董林玉,張霖,張翔△
(1.華中科技大學(xué)同濟(jì)醫(yī)學(xué)院醫(yī)藥衛(wèi)生管理學(xué)院,湖北 武漢 430030;2.湖北省人文社科重點(diǎn)研究基地農(nóng)村健康服務(wù)研究中心 )
疾病預(yù)防控制機(jī)構(gòu)在預(yù)防疾病、應(yīng)對突發(fā)公共衛(wèi)生事件等方面發(fā)揮著舉足輕重的作用[1]。2019年底新型冠狀肺炎的爆發(fā),更是凸顯了疾病預(yù)防在突發(fā)公共衛(wèi)生事件應(yīng)急中的作用。新冠肺炎爆發(fā)后,國家提出要大力進(jìn)行公共衛(wèi)生體系建設(shè),尤其是補(bǔ)齊公共衛(wèi)生短板?!吨腥A人民共和國國民經(jīng)濟(jì)和社會發(fā)展第十四個五年規(guī)劃和2035年遠(yuǎn)景目標(biāo)》中也提出要構(gòu)建強(qiáng)大公共衛(wèi)生體系,改革疾病預(yù)防控制建設(shè)[2]。
疾病預(yù)防控制機(jī)構(gòu)人力資源作為疾病預(yù)防控制體系建設(shè)中的活力因素和關(guān)鍵力量,其配置的數(shù)量、質(zhì)量及結(jié)構(gòu)等都影響著公共衛(wèi)生體系建設(shè)的效果。目前,關(guān)于疾控機(jī)構(gòu)衛(wèi)生人力資源配置的研究多集中于利用基尼系數(shù)、集聚度、泰爾指數(shù)等方法探討人力資源在區(qū)域上配置的公平性[3-5],基于空間尺度進(jìn)行研究的成果較少,多集中于醫(yī)療費(fèi)用、政府衛(wèi)生支出、醫(yī)療供給水平等資源配置研究[6-8],還未有學(xué)者從空間角度對疾控機(jī)構(gòu)人力配置進(jìn)行分析。
基于空間尺度的分析可以反映區(qū)域間的差異在空間的分布特征,同時空間計(jì)量模型的構(gòu)建能夠反映相關(guān)因素的影響程度及在相鄰地區(qū)之間的空間外溢性[9]。因此本研究基于空間尺度,構(gòu)建空間計(jì)量模型分析我國各省(自治區(qū)、直轄市)疾控機(jī)構(gòu)衛(wèi)生人力配置空間分布和變化,探索我國疾控人力資源的空間聚集性及主要影響因素和空間溢出效應(yīng)。
本研究以我國31個省(自治區(qū)、直轄市)為研究對象,以2009~2019年疾病預(yù)防控制機(jī)構(gòu)衛(wèi)生人力資源數(shù)據(jù)為空間基本單元。2009~2019年疾控機(jī)構(gòu)的衛(wèi)生人員數(shù)來源于2010~2020年《中國衛(wèi)生健康統(tǒng)計(jì)年鑒》,2009~2019各地區(qū)常住人口數(shù)來自2010~2020年《中國統(tǒng)計(jì)年鑒》。
1.2.1 空間相關(guān)性分析
構(gòu)建空間權(quán)重矩陣是空間相關(guān)性分析的基礎(chǔ),本研究考慮到疾控人力資源的空間分布不僅受地理距離的影響,也與各地區(qū)經(jīng)濟(jì)發(fā)展有關(guān),因此采用地理-經(jīng)濟(jì)嵌套矩陣進(jìn)行空間相關(guān)和計(jì)量分析。
空間相關(guān)性的分析結(jié)果以全局Moran's I指數(shù)和局部Moran's I指數(shù)來呈現(xiàn)。Moran's I取值在[-1,1]之間,當(dāng)Moran's I<0,則表明區(qū)域之間存在顯著性差異,趨異聚集;反之,則呈空間正相關(guān)聯(lián)系,趨同集聚;Moran's I=0則屬性值在空間上隨機(jī)分布。在95%的置信度下(P=0.05),如果Z>|1.96|,則表明統(tǒng)計(jì)具有顯著性。式(1)、(2)分別為全局和局部莫蘭指數(shù)的計(jì)算公式[10]。
(1)
(2)
Zi、Zj分別為地區(qū)i(j)空間單元疾控每千人口衛(wèi)生人員數(shù)與其平均值的差,Wij為空間權(quán)重矩陣,n為31。
(3)
Xi、Xj分別為地區(qū)i(j)空間單元疾控每千人口衛(wèi)生人員數(shù)。Gi*的取值范圍在[-3,3]間,得分越高,則表明其空間聚集度越高。
1.2.3 空間計(jì)量分析
空間計(jì)量模型有空間誤差模型(SEM)、空間滯后模型(SLM、SAR)及空間杜賓模型(SDM),考慮到空間杜賓模型相對于其他模型可以區(qū)分自變量對因變量的直接效應(yīng)和間接效應(yīng),本研究首先設(shè)定基準(zhǔn)模型為空間杜賓模型[12]。
(4)
選定模型后,對模型進(jìn)行Hausman檢驗(yàn),結(jié)果表明應(yīng)采用固定效應(yīng)模型(26.32,P=0.0058)。進(jìn)一步通過Wald檢驗(yàn)和LR檢驗(yàn)驗(yàn)證SDM是否能夠被退化為SEM或SAR。結(jié)果表明:SDM不能退化為SEM(Wald=22.96,P=0.0003<0.05;LR=48.34,P=0.000<0.05)和SAR(Wald=18.71,P=0.0022<0.05;LR=26.86,P=0.0001<0.05),因此具有固定效應(yīng)的SDM模型為最優(yōu)模型。同時,多重共線性表明,解釋變量的VIF值均小于10,即本研究所用的變量均不存在多重共線性問題(見表1)。
表1 研究變量基本信息
研究采用Excel 2019建立2009~2019年疾控機(jī)構(gòu)人力數(shù)據(jù)庫;利用Arcgis10.6進(jìn)行熱點(diǎn)分析圖繪制;采用Stata15.0軟件計(jì)算莫蘭指數(shù)、繪制散點(diǎn)圖以及進(jìn)行空間計(jì)量分析。
我國疾控機(jī)構(gòu)衛(wèi)生人力資源配置總體上呈現(xiàn)由北向南,由西向東遞減的趨勢(圖1)。本研究根據(jù)千人口衛(wèi)生人員數(shù)將全國31個地區(qū)分為五類:相對稀疏區(qū)、次稀疏區(qū)、相對均值區(qū)、次密集區(qū)和相對密集區(qū)。結(jié)果顯示:2009年至2019年總體分布格局未發(fā)生明顯改變,但密集區(qū)域逐漸向西南和中部地區(qū)擴(kuò)散。
圖1 我國2009年和2019年疾控機(jī)構(gòu)衛(wèi)生人員地區(qū)分布圖
2009年以來,我國每千人口疾控機(jī)構(gòu)衛(wèi)生人員數(shù)呈下降趨勢,全國從2009年的14.74下降到2019年的13.4。由各地區(qū)年均增速可知,除廣西、重慶、貴州、云南等西南部地區(qū),其他地區(qū)疾控千人口衛(wèi)生人員數(shù)均呈下降趨勢。(表2)
表2 我國2009~2019年各地區(qū)于人口疾控機(jī)構(gòu)衛(wèi)生人員數(shù)及年均增速
全局自相關(guān)分析結(jié)果顯示(表3),我國2009~2019年疾控機(jī)構(gòu)千人口衛(wèi)生人員數(shù)的Moran's I指數(shù)均為正數(shù),且其P值均小于0.01,空間自相關(guān)結(jié)果顯著,說明我國疾控機(jī)構(gòu)衛(wèi)生人力資源的分布具備一定的空間集聚效應(yīng);同時,不同衛(wèi)生人力的Moran's I指數(shù)值總體上呈現(xiàn)下降趨勢,可見,空間上的地區(qū)差異在不斷的縮小。不同衛(wèi)生人力的Moran's I在2009~2012年波折變化,自2012年左右開始下降至2015年,2016年有小幅度的反復(fù),而在2016年之后進(jìn)入第二個迅速下降期直至2019年。
表3 我國2009~2019年疾控機(jī)構(gòu)衛(wèi)生人員全局自相關(guān)Moran's I
為更加直觀的反映疾控機(jī)構(gòu)衛(wèi)生人力的局部空間聚集特點(diǎn),繪制了2009和2019年衛(wèi)生人力分布的莫蘭散點(diǎn)圖(圖3)。可得,大部分地區(qū)都位于第一和第三象限,即處在高—高聚集和低—低聚集的省份較多,說明疾控機(jī)構(gòu)衛(wèi)生人力配置相似的地區(qū)在空間上表現(xiàn)出更為明顯的集聚性;同時根據(jù)散點(diǎn)圖比較,相比于2009年,2019年各地區(qū)的聚集性更加明顯,空間相似聚集性更強(qiáng)。
2009年,疾控機(jī)構(gòu)千人口衛(wèi)生人員數(shù)在新疆、西藏和青海地區(qū)呈高值,即“熱點(diǎn)地區(qū)”,在貴州、安徽、河南、湖南等地區(qū)呈低值,即“冷點(diǎn)區(qū)域”。與2009年相比,2019年熱點(diǎn)分析圖變化不大,但因貴州、廣西、重慶等地區(qū)在近幾年衛(wèi)生人員數(shù)量的增加,這些地區(qū)不再為冷點(diǎn)區(qū)域。
為探究不同因素對疾控機(jī)構(gòu)衛(wèi)生人力資源配置的影響,同時考慮到地區(qū)之間的空間溢出效應(yīng),研究采用空間計(jì)量模型進(jìn)行分析。同時綜合李成程[13]、王鳳[14]等學(xué)者的研究,結(jié)合研究需要,本文選擇以下指標(biāo)作為解釋變量:①經(jīng)濟(jì)發(fā)展水平(gdp):用人均gdp表示;②城鎮(zhèn)化率(ur):城鎮(zhèn)化人口與常住總?cè)丝谥?;③人口密?pd):每平方千米的常住人口數(shù);④財(cái)政自給率(ssr):表示地區(qū)的自我發(fā)展程度,同時也反映地區(qū)對公共事業(yè)的投入,表示為公共預(yù)算內(nèi)收入與支出之比;⑤行業(yè)平均工資(aw):衛(wèi)生和社會工作行業(yè)的平均工資水平,反映該行業(yè)在各地區(qū)的發(fā)展前景。為消除量綱影響,對解釋變量均進(jìn)行了對數(shù)處理。
通過Hausman檢驗(yàn)、LM、LR及Wald檢驗(yàn)后,確定具有固定效應(yīng)的空間杜賓模型為較適宜的模型,進(jìn)而分別對空間固定效應(yīng)、時間固定效應(yīng)以及雙向固定效應(yīng)的空間杜賓模型進(jìn)行分析。得出結(jié)果為:空間固定效應(yīng)R2=0.5499,LogL=-535.4352;時間固定效應(yīng)R2=0.4042,LogL=109.627;時空雙向固定效應(yīng)R2=0.0019,LogL=556.309。根據(jù)以往學(xué)者的經(jīng)驗(yàn)[15],綜合對數(shù)似然估計(jì)值、R2等擬合優(yōu)度的參數(shù)指標(biāo),本研究最終選定使用空間固定效應(yīng)的空間杜賓面板模型。
模型估計(jì)結(jié)果顯示(表4),經(jīng)濟(jì)發(fā)展水平及城鎮(zhèn)化程度對疾控機(jī)構(gòu)衛(wèi)生人員數(shù)的時空分布差異具有顯著性。同時城鎮(zhèn)化以及行業(yè)平均工資的空間滯后項(xiàng)具有顯著性,這表明該解釋變量的變化不僅會直接影響到本地區(qū)的被解釋變量,同時會對相鄰地區(qū)的被解釋變量有所影響,并再反饋于本地區(qū),存在反饋效應(yīng),即說明不能夠直接通過模型中的解釋變量系數(shù)來反映對被解釋變量的影響。因此本研究通過空間效應(yīng)分解[16],將其影響分為直接效應(yīng)和空間溢出效應(yīng)(表5)。
綜合表4和表5的結(jié)果,經(jīng)濟(jì)發(fā)展水平的模型估計(jì)系數(shù)為0.054,直接效應(yīng)為0.062,反饋效應(yīng)為0.008,占直接效應(yīng)的14%,說明本地區(qū)的經(jīng)濟(jì)發(fā)展水平對疾控機(jī)構(gòu)衛(wèi)生人員數(shù)有正向促進(jìn)作用,且直接影響較大,反饋?zhàn)饔幂^小,具體即當(dāng)?shù)厝司鵪dp每提升1%,則衛(wèi)生人員數(shù)提高0.062%;同時空間溢出效應(yīng)的結(jié)果不顯著,表明相鄰地區(qū)經(jīng)濟(jì)發(fā)展變化對本地區(qū)衛(wèi)生人員數(shù)的影響不顯著。
表4 空間固定效應(yīng)空間杜賓模型檢驗(yàn)結(jié)果
表5 模型空間效應(yīng)分解
城鎮(zhèn)化水平的模型估計(jì)系數(shù)為0.221,直接效應(yīng)為0.302,反饋效應(yīng)為0.081,占直接效應(yīng)的27%,同時空間溢出效應(yīng)為3.356,具有顯著性,這說明本地區(qū)及相鄰地區(qū)的城鎮(zhèn)化水平對疾控機(jī)構(gòu)衛(wèi)生人員數(shù)均具有正向反饋?zhàn)饔?,即?dāng)?shù)爻擎?zhèn)化每發(fā)展1%,衛(wèi)生人員數(shù)提高0.302%,而相鄰地區(qū)城鎮(zhèn)化水平每提高1%,本地區(qū)衛(wèi)生人員數(shù)提高3.356%,原因可能是地區(qū)之間的輻射效應(yīng),帶動周圍地區(qū)的發(fā)展,吸引人才。
行業(yè)工資水平的模型估計(jì)系數(shù)為-0.015,直接效應(yīng)為-0.037,反饋效應(yīng)為-0.022,占直接效應(yīng)的60%,且直接效應(yīng)的結(jié)果未通過顯著性檢驗(yàn),這表明相鄰地區(qū)行業(yè)工資水平對本地區(qū)疾控機(jī)構(gòu)衛(wèi)生人員數(shù)的影響較大,且為負(fù)向反饋?zhàn)饔茫聪噜彽貐^(qū)行業(yè)工資每上漲1%,本地區(qū)的衛(wèi)生人員數(shù)減少0.856%。這是因?yàn)槿肆Y源本是一個流動性因素,更傾向于流向高收入地區(qū),地區(qū)之間的虹吸效應(yīng)更加明顯。
我國疾控機(jī)構(gòu)衛(wèi)生人員總量不足,《全國醫(yī)療衛(wèi)生服務(wù)體系規(guī)劃綱要(2015-2020年)》中規(guī)劃到2020年各省(自治區(qū)、直轄市)疾控中心要達(dá)到千人口人員數(shù)17.5的比例[17],依據(jù)數(shù)據(jù)只有內(nèi)蒙古、青海等少數(shù)地區(qū)達(dá)到了目標(biāo)。同時,千人口衛(wèi)生人員數(shù)仍在下降趨勢,疾控機(jī)構(gòu)衛(wèi)生人員的增長速度落后于各地區(qū)人口的增長速度。這與李程洪[18]、田孝苗[19]等人的研究結(jié)果一致。近年來,隨著慢性病發(fā)生率上漲、老齡化程度加劇及新型冠狀肺炎等突發(fā)性公共衛(wèi)生事件的頻發(fā),社會對公共衛(wèi)生服務(wù)的需求在不斷增加[20],疾控機(jī)構(gòu)作為公共衛(wèi)生服務(wù)的重要提供者,衛(wèi)生人力不足直接影響其服務(wù)提供能力,供不應(yīng)需。因此未來工作中, 相關(guān)部門要重點(diǎn)關(guān)注疾控機(jī)構(gòu)的人員配置,通過政策支持合理安排編制、完善的人才引進(jìn)機(jī)制、良好的人才發(fā)展環(huán)境增強(qiáng)對于外部人才的吸引力,保證數(shù)量上的滿足。
研究發(fā)現(xiàn),我國疾控機(jī)構(gòu)衛(wèi)生人力具有顯著的空間正相關(guān)性,且在2009~2019年全局莫蘭指數(shù)呈波動下降趨勢,說明衛(wèi)生人力的空間集聚性開始下降,地區(qū)的差異有所縮小,但是空間總體分布格局并未發(fā)生較大變化,2009~2019年,西北地區(qū)的疾控機(jī)構(gòu)衛(wèi)生人力一直處在熱點(diǎn)區(qū)域。一是因?yàn)槲鞑康貐^(qū)的人口密度相較于中西部地區(qū)低,人口稀疏;二是2009年之后,醫(yī)藥衛(wèi)生體制改革影響,國家政策向西部地區(qū)等欠發(fā)達(dá)地區(qū)傾斜,大力支持西部地區(qū)的衛(wèi)生人才隊(duì)伍建設(shè)[18];三是流動人口影響,國家對于衛(wèi)生人力的配置更傾向于依據(jù)人口因素進(jìn)行配置,且實(shí)際上是按照戶籍人口進(jìn)行配置[10],但對于東部等發(fā)達(dá)地區(qū),流動人口較大,常住人口遠(yuǎn)多于戶籍人口,即導(dǎo)致了東部地區(qū)千人口衛(wèi)生人員數(shù)較為落后的現(xiàn)象。
因此,緊抓國家大力進(jìn)行公共衛(wèi)生體系建設(shè)的政策導(dǎo)向,同時疾控機(jī)構(gòu)衛(wèi)生人力空間顯著集聚的特點(diǎn)提示,不僅僅要依靠政府的經(jīng)濟(jì)支持、轉(zhuǎn)移支付等手段對單個地區(qū)進(jìn)行發(fā)展,要聯(lián)合區(qū)域發(fā)展,尤其是要關(guān)注在密集區(qū)域的個別地區(qū),避免馬太效應(yīng)的產(chǎn)生,整合地區(qū)之間的碎片化資源,促進(jìn)區(qū)域聯(lián)動,以地區(qū)間人才的有序流動來滿足疾控人力發(fā)展的需求。
研究發(fā)現(xiàn),疾控機(jī)構(gòu)衛(wèi)生人力配置具有一定的空間溢出效應(yīng)。因此地區(qū)疾控人力配置不僅受當(dāng)?shù)匕l(fā)展的影響,還會因相鄰地區(qū)的發(fā)展而有所影響。疾控機(jī)構(gòu)人力資源配置不足一是缺乏吸引力,不足以吸引外部人才,二是內(nèi)部人才流失嚴(yán)重,人員穩(wěn)定性不足[21]。結(jié)果顯示,經(jīng)濟(jì)發(fā)展水平、城鎮(zhèn)化程度及行業(yè)工資水平是影響疾控機(jī)構(gòu)人力配置的重要因素。因此在人員配置上,要在穩(wěn)定內(nèi)部人才的基礎(chǔ)上加大外部人才的吸引,這就需要地區(qū)經(jīng)濟(jì)發(fā)展水平和衛(wèi)生行業(yè)均衡協(xié)同發(fā)展,地區(qū)的經(jīng)濟(jì)發(fā)展水平提高會吸引人才前往發(fā)展,但衛(wèi)生行業(yè)的發(fā)展前景才會促使人才產(chǎn)生職業(yè)認(rèn)同感,提高人才穩(wěn)定性。各地區(qū)都應(yīng)遵循這一發(fā)展原則,在提高地區(qū)經(jīng)濟(jì)的同時,提高衛(wèi)生行業(yè)的收入水平,靈活化獎酬等激勵機(jī)制穩(wěn)定人才,同時平衡與相鄰地區(qū)之間的發(fā)展差異,進(jìn)行優(yōu)劣勢橫向比較,彌補(bǔ)劣勢,發(fā)展優(yōu)勢,吸引外部人才。