中國(guó)省際全科醫(yī)生數(shù)及影響因素的空間計(jì)量分析

湛大順 ，張翔 *

2011年7月國(guó)務(wù)院頒布的《關(guān)于建立全科醫(yī)生制度的指導(dǎo)意見(jiàn)》（國(guó)發(fā)〔2011〕23號(hào)）將全科醫(yī)生制度提升為國(guó)家戰(zhàn)略［1］，2017年10月習(xí)近平同志在十九大報(bào)告中提出要加強(qiáng)全科醫(yī)生隊(duì)伍建設(shè)。隨著我國(guó)經(jīng)濟(jì)社會(huì)發(fā)展、衛(wèi)生服務(wù)需求增加、老齡化進(jìn)程加快及慢性病患病率上升，健康管理服務(wù)和家庭醫(yī)生簽約服務(wù)必須得到充分發(fā)展，全科醫(yī)生是這些基層衛(wèi)生服務(wù)的主要提供者，其培養(yǎng)發(fā)展和全科醫(yī)生制度的建立完善也亟待重視起來(lái)?，F(xiàn)有關(guān)于全科醫(yī)生的研究，從全科醫(yī)生的現(xiàn)狀和問(wèn)題［2-4］、全科醫(yī)生的國(guó)際經(jīng)驗(yàn)和啟示［5-7］、全科醫(yī)生的配置公平性［8-10］等方面進(jìn)行，這些研究有的是定性方面的研究，有的是定量方面的研究，但考慮全科醫(yī)生空間相關(guān)性的研究較為缺乏。我國(guó)醫(yī)療衛(wèi)生體系有公共性、外部性及關(guān)聯(lián)性的特征［11］，各?。ㄗ灾螀^(qū)、直轄市）的全科醫(yī)生配置在空間上可能會(huì)有聚集性。同時(shí)，影響本地區(qū)全科醫(yī)生配置的各因素也可能會(huì)對(duì)相鄰省域的全科醫(yī)生配置產(chǎn)生空間外溢影響。考慮到全科醫(yī)生數(shù)能在一定程度上反映全科醫(yī)生服務(wù)的提供能力［12］，本文利用空間計(jì)量模型從全科醫(yī)生數(shù)入手，分析我國(guó)各?。ㄗ灾螀^(qū)、直轄市）全科醫(yī)生配置及影響因素的空間關(guān)聯(lián)性，以期從空間省域角度探討我國(guó)全科醫(yī)生的聚集性和影響因素的外溢性。

1 資料與方法

1.1 資料來(lái)源 本研究所用數(shù)據(jù)來(lái)源于2013—2017年的《中國(guó)衛(wèi)生和計(jì)劃生育統(tǒng)計(jì)年鑒》［13-17］及2017年的《中國(guó)統(tǒng)計(jì)年鑒》［18］。收集的數(shù)據(jù)包括2012—2016年的全科醫(yī)生數(shù)及2016年的國(guó)民生產(chǎn)總值（GDP）、城鎮(zhèn)化率、政府衛(wèi)生支出、政府支出、中央預(yù)算財(cái)政支出、人口數(shù)量、文盲率、老齡化率、少兒撫養(yǎng)比、基層診療人次、基層入院人數(shù)、人均醫(yī)療保健支出、省域面積、人均可支配收入，并計(jì)算財(cái)政支出分權(quán)和人口密度。財(cái)政支出分權(quán)=人均省內(nèi)預(yù)算財(cái)政支出/（人均省內(nèi)預(yù)算財(cái)政支出+人均中央預(yù)算財(cái)政支出）［19］，人口密度=人口數(shù)量/省域面積［20］。本研究未收集臺(tái)灣地區(qū)數(shù)據(jù)。

1.2 統(tǒng)計(jì)學(xué)方法 采用Excel 2016進(jìn)行數(shù)據(jù)錄入和整理；采用ARCGIS 10.5軟件計(jì)算莫蘭指數(shù)（Moran'sI）、制作空間自相關(guān)（LISA）圖，檢驗(yàn)全國(guó)省際全科醫(yī)生數(shù)的空間自相關(guān)性；采用SPSS 24.0統(tǒng)計(jì)軟件中Pearson相關(guān)和多元逐步線性回歸篩選可能的影響因素；采用GeoDa軟件中的空間回歸做全科醫(yī)生數(shù)的空間計(jì)量分析，先利用普通最小二乘法（OLS）建立經(jīng)典空間回歸模型，然后利用空間依賴性的檢驗(yàn)結(jié)果對(duì)空間滯后模型（SLM）和空間誤差模型（SEM）做出選擇。

2 結(jié)果

2.1 中國(guó)全科醫(yī)生數(shù)概況 中國(guó)全科醫(yī)生數(shù)自2013年的《中國(guó)衛(wèi)生和計(jì)劃生育統(tǒng)計(jì)年鑒》開(kāi)始有詳細(xì)的數(shù)據(jù)統(tǒng)計(jì)，中國(guó)全科醫(yī)生數(shù)的進(jìn)展?fàn)顩r見(jiàn)表1，2016年中國(guó)全科醫(yī)生數(shù)在東中西部的分布情況見(jiàn)表2。由表1可知，我國(guó)全科醫(yī)生總數(shù)、注冊(cè)為全科醫(yī)學(xué)專業(yè)的人數(shù)、取得全科醫(yī)生培訓(xùn)合格證的人數(shù)、每萬(wàn)人全科醫(yī)生數(shù)都在逐年增加。由表2可知，我國(guó)全科醫(yī)生數(shù)在地區(qū)間的分布存在明顯的差距，2016年?yáng)|部的全科醫(yī)生總數(shù)、注冊(cè)為全科醫(yī)學(xué)專業(yè)的人數(shù)、取得全科醫(yī)生培訓(xùn)合格證的人數(shù)、每萬(wàn)人全科醫(yī)生數(shù)高于中部和西部。

表1 2012—2016年我國(guó)全科醫(yī)生數(shù)（人）Table 1 Number of general practitioners in China，2012—2016

表2 2016年我國(guó)東中西部全科醫(yī)生數(shù)（人）Table 2 Number of general practitioners in eastern，central and western China in 2016

2.2 2016年全科醫(yī)生數(shù)空間等級(jí)分布 2016年全國(guó)各省（自治區(qū)、直轄市）全科醫(yī)生數(shù)見(jiàn)表3。由表3可知全國(guó)全科醫(yī)生數(shù)最高的3個(gè)地區(qū)分別為江蘇（25 162人）、浙江（22 571人）和廣東（18 338人），而最低的3個(gè)地區(qū)分別為西藏（202人）、寧夏（654人）和海南（986人）。2016年全科醫(yī)生數(shù)空間等級(jí)分布見(jiàn)圖1。由圖1中可看出，總體上東部沿海地區(qū)全科醫(yī)生數(shù)較高，西部較低。

2.3 2016年全科醫(yī)生數(shù)空間自相關(guān)性分析 本文用Queen一階鄰接矩陣表示各?。ㄗ灾螀^(qū)、直轄市）的鄰接關(guān)系，且設(shè)定海南與廣東相鄰，組成空間權(quán)重矩陣。分析得出全局Moran'sI=0.219，Z=2.451，P=0.014＜0.05，表明全國(guó)各?。ㄗ灾螀^(qū)、直轄市）全科醫(yī)生數(shù)存在正向空間自相關(guān)性，在空間分布上具有空間聚集性。然后，通過(guò)局部空間自相關(guān)分析，得出LISA圖（見(jiàn)圖2）。由LISA圖可知，新疆和甘肅表現(xiàn)出低-低聚集（低的地區(qū)被低的地區(qū)包圍），四川表現(xiàn)為高-低聚集（高的地區(qū)被低的地區(qū)包圍），福建和江西表現(xiàn)為低-高聚集（低的地區(qū)被高的地區(qū)包圍），上海、江蘇、安徽、山東表現(xiàn)為高-高聚集（高的地區(qū)被高的地區(qū)包圍），其他地區(qū)的空間自相關(guān)性不明顯。

2.4 全科醫(yī)生數(shù)影響因素空間計(jì)量分析

2.4.1 影響因素指標(biāo)選取 全科醫(yī)生數(shù)量配置的影響因素以往并無(wú)文獻(xiàn)研究，因此沒(méi)有能參照選擇的解釋變量，本文在綜合前人對(duì)衛(wèi)生資源配置的影響因素的研究基礎(chǔ)上［11，21-22］，先廣泛選取可能與之相關(guān)的各方面因素進(jìn)行試探分析，如各?。ㄗ灾螀^(qū)、直轄市）發(fā)展水平方面（GDP、城鎮(zhèn)化率）、政策因素方面（政府衛(wèi)生支出、財(cái)政支出分權(quán)）、社會(huì)因素方面（人口數(shù)量、文盲率）、衛(wèi)生服務(wù)需求方面（老齡化率、少兒撫養(yǎng)比）、衛(wèi)生服務(wù)利用方面（基層診療人次、基層入院人數(shù)）、衛(wèi)生服務(wù)利用意識(shí)方面（人均醫(yī)療保健支出）、衛(wèi)生服務(wù)利用地理和經(jīng)濟(jì)可及性方面（人口密度、人均可支配收入）。

表3 2016年全國(guó)各?。ㄗ灾螀^(qū)、直轄市）全科醫(yī)生數(shù)（人）Table 3 Number of general practitioners in China at the provincial level in2016

圖1 2016年我國(guó)全科醫(yī)生數(shù)空間等級(jí)分布Figure 1 Hierarchical spatial distribution of general practitioners in China in 2016

經(jīng)Pearson相關(guān)性雙側(cè)檢驗(yàn)，與全科醫(yī)生數(shù)有相關(guān)性的因素如表4所示，另外，將無(wú)統(tǒng)計(jì)學(xué)意義的相關(guān)因素一起納入全科醫(yī)生數(shù)的逐步回歸方程中（α入=0.05，α出=0.10），提示“未在拆分的方程中輸入任何變量”，說(shuō)明這些因素也無(wú)法對(duì)全科醫(yī)生數(shù)造成明顯影響，即可直接不考慮這些因素。

但同時(shí)考慮到GDP在0.01的標(biāo)準(zhǔn)下與人口數(shù)量（r=0.759，P＜0.001）、 政 府 衛(wèi) 生 支 出（r=0.810，P＜0.001）都具有較強(qiáng)的相關(guān)性，在0.05的標(biāo)準(zhǔn)下與老齡化率（r=0.391，P=0.030）有相關(guān)性，而且根據(jù)常識(shí)，政府衛(wèi)生支出會(huì)隨著GDP增長(zhǎng)而增加，說(shuō)明GDP對(duì)全科醫(yī)生數(shù)有直接和間接的復(fù)雜影響，因此本研究在認(rèn)可GDP對(duì)全科醫(yī)生數(shù)量配置有影響的前提下，利用剩余3個(gè)變量對(duì)全科醫(yī)生數(shù)的空間分布特征進(jìn)行分析。各變量的統(tǒng)計(jì)學(xué)特征如表5所示。

表4 Pearson相關(guān)性檢驗(yàn)結(jié)果與全科醫(yī)生數(shù)相關(guān)性分析有統(tǒng)計(jì)學(xué)意義的因素Table 4 Factors with significant Pearson's correlation test results

圖2 2016年我國(guó)全科醫(yī)生數(shù)LISA空間分布圖Figure 2 LISA for distribution of general practitioners in China in 2016

2.4.2 OLS經(jīng)典空間回歸結(jié)果構(gòu)建空間計(jì)量模型之前，先構(gòu)建OLS經(jīng)典空間回歸模型，以檢驗(yàn)?zāi)Ｐ蛿M合效果和選擇下一步的空間計(jì)量模型。OLS回歸結(jié)果如表6所示。

同時(shí)得出：回歸共線性條件數(shù)=19.15＜30，說(shuō)明自變量間不存在明顯的共線性，可以進(jìn)行下一步分析；全科醫(yī)生數(shù)的空間依賴性檢驗(yàn)結(jié)果中LM-lag=2.528 8（P=0.123 50＞0.05），LM-error=4.543 5（P=0.042 62＜0.05）。因此，應(yīng)繼續(xù)采用SEM對(duì)各?。ㄗ灾螀^(qū)、直轄市）全科醫(yī)生數(shù)進(jìn)行空間計(jì)量分析。

2.4.3 SEM回歸結(jié)果全科醫(yī)生數(shù)空間計(jì)量分析SEM回歸結(jié)果如表7所示。

表5 變量的統(tǒng)計(jì)學(xué)特征Table 5 Statistical characteristics of variables

表6 全科醫(yī)生數(shù)OLS經(jīng)典空間回歸結(jié)果Table 6 OLS regression results of the number of general practitioners

表7 全科醫(yī)生數(shù)SEM回歸結(jié)果Table 7 SEM regression results of number of general practitioners

同時(shí)得出空間誤差參數(shù)λ=0.211，Z=1.647，P＜0.10，即在0.10的水平上有統(tǒng)計(jì)學(xué)意義，說(shuō)明SEM在一定程度上能較好地?cái)M合空間數(shù)據(jù)的全局性結(jié)果，各?。ㄗ灾螀^(qū)、直轄市）的全科醫(yī)生數(shù)量配置會(huì)受相鄰省域全科醫(yī)生數(shù)量配置的影響。

另外，通過(guò)SEM空間計(jì)量分析可知，在3個(gè)自變量中，全科醫(yī)生數(shù)與政府衛(wèi)生支出呈正相關(guān)，且僅其回歸系數(shù)具有統(tǒng)計(jì)學(xué)意義（b=19.588，P=0.034＜0.05）。2.4.4 全科醫(yī)生數(shù)OLS經(jīng)典空間回歸模型和SEM檢驗(yàn)效能比較 從表8中可以看出，SEM模型中R2=0.657，說(shuō)明此模型擬合度良好，對(duì)全科醫(yī)生數(shù)有很好的解釋力。而且，SEM模型中的R2值和LogL值大于OLS模型，AIC值和SC值小于OLS模型，因此可知相較于OLS模型，SEM模型擬合效果更好。此外，SEM模型中各變量回歸系數(shù)相較于OLS經(jīng)典空間回歸模型有一定變化，說(shuō)明空間上的鄰接關(guān)系在一定程度上會(huì)影響變量的解釋程度。

表8 全科醫(yī)生數(shù)OLS經(jīng)典空間回歸模型和SEM檢驗(yàn)效能比較Table 8 Comparisons of OLS and SEM test efficiency in the number of general practitioners

3 討論

3.1 全科醫(yī)生數(shù)在快速增長(zhǎng)但存在較大缺口 與2012年相比，2016年中國(guó)每萬(wàn)人全科醫(yī)生數(shù)增幅達(dá)84.6%，說(shuō)明我國(guó)全科醫(yī)生數(shù)量已有大幅改善。但2011年《國(guó)務(wù)院關(guān)于建立全科醫(yī)生制度的指導(dǎo)意見(jiàn)》中提出2020年城鄉(xiāng)每萬(wàn)人要有2～3名合格的全科醫(yī)生，而到2016年全國(guó)每萬(wàn)人全科醫(yī)生數(shù)僅1.51名，僅東部地區(qū)目前能達(dá)標(biāo)，與此政策目標(biāo)仍有一定距離。同時(shí)，有研究提到，衛(wèi)生體系完善的發(fā)達(dá)國(guó)家，每萬(wàn)人至少需5名全科醫(yī)生［23］，說(shuō)明我國(guó)的全科醫(yī)生隊(duì)伍建設(shè)和發(fā)達(dá)國(guó)家仍有很大差距。全科醫(yī)生存在較大缺口主要與醫(yī)生本身培養(yǎng)周期長(zhǎng)、難度大，以及全科醫(yī)生崗位吸引力低，機(jī)構(gòu)和個(gè)人都缺乏長(zhǎng)效激勵(lì)等有關(guān)［24-25］。

3.2 全科醫(yī)生數(shù)存在省際空間自相關(guān)性和地區(qū)不均衡性 不論是全局空間自相關(guān)中的Moran'sI，還是SEM中的空間誤差參數(shù)λ，都顯示我國(guó)大陸31?。ㄗ灾螀^(qū)、直轄市）的全科醫(yī)生數(shù)存在空間自相關(guān)性，各?。ㄗ灾螀^(qū)、直轄市）全科醫(yī)生數(shù)會(huì)受相鄰省域的影響，在空間分布上具有空間聚集性。而且，從局部空間自相關(guān)中的全科醫(yī)生數(shù)LISA空間分布圖可以更清楚地看出全國(guó)各?。ㄗ灾螀^(qū)、直轄市）間的聚集特征，如有部分省（自治區(qū)、直轄市）間沒(méi)有很明顯的空間關(guān)聯(lián)，高-高聚集和低-高聚集主要在華東地區(qū)，低-低聚集主要在西北地區(qū)，而高-低聚集的四川則位于西南地區(qū)。這種空間自相關(guān)性，可能與我國(guó)地區(qū)發(fā)展的不均衡導(dǎo)致的政策制定關(guān)注程度、全科醫(yī)生扶持力度不同有關(guān)。另外，全科醫(yī)生數(shù)的空間聚集性同時(shí)說(shuō)明我國(guó)全科醫(yī)生配置存在地區(qū)不均衡性。由表4和圖1可以看出，東部沿海地區(qū)全科醫(yī)生隊(duì)伍建設(shè)明顯更為完善，地區(qū)的不均衡性還可能與地區(qū)的發(fā)展?fàn)顩r不同導(dǎo)致的人才流動(dòng)有關(guān)［24，26］。

3.3 全科醫(yī)生數(shù)主要與地區(qū)發(fā)展水平和政府衛(wèi)生支出有關(guān) 有文獻(xiàn)對(duì)我國(guó)省際衛(wèi)生人力資源分布公平性的多種影響因素進(jìn)行研究，結(jié)果表明GDP是導(dǎo)致其分布不公平的多種因素中最主要的［27］，本文證實(shí)GDP與全科醫(yī)生數(shù)省際分布也有強(qiáng)相關(guān)性。另外，SEM的空間計(jì)量分析顯示，人口數(shù)量、政府衛(wèi)生支出、老齡化率這3個(gè)與全科醫(yī)生數(shù)相關(guān)的變量中，僅政府衛(wèi)生支出對(duì)全科醫(yī)生數(shù)有明顯影響，說(shuō)明我國(guó)省際全科醫(yī)生數(shù)量配置主要與地區(qū)發(fā)展水平和政府衛(wèi)生支出有關(guān)。SEM結(jié)果也說(shuō)明我國(guó)各?。ㄗ灾螀^(qū)、直轄市）的全科醫(yī)生數(shù)量配置是政策導(dǎo)向的，在很大程度上受政府扶持力度的影響，而不是根據(jù)人口數(shù)量、主要服務(wù)對(duì)象老年人的數(shù)量而進(jìn)行市場(chǎng)變動(dòng)。這也提示全科醫(yī)生數(shù)量配置主要受政府衛(wèi)生規(guī)劃的影響，要增加全科醫(yī)生數(shù)量，就必須提高政府衛(wèi)生支出，這與黃冬梅等［24］和鄒嘉瑜等［28］的研究結(jié)果一致，黃冬梅等［24］的研究中提到全科醫(yī)生職業(yè)價(jià)值不能在當(dāng)前薪酬體系中體現(xiàn)，也無(wú)法隨經(jīng)濟(jì)發(fā)展自動(dòng)實(shí)現(xiàn)，需利用公共籌資機(jī)制解決；鄒嘉瑜等［28］的研究中提到薪酬低是臨床本科生不愿意成為全科醫(yī)生的首要原因，各級(jí)政府應(yīng)增加財(cái)政剛性投入。

本文引入空間權(quán)重矩陣，利用空間計(jì)量模型分析了全科醫(yī)生數(shù)及其影響因素，考慮到了傳統(tǒng)回歸模型無(wú)法考慮的數(shù)據(jù)的空間屬性，具有更好的分析效果。但本文仍有不足之處，一方面是此次空間計(jì)量分析只利用了全國(guó)2016年的截面數(shù)據(jù)，未考慮時(shí)間序列；另一方面是只考慮了全科醫(yī)生數(shù)量，而全科醫(yī)生服務(wù)的提供能力還與全科醫(yī)生質(zhì)量有關(guān)。因此，未來(lái)利用全科醫(yī)生的面板數(shù)據(jù)并綜合考慮全科醫(yī)生的質(zhì)量來(lái)對(duì)全科醫(yī)生服務(wù)進(jìn)行探討，將會(huì)有更好的研究?jī)r(jià)值。

作者貢獻(xiàn)：湛大順負(fù)責(zé)文章具體完成和數(shù)據(jù)摘錄、計(jì)算、分析；張翔負(fù)責(zé)主題選擇指導(dǎo)和討論部分修改。

本文無(wú)利益沖突。

本文鏈接：

進(jìn)行空間分析的思路是：采用空間統(tǒng)計(jì)分析指數(shù)檢驗(yàn)變量間是否存在空間自相關(guān)性，如果存在，則需要在空間計(jì)量經(jīng)濟(jì)學(xué)理論方法支持下，將空間影響納入其中，建立空間計(jì)量模型，進(jìn)行空間計(jì)量估計(jì)和檢驗(yàn)。

空間自相關(guān)性檢驗(yàn)：在計(jì)算和檢驗(yàn)區(qū)域空間相關(guān)性存在時(shí)，空間統(tǒng)計(jì)學(xué)常使用到2個(gè)類似于相關(guān)系數(shù)的統(tǒng)計(jì)量：Moran提出的空間相關(guān)指數(shù)Moran'sI和Geary所定義的Gearyc，與Gearyc相比，Moran'sI不易受偏離正態(tài)分布的影響，因此，大多數(shù)應(yīng)用中Moran'sI更為常用。Moran'sI在功用上大致可以分為兩類：全域空間自相關(guān)Moran'sI和局域空間自相關(guān)Moran'sI。

空間計(jì)量模型的建立：目前主流的空間計(jì)量模型主要包括空間截面數(shù)據(jù)模型、空間面板數(shù)據(jù)模型和離散數(shù)據(jù)的空間計(jì)量模型。其中空間橫截面數(shù)據(jù)模型包括空間自回歸模型（SLM）、空間誤差模型（SEM）及變異數(shù)地理加權(quán)回歸模型（GWR），空間面板數(shù)據(jù)模型包括空間回歸面板計(jì)量模型和空間誤差面板計(jì)量模型。