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 复旦大学公共卫生学院卫生经济学教研室，上海 200032 岳伟 上海市食品药品监督管理局，上海 200021 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The Relationship Between the Distribution of Ret

2、ail Drug Stores and Hospitals in ShanghaiLiu Bao Yue Wei Zhang Renwei Hu ShanlianDepartment of Health Economics, School of Public Health, Fudan University, Shanghai 200032Abstract This paper studied the relationship between the distribution of retail drug stores and hospitals in Shanghai. By using t

3、he density indicators as proxy for the distribution of retail drug stores and hospitals, both non-parametric and parametric method found the relationship between the density of retail drug stores and hospitals is nonlinear and concave downward. This results suggested that currently the distribution

4、of retail drug stores in shanghai disharmonized with the competition situation they confronted. Key words Retail drug store Hospital Distribution Relationship2001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

5、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

6、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。1.2 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)/ （1）医疗机构密度 = 医疗机构数量(个)/ （2）1.2.2 采用非参数回归（non-parametric regression）中的局部加权回归方法（locally weighted regression）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（param

7、etric method）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（functional form），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（fractional polynomial regression）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

8、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。 （3） （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-nested functional form）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，采取模型2函数形式获得的预测值为，估计回归模型，如果t检验不能拒绝H0：=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

9、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

10、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23

11、713.765010.160.92黄浦区 895.1734 6.910.36卢湾区 482.7916 3.250.33徐汇区1237.1434 6.910.48长宁区 854.9424 4.880.50静安区 512.9621 4.270.31普陀区1035.9817 3.461.13闸北区 955.5222 4.470.47虹口区1146.6223 4.670.53杨浦区1176.7926 5.280.44宝山区1287.4331 6.301.07闵行区1448.3625 5.080.92嘉定区 714.1222 4.471.20金山区 482.7927 5.491.25松江区 512.96

12、22 4.471.75青浦区 543.1418 3.662.00南汇区 653.7731 6.301.82奉贤区 553.1927 5.491.70崇明县 442.5622 4.471.75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

13、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。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

14、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371.68

15、75.123.210.860.15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/”。 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

16、，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（concave downward）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2.3 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

17、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（inflection point），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-0.5和D-1）的回归系数均有显著统计学意义，D-0.5的系数为负而D-1的系数为正，典型地反映了零售药店密度与医疗机构密度之间的非

18、线性关系的“下凹”特征。模型II中医疗机构密度采取自然对数形式，相应的回归系数为1.19，具有显著的统计学意义，该函数形式同样反映了零售药店密度与医疗机构密度之间的“下凹”形非线性关系。模型I与模型II中的人均增加值和医疗机构数量比的回归系数都无显著的统计学意义。此外，两个回归模型的校正R2均为0.96，并且Ramseys RESET 检验也表明模型I和模型II都未出现遗漏变量的模型错误（model specification error）。鉴于模型I和模型II的非嵌套性（non-nested），作者进一步采用J检验对两个模型进行了比较（具体步骤见方法学部分），结果表明的估计值为1.03，相应

19、t统计量为1.74，提示与0的差别无统计学意义，因此不能说明两个模型在解释零售药店密度变异上的优劣。表3 零售药店密度回归模型*模型I模型II自变量 回归系数t 回归系数tD-0.5-3.15-9.44D-1 0.47 5.26ln(D) 1.1911.85人均增加值(万元) 0.02 0.74 0.00 0.00医疗机构数量比(一级/二、三级)-0.16-0.84-0.06-0.36常数 5.6723.01 2.94校正R2 0.96 0.96Ramseys RESET 检验(p值) 0.56 0.55N1919*：模型I与模型II的应变量均为零售药店密度。t为回归系数检验的t统计量。D表示

20、医疗机构密度，D-1和D-0.5中的-1和-0.5为D的幂，ln(D)代表D的自然对数。3 讨论对零售药店资源配置起基础性作用的是市场，那么针对零售药店的投资决策正确与否主要取决于投资主体对药品零售市场的分析、判断和预测。但在我国现行医疗卫生体制下，零售药店所面临的竞争除了来自零售药店市场本身，还必须考虑并非市场配置的医院药房的强大竞争压力。本研究撇开零售药店之间的竞争，选择零售药店分布和医疗机构分布的关联作为研究的切入点，单独考察零售药店与医院药房的总体竞争关系。非参数回归和参数回归分析的结果都显示，零售药店密度与医疗机构密度之间的关联表现为“下凹”的非线性函数形式，即在医疗机构密度低的地方

21、，零售药店密度也低，并且随着医疗机构密度的增加零售药店的密度也逐渐上升，但关键是上升的幅度呈现不断下降的趋势。由于这是在控制了经济发展水平（人均增加值）和医疗机构内部构成（一级医疗机构与二、三级医疗机构的数量比）的情况下获得的回归分析结果，并且经济发展水平和医疗机构内部构成对零售药店密度的变异均无统计学意义的影响，从而进一步加强了零售药店密度与医疗机构密度之间的非线性关联的效度（validity）。从竞争角度看，在医疗机构密度较低的区域，零售药店所面临的来自医院药房的总体竞争压力也较小；反之，在医疗机构密度较高的区域，零售药店面临的医院药房竞争压力也较大。目前上海市区域内零售药店的市场配置结果

22、说明，零售药店的投资决策似乎并未基于完善的竞争环境分析，其中一个重要的表现就是，在医院药房竞争压力小（医疗机构密度低）的区域零售药店的总体介入程度也低，没有表现出市场竞争主体的积极性。然而，研究的经验分析所得出的关于零售药店密度与医疗机构密度的“下凹”非线性关系，零售药店分布的密度并未随着医疗机构密度的增高（医院药房竞争压力增高）而呈线性上升，这从另一方面显示了市场资源配置在一定程度上的理性。这种对竞争环境处理的不协调实际上是上海市零售药店市场的成熟性仍有待提升的反映，当然也提示了零售药店投资（无论是新投资还是现有零售药店投资的转移）的潜在空间。事实上，从现行体制看，在医疗机构密度已经很高的区域继续投资建立零售药店并非明智的选择，而且即使在未来医药分离的政策真正得以实施后，医院药房向零售药店的过渡也只是使零售药店所遇到的竞争在形式上发生了改变，而总体上面临的竞争压力则未必降低。需要指出的是，研究所得出的零售药店密度和医疗机构密度的非线性函数形式是在零售药店密度和医疗机构密度都位于特定区间范围内获得的函数形式（其中零售药店密度Î(0.17，3.27)，而医