我国体医融合测度与时空演化研究

柴王军 刘龙飞

摘 要：采用文獻资料法、灰色关联分析法、熵值法、耦合协调度模型、空间自相关分析法，首先对体育与医疗进行了关联分析，其次对我国体育与医疗融合进行了实证测度，并对时空演化进行分析。研究结论：（1）运用灰色关联分析得出，我国体育与医疗的融合度为0.6335，尚未达到0.7339的平均值，表明两大业态的关联度度还比较低;（2）不同省份的体育和医疗之间的耦合协调度存在较大的区域差异，整体呈现由东向西梯度递减的演变规律;（3）在2010—2019年间，我国大陆31个省、自治区、直辖市的体医融合发展的Moran′sI指数均通过显著性检验，且耦合协调度总体呈现显著正相关关系，有较为明显的空间集聚性，并且集聚程度呈现上升态势;（4）运用ArcGIS软件绘制出2010、2013、2016和2019年的各省份Moran'I散点空间分布图：江苏、浙江、福建体医融合度高，上海、安徽、江西体医融合度相对较低;西藏、新疆、青海和甘肃等西部边远地区省份体医融合度较低，空间差异较小;（5）政策建议：构建体医融合多部门协同参与机制，完善体医融合政策保障体系，明确体医产业分类标准，完善体医融合要素支持体系。

关键词：体育;医疗;融合;测度

中图分类号：G80-051   文献标识码：A  文章编号：1006-2076（2021）05-0020-12

Integration measurement and spatiotemporal evolution of China′s sports industry and medical and health industry

CHAI Wangjun1，LIU Longfei2

1.Xi′an Physical Education University， Xi′an 710068，Shaanxi，China;2.Shanxi University of Finance and Economics，Taiyuan 030006， Shanxi，China

Abstract：By using the methods of literature review， grey correlation analysis， entropy value， coupling coordination degree model and spatial autocorrelation analysis， this paper firstly analyzes the correlation between sports and medical health industry， then empirically measures the integration of sports and medical health in China， and analyzes the temporal and spatial evolution.The results show that：1） The degree of integration of sports and health is 0.6335， which has not reached the average value of 0.7339. 2） There are great regional differences in the degree of coupling coordination between sports and medical and health in different provinces， showing a gradual decline from east to west. 3） During the period of 2010～2019， Moran′sI index of 31 provinces （cities） of China′s sports medical integration development has passed the significance test， and the overall coupling coordination shows a significant positive correlation， with obvious spatial agglomeration， and the degree of agglomeration is on the rise. 4） The spatial distribution map of Moran′sI in 2010， 2013， 2016 and 2019 was drawn by using ArcGIS software： Jiangsu， Zhejiang and Fujian had a high degree of integration of sports and medicine， while Shanghai， Anhui and Jiangxi had a relatively lower degree of integration; Tibet， Xinjiang， Qinghai and Gansu had a low degree of integration of sports and medicine， and the spatial difference was small. It is recommended that we establish a multi-sector coordinated participation mechanism for sports-medicine integration， improve the policy guarantee system for sports-medicine integration， clarify the classification standards of sports-medicine industry， and improve the support system for sports-medicine integration.

Key words：sports; medical and health; industrial integration; measurement

我国自2014年就已提出“推动体育健身与医疗、文化等融合发展”的理念，并将“全民健身”提升为国家战略。2016年《“健康中国2030”规划纲要》中明确提出，要通过“广泛开展全民健身运动，加强体医融合和非医疗健康干预，促进重点人群体育活动等方式提高全民身体素质”[1]。2021年3月全国人大表决通过“十四五”规划，明确提出“建成体育强国、健康中国，推动健康关口前移，深化体教融合、体卫融合、体旅融合”[2]。在国家大力推进“要把人民健康放在优先发展战略地位，努力全方位全周期保障人民健康”的导向下，要推动健康关口前移，建立体育和医疗健康等部门协同、全社会共同参与的运动促进健康新模式。体医融合引起了学界的广泛关注，产生了较多的研究成果，主要集中在以下几个方面：第一，体医融合的理论研究，学者们综合运用文献研究法对体医融合的历史进程[3]、发展逻辑[4]、理论探讨[5]以及模式建构[6]、体医融合的实施基础[7]、运行机制[8]进行理论分析;第二，体医融合困境研究，体医融合中的体医人才缺失、体医供需服务失衡、体医协作关系羸弱、市场化运作门槛低[9]等问题;第三，体医融合路径研究，包括理念融合[10]、政策融合[11]、部门融合[12]、人才融合[13]、产业融合[14]、技术融合[15]。其中关于产业融合研究，主要从理论上分析供需失衡与原因[16]，提出供需平衡与业态升级对策，总体缺乏体医产业融合的定量研究成果。基于此，首先运用灰色关联分析法分析体育与医疗以及其他行业的关联度，在我国大陆31个省、自治区、直辖市（以下简称省份）2010—2019年发展的有关统计数据基础上运用熵值法、耦合协调度模型、空间自相关分析法，实证测度体育与医疗综合发展水平、耦合协调度以及空间集聚效应，最后针对研究结论提出政策建议。

1 研究方法

1.1 文献资料法

以“体育”“医疗”“产业融合”等在中国知网数据平台以篇名为检索项，同时选定期刊库，期刊来源类别为核心、SCI、EI、CSSCI，文献分类目录选定社会科学域进行检索，共获得77篇文章，收录68篇中文文献。英文文献在SPORT Discus和EBSCO数据库当中的Education两个数据平台用“Sport industry”“Health industry”“Integrated development”搜索，选择英文期刊，文献类型限定在期刊，共搜索到59篇文献。

1.2 灰色关联分析法

灰色关联分析法源自灰色系统理论，在计算过程中会对变量做无量纲化处理，避免因为变量单位不一致而产生的误差，并且该方法常用于衡量不同产业经济社会指标在年度曲线空间中的接近程度，即表示的灰色关联度与产业的融合度成正比，灰色关联度越大意味着不同产业的关联性越强。主要运用此方法对体育与相关的10个产业进行灰色关联度分析，测算结果后进行排序，从微观的角度分析体育与医疗的相关联程度，与其他业态进行比较，判断融合发展的潜力。

1.3 熵值法

运用熵值法计算我国大陆31个省份体育与医疗在2010—2019年10年间的综合指数，通过具体综合得分及排名来分析和对比我国不同省份体育和医疗发展水平。

1.4 耦合协调度模型

耦合协调度用来度量两个系统共同作用的综合系统发展水平的高低，综合系统间的各个要素互相联系，趋于一种动态平衡。通过构建耦合协调模型，对所研究的31个省份的体育与医疗在2010—2019年间的耦合协调度进行测算并分类，并依此绘制出我国不同省份在各时间节点的空间分异图，直观地了解各区域体育与医疗的耦合协调程度在空间分布上的差异。

1.5 空间自相关分析法

简单来讲，空间自相关法是指同一个空间内不同的变量之间存在的相互影响。空间自相关分析法主要是用在地理学中，但随着该方法在其他领域的广泛应用，可以用来分析两个不同地理位置上的数据之间的相互影响程度，通常定义为空间依赖。测量这种不同地理位置数据间相互依赖度的方法有很多种，所用Moran′sI法，该方法用于分析全局空间自相关和局部空间自相关这两个方面。

2 研究结果与分析

2.1 我国体育与医疗关联度分析

借鉴韩松的研究成果，通过选取医疗等10个行业相关数据运用灰色关联分析法分析各行业与体育的关联度，初步对体育与医疗的关联度进行横向比较分析。

2.1.1 指标选择及数据来源

采用灰色关联分析法从全国层面测算我国体育与医疗的关联度，参考序列为因变量，比较序列为自变量。故参考序列為Y，比较序列为X1～X10，选取2010—2019年我国各行业统计数据，体育总规模（Y）与医疗业总规模（X1）、旅游产业总收入（X2）、规模以上文化及相关产业企业营业收入（X3）、传媒产业总规模（X4）、房地产行业完成投资（X5）、全国居民人均消费支出（X6）、建筑业总产值（X7）、高技术产业有效发明专利数（X8）、批发和零售业销售额（X9）、保险业保费收入（X10）作为对照数据（表1）。其中，体育数据由国家体育总局和国家统计局联合发布，医疗部分年份数据从国家卫健委官网收集得到，其他业态数据来源于国家统计局发布的2011—2020年《中国统计年鉴》。

2.1.2 灰色关联分析过程

根据灰色关联度的数据模型，计算如下：

（1）原始数据的初始化

由于原始数据指标单位不统一，因此在运用灰色关联方法时，需要对相关数据进行无量纲化处理，使之成为可以在统一衡量尺度下进行标准化处理，具体方法是所有数据都除以2010年的数据，得到无纲化处理后的数据，再进行关联分析。

x′i（k）=xi（k）xi（1）

（2）计算比较数列和参考数列的绝对差值

Δi（k）=x′0（k）-x′i（k）（2）

选取各组比较序列极差中的最大值、最小值：Δmax=2.6514，Δmin=0。

（3）指标体系的灰色系数

在灰色关联分析法中，关联系数的值越大，表示两个指标数列在对应的指标上的相互关联程度越大（表2）。其计算公式如下[17]：

ζi（k）=minimini|x0（k）-xi（k）|+ρ·

maximaxi|x0（k）-xi（k）|

|x0（k）-xi（k）|+ρ·maximaxi|x0（k）-xi（k）|

（3）

其中ξ为常数，通常情况下，ξ取0.5，中ξ等于0.5。

（4）计算灰色关联度并排列关联序

灰色关联系数就是将分散且无法统一的关联系数集中起来，通过计算公式求得的值。它反映了参考序列和比较序列的关联程度，灰色关联度的值越大，两个序列的关联性就越强（表3）。综合灰色关联度的计算公式为[18]：

γ（x0，xi）=1n∑nk=1γ（x0（k），xi（k））（4）

2.1.3 结果分析

根据上述分析结果可知，我国体育与医疗及相关产业的灰色关联度由大到小排序为X4>X2>X5>X9>X10>X7>X6>X8>X3>X1，因此，体育与其它业态融合度由高到低排序为：传媒产业总规模（X4）、旅游产业总收入（X2）、房地产行业完成投资（X5）、批发和零售业销售额（X9）、保险业保费收入（X10）、建筑业总产值（X7）、全国居民人均消费支出（X6）、高技术产业有效发明专利数（X8）、规模以上文化及相关产业企业营业收入（X3）、医疗总规模（X1）。其中，体育与医疗的融合度为0.633 5，排在最后，尚未达到0.733 9的平均值，这表明两大业态的融合度还比较低，未来还应该继续挖掘融合的潜力，积极探索体育与医疗融合的模式和路径，相关部门也应该加强合作，努力推动新兴业态的发展。

2.2 我国体育与医疗融合测度指标体系构建

评级指标的构建是科学测评体育与医疗发展的前提，从体育与医疗的经营状况、从业人员、产业规模、机构数量4个方面出发选取我国体医融合的评价指标，为接下来分析两大业态融合发展的时空演化提供理论支撑。

2.2.1 评价指标构建

体育和医疗作为两个独立系统，由于产业关联性较强，实践中表现出了较强的融合特征。基于现有的研究文献，初步构建评价指标体系，并通过2轮专家咨询，调整了部分指标，最后构建出体育和医疗融合评价指标体系。其中一级指标选择经营状况、从业人员、产业规模、机构数量4个内容，二级指标体育设置了17个指标，医疗设置了15个指标。以研究可获得数据的连续性为条件，研究选取我国大陆31省份作为研究对象。由于数据统计具有滞后性，因此体育与医疗相关数据来自2010—2019年的《体育事业统计年鉴》，部分来自《中国统计年鉴》和各省份的统计年鉴以及国民经济与社会发展统计公报，个别年份的缺失指标数据，采用插值法补全。医疗数据来源于2010—2020年的《中国医疗健康统计年鉴》，部分来自各省份统计年鉴。

2.2.2 权重确定

为了减少对权重的主观性影响，使用熵值法，运用SPSS软件，对指标体系内各项指标权重进行计算。假设有m个评价指标，n组数据，得到最初的指标数据矩阵：X=（Xij）m*n，其中Xij≥0，0≤i≤m，0≤j≤n。对于评价指标，数据Xij的差距大，说明其权重大[19]。具体计算公式如下：

ej=-k∑mt-1p（xij）lnp（xij），其中pij=xij/mi=1xij，k>0（5）

运用熵值法对两大业态系统以及内部各指标进行了权重计算，得出系统权重和综合权重，如表4所示。

通过建立产业融合发展评价指标体系，并运用熵值法对体系内指标权重进行计算，为之后体育与旅游产业发展水平以及融合度计算提供数据遵循。

2.3 我国体育与医疗融合度分析

2.3.1 体育与医疗综合发展水平分析

根据熵值法计算得到31个省份体育与医疗在2010—2019年10年间的综合指数，得分与发展水平呈正相关，具体得分及排名见表4和表5。

从时序演化来看，通过分析我国各省份体育综合得分及排名，从2010到2019年，各省份体育发展水平均呈现连续上升趋势，但趋势较为平缓，幅度较小，其中2019年的平均发展指数最高，为0.204，2010年的平均发展指数最低，為0.142，相差只有0.062。总体来看，我国体育综合发展水平有稳步提升的态势，但目前发展还不成熟，需要投入更多的时间和资源实现成长。

从空间演化来看，对表5我国大陆31个省份2010—2019年综合得分的平均值进行聚类分析，将其划分为3个等级，第一等级代表高发展水平省份，第二等级代表中等发展水平省份，第三等级代表低发展水平省份。图1是我国不同等级体育发展水平的空间分布情况。从图1能够看出我国体育发展状况在不同区域呈现明显的集聚状态，高发展水平的地区大部分沿海分布，涵盖6个省份，华东地区占据三席，包括广东、江苏、浙江、山东、辽宁东部沿海发达省份及华中地区的湖北，形成了一个“S”字形的高水平省份带。中等发展水平的区域包括16个省份，分布范围较广，主要集中在东部、中部及西部地区，包括华东的福建、安徽和华中的河南等体育发展较好的省份及一些中西部体育大省，如四川省、陕西省等。低发展水平的区域包括9个省级行政区域，主要集中在西北地区的新疆、青海和宁夏，西南地区的西藏和贵州，华北地区的内蒙古等体育发展较弱的省份。

如表6所示，从时序演化来看，对我国各省份的医疗综合得分及排名进行分析，从2010到2019年，31个省份的医疗发展水平同样呈现连续上升趋势，各个年份之间的上涨幅度均较小，其中2019年的平均发展指数最高，为0.324，2010年的平均发展指数最低，为0.189，相差0.135。每年综合得分平均分值均在0.1～0.4的范围内，其中在2011—2012年间涨幅波动最大，其余各个年份之间的上涨幅度均较小。总体来看，我国医疗综合发展水平相对较低，后期需要加快发展速度。通过体育与医疗综合得分及排名可以看出，2010—2019年间，我国各省份的体育与医疗的发展均处于较低水平，整体发展还不均衡，差距较大。医疗起步水平较高，体育的总体发展状况要明显落后于医疗，体育与医疗均一直处于稳步提升的发展状态，医疗的综合发展水平及发展势头明显优于体育。

从空间演化来看，根据图2可以看出我国医疗高发展水平等级涵盖8个省份，包括河北、河南、山东、江苏、上海、湖南、广东和四川，均属于我国医疗发展的强省。中等发展水平的区域包括18个省份，明显呈“块”以及“条”的特点集聚分布，涵盖了我国整个华北、华中、华东和东北地区的各个省（市）。低发展水平的区域只有5个省份，在空间上明显零星分布，主要分布在我国医疗发展较慢的西部地区，包括青海、西藏、宁夏等省份。

根据图1、图2的体育与医疗不同等级发展状况的空间分布情况可以看出，华东地区各省市的体育与医疗发展状况均较好，诸如江苏、浙江、山东等省份，位居全国前列，华北、华中和东北地区基本处在中等发展水平，其中湖北、辽宁等省份的体育发展水平要相对落后于医疗，而西北地区各省份的体育与医疗发展状况普遍比较落后，青海省、宁夏自治区的体育与医疗发展状况一直都处于低发展水平。

2.3.2 我国体育与医疗融合协调度分析

根据耦合协调模型及等级（见表7）对所研究的31个省份的体育与医疗在2010—2019年间的耦合协调度进行测算并分类，选取2010、2013、2016和2019年，利用ArcGIS分别绘制出我国不同省份的体育与医疗的耦合协调等级在这4个时间节点的空间分异图，耦合协调等级以及空间分布图如表8、图3所示。

如图3和表8所示，不同省份的体育和医疗之间的耦合协调度存在较大的区域差异，整体呈现由东向西梯度递减的演变规律：（1）华北地区耦合协调程度普遍较低，各省份10年间一直处于轻度失调和濒临失调级别，只有河北省从2017年开始达到勉强协调状态;（2）东北地区耦合协调度最高的是辽宁省，2011—2019年一直处于勉强协调等级，吉林省和黑龙江省则一直处于轻度失调和濒临失调级别;（3）华东地区，由于区域经济发达，整体耦合协调程度普遍较高，2019年除福建省和江西省处于濒临失调外，其他省份均达到勉强协调及以上级别，其中江苏省、浙江省和山东省达到初级协调级别;（4）华中地区河南、湖北和湖南3省协调度差距较小，在空间上形成“块”状的集聚状态，整体较为均衡，其中湖北省在2017年之后達到初级协调级别;（5）华南地区的广东省协调度长期高居榜首，从2010—2019年一直处于耦合协调状态，2016年达到最高值0.743，并在之后一直保持中级协调等级，也是唯一一个达到中级协调等级的省份，而同属华南地区的海南省一直处于严重失调状态;（6）西南地区耦合协调程度普遍偏低，仅四川省徘徊于勉强协调等级上下，其他省份从未突破失调状态，而且西藏自治区于2010年处于极度失调等级;（7）西北地区耦合协调程度落后于全国其他地区，地区内各省份一直处于严重失调到濒临失调等级，体育和医疗发展水平及融合度都相对比较落后。

2.3.3 我国体育与医疗融合的空间自相关分析

（1）全局空间自相关分析

将耦合协调度值作为观测数据，使用GeoDa软件测算[20]出所研究的31个省份在2010—2019年的体医融合发展的全局自相关（GlobalMoran′sI）指数，测算结果如表9所示。结果显示所有Moran′sI指数值都大于0，且数值整体上呈现先提升后下降再趋于稳定的变化趋势。这表明在2010—2019年间，我国大陆31个省份的体医融合发展的Moran′sI指数均通过显著性检验，且耦合协调度总体呈现显著正相关关系，有较为明显的空间集聚性，并且集聚程度呈现上升态势。

（2）局部空间自相关分析

利用局部空间自相关性度量各省及其邻近省份的空间相关度。利用莫兰散点图的4个象限，将各省的空间局部相关分为HH型（高—高）、LH型（低—高）、LL型（低—低）、HL型（高—低）。其中，HH或LL聚集类型表明相邻省份之间存在正的空间自相关性，表明耦合程度高或低的省份之间存在空间聚集效应HL或者LH聚类分析表明，相邻省份之间存在负的空间自相关性，呈现高（低）空间聚类效应，周围省份之间存在低（高）耦合协调。结果表明，2010年共有6个HH型省份，包括江苏、浙江、福建、安徽、江西、湖北，上海1个LH型省份，西藏、新疆、青海、甘肃有4个省份是LL型，2013年共有5个HH型省份，即江苏、浙江、福建、安徽、江西、江西，其中LH型省份之一是上海，其中4个LL型省份是西藏、新疆、青海、甘肃。2016年，中国有4个HH型省份，江苏、浙江、上海和福建，有2个LH型省份，分别是安徽和江西，西藏、新疆和甘肃3个省份是LL型。2019年共有7个省份具有HH型，分别是江苏、浙江、上海、福建、安徽、湖南和湖北，其中1个LH型省份是江西，另外2个LL型省份是西藏和甘肃。

总体来看，除了上海、安徽、江西、湖南和湖北的空间集聚类型差异较大，其余省份在2010—2019年这10年间空间集聚类型差异变动不大，有的省份甚至不变动，各省份之间的差异程度始终保持相对稳定的发展态势。

运用ArcGIS软件绘制出2010、2013、2016和2019年的各省份Moran'I散点空间分布图。根据图4可以看出：江苏、浙江、福建等省份都属于HH型，表明这些省份自身与相邻省份的体医融合度高，空间差异较小，这些省份的体育与医疗能够相互影响、相互作用，真正实现协调发展;上海在2010与2013年均属于LH型，安徽和江西在2016年均属于LH型，江西在2019年依然属于LH型，表明这些省份的体医融合度相对较低，相邻省份的融合度相对较高，具有明显的空间不对等性;西藏、新疆、青海和甘肃在2010年与2013年都属于LL型，青海、新疆分别于2016年、2019年不属于LL型，表明这些西部边远地区省份自身和相邻省份的体医融合度较低，空间差异较小，体育与医疗发展落后，对自己与周边省份产生负向效应，制约体育与医疗的发展。

综上，首先分析了我国大陆31个省份的体育与医疗综合发展水平，并进行排名，通过时序演化分析和空间演化分析直观表现出目前我国各地区体育与医疗的发展水平，呈现出“东强西弱”的态势;其次进行了耦合协调度的分析，对各地区耦合协调等级进行划分，深入分析华北、东北、华东、华中、华南、西南、西北各行政区域体育与医疗耦合程度;最后通过全局和局部空间自相关分析，研究我国大陆31个省份的体医融合发展的空间集聚性，观察每个省份与周边地区的融合度差异。

3 结论与建议

3.1 结 论

（1）运用灰色关联分析得出，我国体育与医疗及相关产业的灰色关联度由大到小排序为传媒产业总规模（X4）、旅游产业总收入（X2）、房地产行业完成投资（X5）、批发和零售业销售额（X9）、保险业保费收入（X10）、建筑业总产值（X7）、全国居民人均消费支出（X6）、高技术产业有效发明专利数（X8）、规模以上文化及相关产业企业营业收入（X3）、医疗总规模（X1）。其中，体育与医疗的融合度为0.633 5，排在最后，尚未达到0.733 9的平均值，表明两大业态的关联度度还比较低。

（2）从空间分布情况可以看出，华东地区各省市的体育与医疗发展状况均较好，诸如江苏、浙江、山东等省份，位居全国前列，华北、华中和东北地区基本处在中等发展水平，其中湖北、辽宁等省份的体育发展水平要相对落后于医疗，而西北地区各省份的体育与医疗发展状况普遍比较落后，青海省、宁夏自治区的体育与医疗发展状况一直都处于低发展水平。

（3）不同省份的体育和医疗之间的耦合协调度存在较大的区域差异，整体呈现由东向西梯度递减的演变规律：华北地区、东北地区耦合协调程度普遍较低，华东地区由于区域经济发达，整体耦合协调程度普遍较高，华中地区河南、湖北和湖南3省协调度差距较小，在空间上形成“块”状的集聚状态，整体较为均衡，华南地区的广东省协调度长期高居31个省份榜首，而海南省一直处于严重失调状态，西南地区耦合协调程度普遍偏低，西北地区耦合协调程度落后于全国其他地区，地区内各省份一直处于严重失调到濒临失调等级。

（4）使用GeoDa软件测算出所研究的31个省份在2010—2019年的体医融合发展的全局自相关（Global Moran′sI）指数，测算结果显示所有Moran′sI指数值都大于0，且数值整体上呈现先提升后下降再趋于稳定的变化趋势。这表明在2010—2019年间，我国大陆31个省份的体医融合发展的Moran′sI指数均通过显著性检验，且耦合协调度总体呈现显著正相关关系，有较为明显的空间集聚性，并且集聚程度呈现上升态势。

（5）运用ArcGIS软件绘制出2010、2013、2016和2019年的各省份Moran′sI散点空间分布图：江苏、浙江、福建等省份都属于HH型，表明这些省份自身与相邻省份的体医融合度高，空间差异较小;上海在2010与2013年均属于LH型，安徽和江西在2016年均屬于LH型，江西在2019年依然属于LH型，表明这些省份的体医融合度相对较低，相邻省份的融合度相对较高，具有明显的空间不对等性;西藏、新疆、青海和甘肃在2010年与2013年都属于LL型，青海、新疆分别于2016年、2019年不属于LL型，表明这些西部边远地区省份自身和相邻省份的体医融合度较低，空间差异较小，体育与医疗发展落后，对自己与周边省份产生负向效应，制约体育与医疗的发展。

3.2 建 议

3.2.1 构建体医融合多部门协同参与机制

当前我国体医融合度低，从根本上来讲，首先在于机构融合机制不畅通。目前我国体育与医疗健康行业的最高行政管理部门分别为国家体育总局和国家卫生健康委员会，各省、自治区、直辖市以及下一级的地级市政府设体育局和卫健委，具体到县、区等地方层面，个别地区通过机构改革调整，将体育与医疗健康的职能进行了整合，打破行业行政管理壁垒，实现了体育和医疗健康行业的统一管理。但是，实现机构职责整合的还是少数地区，大部分地区的体育和医疗健康行业仍未进行整合，鉴于行政管理的条块分割，传统产业管理体制可能造成部门之间的行政壁垒，尤其是在地方政府执行国家政策过程中，行政壁垒是阻碍体育资源与医疗健康资源共建共享的主要因素，因此体医管理体制机构整合需要加大力度。

3.2.2 完善体医融合政策保障体系

近几年国务院及国务院办公厅多次发布促进体育与医疗发展的相关文件，也积极提倡“体育+”和“健康+”发展模式，就政策内容而言，中央文件多是在体育类、医疗健康类文件中提到体医融合的相关内容，但并未专门发布体育与医疗融合的政策文件，缺乏顶层规划设计，因此国家需要出台相关体医融合指导意见和建设纲要，政策引领两大业态融合发展方向。此外，体医产业融合实践层面涉及多部门合作，这就决定了融合发展需要横跨多部门相互协作，因此在政策中要制定多部门联合行动机制，切实保障相关政策可以得到很好的落实，保障融合发展中所需要的资源供给。

3.2.3 明确体医产业分类标准

国家统计局在2019年分别发布了《体育统计分类（2019）》以及《健康产业统计分类（2019）》，从产业统计分类情况来看，无论是体育分类中所包含的健康服务还是健康产业分类中包含的体育活动，两者的统计覆盖范围均十分有限，仅仅局限在运动康复、健身休闲、保健等领域，体育与医疗统计分类无法统一，造成实践统计中数据匮乏。为促进体育与医疗融合的大数据建设，首先需要行业主管部门在产业统计层面对行业分类标准进一步细化、规范。

3.2.4 完善体医融合要素支持体系

首先要壮大市场主体。市场在资源配置中起到决定性作用，在未来“体育+健康”的产业中，要培育龙头企业，发挥其在体育与健康产业融合市场中的引领作用。在提高社会参与度方面，以体育要素为主导的融合企业，要积极发挥协会、联盟、俱乐部等团体组织的作用，通过搭建比赛交流平台，带动社会体育健身活动的参与;以医疗健康为主导的融合企业，可以针对群众关心的保健话题，开展社区宣讲、专家座谈、知识论坛等活动。同时要培养体医融合复合型人才，未来体医融合市场需要更多专业的人才，这就使得将来人才培养需要兼具体育和健康多元知识体系的学科背景。作为输送人才最主要的平台，高等院校要积极作为，敏锐捕捉市场信息，体育类或医学类高等院校可以开设双学位课程，设立交叉学科，规划清晰的复合型人才培养方案;在研究生教育中与从事体育、康复医疗、保健等业务的有关企业积极合作，联合培养高端人才。

参考文献：

[1]中共中央国务院.“健康中国2030”规划纲要[EB/OL].（2016-10-25）.http：//www.gov.cn/gongbao/content/2016/content_5133024.htm.

[2]新华社.十三届全国人大四次会议表决通过关于“十四五”规划和2035年远景目标纲要的决议[EB/OL].http：//www.xinhuanet.com/2021-03/11/c_1127198987.htm.

[3]于洪軍，冯晓露，仇军.“健康中国”建设视角下“体医融合”研究的进展[J].首都体育学院学报，2020，32（6）：484-491.

[4]张剑威，汤卫东.“体医结合”协同发展的时代意蕴、地方实践与推进思路[J].首都体育学院学报，2018，30（1）：73-77.

[5]胡扬.从体医分离到体医融合——对全民健身与全民健康深度融合的思考[J].体育科学，2018，38（7）：10-11.

[6]董传升，汪毅，郑松波.体育融入大健康：健康中国治理的“双轨并行”战略模式[J].北京体育大学学报，2018，41（2）：7-16.

[7]查圣祥，张立敏，刘东升.我国体育产业与健康服务业融合发展研究[J].体育文化导刊，2016（9）：106-109.

[8]卢文云，陈佩杰.全民健身与全民健康深度融合的内涵、路径与体制机制研究[J].体育科学，2018，38（5）：25-39.

[9]董宏，戴俊，殷鹏.供给侧改革视域下体医融合服务供给模式的现实困境与优化路径[J].武汉体育学院学报，2019，53（9）：15-21.

[10]常凤，李国平.健康中国战略下体育与医疗共生关系的实然与应然[J].体育科学，2019，39（6）：13-21.

[11]冯珺，肖淑红.产业融合视角下的体养融合研究：概念、作用与发展现状[J].北京体育大学学报，2020，43（12）：58-70.

[12]冯振伟，韩磊磊.融合·互惠·共生：体育与医疗医疗共生机制及路径探寻[J].体育科学，2019，39（1）：35-46.

[13]高千里，商勇，李承伟，等.供给侧改革视域下体医融合健康服务供给研究[J].武汉体育学院学报，2020，54（6）：19-24.

[14]王龙飞，殷小翠.健康中国战略下体医融合发展的动因与路径研究[J].体育学研究，2020，34（3）：34-39.

[15]魏巍.基于产业价值链共建的我国体育产业与医疗健康产业协同发展模式研究[J].当代经济管理，2015，37（10）：69-72.

[16]韩松，王莉.我国体育产业与养老产业融合态势测度与评价[J].体育科学，2017，37（11）：3-10.

[17]张媛媛.我国科技服务业与制造业的产业关联分析[J].统计与决策，2018，34（5）：135-138.

[18]时朋飞，李星明，熊元斌.区域美丽中国建设与旅游业发展耦合关联性测度及前景预测——以长江经济带11省市为例[J].中国软科学，2018（2）：86-102.

[19]翁钢民，李凌雁.中国旅游与文化产业融合发展的耦合协调度及空间相关分析[J].经济地理，2016，36（1）：178-185.

[20]胡小海，黄震方.江苏区域文化资源与旅游经济耦合特征及其作用机制[J].江苏社会科学，2017（1）：254-259.

[21]张车伟，赵文，程杰.中国大医疗健康产业：属性、范围与规模测算[J].中国人口科学，2018（5）：17-29.

[22]沈圳，胡孝乾，仇军.健康中国战略下“体医融合”的关键影响因素：基于解释结构模型的分析[J].首都体育学院学报，2021，33（1）：31-39.

[23]江小涓.体育产业发展：新的机遇与挑战[J].体育科学，2019，39（7）：3-11.

[24]鲍明晓.“十四五”时期我国体育产业发展内外部环境分析与应对[J].体育科学，2020，40（6）：3-8.

[25]王会儒，姚忆.“传统养生体育产业+医疗健康产业+养老”的老年健康干预模式构建[J].中国体育科技，2017，53（3）：8-13.

[26]蒋依依，张月，杨占东，等.全生命周期视角下体育产业与旅游融合发展研究[J].北京体育大学学报，2020，43（12）：46-57.

[27]张强，吴晗晗，刘必水.我国体育产业医疗健康产业发展研究[J].体育文化导刊，2018（11）：79-84.

[28]沈圳，胡孝乾，仇军.我国体医融合的研究进展、热点聚焦与未来展望[J/OL].体育学研究，https：//doi.org/10.15877/j.cnki.nsic.20210309.001

收稿日期：2021-06-02

基金项目：国家科会科学基金项目（20BTY047）。

作者简介：柴王军（1983- ），男，博士，副教授，研究方向体育经济与产业。

作者单位：1.西安体育学院，陕西 西安 710068;2.山西财经大学，山西  太原 030006