商业健康保险对健康服务可及性的影响研究——来自我国338个城市的证据

蒋 莉，杨 馥

（西安财经大学 经济学院，陕西 西安710100）

健康作为一种重要的人力资本，既是经济发展的决定因素，又是人口福利的重要构成（Mwabu，2007）［1］。基本健康服务可保障社会成员获得相应的健康福利，从而为社会发展提供动力支持。商业健康保险作为一种市场化的健康风险管理机制和社会互助机制，是健康服务体系的重要支柱。近年来国家积极支持商业保险与健康服务业的融合，2013年《国务院关于促进健康服务业发展的若干意见》、2016年《“健康中国2030”规划纲要》、2020年《关于促进社会服务领域商业保险发展的意见》中均提出鼓励和支持商业保险参与医疗健康服务的多项政策措施。然而，受制于相对垄断的国内医疗服务市场、社会医疗保险集中管理模式和较为严格的市场主体管制，国内商业健康保险在健康服务领域发挥的实际作用仍相对有限。健康服务可及性是个体对健康服务的实际享有量及获得服务的便捷或受阻程度，直接关乎健康服务质量。2019年十九届四中全会通过的《中共中央关于坚持和完善中国特色社会主义制度、推进国家治理体系和治理能力现代化若干重大问题的决定》明确提出“让广大人民群众享有公平可及、系统连续的健康服务。”2020年疫情的爆发使我国的健康服务体系面临严峻考验，在此背景下基本健康服务供给的可及性引起了广泛关注。商业健康保险能提升健康服务可及性吗？回答这一问题，对促进商业健康保险与健康服务的融合、提升我国健康服务可及性具有重要意义。

一、文献综述

有关健康服务可及性的研究始于20世纪中后期，最初被定义为针对个人产生的卫生服务利用情况和促进或抑制服务利用的因素（Andersen，1968）［2］，随后又被界定为公共医疗卫生服务领域内患者与系统的适配情况（Penchansky和Thomas，1981）［3］。通常采用多维度视角分析可及性度量的公共卫生服务使用和匹配情况，包括可用性、可达性、可接受性、可适合性、可承受性的五维度视角（Penchansky 和Thomas，1981）［3］；可获得性、接受性、地理可及性、经济可及性的四维度视角（David，2008）［4］；时间可及性、地理可及性、经济可及性的三维度视角（张思锋，2011）［5］；基于供求关系的供方可及性和需方可及性的二维度视角（邱越，2017）等［6］。在此基础上，医疗卫生服务可及性的构成维度被进一步细分成信息、制度、空间、服务、方式和成本等多方面可及的理论分析维度（代佳欣，2020）［7］，其测度和评估方法主要有四种：一是通过建立重力（引力）模型等数学模型测算服务可及性（Weibull，1976）［8］；二是采用问卷调查方式获取相关数据，以测度可感知的可及性水平（郑彦辉和郝晓宁，2021）［9］；三是通过构建指标体系来评估服务的可及性（成德宁和潘昌健，2020）［10］，包括地理和时间可及性、内容可及性、经济可及性等维度；四是利用现代通信技术手段和地理信息系统（GIS）从空间上测量服务的可及性（Felipa，2018）［11］。

Xe-100使用氦作为将热量从堆芯转移至蒸汽发生器的冷却剂，不需要使用水，这意味着其可以部署在水资源短缺的地区。除了发电，这种反应堆还可以为工业应用提供工艺热。

国内少有文献提及健康服务可及性这一概念，一般围绕健康服务公平性、健康服务不平等、健康服务利用等展开研究（马超等，2017；章丹等，2019）［12］［13］。国外学者对于健康服务可及性的研究也主要聚焦于医疗服务可及性的影响因素和卫生服务地理可及性的测算等方面（Somdeth Bodhisane 和Sathirakorn Pongpanich，2019；Desmond等，2019）［14］［15］。公共卫生和医疗服务领域可及性的影响因素研究主要从两方面展开：一是与个人基本特征相关的影响因素；二是与社会环境相关的影响因素。其中，健康保险和社会医疗保险被视为影响医疗服务可及性的主要因素，健康保险能够显著增加使用医疗服务的可能性或降低医疗的延迟（Insaf等，2010）［16］，影响医疗服务的可及性和满意度（Cabrera-Barona，2017）［17］，而缺乏健康保险可能对弱势群体的护理可及性和可负担性产生长期不利影响（Kuhlthau等，2016）［18］。健康服务可及性的提高和参加医疗保险都能够提高居民的就医概率（李海明，2018）［19］，而社会医疗保险会对医疗服务可及性产生重要影响，如有文献重点分析发现，社会医疗保险的类型和人群结构均使医疗服务可及性表现出差异性（刘昌平和赵洁，2016；冯桂平等，2017）［20］［21］。

综上所述，已有针对商业健康保险与健康服务可及性方面的研究较为匮乏，对二者之间关系缺乏深入探讨。现有文献在医疗卫生服务可及性的内涵、测度及影响因素分析等方面形成了较为丰富的研究成果，然而多数文献在分析保险与医疗卫生服务可及性的关系时，主要利用单一指标度量医疗卫生服务可及性，忽视了可及性的多维度和空间特征，并更多关注商业医疗保险和社会医疗保险对医疗卫生服务可及性的影响。因此，本文在健康服务可及性测度方面，选取多维指标结合空间地理分析方法科学测算可及性指数，验证健康保险与健康服务可及性之间的关系，旨在拓展健康服务可及性测算方法，丰富健康保险与健康服务可及性实证研究，为商业健康保险与健康服务业的融合提供理论参考。

二、研究设计

（一）健康服务可及性及其测度

1.健康服务可及性

高压直流输电系统直流滤波器接地故障机理分析//莫品豪,郑超,程骁,张晓宇,吕航,文继锋//(20):171

健康服务可及性指的是公民及时获取健康服务的能力（世界卫生组织，2000），具有地理可及和服务可及的双重特征（Comber，2011）。作为基本公共服务的一个重要分支，健康服务涉及医疗卫生服务、康复保健、健康养生等多个领域。基于可及性的概念，健康服务可及性可被定义为不同群体或个体之间，在身体健康状况、医疗卫生服务利用、医疗资金筹措，以及医疗卫生服务质量等方面的获得情况和可及程度。医疗卫生服务是我国健康服务的主体，受限于数据可得性，本文以医疗卫生服务可及性近似度量健康服务可及性。

在饮食上，应合理调整蛋白质、脂肪、糖的比例，适当食用含维生素多的水果、蔬菜。加工上，应多采用煮、炖、熬、蒸等方法。每日应保证一定数量的优质蛋白质的摄入，可食瘦肉、牛奶、蛋、鱼等食品以及各种大豆制品。每日膳食中蔬菜及水果不能缺少，保证维生素及无机盐、微量元素的供给，提供膳食纤维。还可适度应用人参、黄芪、桂圆、山药等有抗衰老作用的药物、食物，制成药膳食用。对于年老的患者，原本身体虚弱，营养不够，不需忌口太严，以顺其自然为宜。

2.测度方法

以医疗卫生机构的服务可及性、地理可及性两类因素对健康服务可及性进行测度，其中，服务可及性体现医疗卫生机构的服务供给水平，地理可及性反映地区医疗机构设置的合理性，最终测算出全国338个城市①的健康服务可及性指数。测算模型以传统重力模型和哈夫概率模型为基础，借鉴Cabrera-Barona 等（2017）的方法模型，在改进的重力模型中加入Joseph和Bantock（1982）提出的人口需求（即获得健康服务的人口总和）因素。首先，对传统计算可及性的数学模型加以改进，确定模型中有关医疗卫生服务的要素；其次，使用GIS 软件在地图上标出人口重心②及医疗机构位置，测算出各地人口重心到最近医疗点的距离；最后，将计算得出的要素数据代入改进后的可及性测算模型，并采用离差标准化方法（Min-Max Normalization）对结果进行处理，得到健康服务可及性指数。

3.可及性指数计算

式（3）中，Pi为居民点i的人口数量。

综上所述，学校管理成败与否的重要因素就是人的因素，因此对于学校的人力资源管理工作必须要充分重视。学校领导要制定出适合本校发展的规章制度，全面地评价每一位教师，建立完善的人才考评机制，把经过实践考验证明合理的各类优秀人才及时选用到合适的工作岗位上来，让他们尽情地发挥自己的聪明才智。

第三，中、东部城市商业健康保险对健康服务可及性的影响更大。中、东部城市健康保险市场发达，在当地健康保障体系中的作用突出，且商业健康保险与健康服务的多维度融合程度更高，因此商业健康保险对健康服务可及性的促进作用更为明显。

（2）指数计算

可及性指数计算主要采用重力模型。重力模型源于物理学中的万有引力定律，后被地理学、国际贸易学等学科引用来研究经济、社会现象或问题的空间相互作用。重力模型的公式为：

式（1）中，Ai代表居民点i 对医疗卫生机构j 的潜在吸引力，即i 点的医疗服务可及性指数。Sj为医疗卫生机构j 的设施规模，本文选择医疗卫生机构床位数。代表距离成本，其中Dij为居民点i到医疗卫生机构j 的欧几里得距离④，该数据由Arcgis10.1软件分析计算得出。β为距离衰减系数，取值由医疗卫生机构类型决定。参考宋正娜和陈雯（2009）的研究，综合医院β 取值为1，专科医院为1.5，卫生服务中心为2，本文主要考察了综合医院，β取值为1。上述重力模型仅考虑了医疗服务供给因素而未考虑需求因素，因此在模型中加入人口需求对式（1）进行改进。改进后的重力模型为：

式（2）中，Vj表示医疗卫生机构的服务能力，有：

3.7 中医耳压疗法 减少或消除ICU综合征，除了上述治疗及护理外，传统的中医治疗也有一定效果。曾影红等［29］报道，对63例ICU综合征患者进行中医耳压疗法，总有效率约68.3%，且此法具有较好的疗效，无损伤、无不良反应、操作简便和经济等优点。

（1）数据来源

改进后的重力模型未考虑到不同医疗卫生机构之间的竞争，仅使用改进的重力模型可能导致高估可及性。为此，本文在改进的重力模型中增加了“人们从其他可用医疗机构中选择医疗服务的可能性”，这种概率称为哈夫概率，表示如下：

式（4），Probi代表i地居民到j医疗卫生机构接受医疗服务的概率，Ss表示在距离居民点位置一定距离的最大阈值内的医疗卫生机构床位数。

将改进的重力模型和哈夫概率模型相结合，得到医疗卫生服务可及性的计算公式（5）。由于直接计算可及性对数据表现不明显，因此要对各居民点医疗卫生服务可及性数据用最小最大值标准化法进行处理，使结果落在［0，1］区间。此外，为计算各城市的健康服务可及性指数，需要以各居民点人口数为权重，对各城市对应居民点的医疗卫生服务可及性数据做加权平均处理。

人民订立契约建立国家，他们是国家的主人，人民主权不可转让，也不可代表。……人民主权不可分割，否则主权者将被“弄成是一个支离破碎拼凑起来的怪物”。——据卢梭《社会契约论》

4.测度结果分析

但是很多高职院校在构建特色资源时，没有树立清晰的特色资源建设目标，具体表现在建设特色资源时，只是把如随书光盘、馆藏书目、老师发表的文章、学生实习作业、网上搜集的免费资源等特色不明显的资源，进行简单的罗列，就列入特色资源的范畴,[2]导致这些特色资源特色不够明显，缺乏二次加工，也没有进行相应的分类和提供检索入口，自然也无法与馆内资源实现无缝链接和一站式检索。用户使用相关特色资源时，难以及时获取有用信息，影响用户对特色资源建设的观感和评价。[3]

（2）分样本回归

为直观显示健康服务可及性指数的地区差异，利用Arcgis软件中的自然断点法⑤将各城市健康服务可及性指数分为五类，与中国区域划分对应后发现健康服务可及性水平呈现出中、东、西部空间分异的特征：健康服务可及性指数较高的地区全部位于中部和东部地区，且东南沿海地区可及性指数高值的聚集程度更高；中低值主要位于西部地区，如新疆、青海和西藏等地。从城市群分布来看，京津冀、长三角和粤港澳大湾区的健康服务可及性指数均以中高值为主。此外，可及性指数与城市经济发展水平趋同，北京、上海、广州、深圳的健康服务可及性指数依次为0.8353、0.7417、0.6130 和0.6118，位列338个城市的前四位。

从全局自相关来看，2018年338个城市健康服务可及性指数的Moran's I值为0.228，且通过0.05的置信区间检验，说明各城市健康服务可及性在空间分布上存在着正相关关系，呈现空间集聚倾向。进而，采用探索性空间数据分析法（ESDA）⑥对338个城市健康服务可及性指数的冷热点区进行测度，发现我国健康服务可及性指数空间分异十分明显，呈现出东高西低的趋势，且呈现东南沿海地区健康服务可及性指数水平“偏热”，西部内陆地区“偏冷”的空间分异格局。

光电开关采用M12 NPN型对射型光电开关，当发射端与接收端中间有物体遮挡时，接收端有信号输出，一般为低电平；反之输出高电平。由于输出的是模拟信号，需要通过AD转换器转换为数字信号以供读取。友善mini2440内置开发板，通过GPIO口引出了AD转换接口，故将光电开关的输出端接到开发板的AD转换口即可。

（二）实证分析

1.模型构建

综合考虑影响医疗健康相关的诱发因素、促成因素和需求因素构建模型检验商业健康保险对健康服务可及性的影响，分别选取地区生产总值、人口密度作为代表诱发因素的变量，选取商业健康保险作为代表促成因素的变量，选取财政医疗支出占比作为代表需求因素的变量。具体模型为：

其中，下标i 表示第i 个城市，被解释变量Acci代表健康服务可及性指数；核心解释变量HIi为商业健康保险的保险密度；Xi是代表一系列控制变量的向量（包括各地区生产总值GDP、人口密度Pop、财政医疗支出占比Prop）；Regi代表地区固定效应，用于控制地区的异质性影响；μi为随机扰动项。

保费收入、保险深度和保险密度均是衡量商业健康保险发展水平的常用指标，但健康保险密度以地区人口计算人均健康险保费（即健康险保费收入/人口总数），能更直观地反映商业健康保险与居民健康服务可及性之间的关系。参考黄秀全和许小仓（2019）的做法，选取商业健康保险的保险密度作为核心解释变量，并进行对数处理。

（1）被解释变量

本文将健康服务可及性指数作为被解释变量，数据来自健康服务可及性指数的测算结果。

（2）核心解释变量

2.变量设定

（3）控制变量

除了商业健康险保险密度外，还有诸多其他因素可能影响居民健康服务可及性，主要包括地区经济发展水平、人口密度和财政医疗支出等。首先，经济发展水平较高地区所提供的健康服务水平及服务的便利程度往往较高，选择地区生产总值（GDP）的对数值代表地区经济发展水平，控制其对健康服务可及性的影响。其次，人口密度（Pop）综合反映了人口数量及人口的地区分布，人口密度也可能对居民健康服务可及性产生影响，选择人口密度（地区总人口/地区总面积）的对数值来控制人口因素对健康服务可及性的影响。再次，健康服务可及性可能因各级财政医疗投入增加而得到改善，选择财政医疗卫生支出占比（Prop）（财政医疗卫生支出/一般公共服务总支出）刻画财政医疗投入力度，控制财政投入对健康服务可及性的影响。

6.稳健性检验

3.数据来源

本文数据主要源自《中国保险年鉴2019》、2019年各省统计年鉴、2018年各城市国民经济和社会发展统计公报、中国研究数据服务平台（CNRDS），被解释变量数据源自健康服务可及性指数的测算结果。经过筛选、删除缺失值，选择全国338个城中的322个样本城市进行分析。

表1 主要变量的描述性统计

4.实证结果分析

由于健康服务可及性指数介于0 和1 之间，适宜采用Tobit 模型进行参数估计。Tobit 模型为非线性模型，对其回归系数的解释与一般线性模型不同，可单独测算核心解释变量商业健康保险密度的边际影响，以度量商业健康保险对健康服务可及性的解释能力，以HI（Marginal）表示。为检验估计结果的稳健性，同时采用OLS 方法进行参数估计。考虑到模型可能存在异方差问题，选用异方差的稳健标准误方法来解决，且模型均控制了地区固定效应。

以文中构建的模型（6）为基础，利用Stata15.1进行估计。表2 显示了Tobit 和OLS 方法下参数的估计结果，两种方法的估计中，商业健康保险的保险密度均在1%的统计水平上通过检验，且显著为正，表明商业健康保险显著促进了健康服务可及性，其平均边际效应为0.022。地区生产总值的回归系数显著为正，说明地区经济发展水平越高，辖区内的医疗资源会更加充足合理，健康服务可及性程度越高。人口密度显著提高了健康服务可及性，从人口和面积两方面考虑，人口越是集聚，其所在地区配置的医疗卫生资源越多，健康服务供给越充分；而地区面积越小，健康服务地理可及程度越高。财政医疗支出占比的估计结果在两种估计方法下显著性不一致，可能的原因是财政医疗支出对居民健康服务消费存在一定的“挤出效应”，财政医疗支出的增加反而减少了一定的居民健康服务消费，导致财政医疗支出占比对提高健康服务可及性的作用不显著（陶春海和焦荣荣，2020）。

表2 商业健康保险与医疗服务可及性

注：*、**、***分别表示在10%、5%、1%的水平上显著。

5.内生性的讨论

本文虽然尽可能全面地选择控制变量，但模型仍有可能存在遗漏变量的问题，解释变量商业健康保险与被解释变量健康服务可及性之间也可能存在双向因果关系。因此，需要利用工具变量解决内生性问题。本文借鉴王立国和赵婉妤（2019）解决内生性的方法，选择将财政分权程度⑦作为财政医疗支出占比的工具变量。

在对健康服务可及性指数和解释变量进行估计时，采用IV-Tobit方法。为了检验估计结果的稳健性，同时列出两阶段最小二乘法（2SLS）估计的结果。表3 显示了工具变量的内生性和弱识别检验情况。首先，根据2SLS估计下异方差稳健的D-W-H检验的结果来看，内生性检验统计值显著，说明模型存在内生性问题。其次，在一阶段回归中F值较大，表明工具变量和内生变量呈现高度相关，故不存在弱工具变量问题。最后，IV-Tobit估计下的Wald外生性检验结果说明所选取的工具变量符合外生性假设。可见，将财政分权程度作为工具变量是合理有效的。从工具变量检验结果（表3）可以看出，即使采用了内生性模型，核心解释变量的回归系数仍然正，与原回归模型的实证分析结果相同，印证了商业健康保险能够促进健康服务可及性的结论。

表3 工具变量检验

文中主要变量的描述性统计情况如表1所示。从表1中可看出，样本中健康服务可及性指数取值虽介于0至1之间，但样本数据的极差较大，表明健康服务可及性可能存在明显地区差异。健康险密度均值为5.329，其最小值和最大值之间同样存在较大差别。因此，在实证分析中，还需考虑地区差异因素。

迄今为止，还没有听到任何一个企业愿意把自己的研发知识、经验技巧以及产品的数字化模型，放在“别人家”的工业互联网平台上。小企业因为担心技术泄露而不敢做，大企业因为担心知识产权而干脆自己开发平台。

3.正确行使抗辩权维护自身权益受各种因素制约。抗辩权是物业服务合同赋予业主的权利，但是抗辩权的行使是有条件的，业主要想正确行使抗辩权维护自身的权益，就应当受以下因素的限制：

为确保文中模型结果的稳健性和指标解释力，进一步采用替换变量法和分样本回归法进行稳健性检验。

（1）替换变量

替换变量法是从变量的角度出发，采用对核心解释变量进行替换的方法进行稳健性检验。保险密度和保险深度均是度量商业健康保险发展水平的主要指标，经过计算得出，文中322 个样本地区商业健康保险的保险密度和保险深度的斯皮尔曼（Spearman）相关系数为0.398，表明变量健康保险密度和健康保险深度不具有高度相关性，二者在衡量各地商业健康保险发展水平时具有一定差异，故可采用健康保险深度这一指标替代健康保险密度检验模型的稳健性。

将核心解释变量商业健康保险密度（HI）替换为商业健康保险深度（HID），分别进行OLS和Tobit 估计，结果如表4 所示。替换变量后，相较于表2，除财政医疗支出占比（Prop）外，各变量的显著性水平和符号基本没有变化，回归结果仍保持不变，表明模型回归结果稳健。从表4可以看出，OLS估计结果中商业健康保险深度（HID）的系数估计值为正，在10%的统计水平上显著；Tobit 估计结果中，商业健康保险深度（HID）的系数估计值同样为正，且在1%的统计水平上显著。这一结果与Cabrera-Barona 等的研究结论相符，验证了商业健康保险可有效补充社会医疗保险的不足，增加居民获取健康服务的机会。

表4 稳健性检验结果

健康服务可及性反映了医疗卫生服务网络中节点城市的作用和地位，在一定程度上也代表了地区医疗卫生水平和发展潜力。根据上述测算方法，得出各城市的健康服务可及性指数Ai（附件1）。

由于我国健康服务可及性存在明显的空间分异，本文将研究样本按照区域进行划分，分为东部地区、中部地区和西部地区，同样采用OLS 和Tobit方法进行估计（表5）。从回归结果来看，无论是东部、中部还是西部地区，商业健康保险对健康服务可及性的影响均为显著正相关，边际效应分别为0.057、0.042、0.016。此外，分样本条件下各地区生产总值、人口密度、财政医疗支出占比对健康服务可及性的影响基本也是正向显著，印证了前文的研究结论。从影响系数来看，东、中部城市商业健康保险对健康服务可及性的影响更大，表明由于地区间经济发展水平的差异，商业健康保险对健康服务可及性影响亦存在空间分异。

表5 分样本回归结果

三、结论与政策建议

（一）结论

商业健康保险及健康服务的发展受经济水平、人口集聚、政策条件等多方面因素影响，商业健康保险与健康服务不断融合发展的过程也是商业健康保险对健康服务可及性的促进过程。本文基于2018年全国31 个省338 个城市的截面数据，采用重力模型与地理信息系统相结合的方法，综合服务可及性、地理可及性两类因素，测算健康服务可及性指数，并利用Tobit 模型分析商业健康保险对健康服务可及性的影响。总的来看，无论是采取Tobit 回归还是OLS 回归，无论是采用全国样本还是分地区样本，模型所估计出来的结果是基本一致的结论：

第一，健康服务可及性水平存在空间分异。由于地区经济发展水平的差异，中部和东部地区的健康服务可及性指数显著高于西部地区，而东南沿海地区可及性指数高值的聚集程度更高，健康服务可及性呈现出与我国地区经济发展水平相似的区位特征，经济发展水平越高的地区健康服务越便捷。

第二，商业健康保险对健康服务可及性有显著的正向影响。商业健康保险可有效补充社会医疗保险的不足，促进健康服务的服务可及和地理可及，增加居民获取健康服务和利用健康服务的机会，对健康服务的数量和质量均有提升。

文中数据主要分为空间数据和属性数据两种类型：空间数据主要来源于全国县级区划地图和地理信息数据系统，各地区的医院数据和居民点数据等来自于百度地图POI（兴趣点）③，其中医院数据主要为地区所有二级、三级综合医院，居民点位置用当地行政中心表示。属性数据中，医院床位数来源于2019年各城市统计年鉴，居民点人口信息数据来源于《2019中国人口和就业统计年鉴》。

（二）政策建议

本文验证了商业健康保险能提高健康服务可及性，并为健康服务质量提升提供重要支持。然而，受制于我国健康服务的市场结构和管理模式，商业健康保险在健康服务领域发挥的实际作用有限。基于本文的研究结论，提出以下政策建议：

月亮湾地区商业发展针对的人群主要为消费水平中高层次的商务白领，而与其周边的大学城和纳米城内人群消费特点和能力不匹配。特色景观吸引人群，但月亮湾地区步行者舒适度差、景观设施不足影响了景观空间的吸引度。

一是多方促进健康服务均等化，缩小健康服务可及性地区差异。实现健康服务普惠发展的目标，是商业健康保险促进健康服务质量提升的基础和保证，为保障多数人获得健康服务的公平性，要将健康服务可及性法定要求落实到位，包括利用商业健康保险的特性提升地方医疗服务质量、促进基本医疗服务均等化、落实基本卫生服务项目，重点帮扶改善落后地区健康服务现状。

二是加强商业健康保险和健康服务业的多角度融合，利用健康保险提升健康服务可及性。一方面，完善商业保险投资健康服务领域的政策支持，并出台具体实施方案，打破医疗卫生服务市场的行政垄断和社会医疗保险的集中管理模式；另一方面，借鉴管理式医疗等商业健康保险模式，促进政府、药企、医院、支付方和保险公司之间的协调合作，探索商业健康保险与健康服务融合的新路径。

三是明确商业健康险的发展目标，参与地区健康保障体系建设。从健康服务的本质出发，在不断扩大商业健康保险覆盖面的基础上，充分发挥其健康管理优势，着重改善西部落后地区的健康服务质量和水平。除此之外，增加健康消费者对健康服务的选择权，如提供专门针对老龄人口疾病和养老问题的长期护理保险、防范重大疾病的重大疾病保险等产品，对于消费者的个性化消费需求，提供优先就诊、上门医疗等健康医疗服务。

［注 释］

①按照国家统计局2019年1月31日发布的行政区划数据，截至2018年10月31日，中国现有二级行政区划338个（包含4 个直辖市，不含省直辖县级行政区划、自治区直辖县级行政区划和港澳台地区行政区划的数据）。

②人口重心这一概念源自力学，即各地区人口子矢量的合力点。Arcgis软件中的ArcToolBox空间分析工具是目前最常用的重心计算方法，基本原理是基于Euclidean 或Manhattan 距离计算某一单位研究区域中所有要素X 坐标和Y 坐标的平均值，得到该区域的平均中心。具体在使用ArcToolBox 的Mean Center 工具时，可指定各区（县）的年末人口数量作为权重，从而可以计算得到各城市的人口重心。

③POI 的完整表示为“Point of Interest”，可译为“兴趣点”。在地理信息系统中，每个POI包含名称、坐标、类型及分类四方面信息，属于矢量数据。本文使用的POI 数据主要整理自“中国软件开发者社区”（CSDN）的下载板块。

④欧几里得距离（Euclidean distance），又称欧氏距离，是最常见的距离度量，用来衡量多维空间中各点之间的绝对距离，数学公式为d(x,y)=。

⑤自然断点法（Natural Break）是根据数据的自然分布规律，以数据集中不连续处为分级依据对数据集合进行分级的方法。本文采用该方法将全国338个城市的健康服务可及性指数分成五类地区，一类到五类代表可及性指数由低到高排列，各类的范围分别为：一类0.0056-0.0605；二类0.0605-0.1319；三类0.1319-0.2398；四类0.2398-0.4019；五类0.4019-0.8353。

⑥ 探索性空间数据分析法（exploratory spatial data analysis，ESDA）是利用数据的空间特性如空间异质性来探索事物空间分布特征的分析方法。

⑦财政分权程度是指各（州）财政支出占省级财政支出的比重。选择财政分权程度作为工具变量主要是由于已有文献验证了财政分权与财政医疗卫生支出规模呈现负相关关系，且该宏观指标不会对医疗服务可及性产生影响（蒋团标和刘慧，2019）。

教师针对展示中表现优秀的个人和小组进行表扬，对出现的问题进行讲解，对重难点进行补充。教师对任务展示实行激励制度，根据学生完成任务的表现量化成平时成绩的分数，并在学期末分别评出个人前三名和小组前三名，给予物质上的小奖励。

附件1：健康服务可及性指数测算结果

第一，运用计划和市场两种手段，合理调配研发资源，提升大学和科研院所的学术型基础研究能力，同时推动企业成为产业驱动型基础研究的主体。

338个市（州）的健康服务可及性指数

1 2 3 4 5 6 7北京上海广州深圳天津杭州苏州0.8353 0.7417 0.6130 0.6118 0.5702 0.5674 0.5492 86 87 88 89 90 91 92许昌赣州大庆连云港宿迁兰州湖州0.1779 0.1768 0.1744 0.1710 0.1709 0.1684 0.1653 171 172 173 174 175 176 177汉中衢州晋中临汾吕梁内江自贡0.0757 0.0716 0.0715 0.0715 0.0702 0.0701 0.0698 256 257 258 259 260 261 262潜江保山阳泉延边庆阳湘西巴音郭楞0.0328 0.0328 0.0322 0.0315 0.0315 0.0312 0.0311序号 城市 Ai 序号 城市 Ai 序号 城市 Ai 序号 城市 Ai

8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46成都武汉重庆南京青岛长沙无锡宁波郑州佛山泉州南通西安东莞福州济南烟台合肥大连长春常州唐山徐州哈尔滨沈阳潍坊石家庄温州盐城扬州绍兴南昌昆明泰州淄博济宁台州嘉兴厦门0.5383 0.5180 0.4946 0.4919 0.4912 0.4904 0.4723 0.4627 0.4576 0.4574 0.4555 0.4542 0.4482 0.4360 0.4269 0.4246 0.4243 0.4019 0.3750 0.3693 0.3635 0.3466 0.3465 0.3456 0.3455 0.3447 0.3431 0.3415 0.3410 0.3402 0.3312 0.3302 0.3225 0.3101 0.3047 0.2974 0.2963 0.2930 0.2877 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131九江周口滨州新乡汕头郴州枣庄龙岩安阳商丘信阳咸阳焦作驻马店三明绵阳宝鸡湘潭莆田德阳上饶吉林日照肇庆乌鲁木齐宜春邵阳揭阳邢台平顶山荆州黄冈宜宾永州曲靖南充桂林开封宁德0.1650 0.1628 0.1590 0.1584 0.1575 0.1550 0.1531 0.1527 0.1515 0.1468 0.1464 0.1440 0.1432 0.1427 0.1416 0.1415 0.1401 0.1393 0.1375 0.1343 0.1341 0.1319 0.1305 0.1292 0.1280 0.1274 0.1239 0.1235 0.1222 0.1221 0.1208 0.1195 0.1194 0.1192 0.1191 0.1187 0.1183 0.1167 0.1123 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216丽水抚州松原咸宁绥化晋城阳江营口韶关齐齐哈尔宣城舟山黔南牡丹江通辽钦州六安西宁亳州大同眉山呼伦贝尔广安漯河铜陵遂宁盘锦北海锦州百色攀枝花贵港黔西南安康淮南大理梅州潮州资阳0.0691 0.0686 0.0684 0.0680 0.0679 0.0678 0.0665 0.0663 0.0659 0.0653 0.0646 0.0643 0.0625 0.0622 0.0616 0.0605 0.0601 0.0600 0.0598 0.0590 0.0580 0.0575 0.0567 0.0551 0.0541 0.0540 0.0539 0.0534 0.0527 0.0519 0.0518 0.0511 0.0502 0.0501 0.0500 0.0499 0.0496 0.0494 0.0493 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301防城港来宾池州伊犁黄山阿克苏普洱白山天水雅安巴中克拉玛依喀什临沧海西辽源拉萨铁岭白城石嘴山贺州酒泉三亚儋州张家界鸡西吴忠白银塔城双鸭山黑河乌海兴安盟武威海东阜新西双版纳张掖中卫0.0309 0.0308 0.0305 0.0304 0.0302 0.0285 0.0282 0.0282 0.0280 0.0278 0.0277 0.0275 0.0275 0.0272 0.0266 0.0259 0.0258 0.0249 0.0247 0.0243 0.0240 0.0239 0.0235 0.0234 0.0233 0.0231 0.0227 0.0226 0.0221 0.0219 0.0216 0.0204 0.0202 0.0199 0.0196 0.0191 0.0183 0.0174 0.0173序号 城市 Ai 序号 城市 Ai 序号 城市 Ai 序号 城市 Ai

47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85临沂洛阳襄阳东营惠州金华宜昌镇江南宁漳州太原榆林贵阳岳阳鄂尔多斯沧州泰安威海中山常德淮安保定南阳邯郸德州衡阳芜湖聊城廊坊茂名菏泽柳州湛江株洲遵义包头珠海呼和浩特江门0.2872 0.2799 0.2792 0.2760 0.2757 0.2673 0.2655 0.2653 0.2638 0.2617 0.2593 0.2461 0.2460 0.2448 0.2398 0.2374 0.2342 0.2244 0.2236 0.2144 0.2143 0.2078 0.2066 0.2048 0.2009 0.1987 0.1928 0.1903 0.1903 0.1868 0.1854 0.1851 0.1844 0.1827 0.1825 0.1817 0.1812 0.1798 0.1798 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170毕节马鞍山安庆孝感银川荆门滁州南平益阳渭南阜阳鞍山十堰吉安蚌埠泸州达州濮阳长治娄底秦皇岛宿州怀化玉林乐山红河黄石清远延安衡水赤峰张家口凉山三门峡六盘水海口运城玉溪承德0.1107 0.1063 0.1030 0.1024 0.1001 0.1001 0.0995 0.0987 0.0986 0.0979 0.0972 0.0968 0.0963 0.0959 0.0931 0.0927 0.0911 0.0897 0.0892 0.0888 0.0881 0.0875 0.0855 0.0851 0.0847 0.0837 0.0836 0.0818 0.0815 0.0810 0.0802 0.0798 0.0797 0.0792 0.0789 0.0786 0.0785 0.0783 0.0773 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255铜仁朔州抚顺黔东南梧州新余楚雄崇左佳木斯随州萍乡河源莱芜鄂州忻州淮北四平汕尾昌吉昭通恩施辽阳鹤壁文山安顺云浮景德镇朝阳通化商洛本溪鹰潭丹东锡林郭勒巴彦淖尔葫芦岛广元河池乌兰察布0.0491 0.0490 0.0487 0.0480 0.0471 0.0469 0.0465 0.0464 0.0464 0.0453 0.0430 0.0428 0.0427 0.0424 0.0422 0.0417 0.0410 0.0406 0.0403 0.0400 0.0391 0.0386 0.0384 0.0384 0.0381 0.0374 0.0373 0.0372 0.0370 0.0369 0.0364 0.0361 0.0358 0.0356 0.0354 0.0353 0.0348 0.0340 0.0339 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338平凉哈密德宏陇南定西丽江铜川阿坝和田固原嘉峪关甘孜鹤岗阿拉善伊春金昌临夏七台河日喀则吐鲁番迪庆博尔塔拉阿勒泰昌都山南林芝怒江海南甘南那曲大兴安岭克孜勒黄南海北阿里玉树果洛0.0172 0.0168 0.0166 0.0159 0.0159 0.0151 0.0140 0.0138 0.0136 0.0134 0.0134 0.0131 0.0127 0.0127 0.0121 0.0120 0.0117 0.0115 0.0107 0.0103 0.0095 0.0092 0.0091 0.0090 0.0086 0.0084 0.0083 0.0078 0.0075 0.0072 0.0072 0.0068 0.0064 0.0064 0.0061 0.0058 0.0056序号 城市 Ai 序号 城市 Ai 序号 城市 Ai 序号 城市 Ai