母亲状况与健康代际传递：一种基于机器学习的递归分割模型方法

《Economics & Human Biology》：Maternal Circumstances and Intergenerational Transmission of Health: A Model -Based Recursive Partitioning Approach from Machine Learning

　　本研究利用机器学习中的新型模型基递归分割方法，分析不同母体社会经济及人口学特征对健康代际传递的影响，发现异质性显著，提示需针对不同情境制定精准政策。

　　本研究探讨了不同母亲处境如何对健康从母亲到婴儿的代际传递产生差异性影响。研究采用了一种来自机器学习文献的新型基于模型的递归分割算法，结合计量经济学中的参数稳定性检验，识别出具有不同代际健康传递率的情境剖面。研究结果表明，母亲的健康传递率在短期和长期的健康指标以及婴儿出生体重方面存在显著的异质性，揭示了使用全球性模型来研究代际健康传递的局限性。处于不利处境的母亲，其健康对新生儿的影响更为显著。这些发现对于制定更具针对性的社会保障政策，以及理解如何打破健康不平等的代际循环具有重要意义。

研究关注的核心问题是，母亲的处境如何影响代际健康传递。母亲的处境通常由一系列社会经济和人口特征所构成，例如母亲的年龄、教育水平、家庭经济状况以及婴儿的性别等。研究通过一种非参数的机器学习方法，识别出这些复杂特征之间的相互作用，从而揭示出不同的情境剖面。这些情境剖面分别对应着不同的代际健康传递率，表明仅考虑单一特征（如母亲的年龄或教育水平）不足以解释这种异质性。此外，研究还比较了不同情境剖面中关键的产前医疗政策的分布情况，发现某些特定的产前医疗政策在不同情境剖面中存在显著差异，处于更有利处境的情境剖面通常具有更高的医疗可及性。

近年来，越来越多的研究关注社会经济特征在代际健康传递中的作用。跨国研究显示，如果母亲处于不利的社会经济条件中，其健康状况对子女的影响更可能延续。这些研究发现，母亲的教育水平、收入以及公共健康政策等社会经济特征与代际健康传递之间存在显著的梯度关系。在特定国家的研究进一步表明，某些社会经济特征在代际健康传递中具有决定性作用。例如，在美国，研究发现怀孕期间的收入对低出生体重母亲的子女出生体重有显著影响。在加州的医院记录数据中，研究进一步证实，低出生体重母亲更可能生育低出生体重的子女，且这种传递效应在高贫困地区的母亲中更为显著。在佛罗里达州，研究利用链接的出生记录数据发现，无论是父亲还是母亲的出生体重，都对子女的出生体重产生影响，但母亲的特征对传递效应的影响更为显著。在德国，研究发现，在控制了父母的收入、教育水平和家庭结构后，父母的健康状况仍可能影响子女的健康状况。

在发展中国家，研究也揭示了母亲的处境对代际健康传递的重要影响。例如，在越南农村地区，研究发现母亲的身高对男孩的身高影响更为显著，而父亲的身高则对男女的影响相似。通过使用父母的生活条件作为工具变量对父母身高进行仪器化，发现母亲的身高效应更为显著，而父亲的身高效应则减弱，这表明母亲的社会经济特征在代际健康传递中起到了重要作用。在菲律宾，研究发现母亲的健康状况对子女的影响不仅限于童年，还可能延续到青少年阶段。在中国，研究发现父母的健康状况与子女的健康状况之间存在强相关性，并且其他社会经济特征也与父母和子女的健康状况密切相关。在印度，研究发现母亲的身高与儿童的死亡率、人体测量指标以及贫血之间存在显著关联，且贫血母亲的子女更可能患有贫血。

本研究在多个方面对现有文献做出了贡献。首先，它在方法论上进行了创新，展示了如何利用递归分割的机器学习技术来估计不同情境剖面下的代际健康传递率。这是第一篇使用基于模型的递归分割技术来识别代际健康传递率异质性的研究。传统的回归和分类树通常通过预测准确性来划分数据，而基于模型的递归分割（MOB）则提供了一种更先进的方法。MOB方法介于完全参数化模型和完全非参数化模型之间，结合了机器学习文献中对协变量空间的驱动划分方法与计量经济学文献中对参数稳定性的模型检验方法。这种方法允许研究者在数据划分过程中不断调整模型，以识别不同情境剖面下的健康传递效应。与传统的预测模型不同，MOB方法能够更全面地利用所有可用信息，识别出与健康传递率相关的复杂情境剖面。

其次，本研究提供了关于母亲处境如何影响代际健康传递的新证据。这是第一篇识别出由复杂社会经济和人口特征相互作用所定义的不同情境剖面的研究。以往的研究通常只关注单一特征，如母亲的教育水平或年龄。本研究通过使用非参数的机器学习模型，能够识别出这些复杂特征之间的相互作用，从而揭示出不同的情境剖面。我们估计了这些情境剖面下的代际健康传递率，并发现存在显著的差异。这一结果表明，使用全球性模型来估计代际健康传递是不够的。此外，社会经济和人口特征的差异也可能导致医疗资源获取和使用的不同，从而加剧健康不平等。我们比较了不同情境剖面中关键的医疗变量的分布情况，发现某些特定的医疗政策在不同情境剖面中存在显著差异，而其他政策则没有明显区分。

第三，本研究还与关于机会不平等和代际流动性的研究流派相联系。我们对母亲的社会经济和人口特征作为“处境”的定义，借鉴了Roemer（1998）关于机会不平等的分解方法，将任何结果中的不平等分解为“处境”和“努力”两个部分。“处境”指的是个体无法控制或负责的因素，而“努力”则指个体可以控制和负责的因素。通常认为，来自个体控制范围内的不平等是公平的，而来自个体无法控制范围的不平等是不公平的。父母的社会经济特征通常被认为是婴儿无法控制的因素，因此可以视为“处境”，而由此产生的健康不平等则被视为不公平。代际健康传递是健康代际流动性的关键渠道，本研究探讨了这些母亲的处境如何不仅影响婴儿的健康水平，还影响婴儿继承母亲健康状况的程度。

研究结果表明，不同情境剖面下的代际健康传递率存在显著的异质性。这一结果揭示了使用全球性模型来估计代际健康传递的局限性。异质性主要由宗教、母亲的教育水平、母亲的年龄、家庭财富以及婴儿的性别等因素驱动。我们识别出了不同的情境剖面，并为每个情境剖面估计了代际健康传递率。发现即使是相似的情境剖面，单一因素的差异也可能导致代际健康传递率的显著变化。这些情境剖面在某些特定的产前医疗使用指标上表现出差异，而在其他指标上则没有明显区分，这表明医疗资源的获取和使用在这些差异中可能起到一定作用。研究结果经过一系列严格的稳健性检验，显示出较高的可靠性。总体而言，研究结果揭示了母亲处境在代际健康传递中的复杂性和重要性。

本研究的结构如下。第二部分解释了新型的基于模型的递归分割方法。第三部分讨论了数据集和变量。第四部分展示了完整的结果，包括不同的情境剖面。第五部分讨论了稳健性检验，第六部分则总结了政策启示。通过这种方法，我们能够更全面地理解母亲的处境如何影响代际健康传递，并为政策制定者提供有针对性的建议。研究结果不仅有助于识别不同的情境剖面，还揭示了这些剖面在医疗资源获取和使用方面的差异，从而为减少健康不平等提供了新的视角。此外，研究还强调了机会不平等和代际流动性之间的关系，表明母亲的处境在这些方面起到了关键作用。通过深入分析不同情境剖面下的健康传递效应，我们能够更好地理解健康不平等的根源，并为制定有效的干预措施提供依据。