上海市零售药店分布与医疗机构分布的关联分析

1上海市零售药店分布与医疗机构分布的关联分析刘宝1岳伟2张仁伟2胡善联1摘要本研究考察了上海市零售药店分布与医疗机构分布的关联。研究以零售药店密度和医疗机构密度分别作为零售药店分布和医疗机构分布的指标，通过非参数回归和参数回归分析发现了上海市零售药店密度与医疗机构密度之间存在的“下凹”非线性关系。结果表明目前上海市零售药店分布与零售药店所面临的竞争环境并不协调。关键词零售药店医院分布关联TheRelationshipBetweentheDistributionofRetailDrugStoresandHospitalsinShanghaiLiuBaoYueWeiZhangRenweiHuShanlianDepartmentofHealthEconomics,SchoolofPublicHealth,FudanUniversity,Shanghai200032AbstractThispaperstudiedtherelationshipbetweenthedistributionofretaildrugstoresandhospitalsinShanghai.Byusingthedensityindicatorsasproxyforthedistributionofretaildrugstoresandhospitals,bothnon-parametricandparametricmethodfoundtherelationshipbetweenthedensityofretaildrugstoresandhospitalsisnonlinearandconcavedownward.Thisresultssuggestedthatcurrentlythedistributionofretaildrugstoresinshanghaidisharmonizedwiththecompetitionsituationtheyconfronted.KeywordsRetaildrugstoreHospitalDistributionRelationship2001年我国加入世界贸易组织后，在药品流通领域对外开放程度不断扩大的过程中，零售药店日益成为众多国内外企业和资本重点关注的投资选择。然而，零售药店作为直接面向大众的销售终端，不仅面临零售药店之间的竞争，还受到医院药房的显著影响。目前看来，医疗卫生体制改革中“医药分家”的艰难推进似乎还远不能改变医院药房在药品流通领域中所扮演的重要角色。因此，在这样的背景下，零售药店投资将不得不考虑医疗机构的存在与分布特点。本文拟通过上海市零售药店与医疗机构分布的现状以及二者的关联分析，为理性的零售药店投资选择提供参考依据。1资料来源与方法1.1资料来源上海市连锁药店数据来源于上海市食品药品监督管理局公布的上海市药品经营企业数据库（2004年7月15日）[1]。有关上海市人口、地理面积、和行政区划的信息则来自2004年上海统计年鉴，上海市19个区县的增加值资料来源于2003年上海年鉴（因增加值资料反映的是2002年的数据，故在计算人均增加值时采用的也是2002年的人口统计数据）[2,3]。上海市医疗机构数据库来源于上海市政府信息公开目录中关于一级、二级和三级医疗机构的数据库资料[4]。1复旦大学公共卫生学院卫生经济学教研室，上海2000322上海市食品药品监督管理局，上海20002121.2方法1.2.1上海市零售药店分布以及上海市医疗机构的数量及构成主要采用描述性分析的方法。其中零售药店密度和医疗机构密度的计算参考了郑小华等提出的卫生资源密度测算方法[5]，具体公式如下：零售药店密度=零售药店数量(个)/)()(万人区人口平方公里区地理面积（1）医疗机构密度=医疗机构数量(个)/)()(万人区人口平方公里区地理面积（2）1.2.2采用非参数回归（non-parametricregression）中的局部加权回归方法（locallyweightedregression）描述上海市零售药店密度与医疗机构密度的联系。与参数方法（parametricmethod）相比，非参数回归方法直接从数据本身考察变量之间的联系，没有参数方法中对变量间关系的先验假设，是对未知变量关系进行描述的重要手段[6]。具体而言，即不先验规定公式Ck=F(Dk)中F的函数形式（functionalform），其中Ck和Dk分别表示k区的零售药店密度和医疗机构密度。并且可应用非参数回归预测值作变量关系图。1.2.3针对变量之间的非线性（nonlinear）关系，采用分数多项式回归（fractionalpolynomialregression）识别最佳的多项式函数形式[7]。分数多项式回归模型如公式（3）所示，多项式的幂可取非整数（pm为0时表示自然对数形式），这不同于传统的幂只取正整数的多项式回归（公式（4）），从而能更全面地考察各种不同的函数形式。mpmppxxxmFP...)(2121（3）mmxxxmP...)(221（4）1.2.4通过分数多项式回归获得的描述变量间关系的函数形式可能有多种，可进一步应用J检验对不同的函数形式（非嵌套函数形式，non-nestedfunctionalform）进行比较[8]。具体过程为假设采用模型1函数形式获得的应变量预测值为1ˆy，采取模型2函数形式获得的预测值为2ˆy，估计回归模型)ˆˆ(ˆ121yyyy，如果t检验不能拒绝H0：α=0的假设，则不能说明模型2优于模型1。2结果2.1零售药店分布和医疗机构分布的基本描述表1为截止2003年7月15日上海市零售药店在19个区（县）的数量分布情况。上海市零售药店的总量为1722家。零售药店超过100家的有浦东新区、徐汇区、普陀区、虹口区、杨浦区、宝山区和闵行区，其中浦东新区的零售药店数量最多，达到237家。低于50家零售药店的有卢湾区、金山区和崇明县，崇明县最少，仅44家。比较10个中心区（浦东、黄浦、卢湾、徐汇、长宁、静安、普陀、闸北、虹口、杨浦）和9个郊区县（宝山、闵行、嘉定、金山、松江、青浦、南汇、奉贤、崇明）的零售药店数量，可以发现10个中心区零售药店总数为1062家，占上海市零售药店总量的61.67%，相应9个郊区县共有660家零售连锁药店，占全上海的百分比约为38%。表1同时列出了上海市医疗机构的总量和构成。从医疗机构的数量上看，在总共492家一、二、三级医疗机构中，10个中心区拥有267家，占全上海的54.3%，9个郊区县医疗机构总数则为225家，占上海市医疗机构总量的45.7%。进一步看医疗机构的构成，表1给3出了各区县一级医疗机构数量与二、三级医疗机构数量的比值。比值最高的为青浦区，一级医疗机构数量是二、三级医疗机构数量的2倍；而比值小于或等于0.5的区则包括黄浦、卢湾、徐汇、长宁、静安、闸北和杨浦等中心区，即10个中心区中有7个区的二、三级医疗机构数量是一级医疗机构数量2倍或2倍以上。表1上海市零售药店及医疗机构的数量和构成零售药店*医疗机构医疗机构数量比（一级/二、三级）区（县）N%N%浦东新区23713.765010.160.92黄浦区895.17346.910.36卢湾区482.79163.250.33徐汇区1237.14346.910.48长宁区854.94244.880.50静安区512.96214.270.31普陀区1035.98173.461.13闸北区955.52224.470.47虹口区1146.62234.670.53杨浦区1176.79265.280.44宝山区1287.43316.301.07闵行区1448.36255.080.92嘉定区714.12224.471.20金山区482.79275.491.25松江区512.96224.471.75青浦区543.14183.662.00南汇区653.77316.301.82奉贤区553.19275.491.70崇明县442.56224.471.75总计17221004921000.84*：零售药店包括连锁药店和非连锁药店概括表1的结果，可见上海的零售药店和医疗机构（特别是二、三级医疗机构）主要更集中于中心区，但10个中心区的总地理面积为812.2平方公里，仅占上海市总地理面积的12.8%。因此，在研究零售药店和医疗机构分布的联系时，不能简单地从机构数量上进行比较，而需要从资源密度的角度进行分析，并且传统的仅考虑人口因素的密度指标显然也不能准确反映上海市零售药店和医疗机构的分布状况。表2引入了综合人口和地理面积因素的资源密度公式分别测算了各区县的零售药店密度和医疗机构密度。上海市的零售药店密度为0.59。除浦东新区零售药店密度为0.78外，10个中心区中有9个区的零售药店密度均在1.4以上；9个郊区县中除宝山和闵行的零售药店密度高于0.59，其余郊区县都低于0.5。上海市医疗机构密度为0.17，9个郊区县的医疗机构密度均低于0.17，而除浦东新区外的另9个中心区的医疗机构密度则均高于0.17，最高的静安区达到了1.34。4表2上海市零售药店密度与医疗机构密度*区（县）土地面积（平方公里）年末户籍人口（万人）人均增加值（万元）零售药店密度医疗机构密度浦东新区522.75176.697.250.780.16黄浦区12.4161.871.233.211.23卢湾区8.0532.841.172.950.98徐汇区54.7688.610.751.770.49长宁区38.3061.710.841.750.49静安区7.6232.071.553.261.34普陀区54.8384.530.611.510.25闸北区29.2670.790.612.090.48虹口区23.4879.220.632.640.53杨浦区60.73108.170.521.440.32宝山区415.2785.431.790.680.16闵行区371.6875.123.210.860.15嘉定区458.8051.184.280.460.14金山区586.0552.711.750.270.15松江区604.7150.683.580.290.13青浦区675.5445.833.670.310.10南汇区687.6669.912.280.300.14奉贤区687.3950.872.170.290.14崇明县1041.2163.540.980.170.09总计6340.501341.77--0.590.17*：零售药店密度和医疗机构密度的单位均为“个/万人平方公里”。2.2零售药店密度与医疗机构密度的联系：非参数估计图1给出了零售药店密度与医疗机构密度的散点图，同时给出了应用局部加权回归的非参数方法获得的拟合曲线（bandwith=0.8）。该曲线直观地显示了零售药店密度和医疗机构密度之间的非线性关系，曲线表现出下凹`（concavedownward）的特点。图1上海市零售药店密度与医疗机构密度的非参数回归图01230.511.5零售药店密度医疗机构密度52.3零售药店密度与医疗机构密度的联系：参数估计虽然非参数回归方法比较直观地显示了零售药店密度与医疗机构密度之间的非线性关系，但是并不能给出二者之间具体的非线性函数形式。“下凹”形曲线通常有倒数或对数的函数形式，作者进一步应用分数多项式回归方法进行了非线性函数形式的考察，结果表明，在控制人均增加值和医疗机构数量比这两个变量的情况下，对医疗机构密度取一项式函数形式时（degree=1），最佳函数形式为对数；对医疗机构密度取二项式函数形式时（degree=2），最佳函数形式为倒数形式的二项式，二项式的幂分别为-0.5和-1。由于图1拟合的曲线未出现拐点（inflectionpoint），故不考虑三项式及三项式以上的函数形式。表3分别根据这两种最佳函数形式进行了两个回归模型的拟合，并分别给出了各自变量的回归系数以及回归系数检验的t统计量。零售药店密度回归模型I的结果显示，涉及医疗机构密度的两个变量（D-0