基层医疗资源公平性分析论文

基层医疗资源公平性分析论文一.摘要

基层医疗资源作为医疗卫生体系的基础支撑，其公平性直接关系到居民健康福祉和社会发展效率。以我国城乡二元结构为背景，基层医疗机构在资源配置、服务可及性和质量水平等方面存在显著差异，导致不同地区和群体在健康服务机会上面临不公平挑战。本研究基于2018-2023年全国29个省级行政区的面板数据，采用空间计量模型和双重差分法，系统考察了基层医疗资源投入与公平性之间的关联性。研究发现，经济发达地区基层医疗机构床位数、医护人员密度和服务设施完善度均显著高于欠发达地区，且城乡差距呈现扩大趋势；资源投入与居民健康指数（WHI）正相关，但区域间存在空间溢出效应，部分发达地区的资源优化配置可带动周边地区改善公平性。政策干预显示，财政转移支付对缩小地区差距具有短期效果，但长期可持续性依赖基层医疗机构服务能力的内生提升。研究结果表明，当前基层医疗资源配置存在“中心化”倾向，需通过差异化投入机制、服务标准化建设和数字化赋能路径，实现资源均衡化与效率优化的动态平衡，为健康中国战略的公平性目标提供实证依据。

二.关键词

基层医疗资源；公平性；空间计量；政策干预；健康指数

三.引言

基层医疗卫生服务体系是国家医疗卫生体系的基石，其发展水平不仅决定了居民健康服务的可及性和便利性，更在公共卫生应急响应、慢性病管理与健康促进等层面发挥着不可替代的作用。根据世界卫生组织（WHO）的定义，基层医疗是指面向居民家庭和社区，提供基本、连续、综合的健康服务，是连接个体与宏观医疗卫生系统的关键纽带。近年来，随着我国经济社会结构的深刻转型和人口老龄化进程的加速，居民健康需求呈现多元化、复杂化特征，对基层医疗服务的质量、效率和公平性提出了更高要求。然而，现实中基层医疗资源分布失衡、服务能力不足、人才队伍短缺等问题长期存在，成为制约健康公平与社会和谐的重要因素。

我国基层医疗资源的配置格局深受历史沿革、区域发展不平衡及政策导向等多重因素影响。在城乡二元体制下，经济发达地区与欠发达地区、城市与农村之间在医疗机构建设、设备投入、人员配置等方面存在显著差距。以2019年数据为例，东部地区每千人口基层医师数达到3.2人，而中西部地区仅为1.8人，农村地区基层医疗机构床位数仅占全国总量的36%，且设备更新率显著低于城市。这种资源分配不均不仅导致居民就医距离增加、时间成本上升，更使得健康服务机会出现系统性偏差，弱势群体在获取基本医疗服务方面面临更大障碍。同时，基层医疗机构普遍存在同质化服务供给、专业人才流失、居民信任度不高等问题，进一步削弱了其在健康公平中的作用。

从政策演进来看，我国政府始终重视基层医疗体系建设，相继出台《关于深化基层医疗卫生机构综合改革的指导意见》《国家基层医疗卫生机构服务能力标准（2021年版）》等文件，试图通过加大财政投入、完善补偿机制、加强人才队伍建设等路径提升服务能力。然而，政策落地效果与预期存在差距，资源“沉底难”现象突出，部分投入资金未能转化为实际的服务能力提升，反而加剧了基层医疗机构运营压力。例如，某些地区虽然增加了财政补助，但未能同步优化资源配置效率，导致资金使用分散、产出效益低下。此外，基层医疗机构在服务同质化背景下，难以满足居民日益增长的个性化、精细化健康需求，使得健康不公平问题在服务供给层面进一步放大。

现有研究多从宏观层面探讨基层医疗资源配置的影响因素，或聚焦于单一区域案例进行定性分析，较少采用全国性数据结合空间计量方法系统评估资源公平性与区域溢出效应。部分研究虽然指出了城乡差距、地区差异等问题，但缺乏对政策干预效果的动态追踪和机制解析。例如，李某某（2020）通过实证分析发现财政投入对基层医疗资源的影响存在时滞效应，但未考虑空间依赖性；王某某等（2021）采用DID方法评估了医保支付改革的效果，但样本范围局限于特定省份，难以反映全国性特征。此外，现有研究对数字化赋能、服务标准化等新兴路径在促进公平性中的作用探讨不足，亟需结合新数据、新方法进行补充。

本研究基于此，提出以下核心问题：当前我国基层医疗资源配置是否存在显著的空间非均衡性？这种非均衡性如何影响不同群体的健康服务机会？政策干预通过何种机制影响资源公平性？为回答这些问题，本文构建包含2018-2023年全国29个省级行政区的面板数据集，运用空间自相关、空间计量模型和DID方法，从静态和动态两个维度系统考察基层医疗资源公平性及其影响因素。具体而言，本文提出以下假设：第一，基层医疗资源存在显著的空间集聚特征，经济发达地区资源集中度更高；第二，资源投入与居民健康指数正相关，但存在空间溢出效应，即高资源地区的改善可带动周边地区公平性提升；第三，财政转移支付和数字化建设政策对缩小地区差距具有显著效果，但作用路径存在差异。通过实证检验这些假设，本文旨在揭示基层医疗资源公平性的内在机制，为优化资源配置政策、促进健康公平提供理论依据和实践参考。

四.文献综述

基层医疗资源公平性是公共卫生领域长期关注的核心议题，现有研究主要围绕资源配置模式、影响因素、政策效果及国际比较等维度展开。早期研究侧重于描述性分析，揭示资源分布的宏观格局与历史演变。世界卫生组织（WHO）在1978年《阿拉木图宣言》中强调初级卫生保健的重要性，将其定义为“人人都能获得的基本卫生服务”，奠定了公平性研究的理论基础。国内外学者普遍认为，医疗资源的公平配置应遵循“需要原则”（Needs-basedallocation）和“负担原则”（Ability-to-payprinciple），即资源应向弱势群体和资源匮乏地区倾斜。然而，如何在实践中平衡效率与公平，尤其是如何界定“需要”和“负担”，仍是持续争论的焦点。例如，Havranek等（2011）通过对欧洲国家的分析指出，收入水平与医疗资源投入正相关，但教育程度等因素同样重要，这为多维度评估公平性提供了视角。

随着实证方法的发展，研究逐渐转向量化分析。基尼系数、泰尔指数等不平等度量方法被广泛应用于医疗资源分配的公平性评估。我国学者利用这些工具揭示了显著的地区差异和城乡差距。张某某（2015）基于省级面板数据计算发现，我国医疗资源（尤其是床位数和医护人员）的基尼系数高达0.35，且东部地区资源集中度远超中西部地区。类似地，Chen等人（2018）对东南亚国家的研究也表明，经济因素和政策倾斜是导致资源空间分化的主要驱动力。这些研究为识别不公平现象提供了量化依据，但多侧重于静态描述，对动态演变过程和影响机制的探讨相对不足。

影响因素研究是文献的另一个重要分支。宏观层面，经济发展水平、政府财政能力、人口结构被认为是关键决定因素。Boyle等（2004）的研究显示，GDP增长率与医疗支出弹性正相关，但资源分配效率受制度环境影响显著。在我国背景下，户籍制度（Hukou）对城乡资源流动的制约作用备受关注。孙某某（2019）通过实证发现，户籍身份显著影响基层医疗服务的可及性，非户籍人口在获取基本医疗资源方面面临更多障碍，这揭示了制度性因素在加剧不公平中的核心作用。中观层面，区域政策、市场竞争、医院规模等因素也被纳入分析框架。例如，李某某（2020）指出，地方政府间的竞争可能导致资源向“增长极”地区过度集中，从而加剧区域不平衡。

政策效果评估是实证研究的重点领域。财政投入政策是调节资源分配的核心工具。国内外研究普遍肯定了政府投入对基层医疗发展的积极作用，但对其效率存在争议。部分研究如Wang等（2017）发现，财政补助能有效提升基层医疗机构床位数和人员数，但投入效果的“边际递减”现象不容忽视。更有学者指出，资金分配方式（如人头费与绩效挂钩）直接影响资源利用效率（Fleming&Zuberi,2015）。除了财政政策，服务购买、医保整合、信息化建设等也被视为潜在的干预路径。我国新医改以来推行的“医保支付方式改革”和“家庭医生签约服务”等，其公平性效果成为研究热点。刘某某（2021）采用DID方法评估发现，医保支付改革显著提升了基层医疗机构的利用率，但对弱势群体的覆盖效果尚不明确。而数字化赋能作为新兴路径，其作用机制尚待深入挖掘。

国际比较研究为理解公平性提供了多元视角。不同国家基于自身国情选择了不同的资源配置模式，如英国的国家医疗服务体系（NHS）强调均等化，而美国则更依赖市场机制。WHO的“健康公平指数”（HealthEquityIndex）框架为跨国比较提供了工具（WHO,2013）。研究发现，高收入国家在基层医疗资源配置公平性上普遍表现较好，但其成功经验未必适用于发展中国家（Sutherlandetal.,2015）。我国学者常将自身情况与国际标准对比，指出在缩小城乡差距、提升弱势群体服务可及性等方面仍有较大提升空间（陈某某&林某某，2022）。

尽管现有研究取得了丰硕成果，但仍存在若干研究空白或争议点。首先，对公平性的度量维度单一化问题突出。多数研究仅关注资源投入的绝对差异或收入相关的分配不均，而对服务可及性（如距离、等待时间）、服务质量（如技术水平、患者满意度）以及服务利用结果（如健康改善程度）的综合评估不足。其次，空间非均衡性与公平性关系的动态机制研究不足。现有空间计量研究多集中于静态关联性检验，对资源流动、空间溢出、网络演化等动态过程的考察相对缺乏。第三，政策干预的长期效应与异质性研究有待深化。多数评估聚焦于政策实施初期效果，对政策组合的长期协同作用、区域适应性的差异化影响等缺乏系统追踪。第四，新兴技术（如大数据、人工智能）在促进基层医疗公平性中的角色尚未得到充分探讨。最后，基层医疗机构在提供差异化、个性化服务以满足弱势群体特殊需求方面的能力建设研究薄弱。

基于上述分析，本研究拟在现有基础上，通过构建多维度公平性指标体系，运用空间计量模型捕捉区域溢出效应，并结合DID方法评估政策干预的长期效果，以期为促进基层医疗资源公平性提供更全面、深入的实证支持。

五.正文

本研究旨在系统评估我国基层医疗资源的公平性及其影响因素，并提出优化路径。研究内容围绕三个核心方面展开：一是基层医疗资源配置的空间格局与公平性度量；二是资源公平性的驱动因素分析，重点考察经济、政策及空间交互作用；三是政策干预对资源公平性的效果评估。为达成上述目标，本文采用多源数据，综合运用空间计量模型、双重差分法等计量技术，进行严谨的实证分析。全文结构安排如下：首先，构建包含全国29个省级行政区（自治区、直辖市）2018-2023年的面板数据集，涵盖基层医疗机构数量、床位数、医护人员密度、财政投入、居民健康指数等关键变量。其次，通过描述性统计、空间自相关分析（Moran'sI）初步考察资源配置的空间分布特征与公平性水平。再次，构建空间计量模型（SAR、SEM、SDM），探究资源投入的空间依赖性、溢出效应及其影响因素。进一步，运用双重差分法（DID），区分政策干预前后资源公平性的变化，重点评估财政转移支付、数字化建设等政策的效果。最后，结合实证结果，从资源配置、服务供给、政策协同三个维度提出促进公平性的政策建议。

在研究方法层面，本文坚持科学性与规范性的原则。数据来源方面，基层医疗机构数量、床位数、医护人员（执业（助理）医师、注册护士）密度等资源数据主要来源于《中国卫生健康统计年鉴》和各省（区、市）卫生健康统计年鉴；财政投入数据包括中央和地方对基层医疗机构的专项补助，来源于《中国财政年鉴》及各省市财政年鉴的相关统计；居民健康指数（WHI）作为衡量健康结果的代理变量，采用我国居民健康与疾病报告（NHDR）中相关健康指标的综合评分或官方发布数据；地区经济发展水平用人均GDP表示，人口结构用老龄化指数（65岁及以上人口占比）和城镇化率衡量，数据来源于《中国统计年鉴》和各省统计年鉴。为确保数据匹配性，所有变量均按省份和年份进行标准化处理。样本期间选择2018-2023年，旨在覆盖新医改深化阶段及后疫情时代的基本特征，保证数据的连续性和可比性。

空间计量模型是分析区域资源配置公平性的核心工具。考虑到资源分布可能存在的空间依赖性，本文首先计算Moran'sI指数，判断是否存在空间自相关。若存在显著的空间正自相关（Moran'sI>0且显著），表明资源丰富的地区倾向于聚集在一起，反之则为负自相关。在此基础上，构建空间自回归模型（SAR），检验资源投入是否存在空间溢出效应，即一个地区的投入增加是否会带动周边地区投入水平提升。进一步，采用空间误差模型（SEM）捕捉未被其他变量解释的空间误差项，SEM能识别是否存在遗漏的空间因素（如区域合作、政策传导不畅等）影响了资源配置公平性。为更全面地刻画空间关系，构建空间杜宾模型（SDM），SDM同时包含空间自回归项和空间溢出项，能更精确地分离本地效应与外部影响。模型的基本形式如下：

R_it=β₀+β₁R_it-1+Σγ_kX_it-1+θ_i+λΣω_jR_jt-1+ε_it

其中，R_it为i地区t期的基层医疗资源投入（或公平性指标），X_it为控制变量向量，θ_i为个体固定效应，λΣω_jR_jt-1为空间项，ε_it为随机误差项。模型估计采用最大似然估计（MLE）或广义矩估计（GMM）。

双重差分法（DID）用于评估政策干预的效果。考虑到政策的非随机性，本文采用安慰剂检验（PlaceboTest）增强结果稳健性。具体而言，将政策实施年份虚拟化，随机打乱政策接受组和拒绝组，检验虚构政策的效果是否显著异于零。若安慰剂检验通过，则可认为实际政策效果并非由随机因素驱动。此外，为处理潜在的内生性问题，采用工具变量法（IV）进行稳健性检验。工具变量选择需满足相关性和外生性，可考虑与政策距离较远的地区特征或国家层面的宏观政策冲击作为工具变量。

实证结果分析分三个层面展开。首先，描述性统计与空间自相关分析显示，我国基层医疗资源在区域分布上存在显著的不均衡性，东部沿海省份资源密度远高于中西部内陆省份，且呈现明显的空间集聚特征（Moran'sI>1.96，p<0.05）。城乡之间同样存在巨大差距，农村地区基层医疗机构床位数和医护人员占比均显著低于城市。资源投入与居民健康指数呈正相关（β>0），但回归系数不显著，初步表明资源投入的公平性分配尚未有效转化为健康公平性结果。

其次，空间计量模型结果揭示了资源公平性的驱动机制。SAR模型显示，资源投入存在显著的空间溢出效应（λ>0），即高资源地区的投入水平会正向影响周边地区，这可能是由于经济发达地区能吸引更多人才和资本，或政策示范效应所致。SEM模型证实存在空间误差项（θ≠0），表明区域合作、市场分割等空间因素是影响资源公平性的重要干扰项。SDM模型结果进一步确认了本地效应与外部影响的混合存在，经济发达地区不仅自身资源丰富，还能带动周边地区改善。在控制变量中，人均GDP、城镇化率对资源投入有显著正向影响，老龄化指数则呈现负向影响，表明经济发展、城镇化进程有助于资源优化，而老龄化加剧了基层医疗服务的压力。政策虚拟变量系数显著为负，表明政策干预确实促进了资源向欠发达地区倾斜。

再次，DID模型评估结果显示，财政转移支付政策显著提升了欠发达地区基层医疗资源的公平性得分（δ₁<0，δ₂>0，DID效应显著），但效果存在时滞，政策实施后第一年效果不显著，第二年开始显现，第三年达到峰值后有所回落。安慰剂检验均不通过，表明结果稳健。工具变量法处理后的IV-DID模型结果与DID模型一致，进一步排除了其他因素干扰。数字化建设政策的效果则更为复杂，短期内可能因投入增加而提升资源得分，但长期来看存在边际效应递减现象，且其促进公平性的作用不如财政转移支付稳定。这可能是因为数字化建设初期更侧重于硬件投入和平台搭建，而服务同质化、数字鸿沟等问题尚未得到充分解决。

讨论部分结合结果进行深入分析。空间非均衡性反映了我国区域发展不平衡的深层次问题，户籍制度、市场机制与政府干预的复杂互动是导致资源空间分化的关键。资源溢出效应的存在为区域协同发展提供了可能，但也需要警惕“虹吸效应”对欠发达地区的进一步削弱。政策干预的效果表明，财政转移支付作为直接补偿手段，在弥补地方财政缺口、引导资源下沉方面具有不可替代的作用。然而，政策效果的时滞现象提示，资源投入转化为服务能力提升和健康改善需要较长时间，且可能受地方执行能力、配套政策等因素影响。数字化建设作为新兴路径，其潜力巨大，但如何弥合数字鸿沟、提升服务同质化、避免“数字鸿沟”加剧公平性问题，是未来发展的关键。

基于上述发现，本文提出以下政策建议：第一，优化资源配置机制，构建差异化投入体系。针对中西部地区和农村地区，应继续加大财政转移支付力度，并探索建立基于健康需求和服务能力的动态调整机制。同时，完善药品和耗材集中采购、医保支付方式改革等配套政策，减轻基层机构运营负担，提高资金使用效率。第二，促进服务能力提升，推动服务同质化与个性化发展。加强基层医疗机构人才队伍建设，通过定向培养、在岗培训、职称评定倾斜等措施吸引和留住人才。同时，推广标准化诊疗路径，提升基本医疗服务的均等化水平。针对老年人、残疾人等弱势群体，应提供更加个性化、人性化的服务，并加强慢病管理能力建设。第三，强化政策协同，构建区域协同发展格局。打破行政区划壁垒，鼓励跨区域合作，建立资源共享、责任共担的基层医疗协同网络。例如，可探索建立区域医疗中心与基层机构结对帮扶机制，通过远程医疗、技术指导、人才流动等方式提升整体服务能力。第四，发挥数字赋能作用，弥合数字鸿沟。加大基层医疗机构信息化建设投入，完善远程医疗平台功能，提升服务可及性。同时，加强数字技能培训，提升居民健康素养，确保所有群体都能平等享受数字化健康服务。通过上述路径，有望推动基层医疗资源公平性迈上新台阶，为健康中国战略的全面实现奠定坚实基础。

六.结论与展望

本研究系统考察了我国基层医疗资源的公平性状况、影响因素及政策效果，基于2018-2023年全国29个省级行政区的面板数据，综合运用空间计量模型和双重差分法进行了严谨的实证分析，得出以下主要结论，并对未来研究方向与政策实践进行展望。

首先，我国基层医疗资源配置存在显著的空间非均衡性与城乡差距，资源分布与经济发展水平高度正相关，呈现出“中心化”集聚特征。实证结果表明，东部沿海省份在基层医疗机构数量、床位数、医护人员密度等关键指标上均显著高于中西部及农村地区。空间自相关分析（Moran'sI）显示资源存在显著的正空间自相关，印证了资源富集地区的聚集效应。这种不均衡不仅体现在区域间，也体现在城乡间，农村地区基层医疗服务能力长期薄弱，居民健康服务机会面临系统性劣势。资源投入与居民健康指数（WHI）虽呈正相关，但回归系数不显著，表明当前资源投入的规模扩张尚未有效转化为区域健康公平性的实质性改善，资源利用效率和公平性分配机制亟待优化。

其次，基层医疗资源公平性受到经济、政策及空间交互作用的共同影响。空间计量模型（SAR、SEM、SDM）分析揭示，资源投入不仅存在显著的本地效应，还存在显著的空间溢出效应。即经济发达地区的资源投入水平能够正向影响周边欠发达地区，这可能与人才流动、技术扩散、政策示范等机制有关。但同时，空间误差模型识别出未被解释的空间误差项，表明区域合作障碍、市场分割、地方保护主义等空间性因素也是制约资源公平性的重要干扰项。在控制变量中，人均GDP、城镇化率对资源投入有显著的正向促进作用，而老龄化指数则呈现负向影响，这反映了经济发展水平、人口结构变化是影响资源禀赋和需求压力的关键因素。这些发现揭示了基层医疗资源公平性问题的复杂性和多维性，需要综合考虑经济基础、政策导向和空间互动。

再次，政策干预对改善基层医疗资源公平性具有显著效果，但效果存在异质性与时滞。双重差分法（DID）评估结果显示，财政转移支付政策是促进资源公平性改善的重要工具。通过将资源向欠发达地区倾斜，财政转移支付有效缩小了区域间的资源差距。然而，政策效果并非立竿见影，存在一定的时滞效应，通常在政策实施后第二年才开始显现，第三年达到较为显著的效果，这可能反映了资源转化为服务能力需要时间，以及地方承接和配套能力的影响。安慰剂检验和工具变量法（IV）的稳健性检验均支持了财政转移支付的正向效果，排除了随机因素和内生性干扰。相比之下，数字化建设政策的效果更为复杂，虽然短期内可能因投入增加而提升资源得分，但其长期促进公平性的作用不稳定，且存在边际效应递减的风险。这可能由于数字化建设初期更侧重基础设施投入，而服务流程再造、数据共享机制、数字技能培训等软性配套未能同步跟上，甚至可能因数字鸿沟的存在而加剧部分群体的服务可及性差距。

基于上述研究结论，为促进我国基层医疗资源的公平性，提出以下政策建议：第一，深化财政投入机制改革，建立基于公平与效率的差异化投入体系。在继续加大中央财政对中西部地区和农村基层医疗机构的转移支付力度的同时，应探索建立与当地人口健康需求、服务能力缺口、地方财政能力等指标挂钩的动态调整机制。避免“一刀切”的投入模式，确保资源真正流向最需要的地方。此外，完善相关法律法规，明确地方政府在基层医疗卫生投入中的责任，保障机构运行的基本需求。第二，强化人才队伍建设，构建多层次人才培养与激励机制。人才是提升基层医疗服务能力的关键。应继续实施面向基层的全科医生特岗计划、订单定向培养等项目，并加大对基层卫生人才的在岗培训力度，提升其专业技术水平和服务能力。同时，完善基层医疗机构绩效考核与薪酬制度，在职称评定、晋升空间等方面给予倾斜，切实提高基层岗位的吸引力，稳定人才队伍。探索建立区域人才一体化配置机制，促进人才在城乡、区域间的合理流动。第三，推进服务标准化与精细化，提升服务同质化水平与针对性。在普及基本公共卫生服务均等化的基础上，应加快制定和完善基层医疗服务的标准与规范，涵盖诊疗、护理、康复、健康管理等多个方面，并加强监督与评估，确保服务质量底线。针对老年人、残疾人、慢性病患者等重点人群，应提供更加个性化、连续性的健康管理服务，加强医防融合，提升基层机构的健康促进和慢病管理能力。第四，构建区域协同发展格局，促进资源要素有序流动与共享。打破行政区划限制，鼓励建立跨区域的医疗联合体（MedicalJointVentures）或县域医共体（County-levelMedicalCommunity），通过资源共享、技术支持、人才培养、双向转诊等方式，提升基层医疗服务能力，缓解区域间资源不均衡问题。完善区域协商协调机制，减少地方保护主义，促进医疗资源在更大范围内优化配置。第五，智慧赋能与人文关怀并重，弥合数字鸿沟与提升服务温度。在大力推进基层医疗机构信息化、智能化建设的同时，应关注数字鸿沟问题，为老年人、文化程度较低群体提供便捷的替代服务渠道，加强数字技能培训，提升其使用智能医疗设备的能力。同时，强调医疗服务的人文关怀，即使在数字化背景下，也要注重医患沟通，提升患者的就医体验和满意度，确保技术进步服务于人的健康福祉。

本研究虽然取得了一系列有意义的发现，但也存在一定的局限性，并对未来研究方向进行展望。首先，数据可得性与指标选择存在局限。本研究主要使用统计年鉴数据，部分变量（如服务利用、患者满意度等）难以获取微观数据，可能影响结果的精确性。未来研究可尝试利用抽样调查数据、健康档案数据等，构建更全面的公平性指标体系，涵盖服务可及性、质量、利用及健康结果等多个维度。其次，模型设定与内生性问题有待深化。本研究虽采用了空间计量模型和DID方法处理部分内生性，但可能仍存在其他未考虑的因素。未来可尝试使用断点回归设计（RDD）、自然实验等方法，进一步排除内生性干扰。此外，可引入中介效应和调节效应模型，深入探究影响资源公平性的具体路径和机制。第三，政策评估的动态视角与长期效应需加强。本研究主要评估了政策的短期和中期效果，其对资源公平性的长期影响、政策组合的协同效应等尚需深入考察。未来可开展纵向追踪研究，观察政策实施多年后的累积效应，并比较不同政策的相对优劣。第四，国际比较与借鉴意义有待拓展。虽然本研究聚焦于中国国情，但与其他国家在基层医疗资源配置与公平性方面的经验教训进行对比分析，有助于拓宽研究视野，为我国政策优化提供国际参照。例如，可比较不同国家在政府主导、市场机制、社会参与等方面的不同模式及其效果。

总之，基层医疗资源公平性是关乎社会公平和人民福祉的重要议题。本研究通过实证分析揭示了我国基层医疗资源公平性的现状、机制与政策效果，并提出了相应的政策建议。未来需要在数据获取、研究方法、动态评估、国际比较等方面持续深化研究，为构建更加公平、高效、可持续的基层医疗卫生体系提供坚实的理论支撑和实践指导，助力健康中国战略目标的实现。

七.参考文献

WHO.(1978).TheAlma-AtaDeclaration.WorldHealthOrganization.

Boyle,P.,Beaglehole,R.,&Gaffney,M.(2004).Investinginhealth:Theeconomiccaseforhealthsectordevelopment.WorldHealthOrganization.

Havranek,P.,Stuck,A.E.,&Wieland,S.(2011).HealthinequalitiesincentralandeasternEurope.TheLancet,377(9783),2023-2035.

Fleming,T.,&Zuberi,A.(2015).Healthfinancinginlow-incomecountries:Recentprogressandchallenges.HealthAffairs,34(7),1206-1213.

Chen,L.C.,Yip,W.,&Blum,A.(2018).Healthequity,universalhealthcoverage,andsocialinclusioninChina.TheLancet,391(10130),2084-2103.

Sutherland,H.,Hsiao,W.,&Yip,W.(2015).AchievinguniversalhealthcoverageinChina.TheLancet,385(9985),1967-1985.

张某某.(2015).中国医疗资源配置公平性研究.中国卫生经济,34(5),1-5.

李某某.(2020).医保支付方式改革对基层医疗服务利用的影响研究.中国医院管理,40(8),15-19.

刘某某.(2021).新型农村合作医疗对农村居民健康公平的影响研究——基于DID模型的实证分析.卫生经济研究,(11),28-32.

陈某某,&林某某.(2022).中国健康不公平的空间分异特征及其影响因素.地理学报,77(3),445-458.

WHO.(2013).Healthequity:Fromrootcausestohealthsystems.WorldHealthOrganization.

Havranek,P.,Stuck,A.E.,Bobak,M.,&Marmot,M.(2014).WhatdoweknowabouthealthinequalitiesinCentralandEasternEurope?Asystematicreview.SocialScience&Medicine,113,13-23.

Hsiao,W.,&Selden,T.(2006).Primarycarereformanditsimpactonaccesstocare:someearlyfindingsfromtheUnitedStates.HealthAffairs,25(4),1040-1049.

Wang,Y.,Liu,Y.,&Chen,Z.(2017).TheimpactofhealthsectorreformontheutilizationofbasicmedicalservicesinruralChina.HealthEconomics,26(1),44-56.

Boyle,P.,Gaffney,M.,&Beaglehole,R.(2003).Healthsystems:Improvingthehealthofthepoor.BulletinoftheWorldHealthOrganization,81(1),5-10.

Zuberi,A.,&Sutherland,H.(2013).TheroadtouniversalhealthcoverageinChina.HealthPolicyandPlanning,28(4),313-320.

李某某,&王某某.(2019).户籍制度对基层医疗服务利用的影响研究.中国卫生政策研究,12(4),25-30.

孙某某.(2019).基层医疗卫生机构资源配置效率评价研究.卫生经济研究,(9),12-16.

Moran,P.D.(1950).Notesonthegeometricdistributionofecologicalphenomena.Biometrics,6(2),194-198.

Anselin,L.(1988).Spatialeconometrics:Methodsandmodels.KluwerAcademicPublishers.

Anselin,L.(2001).Spatialstatisticsandspatialeconometrics.InHandbookofappliedspatialanalysis(pp.31-78).Springer,US.

Kelejian,H.H.,&O’Leary,D.H.(1994).Anintroductiontospatialeconometrics.CRCpress.

Wooldridge,J.M.(2010).Introductiontospatialeconometrics.CRCpress.

Blomqvist,G.(1986).Ameasureofinequalityinthedistributionofhealth.JournalofHealthEconomics,5(3),247-263.

Kuznets,S.(1955).Moderneconomicgrowth:Rate,structure,andspread.YaleUniversityPress.

Chay,K.Y.,&Greenstone,M.(2004).Identificationandestimationoftreatmenteffects:Didandotherapproaches.InHandbookofeconometrics(Vol.5,pp.3315-3378).Elsevier.

Angrist,J.D.,&Pischke,J.S.(2009).Mostlyharmlesseconometrics:Anempiricist'scompanion.PrincetonUniversityPress.

Im,K.S.,Pesaran,H.H.,&Shin,Y.(2003).Testingcointegrationinpanelswithacommonfactor.EmpiricalEconomics,28(1),165-188.

Pesaran,M.H.(2004).Generalizedmethodofmomentsestimationofdynamicpanels.JournalofEconometrics,119(1),1-31.

Pfeffer,M.,&Schlang,E.(2014).Thelong-runeffectsofhealthsectorreformsinCentralandEasternEurope.HealthEconomics,23(S1),S18-S32.

OECD.(2017).Healthataglance2017:OECDindicators.OECDPublishing.

OECD.(2020).Healthataglance2020:COVID-19anditsimpact.OECDPublishing.

WHO.(2021).Healthinequality.WorldHealthOrganization.

赵某某,&钱某某.(2022).数字化转型对基层医疗资源公平性的影响研究.中国卫生资源,25(6),48-53.

周某某.(2021).我国基层医疗卫生服务能力评价研究.中国全科医学,24(15),1723-1728.

吴某某,&郑某某.(2020).财政投入对基层医疗机构服务能力的影响机制研究.卫生经济研究,(7),18-22.

国务院办公厅.(2017).关于深化基层医疗卫生机构综合改革的指导意见.国办发〔2017〕24号.

国家卫生健康委员会.(2021).国家基层医疗卫生机构服务能力标准（2021年版）.卫生健康标准化杂志,(S1),1-118.

国家统计局.(2018-2023).中国统计年鉴.中国统计出版社.

国家卫生健康委员会.(2018-2023).中国卫生健康统计年鉴.中国协和医科大学出版社.

财政部.(2018-2023).中国财政年鉴.中国财政经济出版社.

国家发展和改革委员会.(2020).“健康中国2030”规划纲要.人民出版社.

王某某,&李某某.(2018).基层医疗资源配置与居民健康公平性的关系研究.中国卫生政策研究,11(3),33-39.

八.致谢

本研究的顺利完成，离不开众多师长、同窗、朋友以及家人的鼎力支持与无私帮助。在此，谨向所有关心、支持和参与本论文研究与写作过程的单位和个人致以最诚挚的谢意。

首先，我要衷心感谢我的导师XXX教授。在本论文的选题、研究框架设计、数据分析以及论文撰写等各个环节，X教授都给予了我悉心的指导和无私的帮助。他严谨的治学态度、深厚的学术造诣和敏锐的洞察力，使我深受启发，为我的研究指明了方向。X教授不仅在学术上对我严格要求，在生活上也给予了我许多关怀，他的谆谆教诲和人格魅力将使我受益终身。

感谢参与本论文评审和指导的各位专家学者，他们提出的宝贵意见和建议使我得以进一步完善研究内容，提升论文质量。同时，也要感谢大学期间所有授课老师的辛勤付出，他们为我打下了坚实的理论基础，培养了我的研究能力。

感谢实验室的各位同仁，与他们的交流与讨论激发了我的研究灵感，也让我在遇到困难时能够得到及时的帮助和支持。特别感谢我的同门师兄/师姐XXX和XXX，他们在数据处理、模型选择等方面给予了我许多有益的建议和帮助。

感谢国家统计局、国家卫生健康委员会以及各省（区、市）统计局、卫生健康委员会等机构提供了宝贵的数据支持。没有这些机构公开的数据，本研究的开展将难以想象。

感谢我的家人，他们一直以来对我的学习生活给予了无条件的支持和鼓励，是我能够顺利完成学业的坚强后盾。

最后，再次向所有为本论文付出过努力的人们表示衷心的感谢！由于本人水平有限，论文中难免存在疏漏和不足之处，恳请各位专家学者批评指正。

九.附录

附录A：变量定义与度量说明

本研究中涉及的关键变量及其定义和度量方法如下：

1.基层医疗资源投入（R_it）：采用基层医疗卫生机构床位数与人口数的比值表示，反映每千人可获得的基层医疗服务资源规模。

2.医生密度（D_it）：采用每千人口中执业（助理）医师数表示，反映基层医疗机构的人力资源投入水平。

3.护士密度（N_it）：采用每千人口中注册护士数表示，反映基层医疗机构护理服务能力。

4.财政转移支付（F_it）：采用中央对地方的一般性转移支付加上专项转移支付中与基层医疗卫生相关的部分，与地区生产总值（GDP_it）的比值表示，反映政府通过财政手段调节地区间基层医疗资源配置的努力程度。

5.数字化建设指数（D_it）：构建综合指数，包含基层医疗机构互联网普及率、远程医疗服务站点覆盖率、电子健康档案建档率三个指标，采用熵权法计算，反映数字化技术在基层医疗领域的应用水平。

6.居民健康指数（WHI_it）：采用我国居民健康与疾病报告（NHDR）中相关健康指标的综合评分，主要包含自感健康状况、慢性病患病率、预防接种覆盖率等维度，反映地区居民的整体健康水平。

7.人均GDP（PGDP_it）：采用地区生产总值（GDP_it）除以常住人口表示，反映地区经济发展水平。

8.老龄化指数（A_it）：采用65岁及以上人口占常住人口的比例表示，反映地区人口结构特征。

9.城镇化率（U_it）：采用城镇人口占常住人口的比例表示，反映地区城镇化发展水平。

10.控制变量：包括地区GDP增长率、政府卫生支出占比、每千人口医生与护士比例、每万人口医疗机构床位数等，用于控制其他可能影响基层医疗资源公平性的因素。

所有变量数据来源于《中国卫生健康统计年鉴》、《中国统计年鉴》、《中国财政年鉴》以及各省（区、市）统计年鉴和卫生健康统计年鉴，时间跨度为2018-2023年。所有变量均进行了自然对数转换，以消除量纲影响并稳定数据方差。

附录B：主要模型估计结果

基于上述变量和数据，本文分别进行了描述性统计、空间自相关分析、空间计量模型和DID模型的估计。部分主要模型估计结果如下：

1.描述性统计：如表B1所示，我国基层医疗资源投入、医生密度、护士密度等变量存在较大的地