黃 菊 莊 寧 代 濤 張 璐

1.中國醫(yī)學(xué)科學(xué)院醫(yī)學(xué)信息研究所/衛(wèi)生政策與管理研究中心 北京 100020 2.國家衛(wèi)生和計劃生育委員會 北京 100044

?

·衛(wèi)生服務(wù)體系·

我國衛(wèi)生區(qū)域劃分研究

黃 菊1*莊 寧2代 濤1張 璐1

1.中國醫(yī)學(xué)科學(xué)院醫(yī)學(xué)信息研究所/衛(wèi)生政策與管理研究中心 北京 100020 2.國家衛(wèi)生和計劃生育委員會 北京 100044

目的：我國不同地區(qū)衛(wèi)生資源發(fā)展不平衡，制定區(qū)域衛(wèi)生規(guī)劃要綜合考慮不同地區(qū)的經(jīng)濟、社會、人口、健康等方面的狀況。方法：利用統(tǒng)計年鑒數(shù)據(jù)，考慮經(jīng)濟、社會、人口、健康等因素，分別通過主成分分析和因子分析方法計算不同地區(qū)的綜合得分，然后對綜合得分進行聚類分析。結(jié)果：主成分分析綜合得分和因子分析綜合得分的聚類分析將全國以省(自治區(qū)、直轄市)為單元劃分為6類地區(qū)，兩種分析方法的分類結(jié)果類似。結(jié)論：將全國衛(wèi)生區(qū)域分為六類，第一類地區(qū)：上海市、北京市；第二類地區(qū)：天津市；第三類地區(qū)：江蘇省、浙江省、廣東?。坏谒念惖貐^(qū)：遼寧省、山東省、福建省、內(nèi)蒙古自治區(qū)、吉林省、重慶市、陜西省、湖北省、黑龍江省、山西省、河南省、湖南省、河北省、海南省、四川省、江西省、安徽?。坏谖孱惖貐^(qū)為：廣西壯族自治區(qū)、寧夏回族自治區(qū)、新疆維吾爾自治區(qū)、甘肅省、青海省、貴州省、云南?。坏诹惖貐^(qū)為：西藏自治區(qū)。分類結(jié)果基本符合中國31個省(自治區(qū)、直轄市)的衛(wèi)生發(fā)展實際。

衛(wèi)生區(qū)域； 主成分分析； 因子分析； 聚類分析

優(yōu)化醫(yī)療衛(wèi)生服務(wù)體系的資源配置，需要根據(jù)不同地區(qū)的發(fā)展制定有針對性的策略。我國各地衛(wèi)生資源發(fā)展不平衡，根據(jù)《2014年中國衛(wèi)生和計劃生育統(tǒng)計年鑒》，2013年山東省800張床位以上的醫(yī)院數(shù)量全國最多，達106家，而青海、寧夏、海南僅有4家；北京市2013年千人口執(zhí)業(yè)(助理)醫(yī)師數(shù)5.85人，而貴州僅為1.31人。[1]我國東中西部經(jīng)濟社會發(fā)展差距較大，進一步加劇了醫(yī)療衛(wèi)生資源配置的不平衡，影響居民公平享有醫(yī)療衛(wèi)生服務(wù)的基本權(quán)益。合理劃分衛(wèi)生區(qū)域，有利于準(zhǔn)確把握不同地區(qū)醫(yī)療衛(wèi)生資源配置規(guī)律，找準(zhǔn)薄弱環(huán)節(jié)，對區(qū)域衛(wèi)生發(fā)展給予政策調(diào)控，具有一定的現(xiàn)實意義。

這些年來，一些學(xué)者研究了中國的經(jīng)濟區(qū)域劃分。[2-4]1985年，區(qū)域經(jīng)濟學(xué)家陳棟生將我國經(jīng)濟地帶劃分為“六大經(jīng)濟區(qū)”，即東北、黃河流域、長江流域、南方、新疆、西藏六大經(jīng)濟區(qū)。20世紀(jì)80年代末到90年代初，經(jīng)濟學(xué)家劉再興根據(jù)全國生產(chǎn)力總體布局提出把全國劃分為六個一級經(jīng)濟區(qū)：東北區(qū)，黃河中下游區(qū)，長江中下游區(qū)，東南沿海區(qū)，西南區(qū)，西北區(qū)。2006年6月，國務(wù)院發(fā)展研究中心發(fā)布的《地區(qū)協(xié)調(diào)發(fā)展的戰(zhàn)略和政策》報告提出新的綜合經(jīng)濟區(qū)域劃分設(shè)想，把中國內(nèi)地劃分為八大綜合經(jīng)濟區(qū)域。然而，在醫(yī)療衛(wèi)生資源配置領(lǐng)域，學(xué)者主要針對局部地區(qū)進行衛(wèi)生資源配置的區(qū)域劃分，較少對全國衛(wèi)生資源配置的區(qū)域劃分開展研究，且很少綜合考慮經(jīng)濟、人口、社會、健康等因素進行衛(wèi)生區(qū)域劃分研究。[5-7]本文將系統(tǒng)考慮經(jīng)濟、人口、社會、健康等因素，利用主成分分析及因子分析等方法對我國31個省(自治區(qū)、直轄市)進行衛(wèi)生區(qū)域劃分。

1 資料與方法

1.1 資料來源

本研究數(shù)據(jù)來源自《2014年中國統(tǒng)計年鑒》及《2014年中國衛(wèi)生和計劃生育統(tǒng)計年鑒》。為合理劃分衛(wèi)生區(qū)域，研究綜合考慮不同地區(qū)經(jīng)濟、社會、人口、健康及衛(wèi)生資源狀況，全面收集了2013年全國31個省(自治區(qū)、直轄市)的經(jīng)濟、社會、人口、健康四個方面相關(guān)指標(biāo)。經(jīng)濟指標(biāo)主要包括：人均GDP、人均財政收入與支出、人均衛(wèi)生支出、城鎮(zhèn)居民人均可支配收入、農(nóng)村居民人均可支配收入；社會發(fā)展指標(biāo)主要包括：城市人口密度、城鎮(zhèn)化率、15歲以上人口文盲率等；人口指標(biāo)主要包括：常住人口數(shù)、城鎮(zhèn)人口數(shù)、農(nóng)業(yè)人口數(shù)、地區(qū)面積、性別比、65歲以上人口比例、出生率等；居民健康狀況指標(biāo)主要包括：平均期望壽命、嬰兒死亡率、5歲以下兒童死亡率等；衛(wèi)生資源狀況指標(biāo)主要包括：醫(yī)院數(shù)、基層醫(yī)療衛(wèi)生機構(gòu)數(shù)、衛(wèi)生技術(shù)人員數(shù)、執(zhí)業(yè)(助理)醫(yī)師數(shù)等。

根據(jù)所篩選指標(biāo)應(yīng)與分類目標(biāo)密切相關(guān)，且具有靈敏性、代表性、實用性等原則，經(jīng)過專家咨詢最終確定12個指標(biāo)作為區(qū)域劃分的依據(jù)，分別為地區(qū)人均GDP、地區(qū)人均財政收入、城鎮(zhèn)居民可支配收入、農(nóng)村居民可支配收入、城市人口密度、城鎮(zhèn)化率、15歲以上人口文盲比例、65歲以上人口比例、期望壽命、嬰兒死亡率、千人口執(zhí)業(yè)(助理)醫(yī)師數(shù)、每萬平方公里醫(yī)院數(shù)。其中，人均GDP、地區(qū)人均財政收入可較好反映地區(qū)經(jīng)濟水平，城鎮(zhèn)居民可支配收入及農(nóng)村居民可支配收入則能較好地反映地區(qū)居民的經(jīng)濟實力；城市人口密度、城鎮(zhèn)化率、15歲以上人口文盲率能分別反映地區(qū)城市建設(shè)發(fā)展、城市化水平及教育發(fā)展情況；65歲以上人口比例主要體現(xiàn)地區(qū)老齡化水平；期望壽命可以衡量地區(qū)居民的健康水平，并且嬰兒死亡率也是反映一個地區(qū)居民健康水平及婦幼保健工作水平的重要指標(biāo)；千人口執(zhí)業(yè)(助理)醫(yī)師數(shù)體現(xiàn)地區(qū)衛(wèi)生人力資源配置，每萬平方公里醫(yī)院數(shù)反映地區(qū)醫(yī)院配置，以上兩個指標(biāo)能較好體現(xiàn)地區(qū)衛(wèi)生人力和物力資源的配置情況。

1.2 分析方法

通過主成分分析及因子分析法構(gòu)建綜合指標(biāo)，根據(jù)得到的客觀賦權(quán)綜合指標(biāo)運用聚類分析定量區(qū)分不同類別地區(qū)。主成分分析是數(shù)學(xué)上的一種降維方法，基本思想是設(shè)法將原來眾多具有一定相關(guān)性的指標(biāo)，重新組合成一組新的相互無關(guān)的綜合指標(biāo)來代替原來指標(biāo)，同時根據(jù)需要從中選取幾個較少的綜合指標(biāo)盡可能多地反映原來指標(biāo)的信息。[8]相比之下，因子分析是用少數(shù)幾個因子描述多個變量之間的關(guān)系，被描述的變量是可以觀測的隨機變量，而因子是不可觀測的潛在變量。[9]在獲得主成分及因子綜合得分的基礎(chǔ)上，利用聚類分析根據(jù)綜合得分將不同地區(qū)進行分類，最后再對因子分析和主成分分析聚類結(jié)果進行比較驗證。為保證所有指標(biāo)具有正向關(guān)系，對15歲以上人口文盲比例及嬰兒死亡率進行指標(biāo)變換，分別轉(zhuǎn)變?yōu)?5歲以上人口非文盲比例，嬰兒死亡率的倒數(shù)。之后，再將這些變量進行標(biāo)準(zhǔn)化，標(biāo)準(zhǔn)化后所有變量的均值為0，方差為1。使用SPSS軟件進行主成分分析、因子分析和聚類分析。[10-12]

2 結(jié)果

2.1 各省(自治區(qū)、直轄市)基本情況

以2013年我國31個省(自治區(qū)、直轄市)的數(shù)據(jù)進行比較(表1)：經(jīng)濟狀況方面，北京、上海均具有較高水平，而云南、甘肅、貴州等地水平較低，不同地區(qū)差異較大。社會發(fā)展方面，2013年我國城市密度最大的地區(qū)是陜西和河南，城市每平方公里的人口數(shù)約為5000；城市人口密度最小的地區(qū)為內(nèi)蒙古，城市每平方公里的人口數(shù)約為1 059；經(jīng)濟較好地區(qū)的城鎮(zhèn)化率較高，上海的城鎮(zhèn)化率達到89.61%，其次是北京為86.2%，西藏最低僅為22.8%；全國僅西藏、青海和貴州三地的15歲以上人口文盲比例高于10%，其中西藏為41.19%，北京最低為1.52%，說明我國居民受教育程度差異較大。人口狀況，以地區(qū)65歲人口比例超過7%為老齡化社會的標(biāo)準(zhǔn)來看，2013年我國29個省(自治區(qū)、直轄市)的65歲以上人口數(shù)均超過了7%，重慶市的比例最高達到13.25%，西藏最低為5.17%。在居民健康方面，北京、上海的期望壽命最高，2010年分別達到80.18歲和80.26歲，西藏最低，為68.17歲；北京的嬰兒死亡率最低，為2.52‰，西藏的嬰兒死亡率最高，為19.97‰。在衛(wèi)生資源配置方面，北京的衛(wèi)生資源配置較豐富，其千人口執(zhí)業(yè)(助理)醫(yī)生數(shù)達到5.58人，每萬平方公里的醫(yī)院數(shù)達363家，而貴州的千人口執(zhí)業(yè)(助理)醫(yī)生數(shù)最低，僅為1.31人，西藏每萬平方公里的醫(yī)院數(shù)最少，僅為1家?？傮w來看，上海、北京等地區(qū)經(jīng)濟狀況、社會發(fā)展、人口健康、衛(wèi)生資源等均發(fā)展較好，而西藏、甘肅、貴州等地則較差。

表1 2013年不同地區(qū)經(jīng)濟社會衛(wèi)生狀況指標(biāo)

注：數(shù)據(jù)來源自《2014年中國統(tǒng)計年鑒》及《2014年中國衛(wèi)生和計劃生育統(tǒng)計年鑒》。

2.2 地區(qū)分類結(jié)果

2.2.1 地區(qū)主成分分析綜合得分

對上述指標(biāo)進行主成分分析，得到特征值及解釋方差比例(表2)。第一主成分特征值為7.69，能夠解釋所有指標(biāo)64.09%的變異；第二主成分特征值為1.58，可解釋13.16%的變異；第三主成分特征值為1.00，能解釋8.33%的變異。三個主成分累計解釋方差比例達到85.58%，選擇前三個主成分計算各個地區(qū)的主成分得分。

表2 主成分特征值和貢獻率

主成分是原始變量的線性組合，主成分載荷矩陣中的每一列代表了一個主成分作為原始變量經(jīng)標(biāo)準(zhǔn)化后得到的新變量的線性組合的相關(guān)系數(shù)。相關(guān)系數(shù)的絕對值越大，表明該主成分對相應(yīng)變量的代表性越大。第一主成分與人均GDP、人均財政收入、城鎮(zhèn)居民可支配收入、農(nóng)村居民可支配收入、城鎮(zhèn)化率、期望壽命、嬰兒死亡率(倒數(shù))、千人口執(zhí)業(yè)(助理)醫(yī)師數(shù)、每萬平方公里醫(yī)院數(shù)的相關(guān)性較強，對經(jīng)濟、健康、衛(wèi)生資源指標(biāo)的解釋充分，該主成分可以作為評價地區(qū)經(jīng)濟、健康及衛(wèi)生資源配置水平的指標(biāo)。第二主成分與65歲以上人口比例、15歲以上非文盲比例有較高相關(guān)性，可認為是代表人口及教育發(fā)展情況。第三主成分主要與城市人口密度的相關(guān)性較強，代表著城市建設(shè)發(fā)展情況。

表3 主成分載荷矩陣

根據(jù)特征向量，計算2013年各地區(qū)的主成分綜合得分(表4)，其中上海得分最高，為4.92，其次是北京，為4.69，西藏最低，為-3.64分。

2.2.2 地區(qū)因子分析綜合得分

利用SPSS軟件對上述指標(biāo)進行因子分析，得到特征值及貢獻率(表5)。初始因子解釋方差與主成分分析結(jié)果相同，因子旋轉(zhuǎn)后四個公因子的特征值均大于1，第一公因子特征值為6.73，方差貢獻率為56.12%；第二公因子方差貢獻率為14.80%，第三公因子方差貢獻率為10.57%，第四公因子為9.09%；累計貢獻率達到90.58%。因子旋轉(zhuǎn)后，公因子方差貢獻發(fā)生了變化，但四個公共因子總信息量未發(fā)生改變。

表4 地區(qū)主成分分析綜合得分

表5 因子分析特征值和貢獻率

表6 因子載荷矩陣

對四個公因子進行解釋。從表6可以看出，第一因子主要解釋人均GDP、人均財政收入、城鎮(zhèn)居民可支配收入、農(nóng)村居民可支配收入、城鎮(zhèn)化率、期望壽命、嬰兒死亡率、千人口執(zhí)業(yè)(助理)醫(yī)師數(shù)、每萬平方公里醫(yī)院數(shù)，是地區(qū)經(jīng)濟、健康及衛(wèi)生資源因子；第二因子主要解釋15歲以上人口非文盲比例，是地區(qū)教育發(fā)展因子；第三因子主要解釋65歲以上人口比例，是地區(qū)人口老齡化因子；第四因子主要解釋城市人口密度，是地區(qū)城市發(fā)展因子。

為了對這些地區(qū)的整體狀況進行綜合評價，計算不同地區(qū)的各公因子的得分，以各公因子的貢獻率為權(quán)數(shù)乘以不同地區(qū)相應(yīng)因子得分，并通過求和得到不同地區(qū)因子綜合得分。由表7可以看出，上海因子得分最高，為1.91，其次是北京，為1.58，西藏得分最低，為-0.87。各地區(qū)因子綜合得分排名與主成分綜合得分排名不完全一樣，但總體上，因子得分排名與主成分得分類似。

2.2.3 聚類分析結(jié)果

聚類是按照某個特定標(biāo)準(zhǔn)(一般為距離準(zhǔn)則)把一個數(shù)據(jù)集分割成不同的類或簇，使在同一簇內(nèi)的數(shù)據(jù)對象的相似性盡可能大，同時不在同一簇中的數(shù)據(jù)對象差異性盡可能大，即聚類后同一類別的數(shù)據(jù)盡可能的聚集在一起，而不同類的數(shù)據(jù)盡量分離。通過對不同地區(qū)的主成分及因子綜合得分數(shù)據(jù)進行聚類分析，得到聚類樹狀圖(圖1)。

表7 地區(qū)因子綜合得分

圖1 地區(qū)主成分及因子綜合得分的聚類樹狀圖

按主成分綜合得分聚類樹狀圖如圖1左側(cè)，可將各地分為6個區(qū)域：第一類地區(qū)為上海市、北京市；第二類地區(qū)為天津市；第三類地區(qū)為江蘇省、浙江?。坏谒念惖貐^(qū)為廣東省、遼寧省、山東省、福建省、內(nèi)蒙古自治區(qū)、吉林省、重慶市、陜西省、湖北省、黑龍江省、山西省、河南省、湖南省、河北省、海南省、四川省、江西省、安徽省、廣西壯族自治區(qū)、寧夏回族自治區(qū)、新疆維吾爾自治區(qū)；第五類地區(qū)為貴州省、青海省、云南省、甘肅??；第六類地區(qū)為西藏自治區(qū)。

按因子綜合得分聚類樹狀圖如圖1右側(cè)，總體可分為6個區(qū)域。第一類地區(qū)為上海市、北京市；第二類地區(qū)為天津市；第三類地區(qū)為江蘇省、浙江?。坏谒念惖貐^(qū)為廣東省、安徽省、海南省、新疆維吾爾自治區(qū)、湖南省、湖北省、河北省、內(nèi)蒙古自治區(qū)、重慶市、四川省、山西省、吉林省、江西省、陜西省、遼寧省、河南省、山東省、福建省、黑龍江省、廣西壯族自治區(qū)、寧夏回族自治區(qū)；第五類地區(qū)為貴州省、青海省、云南省、甘肅??；第六類地區(qū)為西藏自治區(qū)(表8)。

表8 主成分與因子分析劃分區(qū)域比較

3 討論

3.1 關(guān)于分析指標(biāo)

本文利用2013年全國31個省(自治區(qū)、直轄市)的經(jīng)濟、人口、社會、居民健康、衛(wèi)生資源等方面的指標(biāo)，通過主成分分析及因子分析法分別構(gòu)建地區(qū)綜合指標(biāo)，再根據(jù)得到的客觀綜合指標(biāo)，利用聚類分析定量劃分各類衛(wèi)生區(qū)域。其中，人均GDP、地區(qū)人均財政總收入、城鎮(zhèn)居民人均可支配收入、鄉(xiāng)村居民年人均純收入能很好地反映地區(qū)經(jīng)濟狀況；城鎮(zhèn)化率、人口密度、15歲以上人口文盲比例能較好的代表地區(qū)社會發(fā)展?fàn)顩r。關(guān)于衛(wèi)生指標(biāo)的選擇，本研究主要介紹衛(wèi)生區(qū)域劃分方法，目的是為衛(wèi)生資源配置提供依據(jù)，各地衛(wèi)生服務(wù)需求指標(biāo)應(yīng)納入分類指標(biāo)之中，即2013年各地居民兩周患病率，但該指標(biāo)不可獲得，難以納入分類指標(biāo)體系之中，因此本研究主要通過居民健康狀況來間接反映衛(wèi)生服務(wù)需求因素。從分析結(jié)果看，地區(qū)65歲以上人口比例、期望壽命、嬰兒死亡率可以較好反映地區(qū)的健康狀況，千人口醫(yī)師數(shù)及每萬平方公里公立醫(yī)院數(shù)可以反映衛(wèi)生資源配置狀況，這些指標(biāo)基本能夠滿足研究需求。利用這些指標(biāo)構(gòu)建綜合指標(biāo)體系可以較好反映不同地區(qū)的經(jīng)濟、社會、人口健康及衛(wèi)生發(fā)展?fàn)顩r。

3.2 關(guān)于分析方法

研究使用兩種分析方法，對我國31個省(自治區(qū)、直轄市)進行衛(wèi)生資源配置的區(qū)域劃分。從結(jié)果看，按照主成分和因子分析綜合得分進行的區(qū)域劃分結(jié)果相似(表8)；不同之處是，在主成分綜合得分中，聚類分析將廣東省、廣西壯族自治區(qū)、寧夏回族自治區(qū)的歸為第四類地區(qū)，而在因子綜合得分中，將廣東省分為第三類地區(qū)，將廣西壯族自治區(qū)、寧夏回族自治區(qū)分為第五類地區(qū)。其中，廣東省的主成分綜合得分為1.08，相鄰兩省的主成分綜合得分分別為浙江省1.83，遼寧省0.77。雖然廣東省得分與遼寧省更接近，但廣東省得分高于1分，遠高于第四組內(nèi)其他省的得分。因此結(jié)合因子得分聚類分析結(jié)果，廣東省歸為第三類地區(qū)更為合理。同樣，對于廣西壯族自治區(qū)、寧夏回族自治區(qū)，兩者的主成分綜合得分分別為-0.96(約等于-1)和-1.17，與第五類地區(qū)的得分更近似，應(yīng)將其歸為第五類地區(qū)，與因子綜合得分聚類結(jié)果一致。此外，新疆維吾爾自治區(qū)的主成分綜合得分及因子綜合得分分別為-1.22分和-0.29分，在主成分綜合得分中，其與寧夏回族自治區(qū)得分更接近，應(yīng)屬于第五類地區(qū)；在因子得分中，其與海南省得分更接近，應(yīng)屬于第四類地區(qū)。但由于新疆維吾爾自治區(qū)屬于經(jīng)濟發(fā)展極不平衡、人口密度較小、衛(wèi)生資源配置較不足的地區(qū)，因此更適宜歸為第五類地區(qū)?？偟膩砜?，兩種分析方法得到的地區(qū)綜合得分的分類結(jié)果類似，主成分分析和因子分析方法獲得的分類結(jié)果相互驗證，可以較好地反映各地衛(wèi)生區(qū)域綜合劃分情況排名。

衛(wèi)生區(qū)域劃分是一個動態(tài)的分析方法，隨著各地的發(fā)展，衛(wèi)生區(qū)域劃分也將隨之變化。采取這種方法可以動態(tài)地調(diào)整我國衛(wèi)生區(qū)域劃分，合理規(guī)劃地區(qū)衛(wèi)生資源。與以往采用相對簡單的中東西衛(wèi)生區(qū)域分類方法相比，本研究的衛(wèi)生區(qū)域分類研究更細化，可以更好的體現(xiàn)不同地區(qū)經(jīng)濟、社會、人口、健康狀況的差異，更適合作為衛(wèi)生資源配置的區(qū)域分類方法。

3.3 關(guān)于衛(wèi)生區(qū)域劃分的結(jié)果與應(yīng)用

我國幅員遼闊，地區(qū)之間經(jīng)濟社會發(fā)展不平衡，區(qū)域醫(yī)療衛(wèi)生發(fā)展水平差距較大，影響居民公平享有基本醫(yī)療衛(wèi)生服務(wù)。有必要構(gòu)建科學(xué)合理的中國衛(wèi)生區(qū)域劃分體系，因地制宜規(guī)劃區(qū)域衛(wèi)生資源的配置及政府投入政策。

綜合應(yīng)用兩種分析方法的分類結(jié)果，按照經(jīng)濟、社會、人口、健康和衛(wèi)生資源等發(fā)展水平和狀況將我國31個省(自治區(qū)、直轄市)分為六個衛(wèi)生區(qū)域。第一類地區(qū)屬于經(jīng)濟發(fā)達、人口密度大、健康水平較高、衛(wèi)生資源豐富的地區(qū)，包括上海市、北京市。第二類地區(qū)屬于經(jīng)濟發(fā)達、人口密度一般、健康水平較高、衛(wèi)生資源比較豐富的地區(qū)，為天津市。第三類地區(qū)屬于經(jīng)濟較發(fā)達、人口密度較大、健康水平較高、衛(wèi)生資源較豐富的地區(qū)，包括江蘇省、浙江省、廣東省。第四類地區(qū)屬于經(jīng)濟發(fā)展中等、人口密度較大、健康水平一般、衛(wèi)生資源配置總體尚可的地區(qū)，包括山東省、福建省、遼寧省、重慶市、陜西省、內(nèi)蒙古自治區(qū)、吉林省、湖北省、河南省、黑龍江省、湖南省、山西省、河北省、江西省、安徽省、海南省、四川省。第五類地區(qū)屬于經(jīng)濟欠發(fā)達或發(fā)展極不平衡、人口密度較小、健康水平較低、衛(wèi)生資源配置較不足的地區(qū)，包括廣西壯族自治區(qū)、寧夏回族自治區(qū)、新疆維吾爾自治區(qū)、貴州省、甘肅省、青海省、云南省。第六類地區(qū)屬于經(jīng)濟欠發(fā)達、人口密度小、健康水平低、衛(wèi)生資源配置不足的地區(qū)，為西藏自治區(qū)。

《全國醫(yī)療衛(wèi)生服務(wù)體系規(guī)劃綱要(2015—2020年)》已出臺實施，該綱要運用衛(wèi)生區(qū)域分類測算結(jié)果，綜合考慮了經(jīng)濟、社會、人口、老齡化、城鎮(zhèn)化等因素，結(jié)合床位數(shù)歷史變化趨勢，借鑒經(jīng)合組織(OECD)國家人均GDP與我國2020年水平相當(dāng)時的千人口床位數(shù)，對全國不同衛(wèi)生區(qū)域的資源配置標(biāo)準(zhǔn)進行測算，最終提出了到2020年我國每千常住人口醫(yī)療衛(wèi)生機構(gòu)床位數(shù)配置標(biāo)準(zhǔn)。[13]衛(wèi)生區(qū)域分類可以更準(zhǔn)確地對不同地區(qū)衛(wèi)生發(fā)展?fàn)顩r進行定位和政策選擇，更加客觀地對不同區(qū)域的衛(wèi)生資源配置給予政策調(diào)控，為合理布局不同地區(qū)醫(yī)療衛(wèi)生資源總量和公立醫(yī)療衛(wèi)生機構(gòu)建設(shè)提供依據(jù)。

[1] 國家衛(wèi)生和計劃生育委員會. 中國衛(wèi)生和計劃生育統(tǒng)計年鑒[M]. 北京: 中國協(xié)和醫(yī)科大學(xué)出版社, 2014.

[2] 宋嶺， 魏秀麗. 中國經(jīng)濟區(qū)域劃分綜述[J]. 新疆財經(jīng),2000(2): 47-49.

[3] 金相郁. 中國區(qū)域劃分的層次聚類分析[J]. 城市規(guī)劃匯刊, 2004(2): 23-28.

[4] 劉忠穎. 中國經(jīng)濟區(qū)域劃分[D]. 沈陽： 東北師范大學(xué), 2007.

[5] 楊艷新， 買買提·牙森， 姜婷， 等. 新疆衛(wèi)生資源配置的區(qū)域分類研究[J]. 中國衛(wèi)生經(jīng)濟, 2011， 30(6): 84-85.

[6] 萬崇華， 蔡樂， 李曉梅， 等. 云南省區(qū)域衛(wèi)生規(guī)劃中區(qū)域分類標(biāo)志值的確定方法[J]. 中國衛(wèi)生統(tǒng)計, 2003(2):13-15.

[7] 張亮. 云南省衛(wèi)生資源配置區(qū)域分類指標(biāo)及方法研究[D]. 昆明： 昆明醫(yī)學(xué)院, 2003.

[8] 郭顯光. 如何用SPSS軟件進行主成分分析[J]. 統(tǒng)計與信息論壇, 1998(2): 61-65.

[9] 王芳. 主成分分析與因子分析的異同比較及應(yīng)用[J]. 統(tǒng)計教育, 2003(5): 14-17.

[10] 林海明. 如何用SPSS軟件一步算出主成分得分值[J]. 統(tǒng)計與信息論壇, 2007(5): 15-17.

[11] 周衍慶， 王有邦， 李新運. SPSS的聚類分析功能在經(jīng)濟地理分區(qū)中的應(yīng)用[J]. 棗莊師范?？茖W(xué)校學(xué)報, 2003(5): 10-15.

[12] 何亮. 主成分分析在SPSS中的應(yīng)用[J]. 山西農(nóng)業(yè)大學(xué)學(xué)報, 2007(S1): 20-22.

[13] 中國醫(yī)學(xué)科學(xué)院醫(yī)學(xué)信息研究所. 衛(wèi)生服務(wù)體系規(guī)劃與資源配置研究報告[R]. 北京, 2014.

(編輯 劉博)

Study on division of China’s health region

HUANGJu1,ZhuangNing2,DAITao1,ZHANGLu1

1.CenterforHealthPolicyandManagement,InstituteofMedicalInformation,ChineseAcademyofMedicalSciences,Beijing100020,China2.NationalHealthandFamilyPlanningCommission,Beijing100044,China

Objective: Development of health resources is extremely uneven in China. It is need to consider the situation of each region for China's health regional planning, so area classification should be in progress. Methods Considering the economic, social, population and health factors, the study conducted principal component analysis and factor analysis by statistical yearbook data to calculate the composite score for each region. Then cluster analysis was conducted. Results Principal components and factor analysis were both divided the country in to six categories. Conclusions: The study divided the country into six regions, the first class area: Shanghai, Beijing; the second class area: Tianjin; the third class area: Jiangsu, Zhejiang, Guangdong; the fifth class area: Guangxi, Ningxia, Xinjiang, Gansu, Guizhou, Yunnan, Qinghai; the sixth class area: Tibet. The rest is the forth class area.

Health region; Principal component analysis; Factor analysis; Clustering

黃菊，女(1983年—)，博士，助理研究員，主要研究方向為衛(wèi)生經(jīng)濟。E-mail：huang.ju@imicams.ac.cn

代濤。E-mail: dai.tao@imicams.ac.cn

R197

A

10.3969/j.issn.1674-2982.2015.05.001

2015-03-10

2015-05-06