武文娟，徐京華，時　進，任紅艷，王淵博

(1. 西南交通大學地理信息工程中心，四川 成都 610031； 2. 解放軍306醫(yī)院醫(yī)療科，北京 100000； 3. 中國科學院地理科學與資源研究所，北京 100101)

?

基于GWR的四川省醫(yī)院床位數(shù)時空分布及其影響因素研究

武文娟1，徐京華1，時進2，任紅艷3，王淵博1

(1. 西南交通大學地理信息工程中心，四川 成都 610031； 2. 解放軍306醫(yī)院醫(yī)療科，北京 100000； 3. 中國科學院地理科學與資源研究所，北京 100101)

Study on the Spatial-temporal Distribution and Influence of the Hospital-beds in Sichuan Province with GWR Method

WU Wenjuan，XU Jinghua，SHI Jin，REN Hongyan，WANG Yuanbo

摘要：合理配置醫(yī)療資源是加快醫(yī)療體系建設(shè)的重要基礎(chǔ)和內(nèi)在要求,研究自然和經(jīng)濟社會因素對醫(yī)療資源配置的影響，可為醫(yī)療服務(wù)體系科學規(guī)劃和建設(shè)提供有力支持。本文以2000—2002年、2005—2007年、2010—2012年3個時期的四川省區(qū)縣公立醫(yī)院床位數(shù)為例，利用空間分析技術(shù)研究了區(qū)縣床位的時空變化特征，并采用地理加權(quán)回歸模型方法解釋了經(jīng)濟、人口、交通、地形等因素對其時空異質(zhì)性的影響。結(jié)果表明：2000—2012年，川東地區(qū)的床位數(shù)總體高于川西高原，在區(qū)縣尺度呈現(xiàn)顯著的空間聚集性分布特征(3個時期的漠然指數(shù)分別為0.16、0.15、0.18，p<0.01)，其時空異質(zhì)性與地形、人口、經(jīng)濟及交通等因素關(guān)系密切，且地形起伏度、人口、交通要素在川西高原影響尤為明顯。因此，應(yīng)依據(jù)四川省醫(yī)療水平的現(xiàn)狀和驅(qū)動因子的效應(yīng)機理，因地制宜規(guī)劃和建設(shè)醫(yī)療衛(wèi)生服務(wù)體系，促使其平衡發(fā)展，以提高醫(yī)療衛(wèi)生基礎(chǔ)設(shè)施對居民健康的保障能力。

關(guān)鍵詞：地理加權(quán)回歸模型；四川省醫(yī)療床位；空間異質(zhì)性；空間分析

隨著社會經(jīng)濟的快速發(fā)展、居民健康意識的增強，以及智慧城市的不斷探索與實踐[1]，如何提高區(qū)域公共醫(yī)療服務(wù)能力逐漸成為政府和公眾關(guān)注的熱點。公立醫(yī)院床位數(shù)是公共醫(yī)療資源的重要指標[2]，其規(guī)模大小和區(qū)域空間分布對基層醫(yī)療衛(wèi)生條件的改善、區(qū)域醫(yī)療服務(wù)體系的均衡發(fā)展和居民健康的有效保障等方面有直接影響[3]。與此同時，受自然條件、經(jīng)濟水平、人口數(shù)量與健康狀況、交通條件、政府衛(wèi)生政策與規(guī)劃等因素影響，區(qū)域醫(yī)院數(shù)在一定時期呈現(xiàn)一定的空間分布形態(tài)[4]。

目前研究公共醫(yī)療資源影響因素和配置方法主要包括需求法、工作量法、多元線性回歸法、灰色模型法、時間序列法、資源/人口比值法[5-7]等。這些方法多在長時間序列數(shù)據(jù)的基礎(chǔ)上建立全局模型，進而對區(qū)域公共醫(yī)療資源在全局上的時間變化進行定量分析和估算。這些全局性的分析和估算往往會忽略醫(yī)療資源和影響因子的局部空間差異，掩蓋空間位置對醫(yī)療資源與影響因素之間關(guān)系的影響。地理加權(quán)回歸模型(geographically weighted regression, GWR)能夠充分考慮各影響因子在不同空間位置上的差異，適于探索這些影響因子與研究對象關(guān)系的空間分布[8-9]。本研究擬應(yīng)用GIS的空間分析功能[10]，采用地統(tǒng)計方法探究四川省區(qū)縣尺度醫(yī)院床位數(shù)的時間和空間變化特征，引入GWR模型剖析床位數(shù)與人口、經(jīng)濟水平、地形條件、交通狀況等因素之間的關(guān)系，并從地理學角度探討醫(yī)療衛(wèi)生服務(wù)體系建設(shè)過程中發(fā)展不平衡、資源配置不合理等問題，為四川省醫(yī)療衛(wèi)生服務(wù)體系決策與建設(shè)提供有力的支撐。

一、材料與方法

1. 數(shù)據(jù)收集與指標計算

本文擬選取2000—2002年、2005—2007年、2010—2012年3個時期(Ⅰ、Ⅱ、Ⅲ)的四川省各區(qū)縣醫(yī)院床位數(shù)(number of bed，BedNUM)的平均值作為因變量，選取國內(nèi)生產(chǎn)總值(GDP)、人口數(shù)(POP)、公路里程(ROAD)、地形起伏度(relief degree of land surface, RDLS)作為BedNUM的解釋指標。

地形地貌因素通過影響醫(yī)院選址和布局，對醫(yī)院床位配置產(chǎn)生作用[11]。本文將地形起伏度(RDLS)作為反映地形因子的指標，并將其作為第4個變量。RDLS的計算參照公式為[12]

RDLS=ALT/1000+{[max(H)-min(H)]×

[1-P(A)/A]}/500

(1)式中，RDLS為地形起伏度；ALT為區(qū)縣的平均海拔；max(H)和min(H)分別為該區(qū)域內(nèi)的最高與最低海拔；P(A)為區(qū)縣平地(5 km×5 km區(qū)域內(nèi)海拔差值小于30 m)面積；A為區(qū)域總面積。DEM是空間分辨率為1 km×1 km的數(shù)字高程數(shù)據(jù)，從中國科學院資源環(huán)境科學數(shù)據(jù)中心離線申請獲得。

2. 分析方法

首先，應(yīng)用軟件OpenGeoDa對四川省區(qū)縣尺度的BedNUM分別進行全局和局部空間自相關(guān)分析，探索其空間分布特征；其次，基于空間特征的探索性分析結(jié)果，引入GDP、POP、ROAD及RDLS等因素，并利用GWR模型研究區(qū)縣尺度BedNUM的空間異質(zhì)性。

(1) 空間自相關(guān)

空間自相關(guān)分析包括全局自相關(guān)和局部自相關(guān)兩種。其中，全局空間自相關(guān)以全局的同質(zhì)性為前提，衡量BedNUM在四川省的空間差異程度和空間關(guān)聯(lián)性。本文采用Global Moran’s I指數(shù)為統(tǒng)計量[13]，其計算公式為

(2)

Moran’s I指數(shù)的取值為(-1～1)，其中I>0時表示空間正相關(guān)，各區(qū)縣之間距離越近BedNUM越相似，即BedNUM呈空間集聚分布；I<0時表示空間負相關(guān)，即高值BedNUM被低值包圍或高值包圍著低值；I=0時表示空間不相關(guān)，BedNUM呈現(xiàn)隨機分布模式。

在進行全局空間自相關(guān)分析之前，需要采用Rook權(quán)重矩陣的方法來構(gòu)造空間權(quán)重矩陣，然后利用蒙特卡羅模擬方法對空間自相關(guān)的顯著性水平進行檢驗[13]，即

(3)

式中，E和var均為理論上的方差和均值，通過對Z統(tǒng)計量進行顯著性檢驗來驗證是否存在空間自相關(guān)。通常定義原假設(shè)為H0，即假設(shè)164個區(qū)縣的BedNUM之間不存在空間自相關(guān)。計算Z值的P值，通過比較P值和顯著性水平α(取0.05)來決定是否拒絕原假設(shè)。若P<α，則拒絕原假設(shè)，即認為各區(qū)縣的BedNUM之間存在空間自相關(guān)。

全局自相關(guān)雖然可以揭示區(qū)縣BedNUM在全局范圍內(nèi)的空間分布特征，但無法解釋局部區(qū)縣BedNUM的高低聚集分布，因此需要進行局部空間自相關(guān)分析以彌補其不足[14]。本文研究擬采用Local Moran’s I指標來分析區(qū)縣BedNUM在各自局部空間位置上的分布模式和關(guān)聯(lián)模式，其本質(zhì)是將全局空間相關(guān)指數(shù)分解到各個位置上[15]。

(2) 地理加權(quán)回歸模型(GWR)

地理加權(quán)模型作為一種模型驅(qū)動方法[12]，在傳統(tǒng)的普通線性回歸模型(OLS)的基礎(chǔ)上，將樣本數(shù)據(jù)的地理位置嵌入到回歸系數(shù)中。本文建立的GWR模型如下[16]

(4)

式中，(ui，vi)為第i個區(qū)縣的空間坐標；βk(ui,vi)為第i個區(qū)縣的第k個回歸系數(shù)；εi為第i個區(qū)縣的誤差項且εi～N(0，σ)。本文在進行GWR建模時，應(yīng)用ArcGIS 10.1軟件，以調(diào)整型空間核為基礎(chǔ)，采用AICc方法進行GWR模型帶寬的計算，并對各影響因素空間變異的顯著性進行顯著性檢驗[17-18]。

二、結(jié)果與分析

1. 3個時期BedNUM基本特征

全省所有區(qū)縣BedNUM的平均值穩(wěn)步增長。從各區(qū)縣的BedNUM空間分布(如圖1所示)可知，BedNUM高于全省平均的區(qū)縣主要分布在四川省東部海拔較低區(qū)域，且3個時期保持一致；同時，位于川西高原的攀枝花市、西昌市、康定縣、冕寧縣、會理縣的BedNUM也高于全省平均水平。3個時期高于全省平均水平的區(qū)縣個數(shù)分別為62、54、57；雖然Ⅲ期同Ⅰ期相比，高于全省平均水平的區(qū)縣個數(shù)呈現(xiàn)小幅度減少，但是除川西高原的阿壩州金川縣、黑水縣、理縣和甘孜州的巴塘縣、新龍縣、攀枝花市及瀘州市外，其他地區(qū)的床位數(shù)均有所增加，且川東地區(qū)增加程度要大些。造成這種現(xiàn)象的原因，一方面是由于四川省位于龍門山斷裂帶，頻發(fā)地震、泥石流等災害，給當?shù)鼐用裨斐闪艘欢ǖ陌踩[患，當?shù)卣訌娏酸t(yī)療衛(wèi)生的投資；另一方面是在市場機制和利益最大化的驅(qū)動下，衛(wèi)生資源往往會流向經(jīng)費充裕、經(jīng)濟發(fā)展好的川東地區(qū)，加之病人往往會選取條件好、醫(yī)療設(shè)施完備的地區(qū)，使得醫(yī)院為了提升服務(wù)能力而增加床位數(shù)量[19]。

2. 區(qū)縣BedNUM空間非平穩(wěn)性

四川省區(qū)縣尺度的BedNUM呈現(xiàn)明顯的空間非平穩(wěn)性(空間聚集性)。從全局空間自相關(guān)分析結(jié)果來看，3個時期的區(qū)縣BedNUM均呈現(xiàn)極顯著(p<0.01)的空間聚集性，而且同前兩期(漠然指數(shù)為0.16和0.15)相比，Ⅲ期的空間聚集性(漠然指數(shù)為0.18)有所增加。

圖1　醫(yī)療床位分布圖

同時，四川省區(qū)縣尺度BedNUM局部空間自相關(guān)分析結(jié)果(如圖2所示)表明，BedNUM呈現(xiàn)4種類型的空間分異格局：①局部空間差異較小，區(qū)縣自身和相鄰區(qū)縣的床位數(shù)都較高的區(qū)縣(高-高)：如郫縣、成都市、德陽市、綿陽市、內(nèi)江市、自貢市，其中成都市、德陽市、綿陽市、內(nèi)江市、自貢市在3個時期均為高-高型。②局部空間差異較小，區(qū)縣自身和相鄰區(qū)縣的床位數(shù)都較低的區(qū)縣(低-低)：這些區(qū)縣集中在川西高原；和Ⅰ期相比，Ⅱ期減少了涼山州的昭覺縣、金陽縣、會理縣，Ⅲ期則只減少了涼山州的會理縣。③局部空間差異較大，區(qū)縣自身水平高但周邊較低的區(qū)縣(高-低)：如西昌市(縣級市)。④空間差異較大， 區(qū)縣自身水平低但周邊較高的區(qū)縣 (低-

高)：如Ⅲ期出現(xiàn)的樂至縣和汶川縣。

圖2　3個時期的床位LISA聚集圖

3. BedNUM空間非平穩(wěn)性的影響因素

由于區(qū)縣BedNUM呈現(xiàn)明顯的空間聚集性，因此需要采用考慮空間位置關(guān)系的GWR模型來綜合考察人口、經(jīng)濟、交通及地形等因素對BedNUM空間非平穩(wěn)性的影響程度。在運行GWR模型之前，需要采用VIF指數(shù)對變量進行多重共線性檢驗，以防止共線性問題導致系數(shù)矩陣不可逆和模型不可識別。將3個時期POP、ROAD、GDP和RDLS進行多重共線性檢驗，VIF都小于7.5，說明它們之間不存在嚴重共線性，可以引入到GWR模型中。

從GWR模型擬合參數(shù)(見表1)的總體校正R2來看，所擬合的模型可以分別解釋3個時期四川省區(qū)縣BedNUM大約95%的方差，而且達到極顯著水平(P<0.1)。同時，局部回歸值與各區(qū)縣BedNUM實際值的擬合程度也較高，局部R2在3個時期分別為71%～98%、82%～98%、54%～98%(見表1)，且呈現(xiàn)明顯的空間分布及變化特征：3個時期的局部R2在四川省區(qū)縣內(nèi)均呈現(xiàn)先升后降的趨勢；其中成都平原及川西高原的阿壩州東南部區(qū)縣為最高，而川西高原的甘孜州、涼山州、攀枝花及川東地區(qū)的所有區(qū)縣的局部R2較低，表明該區(qū)域區(qū)縣的BedNUM可能還受到其他因素的影響，如人口結(jié)構(gòu)、政策等影響[11]。

表1　GWR模型估計結(jié)果

從區(qū)縣BedNUM的局部回歸系數(shù)估計結(jié)果(如圖3所示)可見，各因素對床位分布的影響隨時間變化而變化，呈現(xiàn)不穩(wěn)定的狀態(tài)。其中地形起伏度RDLS對醫(yī)療床位數(shù)的影響最顯著，3個時期RDLS回歸系數(shù)均為正值，但在川西高原RDLS較大區(qū)域回歸系數(shù)較小，在川東地區(qū)RDLS較小的地區(qū)回歸系數(shù)反而變大。這說明RDLS加速了BedNUM區(qū)域不平衡現(xiàn)象，逐漸成為限制型因素。同時，RDLS大的區(qū)縣會對GDP、POP帶來一定程度的阻礙作用，現(xiàn)實中應(yīng)考慮發(fā)展經(jīng)濟、提高醫(yī)療資源通達性來合理分配醫(yī)療床位，從而使得醫(yī)療資源能得到高效利用。

圖3　GWR模型的回歸系數(shù)分布圖

人口是醫(yī)療床位分布的重要因素，它對BedNUM的影響程度位居第2。3個時期POP的回歸系數(shù)均為正數(shù)，且影響程度呈現(xiàn)上升的態(tài)勢。Ⅲ期回歸系數(shù)較大的區(qū)縣集中在人口稀少的川西高原阿壩州、甘孜州北部區(qū)縣、涼山州南部區(qū)縣，以及瀘州市、宜賓市，較低的地區(qū)則為達州、廣元、巴州所有區(qū)縣和川西高原的巴塘縣、理塘縣、雅江縣、九龍縣和越西縣、美姑縣。

公路里程數(shù)作為反映區(qū)域交通發(fā)達程度的重要指標，也是反映醫(yī)療床位可達性的基本要素。3個時期ROAD的回歸系數(shù)變化不大，一半以上的縣域為負值，且ROAD為促進作用的縣域個數(shù)逐期減少。Ⅲ期回歸系數(shù)為正的地區(qū)為川西高原的若爾蓋、九寨溝、理塘縣、雅江縣和成都平原的平武、梓潼縣。而且在ROAD為限制因子的縣域中，川西高原的ROAD值最小，限制程度也相對較小。綜上，ROAD在多數(shù)縣域為限制因子，因此在加強道路建設(shè)的同時，結(jié)合人口分布和醫(yī)療服務(wù)需求者的活動規(guī)律，在農(nóng)村地區(qū)盡量選擇交通狀況好的、人口較集中的地區(qū)作為醫(yī)院的最佳選址，確保醫(yī)療服務(wù)的均衡性和公平性，提高醫(yī)療服務(wù)的利用效率。

GDP對BedNUM的影響程度最低，兩者之間呈現(xiàn)逐時期遞減的正相關(guān)關(guān)系。即GDP雖然會在一定程度上提高醫(yī)療水平，但其邊際效應(yīng)在逐時期遞減，并有向限制性因子轉(zhuǎn)變的趨勢。Ⅰ期回歸系數(shù)較高的地區(qū)為GDP較低的川西高原的昭君縣、雷波縣、越西縣，以及宜賓市的馬邊縣、屏山、興文縣，瀘州市的敘永縣和古藺縣，回歸系數(shù)較低的地區(qū)仍為GDP較低的川西高原的甘孜州的北部縣域和攀枝花市的絕大多數(shù)區(qū)縣；Ⅱ期回歸系數(shù)較低的地區(qū)集中在甘孜州北部區(qū)縣和阿壩州東部區(qū)縣。造成這種現(xiàn)象的原因可能是各縣域的衛(wèi)生財政支出、政策、交通狀況各不相同。

三、結(jié)論與討論

本文運用探索性的空間分析方法和基于空間位置關(guān)系的GWR模型，揭示了2000—2012年期間四川省區(qū)縣BedNUM分布所呈現(xiàn)的時空差異特征及其與人口、經(jīng)濟、交通及地形條件之間的關(guān)系。四川省東部地區(qū)床位資源相對豐富，可能與密集的人口、較高的經(jīng)濟水平和較好的基礎(chǔ)條件有關(guān)，同時平坦的地形與便利的交通使得這些地區(qū)床位資源的可得性較高；而川西高原地區(qū)人口密度較低、經(jīng)濟發(fā)展水平較低，造成絕對數(shù)較低，其不利條件(如較大的地形起伏度和較差的交通條件)又使得這些地區(qū)的床位資源的可得性較低；地形起伏度、公路里程及經(jīng)濟水平因素的限制作用明顯，在這些地區(qū)需要根據(jù)各區(qū)縣的人口、經(jīng)濟、交通狀況及地形條件，因地制宜規(guī)劃和建設(shè)醫(yī)療衛(wèi)生服務(wù)體系，促使其平衡發(fā)展，以提高醫(yī)療衛(wèi)生基礎(chǔ)設(shè)施對居民健康的保障能力。

對3個時期四川省164個縣域床位資源進行GWR的局域估計時，本研究所選擇4個要素對一些區(qū)縣BedNUM的估計能力有所不足，可能與本研究中缺少人口結(jié)構(gòu)、醫(yī)療衛(wèi)生服務(wù)體系建設(shè)政策等影響因素有關(guān)。因此，未來研究中需要收集相關(guān)資料并進行科學量化，再將其納入GWR模型，以提高模型擬合驅(qū)動因子和解釋局部差異的效能。

參考文獻：

[1]李成名, 劉曉麗, 印潔,等.數(shù)字城市到智慧城市的思考與探索[J].測繪通報,2013(3):1-3.

[2]葛建一, 葛國曙, 熊威. 論醫(yī)院床位管理[J]. 蘇州大學學報(哲學社會科學版), 2010(6):53-55.

[3]賀買宏. 我國衛(wèi)生服務(wù)公平性研究[D]. 重慶: 第三軍醫(yī)大學軍事預防醫(yī)學院, 2013.

[4]于元元, 劉京京, 卞鷹, 等. 中國醫(yī)院床位資源分布公平性研究[J]. 中國衛(wèi)生資源, 2011(14):394-396.

[5]徐琨. 四川省醫(yī)療衛(wèi)生資源配置、利用及優(yōu)化研究[D]. 成都: 西南石油大學, 2013.

[6]徐玲, 劉華, 饒克勤. 沈陽、成都市衛(wèi)生服務(wù)需要、需求和利用分析[J]. 中國衛(wèi)生經(jīng)濟, 2003, 22(243):15-17.

[7]陳天歌, 董四平, 郭淑巖, 等.衛(wèi)生資源規(guī)劃技術(shù)與方法研究述評[J]. 中國衛(wèi)生經(jīng)濟, 2014, 33(3):60-63.

[8]STEWART F A, CHARLTON M, BRUNSDON C. The Geography of Parameter Space：An Investigation of Spatial Nonstationarity[J]. International Journal of Geographical Information Systems, 1996, 10(5):605-627.

[9]肖雄, 楊長虹, 譚柯, 等. 地理加權(quán)回歸模型在傳染病空間分析中的應(yīng)用[J]. 中國衛(wèi)生統(tǒng)計, 2013, 30(6):833-841.

[10]楊馳.GIS空間分析建模構(gòu)想[J].測繪通報,2006(11):22-25.

[11]王國棟. 論醫(yī)院建設(shè)選址[J]. 中國醫(yī)院建筑與裝備，2010(10):54-56.

[12]封志明, 張丹, 楊艷昭. 中國分縣地形起伏度及其與人口分布和經(jīng)濟發(fā)展的相關(guān)性[J]. 吉林大學社會科學學報, 2011, 51(1):146-151.

[13]SANJEEV S, HELENA T, RICHARD L, et al. An Exploratory Spatial Data Analysis Approach to Understanding the Relationship between Deprivation and Mortality in Scotland[J]. Social Science & Medicine,2007,65(9):1942-1952.

[14]吳玉鳴. 中國區(qū)域研發(fā)、知識溢出與創(chuàng)新的空間計量經(jīng)濟研究[M]. 北京：人民出版社, 2007:60-64.

[15]ANSELIN L. Local Indicators of Spatial Association LISA[J]. Geographical Analysis, 1995, 27(2), 93-115.

[16]FOTHERINGHAM A S, BRUNSDON C, CHARLTON M. Geographically Weighted Regression：The Analysis of Spatially Varying Relationships[M]. UK：Jone Wiley﹠Sons，LTD，2002.

[17]吳玉鳴, 李建霞. 省域經(jīng)濟增長與電力消費的局域空間計量經(jīng)濟分析[J]. 地理科學, 2009, 29(1):31-35.

[18]白景峰, 張海軍. 基于EOF和GWR模型的中原經(jīng)濟區(qū)經(jīng)濟增長的時空分析[J]. 地理研究, 2014,33(7):1230-1238.

[19]劉麗娜. 我國醫(yī)院衛(wèi)生院床位配置情況及預測研究[D]. 濟南:山東大學, 2007.

中圖分類號：P208

文獻標識碼：B

文章編號：0494-0911(2016)04-0049-05

作者簡介：武文娟(1990—)，女，碩士生，主要研究方向為3S理論研究與應(yīng)用。E-mail：jhxv@swjtu.edu.cn

收稿日期：2015-04-07； 修回日期： 2015-11-02

引文格式： 武文娟，徐京華，時進,等. 基于GWR的四川省醫(yī)院床位數(shù)時空分布及其影響因素研究[J].測繪通報，2016(4)：49-53.DOI:10.13474/j.cnki.11-2246.2016.0119.