2019年，我国公立医院诊疗人次数为32.7亿人次，就诊率为37.5%，相比2018年末上涨了0.8%；基层医疗卫生机构诊疗人次数为45.3亿人次，就诊率为51.9%，相比2018年末下降了1.2%。^[1]长期以来，规模较大的三级医院占据着绝大部分医疗资源与市场份额，形成了医院强、基层弱的“倒三角”状态。^[2]为形成合理就医秩序，2016年原国家卫生计生委和国家中医药管理局确定并发布了31个省(市)的分级诊疗试点名单。实际上，中国关于分级诊疗的实践可以追溯到更早之前。2006年2月，《国务院关于发展城市社区卫生服务的指导意见》发布，提出开展社区首诊制试点。2013年，《国务院办公厅关于巩固完善基本药物制度和基层运行新机制的意见》明确提出要明显提高基层医疗卫生机构门急诊量的比例。在此期间，各省市在探索实践的基础上相继开展分级诊疗试点。分级诊疗制度是国际上公认的能够有效规范就医秩序，从而缓解“看病难、看病贵”问题的制度设计。国内学术界针对分级诊疗的实践现状以及实践过程中的问题已有较丰富的研究，并且主要集中在医疗保险报销调整与医疗体制建设两个方面。

在医保报销方面，有研究认为分级诊疗制度在新农合的“分流+补贴”机制设计下显著正向影响农村就医行为。^[3]与之相对的，有学者认为差异化的医疗报销比例虽然能稳健提高基层就诊倾向，但由于医保政策的城乡差异，政策变动所产生的效应均不足以抵消城镇化等自然趋势引发的向上集中。^[4-5]对医疗体制建设方面也较为充分，国内有研究通过分析核心医院和成员医院诊疗量及费用分布情况以及成员医疗机构之间的转诊量等发现，建立紧密型医疗联合体能够有效提升成员医院的服务能力。^[6]另有一些研究通过实证案例分析，发现造成了“上转容易、下转困难”的双向转诊现状，是由于基层医务人员的职业水平以及医疗机构的利益冲突等问题的存在^[7]，“患者、政府、医院、医生”这四方参与者形成的多级“委托—代理”链条中的激励机制失当^[8]，药物目录、全科医师、基层设备以及下转诊困难等制约^[9]以及政府在医疗领域中的职能变化^[10]。

综上所述，现有研究主要集中在探索和分析分级诊疗制度所面临的困境，而较少涉及分级诊疗制度对患者就医秩序的影响。就医秩序的合理化，可以积极化优先次序，减少一大群具有高可观察收益患者(即急重症患者)的等待时间，进而改善社会福利。^[11]评估公共政策的影响并预测政策的影响效果已是经济学的重要任务之一。^[12]在政策评估的发展过程中，处理效应方法由于以随机对照试验为范式以及更为直观的效应识别，因而有着非常广泛的影响。^[13]与此同时，将双重差分模型(DID)应用于政策评估使得从经验数据中总结出规律成为可能，但如果是对一系列单一个体采用DID方法研究则将使得政策的制定或为未来政策制定提供指导变得困难。^[14]因此，本文以分级诊疗政策的试点为外生冲击，基于省级面板数据与渐进性双重差分的方法来考察分级诊疗制度对就医秩序的纠正效果，以期为当前的分级诊疗政策的制定与推行提供参考依据。

1 资料与方法 1.1 指标选取

医疗机构门诊人次的变化受很多因素的影响，若这些因素的效应没有被控制住，则会严重影响本文对分级诊疗政策处理效果估计的准确性。从国内外的研究结果来看，影响居民就诊选择的因素主要有三种：一是医疗费用的负担^[15-18]；二是医疗资源供给^[19-20]；三是医疗信息的不对称^[21-23]。另外，就诊选择还与很多其他因素相关，如技术进步因素^[24]、政府干预因素^[25]、人口结构因素^[26]等。因此，本文根据现有文献中对患者就医选择影响因素的研究结果，从经济、社会、人口三个层面选取代表性指标作为控制变量，其中经济层面指标包括人均地区生产总值和政府卫生支出，社会层面指标为人口城镇化率，人口层面指标包括人口规模、老龄化率、少年儿童抚养比。还考虑了公立医院规模、社区卫生服务中心(站)规模以及乡镇卫生院机构规模，具体变量定义见表 1。

1.2 数据来源

考虑到上述各变量的数据可得性，并排除重大公共卫生事件(如SARS事件)导致的异常数据，本文实证分析部分以2004—2018年中国省级面板数据作为研究样本，剔除了缺失数据的西藏部分，另外由于北京、上海在2010年后不再记录乡镇卫生院的医疗服务数据，并且存在行政区划上的特殊性，因此剔除北京、上海部分，样本包含了28个省、市、自治区15个年度共420条样本数据，面板数据来自于《中国卫生统计年鉴》、《中国卫生健康统计年鉴》与《中国统计年鉴》。其中，对于存在少量缺失值的个别变量，为了避免样本损失，本文采用回归替代法对这部分缺失值进行补充。分级诊疗政策试点数据来自于2006—2016年各省市自治区人民政府发布的开展分级诊疗通知意见(表 2)，参与政策试点的省份按照时间逐年增加。

1.3 研究方法

我国各省、市、自治区是随时间逐渐加入分级诊疗试点的，为更好地估计政策效应，本文将分级诊疗政策视为一项准自然实验，借鉴Beck等运用的渐进性双重差分(渐进DID)的方法，评估分级诊疗政策对公立医院就诊率与基层医疗机构就诊率的影响。^[27]渐进性双重差分法是双重差分方法的基础上衍生出来的，双重差分方法已成为国内政策评估的主流方法之一。具体而言，就是将先开展试点的地区逐个归为处理组，将后开展试点的地区归为控制组，利用后加入试点的省份构造反事实(Counter factual), 在试点前与试点后的实验组与控制组之间进行两次差分，由此得到的结果即分级诊疗政策的效果。相比现有对分级诊疗政策的实证研究，本文使用渐进性双重差分的方法能够更为精准地识别分级诊疗试点的效果，并有效克服遗漏控制变量带来的内生性问题，使得估计结果更加科学可靠。使用双重差分法需要满足两个前提条件：一是保证样本分组的随机和事件随机；二是满足个体处理稳定性(SUTVA)假设，确保政策冲击没有溢出效应。由于医疗卫生市场的特殊性以及分级诊疗政策是实现省辖区甚至市辖区内患者就医在两层级医疗机构间的合理流动，不会影响其他省份患者就医的流向，因此天然满足SUTVA假设。

本文以是否实施分级诊疗政策试点为准自然实验考察分级诊疗政策与就医秩序变化之间的因果关系并构建了如下渐进DID方法的计量模型，i代表省份，t代表年份，X_it为控制变量，λ_i为各省固定效应，δ_t为时间固定效应，ε_it是扰动项：

(1)

其中，Visitrate_it表示第i个省在t年末的各层级医疗机构门诊人数所占当年年末门诊总诊疗人次的比例，包括：公立医院门就诊率(GVR)、社区卫生服务中心(站)诊疗率(CVR)和乡镇卫生院诊疗率(VVR); Treat_i为虚拟变量，用来划分处理组和控制组，由于本文样本期内所有省份都发布了推进分级诊疗工作的相关政策文件，因此该虚拟变量都取值为1。本文以实施分级诊疗试点与否作为外生冲击，设定虚拟变量Post_it，当某省所在年份为政策试点年份时取1，否则取0。Treat_i×Post_it是该模型主要关注的解释变量，系数β即为本文关注的政策效应。

为了确保上述方法估计结果的可靠性，本文从以下两个方面进行稳健性检验。

(1) 平行趋势检验

倍差法的有效性取决于处理组与对照组的被解释变量在政策干预之前是否有相同的变化趋势，即要使得样本分组满足随机性，这是本文计量模型识别政策效应的前提假设。当满足平行趋势假设时，则认为政策的干预是具有统计学意义上的随机性的，从而使用DID模型进行估计的结果是可信的。具体回归模型如下：

(2)

其中，Y_it表示被解释变量公立医院门诊人次占比与基层医疗机构门诊人次占比，i表示省份，t表示年份，k表示分级诊疗政策开展试点之后(前)年份。D_it^k表示i省开展分级诊疗政策试点前(后)第k年的虚拟变量，当k < 0时，D_it^k表示省试点前第k年的值为1，其他年份为0；同样，当k>0时，D_it^k表示省试点后第k年的值为1，其他年份为0。当k < 0时，估计系数β_k与0没有显著差异，则说明试点前各省公立医院门诊人次占比以及基层医疗机构门诊人次占比具有共同变化趋势。此处剔除k=0的原因是为了避免共线性等问题。为了避免样本点过多带来较大的样本变异度降低检验结果的准确性，本文将k≤－8的数据纳入到k=－8中，将k≥7的数据纳入到k=7中。式(2)中的其他变量定义与式(1)相同。

(2) 子样本回归检验

尽管基准回归尽可能地控制了影响公立医院就诊率与基层医疗机构就诊率的其他因素，并通过平行趋势检验增加了回归结果的可信程度，但仍存在有一些不可观测的因素影响本文实证结果的可能性，为使结果更加可靠，本文通过子样本回归的方式进行稳健性检验。最早和最晚开展试点的省、市、自治区可能在某些因素上与其他省份存在差异，因此本文将2010年开展试点的广东、福建和2016年开展试点的湖南、广西、云南、河北、山西、重庆从样本中剔除，按照基准回归的模型设置，再次估计分级诊疗试点对公立医院就诊率、基层医疗机构就诊率、社区卫生服务中心(站)就诊率以及乡镇卫生院就诊率的影响。

2 结果 2.1 各变量描述性统计与分析

表 3报告了变量的描述性统计结果。其中，公立医院就诊率的均值(标准差)为0.542(0.08)，表明大部分地区的患者就诊多在公立医院。社区卫生服务中心(站)就诊率的均值(标准差)为0.091(0.055)，表明大部分地区的社区卫生医疗资源利用效率处于较低水平，急需提高城市居民的基层就诊率。乡镇卫生院就诊率的均值(标准差)为0.272(0.093)，虽然高于社区卫生服务中心(站)就诊率，但仍处于一个较低水平。本文的描述性统计结果表明“倒三角”就医秩序是一种普遍的现象。

2.2 多期DID模型基准回归结果

表 4报告了基于式(1)的全样本实证估计结果。可以发现，核心解释变量的估计系数符号与显著性水平在加入控制变量前后没有发生实质性变化，并且在加入控制变量后的R-squared(拟合优度)提高，说明控制变量的加入是有效的。在控制了其他影响因素的条件下，核心解释变量Treat_i×Post_it的系数值很小并且未能通过显著性检验。这表明分级诊疗政策试点后，相比于控制组，处理组的公立医院就诊率、社区卫生服务中心(站)诊疗率以及乡镇卫生院诊疗率并没有呈现显著差异，在纠正患者就医秩序方面，分级诊疗政策尚未取得显著的效果。

在控制变量方面，人口老龄化率对公立医院就诊率的影响系数在5%的水平上显著为正，对乡镇卫生院就诊率的影响系数在5%的水平上显著为负。人口城镇化率对乡镇卫生院就诊率的影响系数显著为负，对公立医院就诊率的影响系数显著为正(表 4)。另外，公立医院规模、社区卫生服务中心(站)规模与乡镇卫生院规模的系数都在1%的水平上显著，但公立医院规模的系数明显大于社区卫生服务中心(站)规模与乡镇卫生院规模。最后，政府卫生支出对社区卫生服务中心(站)就诊率的影响系数显著为正，表明政府加大对社区卫生机构的投入可以提高社区卫生机构的就诊率。

2.3 基层医疗机构服务能力对分级诊疗政策效果的影响分析

分级诊疗政策纠正医疗服务需求者就医秩序的效果有限，上下级医疗机构之间规模的不平衡以及基层医护人员的相对短缺等原因导致患者仍然将大医院作为就诊以及护理康复的首选，这也是推进分级诊疗工作最大的难点。如表 5显示，在开展试点前后，社区医师、乡镇医师、社区护士人数占比的均值都有所提升，但最大值都出现了下降现象；乡镇护士数占比的均值则在开展试点后出现降低了。

过往在推行分级诊疗制度时缺乏科学的考核标准，导致在实践过程中存在目标偏差。^[28]2015年国务院办公厅提出“分级诊疗试点工作考核评价标准”，指出“每万名城市居民拥有2名以上全科医生，每个乡镇卫生院拥有1名以上全科医生，城市全科医生签约服务覆盖率≥30%”。当某地的基层医疗服务能力提升时，分级诊疗政策对就医秩序的纠正效果是否更加显著呢？对此，本文基于基层医师数与护士数对样本中的28个省份进行系统聚类分析，得出基层医疗服务能力高的省份和基层医疗服务能力低的省份。其中，社区医疗服务能力高的省市区有内蒙古、天津、广东、江苏和浙江，其余为社区医疗服务能力低的省市区；乡镇医疗服务能力高的省市自治区有云南、四川、山东、广西、新疆、江苏、江西、河南、浙江、海南、湖北、湖南、甘肃、福建、贵州、重庆和陕西，其余为乡镇医疗服务能力低的省市区。

在该部分，先构建虚拟变量社区医疗服务能力(Ctech)和乡镇卫生院服务能力(Vtech)，当样本在2015年之后为社区医疗服务能力高的省市区时，Ctech取1，否则取0；当样本在2015年之后为乡镇医疗服务能力高的省市区时，Vtech取1，否则取0。然后将该两虚拟变量分别与Treat×Post相乘，考察当基层医疗服务能力较高时，居民的基层就诊率是否更加显著(表 6)。当社区医疗服务能力较高时，公立医院的诊疗率显著下降了3.1%且在5%的水平上显著，但类似的效果没有在乡镇地区出现。

2.4 实证结果的合理性与稳健性检验

为进一步检验估计结果的可靠性，首先基于式(2)进行对核心解释变量在试点前后的不同边际效应进行估计。估计结果如图 1所示，其中横轴皆表示开展分级诊疗试点前后年份，即k值的大小，图 1a、1b、1c的纵轴分别表示公立医院、社区卫生服务中心(站)和乡镇卫生院就诊率的变化。趋势线上的圆圈表示估计系数β_k的估计值，圆圈上下的虚线范围表示95%的置信区间。根据图 1可知，在开展分级诊疗试点前的年份，即当k < 0时，三类医疗机构的估计系数β_k与0没有显著差异，说明试点前各省市区三类医疗机构的就诊率具有共同变化趋势，满足平行趋势假设，说明本文回归方法的使用与回归结果是合理的。当k>0时，图 1a估计系数β_k只有在政策冲击后的前两年与0有显著差异，图 1c估计系数β_k只有在政策冲击后的第一年与0有显著差异，这说明分级诊疗试点开展后能短暂降低公立医院就诊率，提高乡镇卫生院就诊率，但很快政策效果便消失。而图 1b估计系数β_k则在政策冲击前后皆与0没有显著差异，表明分级诊疗政策并不能显著提高城市居民的社区就诊率。

子样本回归检验估计结果如表 7所示。可以看出，在剔除2010年与2016年开展试点的省、市、自治区后，公立医院门诊就诊率以及基层医疗机构就诊率核心解释变量的估计系数仍没有显著变化，这与本文基准回归的结论一致，说明基准回归是稳健的。

3 讨论 3.1 政策效果不显著，医疗资源配置与社会释放的医疗需求不平衡

本文基于渐进双重差分的方法评估分级诊疗制度对“倒三角”就医秩序的纠正效果，研究发现，2004—2018年分级诊疗制度对“倒三角”就医秩序只有短暂的纠正效果，就医秩序仍有较大的改善空间。一直以来，公立医院占据着社会上绝大部分优质的医疗资源，导致公立医院成为高质量医疗服务的代名词。一方面，随着人口老龄化以及城镇化水平的提高，社会对高质量医疗服务的需求被释放^[4-5]，伴随着公立医院规模的扩张，医疗服务需求被向上转移。另一方面，医疗市场也存在着市场竞争^[20]，医疗服务需求者在就医时多数考虑医疗服务质量而较少考虑其治疗支出，在以“群众自愿”的分级原则下，当不同级别医疗机构的医疗服务质量相差较大时，绝大部分医疗服务需求者会选择医疗服务质量高的大医院。医疗资源配置与社会释放的医疗需求不平衡，在市场力量的自我调节作用下，公立医院的就诊率持续高居不降。

3.2 提高社区医疗服务能力对就医秩序有显著的正向影响

本文进一步分析分级诊疗政策试点前后基层医疗服务能力的变化以及对就医秩序的影响，结果显示：(1)开展分级诊疗政策试点后，社区卫生服务医师的数量和比例均有所提高，但提高程度不明显，并且有的地区出现下降，这表明相对于高级别医院医护人员的扩充程度，基层医护人数的扩充程度有待提升；(2)社区医疗服务能力较高可以加强分级诊疗政策效果，进而显著降低公立医院的诊疗率，因此在城镇化的背景下，提高社区医疗服务能力，对于就医秩序具有积极的调整作用。社区医疗服务能力的提高，可以有效刺激居民转变其就诊行为，提高居民的基层就诊率，这与已有研究结论一致。^[29-30]

4 建议 4.1 平衡医疗资源配置，控制公立医院规模扩张

不同级别医疗机构之间医疗资源配置的失衡，尤其是公立医院具有行政资源等优势，虹吸基层医疗人员与患者，挤压着基层医疗机构的发展空间。为避免基层医疗机构的服务能力被稀释，在今后的医疗资源配置以及相关政策的制定过程中，需要加强对地区不同级别医疗机构之间医疗资源的平衡把控，控制公立医院规模的粗放式扩张；同时也要因地制宜地调整投入资源，优化基层医疗机构的医疗资源，从而提高基层就诊率，改善“倒三角”就医秩序。

4.2 基层医疗服务能力是推进分级诊疗落地的突破口

改善当前基层医护人员供给短缺是今后推进分级诊疗政策落地的重要途径。一方面仍需加强经济建设，促进基础设施建设的完善，优化就业环境，另一方面地方政府应结合市场化手段，制定兼顾效率与公平的标准，有序增加基层医护人员的供给。具体而言，一是可通过联合医学院校实施定向培养计划，增加医疗资源薄弱地区的基层医护人员；二是建立完善医生学习交流平台，提高该地区基层医生的职业技术水平，通过不断提升基层医疗服务能力进而提高社区群众的就诊意愿；三是在给予基层医护人员充分的生活和工作保障的基础上，制定科学的薪酬体系与晋升激励制度，促进医疗人才向基层下沉，同时通过科学的绩效考核规范基层医护人员的向上转诊行为。在建设基层医护人才队伍方面，除了要认真贯彻执行相关政策的指导思想之外，还要切实关注基层医护人员的需求，在政策上实现向基层倾斜。

作者声明本文无实际或潜在的利益冲突。