城乡老人居住安排变化及其死亡风险

如前文所述，城乡老人的居住安排本来就不同，而其居住安排的变化更可能会给老人的死亡风险带来不同的影响，因此，本小节考察城乡不同样本下老人居住安排变化对其死亡风险的影响。

一、城乡样本同住变化及样本分布描述

在总样本9 273个个案的基础上，这里细分为农村(5 424个)和城镇(3 849个)两个样本进行分析。关于农村老人的死亡情况，2002年中有2 215位老年人在2005年调查之前死亡，有981位在2008年调查之前死亡。因此在观察窗口期，共有3 196位农村老年人死亡，1 789位在世，439位失访。城镇老人的相应情况则是：2002年中有1 433位老年人在2005年调查之前死亡，有626位在2008年调查之前死亡。因此在观察窗口期，共有2 059位城镇老年人死亡，1 194位在世，595位失访。

这里也就不同城乡样本下各种居住安排变化情况做一个描述。得到表6.7的结果。

表6.7显示，农村老人无论是在2002—2005年阶段还是2005—2008年阶段，都以“一直同住”为主，而城镇老人开始以“一直不同住”为主，随后以“一直同住”为主。如果将“一直不同住”和“同住变为不同住”的比例相加算做“不同住”，而将“不同住变为同住”和“一直同住”相加算做“同住”，则农村样本在两次两个年份不同住比例在四成到五成之间，而城镇老人的比例比农村的比例略高一些。这也说明了城镇老人较农村老人不同住的比例高。这一点也与之前学者们的研究结果相一致。

表6．7　城乡2002—2005、2005—2008年调查存活老年人中居住安排变化情况

接下来，表6.8列出了基期调查有关变量在城乡样本的分布情况。

表6．8　城乡样本基期(2002年)变量分布单位：%

续表

表6.8显示，基期调查中城乡老人与子女同住的比例都没有超过半数，而且农村老人与子女同住的比例比城镇老人高出一成左右。在社会人口特征上，虽然城乡老人的受教育比例不到半数，但城镇老人样本比农村老人受教育水平更高，高出15%左右。房主为后代的比例在城乡样本里都很高，但农村样本的比例更高，比城镇样本高出一成多。说明城镇老人的社会经济地位较农村老人的高。虽然城镇老人在日常活动受阻和患慢性病的比例比农村老人的高(前者高出4%左右，后者高出8%左右)，但城镇老人的健康自评好的比例较农村老人的高，总体上说明城镇老人的生理健康比农村老人的差但自己对健康的总评价较高。在生活方式方面，城镇老人比农村老人更倾向于锻炼身体和参加社会活动。

二、城乡样本下同住变化与老年人死亡风险

对于同住变化与老年人的死亡风险的两两检验是必不可少的。从卡方检验的结果来看，农村和城镇样本中的同住变化都在0.001水平上显著。通过做Kaplan-Meier生存函数图，得到图6.3(a)和(b)的结果，其中(a)是农村样本下得到的结果，(b)是城镇样本下得到的结果。图6.3(a)和(b)揭示，无论是农村样本还是城镇样本，都表现为“一直不同住”和“同住变为不同住”老人的死亡风险较高，“一直同住”和“不同住变为同住”老人的死亡风险较低，而且前两类和后两类在都明显地区分为两组，即当前不同住组和当前同住组。不同住组老人的死亡风险较高而同住组老人的死亡风险较低。同时，“同住变为不同住”老人的死亡风险略比“一直不同住”的高。

接下来我们逐步将社会人口特征、健康状况以及生活方式等变量分模块引入模型考察这些因素对城乡老人死亡风险的影响作用。表6.9是模型运行的部分结果，限于篇幅，这里也没有列出标准误。

图6．3　城乡同住变化生存函数图
(a)农村样本；(b)城镇样本

表6.9各模型的设置如下：模型1是农村样本下包含同住变化、控制变量的模型；模型2是农村样本下包含同住变化、控制变量、虚弱度因子的模型；模型3是城镇样本下包含同住变化、控制变量的模型；模型4是城镇样本下包含同住变化、控制变量、虚弱度因子的模型。

表6．9　2002—2011／2012年居住安排变化对老年人死亡风险的影响——城乡样本

注：＋＜0.1；∗＜0.05；∗∗＜0.01；∗∗∗＜0.001；为节省篇幅，LL值只精确到小数点后1位。

对比模型2和模型1，可以看到，加入frailty因子前后“同住变为不同住”、“不同住变为同住”以及“一直同住”项的系数方向和显著程度不变，只是加入了frailty因子以后三个核心自变量系数绝对值更大。具体表现为在加入frailty因子之前，相对于一直不同住的农村老人而言，“同住变为不同住”老人的死亡风险是其的113%“不同住变为同住”老人的死亡风险是其的22%，“一直同住”老人的死亡风险是其的21%。在加入frailty因子之后，相对于一直不同住的农村老人而言，“同住变为不同住”老人的死亡风险是其的282%，“不同住变为同住”和“一直同住”老人的死亡风险都不足其1%(分别为0.40%和0.48%)。因此可以看到，如果没有加入frailty因子，“同住变为不同住”对老人死亡风险的效应低估了169%(＝282%-113%)，“不同住变为同住”对老人死亡风险的效应将高估22%(＝22%-0%)，“一直同住”的效应将高估21%(＝21%-0%)。模型2中的frailty因子显著增加了低龄老年人的死亡风险。另外，通过模型间的卡方检验，我们得知加入了frailty因子后的模型2更能拟合数据。

模型4和模型3的结果来自城镇样本。这里我们也同样看到，是否加入frailty因子对核心自变量系数的方向和显著程度影响不大，只是加入了frailty因子以后三个核心自变量系数绝对值更大。具体表现为在加入frailty因子之前，相对于一直不同住的城镇老人而言，“同住变为不同住”老人的死亡风险是其121%，“不同住变为同住”和“一直同住”老人的死亡风险都是其23%。在加入frailty因子之后，相对于一直不同住的城镇老人而言，“同住变为不同住”老人的死亡风险是其273%，“不同住变为同住”和“一直同住”老人的死亡风险都是其1%。因此可以看到，如果没有加入frailty因子，“同住变为不同住”对老人死亡风险的效应将低估152%(＝273%-121%)、“不同住变为同住”和“一直同住”对老人死亡风险的效应都高估22%(＝23%-1%)。此外，我们看到模型4中的frailty因子显著增加了城镇老年人的死亡风险。通过模型间的卡方检验，同样证明模型4更能拟合数据。

整体上看，对比模型1和模型2、模型3和模型4，可以看到没有加入frailty因子的模型中，各变量更容易显著。

在本章的每一个小节，都先介绍了老年人与子女同住变化的情况，然后做双变量的描述，最后再逐步加入一些社会人口、健康和生活方式等方面的变量，考察同住变化对老人死亡风险的净作用。

从描述性的分析结果来看，总体样本中“一直不同住”和“同住变为不同住”的比例有所上升，说明随着老年人年龄的增加，不与子女同住的比例有所升高，这与前文学者们的研究结果及现实吻合。低龄老人在六年期间，“一直不同住”比例上升而“一直同住”比例在下降，而高龄老人先是以“不同住变为同住”为主而后随着年龄的增长变成以“一直同住”为主，说明随着年龄的增长老人们逐渐趋于与子女同住且绝大多数不再分住。

两两交互的结果在各个样本中都显示同住变化对老人具有显著影响。Cox回归的结果也表明无论是对于总体样本还是各个分样本，都是相对于一直不同住的老人而言，“同住变为不同住”老人的死亡风险更高，“不同住变为同住”和“一直同住”老人的死亡风险更低。因此，研究假设9：老年人居住安排的不同变化会对其死亡风险产生不同的影响得到了验证，在本研究中，“同住变为不同住”老人的死亡风险最高。

前文的文献回顾中提到，老年人居住安排变化是一种迫不得已的选择，但遗憾的是该学者并没有对这种行为产生的影响做进一步的分析。本研究结果表明，老年人居住安排变化并非就对老年人健康/死亡风险产生消极影响，当老年人由与子女同住变成不同住时才会增加其死亡风险，而当由不同住变为同住时则有助于降低其死亡风险，即老年人居住安排变化所带来的适应性代价小于所得到的福利。这一分析结果从另一个侧面说明了与子女同住对老年人健康的保护作用，其中的原因是这些老人在日常照料、物质赡养和精神赡养等方面更具优势(鄢盛明等，2001)。

另外，在回归分析的过程中我们也发现，加入了frailty因子以后核心自变量系数绝对值更大。在我们的研究中表现为如果没有加入frailty因子，低估了“同住变为不同住”对老人死亡风险的效应而高估了“不同住变为同住”和“一直同住”的效应。有学者曾提到，如果不考虑未观测到的异质性，会影响事件史中关于死亡的分析，可能会夸大或者抑制干预效应的估计值。在本研究中，如果不考虑这种异质性，会对同住变化的不同类别低估或高估了它们对老人死亡风险的影响。