《INQUIRY: The Journal of Health Care Organization, Provision, and Financing》：Determinants of Life Expectancy in the European Union: A Panel Data Analysis
编辑推荐：
预期寿命（life expectancy）是反映人口健康与医疗卫生系统绩效最全面的指标之一。本研究从健康经济学视角，考察了六个欧盟（European Union, EU）成员国的经济、人口及死亡率相关因素对预期寿命的影响。
方法：研究人员采用面板数据固定效应
预期寿命（life expectancy）是反映人口健康与医疗卫生系统绩效最全面的指标之一。本研究从健康经济学视角，考察了六个欧盟（European Union, EU）成员国的经济、人口及死亡率相关因素对预期寿命的影响。
方法：研究人员采用面板数据固定效应模型（panel-data fixed-effects model）与Driscoll-Kraay稳健标准误（Driscoll-Kraay robust standard errors），对六个欧盟成员国（罗马尼亚、保加利亚、拉脱维亚、德国、意大利和西班牙）2011—2021年的经合组织（OECD）数据进行分析。纳入这些国家旨在捕捉欧盟内部在经济发展、人口动态及卫生系统绩效方面的显著异质性。在模型优化过程中，排除了与预期寿命存在概念重叠或强多重共线性的变量（包括一般人口规模指标），以提高可解释性与估计稳健性。研究估计了四个互补的模型设定，以分别评估经济发展、人口更新和死亡率负担的影响。
结果：死亡率相关指标与预期寿命表现出最强的统计关联。总体死亡率负担（general mortality burden）和因事故导致的潜在寿命损失年数（potential years of life lost due to accidents）与长寿呈负相关，但这些关系应结合死亡率指标与预期寿命之间的概念近似性加以解释。人均GDP（GDP per capita）与预期寿命保持正相关，但在纳入死亡率和人口变量后，其解释力下降，表明经济发展的边际回报递减。粗出生率（crude birth rate）被视为更广泛人口韧性（demographic resilience）而非长寿直接决定因素的代理指标，在全样本模型设定中与预期寿命保持正相关。
结论：预期寿命的可持续改善较少依赖于单纯的经济增长，而更多取决于降低可预防死亡率、加强预防性医疗保健以及促进人口韧性。通过将可避免死亡同时视为公共卫生挑战和结构性经济成本，本研究为旨在缩小欧盟成员国之间健康差距的综合卫生、人口与经济政策提供了证据。
预期寿命是衡量人口健康与医疗卫生系统绩效的综合性指标。尽管欧盟经济一体化已推动成员国生活水平和医疗服务普遍改善，但东西欧之间仍存在持续的健康不平等，且单纯的经济增长并未自动转化为同等的长寿收益。现有文献多将经济发展、死亡率负担、人口特征和卫生系统绩效等维度分开考察，缺乏对其相互作用的整合分析。为弥补这一缺口，本研究从健康经济学视角提出“经济—人口—健康”三角关系框架，旨在同时评估经济发展、人口更新和死亡率负担对欧盟成员国预期寿命的联合影响，从而为缩小区域健康差距提供综合证据。
研究人员利用OECD.Stat数据库，选取六个具有结构性差异的欧盟成员国（罗马尼亚、保加利亚、拉脱维亚、德国、意大利和西班牙），构建2011—2021年平衡面板数据。研究以出生时预期寿命（life expectancy at birth, LEB）为因变量，纳入人均GDP（GDP per capita, GDP）、实际个人消费（real individual consumption, RIC）、粗出生率（crude birth rate, CBR）、死亡率（death rate, DHR）和因事故导致的潜在寿命损失年数（potential years of life lost due to accidents, PYLLA）等自变量。通过四个互补的面板固定效应模型，分别考察经济消费维度、死亡率与人口维度、综合经济—人口—死亡维度以及稳健性设定，并结合Driscoll-Kraay稳健标准误处理异方差和截面相关。研究还通过剔除疫情年份和引入COVID-19虚拟变量进行敏感性分析。主要结论是：死亡率相关指标与预期寿命关联最强；GDP仍呈正相关但边际贡献递减；粗出生率作为人口韧性代理保持正向关联。该研究强调，可持续改善预期寿命更依赖预防保健、降低可避免死亡和促进人口韧性，而非单纯经济增长。
研究方法方面，数据来源为OECD.Stat数据库，样本为六个欧盟成员国（罗马尼亚、保加利亚、拉脱维亚、德国、意大利、西班牙）2011—2021年年度平衡面板。因变量为出生时预期寿命（LEB）；自变量包括人均GDP、实际个人消费（RIC）、粗出生率（CBR）、死亡率（DHR）和因事故导致的潜在寿命损失年数（PYLLA）。所有变量取自然对数后运用面板固定效应模型，结合Driscoll-Kraay稳健标准误估计。通过方差膨胀因子（VIF）排除多重共线性，并采用Modified Wald、Wooldridge、Pesaran CD和Hausman检验进行诊断。构建四个模型：1MED（经济消费）、2MMD（死亡率人口）、3MEDM（主综合）、4MRS（稳健）。另以剔除疫情年份和加入COVID-19
