阳义南

　　（湖南大学公共管理学院，长沙 410072）

一、引 言

2022 年底，我国60 岁以上老人已占总人口的19.8%，65 岁以上老人也占到14.9%。（1）进入中度老龄化阶段之后， 我国实施积极应对人口老龄化战略驶入了快车道。 越来越多的研究认识到健康老龄化是我国积极应对人口老龄化的必由之路，解决健康问题能基本化解老龄化的负面影响。［1－4］

　　促进健康老龄化相关政策和行动要关注的重要问题是，一代又一代的老年人是变得更健康，还是趋向亚健康甚至病痛老龄化？ 据第六次全国人口普查，有83.15%的老年人自认为健康和基本健康，16.85%的老年人自认为健康状况欠佳。［5］第七次人口普查数据显示， 陕西省健康和基本健康老年人占比86.5%， 比第六次全国人口普查时提高了5.2 个百分点。（2）2015 年第四次中国城乡老年人生活状况调查显示，自认健康或一般的占75.24%，自认健康状况比较差或非常差的占24.76%。［6］另据健康中国行动推进委员会披露，2018 年中国老年人大约有8.3 年带病生存，患有1 种及以上慢性病的老人有1.8 亿，比例达75%。（3）纵观上述几个总体健康指标数据，结果并不一致，原因是数据来源不同、口径不一，缺乏可比性，且大多为单一指标，难以反映我国老年人健康的总体水平及动态变化。

　　不少学者基于CLHLS、CHARLS 等微观调查数据， 通过测度健康预期寿命、 自评健康、ADL、ALE、MMSE、PPT 等指标或量表来评判我国老年人健康状况的变化，结果也各执一词。 一些研究发现老年人越来越健康了，一些研究却得出相反的结论， 还有研究发现一些健康指标在改善，一些健康指标在降低，或在某些时刻上升，在另一些时刻下降，得到的结果也缺乏可比性。［7］

　　无论是官方统计指标， 还是微观调查数据，都未对我国老年人健康的总体水平、 变化趋势达成一致性判断。 这些研究大多是基于健康指标、指数、维度或综合评估的测量（均）值来进行评判。 除了查看这些健康指标测量值的变化，还可以根据不同健康类型老年人的比例变化来判断。［1，8－10］然而，迄今为止考察比例变化的量化研究极为少见。 因此，本文从以下方面着手：第一，按照世界卫生组织新的“健康老龄化”概念框架，以测量“功能发挥”为主，辅之以测量生理健康；第二，基于6 期CLHLS 数据， 使用多维度多指标测量出分类型潜变量（Latent Classes）， 再使用潜剖面模型（Latent Profile Model，LPM） 将老人个体识别为健康、一般、不健康三种潜类别，进而从三类老人的比例变化来评判我国老龄健康水平及其变化。

二、文献回顾

针对老年人的健康变化趋势，Havighurst 最先提出“健康老龄化（Healthy Aging）”概念，并定义其为“延长寿命、增加生活满意度”。［11］但长寿只能反映寿命的数量， 不能反映寿命的质量。 1987年，世界卫生大会将“健康老龄化”定义拓展为“在不可阻挡的日历年龄老化的同时， 通过一系列积极措施来推迟生物性老化和社会性老化”。 Rowe和Kahn 将健康老龄化定义为 “积极无病的状态”。［12］这些定义忽视了生命进程中不可避免的老化过程，而想要老年人没有疾病也不现实。相比其他人群，老年人健康更特殊，主要是慢性病等非传染性疾病，绝大多数无法治愈，且很多健康问题无法诊断为某种疾病，如虚弱、尿失禁、跌倒、精神错乱、综合征等。［13］即使存在这些疾病也不能说明对老人个体造成的实际影响，因为通过药物抑制、器具辅助、环境支持等，老人仍能维持良好的功能发挥，享有高水平的健康状态。［14］对此，世界卫生组织在2016 年《关于老龄化与健康的全球报告》中不再强调没有疾病，而将“健康老龄化”重新定义为“发展和维护功能能力以实现老年期幸福生活的过程”，该过程依赖老年人的内在能力、支持性环境及二者相互作用。

　　目前，基于功能发挥的“健康老龄化”定义已被广泛接受，但其测量指标、方法及模型仍较为有限。［15］相比测量老年人个体健康，对健康老龄化的测量有两点不同：其一，老年健康是个人在整个生命过程中逐步发展的结果。［16］个体在生命历程中不同时点的选择、 环境的干预都可能使其内在能力、功能发挥发生变化，并最终影响健康老龄化的变化轨迹［17］；其二，健康老龄化关注的是老年人群的总体状况或平均水平［18］。 尽管要以个体健康作为基础， 但少数几个人的健康寿命长短对提高群体的平均健康寿命影响不大。［19］简言之，健康老龄化是对老年人整个生命历程中总体健康水平的动态考察及其影响因素的系统干预。［13］

　　我国学者研判老年人健康变化主要沿两条路径展开：其一，老人健康指标测量值的变化，例如，健康预期寿命在延长，相应的带病期缩短，以“无疾而终”为目标；其二，不同类型老年人的比例变化，例如，健康、长寿的老年人比重占大多数，且不断增加。［1，8－10］

　　目前绝大多数研究都是基于健康指标（或量表）的测量值来判断我国老龄健康变化趋势。 汤哲等使用基本生活能力量表ADL 对北京老人的12 年追踪调查数据显示， 健康预期寿命比值（ALE/LE）近年呈下降趋势，健康预期寿命未能与预期寿命同步增长。［20］谷琳对比1992 年中国老年人口供养调查数据与2002 年中国老年长寿跟踪数据，发现生活自理预期寿命（ALE）在压缩，不能自理期在扩展。［21］曾毅等研究发现，1998—2008 年间中国高龄老人的认知功能和躯体功能相比10 年前有显著的降低， 人均预期寿命延长伴随老年人健康水平下降。［22］

　　不同于上述结果，郭未等基于2005 年1%人口抽样数据与2010 年 “六普” 数据对比， 应用Sullivan 法计算自理预期寿命及预期寿命发现，2010 年比2005 年有不同程度的提高。［23］据全球健康研究组织（IHME）数据，1990 年至2013 年中国健康预期寿命提高了7.6 岁。［24］张文娟、王东京使用我国1%人口抽样数据认为，1994 年老人不能自理占7.5%，到2015 年下降到2.3%，主要贡献来自农村老年人口的健康改善。［25］李成福等的研究预测2020 年中国健康预期寿命为69.2 岁，到2030 年将进一步提升到70.9 岁。［26］杨玲、宋靓珺基于CLHLS 的5 期数据发现，ADL、MMSE、PPT三个健康量表都显示2002—2014 年间中国老年人健康状态呈现向好的趋势。［27］Yang and Meng 使用CLHLS 的5 期数据，从功能状态、生理健康、心理健康、 社会健康四个维度采用二阶因子模型测量老人健康均值显示，除2008 年，其余四期均值都呈上升态势， 且通过了各期均值差异的显著性检验，支持我国走向健康老龄化。［28］

　　还有一些研究结果是部分肯定、部分否定。余央央、封进基于1991—2009 年中国营养与健康调查（CHNS）数据，利用随机效应模型发现日常行为能力指标在代际间逐步改善， 但慢性病和健康风险指标却在逐步恶化，且农村更为严峻。［29］朱火云和黄雪山基于CLHLS 数据使用5 个维度17 个指标的老龄化态度量表（B-APQ）测量发现，积极老龄化态度指数呈波动趋势， 在2000、2002、2005、2011 年4 个时期高于均值，在1998、2008、2014 年3 个时期低于均值。［30］

　　根据不同类型老年人比例变化来评判的量化研究较少。 穆光宗提出一组包括健康老年人占总人口的比例变化、健康老年人占全部老年人的比例变化等8 个指标来反映中国老人健康变化，但他并未使用数据开展测量工作。［9］焦开山使用CLHLS2002、2005 新增样本组成的混合横截面数据，基于ADL、IADL、MMSE、自报慢性病症4 个指标的潜类别模型 （Latent Class Model，LCM）分类结果为，健康、轻度残障、认知缺损老人分别为38%、20%、18%（合计76%）， 而最不健康的为24%。但他的研究是基于截面数据，不足以反映我国老龄健康的变化趋势。［7］

　　总体上， 测量老龄健康大多为疾病、 共患疾病、死亡、伤残等生理健康指标、流行病学方法。［18］健康老龄化是应对人口老龄化的有效路径，老年人健康评估也应基于功能发挥视角的展开。［31］迄今为止，围绕功能发挥对老年人健康进行综合评估并分析其变化趋势的研究较欠缺。

三、研究设计

（一）样本数据来源

本文使用的样本数据是中国老年人健康长寿影响因素调查 （CLHLS）， 选择了2002、2005、2008、2011、2014、2018 这6 期数据。从2002 年开始是因为该年起，CLHLS 每隔3 年调查1 次，且将被访者的年龄范围扩大到了80 岁以下 （之前的1998、2000 年是每两年调查一次，且只调查80岁以上高龄老人）。 本文删除了样本中135 个60岁以下老人，最后得到80926 个观测值，最小60岁，最大120 岁。 数据结构如表1 所示。

　　

　　表1 六期CLHLS 数据结构分布

　　CLHLS2002、2005、2008 年3 期调查中，对死亡或失访的老人按同性别、同年龄的原则就近递补样本，从而保证跟踪调查数据的连续性与不同时点的可比性。［32］2011、2014 年两期只在8 个健康长寿典型调研地区新增受访者来替补已故（或失访） 被访者（其他调研地区没有新增替补受访者）。 2018 年又按照同性别、同年龄的原则就近递补样本，新增被访者12411 人。这6 期调查数据使用的是几乎完全相同的调查问卷和评估工具。 表1 显示，6 期数据的平均年龄、 性别比都很接近，样本结构总体上具有较高的纵向可比性。

（二）测量维度与指标

根据世界卫生组织的健康老龄化概念框架，使用CLHLS 数据中4 个量表测量被访老人的功能能力（Functional Ability），包括：第一，日常活动能力（ADL），又叫Katz 指数，指为维持生存及适应环境而每天必须反复进行的最基本、最具共性的活动，包括洗澡、穿衣、室内活动、上厕所、吃饭、控制大小便等6 个题目，不需要帮助得3 分，一个部位需要帮助得2 分，2 个以上部位需要帮助得1 分，加总6 个项目得分，最大值18，最小值6，为数值型变量；第二，器具性日常活动能力（IADL），指为了独立生活所需的关键、较高级的技能，大多为需要借助工具、与环境有互动的活动，包括能否到邻居家串门、举起5 公斤重物、洗衣服、做饭等8 个题目，能做到得3 分，有一定困难得2 分，不能做到得1 分，加总8 个项目得分，最大值24，最小值8，为数值型变量；第三，功能受限状况（ADS），指个体完成机能活动时的能力受限状况， 包括手能否触及后腰、 手能否触及颈根、能否从椅上站起来、能否从地上捡书以及原地转圈所需的步数、手臂能否上举等6 个题目，两只手都可以做到得3 分，一只手能做到得2 分，两只手都不能做到得1 分，加总之后，最大值18，最小值6， 为数值型变量； 第四， 认知功能（MMSE），CLHLS 使用中国版认知功能简易量表测量老年人的认知功能，包括方向定位能力、反应能力、注意力和计算能力、回忆能力以及语言、理解和自我协调能力等24 个题目，“一分钟内说出食物名字数量”这一题占7 分，其余23 个问题回答正确得1 分，不正确得0 分，加总之后，最大值30，最小值0，也是数值型变量，该认知功能简易量表对中国老年人群是可靠和有效的。［33］

　　此外，使用两年内患重病次数（重病是指需要住院治疗或在家卧床不起）、 自评患慢性病种类数 （老人自报是否患有所列出的慢性疾病，除去男性或女性独有的专科疾病）这2 个指标测量被访老人的生理健康（Physical Health）。

　　表2 报告了6 期数据中6 个指标的统计结果， 反映老人日常活动能力的Katz 指数均值为16.86，说明平均能完成6 项任务中的5 项，只有1 项不能独立完成。 器具性日常活动能力均值为18.05，说明平均能完成8 项任务中的6 项，只有2 项需要帮助。 功能受限状况ADS 均值为15.85，说明平均能完成6 项动作中的5 项，只有1 项受限。 这三个指标都处于较高水平， 反映2002—2018 年间我国老人的功能发挥状态总体处于较好水平。 认知功能正常与不正常的分界值与受教育程度有关。 由于中国高龄人群的受教育程度偏低， 学者建议使用18 分作为认知功能残障与无残障的分割点。［34］6 期数据中老人的认知功能均值为20.86， 故也处于较佳水平。 就生理健康而言，两年内患重病次数的均值为1.7 次，而老人患慢病种类数为1.11 种（不包括男性或女性专有的慢性疾病）。

　　

　　表2 测量指标的描述性统计结果（全样本）

　　从6 个指标变量的变化来看，4 个功能状态指标中，MMSE、ADS 呈现比较明显的上升走势，Katz、IADL 这两个指标则呈现在波动中略微上升的态势。 结合来看，反映功能状态的4 个指标是趋向更为健康的走势。 Illness 指标的6 期均值分别为1.86、1.45、1.11、1.61、2.12、2.31，呈现先降低再上升的走势。 老人患1 种以上慢性病Chronic的比率分别为58.65%、58.34%、55.88%、58.86%、59%和65.46%，患慢病种类数从1.06、1.09、0.96、1.10、1.08 上升到2018 年的1.34，趋势不容乐观。随着我国人均预期寿命的提升，慢性病高发也成为老龄化社会的一大挑战。 总的来看，近十年来两个疾病指标Illness、Chronic 是在趋向变差的。

（三）实证模型

由于是多维度测量，且各个指标都是连续型变量，本文使用可识别潜类别变量及其比例的潜剖面模型（Latent Profile Model，LPM）。 潜剖面模型假定每种潜类别对各个测量指标变量的取值结果具有某种倾向性的特定影响。［35－36］Grzywacz& Keyes 将老人整体健康分为完全健康、 不完全健康、完全不健康三类。［37］世界卫生组织将老人内在能力的变化分为能力强而稳定、 能力衰退、严重失能三个阶段。［13］参照这些做法，本文也将老年人健康预分为健康、一般、不健康三个潜类别（latent classes）。由健康、一般、不健康这三个互斥的潜类别来解释老人在6 个健康指标值的取值变化或差异。 模型如下所示：

　　式（1）中C 为潜类别变量，有j 个水平，本文j=1，2，3。潜剖面模型首先使用mlogit 回归估计式（1）中的潜类别概率p（ci=j）（类似方差解释比）。接着对6 个连续型测量指标进行线性回归， 估计出第i 个指标变量（i=1，2，……，6）在第j 个潜类别（j=1，2，3）的截距。由于模型中没有解释变量，该截距等价于指标变量在每一类的预测均值， 截距越大，说明该潜类别对此指标变量的影响越大。［35］

　　估计出潜类别概率、回归截距之后，再把个体在各个指标变量的作答结果代入贝叶斯后验概率公式（2），计算出老人在三种类别（C=1、2、3）的预测概率。 他在哪一类的概率最大，就将其归入对应的类别（健康、一般、不健康），从而完成对老年人健康类型的甄别。

四、实证结果分析

（一）模型估计结果

Stata 软件采用最大期望算法 （Expectation-Maximization Algorithm，EM）对潜剖面模型进行迭代求解，参数估计结果如表3 所示。

　　从表3 的参数估计结果来看，ADL、IADL、ADS、MMSE 都是正向测量老人健康， 而Illness、Chronic 都是负向测量老人健康。 前四个指标在C1、C2 类相比C3 更低，后两个指标在C1、C2 相比C3 更高， 结合可知C1、C2、C3 分别代表着不健康、一般、健康三个潜类别。从测量指标截距αij的估计结果看，ADL 在C2、C3 差别不大， 但与C1 类差距较大；IADL、ADS、MMSE 在三类老人之间的区分度比较均匀；Illness 在C1 的截距远大于在C2、C3 的截距。 而Chronic 在C1、C2、C3三类的值比较接近，反映老人患慢病的情况较为普遍。

　　

　　表3 潜剖面模型的参数估计结果

　　健康老人C3 尽管也平均有一种慢性病在身，但在日常活动能力、器具性活动能力、功能受限状况、 认知功能这4 个量表的取值都较高，可以独立地完成日常生活，对外部环境有较强的适应能力。从潜类别概率Pr（C=j）的估计值来看，C3这一类对6 个测量指标的解释能力越来越强，从62.6%上升到了68.5%， 说明健康这一类老人的作用越来越强了。

　　一般老人C2 在ADL、ADS 的取值较高，但在IADL 取值较低，IADL 活动在一定程度上依赖于认知功能。 C2 类老人在MMSE 取值已处于轻微缺损（得分为18～23）或中等缺损（得分为10～17）状态， 这使得C2 类一般老人在IADL、MMSE 取值都偏低。

　　不健康老人C1 在ADL、IADL、ADS 的取值都较低，在MMSE 已处于严重缺损（0～9 分）状态。C1 类老人已经失去了独立生活的能力，对外部环境形成了严重的依赖， 他们在Illness、Chronic 的取值也最高，尤其是两年类患重病次数最少的有9 次，最多的达17 次。

（二）老人健康类型的识别结果

1.全样本识别结果。 估计出参数αij、γj之后，把个体在各个指标变量的作答结果代入公式（2），计算出老人在三种潜类别（C=1、2、3）的预测概率，它在哪一类的概率最大，就将其归入对应类别。 区分之后， 加总得到样本中属于健康、一般、不健康3 类老人的比例。 如表4 所示。

　　

　　表4 潜剖面模型识别的老年人健康分类结果（单位：%）

　　从表4 可知，6 期数据中被识别为 “健康老人” 这一类的比例分别为62.77%、64.91%、64.49%、69.82%、73.41%、75.49%，而被识别为“不健康” 的比例为9.77%、9.8%、9.06%、9.44%、8.2%、6.67%，“健康”这一类老人的比例接近或超过了2/3，这与Yang and Meng 基于二阶因子模型测量老人健康值的变化趋势是一致的。［28］杨玲、宋靓珺基于CLHLS 的5 期数据， 也发现ADL、MMSE、PPT 三个健康量表都显示2002—2014 年间中国老年人健康状态呈现向好的趋势。［27］这些测量、分类结果表明，尽管近十年来我国老人在患重病、慢性病等疾病指标上有所恶化，但大多数老人仍能维持良好的功能发挥， 并且相比前期老人，后期老人还具有更好的功能发挥状态，总体上享有较高水平的健康状态。 这显然得益于我国经济社会发展带来的社保、营养、居住等经济生活条件的改善、医疗卫生事业的显著进步、活动场所增多，以及老人教育程度、健康素养提高等原因。 Fogel 对美国的研究也表明老年人确实比他们的祖父母、曾祖父母拥有更好的健康状况。［38］

　　2.分组样本识别结果。 为进一步揭示各个不同组群老龄健康变化的差异， 将样本分为男性、女性两组， 报告两组老人在6 期的健康变化趋势，如图1 所示。 分性别来看，男性老人的健康状况整体优于女性老人，这与大多数研究的结果是一致的。 男性老人中，被识别为“不健康”这一类的比例低于女性， 且男性相对稳定， 女性则在2014 年后有较为明显的下降趋势。男性老人被归入“一般”这一类从2008 年后开始减少，而女性被归入“一般”的在2008 年后减少的趋势更明显。男性老人被归为“健康”这一类有较缓慢的上升，而女性“健康”老人的变化更快速，从54.25%增至71.22%。 相比男性，女性老人的健康改善更明显，这归功于女性的社会地位上升、经济收入增多、抚育孩子数量减少、受教育程度提高等原因。

　　

　　图1 按性别分的老人健康潜类别比例（单位：%）

　　同时，分城镇、农村来分析健康老龄变化，结果如图2 所示。分城乡来看，二者变化趋势基本一致，而农村老人的健康状态略优于城镇老人。农村老人被归入“不健康”的比例低于城镇老人，二者在2014 年之后有所减少。城乡两组被归为“一般”老人的比例在2008 年后都有较为明显的降低。相对应，被识别为“健康”老人的在2008 年后都呈明显的增多态势。 总体上，城乡的差异不大。

　　

　　图2 按城乡分的老人健康潜类别比例（单位：%）

（三）样本选择问题

每期样本个体中，既有从前几期存活下来的老人，也有本期新增的老人。 考虑之前各期存活下来的老人在健康状况上相对更好，可能存在样本选择问题。借鉴焦开山的做法［7］，我们对每一期的新增样本进行单独识别，包括替代老人（由本地区年龄和性别相同的替换那些去世、 迁走、拒访、失访的）和首次调查老人（4）；作为对照，我们也报告了每一期样本中从前面各期存活下来老人的识别结果（5）。 如图3A、图3B 所示。

　　从图3A 可以看出，被识别为“健康”这一类老人在2008 年是降低的，但2011 年又有较大增幅，到2018 年由于新增样本多达12165 人，代表性较好，“健康”老人达73.8%。 总体上，“健康”老人比例呈底部抬高的W 走势。 “一般” 老人在2008 年之前是增多的， 但2011 年及之后各期开始降低。 “不健康”老人在2014 年之前都呈增多走势，但在2018 年有一个较大幅度的降低，变为7.34%。 “不健康”老人的这种下降趋势是否会延续下去，还需后期新数据进一步验证。 从图3A 对新增老人的识别结果看，从2011 年开始可以支持后期老人比前期老人更健康的基本结论， 而前三期的2002、2005、2008 数据并不支持该结论。

　　图3B 对各期存活老人的识别结果显示，走向健康老龄化的趋势更强劲，说明各期存活老人对健康老龄化趋势的贡献更大。 由于历经各期存活下来的老人会逐期减少（如从1998 年存活下来的老人分别为2642、1052、358、128、47、10 人），相应属于后面各期存活下来的老人就对应增多，而图3B 的“健康”老人比例明显上升，说明后期存活下来的老人又比前期存活下来的老人更为健康。 否则，如果是逆健康老龄化趋势，随着前期健康存活老人越来越少，图3B 会呈下降走势。

　　

　　图3 对新增、存活老人健康类型的识别结果（单位：%）

五、结论与政策建议

健康是保障老年人独立自主和社会参与的基础资源。 未来我国老年人将超过总人口的1/3，老年期也占整个生命周期1/4 以上， 由此决定了实现“健康老龄化”是实施积极应对人口老龄化战略的关键所在。 后期老年人是否比前期老年人更健康？ 研究结果对相关制度改革、体系优化、政策实施都非常重要。

　　从实证结果可以得到如下政策启示： 第一，将促进和维持老年人功能发挥作为共同目标，整合各级政府及各部门资源，形成合力，提高我国老龄政策及工作的实效性。 第二，针对不同健康类型老年人采取差异化干预政策，对“健康”这一类老人，主要是预防慢性病，早发现、早治疗，使其尽可能久地维持身体机能；对“一般”老人，着力于保持或延缓其能力衰退，提供支持性、适老化环境；对“不健康”老人，主要消除其日常生活、参与活动的障碍，提供照护、辅助性器具等，确保有尊严的晚年生活。 第三，在全国范围内进行支撑性环境的系统性改造升级，为老年人提供照护服务、辅助器具、无障碍设施与生活条件等。 第四，为患慢病、重病老人提供康复护理和医学治疗，尤其是发展社区康复护理服务。

　　注释：

　　（1）数据来源：国新办，2022 年国民经济运行情况新闻发布会。

　　（2）数据来源：澎湃新闻，https：//www.thepaper.cn/news-Detail_forward_18547178。

　　（3）数据来源：国家卫健委，《健康中国行动推进委员会办公室2019 年7 月29 日新闻发布会文字实录》。

　　（4）新增老人：2002 年9590 人（替代1989 人、首次7601），2005 年7067 人 （替 代3561 人、 首 次3506），2008 年8482 人（替代3027 人、首次5455人），2011 年1276 人（替代713 人、首次563 人），2014 年1125 人 （全部为替代），2018 年12165 人（全部为首次）。

　　（5）存活老人：2002 年6316 人（1998 年存活下来的2642、2000 年存活下来的3674），2005 年8175 人（1998年1052 人，2000 年1578 人，2002 年5545 人），2008 年7475 人 （分别存活358 人、593 人、3241人、3283 人），2011 年8405 人 （分别存活128 人、236 人、2152 人、1679 人、4210 人），2014 年6067人 （分别存活47、96、1539、1111、2453、821 人），2018 年3489 人（分别存活10、20、760、570、1110、444、759 人）。