你的工作真的会影响寿命吗？

想象法国有两组35岁的男性，每组100人：一组从事体力劳动，另一组是管理人员和高级专业人员。

如果法国2020—2022年各年龄段的死亡率一直保持不变，那么体力劳动者中约85人能活到65岁，而管理人员和高级专业人员约有94人。

每100人中，男性两组相差9人，女性则相差4人。为什么两性的差距不一样？仅凭这些时期生命表，无法找出原因。

这让人不禁想问：如果一名体力劳动者明天成了经理，他是否就会活得更久？职业统计图回答不了这个问题。

再看西班牙，男女之间的差异同样值得注意。我们分析2022—2023年的死亡与就业记录发现，调整年龄差异后，男性初级职业从业者的年度死亡率是科学与知识类专业人员的1.99倍；女性对应的比值却只有1.30倍。但这只是不同在职群体的比较，并不能说明工作本身让人少活或多活多少年。查看原始数据、不确定性估计与计算代码。

五年寿命差距，意味着什么？

法国统计人员还估算了一个数字：已经活到35岁的人，假如各年龄段死亡率始终维持在2020—2022年的水平，预计还能活多少年？

男性管理人员和高级专业人员的预期剩余寿命为48.9年，体力劳动者为43.6年，相差5.3年。相应女性群体的差距为3.4年。

这里最容易误读的是：35岁时还有48.9年的预期剩余寿命，意味着预计活到约84岁，而不是49岁去世。这个数字也不能预测今天某个35岁的人究竟会在哪一年离世。

法国国家统计与经济研究所（INSEE）还提供了更细的分类。下图列出男性15类、女性12类职业，无需切换菜单。每个数字都是35岁之后的预期剩余寿命，圆点越靠右，年数越多。浅色圆点对应疫情前的2017—2019年，深色圆点对应2020—2022年。

有两组职业尤其值得比较。35岁以后，男性小学及职业教育教师平均还有48.1年的预期寿命，运输驾驶员则为44.4年，两者相差3.7年。图表不能告诉我们差距由什么造成。技能要求较低的体力劳动者，在男女两组中都接近末位。细分职业之间，最高值与最低值相差约男性6.0年、女性4.4年。

但不要把这张图当作精确的职业寿命排行榜。样本较小的职业群体，估计值有统计不确定性；相邻两行即使差了几个月，也未必具有实际意义。职业类别也不代表人一辈子只做过同一份工作。有些统计采用的是最后登记的职业。

教育差异甚至大于职业差异。在同一份法国数据中，接受过高等教育的男性，35岁后的预期剩余寿命比没有正式文凭的男性长8.0年（48.5年对40.5年），超过管理人员与体力劳动者之间5.3年的差距。但教育、收入、早年健康与职业机会相互交织，不能拿两个差距相减，就算出工作本身的影响。来源：INSEE。

法国2020—2022年：35岁时预期剩余寿命的群体差异（INSEE）。这两项比较涉及相互重叠的因素，不能简单相减，也不能当作因果效应。

换一种指标看西班牙

法国比较的是预期剩余寿命。如果不看还能活多少年，而看实际在职人群的死亡率，职业差距是否仍然存在？

我们使用西班牙国家统计局（INE）公开的两组数据：一组记录死亡人数，另一组按职业、性别和年龄记录就业人数。这里的职业分类来自每年年初的记录，并非完整职业履历。我们比较了2022—2023年、35—64岁在职人员的九类职业，并对各组年龄构成的不同进行了调整。

在西班牙35—64岁的在职男性中，科学与知识类专业人员的年龄标化年死亡率为每10万人101.6，初级职业从业者为201.7；女性对应的数值分别为60.4和78.6。这里的“初级职业”是西班牙职业分类中的一个统计类别，主要指技能要求相对较低、工作内容较为常规的岗位。部分女性职业类别的死亡率高于初级职业，因此不能用同一份职业排名概括男女两组。

两组年龄调整后死亡率比的近似95%置信区间，男性为1.88—2.10，女性为1.22—1.39。按死亡人数服从泊松模型的假设，这一性别差异超过了模型预期的随机波动（p < 0.001）。但职业分类错误、在职人群的选择效应，以及其他混杂因素，仍可能影响结果。

分别看两年，方向也相同。2022年，初级职业与专业职业的死亡率比，男性为2.07、女性为1.44；2023年分别为1.90和1.18。差距大小在变化，女性尤其明显。这项逐年敏感性检验并不能证明工作造成了稳定的因果效应。相关数字和代码已收录在复现资料包中。

展开西班牙数据与分析方法18个职业类别 · 不确定性区间 · Excel、CSV与代码

下载数据与计算代码

下载完整复现资料包（ZIP，约47 KB）

下载汇总CSV（18行）  ·  下载计算工作簿（Excel）

ZIP包含分年龄计算、比较工作簿、逐年敏感性检验、原始分析脚本，以及用于性别交互检验和逐年检查的独立脚本。若想从头复现，请通过下方链接直接从INE下载体积较大的原始CSV数据。这些原始文件未重复打包进ZIP。

各职业类别的主要结果

所有数值均为每10万名在职人员的年龄标准化年度死亡率，以35—64岁就业人口的统一年龄分布作标准。近似95%区间只反映死亡计数的随机波动，不包括职业误分类或其他未测量的群体差异。数据保留一位小数。

代码	职业	死亡率	近似95%置信区间	死亡人数
男性
1	管理人员	120.9	113.9–127.9	1,297
2	科学与知识类专业人员	101.6	97.4–105.7	2,301
3	技术人员及辅助专业人员	131.7	126.2–137.1	2,223
4	办公室及行政人员	139.9	132.3–147.5	1,315
5	服务和销售人员	172.8	167.5–178.1	4,117
6	熟练农业工人	188.7	176.2–201.2	918
7	工艺与建筑工人	161.1	156.3–165.9	4,351
8	工厂及机器操作员	171.1	165.0–177.3	2,974
9	初级职业	201.7	194.5–208.8	3,098
女性
1	管理人员	69.7	61.7–77.7	302
2	科学与知识类专业人员	60.4	57.7–63.2	1,827
3	技术人员及辅助专业人员	66.5	61.7–71.2	749
4	办公室及行政人员	68.1	64.2–72.0	1,211
5	服务和销售人员	73.8	70.8–76.7	2,447
6	熟练农业工人	70.6	58.9–82.2	165
7	工艺与建筑工人	69.5	61.0–78.1	254
8	工厂及机器操作员	83.9	71.8–95.9	187
9	初级职业	78.6	75.0–82.2	1,902

为什么这些数字不能说明换工作的效果

死亡记录按年初可获得的行政资料划分职业。离职、换工作或职业信息缺失的人，与一直在职的人并非以同样方式计入统计。估计值未对教育、收入、就业前健康状况等混杂因素进行调整。这里的群体死亡率也不是某个人未来一年死亡的概率。

数据来源与具体计算方法

分子取自INE表32458的死亡人数，分母取自表69961每年年初的就业人数。我们匹配两张表中的九个职业代码，按性别及五岁年龄组分别计算，再汇总2022年和2023年的死亡人数与年初就业人口。死亡率乘以10万后，采用合并在职人口的年龄分布直接标准化。近似区间反映泊松死亡计数的不确定性；完整工作簿给出各年龄段的计算贡献。

男女差异的统计检验。 依据随附CSV中各标准化死亡率的近似95%泊松区间，我们用（区间上限－下限）/（2 × 1.96）估计标准误，再用Delta 方法换算到对数死亡率尺度，比较男女各自的对数死亡率比。在死亡人数独立、年龄标准化权重固定的假设下，男性的死亡率比为1.99（近似95%置信区间1.88—2.10），女性为1.30（1.22—1.39）；两个比值再相除，得到1.53（1.40—1.66；双侧p < 0.001）。在模型假设下，这一差异大于预期的死亡计数随机波动。但检验无法排除职业或就业登记方式带来的偏差，也无法证明职业的因果效应。这些是不确定性的推算结果，不代表原始计算已获独立复核。

逐年敏感性分析。 工作簿给出了初级职业与专业职业的逐年年龄标准化死亡率比：2021年，男性1.77、女性1.38；2022年，男性2.07、女性1.44；2023年，男性1.90、女性1.18。三年的差异方向相同，幅度却并不一致。2021年仅用于额外敏感性检验，不计入本文2022—2023年的主要合并结果。复现代码见ZIP。

发布方：Mike’s Balance。版本1.2，2026年10月12日（编辑内容、不确定性区间和逐年敏感性分析已更新；2022—2023年原始计算未变）。引用衍生结果时请注明：“Mike’s Balance依据INE表32458和69961计算（2022—2023年）。”西班牙原始官方统计数据应继续注明来源为INE。

先看清数量级。每10万名在职人员每年死亡202人，按死亡率尺度约为0.2%，绝不是每100人死亡2人。与每10万人102人相比，两组观察到的差值约为每10万名在职人员每年100人。这些都是群体死亡率，不是对个人的预测，也不能换算为损失的寿命年数。

法国和西班牙的数字不能直接放在同一尺度上。法国用社会与职业群体的预期寿命作比较，有时依据个人最后登记的职业；西班牙则计算年初在职人员的年度死亡率。两种指标都揭示了职业群体之间的不平等，但都不是工作本身因果效应的估计。这些差距也不能直接套用到中国或其他国家，因为职业分类、劳动保护和医疗保障制度各不相同。

独立数据核查（2026年10月14日）。 我们通过西班牙INE官方API重新提取2022—2023年的数据，并与研究档案逐一核对了按年龄、性别和职业划分的108个数据单元。全部死亡人数和就业人口分母一致，年龄标准化指标与比较结果也得到复现。这核实的是数据提取和计算过程，并不能证明职业的因果效应，也不等于接受过外部同行评审。 查看 The Null Institute 的核查报告、原始数据和代码。

工作本身怎样影响健康？

想象两个刚开始工作的人。一个读完大学，在相对安全的办公室拿到不错的薪水；另一个毕业后直接进入工厂，一干就是几十年。等到60岁，两人的健康状况可能已大不相同。但造成差异的某些因素，早在他们上班之前就存在了。

童年经历、收入、医疗条件和健康习惯都可能产生影响。法国教育差距的数据也显示，社会处境与健康紧密相关。而且关系还可能反过来：健康状况会影响一个人能做什么工作，以及能否一直做下去。有慢性病的人可能较早离开体力负担重的岗位。于是，仍留在岗位上的人，平均健康状况反而可能比离开的人好。这就是所谓的健康工人效应。类似的选择问题也存在于精英运动员研究中：我们无法仅凭运动员较低的观察死亡率，分清其中有多少来自训练，又有多少来自能够跻身顶尖运动行列者本身的特点。

当然，这不意味着职业危害不存在。有些具体暴露造成的健康风险，证据远比职业排名本身充分。

石棉。吸入石棉纤维可能导致间皮瘤和肺癌。关键并不是一个人的职业分类里写着“建筑工人”，而是他是否接触过石棉、吸入量有多大、防护措施是否有效。

每周工作时间过长。世界卫生组织与国际劳工组织的研究综述发现，与每周工作35—40小时相比，每周工作55小时或以上，发生卒中的相对风险约高35%。这是某一种疾病事件的风险增幅，不是说长期加班会让寿命缩短35%。

繁重的职业生涯与健康寿命。一项欧洲研究估计了人们50岁之后的预期剩余寿命。研究人员并未直接测量每个人经历过的工作条件，而是借助美国O*NET数据库中的职业描述，推断欧洲参与者过去工作的繁重程度。模型估计，职业经历最艰苦的一组，比工作负担最轻的一组，预期剩余寿命约少4年。如果只计算自评健康状况非常好的预期年数，两组相差约男性7年、女性9年。

这里的“健康年数”尤其需要解释。研究模型只有在受访者回答“极好”或“非常好”时，才将其视为健康状况良好；即使回答“好”，也会划入另一类。这些年数是模型估算的预期值，不是对每个人逐年观察得到的健康年数。所以，九年的差距不等于多患病或残疾九年，更不能证明换一份工作就能让个人多出九年健康生活。

别只看职业名称

同样是司机，一人作息稳定、睡得充足，另一人长时间握着方向盘，难得休息好。同样在建筑工地工作，两人的粉尘暴露程度也可能大不相同。即使职业名称相同，实际工作环境和健康风险也可能大不相同。

要判断自己工作的健康风险，不妨问得更具体：是否会接触有害物质，防护有没有用？实际一周工作多久？排班能否自主调整？两次轮班之间，有没有足够的休息和恢复时间？

死亡率差距能测量出来，却不能单凭职业名称解释。全国统计可以显示哪些职业群体的死亡率更高，但无法回答工作本身让人少活了多少年。同样的职业，也可能意味着完全不同的暴露、工时和恢复条件。

所以，与其问“做什么工作能让我多活五年？”，不如问“哪些有害暴露和工作条件可以改变？”减少接触有害粉尘，避免导致过度疲劳的排班，可能不必换职业就能降低健康风险。职业排名告诉我们差距在哪里；找出可以预防的风险，才是让人活得更久的可能途径。

---

资料来源与研究方法

1. INSEE：不同职业类别的预期寿命；INSEE：管理人员与体力劳动者的差异；详细死亡率表。2020—2022年包含新冠疫情时期。时期生命表描述的是在已观察到的分年龄死亡率保持不变时可能发生的情况，并非个人寿命预测。
2. INE：按职业、性别与年龄划分的死亡人数和就业人数。Mike’s Balance计算：2022—2023年35—64岁在职人员，按五岁年龄段，以合并后的在职人口年龄分布为共同标准进行直接年龄标准化。死亡计数对应每年年初被归为在职的人，分母也采用同一时点的在职人口。年内可能发生就业状态变化，部分死亡记录无法识别职业。估计未针对教育、收入或既往健康状况调整；近似统计不确定性未包含行政记录中的潜在错误。
3. 世界卫生组织：石棉；世界卫生组织／国际劳工组织：长时间工作。
4. Vandenberghe：《欧洲职业劳动强度与（健康）预期寿命》。2025年在线发表，收录于2026年期刊卷次。这项观察性研究使用SHARE职业履历和美国O*NET职业描述，所得结果不能证明因果关系。
5. Vinni与Hakama：健康工人效应。