财新传媒
位置:博客 > 香樟经济学术圈 > 实证分析 | 服役对美国军人健康有何长期影响

实证分析 | 服役对美国军人健康有何长期影响

——来自二战和朝鲜战争中美国退伍军人的实证分析
推文人 | 张旭
推文信息:Bedard, Kelly, and Olivier Deschênes. 2006. "The Long-Term Impact of Military Service on Health: Evidence from World War II and Korean War Veterans." American Economic Review, 96 (1): 176-194.
 
导读
 
《老兵》
你知道吗?
在中国,
每24个人中就有一个退役军人。
他们或许是你的亲人、
朋友、同学、同事……
无论是否身着军装,
他们都不辜负时代,
不改变初心,不停步冲锋。
    
(来源:国防部发布短片致敬老兵 舞台虽不同,本色永不改!)
 
“老兵”一直在经济社会发展中发挥着重要作用。“老兵”的健康保障一直是世界各国关注的问题。服役对个体健康会产生什么样的影响?研究表明,美国二战和朝鲜战争中服役所导致的40岁至75岁退役军人群体的潜在寿命损失与二战和朝鲜战争中直接死亡军人的潜在寿命损失在数量上是一样的。可见,退役军人的健康问题不容忽视。
 
在我国军队改革的当下,在国务院退役军人事务部新组建的当下,在军人医疗保障社会化的当下,面对5700万退役军人和200万现役军人,如何进行科学顶层设计,创新治理模式,构建退役军人服务保障体系,维护军人合法权益,是值得深思的问题。该研究基于美军数据,较为科学地识别了服役对健康的长期影响,对我国相关领域公共政策的制定具有一定的参考价值。
 
摘要
     
在二战和朝鲜战争期间,美军向海外作战人员提供免费烟草,向国内军事基地的人员提供低成本烟草。事实上,至今美军仍在为其军事基地人员提供烟草补贴。作者采用工具变量的方法处理了个体参军和吸烟的非随机性,发现参军比例较高的群体过早死亡的比例较高。更重要的是,研究发现在因心脏病和肺癌而过早死亡的群体中,有35%-79%的个体的心脏病和肺癌是由参军引致的抽烟行为导致的。
 
文献背景
     
从二战、朝鲜战争、伊拉克战争到海湾战争,参军服役导致的生理、心理健康问题一直是美国政府特别是退役军人保障部(Department of Veterans Affairs)关注的重大议题。
 
由于军人选拔有严格的生理指标和心理指标,导致参军样本具有明显的选择性偏误。简单比较参军与未参军两个群体的健康状况,往往会低估服役对健康的影响。以Norman Hearst et al. (1986)为代表的一系列研究利用越南战争美国征兵的随机抽签政策,建立了准自然实验,解决了选择性偏误问题。该研究发现参加越战的军人在越战结束后的最初几年内具有较高的死亡率,这种超过平均水平的超额死亡率主要集中在自杀和车祸上。该研究并没有分析服役对健康的长期影响及发生作用的机制。
 
本文通过研究参与二战和朝鲜战争的军人从军队退役后20年至50年间的死亡率,试图为服役对健康的长期影响,提供较为可信的估计。采用多来源数据和工具变量来克服征兵筛选引致的选择性偏误。所采用的工具变量思路与Joshua D. Angrist and Alan B. Krueger (1994) and Guido Imbens and Wilbert van der Klaauw (1995)等类似。本研究具有以下两点创新性:(1)之前的研究关注的是服役对健康的短期影响,也就是退役5-10年间的影响。由于很多健康问题需要较长的时间才能显现出来,基于退役5-10年的估计大大低估了服役对退役军人健康的影响。(2)本文提出了一个尚未得到学界关注的服役和健康之间的重要因果机制:抽烟。研究发现,服役引致的抽烟是退役军人过早死亡的重要原因。在二战和朝鲜战争期间,军队向海外军事基地服役人员免费提供烟草,向本土军事基地人员提供烟草补贴,产生了“服役诱致型抽烟(military induced smoking)”(U.S. Public Health Services, 1989 p. 425)。1993年美国退役军人事务部承认了军队烟草政策和抽烟相关疾病之间的关联(see VAOPGCREC 2-93 in Jeffrey E. Harris, 1997)。尽管存在这些问题,美国军队至今仍然享受这烟草补贴。
 
数据概览
 
由于可得的包含个体死亡信息的微观数据库样本数太小,所以文章采用分组分析的思路。个体死亡原因的数据来自多重死因数据库(Multiple Cause of Death)中1968-2000年的资料。该数据库美国每年所有死亡人的信息,具体有性别、种族、死亡年龄、死亡地、死亡原因等信息。按性别划分的人口数量和每年的年龄分布信息来自于常住人口估计(Postcensal Resident Population Estimates)中1968-2000的数据。基于两个数据库中1968-2000年的数据,作者构建了不同年份出生人群按性别划分的死亡率和特定病因死亡率的面板数据。由于多重死因数据库(Multiple Cause of Death)的人口信息中没有是否有服役经历这个变量,所以无法直接对比分析。因此,作者分析特定年份出生队列群体的死亡率和退役军人比率的关系。
 
文章选取1920-1939年出生且在1968-2000年期间年龄在40岁到75岁之间的个体作为研究对象。这个选择是由几个因素驱动的。(1)这个样本代表了所有在朝鲜战争期间服役的出生队列和大多数在朝鲜战争期间服役的出生队列。1920年以前出生的退役男性只占到1901年至1939年间出生的所有退伍军人中的23%。(2)作者排除了1920年以前出生的人群,因为计算机可读的死亡率记录从1968年开始,只能观察到1920年以前出生人群中寿命大于48岁的个体信息,这个信息在研究过早死亡问题上存在幸存者偏差。(3)1928-1919年份出生的个体遭受了大流感疾病,因此该群体的死亡率过高(Douglas Almond, 2005)。因此,作者把分析样本限制在1920-1939年。作者根据1960-1980年人口普查数据计算了每个年出生人群中的退役军人比例。
 
图1的曲线表明,服役和死亡率有着明显的正相关,具有高服役率年份的出生人群,具有较高的年龄调整后的死亡率,相关系数为0.95。
 
可能存在遗漏变量混淆服役率和死亡率之间的关系。作者采用两种方法来解决该问题。(1)作者假定所遗漏的影响男性死亡率的变量是连续变化的,因此,可以通过加入族群的出生年份趋势来控制。(2)作者运用出生于同一年份的女性作为对照组,采用双重差分的思路解决遗漏变量偏误。在二战和朝鲜战争中,几乎没有女性参战,因此,女性组群的死亡率数据可以为退役军人的死亡率趋势提供合理的反事实。由于同一年份出生的男性和女性所处的医疗条件和经济基础是一样的,因此,以女性群体作为对照组具有较强的合理性。图2的曲线进一步验证了方法(2)的可行性。
 
实证分析
 
尽管个体层面的死亡数据不可得,为了更好的展示因果关系,作者仍然以个体为单位建模。在个体层面,从军对于男性退役后死亡率的影响可以从式(1)来估计:
 
如果出生于c年份的个体i在年份t死亡,那么Mict等于1;如果出生于c年份的个体i具有从军经历,那么Vic等于1;λt-c代表个体的年龄效应,年龄等于t-c;φ_"t" 表示年份效应。其他的个体特有的影响死亡的因素如教育等控制变量没有在公式中予以体现。β表示服役对退役后军人死亡率的影响。由于征兵有一定的生理和心理标准,因此,直接进行横截面数据的比较,得到的因果关系存在偏差。直接进行横截面回归,得到的结果存在着一定的低估。采用工具变量的方法来解决选择性偏误。
 
与上述模型相一致的个体层面的数据不可得。幸运的是,对该模型的工具变量估计并不需要个体层面的数据。根据Angrist(1990)和Imbens and vander Klaauw(1995)的研究,当使用出生年份群体中的退役军人的百分比¯(V_c )作为Vic的工具变量时,对模型(1)的“组间版本”进行最小二乘法估计所得的β与个体层面模型的β是一致的。
 
该工具变量的可行性依赖于是否对组群效应进行了有效的控制。作者采用两个方法对可能的潜在组群效应进行控制。第一种方法假设组群效应可以被模型化为一个光滑的趋势;第二种方法假设同一年份出生的男性群体对的组群效应和女性群体的组群效应是一样的。当出生年份影响未来健康的进程存在不连续情况时,第一种方法就不再有效。第二种方法允许这种不连续性的存在,但是前提假设是该影响对男性和女性是一样的。
 
作者计算了符合二战和朝鲜战争征兵年龄要求的男性群体在不同年龄段的死亡率,并把该死亡率与相应年龄段的二战和朝鲜战争退役军人群体死亡率进行对比。为了控制未观测到的影响死亡率的群体层面的变量,作者采用出生于同一时间段的女性群体(二战和朝鲜战争期间女性不需要服役)作为对照组。采用该对照组,还可以控制不同时间段出生群体的组间趋势。结果表明,相对于40-75岁的一般群体,群体中退役军人比例每提高10%,每千人每年的死亡数就提高0.38个。
 
作者分析特定病因死亡率的差异,来揭示服役影响健康的机制。通过分析死亡的主要原因,揭示致死原因在退役军人群体和普通群体之间的差异。发现在40岁以上的群体中,心脏病和肺癌是导致退役军人群体死亡率高的两大原因,这两种疾病都与抽烟有着显著的关联。根据美国肺癌协会的数据,肺癌致死的群体中有87%是由抽烟导致。根据美国公共健康服务部的数据,在65岁以下的群体中,40%-45%的心脏病是由抽烟导致。
 
“服役死亡效应(veteran mortality effect)”对心脏病和肺癌最为明显,这与服役往往导致抽烟的观点相一致。服役对健康产生的长期影响至少有一部分是通过服役诱致型抽烟这个渠道产生的。作者运用Current Population Survey (CPS)中的烟草使用数据对服役和抽烟之间的关联进行了验证。工具变量估计表明,相比普通人群,二战和朝鲜战争退役人员的抽烟率要高30%。把抽烟率和死亡率估计的结果相结合,发现“服役诱致型抽烟”解释了40岁至75岁人群中,由心脏病导致的退役军人超额死亡率的64%-79%,由肺癌导致的退役军人超额死亡率的35%-58%。
 
“服役诱致型抽烟”提高了退役军人的死亡风险,因此,服役对军人健康的长期影响不仅归因于在服役期间的生理和心理的创伤经历,还归因于抽烟习惯的形成及退役后抽烟行为的持续。军营生活使得年轻的军人们形成了对健康不利的习惯和爱好(Jonathan Gruber, 2001 and Robert W. Fogel, 2003)。这一议题对于当前的公共政策具有重大意义。美国退役军人保障部是美国健康保险的最大客户,其医疗项目的支出占总支出的一半。
 
最后,作者运用1980-1990美国人口普查数据库中的健康数据验证了上述死亡率的结果。给定上述“服役死亡效应”成立,我们应该能够观察到退役人群具有较高的残废比例。作者采用线性模型,运用与上文相似的工具变策略,基于1980年到1990年的人口普查数据研究发现,相对50岁到60岁间的普通群体,同年龄段的退役军人丧失工作能力型残废的比例要高3.2个百分点,限制工作能力型残废的比例要高9.5个百分点。
 
总之,军事服役对于长期死亡率具有显著的影响。已有研究表明,退役短时期内死亡率的提高主要是由于车祸和自杀;而本研究表明,退役较长时期后死亡率的提高主要是由于心脏病和肺癌。研究发现,在1920年到1939年出生的2000万40岁-75岁的群体中,服役导致接近200万的额外过早死亡。平均来讲,相对于美国的平均预期寿命75岁,服役导致个体的潜在寿命损失为11.6岁。这意味着,服役导致的40岁至75岁群体的潜在寿命损失在数量上与二战和朝鲜战争中死亡群体的潜在寿命损失是一样的。
 
基本结论
 
该文章研究表明,在出生于1920-1939年的人群中,退役军人经过年龄调整后的死亡率要高于出生于同样年份的没有服役经历的人群。导致退役军人提前死亡的原因主要集中在心脏病和肺癌。更为重要的是,作者找到了“服役诱致型抽烟”导致退役军人患心脏病和肺癌的证据。在已有研究中“服役诱致型抽烟”这一问题并未得到应有的关注。本研究提供的“军事诱致型抽烟”对退役军人死亡的影响是学界第一个基于大样本研究结果。研究表明,二战和朝鲜战争中退役军人超额死亡中36%至79%可以由“服役诱致型抽烟”导致的心脏病和肺癌来解释。
 
基于该研究结论,作者提出了两点政策启示:(1)美国退役军人保障部对退役军人的医疗费用要具有较为科学的预期,要继续提供较高的医疗费用支出,直到朝鲜战争的退役军人全部离开人世;(2)停止烟草补贴,出台政策引导军人尽量少抽烟。
 
Abstract
 
During the World War II and Korean War era, the U.S. military freely distributed cigarettes to overseas personnel and provided low-cost tobacco products on domestic military bases. In fact, even today the military continues to sell subsidized tobacco products on its bases. Using a variety of instrumental variables approaches to deal with nonrandom selection into the military and into smoking, we provide substantial evidence that cohorts with higher military participation rates subsequently suffered more premature mortality. More importantly, we show that a large fraction, 35 to 79 percent, of the excess veteran deaths due to heart disease and lung cancer are attributable to military-induced smoking. (JEL I10, I12, J14)
推荐 0