居住安排变化与老年人死亡风险

一、老年人与子女居住安排变化及样本分布描述

在本节，考虑到2008年至2011/2012年居住安排变化有的类别个案极少，为了保证分析结果的稳定性，本研究只采用2002—2008年共3期的追踪数据。通过剔除一些缺失值、不适合的填答个案，最终纳入统计模型的基期样本量为9 273个。关于总体老人的死亡情况，2002年中有3 648位老年人在2005年调查之前死亡，有1 607位在2008年调查之前死亡。因此在观察窗口期，共有5 255位老年人死亡，2 983位在世，1 035位失访。

为了了解老年人与子女同住变化的情况，我们需要考察每两期调查与子女同住的变化情况，即2002年至2005年、2005至2008年调查时存活老人的情况，以此为基础考察这些变化对老年人后续存活的影响，得到总体的居住安排变化情况如表6.1所示。

表6．1　总样本2002—2005、2005—2008年调查存活老年人中居住安排变化情况

从后续两年的居住安排变化情况来看，从2002年开始到2005年仍存活的5 625位老年人中，“一直不同住”“不同住变为同住”以及“一直同住”的比例都约占三成，见表6.1。从2005年到2008年仍存活的2 983位老年人中，“一直同住”的比例约占到四成，“一直不同住”的比例占到35%左右，这两类老年人的居住变化最突出。与2002—2005年居住安排变化相比，2005—2008年的存活老人中，“一直不同住”的比例略有上升(4%左右)，“同住变为不同住”比例也略有上升(约2%)，“不同住变为同住”比例下降最大(降幅约为16%)，“一直同住”比例上升较快(升幅约为10%)。如果从当前是否与子女同住角度考虑，则到2005年调查结束时，不与子女同住的比例为42%左右(＝“一直不同住”＋“同住变为不同住”)、与子女同住的比例为58%左右(＝“不同住变为同住”＋“一直同住”)；到2008年调查结束时，不与子女同住的比例为49%左右、与子女同住的比例为51%左右，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，这与学者们的研究结论一致。

此外，为了对基期样本有一个大概的了解，这里给出了模型所用变量的分布情况，见表6.2。

从表6.2可以看出，2002年与子女同住老人的比例约为四成。在老人的社会人口学因素方面，高龄老年人约占65%，并以女性、无配偶、没有受过教育者居多；以房主为后代、居住在农村者居多。在健康状况方面，老年人日常活动能力受损的不到三成，但患慢性病的比例较高，达到六成多。自评健康好的老年人略少于半数。在生活方式方面，以不抽烟、不喝酒、当前不进行体育锻炼以及无社交活动的老年人为主。

表6．2　总体样本基期(2002年)变量分布单位：%

续表

二、居住安排变化与老年人死亡风险

与前两章的类似，我们先就总样本中同住变化是否对老年人的死亡风险起到显著作用做一个统计检验，同时做相应的Kaplan-Meier生存函数图，随后再做frailty Coxmodel，以期得到同住变化对老人死亡风险的影响。

图6．1　总体同住变化生存函数图

从卡方检验的结果来看，总体样本中，同住变化变量在0.001水平上显著。通过做Kaplan-Meier生存函数图，得到图6.1的结果。图6.1揭示，总样本中，“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“由不同住变为同住”老人的死亡风险较低，前两类和后两类明显地区分为两个组，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的死亡风险较低。如果分开来看，在这4类同住变化中，死亡风险最高的是“同住变为不同住”类、死亡风险最低的是“一直同住”类。另外，我们看到“一直同住”和“不同住变为同住”两条线在5年的存活时间里有所交叉，说明数据不满足通常Cox模型要求的个体风险函数成比例的假设，因此有必要考虑异质性问题。

同样，由于两两的统计检验并没有控制其他变量，无法得到同住变化对老人死亡风险的净影响，下面也将社会人口特征、健康状况以及生活方式等变量分模块逐步引入模型考察这些因素对老人死亡风险的影响作用。表6.3是模型运行的部分结果，限于篇幅，这里也没有列出标准误。表6.3各模型的设置如下：模型1是总样本下包含同住变化的模型；模型2是总样本下包含同住变化、虚弱度因子的模型；模型3是总样本下包含同住变化、控制变量的模型；模型4是总样本下包含同住变化、控制变量、虚弱度因子的模型。

表6．3　2002—2011／2012年居住安排变化对老年人死亡风险的影响——总样本

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。

从表6.3可以看到，在没有加入其他因素之前，模型1的系数方向都是负的且都在0.05及以上水平上显著，说明相对于“一直不同住”组而言，“同住变为不同住”“不同住变为同住”以及“一直同住”老年人的死亡风险都要小。转化成以e为底的幂函数以后，我们可以看到“由同住变为不同住”老年人的死亡风险是“一直不同住”组的94%，“由不同住变为同住”老年人的死亡风险是“一直不同住”组的24%，“一直同住”老年人的死亡风险是“一直不同住”组的17%。模型2是在模型1的基础上加入了frailty因子，结果虽然显示是显著的，但系数方向有正有负。具体来看，“由同住变为不同住”老年人的死亡风险是“一直不同住”老年人的569%，“由不同住变为同住”老年人的死亡风险是“一直不同住”组的6%，“一直同住”老年人的死亡风险是“一直不同住”老年人的3%。因此在模型2中，“由同住变为不同住”老年人的死亡风险是最高的。另外，我们从加入的虚弱度因子模型2的系数为正可以看出，个体虚弱度因子显著增加了老年人的死亡风险。通过比较模型1和模型2系数的大小、方向和显著度可以看出，是否加入虚弱度因子对各自变量的显著程度影响不大，但对自变量系数的大小和方向产生影响。加入了虚弱度因子以后，自变量系数的绝对值变大，且有的系数方向发生了改变。

模型3在模型1的基础上增加了来自社会人口、健康状况和生活方式等方面的因素。对比模型3和模型1，我们看到，核心自变量中，“同住变为不同住”的系数方向发生了变化，其中的原因是社会人口因素起到了调节作用。模型3中核心变量的作用具体表现为：“同住变为不同住”老年人的死亡风险是“一直不同住”组的116%，“不同住变为同住”和“一直同住”老年人的死亡风险都是“一直不同住”组的22%。

模型4也是在模型2的基础上增加了一些控制变量。模型4的核心自变量中，系数的方向和显著程度几乎不变，具体表现为：“同住变为不同住”老年人的死亡风险是“一直不同住”组的332%，“不同住变为同住”和“一直同住”老年人的死亡风险分别是“一直不同住”组的0.25%和0.31%，都不足1%。在控制变量中，除了城乡、抽烟和喝酒这3个因素以外，其余因素都在0.1水平上显著。在社会人口学因素方面表现为：高龄老年人的死亡风险大约为低龄的2 592%，女性老年人死亡风险是男性的58%，有配偶老年人的死亡风险是无配偶者的14%，受过教育的老人的死亡风险为没受过教育者的79%，房主为后代的老年人的死亡风险是房主为自己的179%。在健康状况方面，ADL有障碍的老年人的死亡风险是没有障碍的446%，患慢性病老人的死亡风险是不患慢性病老人的119%、自评健康好的老年人的死亡风险是差的64%。在生活方式方面，锻炼身体的老人的死亡风险是不锻炼老人的80%、参加社会交往活动老年人的死亡风险是不参加的47%。模型4的结果还表现为个体虚弱度因子显著提高了老年人的死亡风险。通过计算各个模型的-2LL和自由度差值，得到卡方分布相对应的p值都显著小于0，说明新加入的因素对居住安排变化起到了调节作用且是值得的，据此我们认为模型4最有解释力。

另外，对比模型3和模型4，可以看到绝大多数系数的方向和显著性变化不大，但是从绝对值来看，加入了个体虚弱度因子的模型中，各因素系数的绝对值比没加入虚弱度因子的要大(除了城乡和抽烟变量以外)。在我们的研究中，由于核心自变量的系数有正有负，转化为以e为底的幂函数以后可以看到，没有加入虚弱度因子的模型中，当变量系数为正时低估了它们对因变量的作用，而当变量系数为负时则高估了它们对因变量的作用。前者例如“由同住变为不同住”对老年人死亡风险的影响作用低估了216%(116%～332%)，后者例如“不同住变为同住”和“一直同住”都高估了将近22%(0%～22%)。这一结果与某些学者的研究结果一致(焦开山，2011；Janet et al，2004；王宁宁，2007)。