基于GWR模型的我國衛(wèi)生機(jī)構(gòu)床位數(shù)影響因素研究

葉子容 吳亞飛 周 鼒 方 亞△

【提 要】 目的 研究我國衛(wèi)生機(jī)構(gòu)床位數(shù)(下稱床位數(shù))的影響因素,為提高床位資源配置效率和制定衛(wèi)生政策提供依據(jù)。方法 選取2013-2015年《中國衛(wèi)生統(tǒng)計(jì)年鑒》及《中國統(tǒng)計(jì)年鑒》31個省份每千人衛(wèi)生機(jī)構(gòu)床位數(shù)(下稱每千人床位數(shù))資料,以省份水平為研究尺度,首先運(yùn)用全局空間自相關(guān)從整體上判斷我國床位數(shù)是否存在空間聚集性;進(jìn)一步地,運(yùn)用局部空間自相關(guān)探索床位數(shù)的空間聚集類型;最后,結(jié)合我國東中西部行政區(qū)域劃分,采用地理加權(quán)回歸(GWR)模型從空間角度研究性別比、老年人口比例、人均GDP、公路里程數(shù)、床位使用率及醫(yī)療衛(wèi)生支出等因素對床位數(shù)的影響,同時,將GWR建模結(jié)果同普通最小二乘法(OLS)結(jié)果進(jìn)行比較。結(jié)果 2013-2015年,我國平均每千人床位數(shù)分別為4.58張、4.86張、5.13張,呈穩(wěn)步增長趨勢,與全國平均水平相比,中部地區(qū)較高,西部和東部地區(qū)較低,尤以東部更顯著。床位數(shù)在省份水平具有明顯的空間聚集性,三年的Moran’I指數(shù)分別為0.157,0.185,0.223(P<0.05);三年內(nèi)空間聚集類型顯示,福建、廣東及其周邊省份呈低-低聚集,西藏和甘肅呈低-高聚集;自2014年起,出現(xiàn)以重慶為中心的高-高聚集區(qū)域。從空間分布影響因素來看,東中部主要受老年人口比例影響,而西部受男女比例、城鎮(zhèn)人口比例及醫(yī)院床位使用率的影響。同時,GWR擬合結(jié)果全面優(yōu)于OLS。結(jié)論 我國床位數(shù)呈逐年增長趨勢,但存在明顯的地區(qū)差異,東、中、西部各具相應(yīng)的分布特點(diǎn)和影響因素。

近年來,我國總體衛(wèi)生投入不斷增加,同時也伴隨著衛(wèi)生資源不平等程度的加劇[1-2]。衛(wèi)生機(jī)構(gòu)床位數(shù)是衛(wèi)生資源的重要指標(biāo)[3],其分布直接關(guān)系到居民健康和衛(wèi)生服務(wù)質(zhì)量及其公平性等問題,同時又受到經(jīng)濟(jì)狀況、人口數(shù)、自然條件、交通、衛(wèi)生政策等因素的影響,呈現(xiàn)出一定的空間分布格局[4]。因此,通過研究床位數(shù)的影響因素,進(jìn)而指導(dǎo)衛(wèi)生資源分配顯得十分必要。

目前,對于國內(nèi)床位數(shù)影響因素的研究,有的運(yùn)用了經(jīng)典線性回歸模型[5-6],有的采用了全局空間回歸模型[7],但是這些研究缺乏對空間自相關(guān)性和空間異質(zhì)性的考慮,對空間信息利用并不充分。而地理加權(quán)回歸(geographically weighted regression,GWR)可以同時考慮空間自相關(guān)性和空間異質(zhì)性[8],因此,本研究擬用GWR方法,對我國31個省份2013-2015年床位數(shù)影響因素進(jìn)行探討,并從空間角度探索我國醫(yī)療衛(wèi)生體系發(fā)展過程中存在的資源配置不平衡等問題,為我國醫(yī)療資源更加合理分配提供有力支持。

資料與方法

1.資料來源

選取2013-2015年《中國衛(wèi)生統(tǒng)計(jì)年鑒》及《中國統(tǒng)計(jì)年鑒》各省份每千人床位數(shù)資料,結(jié)合文獻(xiàn)綜述,從以上統(tǒng)計(jì)年鑒中選取本研究的自變量,包括性別比、老年人口比例、人均GDP、公路里程數(shù)、床位使用率及醫(yī)療衛(wèi)生支出。

2.分析方法

(1)描述性分析方法

基于中國大陸地區(qū)省份尺度地圖,針對每千人床位數(shù)制圖,以顏色深淺表示數(shù)值的大小。

(2)空間自相關(guān)方法

①全局空間自相關(guān)

本文采用Global Moran’s I指數(shù)作為統(tǒng)計(jì)量[9],計(jì)算公式如下:

(1)

②局部空間自相關(guān)

為進(jìn)一步判斷各省份床位數(shù)的聚集類型,本研究運(yùn)用了局部空間自相關(guān)[10],擬采用Local Moran’I指數(shù)進(jìn)行分析,計(jì)算公式如下[11]:

(2)

式中各個指標(biāo)的含義同公式(1)。進(jìn)一步采用蒙特卡洛模擬對Local Moran’I指數(shù)進(jìn)行顯著性檢驗(yàn)。局部空間自相關(guān)旨在反映空間單元與其鄰近空間單元的相似程度,解釋空間聚集類型。利用數(shù)據(jù)可視化方法來顯示空間聚集的四種模式:高-高(HH)區(qū)域,表示高值區(qū)域被同為高值的區(qū)域所包圍的空間分布;高-低(HL)區(qū)域,表示高值區(qū)域被低值區(qū)域包圍的空間分布;低-高(LH)區(qū)域,表示低值區(qū)域被高值區(qū)域包圍的空間分布;低-低(LL)區(qū)域,表示低值區(qū)域被同為低值的區(qū)域包圍的空間分布。

③GWR模型

GWR模型基于樣本點(diǎn)存在空間自相關(guān)性這一前提,旨在分析各省床位數(shù)與自變量之間的空間異質(zhì)性。在OLS基礎(chǔ)上,將樣本數(shù)據(jù)的地理位置嵌入回歸系數(shù)中。其模型的一般形式如下[12]:

(3)

式中(ui,vi)是第i個省份的空間坐標(biāo)；yi是第i個省份的床位數(shù)；而xij是自變量xj在(ui,vi)位置上的觀測值；β0(ui,vi)和βj(ui,vi)分別表示第i個省份的回歸常數(shù)和第j個回歸系數(shù)；εi是該模型的誤差項(xiàng)，其服從正態(tài)分布。

4.分析軟件

本研究中,原始數(shù)據(jù)預(yù)處理及OLS模型的建立由SAS 9.2實(shí)現(xiàn);GeoDa 1.8進(jìn)行空間自相關(guān)分析及結(jié)果的地圖展示;GWR模型通過GWR 4.0建立。

結(jié) 果

1.床位數(shù)一般情況

表1和圖1表示2013-2015年各省份每千人床位數(shù)分布情況,呈穩(wěn)步增長趨勢。以歷年全國平均每千人床位數(shù)為參照(4.58、4.86、5.13),三年均呈現(xiàn)中部普遍高于全國平均水平;西部小部分省份低于全國平均水平,但部分省份排名全國前列;而東部大部分地區(qū)普遍低于全國平均水平。圖1-A顯示,2013年中部地區(qū)僅河南、安徽、江西低于全國平均水平,西部以新疆、四川最為突出,排名全國前列。而東部僅遼寧、山東、江蘇高于全國平均水平,其余省份低于全國平均水平,尤以廣東、海南最為明顯。2014年較2013年變化不大,僅河南由低變高(圖1-B)。2015年各省份床位數(shù)差距變小,但與前兩年大致相同,僅寧夏和山西由高變低(圖1-C)。

2.床位數(shù)聚集性分析

以省份為單位,我國每千人床位數(shù)呈現(xiàn)明顯的空間聚集性。從全局自相關(guān)分析結(jié)果來看,2013-2015年Moran’I指數(shù)逐年遞增,均有統(tǒng)計(jì)學(xué)意義(P<0.05),分別為0.1569,0.1849,0.2226,說明聚集性逐漸變強(qiáng)。

進(jìn)一步進(jìn)行局部空間自相關(guān)分析,基于省份尺度的每千人床位數(shù)呈現(xiàn)4種空間分布格局(圖2)。2013年(圖2-A)主要呈現(xiàn)兩種類型空間分布格局:LL區(qū)域,如廣東、福建、江西;LH區(qū)域,如西藏和甘肅。相較于2013年,2014年(圖2-B)新增以重慶為中心的HH區(qū)域。2015年(圖2-C)的結(jié)果同2014年基本一致,局部空間聚集性變化不大,LL區(qū)域擴(kuò)展到海南及浙江。

表1 2013-2015年各省份每千人床位數(shù)(單位:張)

3.床位數(shù)影響因素分析

經(jīng)上述分析發(fā)現(xiàn),各省份每千人床位數(shù)存在明顯的空間聚集性,因此考慮空間相關(guān)性,采用GWR模型研究床位數(shù)分布的影響因素更為合理。進(jìn)一步地,為檢測第k個自變量是否具有空間變異性,我們建立原始模型,即所有變量均考慮其空間變異性,并在原始模型基礎(chǔ)上固定第k個變量的回歸系數(shù),建立轉(zhuǎn)換模型。比較兩模型的AIC,若原始模型優(yōu)于轉(zhuǎn)換模型,則認(rèn)為第k個變量具有空間變異性,反之則沒有。利用上述辦法,檢驗(yàn)該研究的六個自變量,將具有空間異質(zhì)性的變量納入最終模型,建立多因素回歸模型。

圖3揭示了擬合優(yōu)度指標(biāo)R2的空間變異。2013-2015年GWR模型估計(jì)的R2分別為0.051～0.758,0.138～0.648,0.424～0.658,不同區(qū)域R2的差異較為明顯。2013、2014年R2空間分布呈現(xiàn)西部、西南部較東部、東北部大,整體出現(xiàn)自西南部向東北部遞減趨勢。而2015年R2分布情況略有不同,東部、東南沿海各省R2較大,而西部和北部各省R2普遍較小。

進(jìn)一步來看歷年GWR建模結(jié)果。圖4-A和4-B顯示2013年老年人口比例和床位使用率對床位數(shù)的影響具有空間異質(zhì)性。老年人口比例回歸系數(shù)為-0.31～0.37,大部分省份的回歸系數(shù)為正,且回歸系數(shù)自南向北逐步減小,而北部部分省份的回歸系數(shù)為負(fù),提示老年人口比例增大對每千人床位數(shù)會產(chǎn)生負(fù)面影響。醫(yī)院床位使用率的回歸系數(shù)為-0.08～0.60,呈現(xiàn)自東向西逐步遞增的趨勢,尤其是西部地區(qū),回歸系數(shù)為正,說明床位使用率提高將增加床位數(shù)。

2014年男女比例和老年人口比例對床位數(shù)的影響具有空間異質(zhì)性。從男女比例看,其回歸系數(shù)估計(jì)值為-0.34～-0.10(圖4-C),均為負(fù)數(shù)且絕對值呈現(xiàn)由東北向西南遞增趨勢,提示在全國范圍內(nèi)男女比例對床位數(shù)的影響均為負(fù)向,但這種影響在西南部比東北部更強(qiáng)。而老年人口比例回歸系數(shù)為-0.03～0.16(圖4-D),分布情況同2013年基本一致,整體回歸系數(shù)有所增大,回歸系數(shù)為負(fù)的省份僅有新疆。

2015年老年人口比例、城鎮(zhèn)人口比例和床位使用率對床位數(shù)的影響具有空間異質(zhì)性。老年人口比例回歸系數(shù)為-0.11～0.40(圖4-E),與2014年結(jié)果基本一致,但回歸系數(shù)進(jìn)一步增大。而城鎮(zhèn)人口比例回歸系數(shù)為-0.03～0.19(圖4-F),自東南向西北遞減,尤其西部、北部地區(qū)回歸系數(shù)為負(fù)。床位使用率回歸系數(shù)為-0.11～0.28(圖4-G),整體變化趨勢與2013年一致,西部地區(qū)為正,而其它地區(qū)則自東南向西北遞減。

總體而言,各影響因素在不同區(qū)域?qū)Υ参粩?shù)的解釋能力存在空間差異,在實(shí)際工作中可以根據(jù)各影響因素的實(shí)際情況合理分配衛(wèi)生資源。最后,計(jì)算2013-2015年GWR殘差的全局Moran’s I指數(shù),分別為-0.0435(P=0.458),-0.0324(P=0.492),-0.1152(P=0.255),殘差項(xiàng)均不存在空間相關(guān)性,說明GWR模型較好地?cái)M合了各變量的空間效應(yīng)。

4.OLS與GWR建模結(jié)果比較

建立經(jīng)典的OLS模型,比較OLS與GWR的回歸結(jié)果,同時將OLS回歸與GWR模型的主要診斷指標(biāo)進(jìn)行比較,檢驗(yàn)GWR模型的空間非平穩(wěn)性。OLS參數(shù)估計(jì)結(jié)果見表2。

圖1 2013-2015年各省份每千人床位數(shù)分布圖

圖2 2013-2015年各省份每千人床位數(shù)局部空間自相關(guān)聚集圖

變量201320142015標(biāo)準(zhǔn)化系數(shù)P標(biāo)準(zhǔn)化系數(shù)P標(biāo)準(zhǔn)化系數(shù)P男女比例-0.4170.071-0.4640.031-0.5770.028老年人口比例-0.0080.975 0.1370.585 0.2100.474城鎮(zhèn)人口比例 0.4930.383 0.4830.329 0.4380.369人均GDP-0.4950.390-0.5210.298-0.3950.396醫(yī)院床位使用率 0.0700.765 0.0390.852 0.0180.929人均醫(yī)療衛(wèi)生支出 0.0210.930-0.0190.938 0.2360.291

圖3 2013-2015年GWR模型R2分布圖

圖4 2013-2015年GWR模型分析結(jié)果

經(jīng)過OLS建模,結(jié)果提示2013年納入的變量均無統(tǒng)計(jì)學(xué)意義,而2014、2015年僅男女比例有統(tǒng)計(jì)學(xué)意義,同GWR的結(jié)果差別較大,說明OLS建模納入的六個自變量,在不考慮其空間異質(zhì)性時對模型的擬合情況較差。

進(jìn)一步地,依據(jù)Fotheringham等[13]提出的GWR模型評價標(biāo)準(zhǔn),GWR模型歷年建模結(jié)果均優(yōu)于OLS(表3)。綜上可知,OLS對數(shù)據(jù)的空間信息提取不完全,在本研究中GWR模型的建立具有較高價值。

表3 OLS與GWR模型主要診斷指標(biāo)比較

討 論

床位數(shù)是反映衛(wèi)生資源配置合理化的重要指標(biāo),因此研究其空間分布特征及影響因素具有重要意義。以往研究普遍忽視床位分布的空間信息,不能充分挖掘其空間屬性,而本研究在全局空間自相關(guān)基礎(chǔ)上,進(jìn)一步用GWR模型進(jìn)行分析,較好地控制了空間自相關(guān)性。

本研究發(fā)現(xiàn),2013-2015年間我國平均每千人床位數(shù)呈穩(wěn)步增長趨勢,而從空間分布角度來看,床位數(shù)呈現(xiàn)由西向東遞減的趨勢,與山珂等人的研究結(jié)果基本一致[14]。出現(xiàn)這一現(xiàn)象的原因可能是,東中部地區(qū)人口眾多,可用于醫(yī)療規(guī)劃的土地資源有限,因而床位數(shù)增長緩慢,而西部地區(qū)地域廣,且國家實(shí)行西部大開發(fā)戰(zhàn)略,一定程度上也促進(jìn)了當(dāng)?shù)匦l(wèi)生事業(yè)的發(fā)展。

全局自相關(guān)分析顯示,我國床位資源配置存在空間聚集特征。進(jìn)一步通過局部空間自相關(guān)分析,揭示了我國床位數(shù)的空間聚集模式,重慶市HH聚集提示床位配置在重慶及其周邊省份存在正的空間依賴性,且這些區(qū)域床位數(shù)普遍較高;廣東、福建、江西、海南及浙江呈現(xiàn)LL聚集,說明這些地區(qū)及其周邊省份也存在正的空間依賴性,但其床位數(shù)相對較低;西藏、甘肅呈LH聚集,提示應(yīng)重點(diǎn)關(guān)注床位數(shù)低的區(qū)域,防止差距進(jìn)一步擴(kuò)大。

進(jìn)一步地,GWR分析發(fā)現(xiàn),三年間全國大部分地區(qū)床位數(shù)與老年人口數(shù)存在正相關(guān)關(guān)系,但區(qū)域影響程度不同,可能的原因是,隨著老年人口增多,伴隨的醫(yī)療需求增大,床位數(shù)也隨之增加,但各地老齡化進(jìn)程不平衡,所以會出現(xiàn)一定的地域差異,這與既往研究結(jié)果一致[15-16]。床位使用率對床位數(shù)的影響更為直接,本研究顯示,2013、2015年東中部地區(qū)床位數(shù)與床位使用率存在負(fù)相關(guān)關(guān)系,可能是這些地方采用科學(xué)的床位管理方法,大大提高了床位使用率,有效地減少了不必要的衛(wèi)生資源配置。所以,床位使用率的增加,在一定程度上會使床位數(shù)有所減少。相比而言,西部結(jié)果恰好相反,這與姜婷等的研究結(jié)果基本一致[17],可能是由于病人平均住院日延長,床位使用率提高但床位周轉(zhuǎn)速度卻變慢,導(dǎo)致床位資源緊張,因而床位數(shù)會相應(yīng)增加,汪雅璇等的研究支持上述觀點(diǎn)[18]。同時,研究表明2014年床位數(shù)與男女比例存在負(fù)相關(guān)關(guān)系,且這種影響在西南部比東北部大,可能的原因是隨著男女比例增大,人口結(jié)構(gòu)不合理,生育率下降,所需的產(chǎn)科、兒科和婦科床位減少。有研究指出近年來住院分娩需求上移[19],當(dāng)女性比例下降后,相關(guān)床位可能減少,提示在床位規(guī)劃時,要考慮地區(qū)性別比的影響。此外,2015年東北、西北部分省份床位數(shù)與城鎮(zhèn)人口比例存在正相關(guān)關(guān)系,而東中部大部分城市床位數(shù)與該指標(biāo)存在負(fù)相關(guān)關(guān)系,但影響都較小。可能是城鎮(zhèn)居民健康意識、文化水平等較高,更加注重健康,衛(wèi)生需求也比農(nóng)村居民大。而東中部地區(qū)隨著城鎮(zhèn)一體化推進(jìn),農(nóng)村醫(yī)療水平提高,農(nóng)村居民健康觀念也逐步增強(qiáng),大量醫(yī)療資源流向農(nóng)村,所以城鎮(zhèn)人口比例的影響也越來越小。

最后,本研究運(yùn)用GWR模型,同時考慮了空間自相關(guān)性和空間異質(zhì)性,使估計(jì)結(jié)果更穩(wěn)定;以31個省份為研究對象,探討床位數(shù)的分布狀況及影響因素,更具客觀性;研究選取的分析指標(biāo)不僅是衛(wèi)生資源的重要指標(biāo),也涉及社會人口學(xué)、經(jīng)濟(jì)學(xué)、交通等領(lǐng)域,能夠較好地對床位數(shù)的空間分布特點(diǎn)進(jìn)行解釋。但是,本研究也存在一些不足。由于受到資料限制,一些影響床位數(shù)的指標(biāo)未能納入,可能會影響到模型的擬合效果;另外,由于目前缺乏統(tǒng)一的床位資源質(zhì)量評價指標(biāo),因此本研究主要探討床位數(shù)的影響因素,尚未涉及床位資源配置的合理性問題。