我国新型城镇化与医疗服务水平耦合协调度及空间相关性分析*

董林玉 ，张霖 ，张翔△

( 1华中科技大学医药卫生管理学院，湖北 武汉 430030；2湖北省人文社科重点研究基地农村健康服务研究中心 )

城镇化是实现城乡一体化的重要途径，是地区现代化发展的必然趋势。十九大报告中指出，在中国特色社会主义进入新时代的关键时期，我国的经济和新型城镇化发展也进入了高质量发展阶段[1]。城镇化发展的进程伴随着基本公共服务水平的提高，而医疗服务水平作为公共服务的一个缩影和写照，对其发展也有着一定的影响作用，众多学者通过实证研究得出了城镇化显著提高了医疗服务水平[2-4]。同时医疗服务水平的发展关乎着人民的健康和幸福感，居民的生命质量和健康水平直接影响着人口城镇化。

新型城镇化和医疗服务作为两个系统，存在着直观的相互影响和制约的作用，但目前关于二者关系的定量研究较少，因此本研究以全国31个省份(除香港、澳门、台湾)为检验对象，探索新型城镇化和医疗服务水平两系统之间的耦合协调发展关系，同时研究其协调发展的空间特征，为促进两系统耦合协调发展制定合理的政策提出建议。

1 资料与方法

1.1 资料来源

参考和借鉴以往高志刚、辛冲冲等众多学者的研究内容[5-7]，结合指标数据的可得性及可操作性，在遵循指标体系的科学性、全面性的原则下，研究围绕着新型城镇化和医疗服务水平两个子系统，构建出由33个指标组成的新型城镇化-医疗服务水平耦合协调评价指标体系。从人口、经济、社会、空间、环境城镇化及城乡统筹度来衡量城镇化发展水平，从医疗卫生服务产出和投入两个角度衡量医疗服务水平(图1)。

图1 新型城镇化和医疗服务水平作用机理分析图

本研究以全国31个省(市、自治区)作为研究单位，选取2019年的数据进行研究。所有的数据来源于《中国统计年鉴2020》《中国卫生健康统计年鉴2020》及各省份2020年统计年鉴。所需数据均可得，无缺失值。

1.2 研究方法

1.2.1 熵值法

为了避免数据因人为赋权的主观性，熵值法是用于指标权重的确定上一种常见的使用方法，本研究首先通过极差法对数据进行标准化处理，消除量纲对数据的影响，利用熵值法对标准化数据进行指标赋权(见表1)。 考虑到文章篇幅的限制，极差法与熵值法的具体计算公式与步骤见其他学者研究[8]。

表1 新型城镇化-医疗服务水平耦合协调水平评价体系及指标权重

1.2.2 耦合协调度模型

(1)耦合度模型的建立。耦合最早以物理学中的容量耦合系统模型被广泛应用，后来扩展到地理、经济、社会学等领域，用于表示两个系统之间相互依存、相互影响的动态关联。通过参考其他文献[9]，本研究耦合度模型构建如下：

(式1)

其中：C值为耦合系数，f(xi)、g(yi)是利用指标权重进行加权求和而得出的两系统的综合有序度。C值的取值范围为[0，1]，其值约接近1，则表明两系统之间的相互作用关系越强烈。

(2)耦合协调度模型的建立。耦合度虽然能够反映城镇化与医疗服务水平两系统之间的相互作用程度，但是不能够得出两系统是在高水平上相互推动发展还是在低水平上相互制约的作用，因此，为了进一步了解系统之间的实际作用影响以及协调发展程度，本研究引入耦合协调度模型进行评价，具体计算如下：

(式2)

其中：C为耦合系数，T为城镇化与医疗服务水平的综合协调发展指数，用来反映两系统的综合有序度对协调发展的贡献程度，α、β分别为新型城镇化和医疗服务水平的待定系数，本研究认为两系统的发展在综合作用的发挥中是同等重要的，故α=β=0.5；D为耦合协调度，D值越趋向于1，则表明城镇化与医疗服务水平之间的协调发展度越高。

表2 耦合协调度等级划分标准

1.2.3 相对发展度模型

耦合协调度能够用于评价新型城镇化与医疗服务水平是在高水平上促进还是在低水平制约，但是不能体现两系统之间的相对发展情况，有学者直接通过两系统的综合指数值的大小进行比较分析[9-10]，本研究引入相对发展度模型[11]进行分析。

(式3)

新型城镇化与医疗服务水平的相对发展类型可以区分为3类，医疗服务水平滞后型、同步型以及城镇化发展滞后型。参考以往学者的研究[12]，结合本研究的实际情况，当F[0，0.9]时，则发展类型为医疗服务水平滞后型；当F(0.9，1.2]时，医疗服务水平与城镇化同步发展；当F(1.2，∞]时，发展类型为城镇化水平滞后型。

1.2.4 空间自相关

空间自相关分析是为了探究事物之间的空间依赖性和异质性，分为全局自相关和局部自相关两种，前者是探究属性值在整个区域空间内是否呈集聚性，从总体上进行分析，而局部自相关则是识别相邻地区之间集聚的模式。空间自相关常用莫兰(Moran’s I)指数作为判断指标。Moran’s I取值在[-1，1]之间，当Moran’s I <0，则表明区域之间存在显著性差异，趋异聚集；反之，则呈空间正相关联系，趋同集聚；Moran’s I =0则属性值在空间上随机分布。在95%的置信度下(P=0.05)，如果Z>|1.96|，则表明统计具有显著性[13]。

为了进一步分析新型城镇化与医疗服务水平耦合协调度的空间分布特征与差异，本文将引入空间统计，利用软件Geoda进行空间自相关分析，探究地区间新型城镇化与医疗服务水平两系统的耦合协调度是否存在空间相关及空间集聚模式。

2 结果

2.1 城镇化与医疗服务水平的耦合协调程度及类型判断

根据我国省域新型城镇化和医疗服务水平的相关指标数据，结合耦合协调等相关模型，可以计算得到两大系统的耦合度、耦合协调度及相对发展度三个指标值(表3)，进而对我国省域间新型城镇化和医疗服务水平的协调发展特征进行分析。

由表3、耦合协调度的等级划分标准及相对发展度的划分可知，从整体上来看我国各省(市、自治区)新型城镇化-医疗服务水平的耦合协调度存在着较大的差异，且两系统的协调发展处于较低的水平。将各省(市、自治区)的耦合协调分为以下六个类型：

表3 新型城镇化与医疗服务水平耦合协调度及其等级

第一类为初级协调。耦合协调程度在0.6以上，认为两系统之间的协调发展程度较好，城镇化与医疗服务水平的发展之间存在着正向的相互促进关系。以此为标准，可知只有上海地区(0.634)的协调发展状况较好。

第二类和第三类分别为勉强协调和濒临失调。两种类型均处于协调和失调的临界值之间，表明新型城镇化和医疗服务水平的耦合发展存在着一定的提升空间，稍加正确的引导，就会朝向有序协调的共振耦合阶段发展。以此为标准，在勉强协调发展阶段的地区有北京(0.580)、江苏(0.551)、浙江(0.520)、广东(0.577)；在濒临失调发展阶段的地区有山东(0.430)。

第四类和第五类分别为轻度失调和中度失调。这两种类型表明两系统之间的发展水平较低，系统之间的依托带动作用不明显，甚至出现一系统的发展潜力大于另一系统，而在过快发展中对另一系统的发展产生制约作用的效果产生。以此为标准，在轻度失调发展阶段的地区有天津(0.369)、福建(0.359)、安徽(0.306)、河南(0.338)、湖北(0.338)、湖南(0.313)、四川(0.309)；在中度失调发展阶段的地区有河北(0.284)、辽宁(0.277)、海南(0.226)、山西(0.218)、江西(0.257)、内蒙古(0.224)、广西(0.228)、重庆(0.285)、云南(0.204)、陕西(0.241)。

第六类为严重失调型。该类型下新型城镇化和医疗服务水平处于低度耦合，系统之间的发展趋于衰退，需要及时采取手段予以调整。地区协调发展程度在该类型下的地区有吉林(0.189)、黑龙江(0.171)、贵州(0.168)、西藏(0.130)、甘肃(0.101)、青海(0.128)、宁夏(0.156)、新疆(0.180)8个地区。

根据相对发展度的分类标准，我国新型城镇化和医疗服务水平的耦合协调发展类型如下：北京、天津、上海、江苏、福建、广东6个地区为城镇化水平滞后型；河北、山西、吉林、黑龙江、河南、内蒙古、广西、四川、贵州、云南、西藏、山西、甘肃、青海、宁夏、新疆16个地区为医疗服务水平滞后型；辽宁、浙江、山东、海南、安徽、江西、湖北、湖南、重庆9个地区为医疗服务水平发展同步型。

2.2 地区间城镇化与医疗服务水平的耦合协调程度及类型分析

根据区域间的经济发展水平将我国31个省(市、自治区)分为东部、中部、西部三个区域，对我国新型城镇化和医疗服务水平的耦合协调程度类型进行分析，分析结果如下：东部地区(北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南)中除河北、辽宁及海南外，协调度与中、西部地区相比较好，协调类型以城镇化水平滞后型为主；中部地区(山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南)的发展较为不一，轻度、中度、严重失调的协调发展状况都存在，发展类型有医疗服务水平同步型和滞后型，应该具体根据省份的发展情况而分析；西部地区(内蒙古、广西、重庆、四川、贵州、云南、西藏、山西、甘肃、青海、宁夏、新疆)的耦合协调度除四川外，都在中度失调和严重失调之中，新型城镇化和医疗服务水平之间的协调发展程度较低，且两系统的发展水平都普遍较低。发展类型除重庆外，也都为医疗服务水平滞后型。

2.3 城镇化与医疗服务水平的耦合协调度的空间分析

本文使用Geoda软件进行空间自相关分析，进一步对我国31个省(市、自治区)新型城镇化和医疗服务水平之间协调发展程度的空间特征进行分析。其中空间权重矩阵定义为“rook邻接”，并通过权重的设置，将海南地区设为与广东相邻接。

空间分析结果显示：全局空间自相关的标准化统计量Z值为3.623，按照1%置信区间双侧检验的阈值，当P≤0.01时，Z值≥2.58，即统计检验具有显著性。以此为标准，则表明两系统的协调性在全局空间自相关的表现有统计学意义。而全局Moran’s I指数为0.38，城镇化与医疗服务水平的耦合协调在空间上的分布是呈现正相关性，整体上地区的空间分布是显著集聚的。

Moran散点图(图2)可以直观的描述出新型城镇化与医疗服务水平的耦合协调度及其空间分布关系，4个象限将地区之间两系统耦合协调的空间集聚状态分为了高-高聚集(H-H)、低-高聚集(L-H)、低-低(L-L)聚集及高-低(H-L)聚集4种模式。

图2 新型城镇化和医疗服务水平耦合协调度的Moran散点图

结合局部自相关分析产生的LISA集群图(图3)分析，处于H-H模式的有福建、江苏、上海、浙江4个地区，集中在东部沿海地区，这类城市新型城镇化和医疗服务水平的发展程度都较高。处于L-L模式的有内蒙古、青海、新疆3个地区，集中在西北部地区，这类城市新型城镇化和医疗服务水平自身发展水平较低，周围地区的发展也欠发达，不能形成区域间的带动发展，便形成了低值的聚集。处于L-H模式的有安徽、海南、江西3个地区，这类城市发展水平较低，且在发展基础条件上都存在缺口，因此即使周围地区的协调发展程度较高，对该类城市的带动辐射作用也较小。处于H-L模式的有四川这个地区，根据地区间耦合协调发展指数的差异，也可知在西部，尤其是西南部地区，除四川之外，其他城市协调发展度都较低，四川未能积极对周边地区发挥带动作用，甚至可能产生“马太效应”，使得周边地区的协调发展程度更低。

图3 新型城镇化和医疗服务水平耦合协调度的LISA的集群图

3 讨论

3.1 我国新型城镇化和医疗服务水平的耦合协调程度有待提高

我国新型城镇化和医疗服务水平两系统之间的耦合协调程度整体发展水平较低，这与龚韩湘[14]的研究结果一致。全国31个省(市、自治区)中两系统耦合协调度最高的是上海地区，其指数为0.634。北京、江苏等4个地区处于协调和失调的临界状态，天津、福建等26个地区都处于耦合失调的状态，尤其是西藏、甘肃等8个地区的耦合发展状态严重失调，需要立即加以干预。如果对该种状态进行放任，则会产生两系统发展进程不一致，可能会出现城镇化水平过快发展，过于重视经济水平的增长和城镇空间的扩张，而带来的人口、资金、资源等投入的不均衡，同时因环境、空间的变化等产生对人民健康水平的影响，不利于医疗服务水平的发展，只有在两系统的发展过程中，正确处理发展速度和质量的关系，保证两系统发展水平的统一性，则系统会朝向协调有序的共振耦合发展，产生系统间相互促进的作用。

根据各地区耦合协调发展类型，总体上医疗服务水平的发展速度慢于新型城镇化的发展速度。河北、山西、吉林等15个地区的发展类型为医疗服务水平滞后型。因此一方面要积极推进医疗卫生服务水平的发展，增加卫生人力、物力资源的投入，保障发展基础条件，同时增强对医疗卫生服务自身驱动发展要素的挖掘，从根本上提升医疗服务自我增长的潜力[6]；另一方面合理调整城镇化发展速度，利用有效的城镇化发展努力促进经济水平的提高，奠定良好的医疗资源供给基础，吸引卫生技术人才。

3.2 我国新型城镇化和医疗服务水平的耦合协调状态存在地区间发展不平衡

我国新型城镇化和医疗服务水平的耦合协调度在地区间存在较大的差异。部分地区内部的耦合协调度也存在差异，且即使处于同一发展类型，各地区的耦合发展状态也有较大的差异。东部地区两系统间的耦合协调程度明显优于中部、西部地区，这可能与地区之间的经济发展水平、政策优势、交通条件等外部因素的影响相关，东部地区自身的经济水平较高，其在城镇化和医疗服务水平上的系统发展动力都较充足[15]。因此在下一步地区发展策略中因地制宜，从两系统战略耦合的角度出发，根据各地的经济发展优势进行统筹规划。如东部地区要发挥基础条件较好以及沿海地区的区位优势，吸引外来企业的落地、先进技术的引入，促进人力、资金等资源向该地区的流动，合理均衡分配城镇化和医疗服务发展所需资源，达到两系统整体进步的目标；河南、湖北等中部地区则可以利用人口、交通优势发展相关产业，促进人口、经济城镇化，带动人口素质的提高，健康意识的改变，以提高医疗服务水平；四川、云南等西部地区利用自然资源的优势发展旅游业等第三产业，增强西部地区自身的发展能力，提高基础条件。

3.3 我国新型城镇化和医疗服务水平耦合协调存在显著的空间相关性

我国各地区新型城镇化和医疗服务水平的耦合协调全局上存在着显著的空间正相关性，根据局部散点图及LISA集群图可知，局部地区之间不仅存在区域间的空间依赖性，也存在空间异质性，但大部分地区呈现“高-高(H-H)、低-低(L-L)”的聚集模式。

考虑各地区的空间集聚模式及地区耦合协调发展，根据不同集聚状态采取不同的发展策略。在高高聚集区域，要发挥集群建设作用，在该区域可建立以上海为中心的系统发展带，保证区域内两系统均高水平协调发展；在高低聚集区域，要重点发挥协调度较高地区的辐射带动作用，以点带面，同时要避免高水平地区马太效应的产生；在低低聚集和低高聚集地区，则策略重点在于地区自身发展驱动力的强化，在外部支持的基础上挖掘自身造血要素。