离散选择实验在农村地区卫生人员工作偏好研究中的应用

孟媛, 叶凤, 王菁, 殷晓旭

离散选择实验(discrete choice experiment,DCE)是在经济学、市场营销学和心理学基础上发展起来的一种测量偏好的方法,已被广泛应用于卫生领域。近年来,农村地区卫生人力资源匮乏问题备受重视,DCE越来越多地被应用到卫生人员对农村地区工作特征偏好的研究中。2012年,世界银行、世界卫生组织和美国国际开发署联合发布了《如何在农村和偏远地区开展吸引和留住卫生人员的离散选择实验:带有案例分析的用户指南》[1],该指南对DCE的应用步骤进行了系统阐述,旨在为全球各国尤其是发展中国家提供参考。然而,我国在此方面相关研究数量极少[2-3],这可能是因为该指南在我国尚未得到良好普及。本文在上述指南的基础上,结合近年国内外相关文献中的创新性发展,对DCE用于测量农村地区卫生人员工作偏好的应用步骤进行整理,旨在为后续国内开展相关研究提供借鉴和参考。

1 DCE的理论与应用

DCE的理论基础是经济学中的需求理论和效用最大化理论。需求理论认为,人们对事物的需求是基于对事物内部各个属性特定组合的需求。效用是事物对人们需求、欲望等满足程度的一种度量。效用最大化理论认为,人们会选择给他们带来效用最大的属性组合。基于随机效用理论,假设受访者n从j个备选方案中进行选择,总效用可表示为Unj。根据效用最大化理论,只有满足对于所有的j,Uni>Unj,受访者才会选择i。在模型中,总效应包括固定效用和随机效用两部分,固定效用Vni是由m个可观测属性(x1,x2,…,xm)所构成的函数,随机效用εni是不可观测属性和个人偏好差异的函数。基于此,总效用可表示为:

Uni=Vni+εni=β0+β1x1 ni+β2x2 ni+…+βmxmni+εni

(1)

由于效用是无法直接测量的,式(1)中的系数无法直接估计得出,基于概率模型,当受访者n在选项集中进行选择时,其选择方案i而不是方案j的概率可以表示为:

Pni=Pr(Uni>Unj)=Pr(εni-εnj>Vnj-Vni)

(2)

DCE于20世纪90年代初开始应用于卫生领域,并在研究中取得了突破性进展。1998年,Chomitz等[4]将DCE应用到吸引医生到农村或偏远地区工作激励偏好研究中。其后,各个国家和地区也陆续开展了相关研究。尤其自21世纪初以来,各国对农村和偏远地区卫生人力不足的情况都更为关注,相关研究也越来越多。至今,国内外已有近30篇文献使用DCE对农村和偏远地区卫生人员的工作偏好进行了探索。相关研究量化了卫生人员对农村和偏远地区各工作特征的偏好程度,为各国制定激励策略提供了强有力的理论支撑。

2 DCE在农村地区卫生人员工作偏好研究中的应用步骤

2.1 DCE的设计

目前,基于DCE开展的农村地区卫生人员工作偏好研究包括三类DCE设计。第一类,选项集中的选择方案分别代表农村和城市地区的卫生工作;第二类,DCE选项集中的选择方案分别代表不同特征的农村地区卫生工作;第三类,地区是选项集中的一个属性,城市和农村仅作为地区属性的不同水平出现。

2.1.1 明确属性和水平属性和水平的确定是开展DCE的第一步,也是至关重要的一步。属性和水平是构成选择方案的基本要素,属性反映了不同的工作特征,水平则反映了属性的各个程度。明确属性和水平的常用方法包括文献回顾和定性研究。文献回顾的内容主要包括探讨农村地区卫生人员工作意愿、离职意愿影响因素的文献,利用DCE获取农村地区卫生人员工作偏好的文献,以及提出吸引和留住农村地区卫生人员激励措施的文献。为获得更全面的信息,还有必要对相关政策文件进行回顾。定性研究通常在文献回顾基础上进行,主要包括个人深入访谈、焦点小组访谈、半结构化访谈等方法,研究中通常采用两种及以上定性研究方法。抽取定性研究受访者时,一般采用目的抽样的方法,受访者主要包括医学生、卫生人员和卫生政策制定者等。

纳入属性包括经济属性和非经济属性两部分。经济属性主要包括工资、住房和绩效津贴等,非经济属性主要包括医疗设施水平、管理层支持情况、服务期限和培训、晋升机会等。属性个数不宜过多或过少,过少可能无法捕捉受访者的偏好,过多则会增加其应答负荷而无法得到精确的偏好结果。一项关于DCE的综述显示,理想的属性个数应控制在4～9个[5]。现有相关研究大多设置了6～8个属性。各属性对应的水平个数也应适中,水平过多会干扰受访者权衡,而重要属性水平设置过少,则会导致受访者过度关注该属性而忽略其他属性。例如工资这一属性,如果仅设置两个水平,受访者很容易忽略掉其他属性,直接选择工资较高的方案。Bridges等[6]在ISPOR报告中指出属性水平个数应限制在4个以内。现有研究水平个数多为2～4个。此外,研究中对属性和水平的描述应尽可能完整且通俗易懂。具体研究中,属性和水平的确定通常可以概括为三个步骤:第一步,通过文献回顾确定多个可能的属性,随后进行定性研究,让受访者针对农村地区吸引和留住卫生人员的激励策略充分发表其观点,逐字记录或录音后转录为文字,然后使用Dedoose等定性分析软件识别并编码其中提及的属性,最后综合上述信息得到初步属性清单[7]。第二步,要求定性研究的受访者对已有属性的重要性进行排名[8-11],或在其中选取4～6个他们认为最重要的属性[12],综合分析以减少属性个数,留下重要性较强的属性。第三步,通过预调查,验证属性和水平的可接受性、可理解性,以及属性与研究目的的匹配程度,然后,根据预调查收集到的反馈信息对属性和水平进行调整,形成最终的属性集。水平的确定一般和属性同步进行,少数研究也会在属性明确后再为其匹配水平。此外,需要注意的是,当选项集中的选择方案分别代表农村和城市地区卫生工作时,不同组别中属性所包含的水平可以不同。例如Berman等[7]的研究中,住房属性在农村地区卫生工作中包括3个水平,而城市地区卫生工作仅有“不提供住房或住房津贴”1个水平,这也进一步提高了选项集中预设的工作与现实中工作的符合程度。

2.1.2 生成选项集使用属性和水平生成选项集是开展DCE的第二步。选项集是DCE问卷的基本单元,每个选项集包括两个及以上接近现实情境的选择方案,每个方案由各属性的不同水平构成。由于针对农村地区卫生人员工作偏好的研究普遍纳入多个属性和水平,使用完全析因设计会产生大量选择方案,相关研究应采用部分析因设计。使用部分析因设计生成选项集时,需要满足的三个基本原则,包括正交性、水平平衡和最小重叠[6]。其中,正交性是指不同属性的水平之间没有相关性;水平平衡是指属性的不同水平在问卷中出现次数相同;最小重叠是指属性在选项集中不出现相同的水平值。析因设计中,当前最为常用的是统计效率设计,即牺牲一定的正交性以实现D-效率的最大化[11,13-14]。常用的选项集设计软件包括SAS、Sawtooth和Ngene等。

2.1.3 问卷设计选项集生成后,还需进一步完善问卷的其他部分,最终完成问卷的总体设计。问卷的开头需要对问卷进行介绍,说明研究主题、研究背景、选择当前受访者的原因等。DCE选项集的个数过少会导致证据不足,过多会增加受访者的填写负担。若经上述设计仍存在较多选项集,可以将其随机分配到不同版本问卷中。Bridges等[6]推荐的问卷版本数为2～4个、个人回答选项集个数为8～16个,针对农村地区卫生人员工作偏好的研究大多符合这一标准。正式选项集前,还可以设置热身选项集,让受访者熟悉填写方式。为检验调查数据的质量,还可以在问卷中设置逻辑纠错选项集,一般设置为其中一个工作在各个属性上都优于其他工作,如受访者仍选择劣势工作,则为无效问卷。热身选项集和检验数据数量的选项集均不纳入最终数据分析。

此外,每个选项集结尾处,受访者都会被问道:“你会选择上述工作中的哪一个”。在此基础上,为了避免高估受访者的偏好,研究人员还会增加“都不感兴趣”选项。针对在职卫生人员的调查中,为了提高调查研究的现实性,还会增加“留在当前工作”选项。“都不感兴趣”和“留在当前工作”选项被称为“退出”选项,即选择这些选项无法为评估当前研究中参与者对各属性的偏好提供依据。为了确保收集到足够多的数据,针对选择“退出”选项的受访者,有时还会被强制要求在备选方案中选择一个更偏好的方案[15]。对于选择“留在当前工作”选项的受访者,一般还需要提供当前工作的情况并简要陈述这样选择的原因。除选项集外,调查问卷还需包括社会人口学特征,以便后续研究人员检验受访者的样本代表性,并可用于亚组分析,探究各亚组卫生人员对各个属性的偏好是否存在差异。

2.2 调查对象和样本量的确定

完成DCE的整体设计后,应进行调查对象的选取和样本量的确定,以便后续进行数据收集。农村地区卫生人员工作偏好研究的目的是在农村地区吸引和留住更多的卫生人员,因此,医学生和卫生人员是相关研究的重点调查对象。为保证实施的便利性,现有研究多采用整群抽样的方法抽取调查对象。不同的研究由于属性和水平、问卷设计、亚组分析等的差异,所需的最小样本量也存在差异。通常使用Orme等[16-17]提出的经验法则计算主效应模型所需样本量,其计算公式为N>500c/(t×a),其中c表示任意属性的最大水平数,t为每一问卷选项集的数量,a指每一选项集包含的选择方案个数。部分研究使用Louviere等[18]提出的公式进行样本量计算,需要代入研究的选择概率、置信度、精确度、样本流失率和选项集个数。此外,为了满足亚组分析的要求并提高研究结果的可信度,多数研究还会在最小样本量的基础上适当提高样本数量。

2.3 数据收集和整理

DCE的数据收集通常采用纸质问卷或计算机辅助调查方法,也有少部分研究采取调查人员单独采访受访者的方法。由于DCE问卷与常规问卷的阅读和填写方式存在较大差异,资料收集时,调查人员需对问卷填写方式进行详细讲解,以免被调查者乱填、错填。数据录入一般采取双录入的方法。需要注意的是,Sawtooth等软件集实验设计、问卷生成、数据收集和统计分析于一体,使用这些软件收集数据无需单独进行数据录入。此外,为了进一步提高数据的完整性和准确性,还应对收集到的原始数据进行清洗。针对缺失值和异常值,及时查找原始数据核对纠错,并根据问卷完成度和逻辑纠错选项集的回答情况对无效问卷进行剔除。

2.4 数据分析

完成数据的收集和整理后,研究进入数据分析阶段。SAS是相关研究中最为常用的数据分析软件,分析模型则以条件logit模型和混合logit模型为主。与条件logit模型相比,混合logit模型不仅能反映偏好程度的大小,还能反映出偏好的异质性,更能满足数据分析时对卫生人员偏好异质性的要求,其应用更为广泛。关于农村地区卫生人员工作偏好的DCE数据分析主要包括三个方面。第一,通过模型分析获取各属性水平的参数值,从而估计卫生人员对农村地区不同工作特征的偏好情况,并进一步通过亚组分析,探索不同特征卫生人员对各属性水平的偏好差异。第二,通过模拟政策分析,对单一或组合属性水平作用下卫生人员的农村就业接受率进行预测。第三,为了使模型的参数估计更具有经济学意义,还可以计算患者对单一或组合属性水平的支付意愿。

3 研究展望

DCE在农村地区卫生人员工作偏好领域的应用具有重要价值。DCE探索了卫生人员是否选择到农村地区工作的影响因素,量化了卫生人员对不同工作特征的偏好程度,为政策制定者提出相关激励策略提供了重要参考依据。本文通过对该领域相关研究的综述,明确了DCE用于测量农村地区卫生人员工作偏好的应用步骤,并对各步骤中重点注意事项进行了说明,为国内学者开展相关研究提供了参考。

总体看来,当前DCE在农村地区卫生人员工作偏好领域的研究仍有改进空间。研究阶段,在通过定性研究明确属性和水平时,后续研究应重点考虑正在以及曾经在农村地区工作卫生人员的看法,因其有农村地区工作经验,所思所想更能为激励策略的制定提供参考。报告阶段中,部分现有研究并未对设计软件、个人回答选项集数量、是否设置不同版本问卷、样本量确定方法、分析模型和分析软件等进行报告,这大大降低了研究过程的透明度,削弱了研究的科学性和可信度,不利于他人借鉴和质量评估。后续研究应注重报告的规范性。此外,在我国,当前仅山东省[2]和贵州省[3]开展了相关研究。为有效改善我国农村地区卫生人员匮乏的现状,更广泛的DCE研究有待开展。