摘要：目的：揭示中國護理人才格局演變的內在機制，為護理人才相關研究做出一些補充。方法：運用探索性空間數(shù)據(jù)分析方法對中國省區(qū)護理人才格局演變進行分析，并應用最小二乘法（OLS）模型、地理加權回歸（GWR）模型對其影響因素及空間分異機制進行探討。結果：中國省區(qū)護理人才的高值-高值的省區(qū)分布在東部地區(qū)，低值-低值的省區(qū)分布在西部地區(qū)。在護理人才格局演變及其空間分異的諸因素中，經(jīng)濟發(fā)展水平、衛(wèi)生投入力度、老齡化程度各自呈現(xiàn)出不同的態(tài)勢。結論：在制定護理人才的有關政策時，需要適當考慮各地區(qū)的不同情況。

關鍵詞：護理人才;影響因素;空間分異機制;地理加權回歸;中國

1 研究方法與數(shù)據(jù)

1.1 數(shù)據(jù)來源

由于中國香港、澳門和臺灣的數(shù)據(jù)難以獲得，本文采用全國31 個省區(qū)作為基本研究單元，時間范圍為2003～2017年。數(shù)據(jù)來源于《中國統(tǒng)計年鑒》、《中國人口和就業(yè)統(tǒng)計年鑒》、《中國人口統(tǒng)計年鑒》。

1.2 有序樣本聚類

為更客觀的劃分中國護理人才空間格局演化的階段，運用有序樣本聚類法，對2003～2017年中國省區(qū)每千人口注冊護士數(shù)進行階段劃分。有效樣本聚類以Fisher發(fā)展的方法最為流行^[1]。本文運用R軟件進行有序樣本聚類分析，根據(jù)中國省區(qū)每千人口注冊護士數(shù)將2003～2017年劃分為3個階段，即2003～2008年、2008～2013年、2013～2017年。相應地，本文選取2003年、2008年、2013年、2017年作為分析的時間節(jié)點。

1.3 探索性空間數(shù)據(jù)分析

探索性空間數(shù)據(jù)分析是一系列空間數(shù)據(jù)分析技術和方法的總稱，用來描述數(shù)據(jù)的空間分布規(guī)律、空間結構及空間相互作用機制^[2]。本文運用全局和局域空間自相關分析方法來研究中國省區(qū)護理人才格局演變的時空動態(tài)，具體方法見參考文獻^[3]。本文運用ArcGIS軟件探索性空間數(shù)據(jù)分析。

1.4 OLS與GWR

依據(jù)護理人才發(fā)展與社會、經(jīng)濟等發(fā)展變化的相互關系，結合中國護理事業(yè)發(fā)展實際，本文以人均GDP、人均衛(wèi)生經(jīng)費支出、老年人口撫養(yǎng)比三個指標作為自變量，三者分別反映經(jīng)濟發(fā)展水平、衛(wèi)生投入力度、老齡化程度;以每千人口注冊護士數(shù)作為因變量，運用最小二乘法（OLS）進行回歸分析。需要說明的是，人均GDP、人均衛(wèi)生經(jīng)費支出的單位均為萬元，老年人口撫養(yǎng)比的單位為1，每千人口注冊護士數(shù)的單位為人。

本文首先運用最小二乘法（OLS）分析護理人才的影響因素，然后運用地理加權回歸（GWR）進行進一步的分析，以探索各影響因素在不同空間對護理人才格局的不同作用。GWR模型結構如下^[4]：

2 中國護理人才的空間格局演變

運用ArcGIS10.1進行局域自相關分析，中國護理人才高值-高值的省區(qū)分布在東部地區(qū)，低值-低值的省區(qū)分布在西部地區(qū)。具體來看，在2003、2008年，高值-高值的省區(qū)為北京、天津、吉林，2013年則為北京、天津、上海、江蘇、山東，到2017年已沒有高值-高值的省區(qū)。低值-低值的省區(qū)在2003年為四川、重慶、湖南、廣西、云南、貴州，2008年為四川、重慶、廣西、云南、貴州、青海，2013年為四川、重慶、廣西、貴州、青海，2017年則沒有該類型的省區(qū)。

3 中國護理人才格局演變的影響因素及其空間分異機制

3.1 護理人才格局演變的影響因素

對2003年、2008年、2013年、2017年中國省區(qū)每千人口注冊護士數(shù)的影響因素進行OLS分析（表1），F(xiàn)檢驗的p值表明均通過顯著性檢驗。從回歸結果來看，2003年人均GDP和人均衛(wèi)生經(jīng)費支出的回歸系數(shù)為正且顯著，但老年人口撫養(yǎng)比的回歸系數(shù)為負且顯著，表明護理人才格局演變受到經(jīng)濟發(fā)展水平和衛(wèi)生投入力度的正向促進作用，和老齡化程度的負向抑制作用。2008年，人均GDP和人均衛(wèi)生經(jīng)費支出的回歸系數(shù)仍然為正且顯著，老年人口撫養(yǎng)比的回歸系數(shù)仍然為負但已不顯著，表明護理人才格局演變受到經(jīng)濟發(fā)展水平和衛(wèi)生投入力度的正向促進作用，和老齡化程度的負向抑制作用，但負向作用已明顯減弱。2013年，人均GDP和人均衛(wèi)生經(jīng)費支出的回歸系數(shù)仍然為正且顯著，老年人口撫養(yǎng)比的回歸系數(shù)轉變?yōu)檎伙@著，表明護理人才格局演變受到經(jīng)濟發(fā)展水平和衛(wèi)生投入力度的正向促進作用，和老齡化程度的不顯著的正向促進作用。2017年，人均GDP回歸系數(shù)仍然為正且顯著，人均衛(wèi)生經(jīng)費支出和老年人口撫養(yǎng)比的回歸系數(shù)為正但不顯著，表明護理人才格局演變受到經(jīng)濟發(fā)展水平的正向促進作用，以及衛(wèi)生投入力度和老齡化程度的不顯著的正向促進作用。綜上所述，在護理人才格局演變的諸因素中，經(jīng)濟發(fā)展水平具有正向促進作用，衛(wèi)生投入力度雖具有正向促進作用但明顯減弱，老齡化程度的負向抑制作用逐漸減弱并轉化為了不顯著的正向促進作用。

3.2 護理人才格局演變的空間分異機制

為了進一步探討護理人才格局演變影響因素在空間上的分異機制，本文應用GWR模型對2003 年、2008 年、2013 年和2017 年中國省區(qū)每千人口注冊護士數(shù)格局演變因素的空間分異參數(shù)進行估計。計算結果表明，4個年份的調整R²分別為0.881、0.933、0.862、0.497，前3個年份的擬合優(yōu)度較高，而2017年GWR模型的擬合優(yōu)度遠高于OLS模型，說明GWR模型能夠有效解釋中國護理人才格局演變因素的空間分異機制。

從人均GDP回歸系數(shù)來看，2003～2017年人均GDP回歸系數(shù)空間分布趨勢大致相同，呈現(xiàn)出由西向東遞減的態(tài)勢。這與我國人均GDP從東向西遞減的大致態(tài)勢相反，且2003 年、2008 年、2013 年和2017 年該回歸系數(shù)與人均GDP的相關系數(shù)分別為-0.223、-0.335、-0.493、-0.405，反映出隨著經(jīng)濟發(fā)展水平的提高，其對護理人才仍繼續(xù)保持正向促進作用，但其作用強度有所減弱。

從人均衛(wèi)生經(jīng)費支出回歸系數(shù)來看，2003～2017年人均衛(wèi)生經(jīng)費支出回歸系數(shù)空間分布總體呈現(xiàn)出東高西低的態(tài)勢。其中低值的分布較為穩(wěn)定，主要分布在西部地區(qū)，甚至為負值，反映出西部地區(qū)衛(wèi)生投入力度對護理人才集聚的作用較弱。高值主要分布在東部地區(qū)，反映出東部地區(qū)衛(wèi)生投入力度對護理人才集聚的作用較強;而作用最強一類的空間分布則有明顯變化，2003年主要分布在東南地區(qū)和長三角地區(qū)，2008年主要分布在東北地區(qū)，2013年主要分布在環(huán)渤海地區(qū)和東北地區(qū)，2017年主要分布在東北地區(qū)。將人均衛(wèi)生經(jīng)費支出與其回歸系數(shù)進行比較，2003 年、2008 年、2013 年和2017 年兩者之間的相關系數(shù)分別為-0.122、-0.110、-0.089、-0.226，呈現(xiàn)出不顯著的負相關關系，反映出隨著衛(wèi)生投入力度的增強，其對護理人才集聚的作用減弱。

從老年人口撫養(yǎng)比回歸系數(shù)來看，2003～2017年其空間分布發(fā)生了較大變化。2003年老年人口撫養(yǎng)比回歸系數(shù)大多為負值，低值分別在西部地區(qū)，高值分布在東南地區(qū)和東北地區(qū);2008年大多為負值，低值分布在西部地區(qū)和東南地區(qū)，高值則主要分布在東北地區(qū);2013年大多為負值，低值主要分布在東部地區(qū)和新疆、西藏，高值地區(qū)分別在除新疆、西藏以外的西部地區(qū);2017年的正值明顯增多，低值主要分布在西部地區(qū)，高值分別在東北地區(qū)和環(huán)渤海地區(qū)。將老年人口撫養(yǎng)比與其回歸系數(shù)進行比較，2003 年、2008 年、2013 年和2017 年兩者之間的相關系數(shù)分別為0.387、0.186、0.233、0.502，反映出隨著老齡化程度的加深，其對護理人才集聚的抑制作用減弱，而促進作用增強。

4 結論與討論

4.1 結論

（1）中國護理人才高值-高值的省區(qū)分布在東部地區(qū)，低值-低值的省區(qū)分布在西部地區(qū)。

（2）在護理人才格局演變的諸因素中，經(jīng)濟發(fā)展水平具有正向促進作用，衛(wèi)生投入力度雖具有正向促進作用但明顯減弱，老齡化程度的負向抑制作用逐漸減弱并轉化為了不顯著的正向促進作用。

（3）GWR模型能夠有效解釋中國護理人才格局演變因素的空間分異機制。經(jīng)濟發(fā)展水平的作用呈現(xiàn)出由西向東遞減的態(tài)勢，衛(wèi)生投入力度的作用總體呈現(xiàn)出東高西低的態(tài)勢，老齡化程度的作用的空間分布在2003～2017年發(fā)生了較大變化。

4.2 討論

鑒于護理人才格局各影響因素的作用呈現(xiàn)出空間分異性，在制定護理人才的有關政策時，需要適當考慮各地區(qū)的不同情況。對于影響因素促進作用較強的區(qū)域，可努力提升該因素從而促進護理人才的培養(yǎng)和發(fā)展。對于影響因素促進作用較弱或呈現(xiàn)反方向作用的區(qū)域，需首先努力打通該要素與護理人才發(fā)展之間的傳導機制，之后采取進一步的措施才能有效。

致謝：感謝李震在數(shù)據(jù)分析方面給予的幫助。

參考文獻：

[1]Fisher， W. D. On Grouping for Maximum Homogeneity[J]. Journal of the American Statistical Association， 1958， 53 （284）： 789-798.

[2]Messner， S.， Anselin， L.， Baller， R.， et al. The Spatial Patterning of County Homicide Rates： An Application of Exploratory Spatial Data Analysis[J]. Journal of Quantitative Criminology， 1999， 15 （4）： 423-450.

[3]王勁峰， 廖一蘭， 劉鑫. 空間數(shù)據(jù)分析教程[M]. 科學出版社. 2010：101-125.

[4]龐瑞秋， 騰飛， 魏冶.基于地理加權回歸的吉林省人口城鎮(zhèn)化動力機制分析[J].地理科學.2014，34 （10）：1210-1217.