截至2022年，全国人口总数为14.12亿人，比2021年减少85万人，16~59岁劳动年龄人口减少了666万人。^[1]同时，我国居民的健康水平不断提高，2021年的居民人均预期寿命已达78.2岁，老年人口健康状况持续向好，退休后再次参加劳动的意愿越来越强。^[2-3]退休后继续参与劳动有助于开发老年人力资源，丰富劳动力市场。既往研究更加关注退休后再就业对健康水平的影响^[4-5]，对退休后存在劳动参与行为老年人的医疗服务利用情况关注不足，而平均年龄的不断增加，造成了医疗资源压力增加，研究退休后再就业老年人医疗服务利用对合理制定退休政策，优化医疗资源配置有着重要意义。

考虑到退休后参与劳动可以通过满足个体自我成就感、社交需求，使健康水平上升从而降低医疗服务利用，也可以导致工作压力增加，健康水平下降，增加医疗服务利用，所以健康可能在两者之间存在桥梁作用。^[6-7]以往研究通常将健康视为影响医疗服务利用的重要因素^[8]，但健康在退休后劳动参与行为和医疗服务利用影响路径间的作用尚不明确。因此，本研究利用2020年中国家庭追踪调查数据，采用Logit模型和倾向得分匹配法实证研究退休后劳动参与行为对老年群体医疗服务利用的影响，在深入分析劳动参与对退休老年人医疗服务利用影响的同时，检验自评健康作为中介变量的效应，以期为推进健康老龄化，完善渐进式延迟退休政策提供对策建议。

1 资料与方法 1.1 资料来源

本文研究对象选取我国60岁及以上的退休群体，数据来源于2020年的中国家庭追踪调查数据(China Family Panel Studies，CFPS)。该调查于2010年正式开展，覆盖我国25个省(自治区、直辖市)，每两年一次，对象包含样本家庭中的全部成员。参考已有文献对退休的判定方法^[9]，从2020年CFPS的25 890个调查对象中，选取年龄60岁及以上并办理退休手续或养老金领取手续的老年人，筛除未能完整回答劳动参与、医疗服务利用、协变量相关问题的老年人，最终得到样本3 737份。

1.2 变量描述 1.2.1 核心解释变量

本研究以老年人退休后劳动参与情况为自变量，以CFPS数据库中的生成变量“当前工作状态”和问卷中的“过去一周工作状态”“是否从事个体经营活动”“是否从事农业方面的工作(包括种地、管理果树、采集农林产品、养鱼、打渔、养牲畜及去市场销售农产品等)”等问题作为衡量劳动参与的标准，当前工作状态填答为“在业”或其余问题有一项回答为“是”即认为存在退休后劳动参与行为，赋值为“1”，反之为“0”。^[10]

1.2.2 被解释变量

本研究参考李文涛的研究，选取门诊服务利用和住院服务利用作为解释变量反映老年人医疗服务利用情况。^[11]选用CFPS2020中的问题“过去两周是否患病，针对过去两周所患的疾病，您是否找医生看过？”衡量是否利用门诊服务，1代表“是”，0代表“否”；采用问题“过去12个月是否因病住院？”衡量是否利用住院服务，1代表“是”，0代表“否”。

1.2.3 协变量

参考已有研究^[11-13]，本研究的协变量选用：(1)人口学因素：年龄、性别、婚姻、受教育程度、户口所在地；(2)社会因素：是否为子女提供支持、是否有代际支持、是否参加医疗保险、退休金、是否移动上网；(3)健康行为因素：过去一月是否每周喝酒三次以上、是否吸烟、营养摄入；(4)健康特征因素：睡眠时长、BMI指数、自评幸福感、抑郁。

抑郁的测量，CFPS2020使用的是CESD-8题版本，每个条目分别赋值0~3(反向问题已转置)；代际支持选取“子女是否提供经济帮助”、“子女是否提供照料”两项，只要有一项为“是”则视为有代际支持。^[14]

1.2.4 中介变量

健康状况的改善往往减少人群的医疗服务利用，因此本研究将健康作为中介变量，以应用最为广泛的自评健康代表退休老年人健康水平^[15]，CFPS数据库将自评健康划为“非常健康”“很健康”“比较健康”“一般”“不健康”五分类，本研究因使用Logit模型，为优化模型拟合效果，将自评健康重新分为二分类，将“非常健康”“很健康”“比较健康”归类为等级“好”，将“一般”“不健康”归类为等级“不好”。^[16]

1.3 研究方法

首先采用Logit回归模型分析退休后劳动参与行为对医疗服务利用的影响，考虑到老年群体在退休后是否选择继续参与劳动受主客观因素干扰，进一步采用倾向得分匹配法(PSM)来探究退休后参与劳动对老年人医疗服务利用的影响，以期得到更为稳健的结果。通过将退休后选择参与劳动的老年人群视为实验组，退休后不选择参与劳动的老年人群视为控制组，把医疗服务利用作为老年群体退休后再就业的结果，构建Logit模型估计老年群体退休后参与劳动概率，基于倾向得分进行匹配并估计退休后参与劳动对老年人群健康状况的平均处理效应(Average Treatment Effect of Treated，ATT)：

其中，D_i为指示变量，当退休老人选择参与劳动时，D_i取值为1，反之则取值为0；X_i表示影响样本i是否参与劳动的一系列特征变量；Y_i (1)和Y_i (0)分别表示实验组和控制组退休老年群体医疗服务利用情况。

参考以往研究发现，不同性别、退休金老年人参与劳动情况存在较大差异，因此进一步探查不同性别、退休金老年人群内部是否存在差异性。^[17]

最后，先采用三步回归法对自评健康在退休后参与劳动和医疗服务利用间的中介作用进行检验，然后采用KHB效应分解法，进一步分析自评健康在退休后参与劳动与医疗服务利用间是否具有中介效应，并比较间接效应与直接效应之间的关系及其大小。运用Stata17.0进行数据的处理与分析。

2 结果 2.1 基本情况

3 737名退休老年人中，参与劳动人数为1 915人，占51.24%，平均年龄66.85±4.71；未参与劳动人数1 822人，占48.76%，平均年龄69.80±7.12；退休后参与劳动男性1 145人，占比59.79%，女性770人，占比40.21%；农业户口参与劳动人数1 645人，占比85.90%，非农户口参与劳动人数270人，占比14.10%；在婚状态参与劳动人数1 710人，占89.30%，非在婚状态参与劳动人数205人，占10.70%。医疗服务利用方面，参与劳动老年人过去两周使用过门诊的人数535人，占27.94%，未参与劳动老年人过去两周使用过门诊的人数528人，占28.98%；参与劳动老年人过去12个月因病住院的人数为304人，占15.87%，未参与劳动老年人过去12个月因病住院的人数为393人，占21.57%(表 1)。

2.2 退休后参与劳动对老年人医疗服务利用的Logit回归结果

在控制其他变量的条件下，以是否退休后参与劳动为自变量，分别以门诊服务利用及住院服务利用为因变量纳入Logit模型进行回归分析。结果显示，退休后参与劳动对老年人门诊服务利用及住院服务利用均具有负向影响(P < 0.05)(表 2)。

2.3 倾向得分匹配估计结果 2.3.1 样本匹配效果检验

为减少估计误差，解决分析中存在的内生性问题，采用倾向得分匹配法进一步分析退休后参与劳动对老年人医疗服务利用的影响。将退休后是否有劳动参与行为作为因变量，通过Logit模型估计得分情况。采用平衡性检验来保证匹配效果的可靠性，以K近邻匹配的检验结果为例，t检验结果显示，匹配后两个退休样本组的各个变量t值不具有统计学意义，匹配质量较高。平衡性检验显示，匹配后所有匹配变量的标准偏误比例均下降，且标准偏误皆小于10%(图 1)。

核密度曲线显示，参与劳动组与未参与劳动组退休群体倾向得分匹配前曲线差异较大，经匹配后两组的倾向得分值的核密度更加接近，曲线分布差别减小，匹配效果较好。倾向得分在两个退休样本中均具有较大的共同支持域，仅有少量样本处在共同支持域外，满足共同支持假设(图 2)。

2.3.2 平均处理效应估计结果

为保证检验质量，本研究分别利用K近邻匹配、半径匹配、核匹配三种方法进行匹配。老年人退休后劳动参与行为对医疗服务利用影响的平均处理效应估计结果显示，匹配后，三种匹配方式下门诊服务利用、住院服务利用的平均处理效应均具有显著性(P < 0.05)，证明结果具有较好的稳健性。以K近邻匹配为例，门诊服务利用、住院服务利用的平均处理效应分别为-0.059、-0.074，即退休后有劳动参与行为可以让退休群体过去两周去过门诊的概率降低5.9%，一年内住院的概率降低7.4%。说明退休后有劳动参与行为显著降低了老年群体医疗服务利用概率，所得结果与Logit模型回归结果类似(表 3)。

2.4 异质性分析

将退休老年人按照性别差异分成男性和女性两组，按照退休金差异分成高低两个组。通过对上述两组的PSM分析发现参与劳动对退休老年人医疗服务利用的影响具有群体选择性(表 4)。

不同性别之间，男性退休老年人参与劳动对医疗服务利用的影响更大，以K近邻匹配为例，若退休老年人存在劳动参与行为，男性老年人使用门诊服务、住院服务的概率分别降低8.5%、9.1%；而女性老年人使用住院服务的概率下降6.7%，劳动参与行为对是否利用门诊服务无显著影响。

不同退休金之间，劳动参与行为会显著降低低退休金群体医疗服务的利用概率。有劳动参与行为的低退休金老年人使用门诊服务、住院服务的概率分别降低了7.2%、7.5%。而劳动参与行为对高退休金老年人是否利用门诊、住院服务无显著影响。

2.5 中介效应检验

首先采用三步回归法对劳动参与行为影响退休老年人医疗服务利用的作用机制进行分析。以门诊服务利用和自评健康为因变量，退休后劳动参与行为为自变量分别进行单独回归，退休后有劳动参与行为对老年人门诊服务利用有显著负向影响(P < 0.05, β=-0.316)，对自评健康有显著正向影响(P < 0.05, β=0.676)；将门诊服务利用作为因变量，退休后劳动参与行为和自评健康作为自变量放在同一模型回归，退休后劳动参与行为对门诊服务利用的影响无统计学意义(P>0.05)，自评健康对门诊服务利用有显著负向影响(P < 0.05, β=-1.429)。因此推断自评健康在退休后劳动参与行为与门诊服务利用之间起中介作用。

以住院服务利用和自评健康为因变量，退休后劳动参与行为为自变量分别进行单独回归，退休后有劳动参与行为对老年人住院服务利用有显著负向影响(P < 0.05, β=-0.432)；由上述结果可知退休后劳动参与行为对自评健康有正向预测作用。将住院服务利用作为因变量，退休后劳动参与行为和自评健康作为自变量放在同一模型回归，退休后劳动参与行为对住院服务利用的影响仍有统计学意义(P < 0.05, β=-0.268);自评健康对住院服务利用的预测作用也有统计学意义(P < 0.05, β=-1.183)。因此推断自评健康在退休后劳动参与行为与住院服务利用之间起中介作用(表 5)。

利用KHB效应分解法进一步对自评健康的中介作用进行验证，结果显示退休后劳动参与行为对门诊服务利用的直接效应为-0.097，结果没有统计学意义(P>0.05)。自评健康对门诊服务利用的中介效应为-0.208，结果有统计学意义(P < 0.05)，中介效应占总效应的68.25%(表 6)。

表 7结果显示退休后劳动参与行为对住院服务利用的直接效应为-0.268，结果有统计学意义(P < 0.05)。自评健康对住院服务利用的中介效应为-0.172，结果有统计学意义(P < 0.05)，中介效应占总效应的39.07%。

3 讨论 3.1 老年人退休后劳动参与行为可通过改善健康减少医疗服务利用

Logit回归模型和倾向得分匹配结果显示，退休后劳动参与行为可以降低医疗服务利用，KHB效应分解法显示，退休后参与劳动可以通过提升自评健康影响医疗服务利用，也可直接影响医疗服务利用。有劳动参与行为的退休老年人可以通过劳动排解因退休而产生的的闲暇时间，满足情感慰藉需求，减少孤独感，同时在劳动过程中增加了躯体活动，提升健康水平和自理能力。^[18]其次通过延续了退休前的社交活动，主观健康和情绪较好，提升了整体健康情况而减少医疗卫生服务利用。相比门诊服务，老年人退休后劳动参与行为对住院服务利用的影响更大，且具有直接效应，可能因住院服务比门诊服务需要更多的时间成本，而再就业往往会牺牲老年人的空暇时间，可能出现有时间就诊，没时间住院的现象^[19]，且考虑退休后参与劳动可以一定程度上提升健康，往往需要住院的疾病可能通过门诊就能解决。

3.2 男性老年人退休后参与劳动会显著降低医疗服务利用

从性别来看，男性退休老年人劳动参与行为使得过去两周门诊服务利用率下降，而女性退休老年人不存在显著差异。这可能是因为退休后生活方式的改变对男性健康的负面影响更大，因此继续参与劳动可以减少退休对男性健康应激带来的冲击，维持了男性传统的社会角色，在劳动中获得身份认同感与现实归属感，健康状态较好，过去两周去过门诊的概率下降^[20]。而女性自身健康状况往往不如男性^[21]，在选择参与劳动后，通常还需持续扮演家庭生活照料的角色，因劳累而增加生病就医的概率。

3.3 低退休金老年人退休后参与劳动会显著降低医疗服务利用

从退休金来看，低退休金老年群体参与劳动让过去两周门诊服务利用率下降，一年内住院服务利用率下降，高退休金老年群体上述因素均不存在显著差异。这可能是因为收入低的老年群体通过参与劳动，增加了经济来源，在满足日常消费需求、减轻生活压力、实现“自养”的同时，也在一定程度上减少了子女赡养负担，从而缓解了因对家庭供养依赖所造成的心理负担，有助于老年群体对自己的健康产生更为积极客观的评价，减少医疗服务利用。^[22]

4 结论与建议

综上所述，退休后再就业可以一定程度上通过提高个体健康状况减少医疗服务利用，对降低医疗卫生资源消耗、减少医保支出起到积极作用。

在健康老龄化背景下，实行渐进式延迟退休政策能缓解医疗系统压力，促进老年群体社会参与，但需注意健康是劳动的前提和保障。对此，老年人延迟退休政策的推出应以老年人健康为基础，避免老年人因时间成本不足出现有病不医现象，合理安排再就业老年人工作时间，平衡退休老年人参与劳动和健康状态。同时改善医疗服务利用效率，促进老年卫生事业发展，满足老年人的卫生服务需求，高效配置医疗服务资源。^[23]最后，考虑到老年群体间存在人群差异，应重点关注女性“退而不休”群体的健康状况和医疗花费，合理规划女性群体延迟退休工作时间^[24]；从社会角度出发，关注低收入老年群体参与劳动的诉求，针对低收入老年群体开展技能培训，增强就业素质和能力，同时重点关注低收入老年人群的健康及社会保障问题，给予一定的经济帮助和扶持。

作者声明本文无实际或潜在的利益冲突。