emc易倍体育本文围绕个体工作史和“适应性负荷”展开。所谓适应性负荷，或者说“应激负荷”、“应变稳态负荷”（Allostatic Load）的概念通常指代应对压力和适应环境变化的过程中承受的生理负荷，用更通俗的语言解释就是反复或长期面对压力时会带来身体损耗，患上相关疾病（包括心血管、代谢和免疫系统功能异常）。对这个概念的阐释和研究有助于理解相对恶劣的生活环境或工作环境所引发的健康后果。
本文主要探讨的就是人们曾经的工作经历对晚年健康的影响。目前这方面相关研究的局限性在于它们通常假定个体的一生与某一类工作环境绑定，也就是默认人人都是固定于一个长期的全职岗位，从而把问题简化为不同工种的压力、强度、获得感等属性与这些岗位上劳动者的健康水平之间的关系。本文所做的一点补充就是它将个体工作的变动和就业环境的变化纳入了考量，即整个工作轨迹在较长时间段内的呈现出的特征。比如通过对回顾性调查中工作史信息的挖掘，可以将人们一生的职业经历划分为几个典型的大类，其中包括“不稳定型轨迹”（例如主要从事临时合同工作或频繁换工作）、“断续型轨迹”（例如经历过多次或长期失业）和“劣势轨迹”（例如长期从事低端职业或是经历向下的职业流动）等等，而非仅仅着眼于当前的工作状态。按照上述思路，本文具体分析的就是个体25岁到45岁之间整个就业轨迹的属性与适应性负荷综合得分之间的相关性。
本研究采用的是法国CONSTANCES项目21年的最新数据，其抽样框涵盖在“法国一般健康保险基金”投保的18-69岁人群。emc易倍体育该群体占法国总人口的85%，几乎涵盖了所有的在职或退休的劳动者及其家人，还有通过家庭成员投保的自营职业者和农业劳动者。调查在22个国家健康筛查中心开展，数据信息的收集方式包括自填式问卷（包括工作史的回顾性信息）和临床健康检查（包括可以反映适应性负荷指数的各类生理指标及血液样本信息）。数据样本包括96193名45岁以上的受访者，他们在25岁至45岁之间至少工作过一次。为了缓解反向因果带来的混淆问题（健康状况不佳导致职业发展受限），本文还排除了在45岁之前经历过因健康问题而职业中断的个体（3235人，占初始样本的3.4%）以及在45岁之前因健康问题而退休的个体（另外243名人）。最终框定的研究样本为92715人（包括47680名女性和45035名男性）。
由于CONSTANCES提供了受访者每份工作属性（包括合同类型、职业地位、开始和结束）以及持续6个月及以上的职业中断的回顾性信息。本文就可以将每个个体的工作史编码成一条条状态序列（25-45岁这21年间每一年的工作状态赋予一个值，顺序排列起来就是一条序列，这也是序列分析典型的编码方式）。在此基础上，本文从六个维度来分类概括每个个体工作轨迹的特征：
Ø 是否缺少晋升经历，emc易倍体育Lack of promotion（也就是没有向上流动或者晋升失败）。
适应性负荷指数是通过基线调查中的临床检查得到的10个生理指标（包括收缩压、舒张压、腰臀比、空腹血糖等等）综合计算得来，最终生成一个范围为0-10的指数，相关计算方式已有一些成熟研究提供参考（Seeman et al., 1997; Goldberg et al., 2017）。
根据以往研究的相关经验和理论铺垫，本文还纳入了一些控制变量，包括年龄、emc易倍体育性别、同居状态（Partnership Situation）、受教育程度（低、中、高三分类）和当前工作状态（是否参与有偿劳动）。
文章首先进行了基础性的描述统计和相关系数计算，在随后的实证分析环节中，男女样本是分类进行回归的，采用的是混合效应负二项回归模型（双层回归，分为个体层面和筛查中心层面）。最终的结果分为两个模型来呈现，前文已叙工作史特征具体分为六个维度来描述，模型一中分别纳入每个维度的变量得出各自的回归系数（其实是六个回归方程），而模型二则同时纳入六个维度进行回归。由于本篇介绍的重点仍然是序列分析以及对工作轨迹的描述策略，具体的回归步骤在此不一一列出，对分析结果感兴趣的同学可以进一步参照原文。
回归分析的结果不难讨论，文章比对了回归分析表各个系数和P值，对其背后的含义给出了解释，还根据回归系数将各个属性的AL预测值图像化，更直观地展现了什么样的工作轨迹属性会导致更高的适应性负荷（即更差的生理健康状态）。以女性样本为例，下图直观展示的一些信息包括：从事过更多的临时工作、经常工作变动（反映出职业的不稳定性）、经常职业中断经历、失业时间更长的女性有着相对更高的适应性负荷。
研究得出的大多数结论都比较好理解，它提供的最主要的边际贡献就是指出在某一段生命周期（在本文中是25岁到45岁）的劣势职业经历与其后的健康状况（在本文中主要用适应性负荷指数来衡量）高度相关，尤其是那类反复或长期失业的经历会对晚年健康造成不小的冲击。一个劳动者的工作史究竟该如何去具体地用数字表现出来？这恐怕是希望进行工作史分析的研究者们都比较关注的问题。对比经典的序列分析方法，本文在将个体的工作史编码成序列之后，并没有按照常规方式进行序列距离的计算然后进一步做聚类分析，而是更直观地从六个维度去进行分门别类的讨论，这种类别划分方式的标准更为清晰统一，减少了聚类分析给读者带来的“黑箱”感，是一个值得参考的分析框架。
本文为澎湃号作者或机构在澎湃新闻上传并发布，仅代表该作者或机构观点，不代表澎湃新闻的观点或立场，澎湃新闻仅提供信息发布平台。申请澎湃号请用电脑访问。