论证人均GDP与婴儿死亡率关系变化的“拐点”假设——全球高收入国家婴儿死亡率影响因素的岭回归分析

Proving the Hypothesis of a “Inflection Point” in the Relationship between Per Capita GDP and Infant Mortality Rate—Ridge Regression Analysis of Factors Influencing Infant Mortality in High Income Countries Worldwide

摘要: 本文基于世界银行数据库，以高收入国家的婴儿死亡率为因变量，人口、经济、能源与环境、教育、农业、卫生等6个维度的指标为自变量，采用岭回归分析的方法，在单维分析基础上，构建“六维一体分析框架”，旨在论证人均GDP与婴儿死亡率关系变化的“拐点”假设，分析不同发展阶段婴儿死亡率的影响因素，并判断对婴儿死亡率的影响程度。结果表明，2个国家出现了从非积极影响向积极影响的第一转变；26个国家出现了从积极影响向非积极影响的第二转变；10个国家既出现了第一转变又出现了第二转变。在不同发展阶段，人口因素总是占据主导地位，经济、能源与环境、教育、农业、卫生等因素处于次要地位。人均GDP并不总是婴儿死亡率的影响因素，其作用机制有待深入研究。面临关系转变应及时调整防控策略，落实针对性干预措施。

Abstract: This article is based on the World Bank database, with infant mortality rate in high-income countries as the dependent variable and six dimensions of indicators, including population, economy, energy and environment, education, agriculture, and health as independent variables. Ridge regression analysis is used to construct a “six-dimensional integrated analysis framework” on the basis of one-dimensional analysis. The aim is to demonstrate the “inflection point” hypothesis of the relationship between per capita GDP and infant mortality rate, analyze the influencing factors of infant mortality rate at different stages of development, and determine the degree of impact on infant mortality rate. The results indicate that there has been a first shift from non positive impacts to positive impacts in two countries; 26 countries have experienced a second shift from positive impact to non positive impact; Ten countries have undergone both the first and second transformations. At different stages of development, population factors always dominate, while factors such as economy, energy and environment, education, agriculture, and health are in a secondary position. Per capita GDP is not always a factor affecting infant mortality, and its mechanism of action needs further research. In the face of changes in relationships, timely adjustments should be made to prevention and control strategies, and targeted intervention measures should be implemented.

1. 引言

儿童是人类生存与永续发展最重要的战略资源。1989年第44届联合国大会通过了《儿童权利公约》，规定每个儿童均有固有的生命权，应最大限度地确保儿童的存活与发展。1990年世界儿童问题首脑会议通过了《世界儿童生存、保护和发展宣言》和九十年代行动计划，要求到2000年婴儿死亡率(Infant Mortality Rate, IMR)和5岁以下儿童死亡率以1990年水平降低三分之一，2000年《联合国千年宣言》要求到2015年之前降低三分之二。2015年联合国全球可持续发展目标，要求到2030年，消除新生儿和5岁以下儿童可预防的死亡，各国争取将新生儿死亡率至少降至12‰，5岁以下儿童死亡率至少降至25‰。保护儿童生存，降低IMR、儿童死亡率已成为全球共识，是各国政府的重要职能之一。基于《世界卫生统计2015》的分析表明，2000年全球5岁以下儿童死亡率中IMR占68.87%，2013年占73.74% [1]。中国城市5岁以下儿童死亡率中IMR占86.67%、农村占77.93% [2]。在5岁以下儿童死亡率中IMR占有很大比重，研究IMR的变化规律对于有效降低5岁以下儿童死亡率更有现实意义。

1.1. IMR影响因素具有显著的特征

第一，复杂的社会因素协同作用。2000~2018年9个亚洲经济体的免疫接种、人均国内生产总值、贸易开放和基本供水设施的利用，改善了五岁以下儿童和IMR [3]。2000~2008年撒哈拉以南非洲10个国家人均国内生产总值、卫生援助、艾滋病毒流行率和免疫接种对IMR有显著的负相关系[4]。1983~1984年至2011~2012年印度各州的医疗保健公共支出、政治竞争、女性识字率和城市化等因素降低了IMR [5]，而1975~2020年私人补贴、化石燃料和二氧化碳是消极影响因素[6]。1991~2017年马其顿、土耳其、阿尔巴尼亚等三个国家的中学入学率、人均国民总收入、总失业率、女性就业率等因素对IMR产生显著影响[7]。IMR影响因素错综复杂，现有文献反映的是下降历程中某一阶段的影响因素。那么，在众多的因素中主要的影响因素是什么？这对实施针对性的防控举措有指导作用。

第二，经济因素存在着差异性表现。在OECD的34个国家中，筛选292个地区2000~2013年的人均GDP就对IMR没有显著影响[8]。1952~1970年中国大陆人均GDP与IMR不相关[9]，1970~2000年日本的人均GDP不是IMR的影响因素[10]。但众多研究表明，人均GDP增长对IMR的下降有显著的影响[3] [4] [11] [12]，二者呈负相关系。有文献提出了现阶段人均GDP与IMR的负相关是由过去某个时期的不相关转变而来的“拐点”假设[9] [13] [14]，在20个低收入国家中仅尼日尔、卢旺达2个国家出现了类似的转变[15]，“拐点”假设缺少足够的实证依据。

第三，因国家收入分组不同呈现明显的地区性差异。2020年12月16日世界银行更新数据显示[16]，2000年高、中、低收入国家的IMR分别为6.8‰、52.63‰、88.6‰，人均GDP分别为25103.29 (US$)、1264.83 (US$)、333.73 (US$)，2016年IMR分别为4.5‰、29.40‰、51.9‰，人均GDP分别为40343.82 (US$)、4780.83 (US$)、790.16 (US$)。不同收入国家的经济发展与IMR水平均存在着巨大差距。要实现2030年儿童死亡率可持续发展目标，关键是促进中、低收入国家IMR的持续有效下降。在2003年152个国家中[17]，低收入国家年轻女性文盲率比人均国民总收入更重要，收入平等仅是中等收入国家IMR的独立预测指标，高收入国家这些因素都不显著。高收入国家IMR的下降历程将是中、低收入国家的未来发展之路，研究高收入国家IMR影响因素的变化规律，应有值得中、低收入国家学习借鉴的经验。

1.2. 人均GDP与IMR关系变化的“拐点”假设

总体上，各国IMR呈现持续下降现象，经济发展呈上行趋势，也有少数国家在一定时期内出现了IMR和(或)人均GDP的年度波动，但总体发展趋势没有变化。有报道，2000年、2013年194个国家人均GDP与五岁以下儿童死亡率[1]、IMR [18]呈负相关关系。中国大陆从1970~1975年开始呈负相关系，认为这是人均GDP与IMR从不相关向负相关转变的初始转折点[9]，未来还会向非负相关转折而去。

相关分析仅反应变量间的密切程度，回归分析反映自变量对因变量的回归贡献。事实上，有时二者呈负相关系，人均GDP却不是IMR影响因素[15]。基于相关分析提出的“拐点”假设存在较大的局限性。人均GDP对IMR的影响表现为三种形式，一是人均GDP不是IMR的影响因素，二是影响因素，且发挥积极作用，三虽是影响因素，但发挥消极作用。将无影响和消极影响统称为非积极影响。人均GDP与IMR关系随时间推移理想历程的“拐点”假设可进一步描述为先从非积极影响向积极影响的关系转变(第一转变)，再从积极影响向非积极影响的关系转变(第二转变)。“拐点”假设的理论模型见图1。前期对“拐点”假设进行了初步的国别论证，中国符合第一转变[14]，日本符合第二转变[10]。这是偶然的个别现象，还是未来发展的必然趋势，需要更多的国别证据。

自普雷斯顿的开创性工作以来，确立了一个宏观现象：国家层面的人均国民收入与人口健康(如人均期望寿命)之间存在着强烈的正相关关系，被形象地称为“普雷斯顿曲线”，该曲线清晰地表明，更富裕的国家其国民健康状况通常更好。在Grossman健康生产函数理论框架下，人均GDP的增长主要通过增加家庭和政府对这类健康生产要素的支付能力，从而改善健康产出。这与二者负相关的结果或积极影响的表述是基本一致的，但笔者认为这种积极影响并非一直存在的，可能是由过去的非积极影响转变而来。

Figure 1. Theoretical and verification model of the “inflection point” hypothesis

图1. “拐点”假设的理论模型与验证模型

然而，经济学中的边际效应递减规律，预示着在健康生产过程中，连续追加某一要素的投入，所带来的健康产出的增量将会逐渐减少。人均GDP对IMR的边际保护效应预计将会减弱，推测未来将由负相关转为非负相关，积极影响也将向非积极影响转变而去。

“拐点”假设的意义：在非积极影响阶段，应充分发挥政策扶持作用，盲目扩大投入可能难以发挥应有的作用，反而造成不必要的资源浪费；在积极影响阶段，应发挥政策扶持与经济投入的协同作用，甚或适当加快投入进度(与人均GDP增长速度比较)，可以促进IMR的快速下降，若忽略投入，将会错失发展机会。因此，论证人均GDP与IMR关系变化的“拐点”假设有一定的现实意义。

现有研究[3]-[16]资料收集范围相对比较局限，仅针对一个国家或区域内的几个国家，一定时间内关于经济、卫生、教育、环境等某些方面的研究，时间相对较短、国家数量偏少、自变量涵盖的社会领域不够全面，且忽视了自变量间多重共性问题的不利影响。因此，本文筛选全球高收入国家的IMR及经济、人口、能源与环境、教育、农业、卫生等6个维度的指标，构建“六维一体分析框架”，论证人均GDP与IMR关系变化的“拐点”假设，揭示多重共线性下不同发展阶段IMR影响因素的效应强度，为有关国家识别二者关系所处的历史方位、实施差异化的防控策略提供参考依据。

2. 资料与方法

2.1. 研究对象

以全球高收入国家的IMR (‰)及社会各领域的指标为研究对象。IMR影响因素是一个涉及社会各领域的复杂系统[19]，选择了六个维度的指标。一是经济因素包括人均GDP (current US$)、人均当前卫生支出(current US$)、当前卫生支出占比(% of GDP)、人均居民最终消费支出(2010年不变价美元)；二是人口因素包括总生育率(女性人均生育数)、人口密度(每公里土地面积人数)、城镇人口增长率(年增长率)、人口增长(年度百分比)、超百万城市群的人口(占总人口的百分比)、贫困人口比例(占人口的百分比)；三是教育因素包括小学生总毕业率(相关年龄群体所占比例)、中小学女生与男生的入学比例(%)、高等院校入学率(占总人数的百分比)；四是能源与环境因素包括二氧化碳排放量(人均公吨数)、一氧化氮排放量(千公吨CO₂当量)、甲烷排放量(千吨CO₂当量)、能源使用量(人均千克石油当量)、耗电量(人均千瓦时)、通电率(占人口的百分比)；五是农业因素包括谷类产量(每公顷千克数)、农业增加值(占GDP的百分比)、耕地(占土地面积的百分比)、农业用地(占土地面积的百分比)；六是卫生因素包括医院床位(每千人)、感染HIV的成年女性(占15岁以上HIV感染者的百分比)、护士和助产士(每千人)。

2.2. 资料来源

从世界银行数据库(https://data.worldbank.org.cn/)下载资料，数据更新时间为2021年12月16日。高收入国家是下载数据中的归类结果。在下载的Excel工作簿的“Metadata-Countries”工作表上，按“Income_Group”栏目筛选“高收入国家”，共有79个国家或地区。

2.3. 研究方法

2.3.1. 阶段性分组方法

分别以各高收入国家的人均GDP与IMR相关分析的最小样本量为基础进行阶段性分组。相关分析样本量估算公式[20]：$n=4{\left[\left(z_{\alpha /2}+z_{\beta }\right)/\ln \left(1+r/1-r\right)\right]}^2+3$ ，n为在$\alpha =0.05$ 、$1-\beta =0.90$ 的水平上，得到的相关系数有统计学意义的最少样本数($z_{0.05/2}=1.96$ , $z_{0.1}=1.282$ )，r为人均GDP与IMR的总体相关系数。每个分组的样本量均不少于最少样本量。

2.3.2. IMR、人均GDP的动态变化

以IMR、人均GDP的平均增长量、平均增长速度表示阶段内的动态变化。按时间序列建立动态数列：a₁，a₂，a₃，……，a_n，平均增长量$=\left(a_n-a_1\right)/\left(n-1\right)$ ，平均增长速度$=\sqrt[n-1]{a_n/a_1}-1$ 。对IMR、人均GDP的现状水平、动态变化进行描述性分析。

2.3.3. 数据标准化

为规避IMR与社会各领域指标的量纲及数量级不同，对各指标数据进行Z-score标准化，然后对各国不同分组的变量数据进行正态分布检验，当差异无统计学意义，或比较峰值绝对值 < 10、偏度绝对值 < 3，再结合直方图、PP图或QQ图，虽不绝对正态但可描述为基本符合正态分布，方可纳入研究。

2.3.4. 建立回归模型

先进行单维分析，构建回归模型，筛选有意义的影响因素。然后，将单维分析筛选的影响因素纳入六维一体分析框架。由于要评估人均GDP与IMR的关系变化，人均GDP始终纳入模型。

采用岭回归分析模型，通过对最小二乘法的改进，允许回归系数的有偏估计量存在，从而解决自变量间多重共线性问题。以阶段性IMR为因变量，筛选的该阶段相关指标为自变量，进行岭回归分析。定义：$\widehat{\beta }\left(k\right)={\left(X^{\prime }X+kI\right)}^{-1}{X}^{\prime }y$ ，为$\beta$ 的标准化岭回归估计，$X^{\prime }X$ 是自变量样本相关阵，k称为岭参数，$\widehat{\beta }\left(k\right)$ 作为$\beta$ 的估计比最小二乘法估计$\widehat{\beta }$ 稳定，通过选择合适的k值可使岭回归分析比最小二乘法估计的回归系数有较小的均方误差。回归方程的F检验差异有统计学意义(P < 0.05)，且拟合优度R²为较好及以上，确定为有价值的回归模型。拟合优度分级：R² ≥ 0.9，为极好；0.7 ≤ R² < 0.9，为很好；0.5 ≤ R² < 0.7，为较好；0.3 ≤ R² < 0.5，为一般；R² < 0.3，为差。

2.3.5. IMR影响因素的确定方法

观察筛选的有价值的岭回归模型，回归系数t检验差异有统计学意义(P < 0.05)的自变量为IMR的影响因素。当标准化回归系数为负号时表示该自变量对IMR发挥积极作用，为正号表示发挥消极作用。

把不同影响因素对IMR变化的贡献大小的影响程度称为该影响因素的影响力。同一回归模型通过比较标准化回归系数绝对值的大小，绝对值最大的称为第1位影响因素，依此类推进行顺位排序。若确定了n个影响因素(n为正整数)，影响因素位次分别为第1、第2、……、第n位影响因素。

在对日本8个阶段IMR影响因素分析时[21]，发现人均GDP按顺位或频数的结果反差较大，有必要审视影响力的评估方法。本文从频数、顺位、回归系数三个方面评估不同发展阶段影响因素的影响力。对不同影响因素的整体影响力、按影响因素分类的影响力的判断，分别计算频数、顺位、回归系数影响力的构成比(%)，进行综合比较，从而确定最佳的评估方法。

某影响因素的频数影响力为所有阶段的回归模型中该影响因素的累积频数。按分类的频数影响力为在纳入研究的模型中，该分类的所有影响因素的累积频数。

在同一回归模型中，若确定第1位影响因素的影响力为1，第2位为(n − 1)/n，……，第n − 1位为2/n，第n位为1/n。某影响因素的顺位影响力为所有阶段的回归模型中该影响因素的顺位影响力之和。按分类的顺位影响力为在纳入研究的模型中，该分类的所有影响因素的顺位影响力之和。

将确定为影响因素的某自变量回归系数的绝对值定义为该影响因素的回归系数影响力。某影响因素的回归系数影响力为所有阶段的回归模型中该影响因素的回归系数影响力之和。按分类的回归系数影响力为在纳入研究的模型中，该分类的所有影响因素的回归系数影响力之和。

2.3.6. “拐点”假设的验证方法

首先进行初次判断。分别观察各个国家阶段性分组回归模型的分析结果，以人均GDP的回归系数t检验结果为基础，判断是否存在人均GDP与IMR的关系从非积极影响向积极影响(第一转变)或从积极影响向非积极影响的转变(第二转变)。

然后进行阶段性合并验证。初次判断有关系转变的，对第一转变前、第二转变后的非积极影响阶段分别进行合并，对两次转变之间的积极影响阶段进行合并。若合并后回归模型的人均GDP回归系数t检验结果与合并前一致的，则判断关系转变成立。若与合并前不一致，或初次判断关系波动不稳定的，从第一阶段与后一阶段(或几个阶段)、最后一个阶段与前一阶段(或几个阶段)分别逐一合并，若还有中间阶段再进行合并，重新构建回归模型，如此反复合并构建回归模型，根据人均GDP的回归系数t检验结果，观察是否发生第一转变和(或)第二转变的现象，若存在则判断假设成立。

“拐点”假设的判断与验证思路见图1。本文省略了从初次判断到阶段合并后的验证过程，仅展示了符合“拐点”假设国家的阶段性回归模型。

2.4. 统计学方法

Z-scores标准化、正态分布检验、相关分析、岭回归分析等统计数据处理在SPSS PRO 1.1.28软件上进行。P < 0.05差异有统计学意义。通过方差扩大因子法确定岭回归k值，数据处理时自动选择k值。构建岭回归模型时，先剔除回归系数显著性检验差异无统计学意义的自变量，有多个者先剔除P值大者。

3. 结果

3.1. 经筛选纳入研究的国家

在下载数据中存在着不同程度的指标缺失或年度数据缺失，IMR或人均GDP数据缺失严重的国家或地区不纳入研究，分别为阿鲁巴、库拉索、百慕大、海峡群岛、开曼群岛、法罗群岛、直布罗陀、格陵兰、关岛、中国香港、马恩岛、科威特、列支敦士登、中国澳门、圣马西(法属)、摩纳哥、北马里亚纳群岛、新喀里多尼亚、瑙魯、波多黎各、法属波利尼西亚、圣马丁(荷属)、特克斯科斯群岛、英属维尔京群岛、美属维京群岛等25个国家或地区。1975~2018年阿拉伯联合酋长国(r = −0.223, P = 0.146)、2000~2018年圣马力诺(r = −0.165, P = 0.499)因人均GDP与IMR相关分析差异无统计学意义，无法进行分组，亦未列入研究。最终52个国家纳入研究，经相关分析最小样本量测算及分组情况从略。

3.2. 符合“拐点”假设的38个国家

对照“拐点”假设验证模型(图1)，经初次判断与阶段合并后的二次验证，在52个高收入国家中，共有38个国家符合“拐点”假设。包括三种类型：

一是仅表现为第一转变：从非积极影响向积极影响的关系转变，有2个国家，分别是乌拉圭(1961~1975, 1975~2018)、塞浦路斯(1975~1983, 1983~2018)。

二是仅表现为第二转变：从积极影响向非积极影响的关系转变，有26个国家，分别是阿曼(1975~2000, 2000~2018)、爱尔兰(1961~2005, 2005~2018)、爱沙尼亚(1993~2010, 2010~2018)、安道尔(1985~2001, 2001~2018)、澳大利亚(1961~1990, 1990~2018)、比利时(1961~2000, 2000~2018)、波兰(1990~2009, 2009~2018)、德国(1970~2009, 2009~2018)、法国(1961~2010, 2010~2018)、拉脱维亚(1995~2010, 2010~2018)、马耳他(1970~2005, 2005~2018)、斯洛伐克(1990~2011, 2011~2018)、斯洛文尼亚(1990~2010, 2010~2018)、希腊(1961~2008, 2008~2018)、新加波(1961~2000, 2000~2018)、丹麦(1996~2006, 2006~2018)、芬兰(1961~1981, 1981~2018)、荷兰(1961~2010, 2010~2018)、加拿大(1961~2005, 2005~2018)、捷克(1990~2009, 2009~2018)、卡塔尔(1970~2000, 2000~2018)、美国(1961~2009, 2009~2018)、挪威(1961~1981, 1981~2018)、瑞士(1961~2005, 2005~2018)、匈牙利(1991~2010, 2010~2018)、智利(1961~1990, 1990~2018)。

三是既有第一转变又有第二转变：从非积极影响向积极影响、再从积极影响向非积极影响的关系转变，有10个国家，分别是奥地利(1961~1970, 1970~2008, 2008~2018)、冰岛(1961~1970, 1970~1990, 1990~2018)、韩国(1961~1975, 1975~2005, 2005~2018)、葡萄牙(1961~1975, 1975~2005, 2005~2018)、日本(1961~1971, 1971~2001, 2001~2018)、西班牙(1974~1985, 1985~2005, 2005~2018)、新西兰(1961~1970, 1970~2000, 2000~2018)、以色列(1961~1980, 1980~2010, 2010~2018)、意大利(1961~1970, 1970~2009, 2009~2018)、英国(1961~1970, 1970~2000, 2000~2018)。

另有14个国家不符合“拐点”假设，分别是巴巴多斯、安提瓜和巴布达、圣基茨和尼维斯、文莱、巴哈马、巴林、克罗地亚、帕劳、立陶宛、卢森堡、塞舌尔、沙特阿拉伯、瑞典、特立尼和多哥巴。分为三种情形，一是模型不符合要求，在阶段分组或阶段合并后，至少有一个模型不符合要求；二是人均GDP回归系数t检验差异始终无或始终有统计学意义；三是关系波动不稳定，无法准确判断。

符合“拐点”假设的38个高收入国家IMR影响因素的岭回归分析见表1。

Table 1. Ridge regression analysis of factors affecting infant mortality rates in 38 high-income countries aligning with the “inflection point” hypothesis

表1. 符合“拐点”假设的38个高收入国家婴儿死亡率影响因素的岭回归分析

国家	阶段	自变量	k值	回归系数t检验			拟合优度		回归方程F检验
				标准化系数	t	P	R^2	调整R^2	F	P
阿曼	1965~2000	人均GDP	0.164	−0.315	−9.215	0.000	0.967	0.960	140.901	0.000
		人口密度		−0.243	−13.957	0.000
		超百万城市群的人口		−0.225	−9.262	0.000
		城镇人口增长率		0.103	5.606	0.000
		人口增长		−0.189	−7.305	0.000
		耕地		−0.171	−4.737	0.000
	2000~2018	人均GDP	0.168	−0.066	−1.750	0.106	0.986	0.979	140.113	0.000
		人均当前卫生支出		−0.277	−7.531	0.000
		总生育率		0.297	10.866	0.000
		城镇人口增长率		−0.121	−5.364	0.000
		人口增长		−0.084	−3.292	0.006
		农业用地		−0.244	−8.538	0.000
爱尔兰	1961~2005	人均GDP	0.094	−0.052	−2.326	0.025	0.988	0.987	662.678	0.000
		总生育率		0.327	14.159	0.000
		人口密度		−0.322	−14.201	0.000
		超百万城市群的人口		−0.274	−16.098	0.000
		谷类产量		−0.170	−7.176	0.000
	2005~2018	人均GDP	0.169	−0.035	−0.715	0.495	0.978	0.964	70.297	0.000
		人口密度		−0.387	−10.151	0.000
		高等院校入学率		−0.191	−4.555	0.002
		农业用地		−0.130	−2.899	0.020
		感染HIV的成年女性		0.303	13.147	0.000
爱沙尼亚	1993~2010	人均GDP	0.132	−0.211	−4.476	0.001	0.974	0.964	91.716	0.000
		人均居民最终消费支出		−0.182	−4.328	0.001
		人口密度		0.135	3.065	0.010
		高等院校入学率		−0.293	−5.892	0.000
		甲烷排放量		0.188	4.086	0.002
	2010~2018	人均GDP	0.178	−0.148	−2.047	0.110	0.980	0.961	49.901	0.001
		人均居民最终消费支出		−0.271	−8.514	0.001
		城镇人口增长率		−0.245	−4.069	0.015
		甲烷排放量		0.317	5.344	0.006
安道尔	1985~2001	人均GDP	0.150	−0.264	−3.071	0.009	0.903	0.881	40.352	0.000
		人口密度		−0.442	−5.053	0.000
		人口增长		0.277	3.240	0.006
	2001~2018	人均GDP	0.086	−0.079	−0.877	0.399	0.950	0.922	34.676	0.000
		人均当前卫生支出		−0.321	−3.297	0.007
		人口密度		0.247	2.520	0.028
		人口增长		0.434	5.919	0.000
		耕地		−0.166	−2.431	0.033
		二氧化碳排放量		0.374	4.795	0.001
澳大利亚	1961~1990	人均GDP	0.085	−0.264	−6.428	0.000	0.981	0.977	243.224	0.000
		人均居民最终消费支出		−0.129	−5.444	0.000
		总生育率		0.227	5.367	0.000
		人口密度		−0.146	−6.144	0.000
		耗电量		−0.227	−9.726	0.000
	1990~2018	人均GDP	0.051	−0.087	−0.971	0.342	0.944	0.932	78.155	0.000
		人均居民最终消费支出		−0.402	−4.956	0.000
		总生育率		0.128	2.542	0.018
		人口密度		−0.289	−3.605	0.001
		耕地		−0.197	−2.174	0.040
奥地利	1961~1970	人均GDP	0.031	0.156	0.963	0.373	0.971	0.957	67.061	0.000
		人口密度		−0.527	−6.465	0.001
		超百万城市群的人口		0.589	6.857	0.000
	1970~2008	人均GDP	0.134	−0.098	−4.076	0.000	0.983	0.980	308.003	0.000
		人均居民最终消费支出		−0.155	−10.437	0.000
		超百万城市群的人口		0.234	8.663	0.000
		总生育率		0.259	9.465	0.000
		耗电量		−0.148	−8.655	0.000
		谷类产量		−0.136	−4.804	0.000
	2008~2018	人均GDP	0.135	0.008	0.243	0.820	0.995	0.987	124.174	0.000
		人口密度		−0.144	−3.410	0.027
		超百万城市群的人口		−0.252	−7.307	0.002
		城镇人口增长率		−0.195	−4.452	0.011
		甲烷排放量		0.202	14.955	0.000
		护士和助产士		−0.208	−7.690	0.002
比利时	1961~2000	人均GDP	0.157	−0.121	−5.440	0.000	0.986	0.983	314.888	0.000
		总生育率		0.303	13.653	0.000
		人口密度		−0.088	−3.629	0.001
		超百万城市群的人口		−0.163	−7.457	0.000
		能源使用量		−0.113	−5.102	0.000
		耗电量		−0.174	−19.255	0.000
		谷类产量		−0.070	−3.120	0.004
	2000~2018	人均GDP	0.122	−0.040	−1.909	0.085	0.997	0.994	362.534	0.000
		卫生支出占比		−0.099	−4.519	0.001
		人均居民最终消费支出		−0.187	−11.606	0.000
		人口密度		−0.167	−19.774	0.000
		超百万城市群的人口		−0.150	−9.084	0.000
		高等院校入学率		−0.200	−13.548	0.000
		二氧化碳排放量		0.126	6.207	0.000
		甲烷排放量		0.160	10.597	0.000
冰岛	1961~1970	人均GDP	0.160	−0.008	−0.149	0.887	0.986	0.975	87.301	0.000
		总生育率		0.367	7.549	0.001
		人口密度		−0.389	−8.300	0.000
		能源使用量		−0.207	−3.618	0.015
	1970~1990	人均GDP	0.158	−0.102	−4.556	0.001	0.994	0.991	326.981	0.000
		总生育率		0.151	6.526	0.000
		人口密度		−0.141	−8.889	0.000
		高等院校入学率		−0.153	−8.730	0.000
		能源使用量		−0.115	−7.340	0.000
		耗电量		−0.154	−9.500	0.000
		耕地		−0.194	−11.305	0.000
	1990~2018	人均GDP	0.109	0.056	1.167	0.254	0.964	0.957	158.703	0.000
		人均居民最终消费支出		−0.22	−4.551	0.000
		人口密度		−0.373	−7.700	0.000
		高等院校入学率		−0.442	−8.979	0.000
波兰	1990~2009	人均GDP	0.114	−0.068	−2.730	0.018	0.994	0.990	274.160	0.000
		总生育率		0.246	9.537	0.000
		超百万城市群的人口		−0.075	−2.952	0.012
		高等院校入学率		−0.178	−11.889	0.000
		二氧化碳排放量		0.161	5.786	0.000
		甲烷排放量		0.193	7.641	0.000
		耗电量		−0.147	−5.741	0.000
	2009~2018	人均GDP	0.197	−0.078	−1.737	0.157	0.990	0.979	83.213	0.000
		人均居民最终消费支出		−0.189	−4.928	0.008
		人口密度		0.253	5.182	0.007
		超百万城市群的人口		−0.265	−8.437	0.001
		甲烷排放量		0.271	5.710	0.005
韩国	1961~1975	人均GDP	0.039	0.010	0.194	0.851	0.996	0.993	324.327	0.000
		人均居民最终消费支出		−0.209	−8.523	0.000
		人口密度		−0.301	−11.243	0.000
		超百万城市群的人口		−0.261	−10.186	0.000
		人口增长		0.206	4.922	0.001
		耕地		−0.098	−3.818	0.005
	1975~2005	人均GDP	0.075	−0.058	−3.063	0.006	0.997	0.995	792.608	0.000
		人均居民最终消费支出		−0.098	−10.003	0.000
		总生育率		0.100	5.343	0.000
		人口密度		−0.153	−18.508	0.000
		超百万城市群的人口		−0.287	−16.213	0.000
		中小学女生与男生 的入学比例		−0.164	−8.791	0.000
		高等院校入学率		−0.054	−3.467	0.002
		能源使用量		−0.123	−11.213	0.000
	2005~2018	人均GDP	0.114	−0.081	−2.000	0.086	0.991	0.984	132.358	0.000
		人均居民最终消费支出		−0.212	−7.423	0.000
		人口密度		−0.215	−8.218	0.000
		超百万城市群的人口		0.227	5.350	0.001
		一氧化氮排放量		0.134	3.769	0.007
		医院床位		−0.202	−8.697	0.000
丹麦	1966~2006	人均GDP	0.063	−0.090	−3.400	0.002	0.990	0.988	554.928	0.000
		人均居民最终消费支出		−0.109	−4.744	0.000
		总生育率		0.090	4.066	0.000
		人口密度		−0.346	−12.019	0.000
		超百万城市群的人口		0.286	10.162	0.000
		耗电量		−0.144	−5.536	0.000
	2006~2018	人均GDP	0.172	−0.137	−1.342	0.216	0.895	0.842	17.022	0.001
		超百万城市群的人口		−0.208	−2.341	0.047
		一氧化氮排放量		0.357	3.326	0.01
		二氧化碳排放量		0.413	4.648	0.002
德国	1970~2009	人均GDP	0.183	−0.106	−3.608	0.001	0.969	0.964	211.487	0.000
		人均居民最终消费支出		−0.264	−12.644	0.000
		总生育率		0.152	5.149	0.000
		耗电量		−0.310	−9.966	0.000
		谷类产量		−0.183	−6.420	0.000
	2009~2018	人均GDP	0.155	0.004	0.032	0.975	0.871	0.807	13.536	0.004
		人均居民最终消费支出		−0.393	−2.665	0.037
		超百万城市群的人口		−0.504	−3.317	0.016
法国	1961~2010	人均GDP	0.154	−0.056	−3.755	0.001	0.990	0.988	595.838	0.000
		人均居民最终消费支出		−0.153	−17.872	0.000
		总生育率		0.185	11.387	0.000
		人口密度		−0.174	−18.055	0.000
		能源使用量		−0.186	−12.976	0.000
		耗电量		−0.131	−13.163	0.000
		谷类产量		−0.130	−8.217	0.000
	2010~2018	人均GDP	0.163	0.325	1.850	0.124	0.810	0.696	7.105	0.030
		超百万城市群的人口		0.487	2.669	0.044
		中小学女生与男生 的入学比例		−0.499	−2.737	0.041
芬兰	1961~1981	人均GDP	0.185	−0.104	−5.920	0.000	0.991	0.986	205.877	0.000
		总生育率		0.168	7.317	0.000
		人口密度		−0.232	−10.398	0.000
		超百万城市群的人口		−0.130	−9.387	0.000
		城镇人口增长率		0.098	3.868	0.002
		能源使用量		−0.160	−12.878	0.000
		耗电量		−0.141	−14.723	0.000
	1981~2018	人均GDP	0.151	−0.037	−1.819	0.079	0.989	0.987	401.293	0.000
		人均居民最终消费支出		−0.114	−7.606	0.000
		人口密度		−0.180	−13.145	0.000
		超百万城市群的人口		−0.161	−10.816	0.000
		高等院校入学率		−0.244	−11.448	0.000
		一氧化氮排放量		0.095	4.570	0.000
		甲烷排放量		0.170	12.126	0.000
荷兰	1961~2010	人均GDP	0.110	−0.113	−7.841	0.000	0.994	0.993	971.818	0.000
		总生育率		0.188	12.645	0.000
		人口密度		−0.238	−27.024	0.000
		二氧化碳排放量		0.038	3.138	0.003
		能源使用量		−0.111	−10.556	0.000
		耗电量		−0.218	−24.009	0.000
		谷类产量		−0.194	−12.860	0.000
	2010~2018	人均GDP	0.118	0.129	2.513	0.066	0.989	0.978	89.167	0.000
		总生育率		0.243	3.899	0.018
		中小学女生与男生 的入学比例		−0.403	−6.271	0.003
		高等院校入学率		−0.317	−5.235	0.006
加拿大	1961~2005	人均GDP	0.133	−0.121	−10.571	0.000	0.994	0.993	1105.009	0.000
		总生育率		0.160	12.586	0.000
		人口密度		−0.151	−14.444	0.000
		能源使用量		−0.167	−14.121	0.000
		耗电量		−0.185	−27.850	0.000
		耕地		−0.244	−17.481	0.000
	2005~2018	人均GDP	0.136	−0.026	−0.672	0.523	0.989	0.980	109.650	0.000
		人均居民最终消费支出		−0.262	−9.856	0.000
		总生育率		0.111	2.594	0.036
		人口密度		−0.254	−12.188	0.000
		超百万城市群的人口		−0.248	−8.846	0.000
		高等院校入学率		−0.151	−3.388	0.012
捷克	1990~2009	人均GDP	0.157	−0.089	−3.645	0.003	0.989	0.984	192.914	0.000
		人均居民最终消费支出		−0.231	−9.766	0.000
		总生育率		0.238	9.004	0.000
		高等院校入学率		−0.171	−9.661	0.000
		二氧化碳排放量		0.108	3.495	0.004
		甲烷排放量		0.289	10.885	0.000
	2009~2018	人均GDP	0.110	−0.008	−0.137	0.896	0.978	0.960	55.443	0.000
		人口密度		−0.303	−5.676	0.002
		超百万城市群的人口		−0.329	−6.040	0.002
		人口增长		0.549	8.785	0.000
卡塔尔	1970~2000	人均GDP	0.141	−0.094	−3.335	0.003	0.975	0.971	198.510	0.000
		总生育率		0.354	13.442	0.000
		二氧化碳排放量		0.175	4.799	0.000
		耗电量		−0.171	−5.352	0.000
		农业用地		−0.255	−9.890	0.000
	2000~2018	人均GDP	0.170	0.006	0.115	0.910	0.967	0.958	103.290	0.000
		人均当前卫生支出		−0.202	−3.929	0.002
		总生育率		0.360	8.537	0.000
		人口密度		−0.402	−8.283	0.000
拉脱维亚	1995~2010	人均GDP	0.069	−0.100	−4.161	0.002	0.997	0.996	727.334	0.000
		人口密度		0.295	12.028	0.000
		高等院校入学率		−0.238	−9.739	0.000
		甲烷排放量		0.245	10.654	0.000
		耗电量		−0.162	−7.851	0.000
	2010~2018	人均GDP	0.177	−0.041	−0.601	0.580	0.983	0.965	56.359	0.001
		人均居民最终消费支出		−0.311	−9.881	0.001
		人口密度		0.326	8.414	0.001
		农业用地		−0.274	−5.649	0.005
马耳他	1970~2005	人均GDP	0.193	−0.128	−4.029	0.000	0.952	0.942	96.502	0.000
		人口密度		−0.201	−8.856	0.000
		城镇人口增长率		−0.126	−3.442	0.002
		能源使用量		−0.214	−5.265	0.000
		耗电量		−0.187	−8.731	0.000
		谷类产量		−0.216	−5.404	0.000
	2005~2018	人均GDP	0.192	0.054	0.583	0.574	0.883	0.831	17.012	0.000
		卫生支出占比		0.418	3.926	0.003
		高等院校入学率		0.250	2.547	0.031
		护士和助产士		0.242	2.955	0.016
美国	1961~2009	人均GDP	0.139	−0.222	−24.112	0.000	0.986	0.983	405.018	0.000
		人口密度		−0.244	−33.983	0.000
		总生育率		0.229	10.930	0.000
		超百万城市群的人口		−0.091	−5.259	0.000
		二氧化碳排放量		0.090	4.705	0.000
		耗电量		−0.346	−24.610	0.000
		耕地		−0.146	−7.407	0.000
	2009~2018	人均GDP	0.039	−0.207	−1.943	0.100	0.975	0.963	79.237	0.000
		人口密度		−0.381	−3.552	0.012
		总生育率		0.396	2.963	0.025
挪威	1961~1981	人均GDP	0.213	−0.118	−6.301	0.000	0.994	0.992	412.640	0.000
		总生育率		0.186	12.525	0.000
		人口密度		−0.225	−20.833	0.000
		能源使用量		−0.209	−17.245	0.000
		耗电量		−0.198	−16.924	0.000
		谷类产量		−0.050	−2.529	0.024
	1981~2018	人均GDP	0.169	−0.033	−1.336	0.192	0.982	0.978	237.147	0.000
		人均居民最终消费支出		−0.101	−7.569	0.000
		人口密度		−0.084	−3.825	0.001
		超百万城市群的人口		−0.155	−14.299	0.000
		城镇人口增长率		−0.133	−4.988	0.000
		高等院校入学率		−0.302	−12.419	0.000
		甲烷排放量		0.219	8.690	0.000
葡萄牙	1961~1975	人均GDP	0.068	−0.141	−1.882	0.089	0.978	0.969	110.681	0.000
		超百万城市群的人口		−0.195	−4.000	0.003
		耗电量		−0.222	−9.041	0.000
		农业用地		−0.420	−7.090	0.000
	1975~2005	人均GDP	0.114	−0.083	−3.627	0.001	0.991	0.989	460.759	0.000
		总生育率		0.321	13.681	0.000
		人口密度		−0.167	−6.677	0.000
		超百万城市群的人口		−0.245	−10.428	0.000
		能源使用量		−0.115	−6.263	0.000
		谷类产量		−0.093	−3.840	0.001
	2005~2018	人均GDP	0.144	−0.126	−2.013	0.079	0.961	0.936	39.170	0.000
		二氧化碳排放量		0.224	2.821	0.022
		一氧化氮排放量		0.251	3.172	0.013
		甲烷排放量		0.257	3.148	0.014
		谷类产量		−0.245	−3.052	0.016
日本	1961~1971	人均GDP	0.075	−0.003	−0.066	0.949	0.985	0.975	100.253	0.000
		人口密度		−0.239	−6.172	0.001
		超百万城市群的人口		−0.625	−8.413	0.000
		耗电量		−0.101	−2.521	0.045
	1971~2001	人均GDP	0.187	−0.068	−2.494	0.020	0.974	0.968	150.416	0.000
		人均居民最终消费支出		−0.191	−10.809	0.000
		人口密度		−0.374	−17.421	0.000
		总生育率		0.215	7.925	0.000
		超百万城市群的人口		−0.204	−17.328	0.000
		二氧化碳排放量		0.156	4.900	0.000
	2001~2018	人均GDP	0.099	−0.042	−1.369	0.198	0.989	0.983	168.462	0.000
		人均居民最终消费支出		−0.162	−3.854	0.003
		超百万城市群的人口		−0.256	−8.658	0.000
		一氧化氮排放量		0.153	4.231	0.001
		甲烷排放量		0.191	7.361	0.000
		护士和助产士		−0.208	−6.509	0.000
瑞士	1961~2005	人均GDP	0.127	−0.077	−3.766	0.001	0.987	0.985	496.706	0.000
		总生育率		0.312	14.656	0.000
		人口密度		−0.114	−5.247	0.000
		能源使用量		−0.219	−11.236	0.000
		耗电量		−0.173	−10.503	0.000
		谷类产量		−0.118	−5.091	0.000
	2005~2018	人均GDP	0.141	−0.143	−1.846	0.102	0.954	0.924	32.816	0.000
		人均当前卫生支出		−0.119	−2.832	0.022
		人均居民最终消费支出		−0.287	−3.762	0.006
		人口密度		−0.226	−4.372	0.002
		高等院校入学率		−0.203	−3.772	0.005
塞浦路斯	1975~1983	人均GDP	0.084	−0.036	−0.635	0.560	0.994	0.988	164.795	0.000
		人均居民最终消费支出		−0.350	−7.100	0.002
		人口密度		−0.290	−9.087	0.001
		能源使用量		−0.305	−5.789	0.004
	1983~2018	人均GDP	0.087	−0.082	−2.058	0.049	0.979	0.974	220.368	0.000
		人均居民最终消费支出		−0.142	−4.655	0.000
		总生育率		0.288	9.300	0.000
		人口密度		−0.324	−12.290	0.000
		人口增长		−0.144	−5.301	0.000
		高等院校入学率		−0.191	−4.874	0.000
斯洛伐克	1990~2011	人均GDP	0.132	−0.259	−6.871	0.000	0.982	0.976	170.038	0.000
		人口密度		−0.131	−3.442	0.003
		二氧化碳排放量		0.246	7.464	0.000
		甲烷排放量		0.358	10.539	0.000
		耗电量		−0.083	−2.648	0.018
	2011~2018	人均GDP	0.017	0.047	2.040	0.111	0.998	0.996	600.852	0.000
		人口密度		−0.987	−42.439	0.000
		人口增长		0.126	5.421	0.006
斯洛文尼亚	1990~2010	人均GDP	0.187	−0.096	−4.274	0.001	0.988	0.983	193.660	0.000
		人均居民最终消费支出		−0.224	−12.660	0.000
		总生育率		0.138	5.764	0.000
		高等院校入学率		−0.227	−9.293	0.000
		甲烷排放量		0.267	9.037	0.000
		能源使用量		−0.216	−9.191	0.000
	2010~2018	人均GDP	0.035	−0.004	−0.078	0.941	0.989	0.982	149.691	0.000
		人口密度		−0.604	−6.894	0.001
		中小学女生与男生 的入学比例		−0.399	−4.482	0.007
乌拉圭	1961~1975	人均GDP	0.081	−0.043	−0.723	0.486	0.982	0.975	135.533	0.000
		城镇人口增长率		0.329	10.282	0.000
		人口增长		0.333	10.175	0.000
		超百万城市群的人口		0.470	10.671	0.000
	1975~2018	人均GDP	0.152	−0.078	−2.430	0.020	0.968	0.962	184.161	0.000
		人口密度		−0.319	−12.693	0.000
		总生育率		0.395	15.560	0.000
		人口增长		−0.101	−3.493	0.001
		二氧化碳排放量		0.169	6.242	0.000
		谷类产量		−0.238	−8.727	0.000
西班牙	1974~1985	人均GDP	0.194	−0.063	−1.520	0.179	0.988	0.978	100.419	0.000
		人口密度		−0.270	−12.497	0.000
		总生育率		0.215	7.429	0.000
		超百万城市群的人口		−0.196	−7.604	0.000
		耗电量		−0.235	−7.947	0.000
	1985~2005	人均GDP	0.145	−0.064	−3.184	0.007	0.995	0.993	384.560	0.000
		人均居民最终消费支出		−0.107	−7.615	0.000
		人口密度		−0.118	−6.897	0.000
		总生育率		0.246	13.366	0.000
		超百万城市群的人口		−0.232	−14.948	0.000
		高等院校入学率		−0.182	−22.583	0.000
		能源使用量		−0.120	−9.363	0.000
	2005~2018	人均GDP	0.102	0.029	0.728	0.490	0.989	0.980	105.759	0.000
		卫生支出占比		−0.115	−2.834	0.025
		人口密度		−0.226	−5.302	0.001
		超百万城市群的人口		−0.275	−6.438	0.000
		高等院校入学率		−0.293	−7.320	0.000
		二氧化碳排放量		0.153	3.343	0.012
希腊	1961~2008	人均GDP	0.134	−0.050	−5.226	0.000	0.996	0.996	1498.161	0.000
		人均居民最终消费支出		−0.131	−20.975	0.000
		总生育率		0.192	18.598	0.000
		人口密度		−0.182	−28.143	0.000
		超百万城市群的人口		−0.222	−24.903	0.000
		能源使用量		−0.168	−24.413	0.000
		谷类产量		−0.148	−13.108	0.000
	2008~2018	人均GDP	0.128	−0.399	−2.169	0.067	0.807	0.724	9.755	0.007
		谷类产量		0.459	2.964	0.021
		农业用地		−0.492	−2.661	0.032
新加波	1961~2000	人均GDP	0.053	−0.085	−2.618	0.013	0.986	0.984	468.263	0.000
		人均居民最终消费支出		−0.244	−8.166	0.000
		总生育率		0.399	11.338	0.000
		人口密度		−0.183	−6.387	0.000
		二氧化碳排放量		−0.167	−5.427	0.000
	2000~2018	人均GDP	0.178	−0.097	−1.283	0.219	0.910	0.892	50.754	0.000
		人均居民最终消费支出		−0.298	−3.954	0.001
		二氧化碳排放量		0.554	7.204	0.000
新西兰	1961~1970	人均GDP	0.177	0.041	0.859	0.429	0.987	0.976	91.936	0.000
		人口密度		−0.350	−9.892	0.000
		能源使用量		−0.272	−6.067	0.002
		耗电量		−0.306	−10.978	0.000
	1970~2000	人均GDP	0.085	−0.163	−4.826	0.000	0.988	0.985	329.137	0.000
		人口密度		−0.154	−5.253	0.000
		超百万城市群的人口		−0.153	−4.880	0.000
		能源使用量		−0.132	−4.451	0.000
		耗电量		−0.272	−8.440	0.000
		谷类产量		−0.131	−4.031	0.000
	2000~2018	人均GDP	0.060	−0.040	−0.959	0.353	0.991	0.989	413.719	0.000
		人均居民最终消费支出		−0.328	−10.781	0.000
		人口密度		−0.442	−12.886	0.000
		超百万城市群的人口		−0.175	−4.313	0.001
匈牙利	1991~2010	人均GDP	0.118	−0.114	−5.269	0.000	0.994	0.991	358.671	0.000
		总生育率		0.257	10.849	0.000
		高等院校入学率		−0.156	−9.089	0.000
		甲烷排放量		0.240	9.662	0.000
		耗电量		−0.112	−5.519	0.000
		护士和助产士		−0.192	−6.955	0.000
	2010~2018	人均GDP	0.137	−0.114	−2.476	0.069	0.992	0.983	117.089	0.000
		人均居民最终消费支出		−0.394	−8.142	0.001
		超百万城市群的人口		−0.316	−11.694	0.000
		甲烷排放量		0.212	4.826	0.008
以色列	1961~1980	人均GDP	0.060	0.032	0.400	0.694	0.964	0.957	141.212	0.000
		总生育率		0.327	4.096	0.001
		人口密度		−0.670	−8.391	0.000
	1980~2010	人均GDP	0.120	−0.107	−4.951	0.000	0.993	0.990	377.624	0.000
		人均居民最终消费支出		−0.134	−12.165	0.000
		总生育率		0.163	9.101	0.000
		人口密度		−0.134	−12.321	0.000
		超百万城市群的人口		−0.211	−9.290	0.000
		高等院校入学率		−0.116	−6.940	0.000
		能源使用量		−0.104	−4.758	0.000
		耗电量		−0.121	−9.124	0.000
	2010~2018	人均GDP	0.045	−0.337	−1.712	0.138	0.921	0.895	35.008	0.000
		人口密度		−0.613	−3.117	0.021
意大利	1961~1970	人均GDP	0.019	−0.061	−0.637	0.548	0.993	0.989	267.764	0.000
		人口密度		−0.648	−7.187	0.000
		耗电量		−0.280	−5.446	0.002
	1970~2009	人均GDP	0.134	−0.054	−3.176	0.003	0.992	0.990	562.175	0.000
		人均居民最终消费支出		−0.129	−13.833	0.000
		总生育率		0.233	16.570	0.000
		人口密度		−0.253	−13.132	0.000
		城镇人口增长率		0.175	12.877	0.000
		能源使用量		−0.127	−9.037	0.000
		耗电量		−0.134	−15.056	0.000
	2009~2018	人均GDP	0.180	0.111	1.868	0.135	0.985	0.966	52.788	0.001
		卫生支出占比		0.193	3.256	0.031
		总生育率		0.273	5.154	0.007
		二氧化碳排放量		0.265	4.888	0.008
		甲烷排放量		0.205	4.340	0.012
英国	1961~1970	人均GDP	0.044	−0.156	−2.261	0.073	0.994	0.990	224.786	0.000
		人口密度		−0.347	−8.298	0.000
		超百万城市群的人口		0.327	10.294	0.000
		耗电量		−0.161	−2.677	0.044
	1970~2000	人均GDP	0.181	−0.299	−7.334	0.000	0.957	0.950	143.100	0.000
		总生育率		0.146	3.678	0.001
		二氧化碳排放量		0.233	5.943	0.000
		谷类产量		−0.323	−8.369	0.000
	2000~2018	人均GDP	0.077	−0.012	−0.388	0.705	0.987	0.981	155.846	0.000
		人均当前卫生支出		−0.093	−4.502	0.001
		卫生支出占比		−0.116	−2.595	0.023
		人口密度		−0.340	−9.905	0.000
		二氧化碳排放量		0.281	7.751	0.000
		一氧化氮排放量		0.182	3.899	0.002
智利	1961~1990	人均GDP	0.178	−0.091	−2.399	0.025	0.968	0.962	147.553	0.000
		总生育率		0.288	15.461	0.000
		人口密度		−0.239	−11.869	0.000
		谷类产量		−0.138	−4.423	0.000
		农业用地		−0.269	−8.975	0.000
	1990~2018	人均GDP	0.051	0.013	0.191	0.850	0.965	0.956	101.624	0.000
		人均居民最终消费支出		−0.131	−3.261	0.004
		总生育率		0.267	4.851	0.000
		人口密度		−0.189	−4.410	0.000
		超百万城市群的人口		−0.244	−4.913	0.000
		通电率		−0.250	−3.160	0.005

3.3. IMR、人均GDP的现状水平与动态变化

2018年，38个高收入国家中，最高IMR为阿曼9.8‰，最低为冰岛1.6‰，均值为3.54‰，中位数为3.2‰。5‰以下32个国家，占84.21%，3‰以下18个国家，占47.37%。38个高收入国家的起点时间不完全一致，以1961年为起点24个国家，最晚起点为1995年。最高IMR为阿曼198‰，最低为斯洛文尼亚8.8‰，均值为34.08‰，中位数为22.45‰。50‰以下32个国家，20‰以下14个国家。

从起点至2018年，38个高收入国家IMR平均增长量均为负值，阿曼(1961~2018年)最小为−3.55‰，荷兰(1961~2018年)最大为−0.22‰，均值为−0.60‰，中位数为−0.41‰。平均增长量的绝对值1‰以上4个国家，0.5‰至1‰间9个国家，0.3‰至0.5‰间16个国家，0.3‰以下9个国家。平均增长量绝对值在1‰以下有34个国家，占89.47%。38个高收入国家IMR平均增长速度均为负值，爱沙尼亚(1993~2018年)最小为−7.33%，美国(1961~2018年)最大为−2.62%，均值为−4.27%，中位数为−4.08%。平均增长速度绝对值5%以上9个国家，3%至5%间25个国家，3%以下4个国家。平均增长速度绝对值在3%以上有34个国家，占89.47%。

2018年在38个高收入国家中，人均GDP最高为瑞士81818.11 US$，最少为阿曼16521.18 US$，均值为41309.42 US$，中位数为41675.41 US$。50,000 US$以上12个国家，20,000至50,000 US$间19个国家，20,000 US$以下7个国家。人均GDP在20,000 US$以上有31个国家，占81.58%。起点最高人均GDP为斯洛文尼亚(1990年) 9107.41 US$，最少为韩国(1961年) 93.83 US$，均值为1961.17 US$，中位数为1454.39 US$。2000 US$以上14个国家，1000至2000 US$间12个国家，500至1000 US$间8个国家，500 US$以下4个国家。

从起点至2018年，38个高收入国家人均GDP平均增长量均为正值，瑞士(1961~2018年)最高为1418.36 US$，智利(1961~2018年)最少为269.64 US$，均值为786.35 US$，中位数为709.57 US$。1000 US$以上9个国家，500至1000 US$间22个国家，500 US$以下7个国家。平均增长量在500 US$以上有31个国家，占81.58%。38个高收入国家人均GDP平均增长速度均为正值，韩国(1961~2018年)最大为10.86%，斯洛文尼亚(1990~2018年)最少为3.83%。均值为6.96%，中位数为6.61%。8%以上8个国家，5%至8%间29个国家，5%以下1个国家。平均增长速度在5%以上有37个国家，占97.37%。

3.4. 关系转变的基本情况

在发生第一转变的12个国家中，最早时间为1970年，最晚为1985年，中位时间为1975年，9个国家在1975年前出现了第一转变，占同期国家数的75.00%。在发现第二转变的36个国家中，最早时间为1981年，最晚为2011年，中位时间为2005年，23个国家在2005年及之后发生了第二转变，占同期国家数的63.89%，31个国家在2000年及之后，占86.11%。第一转变前的非积极影响阶段持续最短时间为9年，最长为20年，平均为12.25年，中位时间为10.5年。积极影响期持续最短时间为16年，最长时间为50年，平均时间为32.03年，中位时间为31年，持续30年及以上有24个国家，占同期国家数的66.67%，20年及以上33个国家，占91.67%。第二转变后的非积极影响阶段持续最短时间为8年，最长为38年，平均为15.75年，中位时间为14年。

在第一转变的12国家中，关系转变时IMR最小值为9.2‰，最大值为49‰，均值为19.37‰，中位数为17.45‰，10‰以上11个国家，占91.67%。人均GDP最小值为617.46 US$，最大值为6252.92 US$，均值为2184.06 US$，中位数为2309.81 US$，2000 US$以下国家9个，占75.00%。

在第二转变的36个国家中，关系转变时IMR最小值为2.6‰，最大值为16.1‰，均值为5.65‰，中位数为4.8‰，6‰以下24个国家，占66.67%，10‰以下32个国家，占88.89%。人均GDP最小值为2494.53 US$，最大值为54952.67 US$，均值为27184.24 US$，中位数为23680.94 US$，10,000 US$以上国家34个，占94.44%。

3.5. 两次转变所形成三个阶段的IMR影响因素的影响力分析

第一转变前的12个回归模型中，最终有10个自变量的回归系数t检验差异均有统计学意义(P < 0.05)，人均GDP回归系数t检验差异均无统计学意义(P > 0.05)。频数、顺位、回归系数影响力的前4位相同，分别为人口密度、超百万城市群的人口、耗电量、总生育率，分别占同期各自总影响力的72.22%、76.94%、76.55%。见表2。人口因素的频数、顺位、回归系数影响力分别是各自总影响力的72.79%、69.24%、72.79%，是能源与环境因素的2.56倍、3.63倍、4.06倍，是经济因素的11.50倍、10.39倍、15.15倍，是农业因素的11.50倍、13.85倍、16.35倍。见表3。

Table 2. Comparison of the composition ratio (%) of factors influencing infant mortality in three stages formed by two transformations

表2. 两次转变所形成的三个阶段婴儿死亡率影响因素的影响力构成比(%)比较

影响因素	第一转变前						两次转变间						第二转变后
	回归系数		顺位		频数		回归系数		顺位		频数		回归系数		顺位		频数
	影 响 力	构 成 比	影 响 力	构 成 比	影 响 力	构 成 比	影 响 力	构 成 比	影 响 力	构 成 比	影 响 力	构 成 比	影 响 力	构 成 比	影 响 力	构 成 比	影 响 力	构 成 比
人口密度	4.03	34.64	8.50	35.42	10	27.78	6.47	15.80	21.12	15.88	30	13.16	7.63	21.60	16.41	19.43	23	17.29
总生育率	0.91	7.81	1.67	6.94	3	8.33	7.16	17.48	23.65	17.78	31	13.60	2.08	5.87	5.45	6.45	8	6.02
超百万城市群的人口	2.66	22.88	5.05	21.04	7	19.44	3.03	7.40	10.22	7.68	15	6.58	4.25	12.03	10.85	12.83	16	12.03
人口增长	0.54	4.63	1.07	4.44	2	5.56	0.71	1.74	2.00	1.5	4	1.75	1.19	3.38	2.70	3.2	4	3.01
城镇人口增长率	0.33	2.83	0.33	1.39	1	2.78	0.50	1.23	1.19	0.9	4	1.75	0.69	1.96	1.63	1.93	4	3.01
人均GDP	^*	^*	^*	^*	^*	^*	4.66	11.39	12.60	9.47	38	16.67	^*	^*	^*	^*	^*	^*
人均居民 最终消费支出	0.56	4.8	1.6	6.67	2	5.56	2.62	6.41	8.10	6.09	16	7.02	4.26	12.06	9.97	11.8	17	12.78
人均当前 卫生支出	^*	^*	^*	^*	^*	^*	^*	^*	^*	^*	^*	^*	1.01	2.86	2.18	2.58	5	3.76
卫生支出占比	^*	^*	^*	^*	^*	^*	^*	^*	^*	^*	^*	^*	0.94	2.66	1.99	2.36	5	3.76
谷类产量	^*	^*	^*	^*	^*	^*	2.34	5.71	7.71	5.80	15	6.58	0.7	1.99	1.00	1.18	2	1.50
耕地	0.10	0.84	0.20	0.83	1	2.78	0.76	1.84	2.76	2.08	4	1.75	0.36	1.03	0.70	0.83	2	1.50
农业用地	0.42	3.61	1.00	4.17	1	2.78	0.52	1.28	1.60	1.20	2	0.88	1.14	3.23	2.52	2.98	4	3.01
高等院校入学率	^*	^*	^*	^*	^*	^*	1.96	4.78	6.74	5.07	11	4.82	2.59	7.34	7.73	9.15	10	7.52
中小学女生与 男生的入学比例	^*	^*	^*	^*	^*	^*	0.16	0.40	0.88	0.66	1	0.44	1.30	3.68	2.50	2.96	3	2.26
耗电量	1.31	11.21	3.25	13.54	6	16.67	3.94	9.62	13.87	10.43	22	9.65	^*	^*	^*	^*	^*	^*
能源使用量	0.78	6.74	1.33	5.56	3	8.33	2.6	6.35	9.68	7.28	17	7.46	^*	^*	^*	^*	^*	^*
甲烷排放量	^*	^*	^*	^*	^*	^*	1.78	4.35	6.09	4.58	7	3.07	2.20	6.24	7.10	8.41	10	7.52
二氧化碳排放量	^*	^*	^*	^*	^*	^*	1.54	3.77	4.12	3.10	10	4.39	2.39	6.76	5.29	6.26	8	6.02
一氧化氮排放量	^*	^*	^*	^*	^*	^*	^*	^*	^*	^*	^*	^*	1.17	3.32	2.58	3.06	6	4.51
通电率	^*	^*	^*	^*	^*	^*	^*	^*	^*	^*	^*	^*	0.25	0.71	0.80	0.95	1	0.75
医院床位	^*	^*	^*	^*	^*	^*	^*	^*	^*	^*	^*	^*	0.20	0.57	0.40	0.47	1	0.75
护士和助产士	^*	^*	^*	^*	^*	^*	0.19	0.47	0.67	0.50	1	0.44	0.66	1.86	1.93	2.29	3	2.26
感染HIV的 成年女性	^*	^*	^*	^*	^*	^*	^*	^*	^*	^*	^*	^*	0.30	0.86	0.75	0.89	1	0.75
合计	11.64	100	24	100	36	100	40.95	100	133	100	228	100	35.34	100	84.5	100	133	100

注：^*表示未纳入模型。

Table 3. Comparison of influence composition ratios (%) classified by influencing factors for the three stages formed by two transformations

表3. 两次转变所形成3个阶段按影响因素分类的影响力构成比(%)比较

影响 因素分类	第一转变前						两次转变间						第二转变后
	回归系数		顺位		频数		回归系数		顺位		频数		回归系数		顺位		频数
	影 响 力	构 成 比	影 响 力	构 成 比	影 响 力	构 成 比	影 响 力	构 成 比	影 响 力	构 成 比	影 响 力	构 成 比	影 响 力	构 成 比	影 响 力	构 成 比	影 响 力	构 成 比
人口因素	8.47	72.79	16.62	69.24	23	63.89	17.87	43.64	58.18	43.74	84	36.84	15.85	44.84	37.04	43.84	55	41.35
经济因素	0.56	4.80	1.60	6.67	2	5.56	7.29	17.80	20.70	15.57	54	23.68	6.22	17.59	14.15	16.75	27	20.30
能源与 环境因素	2.09	17.95	4.58	19.10	9	25.00	9.86	24.08	33.76	25.39	56	24.56	6.02	17.02	15.77	18.67	25	18.8
农业因素	0.52	4.45	1.20	5.00	2	5.56	3.62	8.83	12.07	9.08	21	9.21	2.21	6.24	4.22	4.99	8	6.02
教育因素	^*	^*	^*	^*	^*	^*	2.12	5.18	7.62	5.73	12	5.26	3.89	11.02	10.23	12.11	13	9.77
卫生因素	^*	^*	^*	^*	^*	^*	0.19	0.47	0.67	0.50	1	0.44	1.16	3.29	3.08	3.65	5	3.76
合计	11.64	100	24	100	36	100	40.95	100	133	100	228	100	35.34	100	84.5	100	133	100

注：^*表示未纳入模型。

Figure 2. Comparison of the composition ratios (%) of factors affecting infant mortality rates during the stage of positive impacts

图2. 积极影响阶段婴儿死亡率影响因素的影响力构成比(%)比较

两次转变间构建了38个回归模型，共有17个自变量的回归系数t检验差异均有统计学意义(P < 0.05)。频数、顺位、回归系数影响力的前8位相同，分别为总生育率、人口密度、人均GDP、耗电量、超百万城市群的人口、人均居民最终消费支出、能源使用量、谷类产量，分别占同期各自总影响力的80.70%、80.41%、80.15%。见表2、图2。人口因素的频数、顺位、回归系数影响力分别是各自总影响力的36.84%、43.74%、43.64%，是能源与环境因素的1.50倍、1.72倍、1.81倍，是经济因素的156倍、2.81倍、2.45倍，是农业因素的4.00倍、4.82倍、4.94倍，是教育因素的7.00倍、7.64倍、8.42倍，是卫生因素的84.00倍、87.27倍、93.07倍。见表3。

第二转变后构建了36个回归模型，有20个自变量回归系数的t检验差异均有统计学意义(P < 0.05)，人均GDP回归系数的t检验差异均无统计学意义(P > 0.05)。频数、顺位、回归系数影响力的前7位相同，分别为人口密度、人均居民最终消费支出、超百万城市群的人口、高等院校入学率、二氧化碳排放量、甲烷排放量、总生育率，分别占同期各自总影响力的69.17%、74.33%、71.89%。见表2。人口因素频数、顺位、回归系数影响力分别是各自总影响力的41.35%、43.84%、44.84%，是经济因素影响力的2.04倍、2.62倍、2.55倍，是能源与环境因素的2.20倍、2.35倍、3.63倍，是教育因素的4.23倍、3.62倍、4.07倍，是农业因素的6.88倍、8.78倍、7.18倍，是卫生因素的11倍、12.01倍、13.63倍。见表3。

4. 讨论

4.1. 高收入国家人均GDP处于高体量状态，IMR趋向低水平持续状态

结果显示，2018年在符合“拐点”假设的38个高收入国家中，人均GDP最低为16521.18 US$，81.58%的国家人均GDP在20,000 US$以上，人均GDP平均增长量、平均增长速度均为正值，说明呈逐年增长趋势。81.58%的国家平均增长量在500 US$以上(最小值为269.64 US$)，97.37%的国家平均增长速度在5%以上，与20个低收入国家(从起点到2018年人均GDP平均增长量最大值为20.58 US$，90%的国家平均增长速度低于5%)相比[15]，平均增长量远大于、平均增长速度远快于低收入国家。基于高收入国家的高人均GDP现状，即使增长速度减缓，仍然会保持高体量状态。

2018年38个高收入国家中最高IMR为9.8‰，84.21%的国家在5‰以下。从起点到2018年，IMR平均增长量、平均增长速度均为负值，说明呈逐年下降趋势。89.47%的国家平均增长量绝对值在1‰以下，与20个低收入国家(从起点到2018年IMR平均增长量绝对值均超过1‰)相比[15]，下降绝对量偏小，与高收入国家的起点IMR偏小有关。89.47%的国家平均增长速度绝对值在3%以上，下降速度快于低收入国家(从起点到2018年80%的低收入国家IMR平均增长速度绝对值在3%以下)，与终点IMR远小于低收入国家有关。也进一步说明高收入国家的防控效果优于低收入国家。由于高收入国家的低IMR现状，下降空间越来越小，将长期处于低水平持续状态[13]。

4.2. 研究方法可行性且能满足研究目的要求

有基于生态足迹消费的亚洲国家研究可持续经济发展与政府卫生支出的关系[3]，研究目的是论证九个选定亚洲国家卫生支出与健康结果之间的关系，选择五岁以下儿童死亡率、IMR等健康结果指标为因变量，选择免疫接种、政府卫生支出、生态足迹消费、国内生产总值、贸易开放、就业率和基本供水设施利用率等社会经济因素为自变量，使用2000年至2018年的数据，进行了面板数据回归分析。本文研究的目的之一是论证“拐点”假设，需以国家为单位逐个进行阶段性分组，并在不断阶段合并基础上，动态观察，识别何时发生关系转变。有研究以2003年152个国家IMR为因变量，卫生公共支出、人均国民总收入、贫困率、收入平等(基尼指数)和年轻女性文盲率等为自变量，按低、中、高收入国家分层进行多元线性回归分析[17]。该研究使用的是横断面数据，与本研究的时间序列数据形式不相同。说明多元线性回归分析的方法在IMR影响因素研究中有一定的应用价值。还有研究调查了1990~2012年28个OECD国家特征对IMR改善率的影响[22]，以IMR为因变量，人均GDP、基尼系数、政府一般收入占GDP百分比、公共医疗保健支出GDP百分比、成人识字率等12个指标为自变量，进行多元线性回归分析。该研究除分组及自变量与本研究不一致外，其数据形式与本研究基本一致。其研究目的是确定IMR的国家特征，与本研究探索IMR的影响因素有相似之处。总之，探索IMR的影响因素采用的是不同形式的回归分析，选择什么回归模型是基于收集的数据、研究目的而确定。本文阶段性时间序列的多个变量数据，适合使用多元线性回归分析，鉴于自变量间的多重共线性，故选择了岭回归分析。目的不是预测未来IMR的发展趋势，而是探索IMR的影响因素，并论证“拐点”假设。

4.3. 确实存在着人均GDP与IMR关系的转变

4.3.1. 基本特征

结果表明，人均GDP与IMR的关系转变具有以下特征。一是积极影响期比较长。最长时间50年，平均时间为32.03年，中位时间31年，91.67%的国家在20年以上；二是第一转变时间靠前、第二转变时间靠后。第一转变发生在1970~1985年间，中位时间在1975年，75.00%的国家发生在1975年之前；第二转变发生在1981~2011年间，中位时间为2005年，63.89%的国家发生在2005年之后；三是第一转变时IMR相对较高、第二转变时相对较低。第一转变时平均为19.37‰，中位数为17.45‰，91.67%的国家在10‰以上；第二转变时平均为5.65‰，中位数为4.80‰，66.67%的国家在6‰以下；四是第一转变时人均GDP相对较低、第二转变时相对较高。第一转变时平均为2184.06 US$，中位数为2309.81 US$，75.00%在2000 US$以下；第二转变时平均为27184.24 US$，中位数为23680.94 US$，94.44%的国家高于10,000 US$。

4.3.2. 关于第一转变前的非积极影响阶段

20个低收入国家中[15]仅2个国家发生了第一转变，其他国家仍处于非积极影响阶段，说明第一转变前的非积极影响阶段维持时间较长。结果表明，12个高收入国家在第一转变前维持时间相对较短，最短为9年，最长为20年。可能是在这之前较长非积极影响期的延续，也不排除是积极影响阶段的暂时性波动，由于缺乏足够的资料，已很难验证。推测在中等收入国家中将会找到更多的实证依据。该阶段高IMR、低人均GDP，处于不同程度的贫困状态，若经济发展迟缓，IMR下降缓慢、停滞甚或反弹抬高，人均GDP与IMR不相关或正相关，回归分析可显示人均GDP不是IMR的影响因素，或发挥消极作用。在人均GDP处于极低水平时，健康生产系统可能因制度缺失、政治不稳定、资源错配等因素，无法有效转化为健康生产要素的改善。在这阶段，没有足够的财力扩大妇幼健康的投入，即使加大投入也难以消化吸收而发挥作用，反而会造成不必要的资源浪费。让·德雷兹、阿码蒂亚·森研究发现不依赖经济高速增长，通过精心策划的社会扶助项目起作用可迅速降低IMR，称为“扶持导致型”[23]。该阶段应当发挥“扶持导致”作用，加强社会综合管理，针对婴儿死亡病因落实有效的干预措施，或许会有效降低IMR，甚或会缩短非积极影响阶段，促进尽早尽快发生第一转变。

4.3.3. 关于两次转变间的积极影响阶段

高或中等的IMR有较大的下降空间，低或中等的人均GDP有较大的上升空间，若经济社会综合管理成效显著，会出现IMR快速下降、人均GDP快速提升的现象，二者呈负相关将是必然趋势，人均GDP将会成为促进IMR下降、发挥积极作用的影响因素。此时，人均GDP的微小增长会带来IMR的显著下降，这在曲线轨迹上表现为陡峭的斜率，边际效益大幅提升，演变为积极影响阶段，大致处于边际效益递增/高效期。让·德雷兹、阿码蒂亚·森还提出通过高速经济增长可迅速降低IMR，称为“增长引发型”[23]。在此阶段应当发挥人均GDP的作用，加大妇幼健康方面的投入力度，建立“增长引发”与“扶持导致”相协同的作用机制[9] [13] [14] [23]，根据各国的实际情况，甚至可以加快投入的速度，适度快于人均GDP的增长速度，着力构建“超增长扶持”主动降低IMR的机制[9] [14]，可快速降低IMR，从而缩短积极影响阶段。若忽视人均GDP的作用，将会错失发展之机，被动拉长积极影响阶段。

4.3.4. 关于第二转变后的非积极影响阶段

在积极影响阶段的末期，IMR已处于相当低的水平，从很低的IMR向更低水平进展，下降的空间十分有限，导致婴儿死亡的疾病多是当前医学科学尚无法根治的疾病，如先天性、遗传性、代谢性疾病等，IMR将长期处于低水平持续状态[13]，IMR下降缓慢、下降停滞，甚或会出现短暂的波动反弹，二者将会出现不相关、正相关，人均GDP不再是IMR的影响因素，或发挥消极作用。随着时间的推移，经济社会持续向好发展，低水平持续状态的IMR与高体量的人均GDP关系发生第二转变成为历史的必然，再次进入非积极影响阶段是终极发展趋势[21]。该阶段大致处于边际效益的递减期，健康生产的重点转向更难通过经济增长直接解决的领域，经济增长的健康转化效率会自然下降，对降低IMR的拉动作用已经非常有限。第二转变的演进过程，正是健康生产函数中投入要素结构与边际产出变化在宏观曲线形态上的具体体现。防控政策需要转向更精细、更具针对性且多部门的联动策略，在保障妇幼健康服务有序运行基础上，务必在针对性科技攻关方向上加大投入[21]，定位在此类疾病的早期筛查、早期诊断、早期干预的研究与新技术推广上[21]。若盲目扩大妇幼健康投入，可能会造成不必要的资源浪费；若不能适时调整投入方向，婴儿死亡病因将难以发生质的改变，代表儿童健康水平的关键性指标也将难以发生质的提高。

此外，两次转变所形成的三个阶段，为普雷斯顿曲线提供了一个动态扩展，该曲线不应被视为一个静态的单调关系，而是一个分段函数，其斜率随发展阶段而变化。第一转变前相当于IMR高值无关联阶段，第二转变后相当于IMR的低值无关联阶段，两次转变间的陡峭阶段类似于经典曲线的有关联阶段。提示在分析经济增长与健康关系时，必须考虑发展阶段的异质性。

总之，对于一个国家或地区，首先要判断二者关系所处的历史方位，根据不同发展阶段影响因素的实际情况，落实防控策略；其次是及早发现关系变化的“拐点”，以便根据影响因素的变化适时调整防控策略。探索二者关系变化的“拐点”是IMR下降历程中最为重要的工作之一，本文的研究方法有一定的可行性，但还需要创新方法简便高效精准发现“拐点”。

4.4. 人口因素发挥着主导作用，人均GDP并不总是影响因素

IMR下降历程中，某一阶段的影响因素仅代表该时期的影响因素，不代表整个发展阶段的影响因素。阶段合并后，原组成阶段的影响因素可能已不是阶段合并后的影响因素。阶段合并后的影响因素容易掩盖期内组成阶段影响因素的动态变化。本文通过频数、顺位、回归系数影响力进行综合评判。图2显示了三种影响力在积极影响阶段的差异化表现，人均GDP的频数影响力位居第1位，顺位、回归系数影响力位居第3位。频数影响力按不同自变量的频次累加计数，出现一次均累积为1，顺位影响力定义第一影响因素的为1，然后按1/n等差递减，均掩盖了不同自变量的贡献大小；在同一回归模型中按标准化回归系数绝对值大小评判不同自变量对IMR的回归贡献，对同一自变量在不同阶段中的标准化回归系数绝对值累加比较，能弥补频数及顺位影响力的偏差，回归系数影响力比频数、顺位影响力更为可靠。

结果表明，第一转变前人口密度的影响力位居首位，人口因素的回归系数影响力占同期总影响力的72.79%，是其他维度的4.06倍至16.35倍。第二转变后人口密度的影响力亦位居首位，人口因素的回归系数影响力占同期总影响力的44.84%，是其他维度的2.55倍至13.63倍。这两阶段人均GDP均不是影响因素。两次转变间总生育率的影响力位居首位，人口密度位居第2位，人均GDP位居第3位；人口因素的回归系数影响力占同期总影响力的43.64%，是其他维度的1.81倍至93.07倍。说明人口因素在IMR下降过程中发挥着主导作用，经济、能源与环境、教育、农业、卫生因素发挥次要作用，人均GDP并不总是IMR的影响因素。

4.5. 对未来工作的启示

4.5.1. 不可忽视经济因素的作用，需创新方法探索人均GDP的作用机制

结果表明，经济因素在第一转变前位居第四位，第二转变后位居第二位，两次转变间位居第三位，说明经济因素也是不可忽视的影响因素。

威尔金森假说[24]认为，决定富裕社会人口健康的是收入不平等，而不是经济增长，积极影响阶段的判断并不支持这一假说；纳入模型的人均居民最终消费支出是建立在家庭收入基础上的，86个模型中有51个不是影响因素，似乎也不太支持这一假设。研究认为IMR是唯一一个既与收入不平等有统计学上的显著相关性又符合威尔金森假说的健康指标[8] [24]。收入不平等假说已争论了几十年[8]，收入不平等与IMR的关系是动态而复杂的。我们推测，收入或消费支出有可能是人均GDP与IMR之间的中间变量。

2000~2008年撒哈拉以南非洲10个国家政府卫生支出与IMR正相关[4]，医疗保健支出并没有导致儿童死亡率的改善。有研究表明，增加获得改善的水[25]、卫生设施和医疗保健设施[26]的机会将显著降低世界各地发展中经济体的儿童死亡率。结果显示，人均当前卫生支出、卫生支出占比仅是第二转变后9个模型的影响因素。卫生支出在IMR下降中存在着差异性表现，增加卫生投入是否有利于降低IMR，是否也是人均GDP与IMR之间的中间变量？

探索人均GDP与IMR之间的中间变量，对于制定实施针对性的干预措施，有一定的提示作用，有必要创新方法揭示人均GDP对IMR的作用机制。

4.5.2. 基于人口因素的主导地位，需进一步优化资源配置，发挥公共服务政策的最大作用

有文献认为人口因素会影响IMR [27]，研究表明总生育率与IMR呈正相关[28]，与本文总生育率的消极作用一致，高收入国家要针对低生育率陷阱，评估并实施鼓励生育的政策，进一步优化配套措施。结果还表明，人口因素在86个回归模型有84个发挥作用，在两次转变所形成的三个阶段中均发挥着主导作用。高收入国家经济社会发展优势明显，人均GDP处于全球高层次水平，家庭收入与消费水平高，城市、城镇人口集聚，人口密度增大，超百万城市群的人口增多，公共资源优势明显，公共服务愈发健全，卫生资源配置更为优化，比人口稀少地区能够得到更为便捷、高效的医疗保健服务[21]，更有利于IMR的下降。当资源配置与地区人口需求不匹配时，可能会导致IMR下降停滞、甚或反弹，某些模型中个别人口因素的负面效应，可能与阶段内公共资源配置失衡有一定关系。围绕人口影响因素，优化资源配置，落实配套政策，有助于发挥降低IMR的主导作用。

4.5.3. 保护生态环境，控制环境污染，营造宜居生活条件

有报道2000~2021年污染最严重的20个国家[29]人均温室气体排放量使预期寿命减少、IMR上升。2010~2015年韩国单胎足月儿出生队列[30]，在孕早期和孕中期PM2.5暴露量增加与婴儿死亡风险升高有关。日本上世纪60年代IMR与采矿污染相关联[31]。结果显示，能源使用量与耗电量是有关模型的积极影响因素，二者与经济社会发展相适应，同时也带来一定的环境污染，一氧化氮、二氧化碳、甲烷排放量是有关模型的消极影响因素，与文献报道相一致[10] [16]。各国政府要重视保护生态环境的重要性，吸取高收入国家在经济高速度发展过程中环境污染负面影响的教训，及早颁布保护环境的法律，制定实施配套法规，保障国民拥有宜居的生活环境。

4.5.4. 普及妇女教育，扩大高等教育覆盖面

结果表明，高等院校入学率、中小学女生与男生的比例是有关模型的积极影响因素。经扩展Shapley值法，父母教育背景是南亚五个国家IMR的主要因素之一[32]。教育程度与自身的保健意识、充分利用健康服务的能力有关，受教育程度越高，易于理解保健要点，更容易接受各项保障措施。教育程度不同，职业选择也会不同，受教育程度越高，就业收入相对较高，生活水平也较好，更能提高儿童的生存质量。普及妇女基础教育，提高初等教育水平，不断扩大高等教育覆盖面，对于高收入国家并不十分困难，但对于有些中、低收入国家可能在短时间内难以取得理想的效果，但有必要制定国家层面针对女性为重点的教育政策，分步组织实施，有待时日，必将取得一定的效果。

4.5.5. 保护耕地，提高粮食产量，提升农业生产的自主供给能力

粮食生产是生存的基本条件。结果显示，高收入国家农业因素处于次要位置。高收入国家经济发展处于全球高层次水平，具有生活必需品的自主生产能力，与其他国家又有很强的互补性，商贸活动频繁。粮食不安全是IMR的最强预测因子，也是一个严重的公共卫生问题[33]。2001~2018年31个撒哈拉以南非洲国家的分析表明，食物不足发生率每增加1%，IMR就会增加0.0119个百分点[34]。研究发现[35]，2008年全球粮食危机造成2001~2011年间最不发达国家营养不良的增加，致发展中国家特别是最不发达国家的IMR上升。保护耕地，加强农业生产，保障粮食供给，提高粮农产品的自主供给能力，改善居民营养，特别是孕产妇及婴幼儿的营养，不论是高收入国家还是中、低收入国家都有一定的现实意义。

4.5.6. 统筹协调妇女儿童健康扶持政策，普及推广公共卫生服务项目

尽管结果显示卫生因素位居次要地位，可能与筛选的变量指标少有一定关系。但大量的研究结果对今后的工作有重要的启示。一是防控工作重点方向是提高围产期保健质量。德国统一后，通过提高围产期护理质量，IMR的东西地区的差距于1996年趋于一致[36]。韩国1999年假期出生IMR高的原因是假期间围产期护理质量下降[37]，不是疾病的差异。二是防控重点疾病是早产和低出生体重。日本IMR低于美国，主要归因于其较好的出生体重分布、较低的低出生体重死亡率[38]。韩国2009~2015年多胞胎的IMR仍然很高，主要与早产有关[39]。三是最为有效方法是国家统一推广保障措施。1993~2009年韩国IMR显著下降，韩国政府制定了全国性的计划，包括医疗费用支持、重症监护室安装支持、围产期新政策、医疗保险豁免等内容[40]。2000~2019年60个中低收入国家因全民健康覆盖降低了IMR [41]。中国政府颁布实施了《母婴保健法》及其实施办法，推进妇女儿童发展规划纲要，促进基本公共卫生服务均等化[42]，妇女儿童健康水平不断提高，IMR显著降低。四是美国的深刻教训。美国经济全球领先，IMR却落后于很多发达国家。2009年美国IMR远高于2008年OECD国家的平均水平，主要是种族差异、贫富差距明显、高昂的医疗费用[40]。2013~2015年，美国1%白人和5%高收入县取得了比美国普通公民更好的健康结果，与其他发达国家的普通公民相比，在IMR等方面的结果较差，金融资本购买最好的医疗保健并不与世界上最好的健康结果有关[43]。公共卫生服务的公平性、可及性应作为国家政策的基本要求，并始终把社会效益放在重要的位置。

4.6. 局限性

本文论证了人均GDP与IMR关系变化的“拐点”假设，是判断IMR下降历程中二者关系所处历史方位的理论创新，为不同发展阶段适时调整防控策略提供理论基础。还采用岭回归分析构建六维一体分析框架，较好地处理了自变量多重共线性的问题。但也存在一定的局限性。一是变量数据尚不够齐全完整，纳入不同模型的自变量不完全一致。限于篇幅，省略了阶段性分组、初次判断与二次验证的过程。二是第一转变的证据仍显不足，不排除是积极影响阶段暂时性波动的可能，目前无法追溯论证。三是尽管第二转变事实存在，因每个国家各自的特殊性，所确定的第二转变并不十分精确，但最为接近真正的“拐点”。前期日本的国别研究，人均GDP以现价本币为单位，本文统一使用current US$，相关分析最小样本量分组不同，第二转变时点存在着差异。另外，对于有些高收入国家，关系转变的判断有一定的滞后性，对中、低收入国家可能有启示。

5. 小结

本文采用岭回归分析的方法，在单维分析基础上，构建了“六维一体分析框架”，对照“拐点”假设的验证模型，经观察人均GDP回归系数t检验结果的阶段性变化，发现在52个高收入国家中有38个符合“拐点”假设。

乌拉圭、塞浦路斯等2个国家出现了从非积极影响向积极影响的第一转变；阿曼、爱尔兰、爱沙尼亚、安道尔、澳大利亚、比利时、波兰、德国、法国、拉脱维亚、马耳他、斯洛伐克、斯洛文尼亚、希腊、新加波、丹麦、芬兰、荷兰、加拿大、捷克、卡塔尔、美国、挪威、瑞士、匈牙利、智利等26个国家发生了从积极影响向非积极影响的第二转变；奥地利、冰岛、韩国、葡萄牙、日本、西班牙、新西兰、以色列、意大利、英国等10个国家发生了从非积极影响向积极影响的第一转变、再从积极影响向非积极影响的第二转变。

在两次转变所形成的三个阶段中，人口因素占主导地位，经济、能源与环境、教育、农业、卫生等因素处于次要地位。人均GDP并不总是IMR的影响因素，作用机制有待深入研究。

在IMR下降历程中，要动态观察、准确识别人均GDP与IMR二者关系变化的“拐点”。面临关系转变需及时调整防控策略，落实差异化的针对性干预措施。

基金项目

南通市妇幼健康专科联盟科研项目(TFM202509)。