Making Health Accessible: Effect of Digital Integration on Health Depreciation among Rural-urban Migrants
-
摘要:
进入数字时代，数字化融入对乡城流动人口的健康具有重要影响。基于CFPS 2014—2020混合截面数据，使用多元回归模型研究数字化融入对乡城流动人口健康折旧的影响。研究结果表明：数字化融入抑制了乡城流动人口的健康折旧。进一步的分析表明，在社交、学习与娱乐渠道进行数字化融入抑制了乡城流动人口的健康折旧，数字化融入时长与乡城流动人口的健康折旧存在“U”形关系。异质性分析结果表明，数字化融入对于乡城流动人口健康折旧的抑制作用在中年乡城流动人口、女性乡城流动人口和高中及以下教育程度的乡城流动人口中更显著。研究提出以下启示：继续提升互联网在乡城流动人口中的普及率，继续扩大乡城流动人口的数字化融入渠道，引导乡城流动人口正确、适当地使用互联网。
Abstract:Entering the digital era, the digital integration of rural-urban migrants has a significant impact on improving health. Based on the mixed cross-sectional data from CFPS 2014-2020, this study investigated the impact and mechanisms of digital integration on health depreciation among rural-urban migrants. The findings revealed that, digital integration significantly mitigated health depreciation among rural-urban migrants. In further analysis, digital integration through social, educational, and entertainment channels could significantly reduce the health depreciation of the migrant population. There was a “U-shaped” relationship between the duration of digital integration and health depreciation. Heterogeneity analysis revealed that, the inhibitory effect of digital integration on health depreciation was more pronounced among middle-aged migrants, female migrants, and migrants with a high school education or lower. The study suggested the following implications: continue to increase internet penetration among migrants, expand their channels of digital integration, and guide them to use the internet appropriately and effectively.
-
Keywords:
- digital integration /
- health depreciation /
- rural-urban migration
-
现阶段我国社会主要矛盾已经转化为人民日益增长的美好生活需要和不平衡不充分的发展之间的矛盾，而这种矛盾主要体现在城市与乡村的不平衡、乡村发展的不充分这两方面，尤其是贫困地区的乡村[1]。2021和2022年中央一号文件分别对乡村振兴提出了要求与任务：协同巩固脱贫成果，乡村振兴实现乡村的发展。2022年5月发布的《关于推进以县城为重要载体的城镇化建设意见》表明发展县城在城镇化建设中的重大意义；而近些年大多关注大城市和地级市的发展，对县域层面的发展有所忽视。县城可以在衔接城和乡起到承上启下作用，更有助于农民在县城实现就地城镇化。
在乡村振兴战略提出后，地方政府纷纷出台相应政策响应中央的部署。国内学者对乡村振兴内涵的认知基本一致，各领域学者基于不同视角对乡村振兴内涵进行研究。有学者认为，乡村振兴是延续脱贫攻坚继续对乡村发展的政策，旨在实现共同富裕[2]。温铁军认为乡村振兴应重视生态价值、乡土文化、产业创新、城乡融合和城乡互动等思想，不能让农民只种地，乡村千篇一律。也有学者认为产业不融合、人才缺失、集体经济发展缓慢是乡村振兴内生动力存在的问题[3]。还有不少学者探索了不同功能类型乡村的乡村振兴差异化路径以及乡村旅游对乡村振兴的驱动意义[4-6]。为了更好地推进乡村振兴，客观公正的乡村振兴发展水平评价具有长远的意义。近些年，众学者开始围绕乡村振兴发展水平展开了相关研究，主要集中在以下几个方面：（1）研究乡村振兴发展水平与其他热点主题的耦合分析，通常与新型城镇化[7]、农业现代化水平[8]、脱贫减贫[9]探索两者发展上的相互影响。（2）研究尺度：宏观层面上，卢凤英曾基于乡村振兴战略五大要求对全国各省份进行研究[10]。中观层面上，部分学者选择对典型地区进行测度及研究。也有学者研究了深度贫困地区乡村振兴发展问题[11]；陈俊梁[12]、段进军[13]、张荣天[14]等则研究了长三角地区乡村发展问题，得出与沪苏浙相比，安徽省乡村振兴发展水平较为滞后。微观层面上，学者对村域[15]、镇域[16]乡村振兴发展进行了研究。（3）多为采用乡村振兴战略五大要求构建指标体系，根据不同研究侧重点进行子系统的选择。研究方法多用熵值法、层次分析法等。基于当前文献分析可得：（1）地理、经济学等领域学者对乡村振兴发展水平的研究，一级指标大多是基于乡村振兴五大方面基础上提出，二级指标选取根据所研究领域各具侧重点。（2）研究尺度上跨域较大，从省域层面到微观村域都有涉及，而县域尺度结合时空维度进行研究的文献较少。（3）在研究主题方面，较多与其他相关热点主题耦合分析或者区域间差异的探寻，探究影响乡村振兴发展水平因素的研究较少。
根据已有研究可知，基于长三角总体视角，安徽省作为长三角非典型地区不仅经济水平相对滞后，乡村振兴发展水平也呈现如此特征，探析安徽省县域的乡村振兴发展对于协调区域间不协同和省内发展不均衡具有重要意义。因此，以安徽省59个县级单元（县、县级市）为研究对象，通过构建乡村振兴发展水平的评价体系，借助熵值法、空间自相关、地理探测器等研究方法，探寻2010—2019年安徽省乡村振兴发展水平的时空演化特征及影响因素，为安徽省制定不同地区乡村振兴发展差异化的路径提供参考。
一、 研究方法与数据来源
（一） 研究区域概况
研究区域为安徽省59个县级单元（县、县级市）。安徽省是农业大省、经济状况良好，境内有淮河、长江穿过且有2000多条河流，水资源总量丰富；安徽省域内平原、台地（岗地）、丘陵、山地等类型齐全。安徽省受区位、历史、地理等因素的影响，不同资源禀赋、发展潜力的地区各具特点和发展规律（图1）。
（二） 数据来源
主要来源于安徽省各市统计年鉴、《安徽省统计年鉴》《中国县域统计年鉴》及国家统计局相关清单等；其中夜间灯光数据引用国家青藏高原科学数据中心[17]、植被覆盖指数引用于中国科学院地理科学与资源研究所[18]、PM 2.5的数据源自加拿大达尔豪斯大学大气成分分析组、高程等数据来自中科院计算机网络信息中心成立的地理空间数据云、北京大学数字普惠金融指数源自北京大学数字金融研究中心和蚂蚁科技集团组成的联合课题组[19]。借助插值法对缺失数据进行补齐。
（三） 评价体系构建
乡村振兴发展水平评价指标的选取借鉴前人研究成果，将《乡村振兴战略规划（2018—2022 年）》提出的“产业兴旺、生态宜居、乡风文明、治理有效、生活富裕”五大方面指标选取为一级指标；结合安徽省乡村发展的现实情况，部分指标参考2021年全国乡村建设评价指标体系，最终形成乡村振兴发展水平评价指标体系（表1）。
表 1 乡村振兴发展水平评价指标体系一级指标 二级指标 指标测算方法或数据来源 权重 性质 产业兴旺 乡村就业水平 乡村从业人员数/乡村人口数量 0.0079 正 人均农业生产总值 农林牧渔业总产值/乡村人口数量 0.0614 正 人均农业生产增加值 农林牧渔业增加值/乡村人口数量 0.0629 正 人均农业机械总动力 农业机械总动力/第一产从业人口 0.0767 正 粮食生产水平 粮食总产量/常用耕地面积 0.0478 正 耕地在农作物播种中占有率 常用耕地面积/农作物总播种面积 0.0172 正 生态宜居 植被覆盖指数 中国科学院地理科学与资源研究所 0.0155 正 PM 2.5均值浓度 达尔豪斯大学大气成分分析组 0.0330 逆 交通便利度 道路长度/乡村人口数量 0.1529 正 自来水受益村庄数 统计年鉴 0.0895 正 乡风文明 万人中在校学生数 统计年鉴 0.0123 正 每万人医院、卫生院床位数 统计年鉴 0.0436 正 各种社会福利收养性单位数 统计年鉴 0.0775 正 离婚率 统计年鉴 0.0048 逆 治理有效 基层组织配套水平 乡村人口数量/村民委员会数量 0.0518 正 地方财政收支比 地方财政收入/地方财政支出 0.0536 正 农村居民最低生活保障人数 统计年鉴 0.0027 正 生活富裕 农村居民人均可支配收入 统计年鉴 0.0600 正 城乡居民收入比 统计年鉴 0.0088 逆 夜间灯光值 国家青藏高原科学数据中心 0.0761 正 宽带接入村庄数 统计年鉴 0.0440 正 （四） 研究方法
1. 熵值法
采用熵值法对乡村振兴发展水平的指标进行确权。第一步，采用极值法对数据进行无量纲化处理；第二步，确定指标权重，计算指标占比、算出熵值，然后通过差异系数算出权重；第三步将所计算出的各个指标的权重乘以对应指标无量纲化后的指数，即可得到各年份各县的乡村振兴发展水平综合指数。
2. 空间自相关分析
空间自相关作为一种空间统计方法，可以揭示指标变量在同一个研究区域内数据之间潜在的相互关联性。全局莫兰指数可以描述安徽省乡村振兴发展水平在整体空间上的聚集情况。
全局空间自相关无法识别空间中处于集聚状态的区域，为了进一步识别乡村振兴发展水平在空间上的特征，选取局部Getis-Ord G*i指数，空间上可以呈现出热点区与冷点区，弥补全局空间自相关分析的不足。
3. 地理探测器
研究采用因子探测模型探寻影响乡村振兴发展水平的因素（X）能在多大程度影响空间上乡村振兴水平总值（Y）之间的不同，计算可得q值，q值范围为[0, 1]。公式如下：
$$q = 1 - \dfrac{{\displaystyle\sum\nolimits_{h = 1}^L {{N_h}\sigma _h^2} }}{{N{\sigma ^2}}}$$ (1) 式（1）中h代表变量乡村振兴发展水平Y或者变量因子X的分层；Nh、N代表层h中的、全区域的单元数；
${{\sigma ^2}} $ 和${\sigma _h^2} $ 分别是层j和乡村振兴发展水平的方差。二、 结果与分析
（一） 乡村振兴发展水平整体演化特征
1. 安徽省乡村振兴发展水平整体演化特征
借鉴《安徽省城镇体系规划（2011—2030年）》中划分的皖南、皖北、沿江、皖中、皖西为五大发展片区，以片区为单位研究安徽省乡村振兴发展水平演化特征。通过图2可得，安徽省乡村振兴发展水平整体呈现上升势态，年均增幅5.27%；皖中片区>沿江片区>皖北片区>皖南片区>皖西片区。说明2010年以来安徽省县域乡村振兴发展不断朝着提升优化的方向前进，省内各片区间存在较明显的区域差异性。2010—2019年安徽省乡村振兴发展水平值在[0.1503，0.4755]范围内变化，将2010—2019年结果按照从低到高0～25%～50%～75%～100%四个发展阶段划分，借助ArcGIS 10.6软件对所测算的数据进行直观的呈现（图3）。
2. 安徽省乡村振兴发展水平的区域差异
为探寻安徽省各地区乡村振兴发展差异，对2010—2019年安徽省乡村振兴发展水平变异系数进行计算（图4），安徽省整体变异系数在[0.14，0.19]，具有较为明显的区域差异。沿江片区的变异系数处于[0.15，0.20]，乡村振兴发展水平差异最显著；皖西片区的变异系数处于[0.07，0.10]，表明皖西片区内乡村振兴发展水平区域差异较小；皖中片区的变异系数在[0.11，0.20]内上升，自2010年的0.11上升到2018年最高值0.20，表明皖中地区乡村振兴发展水平区域差异整体不断拉大。
（二） 乡村振兴发展水平空间特征
1. 乡村振兴发展整体空间特征
为揭示安徽省乡村振兴发展空间格局，借助ArcGIS10.6软件计算2010—2019年安徽省59个县级单元乡村振兴发展水平的全局空间自相关莫兰指数（Moran’ s I）。结果显示：2010—2019年安徽省县级单元乡村振兴水平的莫兰指数均大于0，且2010—2016年和2018—2019年通过1%的显著性水平检测，2017年通过了5%的显著性水平检测；表明安徽省乡村振兴发展水平呈现空间正相关，且空间集聚性较强（表2）。
表 2 2010—2019 年安徽省乡村振兴发展水平Moran’ s I 值年份 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 Moran’ I 0.362 *** 0.424*** 0.377*** 0.497*** 0.467*** 0.396*** 0.389*** 0.276* 0.353*** 0.445*** P 0.002 0.000 0.002 0.000 0.000 0.001 0.001 0.018 0.003 0.000 注：***、*代表1%、5%的显著性水平。 为探寻安徽省乡村振兴发展水平的空间分异特征，利用ArcGIS10.6软件得出2010—2019年安徽省乡村振兴发展趋势面（图5）。其中，地理坐标转换为X、Y轴，Z轴是2010—2019年安徽省59个县级单元乡村振兴发展水平值；将各数值点进行投影，得到两条代表安徽省乡村振兴发展水平的拟合曲线。由图5可知，2010—2019年安徽省乡村振兴发展水平由西到东呈现递增势态，由南到北呈现倒“三角”形；安徽省乡村振兴发展水平区域差异较为显著。由西到东，安徽省乡村振兴发展水平是怀宁县、太湖县、岳西县、望江县、宿松县等西部的欠发达县城向肥东县、长丰县、全椒县、和县、含山县、当涂县、来安县、天长市等东部经济发达县城不断递增的。由北向南，安徽北部到安徽中东位置，乡村振兴发展水平呈现递增势态，且达到倒“三角”顶点，即乡村振兴发展水平的最高点，到安徽南部则逐渐降低。
2. 乡村振兴发展局部呈现集聚性
借助ArcGIS10.6软件的空间统计功能进行安徽省各县级单元的热点分析（Getis-Ord G*），揭示安徽省乡村振兴发展局部集聚情况。其中热点区代表乡村振兴发展阶段较高的地区集聚，冷点区代表乡村振兴发展阶段较低的地区集聚。结果显示（图6）：置信热点区主要集中在滁州、合肥、马鞍山市附近；置信冷点区主要分布在大别山革命老区的县级单元。2010—2019年99%置信热点区由滁州不断向合肥和马鞍山市演化；99%置信冷点区均为位于安徽西南部的宿松和太湖县。
（三） 安徽省乡村振兴发展水平影响因素研究
1. 影响因素（X）的选取
为探寻影响安徽省县域乡村振兴发展水平的主要影响因素，需要对安徽省乡村振兴发展的空间格局形成的驱动因子进行深层次分析。乡村振兴发展是多重因素作用下的结果，经济、产业、区位、人口、本底资源、地形等维度都会对地域乡村振兴发展产生影响。基于此，以安徽省59个县级单元为研究的样本对象，截取2019年乡村振兴发展水平的总值为Y；研究基于选取数字普惠金融指数（X1）、城乡居民可支配收入之比（X2）、第二、三产业增加值占比（X3）、与所属地级市距离（X4）、乡村劳动力流失率（X5）、人口城镇化率（X6）、规模以上工业企业数（X7）、设施农业占地面积（X8）、乡村人口密度（X9）、人均地区生产总值（X10）、碳排放量（X11）、国家4A级以上风景区数量（X12）、坡度（X13）、水域面积（X14）、高程（X15）等15个备选指标进行模拟计算，探寻影响安徽省乡村振兴发展水平的主要影响因素。
2. 影响因素结果分析
根据因子探测器分析结果，剔除P>0.05的因子，最终筛选出五个影响安徽省乡村振兴发展的因子（表3）。可明晰各因子对安徽省乡村振兴发展水平影响程度大小，以2019年数据为例，人均地区生产总值（X12）>碳排放量（X13）>设施农业占地面积（X10）>第二、三产业增加值占比（X3）>与所属地级市距离（X4）。
表 3 因子探测结果变量（X） q值 P值 第二、三产业增加值占比（X3） 0.676*** 0.005 与所属地级市距离（X4） 0.667* 0.019 设施农业占地面积（X8） 0.686*** 0.000 人均地区生产总值（X10） 0.868*** 0.000 碳排放量（X11） 0.766*** 0.007 注：***、*代表1%、5%的显著性水平。 结合各因子q值来看，经济相关指标对乡村振兴发展水平影响程度最大，q值高达0.868，且通过了1%水平下的显著性检验，说明经济发展高低是乡村振兴发展水平空间分异的主导因素。碳排放量、设施农业占地面积和第二、三产业增加值占比的q值均达到0.67以上，且通过了1%水平下的显著性检验，相关数据表明，中国的碳排放量的70%是由工业生产排放的；说明三大产业的发展水平影响着乡村振兴水平。与所属地级市的距离的q值为0.667，且通过了5%水平下的显著性检验，表明区位也是影响安徽省乡村振兴水平空间分异的因子。通过分析可得，经济、产业与区位等因素综合影响着2010—2019年安徽省乡村振兴发展的空间异质，其中经济是主导因素。
三、 结论与讨论
（一） 结论
基于上文分析，得到结论如下：（1）乡村振兴发展水平整体呈现不断上升的势态，其中乡村振兴发展水平：皖中片区>沿江片区>皖北片区>皖南片区>皖西片区；其中沿江片区内县域乡村振兴发展差异最大，皖西片区最小。（2）空间演化上，乡村振兴发展水平全局上呈现出正自相关性特征，乡村振兴发展水平呈现集聚分布特征；且呈现由西到东呈现递增势态，由南到北呈现倒“三角”形空间格局；置信热点区主要集中在滁州、合肥、马鞍山市附近；置信冷点区的县主要分布在大别山革命老区。（3）经济、产业、区位等多因素综合作用影响安徽省县域乡村振兴发展时空分异。其中人均地区生产总值是影响安徽省乡村振兴发展的主导因素，碳排放量、设施农业占地面积、第二、三产业增加值占比和与所属地级市的距离对安徽省乡村振兴发展具有显著的影响。
（二） 讨论
综合上文研究认为应重视区域间的发展差异，明晰制约与促进乡村振兴发展的影响因素，制定差异化的乡村振兴发展路径。（1）对于位于合肥、滁州等“热点区”的县应以自身经济实力为后盾、发达的产业带动以及优越的区位等要素来加快乡村振兴步伐，加强城乡要素交流，提高城乡融合发展水平，早日实现农业农村现代化。（2）宿松县、怀宁县、望江县等“冷点区”位于大别山革命老区和长江下游之首的县，历史资源、自然资源丰富，生态敏感性高，当务之急应保证不发生规模性返贫协同进行乡村振兴：挖掘地域特色资源和发展潜力，打造地域名片；形成产业优势，实现三大产业融合发展；加强乡村物质建设，完善基础设施建设，满足人们的生活需求；设置乡村振兴示范村，通过编制村庄规划、旅游发展规划对示范村进行唤醒及活化。（3）皖北地区县域乡村与安徽省乡村振兴发展水平相差不大。皖北区域县域间乡村振兴发展差异不大，地势平坦，但人口流失严重，村庄空心化严重；应保证耕地不缺少的基础上发展特色农业，增加农民收入、完善基础设施配套；支持返乡创业，实现人口回流。（4）皖南地区应利用得天独厚的自然和文化资源，发展乡村旅游，完善乡村基础设施；活化闲置宅基地，放活土地经营权；打造特色旅游项目，提高乡村居民旅游业的收入。
① 为了防止部分地区样本过少造成估计偏误，在后续回归分析时剔除了出现地区“完美预测”（Perfect Predict）的样本，所以后续回归结果的样本量略有变动。 -
表 1 变量描述性统计
变量 变量描述 观测值 平均值 标准差 最小值 最大值 健康折旧 0=未发生健康折旧，1=发生健康折旧 10351 0.33 0.47 0 1 数字化融入 0=不使用互联网，1=使用互联网 10351 0.35 0.48 0 1 年龄 1=16～30岁，2=31～45岁，3=46～60岁，4= >60岁 10351 2.63 0.97 1 4 性别 0=女性，1=男性 10351 0.48 0.50 0 1 婚姻状况 0=无配偶，1=有配偶 10351 0.88 0.33 0 1 受教育程度 0=高中及以下，1=大专及以上 10351 0.05 0.21 0 1 初始健康 0=不健康，1=健康 10351 0.29 0.45 0 1 工作状态 0=暂时或永久退出劳动力市场，1=在业 10351 0.82 0.39 0 1 慢性病 0=无慢性病，1=有慢性病 10351 0.17 0.37 0 1 经济收入 1～5，代表收入在本地的五个等级 10351 2.57 1.04 1 5 
下载: 导出CSV
表 2 基准回归结果
变量 Probit Logit 数字化融入 −0.440*** −0.138*** −0.729*** −0.233*** （ 0.0000 ）（ 0.0004 ）（ 0.0000 ）（ 0.0004 ）年
龄
︵
参
照
项
16
~
30
岁
︶31~45岁 0.109** 0.211** （ 0.0464 ）（ 0.0279 ）46~60岁 0.402*** 0.703*** （ 0.0000 ）（ 0.0000 ）>60岁 0.630*** 1.070*** （ 0.0000 ）（ 0.0000 ）性别 −0.175*** −0.293*** （ 0.0000 ）（ 0.0000 ）婚姻状况 0.015 0.033 （ 0.7460 ）（ 0.6719 ）受教育程度 0.027 0.063 （ 0.7361 ）（ 0.6487 ）初始健康 −0.512*** −0.872*** （ 0.0000 ）（ 0.0000 ）工作状态 0.005 0.008 （ 0.2423 ）（ 0.2484 ）慢性病 0.252*** 0.407*** （ 0.0000 ）（ 0.0000 ）经济收入 −0.054*** −0.090*** （ 0.0001 ）（ 0.0001 ）截距 −0.296*** −0.441*** −0.475*** −0.785*** （ 0.0000 ）（ 0.0012 ）（ 0.0000 ）（ 0.0006 ）年份固定效应 NO YES NO YES 区县固定效应 NO YES NO YES N 10351 10097 10351 10097 adj. R2 0.02 0.11 0.02 0.11 注：* P<0.1, ** P<0.05, *** P<0.01，括号中为标准误，下同。
下载: 导出CSV
表 3 作用渠道回归结果
变量 健康折旧 数字化融入×社交 −0.101** （ 0.0143 ）数字化融入×娱乐 −0.116*** （ 0.0051 ）数字化融入×工作 −0.061 （ 0.2630 ）数字化融入×学习 −0.129** （ 0.0119 ）数字化融入×商业 −0.008 （ 0.8951 ）控制变量 YES YES YES YES YES 年份固定效应 YES YES YES YES YES 省份固定效应 YES YES YES YES YES N 10097 10097 10097 10097 10097
下载: 导出CSV
表 4 数字化融入时长回归结果
变量 健康折旧 数字化融入时长 −0.003 −0.014*** （ 0.1322 ）（ 0.0004 ）数字化融入时长的平方 0.000*** （ 0.0001 ）控制变量 YES YES 年份固定效应 YES YES 省份固定效应 YES YES N 10097 10097 注：数字化融入时长平方项的精确系数为 0.0002594 。
下载: 导出CSV
表 5 IV-Probit回归结果
项目 第一阶段 第二阶段 数字化融入 健康折旧 数字化融入 −0.589*** （- 0.2157 ）IV 0.524*** （− 0.0299 ）控制变量 YES YES 年份固定效应 YES YES 省份固定效应 YES YES 弱工具变量F检验 189.56*** Wald外生性检验 4.20** N 10120
下载: 导出CSV
表 6 熵平衡结果
变量 平衡前 平衡后 处理组 控制组 处理组 控制组 均值 方差 偏斜 均值 方差 偏斜 均值 方差 偏斜 均值 方差 偏斜 年龄 1.90 0.60 0.44 3.03 0.67 −0.43 1.90 0.60 0.44 1.90 0.65 0.54 性别 0.53 0.25 −0.12 0.46 0.25 0.16 0.53 0.25 −0.12 0.53 0.25 −0.12 婚姻状况 0.84 0.14 −1.82 0.90 0.09 −2.69 0.84 0.14 −1.82 0.84 0.14 −1.82 受教育程度 0.10 0.09 2.62 0.02 0.01 7.97 0.10 0.09 2.62 0.10 0.09 2.62 初始健康 0.34 0.22 0.68 0.26 0.19 1.07 0.34 0.22 0.68 0.34 0.22 0.69 工作状态 0.88 0.11 −2.28 0.79 0.17 −1.41 0.88 0.11 −2.28 0.88 0.11 −2.27 慢性病 0.11 0.09 2.58 0.20 0.16 1.52 0.11 0.09 2.58 0.11 0.09 2.57 经济收入 2.63 0.83 −0.02 2.53 1.22 0.33 2.63 0.83 −0.02 2.63 1.10 0.23 平衡后-健康折旧 数字化融入 −0.158*** （ 0.0016 ）控制变量 YES 年份固定效应 YES 区县固定效应 YES N 10097
下载: 导出CSV
表 7 稳健性检验回归结果
项目 健康折旧 数字化融入 −0.138*** −0.137*** −0.050*** （ 0.0004 ）（ 0.0041 ）（ 0.0019 ）剔除高龄样本 YES 排除COVID-19干扰 YES 排除竞争性假说 YES 控制变量 YES YES YES 年份固定效应 YES YES YES 区县固定效应 YES YES YES N 10041 7384 10097
下载: 导出CSV
表 8 异质性回归结果
变量 健康折旧 年龄异质性 性别异质性 教育异质性 15～30岁 31～45岁 46～60岁 >60岁 女性 男性 高中及以下 大专及以上 数字化融入 −0.062 −0.098* −0.270*** −0.099 −0.177*** −0.120** −0.168*** −0.062 （ 0.5982 ）（ 0.0895 ）（ 0.0000 ）（ 0.5273 ）（ 0.0006 ）（ 0.0240 ）（ 0.0000 ）（ 0.5982 ）控制变量 YES YES YES YES YES YES YES YES 年份固定效应 YES YES YES YES YES YES YES YES 省份固定效应 YES YES YES YES YES YES YES YES N 1403 3108 3609 2206 5344 4998 9883 452
下载: 导出CSV
-
[1] 牛建林. 人口流动对中国城乡居民健康差异的影响[J]. 中国社会科学, 2013(2): 46. [2] 李建民, 王婷, 孙智帅. 从健康优势到健康劣势: 乡城流动人口中的“流行病学悖论”[J]. 人口研究, 2018, 42(6): 46. [3] MA C, QU Z, XU Z. Internal Migration and Mental Health: An Examination of the Healthy Migration Phenomenon in China[J]. Population Research and Policy Review, 2019(5): 493. DOI: 10.1007/s11113-019-09552-z.
[4] LU Y, QIN L. Healthy migrant and salmon bias hypotheses: A study of health and internal migration in China[J]. Social Science & Medicine, 2014, 102(2): 41. DOI: 10.1016/j.socscimed.2013.11.040.
[5] TONG Y, PIOTROWSKI M. Migration and Health Selectivity in the Context of Internal Migration in China, 1997-2009[J]. Population Research & Policy Review, 2012, 31(4): 497. DOI: 10.1007/s11113-012-9240-y.
[6] DONG E, XU T, SHI J, BA D, et al. Healthy immigration effect among internal migrants in megacities: a cross-sectional study in Shanghai, China[J]. Frontiers in Public Health, 2023(11): 1167697. DOI: 10.3389/fpubh.2023.1167697.
[7] GROSSMAN M. Determinants of health: an economic perspective[M]. Columbia: Columbia University Press, 2017: 6-41.
[8] 王玉泽, 罗能生. 空气污染、健康折旧与医疗成本: 基于生理、心理及社会适应能力三重视角的研究[J]. 经济研究, 2020, 55(12): 80. [9] 郝枫, 张圆, 李晓红. 中国健康资本内生折旧率估算及成因分析[J]. 人口与发展, 2020, 26(2): 36. [10] LIU H. Health depreciation effect and medical cost effect of air pollution: based on multidimensional health perspective[J]. Air Quality, Atmosphere & Health, 2022, 15(5): 877. DOI: 10.1007/s11869-022-01189-w.
[11] 李竞博, 李怡. 互联网使用对空巢老人健康的影响: 基于年龄−时期−队列模型的分析[J]. 人口研究, 2024, 48(2): 60. [12] 贾玮, 刘磊. 数字鸿沟与青年心理健康: 基于CFPS数据的实证分析[J]. 人口与发展, 2023, 29(6): 43. [13] 杨克文, 赵敏娟. 互联网使用、就业表现与农民健康: 基于2016年中国劳动力动态调查数据的研究[J]. 中国经济问题, 2022(2): 121. DOI: 10.19365/j.issn1000-4181.2022.02.09. [14] 徐海东, 周皓. 过度劳动、健康折旧与收入补偿[J]. 劳动经济研究, 2021, 9(3): 3. [15] 吴晶, 周彩. 互联网使用对农民工工作满意度的影响及其机制: 基于CFPS面板数据的实证研究[J]. 湖南农业大学学报(社会科学版), 2023, 24(3): 65. DOI: 10.13331/j.cnki.jhau(ss).2023.03.008. [16] 陈培彬, 黄美娇. 互联网使用能抑制农村老年人的郁倾向吗?[J]. 西安电子科技大学学报(社会科学版), 2023, 33(2): 65. DOI: 10.16348/j.cnki.cn61-1336/c.2023.02.014. [17] 靳永爱, 胡文波, 冯阳. 数字时代的互联网使用与中老年人生活: 中国老年群体数字鸿沟与数字融入调查主要数据结果分析[J]. 人口研究, 2024, 48(1): 40. [18] 穆克朗, 王东方, 欧阳萱, 等. 大学生网络成瘾与抑郁症状的关系: 一个链式中介模型[J]. 中国临床心理学杂志, 2024, 32(3): 526. DOI: 10.16128/j.cnki.1005-3611.2024.03.007. [19] 马晓青, 谢晖, 曾春璐, 等. 使用互联网及久坐行为对老年人社会参与的影响[J]. 中华全科医学, 2024, 22(8): 1292. DOI: 10.16766/j.cnki.issn.1674-4152.003619. [20] 洪灏琪, 宁满秀, 罗叶. 城乡居民医保整合是否抑制了农村中老年人健康损耗?[J]. 中国农村经济, 2021(6): 128. [21] 曹江雨, 王忠军, 唐云, 等. 组织管理研究中的控制变量使用: 问题与策略[J]. 中国人力资源开发, 2020, 37(8): 48. DOI: 10.16471/j.cnki.11-2822/c.2020.8.004. [22] 姜山, 蒋潮鑫, 任强. 数字融入、社会资本与老年心理健康: 基于中国老年社会追踪调查的实证研究[J]. 治理研究, 2022, 38(5): 25. DOI: 10.15944/j.cnki.33-1010/d.2022.05.012. [23] 易梦洁, 李嘉晟. 互联网社交与个人捐赠: 基于CFPS微观调查数据的实证研究[J]. 投资研究, 2023, 42(3): 121. [24] 李小曼, 张怡, 邓大松. 参军经历、社会资本对老年人自评健康的影响[J]. 社会保障研究, 2023(6): 20. DOI: 10.3969/j.issn.1674-4802.2023.06.002. [25] 吴旭红, 谢舒婕. 互联网使用、老年人健康与适老化应对: 基于中国健康与养老追踪调查(CHARLS)的实证研究[J]. 电子政务, 2024(5): 101. DOI: 10.16582/j.cnki.dzzw.2024.05.010. [26] 周建华, 孙艳飞. 代际转换视角下老一代农民工弱势化趋向及发生机制[J]. 农村经济, 2020(9): 130. [27] 范从波, 温勇. 互联网使用对中老年人健康的影响研究[J]. 西北人口, 2023, 44(3): 80. DOI: 10.15884/j.cnki.issn.1007-0672.2023.03.007. -
期刊类型引用(1)
1. 高宏旭，张明善，李楠新. 乡村振兴发展动态的空间关联网络特征. 统计与决策. 2024(19): 55-60 . 
百度学术
其他类型引用(5)
计量
- 文章访问数: 387
- HTML全文浏览量: 80
- PDF下载量: 33
- 被引次数: 6