83 33.06 27.36 23.17 25.00 21.62 21.76 28.72
比较不健康 20.23 10.42 5.79 3.59 2.28 1.60 1.91 7.52
非常不健康 3.29 1.42 0.53 0.37 0.18 0.53 0 0.96
合计 100 100 100 100 100 100 100 100

从劳动力的从业状态来看,务农者的健康自评明显最差,雇主的健康自评明显最好。具体来说(见表 4),雇主认为自己目前健康的比例最高,为75.78%,雇员、自雇劳动者的这一比例其次(分别为70.74%、65.76%),务农者认为自己目前健康的比例最低,仅仅为47.68%;而务农者认为自己不健康的比例高达16.92%,分别比雇主、雇员、自雇劳动者的这一比例高13.58、13.79、10.95个百分点。

表 4 不同从业状态劳动力的健康状况
%
健康自评 雇员 雇主 自雇 务农 合计
非常健康 25.76 31.58 23.54 14.51 21.74
比较健康 44.98 44.20 42.22 33.17 40.35
一般 26.13 20.88 28.26 35.40 29.45
比较不健康 2.92 3.14 5.74 15.57 7.83
非常不健康 0.21 0.20 0.23 1.35 0.63
合计 100 100 100 100 100

从劳动力的职业来看(见表 5),办事及有关人员认为自己目前健康的比例最高,为73.72%,专业技术人员、商业服务业人员的这一比例(分别为71.84%、70.39%)其次;而农、林、牧、渔、水利业生产人员认为自己目前健康的比例最低,仅为48.11%,而他们认为自己不健康的比例则高达17.26%,分别比专业技术人员,办事及有关人员,商业服务业人员,国家机关、党群组织、企业、事业单位负责人,生产、运输、设备操作及有关人员,非正式就业者,无固定职业者高14.47、14.17、13.30、13.45、13.02、7.92、10.74个百分点。

表 5 不同职业劳动力的健康状况
%
健康自评 国家机关、党
群组织、企业、
事业单位负责人
专业技
术人员
办事及有
关人员
商业服务
业人员
农、林、牧、
渔、水利生
产人员
生产、运输、
设备操作
及有关人员
非正式就业
(保姆、医
院看护等)
无固定
职业者
合计
非常健康 27.54 27.98 27.44 25.22 14.9 25.25 23.23 19.56 21.95
健康 37.78 43.86 46.28 45.17 33.21 43.15 38.15 44.93 40.29
一般 30.87 25.37 23.19 25.65 34.63 27.36 29.28 28.99 29.24
比较不健康 3.50 2.65 2.88 3.70 15.70 3.97 8.38 5.95 7.80
非常不健康 0.31 0.14 0.21 0.26 1.56 0.27 0.96 0.57 0.72
合计 100 100 100 100 100 100 100 100 100
注:职业为“军人”劳动力样本量过小,在某些类别中百分比为0,故剔除。

从劳动力的产业分类来看(见表 6),第一产业劳动力的健康自评较差,他们认为自己健康的比例比第二、三产业劳动力低近22个百分点,他们认为自己不健康的比例明显最高(为17.32%)。相比而言,第二、三产业劳动力的健康自评差异不大。

表 6 不同产业劳动力的健康状况
%
健康自评 第一产业 第二产业 第三产业 合计
非常健康 14.67 25.69 25.56 21.86
健康 33.28 43.52 44.19 40.20
一般 34.73 26.70 26.38 29.36
比较不健康 15.79 3.89 3.46 7.85
非常不健康 1.53 0.20 0.41 0.73
合计 100 100 100 100
注:此次调查涉及的行业种类较多,本文将其划分为三大产业。具体来说,第一产业中的行业为农林牧渔业,第二产业中的行业为采矿、伐木、轻纺、日化、原料、化工、电子工业、金属、机械、建筑业、地质普查勘探业、交通运输、邮电通讯,第三产业中的行业为商业、公共饮食业、物资供销、仓储业、房地产管理、公共事业、居民服务、卫生、体育、社会服务业、高等教育、中小学幼儿教育、文化艺术、广播电视、新闻、出版、科研技术、咨询服务、金融保险、旅游业、国家机关、党务机关、社会团体、部队、警察、其他等。
2.职业危害及健康习惯与劳动力健康状况的相关分析

对劳动力而言,工作中的职业危害是影响其健康状况的重要因素。CLDS结果显示(见表 7),在工作环境中超过三分之一(35.55%)的劳动力要接触诸如粉尘,放射性物质类,化学类有毒或有腐蚀性的金属、气体、液体,物理类,生物类或其他类的职业危害,只有64.45%的劳动力在工作中不接触上述职业危害。具体来说,接触到粉尘危害的劳动力最多(占22.32%),接触到物理类危害的劳动力比例其次(占16.06%),接触到放射性物质类,化学类有毒或有腐蚀性金属、气体、液体,生物类,其他类职业危害的劳动力分别占3.26%、9.82%、1.45%、0.15%。从地区差异来看,东部地区劳动力工作环境中接触职业危害的比例最高,为40.43%,比中、西部地区劳动力的这一比例分别高9.07、4.06个百分点。同时,东部地区劳动力工作环境中接触粉尘、物理类危害的比例相对较高,分别为27.02%、20.29%,西部地区劳动力工作环境中接触放射性物质类,化学类有毒或有腐蚀性金属、气体、液体,生物类职业危害的比例相对较高,分别为4.69%、11.53%、2.41%。

表 7 全国及不同地区劳动力工作环境接触的职业有害因素
%
工作环境中可能接触到的职业危害 东部 中部 西部 合计
粉尘:如煤尘、石墨尘、石棉尘、水泥尘、陶瓷尘、电焊烟尘、铸造粉尘等 27.02 18.77 21.63 22.32
放射性物质类(电离辐射):如X线、放射性同位素、放射性矿物质、中子发生器等 3.47 2.63 4.69 3.26
化学类有毒或有腐蚀性的金属、气体、液体 10.42 8.78 11.53 9.82
物理类职业危害:如高温、高气压、低气压、局部振动、紫外线、噪声、激光、电磁辐射等 20.29 13.94 12.13 16.06
生物类职业危害:如炭疽病毒、森林脑炎、布氏杆菌等 1.33 1.23 2.41 1.45
其他类职业危害 0.02 0.20 0.33 0.15
以上都没有 59.57 68.64 63.63 64.45
注:该问题为多项选择题,本表汇总了每个选项的出现情况,各项选之间不具有可加性。

工作环境中职业危害的接触情况与健康自评的相关分析发现,工作中不接触各种职业危害的劳动力自评为健康的比例(为63.08%)较高,但是,他们自评为不健康的比例(8.99%)也较高。另外,健康习惯(如是否吸烟、喝酒等)通常被认为是影响健康状况的重要因素,CLDS调查通过“平时是否饮酒”、“是否有吸烟史”来反映劳动力的健康习惯,CLDS结果显示(见表 8),平时饮酒的劳动力自评为健康比例明显较高(为66.87%),比平时不饮酒者(为60.43%)高6.44个百分点;但是,是否有吸烟史与劳动力的健康自评没有显著关联。

表 8 不同健康习惯和职业危害接触情况的劳动力的健康状况
%
健康自评 平时是否饮酒 是否有吸烟史 合计 职业危害接触情况
接触 不接触 合计
非常健康 25.34 22.03 22.87 22.88 22.87 20.50 22.72 21.93
比较健康 41.53 38.40 38.93 39.32 39.20 40.27 40.36 40.33
一般 27.26 29.37 29.41 28.57 28.83 31.60 27.93 29.24
比较不健康 5.45 8.93 7.77 8.16 8.04 6.93 8.26 7.79
非常不健康 0.42 1.27 1.03 1.06 1.05 0.70 0.73 0.72
合计 100 100 100 100 100 100 100 100
3.健康培训、体检与劳动力健康状况的相关分析

CLDS结果显示,从事目前工作或工种时接受过岗前健康体检的劳动力仅占27.90%,而确定未进行这一体检者比例高达51.83%;从事目前工作或工种时接受过岗前职业健康培训者的比例更低,仅为15.05%,超过六成(63.09%)的劳动力确定未接受过这一培训;同时,从事目前工作或工种者进行定期体检的比例也不高,仅为22.14%,还是有超过六成(61.11%)的劳动力确定 从事目前工作和工种时未接受过定期体检。在排除对上述问题不适用或不确定的劳动力个体后,从事目前工作或工种者接受过岗前健康体检、岗前职业健康培训、定期体检的比例仅分别为34.99%、19.04%、26.59%,换言之,分别有65.01%、80.96%、73.41%的劳动力没有接受过岗前体检、岗前职业健康培训、工作中的定期体检。

岗前体检、岗前健康培训及工作中的定期体检与健康自评的相关分析发现(见表 9),从事目前工作或工种接受过岗前健康体检的劳动力自评为健康的比例(72.02%)比没接受过岗前体检者高10.66个百分点,他们自评为不健康的比例(2.39%)比没接受过岗前体检者低6.76个百分点;从事目前工作或工种接受过岗前职业健康培训的劳动力自评为健康的比例(74.53%)比没接受过岗前健康培训者高11.53个百分点,他们自评为不健康的比例(2.14%)比没接受过岗前健康培训者低5.78个百分点;从事目前工作或工种接受定期体检的劳动力自评为健康的比例(70.73%)比没有定期体检者高8.82个百分点,他们自评为不健康的比例(3.18%)比没有定期体检者低5.46个百分点。可见,岗前体检、岗前健康培训及工作中的定期体检一定程度上有助于改善劳动力的健康状况。

表 9 不同健康培训、体检情况的劳动力的健康状况
%
健康自评 岗前健康体检 岗前职业健康培训 工作中的定期体检
合计 合计 合计
非常健康 21.12 28.54 23.72 22.05 30.86 23.73 21.55 28.25 23.33
比较健康 40.24 43.48 41.38 40.95 43.67 41.47 40.36 42.48 40.92
一般 29.48 25.58 28.12 29.08 23.32 27.98 29.45 26.09 28.56
比较不健康 8.31 2.10 6.14 7.19 1.81 6.17 7.76 2.77 6.43
非常不健康 0.84 0.29 0.65 0.73 0.33 0.65 0.88 0.41 0.75
合计 100 100 100 100 100 100 100 100 100
4.劳动力健康状况的差异分析

上述相关分析发现,中国劳动力的健康状况在诸如性别、年龄层、户口性质、地区、受教育程度、从业状态等方面皆存在显著差异,并与饮酒习惯、工作环境中职业危害的接触情况、岗前职业健康培训、岗前体检及工作中的定期体检等因素存在显著关联。为了进一步发现在劳动力健康状况区分方面更重要的因素,本文将上述变量纳入Logistic回归模型,在统计控制的条件下,综合分析对中国劳动力健康状况区分显著的因素①。

模型分析结果显示(见表 10模型1),中国劳动力的健康状况仅在年龄层、户口性质、受教育年限、从业状态、职业危害的接触情况及岗前职业健康培训情况方面存在显著差异,而在性别、地区、健康习惯、岗前及工作中的定期体检方面不存在显著差异。具体来说,30-44岁、45-64岁的中、高龄劳动力的健康状况显著不及15-29岁的低龄劳动力;非农业户口劳动力的健康状况显著不及农业户口劳动力;受教育年限越多,劳动力的健康状况越好;与雇员相比,务农者的健康状况显著较差;工作环境中不接触职业危害的劳动力的健康状况显著好于接触职业危害的劳动力;从事目前工作或工种时接受过岗前职业健康培训的劳动力的健康状况明显好于没接受过这一培训的劳动力。

表 10 劳动力健康自评区分因素的(加权)Logistic回归分析
变量 全部劳动力
(模型1:eβ)
15-29岁
(模型2:eβ)
30-44岁
(模型3:eβ)
45-64岁
(模型4:eβ)
性别(女性) 0.810 1.035 0.701* 0.799
年龄 0.986 0.953*** 0.954***
年龄组:30-44岁 0.582***

45-64岁

0.337***
户口性质(非农业) 0.783* 0.581* 1.076 0.710
地区:中部 0.924 1.542 0.874 0.786
西部 0.833 1.225 0.683* 0.857
受教育年限 1.039*** 1.028 1.026 1.031*
从业状态:雇主 1.183 0.562 1.402 1.594
自雇劳动者 0.972 2.585* 0.954 0.755
务农 0.546*** 0.372** 0.697* 0.522***
健康习惯:平时是否饮酒(否) 0.871 0.964 0.834 0.865
健康习惯:吸烟史(无) 0.951 0.896 0.997 0.929
职业危害的接触情况(无) 1.467*** 1.746** 1.440*** 1.380*
岗前健康体检(是) 0.982 1.129 0.959 0.947
岗前职业健康培训(是) 1.329** 1.206 1.494** 1.068
工作中的定期体检(是) 1.051 1.069 0.974 1.150
观测个案 7080 1296 2721 2289
F 20.28*** 3.02*** 4.13*** 4.81***
注:1.因变量为健康自评是否健康,分别用1和0表示;2.在自变量中,性别的参照类为“男性”,户口性质的参照类为“农业户口”,地区的参照类为“东部”,从业状态的参照类为“雇员”,平时是否饮酒的参照类为“是”,吸烟史的参照类为“有吸烟史”,职业危害的接触情况的参照类为“有接触”,是否进行岗前健康体检、岗前职业健康培训、工作中的定期体检的参照类分别是“无”;3.虽然不同职业、产业劳动力的健康自评状况存在一定差异,但在模型中未纳入上述两个变量,原因如下:一是统计解释力不仅无显著提升,反而有所下降,二是这两个变量在全模型和各分模型中基本不显著,缺乏解释力,三是由于与其他变量存在一定关联,增加这两个变量导致其他变量不显著;4.******分别表示显著性检验的p<0.05、p<0.01、p<0.001。

由于中国劳动力具有明显的年龄分层特征[15],且无论是理论及经验还是模型分析结果都表明,不同年龄层劳动力的健康状况存在显著差异,因此,分年龄层来研究劳动力健康状况的因素区分模式并比较其中的差异显得很有意义。模型分析结果显示(见表 10模型2、3、4),不同年龄层劳动力健康状况的区分因素确实存在一定差异。具体来说:在其他因素相同的情况下,年龄因素对15-29岁低龄劳动力的健康状况没有显著影响,而对30-44岁、45-64岁中、高龄劳动力的健康状况则有显著影响(即年龄越大健康状况越差);劳动力健康状况在户口性质上的显著差异仅存在于15-29岁的低龄劳动力中(即非农业户口低龄劳动力的健康状况明显较差),而在30-44岁、45-64岁的中、高龄劳动力中,户口性质与健康状况没有显著关联;同时,在15-29岁的低龄劳动力中,自雇劳动者的健康状况显著高于雇员,而这一显著差异在30-44岁、45-64岁的中、高龄劳动力中不存在;受教育年限对45-64岁高龄劳动力的健康状况有显著的正向影响,而对15-29岁、30-44岁低、中龄劳动力的健康状况没有显著影响;女性劳动力的健康状况显著不及男性劳动力的情况仅存在于30-44岁的中龄劳动力中,而在15-29岁、45-64岁的低、高龄劳动力中,男、女劳动力健康状况的差异并不显著;同时,30-44岁中龄劳动力的健康状况存在显著的地区差异(即西部地区中龄劳动力健康状况显著较差),接受过岗前职业健康培训的劳动力健康状况显著较好的情况也仅存在于30-44岁的中龄劳动力中。值得一提的是,在其他因素相同的情况下,务农者的健康状况与雇员相比显著较差以及工作环境中不接触职业危害的劳动力健康状况显著较好的结论对各年龄层劳动力皆适用。

综上所述,不同年龄层劳动力健康状况的因素区分模式并不完全相同。15-29岁的低龄劳动力健康状况在户口性质、从业状态及工作环境中职业危害的接触情况等方面存在显著差异;30-44岁的中龄劳动力健康状况在性别、年龄、地区差异、从业状态、工作环境中职业危害的接触情况、是否接受过岗前职业健康培训等方面存在显著差异;45-64岁的高龄劳动力健康状况在年龄、受教育年限、从业状态、工作环境中职业危害的接触情况等方面存在显著差异。可见,性别、年龄、户口性质、地区差异、受教育年限、从业状态、岗前职业健康培训情况等因素对不同年龄层劳动力健康状况的区分作用明显不同,而是否为务农者的从业状态、工作环境中职业危害的接触情况对不同年龄层劳动力健康状况的区分作用基本一致。 四、结论与讨论

作为人力资本重要组成部分的劳动力健康是生产力发展的源泉,尤其是在人口老龄化程度不断加深、劳动年龄人口比例不断降低的情况下,劳动力健康是中国社会与经济发展的重要基础。本文利用2012年CLDS数据分析了中国劳动力的健康状况及其差异,分析结果显示,中国劳动力整体的健康自评状况尚可,超过六成(62.08%)的劳动力认为自己健康,接近三成(28.83%)的劳动力认为健康状况一般,只有9.09%的劳动力认为自己不健康。同时,中国劳动力的健康状况仅在年龄层、户口性质、受教育程度、从业状态、职业危害的接触情况及岗前职业健康培训情况方面存在显著差异,但是最突出的特点主要集中在以下三方面。

第一,不同年龄层劳动力健康状况的区分模式并不一致,这种区分模式的差异对改善不同年龄层劳动力的健康状况有一定的启示意义。CLDS结果显示,不同年龄层劳动力健康状况的区分因素有一定差别。比如,30-44岁的中龄劳动力的健康状况因诸多个人特征、结构、环境、条件因素的不同而有显著差异,而上述很多因素对15-29岁的低龄劳动力健康状况的区分并不明显。因此,应区别关注不同年龄层劳动力的健康问题,提供有针对性的医疗保健服务,合理地安排公共健康支出的总量和结构。比如,在关注30-44岁的中龄劳动力健康状况的同时,重点做好15-29岁的低龄劳动力的保健和疾病预防工作,以提高他们未来的健康水平;加强关注45-64岁的高龄劳动力的健康状况,在普及健康、医疗知识的同时,加大各种医疗保险在该群体的覆盖率,避免他们老年期健康状况的急剧下降,降低他们因病致贫的可能性。

第二,即使在其他因素相同的情况下,务农者的健康状况也相对较差,而且这一特点无论在劳动力整体还是分年龄层群体的分析模型中皆呈现一致性和稳定性。长期以来,依赖于企业和国家巨大的医疗卫生投入,中国大多数企、事业员工都能以自己较小的投入获取高水平的医疗保障,而对务农者而言,除了政策上的扶持以及一些公共卫生干预项目以外,国家未给予任何大的资金投入,由此造成了城乡之间、不同劳动群体之间的卫生服务水平以及医疗保障水平的巨大差别。中国80%的医疗资源集中于城镇地区,占全国多数人口的农村地区只拥有20%的医疗资源;虽然近年来国家通过实施新医改方案,加强了对农村地区医疗卫生的投入,但是农村地区尤其是中西部农村地区的医技人员还很匮乏,基础医疗设施仍然比较薄弱[16, 17]。因此,应加强对务农者健康状况的关注,务农者的健康促进及医疗救助政策、医疗保障制度、健康服务措施急需提至议事日程。

第三,即使在其他因素相同的情况下,工作环境中接触职业危害劳动力的健康状况明显较差,而且这一特点无论在劳动力整体还是分年龄层群体的分析模型中也呈现出一致性和稳定性。因此,笔者建议,在转变经济增长方式尤其是产业结构转型的同时,要以劳动力目前及未来的健康状况为出发点,重视接触职业危害劳动力的健康促进政策的制定,加大职业危害防护及岗前职业健康培训的投入,普及职业危害防护知识,普遍提高各行业劳动力的健康状况。具体来说,对劳动力个体而言,强化维权,提高劳动者自我保护意识和能力;对政府及有关部门而言,要强化执法,加大政府职业卫生监管力度;对生产企业而言,要强化守法,切实落实企业职业健康保护法定责任。

参考文献
[1] HOLZ C A. China's economic growth 1978-2025: what we know today about China's economic growth tomorrow[J].World Development,2008,36(10): 1665-1691.
[2] 童玉芬. 人口老龄化过程中我国劳动力供给变化特点及面临的挑战[J]. 人口研究,2014(2):52-60.
[3] 郭瑜. 人口老龄化对中国劳动力供给的影响[J]. 经济理论与经济管理,2013(11):49-57.
[4] BHARGAVA A. Nutritional status and the modeling of time in Rwandese households[J]. Journal of Econometrics, 1997, 77(1):277-295.
[5] THOMAS D, FRANKENBERG E. Health, nutrition and prosperity: a microeconomic perspective[J]. Bulletin of the World Health Organization, 2002, 80(2):106-113.
[6] 邓利方. 劳动力健康与经济增长关联研究[J]. 学术研究,2012(8):79-84.
[7] 王立军,马文秀. 人口老龄化与中国劳动力供给变迁[J]. 中国人口科学,2012(6):23-33.
[8] 刘生龙. 健康对农村居民劳动力参与的影响[J]. 中国农村经济,2008(8):25-32.
[9] 张川川. 健康变化对劳动供给和收入影响的实证分析[J]. 经济评论,2011(4):79-88.
[10] 王金营,李竞博,石贝贝,曾序春. 医疗保障和人口健康状况对大城市劳动供给影响研究[J]. 人口与经济,2014(4):14-22.
[11] 李珍珍,陈琳. 农民工健康状况影响因素分析[J]. 南方人口,2010(4):10-16.
[12] 吴振华. 我国农村居民健康风险影响因素研究[J]. 社会保障研究,2012(3):79-85.
[13] 和红,任迪. 新生代农民工健康融入状况及影响因素研究[J]. 人口研究,2014(6):92-101.
[14] 舒德峰. 问题与对策:我国劳动者职业健康权保护探讨[J]. 山东大学学报,2012(3):125-129.
[15] 梁宏. 年龄分层视角下的中国劳动力[J]. 南方人口. 2013(6):19-25.
[16] 张建平. 发展中国家建立农村医疗保障制度的经验及其启示[J]. 西北大学学报(哲学社会科学版),2007(2):69-72.
[17] 秦立建,陈波,余康. 农村劳动力转移的健康选择机制研究[J]. 南方人口,2014(2):62-70.
http://dx.doi.org/10.3969/j.issn.1000-4149.2015.04.010
北京市教育委员会主管、首都经济贸易大学主办。
0

文章信息

梁宏, 熊美娟
LIANG Hong, XIONG Meijuan
中国劳动力的健康状况及差异分析
An Analysis on the Differences in Health Status of Chinese Labor Force
人口与经济, 2015, 25(4): 85-93
Population & Economics, 2015, 25(4): 85-93.
http://dx.doi.org/10.3969/j.issn.1000-4149.2015.04.010

文章历史

收稿日期:2014-11-26
修订时间:2015-04-08

相关文章

工作空间