湯 榕，楊健珍，黨媛媛，李 月

（寧夏醫(yī)科大學(xué)公共衛(wèi)生與管理學(xué)院，寧夏 銀川 750004）

隨著經(jīng)濟(jì)增長、人口老齡化、疾病模式的改變，人們對衛(wèi)生服務(wù)的需求迅速增加，衛(wèi)生總費(fèi)用和醫(yī)療費(fèi)用增長較快,這是目前許多國家和地區(qū)共同面臨的重要問題[1]。醫(yī)學(xué)科技的發(fā)展，醫(yī)學(xué)新設(shè)備、新藥以及新技術(shù)的投入使用，也進(jìn)一步導(dǎo)致了衛(wèi)生總費(fèi)用的不合理增長，使人民群眾“看病難、看病貴”的矛盾更加突出。中國衛(wèi)生總費(fèi)用課題組通過對我國衛(wèi)生總費(fèi)用現(xiàn)狀進(jìn)行研究，得出我國衛(wèi)生總費(fèi)用變化的主要影響因素為GDP 的快速增長、通貨膨脹、人口的增長、社會健康保險(xiǎn)及政府的醫(yī)療衛(wèi)生政策[2]。但是這些研究大多是采用國家的數(shù)據(jù)進(jìn)行的宏觀性的研究，很少有采用地方性的數(shù)據(jù)對地區(qū)的衛(wèi)生總費(fèi)用的增長進(jìn)行研究[3]。本文通過選取在全國率先實(shí)現(xiàn)了城鄉(xiāng)居民、城鎮(zhèn)職工基本醫(yī)療保險(xiǎn)自治區(qū)統(tǒng)籌的寧夏作為研究對象，對寧夏衛(wèi)生總費(fèi)用上漲的影響因素進(jìn)行分析，找出影響寧夏地區(qū)衛(wèi)生總費(fèi)用的關(guān)鍵因素，為合理配置衛(wèi)生資源、減輕居民就醫(yī)費(fèi)用負(fù)擔(dān)、順利推行醫(yī)保改革制度提供理論依據(jù)。

1 資料與方法

1.1 資料來源

本文數(shù)據(jù)主要來源于2004-2012 年《中國衛(wèi)生統(tǒng)計(jì)年鑒》、2013-2017 年《中國衛(wèi)生與計(jì)劃生育統(tǒng)計(jì)年鑒》、2018 年《中國衛(wèi)生健康統(tǒng)計(jì)年鑒》和《寧夏統(tǒng)計(jì)年鑒》。

1.2 指標(biāo)的來源與篩選

結(jié)合寧夏地區(qū)的經(jīng)濟(jì)水平與實(shí)際情況，衛(wèi)生總費(fèi)用為因變量（Y），人口增加（指標(biāo)：總?cè)丝跀?shù)，單位：萬人，X1）、醫(yī)療技術(shù)水平（指標(biāo)：公立醫(yī)院住院病人人均醫(yī)藥費(fèi)，單位：元，X2。說明：醫(yī)療技術(shù)進(jìn)步是影響衛(wèi)生總費(fèi)用的一個(gè)重要因素，但它較難測量或者量化且多變，因此本研究選擇公立醫(yī)院住院病人人均醫(yī)藥費(fèi)來反映醫(yī)療技術(shù)水平[5]）、每千人口醫(yī)院床位數(shù)（指標(biāo)：每千人口醫(yī)院床位數(shù)，單位：張，X3）、每千人口衛(wèi)生技術(shù)人員數(shù)（指標(biāo)：每千人口衛(wèi)生技術(shù)人員數(shù)，單位：人，X4）、經(jīng)濟(jì)增長（指標(biāo)：城鎮(zhèn)居民人均可支配收入，單位：元，X5）、人均地區(qū)生產(chǎn)總值（指標(biāo)：人均地區(qū)生產(chǎn)總值，單位：元，X6）、人口老齡化（指標(biāo)：65 歲及以上人口數(shù)，單位：萬人，X7）、政府衛(wèi)生支出（指標(biāo)：政府衛(wèi)生支出，單位：億元，X8）、社會衛(wèi)生支出（指標(biāo)：社會衛(wèi)生支出，單位：億元，X9）、個(gè)人衛(wèi)生支出（指標(biāo)：個(gè)人衛(wèi)生支出，單位：億元，X10）、城鄉(xiāng)居民醫(yī)療保健支出（指標(biāo)一：城鎮(zhèn)居民醫(yī)療保健支出，單位：元，X11；指標(biāo)二：農(nóng)村居民醫(yī)療保健支出，單位：元，X12）作為自變量[4]。

1.3 研究方法

采用Excel 2019 整理數(shù)據(jù)，導(dǎo)入SPSS 25.0 進(jìn)行相關(guān)性分析、多元線性回歸分析和逐步回歸分析，得出回歸方程，在此基礎(chǔ)上運(yùn)用Stata 14.0 將有意義的影響因素納入shapely 分解法中進(jìn)一步分解，計(jì)算各因素對衛(wèi)生總費(fèi)用的貢獻(xiàn)程度，分析其重要性，找出關(guān)鍵因素。

2 結(jié)果

2.1 相關(guān)性分析

對指標(biāo)Y與X1-X12進(jìn)行變量相關(guān)分析，使用Pearson 相關(guān)系數(shù)表示相關(guān)關(guān)系的強(qiáng)弱情況。在5%顯著性水平下，顯示除自變量X7外，其余自變量均與因變量Y呈線性相關(guān)，相關(guān)系數(shù)均大于0.9，P值均小于0.01，提示這11 個(gè)變量均與Y存在顯著的正相關(guān)關(guān)系。而Y和X7之間的相關(guān)系數(shù)值為0.163，且P值為0.562 ＞0.05，提示Y和X7之間無相關(guān)關(guān)系。

2.2 多元線性回歸分析

將變量X7剔除后，用剩余的11 個(gè)變量作為自變量進(jìn)行多元線性回歸分析。決定系數(shù)R2=1.000，提示剩余自變量X之間的共同作用可以100.0%解釋因變量Y的變化。對模型進(jìn)行F 檢驗(yàn)時(shí)發(fā)現(xiàn)模型通過F 檢驗(yàn)(F=106124.617，P=0.002 ＜0.05)，提示X1、X2、X3、X4、X5、X6、X8、X9、X10、X11、X12中 至 少 一 項(xiàng) 會對Y產(chǎn)生影響關(guān)系，模型公式為：

針對模型的多重共線性進(jìn)行檢驗(yàn)發(fā)現(xiàn)，模型中VIF值出現(xiàn)均大于10，意味著存在共線性問題。采用逐步回歸法繼續(xù)進(jìn)行分析，見表1。

表1 線性回歸分析結(jié)果（n=13）

2.3 逐步回歸分析

以除X7以外的11 個(gè)變量作為自變量，Y作為 因 變 量 進(jìn) 行 逐 步 回 歸 分 析，X2、X4、X6、X11、X125 個(gè)變量進(jìn)入回歸方程，R2=1.000。通過F檢驗(yàn)(F=17478.122，P＜0.05)，模型有效，模型中VIF值出現(xiàn)大于10，存在著共線性問題，檢查相關(guān)關(guān)系緊密的自變量，剔除相關(guān)關(guān)系緊密的自變量后，重新進(jìn)行分析。最終具體分析可知：X2的回歸系數(shù)值為0.008(t=3.624，P＜0.01)，X4的 回 歸 系 數(shù) 值為38.711(t=14.666，P＜0.01)，X11的回歸系數(shù)值為0.016(t=6.420，P＜0.01)，X12的回歸系數(shù)值為0.053(t=4.586，P＜0.01)，對Y 產(chǎn)生顯著的正向影響關(guān)系；X6的回歸系數(shù)值為0.000(t=2.309，P＞0.05)，不會對Y產(chǎn)生影響關(guān)系。見表2。

綜上所述，可以得出回歸方程為：

結(jié)果提示，對衛(wèi)生總費(fèi)用影響最顯著的指標(biāo)為X2、X4、X11、X12，即公立醫(yī)院住院病人人均醫(yī)藥費(fèi)用、每千人口衛(wèi)生技術(shù)人員數(shù)、城鎮(zhèn)居民人均醫(yī)療保健支出和農(nóng)村居民醫(yī)療保健支出。

表2 逐步回歸分析結(jié)果（n=13）

2.4 Shapely 分解

Shapely 分解主要是分析變量對被解釋變量的貢獻(xiàn)程度，分解結(jié)果如表3 所示。X4的相對貢獻(xiàn)度較大（13.56%），X2、X11和X12的貢獻(xiàn)度分別為13.00%、12.03%和13.01%，這4 個(gè)因素貢獻(xiàn)度總占比為51.61%?？紤]歸一化后的Shapely，X2、X4、X11、X12貢獻(xiàn)度分別占比25.18%、26.29%、23.32%、25.21%，提示：每千人口衛(wèi)生技術(shù)人員數(shù)(X4)是影響寧夏衛(wèi)生總費(fèi)用的關(guān)鍵因素，公立醫(yī)院住院病人人均醫(yī)藥費(fèi)(X2)和農(nóng)村居民人均醫(yī)療保健支出(X12)也是影響寧夏衛(wèi)生總費(fèi)用的重要因素，城鎮(zhèn)居民人均醫(yī)療保健支出(X11)對寧夏衛(wèi)生總費(fèi)用的影響相對較小。

表3 shapely 分解結(jié)果

3 討論及建議

3.1 每千人口衛(wèi)生技術(shù)人員數(shù)對寧夏衛(wèi)生總費(fèi)用的影響最大，應(yīng)加大衛(wèi)技人員的引進(jìn)及培養(yǎng)

結(jié)果顯示，每千人口衛(wèi)生技術(shù)人員數(shù)是對寧夏衛(wèi)生總費(fèi)用貢獻(xiàn)程度最高的因素，這與其他學(xué)者的研究結(jié)果一致[6]。每千人口衛(wèi)生技術(shù)人員數(shù)反映了衛(wèi)生資源的人力配置情況，它對衛(wèi)生總費(fèi)用上漲的作用不容忽視。因此，應(yīng)適當(dāng)增加對醫(yī)療衛(wèi)生機(jī)構(gòu)、高等醫(yī)學(xué)院校等培養(yǎng)衛(wèi)生技術(shù)人員的費(fèi)用,完善公益性財(cái)政補(bǔ)償機(jī)制,支持醫(yī)療機(jī)構(gòu)、醫(yī)學(xué)院校等對相關(guān)衛(wèi)生技術(shù)人員的培養(yǎng)及引進(jìn)[7]。

3.2 醫(yī)療技術(shù)水平對寧夏衛(wèi)生總費(fèi)用的影響次之，應(yīng)加強(qiáng)衛(wèi)生技術(shù)評估

結(jié)果顯示，醫(yī)療技術(shù)水平是影響寧夏衛(wèi)生總費(fèi)用的重要因素，這與其他學(xué)者的研究結(jié)果一致[2,8]。醫(yī)療技術(shù)進(jìn)步提高了國民健康素養(yǎng)，為經(jīng)濟(jì)建設(shè)和社會發(fā)展提供有力保障，但同時(shí)也帶來了昂貴的醫(yī)療費(fèi)用。因此，應(yīng)加強(qiáng)衛(wèi)生技術(shù)評估，通過對重大、高新技術(shù)成果科學(xué)評估進(jìn)行市場準(zhǔn)入，并嚴(yán)格醫(yī)院大型設(shè)備引進(jìn)的審批制度，控制藥品使用范圍和價(jià)格，對落后的醫(yī)療技術(shù)予以淘汰、更新，大力推廣性價(jià)比高的成熟技術(shù)[9]。

3.3 城鄉(xiāng)居民醫(yī)療保健支出是影響寧夏衛(wèi)生總費(fèi)用上漲的因素之一

結(jié)果顯示，城鄉(xiāng)居民醫(yī)療保健支出是影響寧夏衛(wèi)生總費(fèi)用上漲的因素之一，這與李旭的研究結(jié)果一致[10]。因此如何控制城鄉(xiāng)居民醫(yī)療保健支出是至關(guān)重要的，其中，分級診療作為緩解“看病難，看病貴”的有效途徑，是控制城鄉(xiāng)居民醫(yī)療保健支出的重要方式之一，而醫(yī)聯(lián)體又是作為建立分級診療制度的重要載體，在農(nóng)村實(shí)行“鄉(xiāng)村一體、縣鄉(xiāng)一體”的服務(wù)模式，在城市創(chuàng)建“醫(yī)院+社區(qū)”共建共享服務(wù)機(jī)制，讓病人留在基層就醫(yī)，減少不必要的醫(yī)療開支，從而合理控制醫(yī)療保健支出過快增長。