期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
我国中老年人健康的机会不平等——来自机器学习的新证据 被引量:1
1
作者 聂鹏 徐泊阳 +1 位作者 周博 赵方 《人口与经济》 CSSCI 北大核心 2024年第3期43-56,共14页
伴随着我国老龄化进程的不断加快,老年人健康不平等问题变得越发突出。基于2011—2018年中国健康与养老追踪调查数据,使用线性回归、条件推断树和条件森林三种估计方法,对我国45岁及以上中老年居民健康(适应负荷和自评健康)的机会不平... 伴随着我国老龄化进程的不断加快,老年人健康不平等问题变得越发突出。基于2011—2018年中国健康与养老追踪调查数据,使用线性回归、条件推断树和条件森林三种估计方法,对我国45岁及以上中老年居民健康(适应负荷和自评健康)的机会不平等进行测度,并对各变量在健康机会不平等的相对贡献大小进行度量。结果表明,适应负荷与自评健康的机会不平等相对值分别介于3.21%—7.76%与5.15%—10.44%之间,人口学特征(年龄和性别)和儿时社会经济条件均为造成适应负荷和自评健康机会不平等的主要因素。与线性回归结果中出生地区/省份是最重要的影响因素不同,两种机器学习的估计结果表明,人口学特征与儿时社会经济条件是造成适应负荷机会不平等的两大诱因。研究证实基于条件森林的健康机会不平等测度效果优于传统的线性回归,这一研究结果对于使用单个客观健康指标、调整可观测的环境变量之后依然是稳健的。健康的机会不平等是隐藏于健康不平等背后的深层原因,而针对我国中老年人健康机会不平等的综合评估对于帮助老年人有效减少健康不平等的公共政策的出台具有重要的现实意义。 展开更多
关键词 健康机会不平等 Shapley值分解 条件推断树 条件森林
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部