基于GWR的四川省醫院床位數時空分布及其影響因素研究

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醫院醫療科，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的四川省醫院床位數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醫院醫療科，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：合理配置醫療資源是加快醫療體系建設的重要基礎和內在要求,研究自然和經濟社會因素對醫療資源配置的影響，可為醫療服務體系科學規劃和建設提供有力支持。本文以2000—2002年、2005—2007年、2010—2012年3個時期的四川省區縣公立醫院床位數為例，利用空間分析技術研究了區縣床位的時空變化特征，并采用地理加權回歸模型方法解釋了經濟、人口、交通、地形等因素對其時空異質性的影響。結果表明：2000—2012年，川東地區的床位數總體高于川西高原，在區縣尺度呈現顯著的空間聚集性分布特征(3個時期的漠然指數分別為0.16、0.15、0.18，p<0.01)，其時空異質性與地形、人口、經濟及交通等因素關系密切，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，應依據四川省醫療水平的現狀和驅動因子的效應機理，因地制宜規劃和建設醫療衛生服務體系，促使其平衡發展，以提高醫療衛生基礎設施對居民健康的保障能力。

關鍵詞：地理加權回歸模型；四川省醫療床位；空間異質性；空間分析

隨著社會經濟的快速發展、居民健康意識的增強，以及智慧城市的不斷探索與實踐[1]，如何提高區域公共醫療服務能力逐漸成為政府和公眾關注的熱點。公立醫院床位數是公共醫療資源的重要指標[2]，其規模大小和區域空間分布對基層醫療衛生條件的改善、區域醫療服務體系的均衡發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、經濟水平、人口數量與健康狀況、交通條件、政府衛生政策與規劃等因素影響，區域醫院數在一定時期呈現一定的空間分布形態[4]。

目前研究公共醫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據的基礎上建立全局模型，進而對區域公共醫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療資源和影響因子的局部空間差異，掩蓋空間位置對醫療資源與影響因素之間關系的影響。地理加權回歸模型(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系的空間分布[8-9]。本研究擬應用GIS的空間分析功能[10]，采用地統計方法探究四川省區縣尺度醫院床位數的時間和空間變化特征，引入GWR模型剖析床位數與人口、經濟水平、地形條件、交通狀況等因素之間的關系，并從地理學角度探討醫療衛生服務體系建設過程中發展不平衡、資源配置不合理等問題，為四川省醫療衛生服務體系決策與建設提供有力的支撐。

一、材料與方法

1. 數據收集與指標計算

本文擬選取2000—2002年、2005—2007年、2010—2012年3個時期(Ⅰ、Ⅱ、Ⅲ)的四川省各區縣醫院床位數(number of bed，BedNUM)的平均值作為因變量，選取國內生產總值(GDP)、人口數(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院選址和布局，對醫院床位配置產生作用[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為區縣的平均海拔；max(H)和min(H)分別為該區域內的最高與最低海拔；P(A)為區縣平地(5 km×5 km區域內海拔差值小于30 m)面積；A為區域總面積。DEM是空間分辨率為1 km×1 km的數字高程數據，從中國科學院資源環境科學數據中心離線申請獲得。

2. 分析方法

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

(1) 空間自相關

空間自相關分析包括全局自相關和局部自相關兩種。其中，全局空間自相關以全局的同質性為前提，衡量BedNUM在四川省的空間差異程度和空間關聯性。本文采用Global Moran’s I指數為統計量[13]，其計算公式為

(2)

Moran’s I指數的取值為(-1～1)，其中I>0時表示空間正相關，各區縣之間距離越近BedNUM越相似，即BedNUM呈空間集聚分布；I<0時表示空間負相關，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，BedNUM呈現隨機分布模式。

在進行全局空間自相關分析之前，需要采用Rook權重矩陣的方法來構造空間權重矩陣，然后利用蒙特卡羅模擬方法對空間自相關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統計量進行顯著性檢驗來驗證是否存在空間自相關。通常定義原假設為H0，即假設164個區縣的BedNUM之間不存在空間自相關。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。若P<α，則拒絕原假設，即認為各區縣的BedNUM之間存在空間自相關。

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

(2) 地理加權回歸模型(GWR)

地理加權模型作為一種模型驅動方法[12]，在傳統的普通線性回歸模型(OLS)的基礎上，將樣本數據的地理位置嵌入到回歸系數中。本文建立的GWR模型如下[16]

(4)

式中，(ui，vi)為第i個區縣的空間坐標；βk(ui,vi)為第i個區縣的第k個回歸系數；εi為第i個區縣的誤差項且εi～N(0，σ)。本文在進行GWR建模時，應用ArcGIS 10.1軟件，以調整型空間核為基礎，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、結果與分析

1. 3個時期BedNUM基本特征

全省所有區縣BedNUM的平均值穩步增長。從各區縣的BedNUM空間分布(如圖1所示)可知，BedNUM高于全省平均的區縣主要分布在四川省東部海拔較低區域，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縣個數分別為62、54、57；雖然Ⅲ期同Ⅰ期相比，高于全省平均水平的區縣個數呈現小幅度減少，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，其他地區的床位數均有所增加，且川東地區增加程度要大些。造成這種現象的原因，一方面是由于四川省位于龍門山斷裂帶，頻發地震、泥石流等災害，給當地居民造成了一定的安全隱患，當地政府加強了醫療衛生的投資；另一方面是在市場機制和利益最大化的驅動下，衛生資源往往會流向經費充裕、經濟發展好的川東地區，加之病人往往會選取條件好、醫療設施完備的地區，使得醫院為了提升服務能力而增加床位數量[19]。

2. 區縣BedNUM空間非平穩性

四川省區縣尺度的BedNUM呈現明顯的空間非平穩性(空間聚集性)。從全局空間自相關分析結果來看，3個時期的區縣BedNUM均呈現極顯著(p<0.01)的空間聚集性，而且同前兩期(漠然指數為0.16和0.15)相比，Ⅲ期的空間聚集性(漠然指數為0.18)有所增加。

圖1　醫療床位分布圖

同時，四川省區縣尺度BedNUM局部空間自相關分析結果(如圖2所示)表明，BedNUM呈現4種類型的空間分異格局：①局部空間差異較小，區縣自身和相鄰區縣的床位數都較高的區縣(高-高)：如郫縣、成都市、德陽市、綿陽市、內江市、自貢市，其中成都市、德陽市、綿陽市、內江市、自貢市在3個時期均為高-高型。②局部空間差異較小，區縣自身和相鄰區縣的床位數都較低的區縣(低-低)：這些區縣集中在川西高原；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，區縣自身水平高但周邊較低的區縣(高-低)：如西昌市(縣級市)。④空間差異較大， 區縣自身水平低但周邊較高的區縣 (低-

高)：如Ⅲ期出現的樂至縣和汶川縣。

圖2　3個時期的床位LISA聚集圖

3. BedNUM空間非平穩性的影響因素

由于區縣BedNUM呈現明顯的空間聚集性，因此需要采用考慮空間位置關系的GWR模型來綜合考察人口、經濟、交通及地形等因素對BedNUM空間非平穩性的影響程度。在運行GWR模型之前，需要采用VIF指數對變量進行多重共線性檢驗，以防止共線性問題導致系數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(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在四川省區縣內均呈現先升后降的趨勢；其中成都平原及川西高原的阿壩州東南部區縣為最高，而川西高原的甘孜州、涼山州、攀枝花及川東地區的所有區縣的局部R2較低，表明該區域區縣的BedNUM可能還受到其他因素的影響，如人口結構、政策等影響[11]。

表1　GWR模型估計結果

從區縣BedNUM的局部回歸系數估計結果(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，呈現不穩定的狀態。其中地形起伏度RDLS對醫療床位數的影響最顯著，3個時期RDLS回歸系數均為正值，但在川西高原RDLS較大區域回歸系數較小，在川東地區RDLS較小的地區回歸系數反而變大。這說明RDLS加速了BedNUM區域不平衡現象，逐漸成為限制型因素。同時，RDLS大的區縣會對GDP、POP帶來一定程度的阻礙作用，現實中應考慮發展經濟、提高醫療資源通達性來合理分配醫療床位，從而使得醫療資源能得到高效利用。

圖3　GWR模型的回歸系數分布圖

人口是醫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的回歸系數均為正數，且影響程度呈現上升的態勢。Ⅲ期回歸系數較大的區縣集中在人口稀少的川西高原阿壩州、甘孜州北部區縣、涼山州南部區縣，以及瀘州市、宜賓市，較低的地區則為達州、廣元、巴州所有區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。

公路里程數作為反映區域交通發達程度的重要指標，也是反映醫療床位可達性的基本要素。3個時期ROAD的回歸系數變化不大，一半以上的縣域為負值，且ROAD為促進作用的縣域個數逐期減少。Ⅲ期回歸系數為正的地區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在多數縣域為限制因子，因此在加強道路建設的同時，結合人口分布和醫療服務需求者的活動規律，在農村地區盡量選擇交通狀況好的、人口較集中的地區作為醫院的最佳選址，確保醫療服務的均衡性和公平性，提高醫療服務的利用效率。

GDP對BedNUM的影響程度最低，兩者之間呈現逐時期遞減的正相關關系。即GDP雖然會在一定程度上提高醫療水平，但其邊際效應在逐時期遞減，并有向限制性因子轉變的趨勢。Ⅰ期回歸系數較高的地區為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，回歸系數較低的地區仍為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區縣；Ⅱ期回歸系數較低的地區集中在甘孜州北部區縣和阿壩州東部區縣。造成這種現象的原因可能是各縣域的衛生財政支出、政策、交通狀況各不相同。

三、結論與討論

本文運用探索性的空間分析方法和基于空間位置關系的GWR模型，揭示了2000—2012年期間四川省區縣BedNUM分布所呈現的時空差異特征及其與人口、經濟、交通及地形條件之間的關系。四川省東部地區床位資源相對豐富，可能與密集的人口、較高的經濟水平和較好的基礎條件有關，同時平坦的地形與便利的交通使得這些地區床位資源的可得性較高；而川西高原地區人口密度較低、經濟發展水平較低，造成絕對數較低，其不利條件(如較大的地形起伏度和較差的交通條件)又使得這些地區的床位資源的可得性較低；地形起伏度、公路里程及經濟水平因素的限制作用明顯，在這些地區需要根據各區縣的人口、經濟、交通狀況及地形條件，因地制宜規劃和建設醫療衛生服務體系，促使其平衡發展，以提高醫療衛生基礎設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個要素對一些區縣BedNUM的估計能力有所不足，可能與本研究中缺少人口結構、醫療衛生服務體系建設政策等影響因素有關。因此，未來研究中需要收集相關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. 我國衛生服務公平性研究[D]. 重慶: 第三軍醫大學軍事預防醫學院, 2013.

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

[5]徐琨. 四川省醫療衛生資源配置、利用及優化研究[D]. 成都: 西南石油大學, 2013.

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

[7]陳天歌, 董四平, 郭淑巖, 等.衛生資源規劃技術與方法研究述評[J]. 中國衛生經濟, 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. 地理加權回歸模型在傳染病空間分析中的應用[J]. 中國衛生統計, 2013, 30(6):833-841.

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

[11]王國棟. 論醫院建設選址[J]. 中國醫院建筑與裝備，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濟發展的相關性[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. 中國區域研發、知識溢出與創新的空間計量經濟研究[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. 省域經濟增長與電力消費的局域空間計量經濟分析[J]. 地理科學, 2009, 29(1):31-35.

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

[19]劉麗娜. 我國醫院衛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的四川省醫院床位數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.