2024年全国省市县医院名单数据（5万条，医院等级、医院类型、床位数、年门诊量、医护人数）
数据来源：国家卫健委和各省卫健委，5万个样本，整理时间截止到2024年7月，
数据格式：Excel格式，可以直接筛选使用
数据指标：序号 省 市 区县 医院名称 医院别名 医院等级 医院类型 建院年份 院长姓名 经营方式 是否医保 床位数 年门诊量 医护人数 医院科室 电话 邮箱 医院地址 邮编 医院简介
数据用途：测度地区的医疗水平，作为二级指标衡量地区生活空间质量、经济高质量发展水平等
参考文献：郝少博,高波,石有为.工业用地市场化配置改革与城市就业[J].山西财经大学学报,2024,46(08):1-15.
“2024年全国省市县医院名单数据”（5万条，含医院等级、类型、床位数、年门诊量、医护人数等）是一个极具价值的宏观社会经济与公共服务数据库。以下从研究用途、实证分析方法、指标构建、政策应用及注意事项五个维度，系统说明如何高效使用该数据集。
一、核心用途：支持哪些研究或决策？
| 应用领域 | 具体用途 |
|---|---|
| 区域医疗资源评估 | 测度省/市/县三级医疗资源配置均衡性、可及性 |
| 城市高质量发展研究 | 作为“公共服务水平”或“生活空间质量”的二级指标 |
| 健康经济学分析 | 分析医院规模（床位、医护）与服务效率（门诊量）的关系 |
| 医保与卫生政策制定 | 识别基层医疗薄弱地区，优化医保定点布局 |
| 产业与人口研究 | 结合就业、人口数据，分析医疗设施对人才吸引力的影响 |
✅ 您提到的参考文献（郝少博等，2024）正是将公共服务设施（如医院）作为城市就业和生活质量的代理变量，本数据可直接支撑此类研究。
二、关键指标构建方法（如何量化“医疗水平”？）
1.医疗资源密度指标
- 每万人床位数 = 床位数 / 常住人口 × 10,000 - 每万人医师数 = 医护人数 / 常住人口 × 10,000 - 三级医院占比 = （三级医院数量 / 区县医院总数）× 100%📌 需匹配《中国统计年鉴》或各地统计局的分县常住人口数据
2.医疗服务能力指数
可构建综合指标（主成分分析 PCA 或熵值法）：
服务能力 = w₁×(年门诊量标准化) + w₂×(床位数标准化) + w₃×(医护人数标准化)3.医疗公平性指标
- 基尼系数：衡量床位/医师在县域内的分布不平等
- 泰尔指数（Theil Index）：分解省际、市际、县际差异
4.基层医疗覆盖度
基层覆盖率 = （社区卫生服务中心 + 乡镇卫生院数量）/ 医院总数利用“医院类型”字段筛选（如“综合医院”“专科医院”“社区卫生服务中心”等）
三、实证分析操作步骤（以Stata/Python为例）
步骤1：数据清洗与匹配
# Python 示例（pandas）importpandasaspd df=pd.read_excel("hospital_2024.xlsx")# 清洗异常值（如床位数=0、门诊量负值）df=df[(df['床位数']>0)&(df['年门诊量']>=0)]# 合并行政区划代码（便于与统计年鉴匹配）region_code=pd.read_csv("county_code_2024.csv")# 自备区划代码表df=df.merge(region_code,on=['省','市','区县'],how='left')步骤2：按区县聚合
# 按区县汇总核心指标agg_cols={'床位数':'sum','医护人数':'sum','年门诊量':'sum','医院名称':'count'# 医院总数}county_hospital=df.groupby(['省','市','区县']).agg(agg_cols).reset_index()county_hospital.rename(columns={'医院名称':'医院总数'},inplace=True)步骤3：匹配外部数据（如人口、GDP）
# 合并《中国县域统计年鉴》数据economy=pd.read_excel("county_economy_2023.xlsx")# 含人口、GDP等merged=county_hospital.merge(economy,on=['省','市','区县'])步骤4：回归分析（示例）
* Stata 示例：医疗资源对城市就业的影响 reg employment ln_beds_per_capita ln_gdp_per_capita pop_density i.province, robust其中
ln_beds_per_capita= ln(每万人床位数)
四、典型研究问题与变量设计
| 研究问题 | 核心解释变量 | 被解释变量 | 控制变量 |
|---|---|---|---|
| 医疗资源是否促进城市就业？ | 每万人床位数、三级医院数量 | 城镇新增就业人数 | GDP、人口、教育支出 |
| 医保覆盖是否提升基层就诊率？ | “是否医保”=1 的医院占比 | 年门诊量（基层医院） | 人均收入、老龄化率 |
| 医院等级与服务效率关系？ | 医院等级（虚拟变量） | 门诊量/床位比 | 建院年份、医护比 |
五、注意事项与局限性
| 问题 | 建议 |
|---|---|
| 数据时效性 | 截止2024年7月，但部分医院信息可能滞后（如新批设医院未录入） |
| 字段完整性 | “院长姓名”“邮箱”等字段可能存在缺失，建议聚焦核心指标（床位、门诊量等） |
| 医院类型定义模糊 | 需统一分类标准（如将“妇幼保健院”归为“专科医院”） |
| 未包含诊所/村卫生室 | 本数据仅含“医院”，若需基层全覆盖，需补充卫健部门基层机构名录 |
| 隐私与合规 | 公开使用时应脱敏处理（如删除院长姓名、电话），避免侵犯个人信息 |
六、延伸应用场景
- 城市体检报告：住建部“城市体检”指标中“每千人口医疗卫生机构床位数”可直接计算
- 投资选址分析：医药企业根据医院密度、科室设置规划市场布局
- 学术论文数据支撑：
- 《经济研究》《管理世界》中“公共服务与城市发展”类文章
- 卫生政策类期刊（如《中国卫生政策研究》）
七、推荐配套数据源
| 数据名称 | 用途 | 获取方式 |
|---|---|---|
| 《中国统计年鉴2023》 | 匹配分省/市人口、GDP | 国家统计局官网 |
| 《中国卫生健康统计年鉴》 | 验证床位、医护数据 | 国家卫健委官网 |
| 县域行政区划代码（2024） | 精准地理匹配 | 民政部或 GitHub 开源库 |
| 城市空气质量/房价数据 | 控制生活环境变量 | CEIC、Wind、安居客API |
