魏涵
成都中医药大学管理学院
杨练
成都中医药大学公共卫生学院
Han Wei Lian Yang*
Impact of smoking on the income level of Chinese urban residents: a 2-wave follow-up of the China Family Panel Study. BMJ Open, 2020,10(8):e036939.
DOI：10.1136/bmjopen-2020-036939
1.摘要
1.1 目的
本研究试图分析吸烟对中国城镇居民收入水平的影响，为制定合理的控烟政策提供参考。
1.2 设计
一项基于人群的队列研究。
1.3 方法
采用中国家庭追踪调查中2014年和2016年两年的面板数据，共纳入8025名城镇居民，使用Hausman-Taylor模型分析吸烟与收入之间的关系。
1.4 结果
调查对象中现吸烟者占比从2014年的27.39％下降到2016年的26.24％，而曾吸烟者占比从9.78％上升到11.78％。根据Huasman-Taylor模型结果显示，吸烟对中国城镇居民收入有显著负面影响，现吸烟人群和曾吸烟人群收入分别减少37.70％和44.00％。去除吸烟对收入的影响后，城镇居民的贫困发生率从15.33%降低到13.63%。
1.5 结论
吸烟会显著降低中国城镇居民的收入，对中国社会经济造成较大的负面影响。因此，政府应该提高烟草税率，将戒烟治疗纳入医保，加大烟草危害宣传，鼓励烟民尽早戒烟。
2.前言
中国是世界上最大的烟草生产、制造和消费国。2018年全球成人烟草调查数据显示，中国15岁及以上人群现吸烟率为26.6%，现吸烟者人数已达3.08亿。吸烟引起的心血管疾病、癌症、慢性呼吸道病等疾病，已成为中国首要的健康威胁。从1990年到2010年，吸烟导致的死亡人数从70万增加到140万。如果这个问题得不到解决，预计到2050年，中国每年死于吸烟的人数将达到300万。
众所周知，吸烟会给健康带来负面影响。目前越来越多的学者关注吸烟行为对个人收入的影响。大多数研究表明，吸烟会对收入产生负面影响。Bockerman等发现吸烟对芬兰男性的收入产生长期的负面影响；Auld等研究得出加拿大吸烟者比非吸烟者的收入低8%的结论，考虑内生性后影响将提高到24%；Van Ours研究显示，荷兰吸烟者的工资比非吸烟者低10%左右；Lokshin等使用2005年阿尔巴尼亚生活水平监测调查的数据发现，吸烟者的工资比不吸烟者低20%。也有少数研究认为吸烟与收入间不存在显著的关系，Lye等使用1995年澳大利亚国民健康调查数据分析结果显示吸烟对个人收入并没有显著影响。
以往的研究显示吸烟降低收入的原因主要有如下三个方面：一是吸烟会降低吸烟者的生产率。Kristein认为吸烟者需要花费更多的时间去吸烟休息，或者因健康状况较差而错过工作，所以吸烟者产生更多的缺席时间，生产率相对较低。二是吸烟者具有较高的时间偏好率，即更加看重当前消费，而不注重对未来的投资，这可能会导致吸烟者的人力资本投资过低，从而工资收入较低。三是相对于非吸烟者，吸烟者个人吸引力较低。吸烟会影响个人形象，从而使个人吸引力降低。
中国相关研究较少，尹志超等人利用1991年-2006年中国健康与营养调查数据，采用混合回归模型分析得出吸烟不会显著影响收入，但是该研究方法将面板数据视为混合截面数据构建模型，忽略了研究对象的个体效应，可能导致结果不稳健。本研究探索吸烟对中国城镇居民收入的影响，旨在为弥补中国以往研究方法学的不足，以准确估算吸烟带来的经济损失，为控烟相关政策提供有利证据。
3.数据和方法
3.1 数据来源
本研究数据来源于北京大学中国社会科学调查中心实施的“中国家庭追踪调查（CFPS）”。CFPS是一项全国性、大规模、多学科的社会跟踪调查项目，调查从2010年开始，每两年追踪一次。CFPS采用内隐分层、多阶段、多层次、与人口规模成比例的概率抽样方式，涉及中国的25个省/市/自治区（未抽样省份/直辖市/自治区包括：香港、澳门、台湾、新疆、西藏、青海、内蒙古、宁夏和海南）。从调查的区域分布以及抽样的方法上来看，该数据库具有一定的代表性和严谨性。
调查方式以面对面调查为主，辅以计算机系统，调查内容包括了社会人口学特征、吸烟行为、健康状况与个人收入等详细资料。本研究采用CFPS公开发布的2014、2016年数据进行分析。由于CFPS问卷中将农村居民个人务农收入纳入了家庭收入，农村居民个人收入难以准确界定，故研究对象限定为城镇居民。
3.2 病人和公众参与
本研究中的所有数据均来自CFPS数据库，没有患者和公众参与本研究的设计或规划。
3.3 研究样本
CFPS在2014年和2016年分别调查了10,874名和9,942名城镇居民，追访率为73.80%，最终纳入了4,428户家庭和8,025位受访者，并构建了平衡面板数据。
3.4 变量
吸烟变量：受访者分为不吸烟者、现吸烟者和曾吸烟者。CFPS问卷中询问“最近 1 个月，您是否吸烟？”，当受访者回答“是”时，则判定该个体为“现吸烟者”；若否，则询问“您是否曾经吸烟？”，为“是”，则判定该个体为“曾吸烟者”；若两个问题均为“否”，则视为不吸烟者。
控制变量：人口学特征变量包括性别（女、男），年龄（<35岁、35-岁、≥60岁），教育程度（小学及以下、初中及高中、专科及以上），婚姻状态（在婚：已婚/同居；非在婚：未婚、分居/离异/丧偶），自评健康状况（差、一般、好），是否有慢病（有、无），医保状态（有、无），饮酒状态（有、无），有无锻炼（有、无），工作类型（没有工作，负责人，专业人员与技术人员，办事人员和有关人员，服务人员，农林牧渔水利业生产人员，生产、运输设备操作人员及有关人员，其他），人均GDP，调查年份（2014年、2016年）。
因变量：本研究的因变量为城镇居民的收入。收入变量为调查对象的全年总收入，包括年工资、加班工资及奖金、年终奖、获得的实物折合、第二职业的收入、离退休金、个人经营的净收益等。为了消除不同年份物价因素对收入的影响，采用居民消费价格指数对2016年收入名义值进行矫正, 转换为按2014年不变价格衡量的个人收入。
贫困率：贫困线使用的是2010年现行贫困线 2300 元/年,再采用居民消费价格指数对名义值进行矫正, 转换为按照2014年的不变价格衡量的贫困线。贫困率表示贫困人口占总人口的比例，测量贫困发生的广度。
3.5 统计分析
吸烟对收入影响的研究中，数据内生性问题不可回避。导致内生性的原因有两个，一种可能是遗漏变量引起，比如，自控能力差的人更容易养成吸烟的习惯，而自控能力往往不可观察而被遗漏；另一种可能是收入也可能会影响吸烟行为。吸烟具有成瘾性，并且不易发生变化，不适合选择面板数据固定效应模型进行分析，否则会损失吸烟状态未发生变化的样本，拟合出背离现实的模型参数。为保证分析结果的稳健性，本研究采用Hausman-Taylor模型进行分析。Hausman-Taylor模型的基本原理是利用模型内部信息自动生成工具变量，解决内生性问题；同时，该模型可以纳入不随时间变化的变量，减少样本损失。
吸烟对收入影响的基础理论模型是 Mincer的收入方程，在自变量中引入吸烟变量后构建Hausman-Taylor模型：
其中，Ln(Incomeit)表示个体i在t年的年收入的对数值；Smokingit为受访者吸烟状况的哑变量；Xit是随时间变化的控制变量，包括年龄、教育程度、婚姻状态、自评健康状态、是否有慢病、医保状态、饮酒状态、有无锻炼、工作类型、人均GDP、调查年份；Zi是不随时间变化的控制变量，包括性别；αi表示个体间不随时间变化的差异；uit 是误差项。使用半对数方程，其含义是在其他变量不变的情况下，自变量的变化引起因变量变动的百分比。
本研究首先描述了2014和2016年中国城镇居民的社会人口学特征（性别、年龄、教育程度和婚姻状态等）、健康行为（包括吸烟状况、饮酒状态和有无锻炼）、健康状况（自评健康状态和是否有慢病）、医保状态、工作类型、人均GDP和个人年收入等情况（见表1）；其次描述了2014和2016年中国城镇居民不同特征人群（性别、年龄）的吸烟情况（见表2）；再次分析不同吸烟状况下的城镇居民收入分布情况(见图1)；然后分析吸烟对中国城镇居民收入的影响；(见表3)；最后描述不同吸烟状态和不同收入水平下的中国城镇居民贫困发生率(见表4)。
本研究当p<0.05时认为具有统计学意义，本研究使用STATA（V14.0,MP）进行分析。
4.结果
表1给出了2014年和2016年城镇居民的社会人口学特征。性别变量在两年间保持一致：男性4245人，占52.90%，女性3779人，占47.10%。从吸烟状况看，现吸烟者占比从2014年的27.39%下降到2016年的26.24%，曾吸烟者占比从9.78%上升到11.78%。调查人群的年收入从2014年2761.93美元增加到2016年的4807.02美元。调查人群的受教育程度普遍不高，初中及高中占一半以上。2014年和2016年的慢性病患病率均在20%左右，超过60%的调查人群自评健康状况为“好”。
注：根据2017年中国统计年鉴，2014年和2016年人民币兑美元的汇率分别为6.14和6.64。
表2分析的中国城镇居民不同特征人群的吸烟情况。2014年和2016年男性现吸烟率分别为54.23%和51.67%，女性现吸烟率分别为3.49%和3.60%。两年均是35-年龄段人群的现吸烟率最高，分别为29.04%和27.83%，60岁及以上人群的曾吸烟率最高，分别为14.93%和16.53%。
图1展示了2014和2016年不同吸烟状态下收入水平分布情况。将城镇居民年收入水平分成5个等级，收入水平1到5依次表示由最低收入20%的人群到最高收入20%的人群。研究显示，不吸烟人群中高收入人群比例从2014年的17.22%上升到2016年19.12%，低收入人群比例从22.05%下降到20.14%；现吸烟人群高收入人群比例从2014年26.30%下降到2016年22.46%，低收入人群比例从14.56%上升到19.66%；曾吸烟人群中高收入人群比例从2014年20.25%下降到2016年19.15%，低收入人群比例从22.04%下降到20.00%。
表3呈现了吸烟对城镇居民收入的影响，模型1是对所有城镇居民收入影响的分析，模型2、3、4分析了吸烟对不同年龄人群，即青年（<35岁）、中年（35-59岁）和老年（≥60岁）收入的影响。从模型1可以看出，吸烟对收入产生负向影响，且具有显著性（P<0.05），与不吸烟者相比，现吸烟者和曾吸烟者的个人年收入分别低37.70%和44.00%。随着教育程度的提高，城镇居民的个人年收入也会提高。自评健康好的居民收入显著高于自评健康差的城镇居民。吸烟对青年和老年城镇居民的年收入没有显著影响（见模型2和4）；但是，吸烟会显著降低中年城镇居民收入，现吸烟者和曾吸烟者个人年收入显著低于不吸烟者（见模型3）。
t statistics in parentheses
* p < 0.1, ** p < 0.05, *** p < 0.01
由表4可见，中国城镇居民2014，2016两年平均贫困发生率为15.33%，其中曾吸烟者、现吸烟者和不吸烟者的贫困发生率分别为16.01%，12.59%和16.38%。不同吸烟状态均是最低收入水平人群的贫困率最高。将吸烟对收入的影响去除，即现吸烟者和曾吸烟者个人年收入分别增加37.70%和44.00%，城镇居民贫困发生率降低至13.63%，曾吸烟者、现吸烟者的贫困发生率分别降低至11.10%和8.25%。
注：贫困线使用的是2010年现行贫困线 2300 元/年,再采用居民消费价格指数对名义值进行矫正, 转换为按照2014年的不变价格衡量的贫困线。
5.讨论
本研究发现吸烟对中国城镇居民收入有显著负向影响，其中现吸烟者年收入比不吸烟者少37.70%，曾吸烟者年收入比不吸烟者少44.00%。将吸烟对收入的影响排除后，城镇居民贫困发生率降低超1%，使1311万人脱贫。
从吸烟对收入的影响程度来看，本研究的结论高于已有研究。原因如下：首先，中国吸烟者平均每天吸15.2支烟，已经达到了重度吸烟的水平。吸烟量越大对健康的影响越严重，因而可能对个人收入带来更大的影响。再者，以往研究多将吸烟状态分为吸烟和不吸烟两类，把曾吸烟者错分为不吸烟者，低估了吸烟对收入的影响。
吸烟对不同年龄个体收入的影响存在差异，吸烟显著降低中年城镇居民收入但对青年人和老年人收入影响不显著。可能的原因是：首先，吸烟危害具有累计性和滞后性，青年时吸烟对健康危害的效应还未显现，吸烟者步入中年后，吸烟逐渐表现出对健康的负面影响；其次，目前中国劳动者的法定退休年龄为男性60岁，女性50-55岁，60岁以上的群体大多数已退休，收入为较为固定的退休工资，他们的收入与健康状况、工作时间和工作能力关系较小。
从政策角度看，降低吸烟率不仅是公共卫生关注的问题，也是与减少贫困密切相关的问题。中国作为世界上人口最多的中等收入国家，一直将减少和消除贫困作为经济发展进程中的一项长期任务。控制烟草危害，首先建议将烟草控制策略与国家扶贫政策联系起来，借力脱贫攻坚战，突破现有控烟措施实施中存在各种经济、政治阻力，从而在控制烟草危害的同时促进中国政府完成全面建成小康社会的目标任务。第二，逐步提高烟草税率，增加卷烟零售价格，遏制烟草流行。提高烟草税是减少烟草使用最经济有效的方法，同时因低收入群体对价格变化更敏感，更易降低卷烟需求量，因而增税所产生的健康和经济收益大部分由该人群获得，有利于降低低收入群体财务风险，减少贫困的发生。第三，将戒烟治疗纳入医保，帮助戒烟者分担经济负担。研究显示，医保覆盖戒烟治疗后，有医保的患者比没有医保的患者更愿意戒烟，并且扩大健康保险覆盖面可以提高戒烟水平。第四，加大烟草危害宣传，鼓励烟民尽早戒烟。中国居民居民对烟草危害的认知较低，这与烟草业使用“低焦油”的营销策略有一定关联，建议停止执行这种欺骗性的烟草营销策略；并且，烟草包装的警示作用还不够，研究显示文本和图片组合的警示性强于文字警示语，建议推动使用警示性图片，改变传统形式的烟盒文字警示语。
本文优势主要在以下三方面：首先，补充中国吸烟与收入关系领域实证研究结论。其次，两年平衡面板数据可以提供更多的数据点，增加了数据的自由度，降低了解释变量之间的共线性程度，从而提高计量模型估计的有效性，还可控制个体异质性，有助于提高估计的精准度。最后，Hausman-Taylor模型避免了混合回归模型未考虑个体差异影响，弥补了随机效应模型造成的不一致性以及固定效应模型有效性不足的问题。此外，Hausman-Taylor模型还可以利用模型内部信息产生工具变量来克服内生性问题。
但本研究结果也存在一定局限。首先，CHARLS是一项回顾性调查，回忆性偏移可能是不可避免的。其次，本研究对象局限于城镇居民，未考虑吸烟对其他人群收入的影响。
END
——欢迎投稿：scujkcs@126.com——