中國異地就醫空間相關性與影響因素分析

關鍵詞：異地就醫，空間相關性，影響因素，地理加權回歸中圖分類號：R169.42文獻標志碼：A 文章編號：1674-9545（2025）03-0037-（07）DOI：10.19717/j. cnki. jjun. 2025.03. 007

過去幾十年，中國經濟高速增長，城鎮化加速，大量人口從農村到城市、從欠發達地區到發達地區遷徙，異地就醫成為普遍現象。大城市和經濟發達地區醫療資源優質豐富，農村和偏遠地區醫療條件簡陋、人才匱乏，難以滿足復雜疾病診療需求，促使患者異地就醫。異地就醫增加患者成本、加重家庭負擔，還造成醫療資源分配利用不合理，部分地區過度緊張、部分地區相對閑置，對醫療資源科學配置提出新挑戰[1

為方便居民享受所需求的醫療服務，我國自2016年起，在全國范圍內啟動異地就醫直接結算服務，通過國家異地就醫結算平臺實現醫保信息互聯互通，簡化報銷流程[2]。此外，各地結合實際推出相關政策，如建立區域性醫療聯盟，優化醫療資源配置，解決患者跨區域就醫問題。相關省份實現了跨省醫保直接結算[3]，降低異地就醫人員的間接醫療成本、縮短其異地往返的通勤距離和減少墊資成本等[4]

無論是醫療資源的布局優化還是跨省異地結算都需要現有跨省異地就醫研究的支撐。國內異地就醫研究起步相對國外較晚，但近年來隨著醫保全國聯網的推進，相關研究逐漸增多。學者們主要探討了異地就醫直接結算的技術實現[5-6]及患者滿意度[7-9]等。研究發現，異地就醫直接結算在一定程度上減輕了患者的經濟負擔，但仍存在政策覆蓋范圍有限、結算流程復雜及異地醫療服務質量參差不齊等問題[3]。然而，目前尚欠缺對跨省異地就醫的相關研究，難以進一步支撐醫療資源宏觀布局和有序推進跨省異地就醫結算。

本文以中國各省域異地就醫人口遷移數據為基礎，結合各省域醫療相關指標數據，借助空間格局、空間相關分析、地理探測器和地理加權回歸等空間分析方法，清晰刻畫全國異地就醫空間格局現狀，判析異地就醫的集聚特性，揭露影響異地就醫的主要因素，建立異地就醫遷移回歸模型，支撐各省對異地就醫的遷移趨勢預測。

1研究對象與方法

1.1研究對象

以我國34個省級行政區為研究區，為支持異地就醫影響因素分析，收集國家衛生健康委提供的我國各省異地就醫人口相互遷移數據和2019年各省域相關影響因子數據，如表1所示。其中社會因素指標來自《中國衛生健康統計年鑒2020》，經濟因子數據來自國家統計局[10]2019年公開的數據。

表1影響因素數據

首先，為了對異地就醫遷移數據進行空間格局和空間相關性分析，將表1中所有指標數據首先進行了歸一化處理，使后續計算方法在統一量綱下進行操作，以確保地理探測器的分層和地理加權回歸模型的建立；最后，采用自然斷點法對影響因子數據分為5層，以體現不同分層的異質性，同時確保每層中樣本的相似性。

1.2研究方法

1.2.1全局空間自相關指數全局莫蘭指數用于檢驗并定量考察研究區內目的地相同的異地就醫遷入人口和源地相同的遷出人口的空間相關性，其計算公式為：

式（1）中， x_i 為 i 單元的觀測值， n 為研究單元個數； w_ij 為行標準化的空間權重矩陣； I 值位于[-1，1]，在給定顯著性水平下（ 5% 水平），若 I 顯著為正，表明相似的觀測值呈現空間集聚分布的特征；若 I 顯著為負，表明相似的觀測值呈現空間離散分布的特征；當 I 值接近期望值- 1/（n － 1）時，則觀測值之間呈獨立隨機分布[11]

1.2.2局部空間自相關指數局部莫蘭指數是每個研究單元單獨的空間相關性指標，用于考察研究區內每個研究單元的聚類模式，可通過局部莫蘭指數定量考察每個省域遷入或遷出人次的分布特征（“高-高”“低-低”“高-低”或“低-高”分布）。局部Moran'sI統計量 I_i 的定義式為：

式（2）中， w_ij 為標準化處理的空間權重矩陣； x_i ， x_j 分別為第 i，j 個空間單元的屬性值; 為所有屬性值的平均值; n 為空間單元的總數； 為：

結合觀測單元的屬性值的統計量，可以確定可能存在的局部空間相關的類型（聚類模式）[12]1.2.3地理探測器因子探測旨在探測因變量Y的空間分異性以及探測某因子 ΔX 多大程度上解釋了屬性Y的空間分異，用 q 值度量，表達式為：

式（4）中， h 為因變量Y或因子X的分層，即分類或分區， L 為分層數量； N_h 和 N 分別為層 h 和全區的單元數； σ²_h 和 σ² 分別是層 h 和全區的 ΔY 值的方差； SSW 和 SST 分別為層內方差之和與全區總方差。 q 的取值范圍為［0，1]， q 值越大說明Y的空間分異性越明顯；如果分層是由變量X生成的， q 值越大則說明自變量 ΔX 對屬性 ΔY 的解釋力越強，反之則越弱[13] 。

1.2.4OLS和GWR模型普通最小二乘法（OLS）通過最小化誤差的平方和尋找數據的最佳函數匹配，可用于進行探索性回歸。通過對解釋變量的所有組合建立的模型進行評估，比較出最優的回歸模型。若校正可決系數（Adjusted R² ）值大于0.5，方差膨脹因子（VIF）值小于10，Jarque-Bera（JB）的 p 值大于0.1，則模型通過了JB檢驗和共線性診斷，其殘差呈正態分布，解釋變量能至少 50% 程度上解釋因變量的變化。

地理加權回歸（GWR）是在傳統的線性回歸模型上引入了地理坐標信息，可通過局部的參數體現出屬性值在不同地理位置的變化規律，其表達式為：

式（5）中， y_i 是區域 i 的因變量值; x_ik 是解釋變量 k 在區域 i 的屬性值； 是地區 i 的地理坐標; 是區域 i 的截距項，即 x_i1 ， x_i2 ，…， x_ik 均為0時， y_i 的預測值; 是解釋變量 k 的回歸系數； ε_i 是隨機誤差項且服從正態分布[14]

2結果

2.1中國省際異地就醫空間特征

2.1.1各省異地就醫遷入量集聚特征分析各省域異地就醫遷入量在空間上的聚集特性，其差異具有統計學意義（ plt;0.05） ）。省域全局莫蘭指數如表2所示（排名不分先后，下同），可見大部分省域的就醫遷入都具有明顯的集聚特征。

表2顯著省域異地就醫遷入全局莫蘭指數分布

由表2可見，除優質醫療資源對居民就醫的吸引力外，地理位置的鄰近性也是驅使居民異地就醫的重要原因。由表2還發現，地理位置邊遠，醫療資源并不發達的一些省域（如內蒙古等）也具有較強的遷入集聚性，可見這些省域的醫療水平發展、患者對專科疾病的需求也是形成此種模式的重要原因。通過考察各省域異地就醫遷人人次的局部莫蘭指數，可得知各省域居民異地就醫遷入聚類模式，如表3所示（僅展示 plt;0.05 的結果，下同）。

表3各省異地就醫遷人聚類模式

我國共有7個省域的異地就醫遷入人口呈現出顯著的全局空間相關性特征。江蘇和浙江呈現出“高-高”局部集聚分布的特征，坐落在長江三角洲地區，其醫療資源顯著優于周圍省域，與上海共同形成遷入熱點區域；呈現“高-低”離散分布的僅有四川省，四川作為西北、青藏、云貴高原地區最鄰近的省域，其醫療資源和自然環境顯著優于周邊資源匱乏、環境嚴酷的地區；西北部地區經濟較落后，醫療資源較少，新疆、甘肅、內蒙古、寧夏呈現出“低-低”集聚分布的特征，集中出現在我國北部邊境地區。此外，從表3發現，北京、天津、上海和廣東作為我國的行政中心和經濟重心區域，并未呈現顯著的局部集聚特性。這4個省域遷入人次顯著高于周圍的省域，但就醫遷入人次并不隨著空間距離近就有明顯的增量，也存在距離較遠遷入人次較多，使得其不具備局部空間集聚效應，這也進一步說明了一級醫療資源的省域具有較強的全國吸引力。

2.1.2各省異地遷出人次集聚特征通過全局莫蘭指數分析各省域遷出人次在空間上的集聚特征，如表4所示。

表4顯著省域異地就醫遷出全局莫蘭指數分布

由表4可見，所有具有顯著遷出全局空間相關性的區域均呈現集聚分布的特征，且分布在東南沿海地區和東北部邊境地區。這些省域的特征包括人口基數大、經濟水平相對較高和交通條件較便利等。可見居民寧可承擔更高的醫療費用，也更傾向于前往擁有優質醫療資源的省域就醫。此外，上海和廣東作為遷入人口集聚區域，以及內蒙古、黑龍江等遷入人次呈現集聚性的區域，其遷出人次同樣呈現出集聚的特征。其原因可能是醫療保險的報銷政策和支付標準差異導致了患者需要自己負擔更多的費用，導致一些患者不得不選擇就近異地就醫。通過遷出人次局部莫蘭指數可分析各省域遷出人次的聚類模式，如表5所示。

表5各省異地就醫遷出聚類模式

由表5可見，遷出較為集聚的區域由上海向外擴散，這些區域的遷出人次呈“高-高”分布的集聚模式，向三大經濟重心，尤其是中心的長三角區域遷移。上海自身作為經濟中心區域，呈現出“低-高”分布的離散模式。與上海不同，北京和廣東作為經濟中心區域，并未呈現出“低一高”分布的離散模式。由此可見，醫療費用的低廉性也是驅使居民異地就醫的重要原因。

2.2中國異地就醫省際人口遷移影響因素

2.2.1主要影響因素探析居民異地就醫空間特征的形成是各省域經濟因素、社會因素、文化因素、人口學因素等共同作用下的結果[15]。因此，結合我國異地就醫的實際情況，本研究從2020年度《中國衛生健康統計年鑒》和《中國經濟統計年鑒》中，從社會因素、經濟因素、人口學因素三個維度出發，梳理出相互影響較小、獨立性較強的量化驅動因子，整理并預處理其數據，并以各省的跨省異地就醫遷入量和遷出量為因變量分別進行計算。

借助因子探測器進行分析，按 q 值降序排列整理，結果如表6～7所示。

對遷入人次驅動力較顯著的因子有居民人均可支配收入、人均GDP、平均住院日、每萬人口全科醫生數、住院病人人均醫藥費和住院病人人均藥費。總體而言，經濟因素的驅動力最大，其次是社會因素，人口因素對居民遷人某省異地就醫的驅動力較小。

經濟因素驅動力最大的直接原因是收入水平的差異和居民的消費理念[15]。而根據我國現今的經濟水平，越來越多居民的經濟條件允許他們優先考慮醫療服務的質量而不是價格[16]。此外，經濟因素也決定了一個地區的醫療資源和醫療水平，逐漸形成了此種驅動力趨勢。

社會因素與居民異地就醫乃至日常生活息息相關，醫療資源的數量與質量、與衛生機構的距離、公交便利程度、醫療可及性、醫療機構條件對患者的偏好，均會對居民就醫選擇產生影響[17-18]

關于人口學因素，居民的受教育程度決定了對健康信息的認知程度，繼而影響了就醫行為的理性程度，但該子維度下的因子驅動力并不顯著，即非主要影響因素。

表6各驅動因子對遷入人次的驅動力

注：*、**、***分別表示在 ∝ 為0.05、0.01、0.001，下同。

表7各驅動因子對遷出人次的驅動力

對就醫遷出驅動力顯著的因子不存在，僅有常年省外務工人數接近顯著性水平。表6與表7對比可知，各驅動因子對遷人人次的驅動力遠大于遷出人次，而對遷出人次的驅動作用較為隨機。2.2.2局部權重分析首先進行探索性回歸，找出最優的分析模型。進一步將最優的模型中的解釋變量進行OLS診斷，其結果如表8所示。結果表明，所有解釋變量的VIF值均小于10，不存在嚴重共線性；聯合F值通過了 0.01% 顯著性檢驗，說明有自變量對因變量無影響的概率為0。由于樣本量較小，模型中存在解釋力不滿足 5% 顯著性的解釋變量，但不影響對局部權重的分析。綜合而言，此模型具有統計學意義。

表8OLS診斷結果

（A）

（B）

模型選擇完成后，對該模型進行GWR分析，系數結果如表9所示。

表9顯示，所有地區的藥費與遷人人次呈負相關關系，其余兩個解釋變量呈正相關關系。通過將各核心因子的局部回歸系數按自然斷點法劃分，可了解不同影響因子回歸系數的分布特征，如表10～12所示。

表10～12顯示，平均住院日體現了社會因素對各省遷入人次的正影響，其局部權重自西北向東南呈現出逐漸上升趨勢。東南部經濟發達、醫療資源豐富、人口流入量大、醫療保障體系完善，使得東南部的平均住院日對遷入人次的解釋力更強，而西北地區的醫療資源相對匱乏、人口遷入模式不同，導致其解釋力較弱。

居民人均可支配收入體現了經濟因素對遷入人次的正影響，其局部權重自西北向東南呈現出逐漸上升趨勢。受北京經濟條件的影響，東北部地區的局部權重相較西北部地區更大。由于經濟因素對各地醫療服務水平有重大影響，故該趨勢的形成原理與社會因素基本相似。住院病人人均藥費體現了經濟因素對遷入人次的負影響，其局部權重的絕對值由西北到東南呈現出逐漸上升的趨勢。諸如藥費的醫療費用因素會對居民異地就醫產生負吸引力，居民往往會選擇醫療費用較低的醫療機構，且東南部地區的醫療費用顯著高于西北地區，故形成了此種趨勢。總體而言，各類影響因素在不同地區的影響權重差異較小，影響較為普遍。各影響因素的局部權重的絕對值，東南部地區大于西北部地區。

3討論

3.1醫療資源區域分布失衡與“虹吸效應”

我國異地就醫的遷人人口主要集中于京津冀、長三角、珠三角三大城市群和四川省。遷出人次較多的區域主要分布在遷入熱點區域相鄰的省域，或人口基數較大，地理位置較邊遠的區域。醫療資源和技術的差異是驅使居民異地就醫最主要的原因。此外，部分省域作為遷入非熱點區域，其遷入人次存在顯著集聚的現象；一些省域作為遷入熱點區域，其遷出人次也在全國排名靠前。由此可知，非熱點地區醫療水平的發展、民族和文化背景的吸引力、對專科疾病的需求也使部分省域成為居民異地就醫的局部熱點區域。建議在遷入和遷出人次均較多的省域開展醫療費用的價格管控，尤其是對重點科室和常見病種的收費進行合理監管。同時，鼓勵醫保政策對高醫療費用的疾病提供更多補貼，以減輕患者的經濟壓力。

3.2經濟因素主導就醫決策機制

通過對異地就醫主要影響因素的探析，可知驅使居民異地就醫遷人人次的顯著因子包括居民人均可支配收入、人均GDP、平均住院日、每萬人口全科醫生數、住院病人人均醫藥費和住院病人人均藥費。可以發現經濟因素的驅動力大于社會因素，人口因素不是主要影響因素。研究范圍內不存在對遷出人次有顯著驅動力的因子，僅有常年省外務工人次接近 5% 顯著水平。各驅動因子的驅動作用較為隨機，但仍有一定程度的驅動力。根據此項分析結果，可知各項政策改進的優先級。經濟因素是驅使居民異地就醫最重要的因素，醫保結算和價格管控類的政策改進應放在第一位；社會因素是其次，對醫療資源的合理分配應放在第二位，可因地制宜先對當地條件便于調配醫療資源的省域進行改進；人口因素中，需優先考慮省外務工患者的就醫問題。

3.3醫療政策區域適配性不足

進一步建立GWR模型分析解釋各省異地就醫遷入人次的主要影響因素的局部權重，可知社會因素對遷入人次主要呈正相關趨勢。經濟因素中，各省經濟水平與遷入人次呈正相關，而醫療費用方面的因素與遷入人次呈負相關。各影響因素在我國東南地區的局部權重大于西北地區。建議酌情提高西南部地區的報銷比例，可有效提升醫療服務的可及性與便利性，減少通勤距離，加快結算效率。同時可優化醫療資源分配，分流患者壓力。鼓勵患者就近就醫，避免集中前往大城市，減少大城市醫院的資源緊張問題。

參考文獻：

[1]王雪瑩，李希，樊靜.2015-2020年三級醫院住院患者跨省異地就醫現狀及趨勢分析[J].中國醫院，2023（4）：51.

[2]國家醫療保障局[EB/OL].[2025-03-06].https：//www.nhsa.gov.cn/

[3]章遲，郭珉江，劉陽，等.我國跨省異地就醫直接結算業務協同機制建設及成效初探[J].中國醫療保險，2021（12）：27.

[4]鮑震宇，溫佳俊.異地就醫直接結算、待遇可攜帶性與人口流動適應性研究[J].中國醫療保險，2024（4） ：11.

[5]方衛青，陳川，王逸新，等.國家醫保接口環境下門診先診療后結算系統的改造及應用[J].中國醫療設備，2024（3）：86.

[6]郭珉江，李亞子，張芳源，等.平臺經濟學視角下“互聯網+”醫保支付參與機制的探討[J].中國衛生經濟，2020（1）：30.

[7]張芳源，李亞子，鄭見立，等.跨省異地就醫直接結算政策實施效果評估指標體系構建[J].中國衛生經濟，2020（3）：16.

[8]謝莉琴，胡紅濮.我國基本醫療保險籌資和支付制度現狀與問題探析[J].中國物價，2018（8）：40.

[9]杜會征，焦衛平.異地就醫患者對直接結算政策實施的效果評價——以北京x醫院為例［J].衛生軟科學，2022（4）：79.

[10]國家統計局[EB/OL].[2025-03-06].https：//www.stats.gov.cn/.

[11]Moran P A.Notes on continuous stochastic phenomena[J]. Biometrika，1950（1/2） ：17.

[12]Anselin L.Local indicators of spatial association—LISA[J]. Geographical Analysis，1995（2） ：93.

[13]王勁峰，徐成東.地理探測器：原理與展望[J].地理學報，2017（1）：116.

[14]Stewart Fotheringham A， Charlton M， Brunsdon C. The geography of parameter space ：an investiga-tionof spatial non-stationarity[J].International Journal of Geographical Information Systems，1996（5） ：605.

[15]李德鑫.居民就醫行為影響因素研究綜述[J].ModernManagement，2023（13）：642.

[16]邢影影，李勇.江蘇省居民門診就醫選擇影響因素及對策研究[J].中國藥物評價，2019（6）： 411.

[17]Maritim P， Silumbwe A， Zulu JM，et al.Health beliefs and health seeking behavior towards lymphatic filariasis morbidity management and disability prevention services in luangwa district，zambia：community and provider perspectives [J]. PLoS Neglected Tropical Diseases，2O21（2）： e0009075.

[18]Cao Y， Zhen F， Wu H. Public transportation environment and medical choice for chronic disease ： a case study of gaoyou，china[J]. International Journal of Environmental Research and Public Health，2019（9） ：1612.

（責任編輯 羅江龍）