公共服務管理視角下醫療衛生服務效率測評(1)
——難點、現狀與展望

楊 旎

(北京大學政府管理學院，北京100871)

一、問題緣起

提高效率與促進公平是各國醫療衛生服務改革的兩大核心目標。科學合理地測評效率可為醫療衛生服務的提供者、支付者、購買者、消費者、規制者等提供重要信息，同時也是評價、推進醫療衛生服務改革的必經之路。雖然關于醫療衛生服務效率的研究不少，但目前學界還未建立起一個統一、公認的標準體系。究其原因，主要是在公共服務的管理中，醫療衛生服務的復雜特性，對效率測評產生了多重的影響。

(一)公共服務特性對效率測評的影響

“效率”一詞是在經濟領域中廣泛用以評價生產某一產品的最佳資源利用情況。可分為技術效率或生產效率(technical efficiency或productive efficiency)以及分配效率(allocative efficiency)兩部分。前者追求的是在一定投入下產出的最大化，或者生產一定產品投入的最小化;后者追求的是一定產出下最小化的成本投入組合，或一定投入成本下產出組合的最大化［1］。在經濟領域，投入的資源指標一般是明確、具體、可量的，且投入與產出一一對應的因果關系較強，因此易于計算效率。

但在公共服務領域，情況要復雜的多。第一，公共服務的政策目標具有多重性，有的目標不易于量化，這就決定了公共服務效率產出的復雜性和難以測量性。“試圖使公共部門及其提供的服務更加注重任務是失敗的。……(因為)公共服務環境通常有不確定或抽象的任務，而單一的和可預料的結果不具有可行性。”［2］5第二，“效率的測量與分析是個復雜的任務，這不僅是因為醫療衛生機構目標的多重性，也由于信息系統的多重鴻溝”［3］。與經濟產品相對封閉透明的生產過程相比，公共服務的投入和產出過程更加開放，但過程信息卻更加隱密。這些信息通常是不透明或難以準確獲取的。第三，公共服務產出結果的顯現具有長期性和交互影響性，使其服務結果的測量難以及時且準確。

(二)醫療衛生服務效率測評的難點

具體在醫療衛生服務領域，效率的測評同時受到了公共服務普遍特性和醫療衛生服務自身特點的挑戰。

在效率概念的界定方面，醫療衛生服務的效率內容復雜，包括了技術效率、分配效率兩大類和醫生、組織和社會三個層次(或微觀、中觀、宏觀三個層次)。馬克·羅伯特等學者認為，技術效率或生產效率關注的是一項醫療衛生產品或服務如何以最小成本生產，如何合理匹配人財物等資源，回答的是我們怎樣生產的問題;分配效率關心的是一國是否生產了正確的醫療衛生產品來達到總體目標，或一系列醫療衛生服務是否能夠使衛生狀況最大化［4］。因此，醫療衛生服務效率的測評能否全面涵蓋以上內容，或如何根據不同研究目的確定不同內容進行合理測評，是醫療衛生服務效率測評的第一大難點。

在投入(input)的測量方面，經濟成本雖也是醫療衛生服務的重要考慮因素，但絕非首要因素。因為“醫療衛生的本質是作為反映人們健康狀況的醫療衛生產品，不應該受到個人支付能力、公共財政預算、信息不足和醫療衛生市場缺陷的限制”［5］123。也就是說，醫療衛生服務產品的價值在于保證公眾健康地從事生產活動，幸福生活。因此為保證達到一定健康水平目標，最小化經濟成本并非考察效率的首要目的，更非唯一目的。如何根據不同的國情和發展階段看待以最小化經濟投入為中心的效率測評方式，是醫療衛生服務效率測評的第二大難點。

在產出(output)的測量方面，2000年世界衛生組織發布的《世界衛生報告》中界定了一國醫療衛生體系本質上的三大目標是提高醫療衛生水平，增加對公民合法醫療衛生需求的回應性，以及確保醫療的財政負擔分配公平。因此，如何根據復雜的政策目標豐富、細化效率測評的內容，是醫療衛生服務效率測評的第三大難點。

在過程控制方面，醫療衛生服務具有開放性和互動參與性特征，這使得效率的歸因工作更為復雜。測評效率的重要目的是從影響效率的投入過程中尋找出效率高低的原因，為進一步改革提供思路和依據。但醫療衛生服務開放性使得醫療衛生體系并不是影響衛生水平的唯一因素。教育環境質量、飲食文化習慣以及病人在醫療過程中與醫生的互動和配合程度也直接影響效率結果。因此，如何在效率測評的過程中分辨、控制好相關因素，是醫療衛生服務效率測評的第四大難點。

在參照對象方面，效率參照的對象主要有行業平均水平、行業最佳水平、行業最理想水平、限制條件下行業最佳水平等幾類。如何確定合適的參照對象以評價一國醫療服務效率測量結果的高低，是醫療衛生服務效率測評的第五大難點。

二、國內外醫療衛生服務效率測評的三種方法

美國學者赫西(Hussey)等人通過對1990年至2008年英文文獻的分析，分別歸納了同行評議期刊(peer－reviewed literature)和灰色文獻(gray literature)中的256篇和8篇關于醫療服務效率測量的文章。從測量目的看，大多數公開發表文獻測量的是醫院生產效率。從測量方法看，有44.2%的研究采用簡單的比率法;55.5%的研究采用了計量經濟學和數學方法;使用最普遍的方法是數據包絡分析(DEA)和隨機前沿分析(SFA)［6］。

在我國，利用CNKI數據庫對1990年至2012年的中文文獻的檢索和分析，統計出研究醫療服務衛生效率測評的文獻共153篇(2)。與西方研究不同，從測量目的看，大多數公開發表文獻測量的是醫療衛生服務政策項目以及國家或地區衛生系統醫院生產效率，占到總數的一半多;從測量方法看，與西方研究相比，更多的研究(超過73%)采用比率法等其他方法，只有22.5%采用了數據包絡分析和隨機前沿分析等計量經濟學和數學方法。

這三大類方法究竟在哪些方面和程度上回應了醫療衛生服務效率的測評難點?三種方法究竟有何特點?孰優孰劣?針對這些問題，以下分別對比率法、DEA法、SFA法等方法進行介紹和分析。

(一)單投入單產出的比率測評方法

比率測評方法(Ratio)指的是在一系列指標下用投入單位與產出單位的比值來測量醫療衛生服務效率的方法。通常通過測量一段時間內(通常為一年)某一醫療衛生投入單位(如人力、資金、設備等)與某一產出單位(如病人數、門診數等)的比值，反映醫療衛生服務的單位成本和生產率的情況，如門診人次成本(門診總成本/門診人次數)、住院日成本、床位使用率等。

比率測評方法的特點之一是所測量的比值為單一投入單位與單一產出單位的比值，投入與產出一一對應，可用于比較不同性質的組織之間在相同單項指標下的差異，但無法測量多重投入與多重產出的復雜情況，容易因投入產出項目覆蓋不全使測評結論產生偏差;特點之二是測算方法簡單，獲取數據資料容易，易于政策制定者統計和使用，但因各組比值的測評單位不同，各組效率結果之間有時產生矛盾，難以形成科學的總體評價;特點之三是側重對數量的測評，忽略對質量的測量，容易受外部環境因素干擾，卻又不能直接找出干擾因素。可以說，比率測評法一定程度上可以根據研究目的設計并細化效率評價項目，并因其單位選取的多樣化可一定程度上避免效率測量時的經濟成本導向，但不易克服多因素分析和過程控制等難點。

(二)多重考察的DEA測評方法

謝爾曼(Sherman)于1984年首次用數據包絡分析法(data envelopment analysis，簡稱DEA)方法測量了醫療衛生的技術效率，隨后該方法得到了廣泛應用。DEA是一種不需要設定生產函數、不考慮隨機誤差的非參數固定前沿技術效率分析方法。其原理是借鑒計量經濟學的邊際效益理論和數學的線性規劃模型，在所選擇的樣本中構建效率生產前沿邊界，通過測算各決策單元(decision making units，DMUs)是否位于生產前沿面，來比較得出DMUs之間的相對效率［7］。

相對于單投入單產出、指標單位不統一的比率分析法，DEA實現了多投入、多產出問題的處理，但因不考慮隨機誤差，不能直接對結果進行統計推斷。另外，測量誤差會導致測量結果的偏差，樣本的大小和異質性很大程度上也會影響測量結果的準確性。比如，所選取的同一組樣本，可能每個決策單元之間差別不大，效率不高，但DEA方法測量結果則會顯示大多數決策單元是高效的。

另外，針對比率法難以解決的衛生服務提供過程中不可控影響因素的問題(比如教育水平、收入水平、環境因素等)，DEA法可通過構建包含不可控因素的DEA模型或在DEA分析后進行回歸分析這兩種方法加以解決，以確定這些影響因素對效率的影響。

“由于醫療衛生服務提供的特性，DEA方法必須進一步檢驗和發展，為政策制定和管理有效利用，提供可靠的結果。目前，它們更多用于識別一般趨勢，調查管理績效、組織績效，檢驗一般假設，而非評估組織個體的效率。”［1］此外，DEA在非醫院的應用研究中的效用也會受到一些挑戰，比如“觀測單位的目標函數是什么，誰對效率負有管理責任，非實體形式的無效率如何測量，跨國效率測量的本質和有效性的理論和模型如何構建”［8］等。

(三)考慮誤差的SFA測評方法

隨機前沿分析法(Stochastic Frontier Analysis，SFA)是一種設定生產函數、考慮隨機誤差的參數隨機前沿方法。其基本原理是在確定生產前沿的基礎上，通過將誤差項分解來估計研究對象的技術效率。誤差項被分解為隨機誤差(包括觀察誤差、不可預期消耗、短期病種改變等不可控因素)和效率殘差(即技術無效性，包括管理、資源利用等方面)，效率殘差的大小體現了第i個決策單元與最有前沿面的差距，從而確定第i個決策單元的無效率程度。

其基本函數形式［9］為:Yi= βXi+(vi－ μi)，i=1，… ，N。式中應變量Yi代表研究對象的產出(或產出的對數)，解釋變量Xi代表投入數量(或投入數量的對數)，vi為隨機變量，μi為非負隨機變量。N為決策單元數，i為第i個決策單元投入數量的種類。與DEA多投入多產出的分析方法相比，SFA主要用于測量每個決策單元的多投入和單產出問題。

隨機前沿分析的主要優點是把隨機誤差考慮進研究分析中，容易對分析結果做出統計推斷，缺點是生產函數的設計和計算復雜，對樣本數量、數據質量和統計檢驗要求較高，且不容易處理多產出的問題。在應用中，如果生產函數設置不當或是樣本數量不足都極易對結果的準確性造成嚴重影響。

目前，雖然以仍常將DEA為主的非參數分析方法仍是常用的醫療衛生服務效率的分析方法，但SFA和其他參數前沿分析技術也越來越多地出現在研究中，特別是在西方文獻中，近五年來這一比例占到了18%［8］。

三、現存問題及發展趨向

(一)全面的效率測評需進一步探索

從以上醫療衛生服務效率的測量內容和方法可以看出，目前研究對效率內涵的測量還不夠全面。從結構上分，總效率(OE)包括了技術效率(TE)、分配效率(AE)兩部分。根據法雷爾(Farrell)的函數圖(圖1)，TE=OR/OP(0＜TE≤1)，OP表示在P點投入組合下生產1單位產出的實際觀測的投入—產出情況，OR表示生產同樣1單位在R點是最有效投入—產出情況。換言之，TE=1則表示該組織完全有效率;當TE＜1時則反映組織接近最有效率的程度，或無效率程度，因為測量對象本可以在在相同投入組合下，運用更少的投入數量。TE越小表示組織越沒效率。如果P在R點的投入組合成本分配下是有技術效率的TE=1，但比在S點的投入組合分配成本高，那么R點分配效率比S點低，分配效率系數越高越接近1則表示分配越趨近完全有分配效率。用公式表示為AE=OS/OR(0＜AE≤1)，技術效率乘以分配效率可得出總效率，即OE=OS/OP=OR/OP x OS/OR(0＜OE≤1)。

圖1 技術效率與分配效率測量圖［8］

由于準確評估醫療衛生服務的投入和產出比較困難，絕大多數文獻只研究技術效率而非分配效率，因此難以測評全面的總效率。但更多學者開始意識到這個問題，積極探索專門研究分配效率或總效率。1990年至今的中文文獻中只有17篇涉及分配效率(或配置效率)的測評，僅占總文獻數的11%。其中，2001—2005年發表的文獻有2篇，2006年以后發表的文獻達13篇。

可見，由于方法、數據和關注焦點等因素，大多醫療衛生服務效率的測評體現出重技術效率，輕分配效率的特點。對此，不少學者和研究機構開始積極探索全面測評醫療衛生服務效率的方法，或針對研究目的，在明確區分不同效率成分的基礎上，對其進行細化、深入的研究。

(二)研究對象層次、結構、方法需進一步優化

另外，從醫療衛生服務效率的層次上分，可分為微觀層次、中觀層次和宏觀層次三部分。微觀的醫生層面關注的是“現有資源下醫生所選擇的治療方案是否能最大程度滿足或解決病患需求，或如果選擇不同的治療方案能否會產生更大的效果”;中觀的組織層面關注的是“現有的生產或提供醫療衛生服務的方式是否能最大化病人的福利，或病人的福利是否能通過其他提供方式有所增進”;宏觀的社會層面研究的是“現有的醫療衛生產品和服務組合是否最大化社會福利，或生產不同組合的醫療衛生產品和服務社會福利是否會有所增進”。根據赫西等人的統計，大多數研究的是中觀層面的醫院效率研究，占61.1%;其次是微觀層面的醫生效率研究，占20.4%;而宏觀層面的醫療衛生體系效率、區域衛生效率、醫療項目效率研究比例最低，僅分別占1.9% 、1.5% 和 1.1%［6］。

國內文獻研究的情況有所不同，目前國內對醫療衛生服務效率的研究對象層次分布比較平均，宏觀層面研究較多。但從歷史發展來看，2006年以前，國內對醫療衛生服務效率的測評主要也集中在中觀層面的醫院效率;2006年至今，隨著我國一系列醫療政策制度、項目計劃的頻繁出臺，對微觀層面的具體病種或某項管理內容、宏觀層面醫療衛生政策項目、國家及區域衛生系統效率的研究大幅上升(見圖2)。但微觀層面的研究結構上，還鮮有學者關注醫生提供醫療衛生的效率情況，研究內容的結構還需進一步豐富。

圖2 1990—2012年國內醫療衛生服務效率測評研究情況

另外，各個層面的研究方法上也需進一步優化。一方面，雖然由于各國醫療衛生服務的具體情況和問題不同，研究對象不盡相似，但在效率測評的方法技術上，差距應當不大;另一方面，根據研究目的和對象的不同，研究方法也應當有所差別。然而，從我國各個效率測評研究層面所使用的方法來看，不論是微觀、中觀還是宏觀層面，比率法的使用都占了絕大多數(見表1)。因此，各個層面效率研究方法還待進一步優化。

表1 1990—2012年國內關于醫療衛生服務效率測評研究的統計情況

(三)對效率測評體系和指標進一步調整

從對投入變量、中間產出變量與產出結果變量的處理來看，目前的研究還存在指標設置趨同，忽視最終健康結果與質量測評兩個問題。

由于醫療衛生服務生產過程的特性，資金物質等的投入不能直接產出最終衛生結果。因此，醫療衛生服務的整個生產過程實際上包括了三個環節:投入(input)，中間衛生服務產出(intermediate output)以及最終健康結果(outcome)。如暫不考慮患者、環境等影響因素，醫療衛生服務的直接資金投入主要包括衛生總費用、人均衛生費用、衛生總費用占GDP比例，人力設施等資源投入主要包括衛生人員總數及人均數(如衛生技術人員、醫生、護士等)、各類衛生機構數、床位總數及人均數、固定資產總值及其人均值等;中間醫療衛生服務產出主要包括:門急診人次數、住院人數、兩周就診率、平均住院日等;最終衛生結果主要包括期望壽命、健康期望壽命、孕產婦死亡率、新生兒死亡率、嬰兒死亡率、5歲以下兒童死亡率、各病種發病率等。

但目前絕大多數研究(97.4%)選取的產出變量是中間產出變量衛生服務，僅有不到2%的研究選擇了最終衛生結果。“不論是DEA、SFA還是比率法都用的是相似的投入和產出類型和數據，而事實上，DEA和SFA對測量投入和產出都要求更合適具體。”［6］這些中間產出變量大部分反映的是住院天數或費用情況，不能反映健康狀況的實際改變情況，即不能反映最終的健康結果，如死亡率、患者治療質量等。因此可以說，大多數效率測量研究都沒有考慮醫療服務的質量問題。這些研究都不能反映真正的效率，只能反映成本和數量情況。這一問題在我國的研究中也有所體現。

對此，越來越多的學者開始努力將反映質量的衛生健康結果指標納入效率測評體系中。如Deily和McKay用混合函數公式將反映質量的醫院死亡率指標包括進去，計算美國醫院平均效率;Yaisawarng和Burgess對弗吉尼亞州醫院的可及性和質量進行了測評等;2006年以來，國內關于效率指標的研究和探索比例也大幅增至38%，比2001—2005年增長了17%。

(四)從關注測量到更加注重評價與因素分析

比率法和數據包絡分析法只能得出測量對象的相對效率值，不能直接反映影響測量對象效率高低的因素;隨機前沿分析法雖然可以通過分析結果進行一定程度的統計推斷，但也需要進行嚴格的統計檢驗。測量研究對象的相對效率值固然重要，但從公共服務管理的角度來說，測量結果更重要的意義是在評價研究對象效率情況的基礎上，分析影響效率差異的因素，從而為下一步如何改進研究對象的效率尋找線索。

然而以往醫療衛生服務的效率研究更多的還是停留在對相對效率結果的測量上，對測量結果的評價及其因素分析未受到應有重視。這一現象存在一定客觀原因。從前文對醫療衛生服務特性的分析可知，“某種組織結構或工作流程在一個地方有效并不代表在其他地方也有效。”［10］各地不同的價格、目標、激勵措施等方面的效率差異都與當地的人口、服務的可及性等因素有密切關系。

盡管如此，技術上的困難并不能阻止醫療衛生服務效率對結果評價和因素分析的研究需求，越來越多的學者和研究機構努力通過二次回歸等方法進一步對效率測量結果做出評價解釋和因素分析。從霍林斯沃斯對醫療衛生服務效率的調查情況看(3)，1999年調查中有超過60%的研究單獨使用DEA方法測量醫療衛生服務效率，只有20%的研究用回歸分析對效率值進行回歸因素分析，以試圖尋找對效率高低具有決定性作用的因素;2008年的調查中，單獨使用DEA方法的研究只占到48%，有19%的研究使用了DEA在某種形式上的二次回歸方法。在我國，2006年以前只有1篇文獻使用了回歸分析法對測評結果進行因素分析和解釋;2006年至今，有9篇文獻使用。從公共服務管理的角度，因素分析和過程控制應在今后的研究中進一步受到重視。

四、結論及展望

公共服務及醫療衛生服務的特性使得對其效率的測評難點重重，至今仍未形成全面、一致、普遍的測評體系和方法。但醫療衛生服務效率測評卻是一件不可回避的重要任務。這種困難性與重要性多年來吸引著眾多學者和研究機構從不同學科、方法中汲取有益經驗，不斷改進醫療衛生服務效率的測評體系和方法。

在測評體系方面，對效率結構、效率層次和效率階段的明確劃分，使效率的測評體系更加完整、準確。在測評方法方面，比率法針對公共服務目標多樣性方面提供了靈活多樣的分析角度;DEA法解決了不同比較項目單位難以統一的問題，使多投入多產出的效率值的計算成為可能，易于整體比較不同組織的效率情況;SFA法則進一步考慮了隨機誤差，可進行統計推斷，善于解釋多投入單產出問題。

然而需要指出的是，在實際研究中，不能說三個方法中哪一個是最好的，因為不同方法有不同的利弊，選擇適合的測評模型是重要的方法問題。最合適方法的選擇應是基于研究目的、研究對象的類型、選取的視角以及可獲取的數據質量。

從醫療衛生服務效率測評研究進程來看，大多數研究還存在重技術效率，輕分配效率;重中間產出變量，輕最終結果變量;重數量效率指標，輕質量效率指標;重效率結果測量，輕評價及因素分析等問題。針對這些問題，目前的研究趨勢是，一方面越來越多的學者和研究機構開始積極探索全面測評醫療衛生服務效率的方法，或針對研究目的，在明確區分不同效率成分的基礎上，對其進行細化、深入的研究;另一方面通過改進技術方法，完善指標體系，加入質量等最終結果變量，加強對效率結果的評價和因素分析。

另外，公共服務和醫療衛生服務的其他一些特性仍在對效率研究進行著嚴峻考驗。其中最重要的是，將來如何構建開放、透明的衛生信息系統，以彌合衛生系統的多重信息鴻溝，在此基礎上將利益相關者的偏好、參與因素考慮進來，構建動態的效率體系。這還需要研究者及相關部門的共同努力。

注釋:

(1)本文受到2011—2012年度國家留學基金委“國家公派聯合培養博士生”項目資助，特表感謝。

(2)選取中國學術期刊網絡出版總庫、中國博士學位論文全文數據庫、中國優秀碩士學位論文全文數據庫、中國重要會議論文全文數據庫進行跨庫檢索，檢索條件為“(題名=中英文擴展(醫療)并且 題名=中英文擴展(效率))或者(題名=中英文擴展(衛生)并且 題名=中英文擴展(效率))或者(題名=中英文擴展(醫療)并且題名=中英文擴展(績效))或者 (題名=中英文擴展(衛生)并且 題名=中英文擴展(績效))并且(全文=中英文擴展(測量)或者全文=中英文擴展(評))不包含 (題名=中英文擴展(綜述)不包含題名=中英文擴展(回顧))不包含 (主題=中英文擴展(DEA)不包含 主題=中英文擴展(數據包絡)))(精確匹配)”，檢索結果共452篇文獻，通過對題名、關鍵詞、摘要、全文等項目的篩選，去除文獻綜述、理論討論等非直接相關文獻后，直接研究醫療服務衛生效率測評的文獻共153篇。

(3)參見 Hollingsworth B，Dawson P.J，Maniadakis N.Efficiency measurement of health care:a review of non‐parametric methods and applications.Health Care Management Science.1999，2(03):161 –72.和 Hollingsworth B.The measurement of efficiency and productivity of health care delivery.Health E-conomics.2008(17):1107 –1128.

［1］Hollingsworth B，Dawson PJ，Maniadakis N.Efficiency measurement of health care:a review of non‐parametric methods and applications［J］.Health Care Management Science，1999(03):161 －172.

［2］菲利普·海恩斯.公共服務管理的復雜性［M］.北京:清華大學出版社，2008.

［3］Rowena J，Peter CS，Andrew S.Measuring Efficiency in Health Care:Analytic Techniques and Health Policy［M］.Cambridge:Cambridge University Press，2006.

［4］Roberts M.J，Hsiao W，Berman P，Reich M.R.Getting Health Reform Right:A Guide to Improving Performance and Equity［M］.Oxford:Oxford University Press，2008.

［5］Aday L.A.Evaluating the healthcare system:effectiveness，efficiency，and equity［M］.Chicago:Health Administration Press，2004.

［6］Hussey P.S，De Vries H，Romley J，Wang M.C，Chen S.S，Shekelle P.G，et al.A Systematic Review of Health Care Efficiency Measures［J］.Health Services Research，2009，44(03):784–805.

［7］Jeniger L.Ehreth.The Development and Evaluation of Hospital Performance Measures for Policy Analysis［J］.Medical Care，1994(06):568－587.

［8］Hollingsworth B.The measurement of efficiency and productivity of health care delivery ［J］.Health Economics，2008(17):1107–1128.

［9］Lambert D.Zero－inflated poisson regression with an application to defects in manufacturing ［J］.Technometrics，1992(34):1－14.

［10］Hollingsworth，B.Revolution，evolution，or status quo?Guidelines for efficiency measurement in health care［J］.Journal of Productivity Analysis，2011(01):1 －5.