基于空间杜宾模型2008-2018年中国执业医师时空分异研究*
2022-05-28李成程阙梓萌熊晶晶崔仕臣孟雪晖
李成程 阙梓萌 熊晶晶 崔仕臣 孟雪晖
【提 要】 目的 描绘2008-2018年中国执业医师数量的空间分布和变化特征，探索影响执业医师时空流动的相关因素，为加速卫生人力资源的有序流动和出台人才流动政策提供科学论据。方法 使用经验贝叶斯指数来计算空间依赖性，通过构建执业医师聚集度、计算空间基尼系数等方法，描述中国执业医师的空间分布和动态变化。采用拟合度最优的空间权重矩阵来构建空间杜宾模型，基于此分析影响中国执业医师流动的主要影响因素和空间效应。结果 中国执业医师总体数量逐年增加，空间依赖性明显且下降趋势不明显。空间聚集性由北京地区向沿海城市和中西部城市扩散，高聚集地区明显增加。平均失业率(直接效应-0.107，间接效应-0.339)、人均教育经费投入(直接效应0.419，间接效应2.276)、人均GDP(间接效应-1.669)、人均医疗卫生支出(直接效应0.545)和省内人口增长数(直接效应0.001，间接效应0.002)是影响执业医师省际间流动的主要因素。结论 新一论医疗改革实施以来，中国执业医师空间集聚效应明显增加，卫生人力资源短缺现象明显改善，卫生人力资源分布均衡性一般。应当大力增加我国中西部地区教育资源投入，进一步放宽社会办医门槛和加强基层医疗卫生队伍建设，促使优质卫生人力资源向中西部地区合理流动等，将有利于缓解卫生资源相对稀缺地区患者就医困难，改善卫生人力资源公平性。
执业医师作为专业医疗服务的直接提供者，是保证患者生命质量的关键力量。经过11年的医疗改革，我国执业医师总体数量有了大幅度增加但同发达国家相比依旧存在差距[1-2]。规范化培训提高了执业医师的技术水平，使我国基层医疗服务力量明显加强[3-4]。国内外学者从卫生人力资源角度进行了大量公平性和合理配置研究，试图使执业医师培养同城市经济发展相适应[5-8]，并在此基础上构建预测模型预测未来医疗专业人才需求[9-12]。目前卫生人力资源相关研究较为缺乏且依托独立性假设，主观忽略事物之间的空间依赖性[13-15]。本文从执业医师角度出发，充分考虑我国各省经济发展、人口密度的巨大差异，构建“执业医师密集度”并运用经验贝叶斯比率来计算空间依赖性[16]，运用空间计量模型计算执业医师流动的影响因素和造成的虹吸效应，对于提高我国卫生人力资源分布均衡性具有一定理论和现实意义[17-18]，以期为今后相关研究提供思路借鉴和循证学依据。
对象与方法
1.研究区域与数据来源
本研究数据来源于《中国统计年鉴》中2008-2018年数据，研究区域为中国31个省(自治区、直辖市)，不含香港、澳门特别行政区和台湾省。其中执业医师包括执业医师和助理医师，即取得医师执业证的从事医疗、预防保健工作的群体。数据显示，我国执业医师数量总体规模在过去11年间增长了155%，年均增长14%，由2008年230多万人增加到2018年360万人左右，每千人口医师数由2008年1.79人增加到2018年2.59人，增速为145%，年均增长13%。研究基于两类指标分析执业医师的空间分布：千人口医师数(K)与执业医师聚集度(Ji)。
2.执业医师集聚度
执业医师集聚度是指一个地区相对所有研究地区的执业医师人口集聚程度，可以用单一地区占全国人口1%的人口基数上聚集的执业医师的比重(%)来表示。计算公式为：
(1)
其中，Ji是i省执业医师聚集度；Pi是i省执业医师数量；Ci是i省的常驻人口数量；Pn是全国执业医师总数；Cn是全国人口总数。
3.空间权重矩阵的构建与优化
外生性空间权重的构建是空间自相关分析的前提条件，相关实证研究证实收入水平对于执业医师的就医选择至关重要，因此拟采用人均GDP构建地理-经济空间权重矩阵，并同邻接地理矩阵进行比较。通过蒙特卡洛模拟分析[19]，基于KNN均值法构建的地理-经济空间权重矩阵收敛性最好，优于其他空间矩阵(表1)。
表1 2008年执业医师人员密度空间权重矩阵选择与优化结果
其中，通过欧式距离来计算省份之间的空间距离并进行聚类。距离公式如下：
(2)
4.总体空间自相关分析
MORAN指数被广泛运用于空间自相关检验中验证事物之间的空间依赖性。在本研究中，执业医师密度Ji本质上是一种比率，而比率固有的方差不稳定性会破坏方差稳定的基本假设，特别当区域间的基数相差过大时，极易导致MORAN值得出虚假的结论[20]。因此，本研究试图通过经验贝叶斯比率进行空间自相关检验，通过混合逼近方法避免方差不稳定性，得到经验贝叶斯指数(empirical Bayes index，EBI)，将其定义为：
(3)
(4)
κi=α+b/xi
(5)
其中，κi表示边缘方差，b表示ρi的边缘期望，通过Ri来描述κi和ρi之间的相互关系，EBI反映了Ji的空间依赖性。
5.执业医师空间聚类分析
空间基尼系数包括显性基尼系数、隐性基尼系数和显性-隐性基尼系数三大类[21]。相比传统的相对基尼系数，能够更加具体地分析事物之间聚集程度和空间结构性依赖。定义为：
(6)
(7)
Gini=G1+G2
(8)
其中，G1表示显性空间基尼系数，G2表示隐性空间基尼系数，反应了执业医师空间聚集的极化效应。R2为空间计量模型决定系数。
6.空间计量模型的选择
空间计量模型在经典的回归模型基础上考虑了空间依赖性，能够在外生性空间权重矩阵的基础上观测因变量、自变量和误差项的参数估计。Hausman检验(57.16，P<0.001)和LM检验(417.16，P<0.001)结果表明应采用随机效应模型[22-23]。随后，进一步检验空间杜宾模型(spatial durbin model，SDM)能否进一步简化为空间滞后模型(spatial lagged model，SLM)(42.54，P<0.01)或空间误差模型(spatial error model，SEM)(348.03，P<0.01)。检验结果表明具有随机效应的SDM为最优模型。建立空间杜宾模型来估计中国执业医师时空分布模型，模型定义为：
(9)
其中，γit是千人口执业医师数量i空间单元t时间观测值，ρ是空间自相关系数，ρ′是空间滞后系数，ωit是地理-经济空间权重矩阵，εit是随机扰动项，表示空间自相关模型的误差值。所有自变量均进行多重共线性检验(VIF<3)，因此不存在多重共线性问题。
表2 变量基本统计量
结 果
1.千人口执业医师数分布
基于已有文献和相关研究，将全国千人口执业医师数按照稀疏程度分为五个级别：稀疏区(k<1.5)、次级稀疏区(1.5
表3 2008年、2018年中国省级执业医师分布分类统计
图1 2008、2018年中国千人口执业医师数空间分布
2.执业医师空间自相关分析
2008年中国执业医师聚集度经验贝叶斯指数为0.4870，达到显著水平。2017年中国执业医师聚集度经验贝叶斯指数为0.4846，同样达到显著水平。结果显示，从2008年至2017年中国执业医师的EBI值均为正，具有明显的空间集聚效应，下降趋势尚不明显，说明中国执业医师的空间集聚性还较为明显(表4)。
表4 中国执业医师聚集度空间分布自相关系数
3.执业医师空间聚类分析
空间聚类图可以用来描述空间单元同相邻地区空间单元的相似和相异程度。计算2008年和2018年中国千人口执业医师的空间基尼系数(G)并绘制成图(图2)。2008年仅有北京地区为高聚集区，广大中部、西部地区均为低聚集区。低聚集区的经济水平发展水平较弱，同时我国的执业医师数量缺口较为巨大。
图2 2008、2018年中国执业医师空间聚类图
同2008年相比，2018年中国执业医师高聚集区数量明显增加，为13个，逐步以北京、东部沿海地区为中心向中西部扩散。低聚集区明显减少，但是广大西部地区和部分中部地区依旧处于低聚集区，因此执业医师数量依旧缺乏。
4.执业医师时空分布的影响因素
统计结果表明，人均GDP、人均医疗卫生支出同执业医师空间分布具有显著相关性(表5)。由于空间杜宾模型包括自变量和因变量的空间滞后效应。因此通过偏微分分解得到相关变量的直接效应和空间溢出效应(表6)。直接效应表示本地区影响因素对本地区因变量的影响，间接效应表示相邻地区影响因素对本地区因变量的影响。
表5 SDM模型计量结果
表6 SDM计量模型直接效应和间接效应结果
具体来说，本地失业率每增加1%，会导致本地执业医师流失0.11%，而相邻地区失业率每增加1%，将会导致本地执业医师数量减少0.339%，这说明我国执业医师数量目前还严重不足，医师的救助范围已经超出本地患者而覆盖周边相邻地区；本地人均教育经费投入每增加1%，本地执业医师数量增加0.42%，相邻地区教育经费投入每增加1%，本地执业医师数量增加2.28%，说明随着交通方式多样化和便捷化，教育资源已经逐步实现区域共享，同时执业医师作为专业技术人才，不断的业务学习对其工作至关重要。相邻地区人均GDP每增加1%，本地执业医师数量将减少1.67%。本地人均医疗卫生支出每增加1%，本地执业医师数量将会增加0.55%，没有发现此影响因素的间接效应。此外，本地和相近地区人口数量增加同样吸引执业医师数量，但其影响甚微。
讨 论
1.中国省级千人口医师数的空间分布变化明显
截至2018年我国各省千人口医师数总体数量同2008年相比均明显增加，特别是中部地区和西南地区执业医师数量增长明显。经济欠发达地区的卫生人力资源明显加强，说明医师规范化培训、全科医生培养等相关政策的落地有力推动了我国的基层医疗队伍逐步发展壮大，但是基层卫生依旧薄弱，基层患者“就医难”的现实困境还尚未根除。与此同时，青海、江西两省的千人口执业医师数11年间的增长速度同全国其他省份相比较为缓慢，执业医师资源还有较大提升空间来进一步满足人民群众基本就医需求。因此，应当继续加强基层医疗人才队伍建设，扩大执业医师队伍数量，进一步缩小东部、中部、西部地区的卫生人力资源差距，包括放宽社会力量办医准入门槛等以解决卫生人力资源特别是执业医师资源紧缺难题[24-25]。
2.各省执业医师聚集度变化显著
结果表明，随着我国各省的执业医师数量逐年增加，执业医师热点地区也逐年增加，由2008年1个省成长为2018年的13个省份，包括东南沿海省份和中部省份。陕西、重庆、湖北三省逐渐成为热点地区，一方面依赖于国家政策优惠，另一方面同各省的人才优惠政策和配套资源投入密不可分。因此在今后改革中需要发挥热点地区的引领作用，加速区域间优质医疗卫生资源的有序流动并向冷点地区扩散，加速整合地区间碎片化的医疗资源，打破信息壁垒，加快区域间医疗资源共享平台建设，形成良性闭环。
此外，经验贝叶斯指数表明我国执业医师分布不均衡性依旧明显，优质卫生人力资源聚集格局尚未出现明显变化[26-28]，这一分布同我国各地教育资源和经济发展情况空间分布基本一致。因此，各地区应当在发展经济的同时增加教育资源投入以吸引医学人才。
3.当地经济发展显著影响执业医师流动
研究发现，当地的失业率增加会导致本地执业医师流失，但执业医师和失业率并不存在空间溢出效应，这可能由于卫生人力资源依旧缺乏，同一地区的医疗机构往往同时承担周边地区患者的诊疗服务。
而收入因素目前依旧是执业医师从业地点考虑的主要因素之一，研究结果表明周边地区人均收入增加会造成本地执业医师流失，而当地人均医疗支出增加会吸引执业医师流入。因此应当进一步增加卫生人员的收入，特别是增加专业技术服务相关的费用以体现技术成本[29]。
4.教育资源投入和执业医师空间流动关系密切
本地教育资源投入对执业医师的就业地点选择影响巨大，执业医师更加倾向于教育资源丰富的地区执业，这可能是由于考虑到子女未来的教育和发展问题。因此，各地应当继续增加教育资源的相对投入，不仅仅是执业医师的教学研一体化培养，还包括优质的通识教育资源[30-32]。在增加本地资源投入绝对值的同时还应当同周边地区资源投入进行比较以保持相对吸引力，改善卫生服务可及性，杜绝“马太效应”形成。
5.本文的创新点和局限性
本研究通过构造执业医师聚集度这一指标来描述我国执业医师资源的空间依赖性和动态变化，相较于目前同类研究一定程度上解决单一Moran指数对率的计算的局限性[33]。构建空间计量模型探究地区发展同医疗人力资源的作用机制和内生性问题，是对卫生人力资源诸多影响因素虹吸效应的初步探索。受制于研究样本，尚未对各省内部指标进一步细化，不同年龄执业医师对于诸多影响因素的倾斜也可能存在差异，故将在今后的研究中将出现的诸多局限性注意完善。
