我国居民医疗消费空间相关性研究

摘 要：新世纪以来，消费对于经济增长的重要性得到了大家的重视，以前经济的增长主要靠投资，出口拉动，消费反而不被重视。随着国际经济的衰落，投资，出口带来的拉动已经难再持续。消费作为社会再生产循环的关键，对于经济增长尤为重要，近年来，消费问题一直是经济学热议的论点，吸引了国内外大批学者进行研究，但是有关区域消费的问题上，研究者经常不考虑消费的空间异质性因素，特别是在研究一个大的区域内的消费问题时，由于各地区经济特征存在较大差异，产业结构，资源禀赋，知识创新，技术水平都存在不同，空间异质性往往存在。空间异质性对于消费研究的结果有很大影响。据此，以我国各省居民医疗消费需求为研究对象，采用空间数据分析方法对我国各省居民医疗消费空间相关性和空间分布进行测度，看看我国各省居民医疗消费是否存在空间相关性，为以后有关该领域的研究提出一个新思路。

关键词：医疗服务消费；空间相关性

中图分类号：D9

文献标识码：A

doi：10.19311/ki.1672-3198.2016.08.070

1 引言

当前，我国提倡构建和谐社会，强调公平是构建社会主义和谐的必要条件，卫生服务是最基本的民生问题，是社会公平的体现之一，是构建和谐社会的重要途径。医疗资源不同于其他资源，根据公平原则，每个人都应该有机会得到相应的医疗服务，而不应该受到地域，收入水平，种族等因素的影响。但是事实上，我国的医疗资源配置存在着很严重的不均问题，由于我国幅员辽阔，经济发展差异很大，各省之间对于医疗资源的投入也有很大差距，随着中国经济现代化的不断发展，我国有能力实施更加具有针对性的卫生政策，应该能够根据不同地区的不同情况制定不同的医疗卫生政策。各省人均医疗开支的消费情况可以很大程度反映我国医疗资源的配置不均情况，目前国内学者对于该医疗服务消费的研究主要集中于对医疗消费需求的影响因素的考察方面，以考察各种人口学变量指标和医保方面等对于个人医疗需求的促进或者抑制作用，而极少有学者考虑我们宏观地区变量的影响，也就是我们医疗消费需求的空间地区因素方面的影响，也就是医疗消费需求也存在空间上的相关性。我国省市众多，经济发展地区差异明显，对医疗消费开支也有很大的影响，到底我们医疗消费需求呈现出怎样的一种空间相关性和影响，国内目前鲜少有类似研究，作者希望通过自己的研究来为中央以及地方的政府的决策部门提供决策依据。

2 相关定义和文献综述

传统的理论中，数据一般都是独立观测值，但是在现实世界中，独立观测值并不是普遍存在的，地区之间的经济地理行为之间一般都存在一定程度的空间效应，正如著名的Tobler（1970）地理学第一定律所说，“任何事物之间均相关，而离得较近事物总比离得较远的事物相关性要高”，他认为空间上距离相近的两个事物的状态时相互关联的而非独立。而这种非独立可以用空间效应来衡量，根据Anselin（1989）给出的理论，空间效应一般可以分为相关性（相关性）和空间异质性。空间相关性是指研究主题存在空间上的交互作用，从而生成一种截面依赖性，主要表现为服从特定空间分布随机变量之间的相关程度，比如区域经济要素的流动，技术的外部性，创新的溢出都能产生这种交互影响，空间相关不仅意味着空间上的观测值缺乏独立性，而且意味着潜在于这种空间相关中的数据结构，也就是说空间相关的强度及模式由绝对位置（格局）和相对位置（距离）共同决定。吴玉鸣等（2006）指出：“我国幅员辽阔，各地区地区经济特征各不相同，在资源禀赋、产业结构、知识创新、技术水平等各方面均存在差异，地区间的空间异质性非常明显，空间效应对于地区城乡居民消费行为的影响作用不容忽视”。

为了衡量空间效应，进行空间计量分析，必须构造空间权重矩阵，空间权重矩阵是衡量空间效应的方法之一，在构造空间权重矩阵时一般遵循一个基本原则――距离衰减原则，其原则基于空间地理学原则，即空间上两个点的空间距离越近，空间关系越密切。空间权重矩阵有很多种，其构造原则的不同直接导致计量结果的不一样，影响结果的准确性，在研究问题之前，应该先经过筛选选择最为合适的构造空间权重矩阵方法。

3 数据和公式

构建好空间权重矩阵后，在使用空间计量方法前，首先要考察数据是否存在空间相关性，如果不存在，使用传统的计量方法就可以，如果存在，则要使用空间计量方法。“空间自相关”可以简单的理解为位置相近的地域之间具有相似性，也就是比较的变量之间存在相似的取值。如果高值和高值集聚，低值和低值集聚，则存在“正”的空间自相关，如果高值和低值集聚，则为“负”的空间自相关，这种情况较为少见。如果高值和低值完全随机分布，则不存在空间自相关。空间相关性的大小和模式取决于比较区域样本的相对位置。空间计量经济学中对于空间相关性的衡量于检验方法较多，例如Moran’s I指数，Geary’s指数，Getis指数如其中最为常见的是莫兰指数（Moran’s I）。

如果该研究区域内有n个研究单位，第i个单位上的观测值记为yi，观测变量在n个单位中的均值记为，全局定义为如下：

其中n为研究空间内区域单位个数，

S2=1nni=1（yi-）2，=1nni=1yi，

yi表示空间区域内第i个区域的观测值，Wij是我们之前根据空间效应设置的空间权重矩阵，全局Moran’s I值服从正态分布。式中分子类似于方差，其中它是一个协方差，空间权重矩阵和后面项式的乘积相当于项式对相邻的单元进行计算，于是Moran’s I的值的大小取决于i和j区域单元中变量值对于均值的偏离符号，若是相邻的位置上，yi和yj同号，则Moran’s I为正，若yi和yj是异号，则Moran’s I为负号。从而我们就可以用Moran’s I来衡量空间单位存在的相关性大小。Moran’s I可以理解为观测值和它的空间滞后的相关系数。Moran’s I的取值在-1和1之间，若Moran’s I大于0，则表示观测单元之间是空间上集聚的，若Moran’s I小于0，表示观测单元之间是空间上分散的，如果观测单元在空间上没有一定的空间联系，是随机分布，则Moran’s I应该为0，空间上越是集聚或者分散，Moran’s I应该更接近1或者-1。同样，在计算的过程时，该值也会有对应的显著系数p，通过p值我们可以来判断观测单元空间上的集聚或分散时候在统计意义上显著。

本文数据来自于国内权威的中国卫生统计年鉴，选取我们31个省居民医疗消费开支数据，保证研究数据说明能力，数据年份从2003年到2013年，由于我国独特的城乡二元结构，我国各省居民医疗消费可进行城乡划分。在研究我国居民医疗消费收敛中由于要考虑外部变量，故将人均收入等因素收录其中，本文地图信息来自国家基础地理信息系统，下载shp格式文件，其中包括shp，shx，dbf文件，依次保存了我国地图信息中标识码，地理坐标，经纬度，投影等信息。本文考虑空间效应的时候使用最普遍的rook法和k-Nearest Distance法来构建一阶空间权重。

两种方法建立空间权重后得到的结果依次如表1。

Rook法下2003-2014我国居民人均医疗消费全局Moran’s I值。

以上就是rook法空间权重矩阵得到的从2003年到2014年间我国居民人均医疗消费全局相关性结果，即全局Moran’s I值，每一年的数据都通过了检验，且数据的可信度在上升，因为数据的显著性越来越强，故我们在研究我国人均医疗消费问题的同时不能忽略数据间存在的空间相关性。我们可以很明显的看出整体上从2003年到2014年全局Moran’s I数值是增大了，虽然中间在2004年到2007年和2009到2010年间有走低趋势，但是低点并没有低于初期2003年的水平，随后后面年份还是出现了趋势的反转。整个研究区间上看，从2003年全局Moran’s I为0.2133到2013，2014年全局Moran’s I为0.41左右，全局Moran’s I数值的增大明显，说明我国31个省，直辖市之间人均医疗消费空间依赖程度逐步上升，空间相关性不断增强，且这种相关性为正相关性。

k-Nearest Distance法下2003-2014我国居民人均医疗消费全局Moran’s I值。

根据不同的研究条件可以建立不同的空间权重矩阵从而全局相关性Moran’s I也有所不同，我们再次建立k-Nearest Distance（默认4个最近邻居）法生成的空间权重矩阵，下面是k-Nearest Distance法建立空间权重矩阵下全局Moran’s I，如表2。

以上就是k-Nearest Distance法空间权重矩阵得到的从2003年到2014年间我国居民人均医疗消费全局相关性结果，即全局Moran’s I值，数值的大小也是基本上逐年增大，但是不想rook所有数值都通过显著性检验，这种方法下2003，2005，2006年Moran’s 值没有通过显著性检验，但是从2007后Moran’s I值都通过了显著性检验，且显著性水平越来越好，通过这种空间权重矩阵得出的结果也证明了我国各省，直辖市人均医疗消费是存在空间上的相关性的。我们可以看出和rook法相似的趋势走向，全局Moran’s I值从期初2003年的0.1上升到2014年的0.4，全局Moran’s I值增长明显，表明说明我国31个省，直辖市之间人均医疗消费空间依赖程度逐步上升，空间正相关性不断增强。

4 结论与政策含义

从上面的分析中可以看出，在研究的时间范围内，我国各省，直辖市人均医疗消费是存在空间上的相关性的，数据存在很强的关联性，故以后我们在研究我国医疗消费问题时，特别是分省域或者地区分析时，其中数据之间存在的相关性也要多考虑，在结果我们看出相关性在增强，证明我国各省，直辖市之间平均医疗消费水平存在高速增长区和低速增长区，这样不利于减少地区医疗消费差异，不利于医疗资源分配的公平性。各地区应根据情况制定相应的政策防止过高的空间相关性影响医疗资源的分配公平性。

参考文献

[1]Tobler W.A computer movie including urban growth in the detroit region[J].Economic geography，1970，46（2）：234-240.

[2]Anselin L.What is special about spatial data？Alternative perspectives on spatial data analy sis[R].Santa Barbara：National Center for Geographic information and analysis technical report，1989：89-93.

[3]吴玉鸣.中国省域经济增长趋同的空间计量经济分析[J].数量经济与技术经济研究，2006，（12）：101-108.