编辑推荐：
为解决健康与财富因果关系不明等问题，北京大学国家发展研究院的研究人员基于 CHARLS 数据开展相关研究。结果表明财富对中国中老年健康有显著因果影响。该研究为政策制定等提供依据，推荐科研读者阅读。
在全球老龄化浪潮的席卷下，中国也面临着日益严峻的人口老龄化问题。到 2030 年，全球每 6 个人中就有 1 人年龄在 60 岁及以上，而中国的老年人口规模更是迅速膨胀，截至 2023 年底，60 岁及以上老年人口已达 2.9697 亿，占总人口的 21.1% 。随着老年人口的增多，他们的健康状况和生活质量成为了社会关注的焦点。
一直以来，人们都发现健康和财富之间似乎存在着某种紧密的联系，也就是所谓的 “健康 - 财富梯度” 现象，即财富越多的人，健康状况往往越好。经济学家和社会研究者们为此提出了各种解释，有人认为是经济资源影响健康，有钱人能享受更好的医疗服务、住在更优质的社区，自然健康状况更好；也有人觉得可能是健康影响经济资源，身体好的人能工作更久，收入和财富也就更多；还有人提出或许存在某个神秘的第三方因素，同时决定着财富和健康。
然而，之前的众多研究存在不少问题。在衡量健康指标时，很多研究都比较单一，要么只关注特定疾病群体，要么用一些笼统的健康指标，没有全面考虑健康的各个维度。比如说，有些慢性疾病患者可能同时还存在功能残疾问题，但这些研究却没能体现出来。而且收集财富数据也困难重重，财富信息很私人，资产和债务还不断变化，调查人员得具备专业评估技能才行。同时，财富和教育、收入、职业等社会经济因素相互影响，忽略这些关系，研究结果就容易有偏差。另外，以往研究大多基于发达国家的数据，在发展中国家的适用性存疑，而且还得考虑样本选择、测量误差等内生性问题。
为了深入探究健康和财富之间的复杂关系，北京大学国家发展研究院的研究人员在《BMC Public Health》期刊上发表了一篇名为《Wealth and health among middle - aged and elderly adults in China: evidence from the China Health and Retirement Longitudinal Study》的论文。他们通过研究，得出了不少重要结论，这对于理解健康和财富的关系，以及制定相关政策有着重要意义。
研究人员在这项研究中用到了几个关键技术方法。他们使用的数据来自中国健康与养老追踪调查（CHARLS），这是一个针对 45 岁及以上人群的大规模调查，样本具有广泛的代表性。在测量健康状况时，他们选取了 34 个问题，从自评健康状况、日常生活活动能力、身体功能障碍、抑郁情绪、医生诊断的慢性疾病等六个维度进行评估，然后通过主成分分析，构建了一个综合的健康状况指数。对于财富变量，他们参考 CHARLS 的定义，将财富资产分为六类，经过一系列复杂的计算，得出个人的净财富值并进行对数转换。为了解决内生性问题，他们还精心挑选了两个工具变量 —— 是否发生过继承和当前财富的滞后值，并且采用了静态面板模型和工具变量模型等多种计量经济学方法进行分析。
下面来看看具体的研究结果。
数据集
研究人员对数据进行了详细的描述性分析。参与调查的样本涵盖了不同年份的人群，数据结构稳定，没有出现突变情况。以工具变量模型（IV 模型）的数据集为例，样本的平均年龄是 61.13 岁，大部分人有伴侣，男性占比 48.5% ，平均受教育年限为 5.69 年，多数人来自中部地区，在 2013 年前有 4.5% 的人继承过财富，而且财富和年收入呈逐年上升趋势。通过对不同健康状况群体的财富趋势分析发现，健康状况越好的群体，其中位数财富越高，比如 2011 年健康状况最好的群体，其中位数财富是最差群体的三倍多。
静态面板数据分析
研究人员分别用混合最小二乘法（OLS）模型、固定效应（FE）模型和随机效应（RE）模型对两期追踪数据进行估计。经过一系列检验，发现固定效应模型最为合适。在这个模型中，财富和健康呈现显著的负相关关系，也就是说财富每增加 1%，健康指数平均会下降约 0.00032 单位。同时，年龄与健康也显著负相关，年龄越大，健康状况越差。而年收入、婚姻状况、户籍状况等变量在固定效应模型中的相关性和其他两个模型有所不同，这也说明可能存在内生性问题，需要进一步研究。
工具变量模型
研究人员选取继承和当前财富的滞后值作为工具变量，对 2013 年的数据进行 IV 模型估计，并进行了一系列严格的统计检验。结果表明，存在内生性问题，但工具变量是合理的。IV 模型的结果显示，财富和健康的负相关关系依然显著，财富每增加 1%，健康指数平均下降约 0.00229 单位。其他控制变量的结果也比较稳定，比如年龄越大健康越差，男性比女性健康状况好，有伴侣的人比独居者健康状况好等等。而且研究还发现，真正影响健康的是永久收入，而不是短期的年收入。
稳健性检验
为了确保研究结果的可靠性，研究人员进行了稳健性检验。他们改变了健康的测量方式，将健康指数转换为五分位数，估计了有序逻辑回归模型等多种模型，还使用了自评健康状况、CESD - 10 量表等多种健康测量指标。结果发现，财富的系数和统计显著性都与之前的结果一致，其他控制变量的结果也保持稳定。不过，当把一些特定慢性疾病纳入同一框架时，虽然财富系数符合预期，但不再具有统计学意义，研究人员推测这可能和疾病的发展阶段有关。
研究人员通过一系列复杂的研究，验证了财富与健康之间存在显著的因果关系，支持了财富影响健康的假设。这意味着经济资源在很大程度上影响着人们的健康状况。而且他们还发现，永久收入在健康方面起着决定性作用，而短期收入与健康之间的因果机制还需要进一步探索。
这项研究有着重要的意义。从学术角度来看，它使用了具有代表性的 CHARLS 数据，还采用了创新的分析策略，综合运用静态面板数据分析和 IV 估计方法，比传统研究方法更准确地揭示了财富和健康的关系，为该领域的研究提供了新的思路和方法。从政策角度来说，研究结果为政策制定者提供了重要参考。一方面，强调了精准扶贫政策对改善贫困人口健康的重要性，社会福利政策应该致力于帮助贫困人口增加财富，提供长期稳定的收入来源，同时加强基本医疗保障和社会福利体系，防止因病致贫。另一方面，也提醒政策制定者在实施经济改革政策时，要充分考虑这些政策对人们健康的间接影响，避免出现负面影响。
不过，这项研究也存在一些局限性。由于数据是通过自我报告收集的，可能存在误报和漏报的情况，导致一些指标被低估。而且 2011 - 2013 年的数据可能无法反映近期社会经济的变化，未来研究可以纳入更多波次或更新的数据。另外，在长面板数据条件下，研究的分析策略还有优化空间，需要探索更合理的工具变量。而且研究没有直接证明健康对经济资源的影响，这也是未来研究可以努力的方向。
总的来说，这项研究虽然有一定的局限性，但为我们理解健康和财富的关系打开了一扇新的大门，为后续研究和政策制定提供了宝贵的参考，期待未来能有更多更深入的研究，进一步揭示这一复杂关系的奥秘。
