基于三階段DEA的我國醫療衛生機構運行效率的測度與評價*

安徽中醫藥大學醫藥經濟管理學院(230012) 李志廣 孔愛杰 張婉瑩

【提 要】 目的 分析2017年我國醫療衛生機構運行效率以及環境因素對技術效率產生的影響，提出相關建議。方法 利用全國31個省(直轄市、自治區)醫療衛生機構相關數據，運用三階段數據包絡法(data envelopment analysis，DEA)，在剔除人口密度、地區生產總值、總撫養比、病死率和財政撥款影響后，評價其綜合技術效率、純技術效率和規模效率。結果 三階段我國醫療衛生機構的綜合技術效率、純技術效率和規模效率分別為0.905、0.955和0.947。各地區綜合技術效率排序為華中(0.996)>華東(0.956)>華南(0.913)>華北(0.881)>西南(0.880)>西北(0.859)>東北(0.843)。結論 傳統 DEA 與三階段 DEA 模型測算的技術效率差異存在統計學意義，環境因素對各地區醫療衛生機構運營效率的影響較大。雖然2017年我國醫療衛生機構整體運行效率處于較高水平，但各省際間效率差距較大，且投入冗余和規模報酬不足的問題依然存在。

《全國醫療衛生服務體系規劃綱要(2015-2020年)》指出，經過長期發展，我國已經建立了由醫院、基層醫療衛生機構、專業公共衛生機構等組成的覆蓋城鄉的醫療衛生服務體系。但是，醫療衛生資源總量不足、質量不高、結構與布局不合理、服務體系碎片化、部分公立醫院單體規模不合理擴張等問題依然突出。促進我國醫療衛生資源進一步優化配置，提高服務可及性、能力和資源利用效率是社會可持續發展的重要基石[1]。本文通過對2017年全國31個省(直轄市、自治區)醫療衛生機構整體運行效率進行測度，以期為我國醫療資源合理配置和規劃提供參考。

資料來源與方法

1.數據來源

數據來源于《2018中國衛生和計劃生育統計年鑒》和《中國統計年鑒-2018》。研究對象為31個省、自治區、直轄市(未包括臺灣、香港、澳門地區數據)的醫療衛生機構，具體包括醫院、基層醫療衛生機構、專業公共衛生機構和其他醫療衛生機構。

2.研究方法

數據包絡分析(data envelopment analysis，DEA)是Charnes、Cooper和Rhodes在1978年提出的一種非線性規劃模型[2]。本文采用Fried提出的三階段DEA模型剖析我國醫療衛生機構的運行效率，克服了傳統DEA模型的缺陷，同時剔除環境變量、隨機干擾以及管理無效率等因素對我國醫療衛生機構效率的影響，從而使結果更加準確可靠[3]。

第一階段采用投入導向的BCC模型來計算各地區醫療衛生機構的綜合技術效率(technical efficiency，TE)、純技術效率(pure technical efficiency，PTE)和規模效率(scale efficiency，SE)，綜合技術效率=純技術效率×規模效率。當技術效率等于1時，表示該決策單元是技術有效的且處于技術前沿面上；當技術效率小于1時，表示該決策單元尚未達到生產前沿面，此時決策單元(decision making unit，DMU)的投入/產出效率無效。

第二階段采用隨機前沿方法(stochastic frontier approach，SFA)過濾掉環境因素與管理無效率的影響，使所有決策單元處于相同外部環境，然后將第一階段分析得到的投入冗余作為被解釋變量，環境變量和混合誤差項作為解釋變量。建立的SFA模型如下：

Sni=f(Zi；βn)+νni+μni；i=1，2，…，I；n=1，2，…，N

第三階段同樣采用傳統DEA-BCC模型，將調整后的投入數據輸入DEAP 2.1，再次測算各決策單元的綜合技術效率、純技術效率和規模效率，此時的效率已經剔除環境因素和隨機因素的影響，是相對真實準確的。

3.指標選取

通過文獻回顧發現，投入指標一般分為人力、物力和財力三個方面[4]，人力往往包括職工總數、衛生技術人員、醫師數等指標；物力一般特指設備和固定資產；財力主要包括醫療成本、管理費用和業務支出等。而產出指標總體可分為收入和治療效果兩個方面，且治療效果一般采用門急診人次、入院人數、出院人數等指標測量。基于國內外文獻分析以及指標的可獲得性，本文最終選取衛生技術人員數、實際床位數和總資產作為投入指標[5-8]，診療人次、入院人數和醫療收入作為產出指標[9-11]。為滿足“分離假設”，環境變量需要選用對企業經營效率有影響但又不可主觀控制的因素[12]。結合醫療衛生機構的自身發展特點，本文選取城市人口密度、地區生產總值、總撫養比、病死率和財政撥款作為環境變量[13-15]。描述性統計結果如表1所示，實際床位數、衛生技術人員和總資產的標準差較大，說明我國各地區醫療資源配置差異較大；診療人次和醫療收入的極差較大，反映了地區之間醫療服務實力差距懸殊。

表1 投入、產出和環境指標描述性統計

結 果

1.投入產出指標的相關性分析

運用DEA模型時，需要進一步檢驗投入指標與產出指標之間的相關性，即兩者是否能互相影響。從估計的相關系數結果來看，所有投入指標和產出指標的相關性均大于0.700，且在0.010水平上相關有統計學意義，說明投入產出具有較高的相關性，符合DEA模型對數據的同向性要求。投入產出指標的Pearson相關矩陣如表2所示。

表2 投入產出指標相關性分析

2.第一階段：基于原始數據的BCC模型分析

運用DEAP 2.1軟件，假設規模報酬可變，通過投入導向的BCC模型對2017年我國31個省份醫療衛生機構的綜合技術效率、規模技術效率以及純技術效率進行測度。表3顯示，我國醫療衛生機構總體綜合技術效率、純技術效率和規模效率分別為0.910、0.944和0.964，并且另有10個省份實現了規模報酬不變，15個省份處于規模報酬遞增，僅有6個省份呈現規模報酬遞減的現象，這說明全國醫療衛生機構整體運行良好，管理水平和規模報酬均有了很大改善。具體而言，北京、上海、浙江、江西等9個省份的綜合技術效率均為1；天津、河北、江蘇等11個省份綜合技術效率介于0.900到1；遼寧、黑龍江等6個省份緊跟其后，綜合技術效率范圍為0.800～0.900；山西、內蒙古等5個省份表現最差，綜合技術效率范圍為0.700～0.800。

表3 傳統DEA模型結果

由于以上結果并未考慮外部環境和隨機干擾的影響，所以并不能真實反映我國衛生醫療機的實際運行效率。因此，需要排除外部環境和隨機干擾等因素，重新對技術效率進行測度與評價[16]。

3.第二階段：基于SFA回歸對環境變量分析和投入變量的調整

運用Frontier 4.1軟件，將3個投入變量的松弛變量作為被解釋變量，將選取的5個環境變量作為解釋變量，進行SFA回歸分析，結果如表4所示。

表4 SFA模型回歸分析結果

表4結果顯示，廣義單邊似然比檢驗在0.010水平上有統計學意義，說明測量各地區醫療衛生機構技術效率時，對環境變量進行剝離是合理和必要的。另外，三個變量的γ值均為1，說明實際床位數、衛生技術人員和總資產的冗余均由管理無效率所導致[17]。從回歸結果來看，總撫養比對醫療衛生服務機構的運行效率有促進作用，且均在1%水平上通過檢驗，可能的原因是人口老齡化加劇了總撫養比，從而提高了醫院的接診頻率，導致相同的醫療資源帶來更多的醫療產出。鑒于住院人數增加，高病死率意味著病死人數的增大，從而延長了總的住院時間，導致治療費用增加，最終醫院的醫療收入將擴大，醫院的投入產出比提高，從而正向促進我國醫療衛生服務機構的運行效率。另外，財政撥款的增加會導致實際床位數、衛生技術人員的松弛變量的減少，會對醫療衛生機構效率產生正向影響，有利于提高我國醫療衛生服務機構的技術效率。

4.第三階段：基于調整后投入與產出數據的BCC模型分析

將調整后的實際床位數、衛生技術人員以及總資產三個投入與原始產出指標結合，再次進行DEA效率的分析，發現我國醫療衛生機構的綜合技術效率、純技術效率和規模效率分別為0.905、0.955和0.947(見表5)。這意味著在剔除環境變量、統計噪聲和管理無效率的影響后，我國醫療衛生機構綜合技術效率降低是由于規模效率下降所導致的，而非純技術效率，這進一步驗證了我國醫療衛生機構的發展應由規模擴張向高水平醫療管理轉變的決策科學性。另外，圖1所示四川省較調整前發生微弱改變，技術有效且處于技術前沿面。天津、江蘇、湖北三個省份在剔除環境變量、統計噪聲以及管理無效率之后，綜合技術效率上升最為明顯，而西藏在調整前后綜合技術效率之間差值(0.279)最大，表明該省醫療衛生機構受外界環境干擾最為強烈。

圖1 三階段DEA調整前后我國各省份綜合技術效率

接下來，我們基于區域視角，整體評價2017年我國醫療衛生機構的運行狀況。表5描述的是我國七大區域三階段DEA調整前后的效率比較。本文統計范圍是除港澳臺之外的31個省份，并按照中國地理區劃分為七大區域，分別是東北(遼寧、吉林、黑龍江)、華東(上海、江蘇、浙江、安徽、福建、江西、山東)、華北(北京、天津、河北、山西、內蒙古)、華中(河南、湖北、湖南)、華南(廣東、廣西、海南)、西南(重慶、四川、貴州、云南、西藏)和西北(陜西、甘肅、青海、寧夏、新疆)。

表5 我國七大區域三階段DEA調整前后效率情況

調整后的結果顯示，2017年我國醫療衛生機構的綜合技術效率較高，平均值達到0.905，各地區綜合技術效率均值排序為：華中(0.996)>華東(0.956)>華南(0.913)>華北(0.881)>西南(0.880)>西北(0.859)>東北(0.843)，說明各地區之間存在差異。如圖2所示，華中地區醫療衛生機構的整體運行效率在調整前后一直處于最優水平，西南地區綜合技術效率調整前后差距最大，這是因為西藏地區的醫療衛生機構受環境變量的影響程度大。

圖2 我國七大區域醫療衛生機構調整前后技術效率均值比較

此外，東北、華東、華北和華中地區的醫療衛生機構在調整后其技術效率均呈現上升趨勢，而華南、西南和西北地區卻出現大范圍下降，這主要是由于華東和華北地區相對于西北和西南地區經濟發展迅猛，可支配收入增多，居民消費能力變強，客觀上為其醫療衛生事業發展提供了經濟基礎。同時，華東和華北地區在教育事業和對外交流方面也強于西北和西南地區，致使人才聚集，醫療機構數量和醫療技術水平不斷提高，為其提供了一定的人才和技術儲備。另外，華北和華東地區在醫療財政撥款方面，其規模和比例大多高于西北和西南地區，進一步擴大了它們之間的差距，造成華南、西南和西北地區醫療衛生機構運行效率前后下降的現象。

討 論

現有文獻常用傳統DEA方法進行效率評估，但無法識別外部環境及統計噪聲對決策單元效率測度的影響[18-19]。本文運用三階段DEA方法，將環境因素及其他隨機因素納入到模型中，然后利用松弛變量中包含的信息對投入變量進行調整，從而更準確真實地反映我國醫療衛生機構的效率水平。31個省份中僅有10個省份效率狀態達到最優，16個省份純技術效率和規模效率均未達到有效，表明我國醫療衛生機構資源浪費現象和規模報酬不足的問題依然存在。在分析環境變量對投入產生的影響時，總撫養比和病死率的系數為負值，表明二者數據的增大會帶來投入松弛變量的降低，即產出的提升，對醫療衛生機構效率產生正向影響。這是因為人口老齡化已成為我國社會常態，總撫養比和老年撫養比的快速攀升，為醫療衛生機構帶來了更多的服務機會[20]。另外，財政撥款對醫療衛生機構效率的提升得到了部分驗證，這是因為財政撥款對實際床位數松弛變量和衛生技術人員松弛變量有負向顯著作用，而對總資產松弛變量無明顯作用。然而，地區生產總值和城市人口密度對醫療衛生機構效率的影響沒有得到充分驗證，這說明各地區經濟發展和城市人口的擴張對醫療衛生機構的效率影響很小，并不會直接促進其技術效率的提升。

為提高非DEA有效的醫療衛生機構的運營效率，我們提出以下改進意見。從國家層面，中央要正視我國醫療衛生機構的區域差異問題，合理規劃我國醫療衛生資源，加強對醫療投資項目的績效考核，防止過度擴張。同時還要明確各級各類公立醫療衛生機構的建設數量和規模，加強內涵建設，強化上下聯動與分工協作。并且，還要整合各級醫療衛生機構的服務功能，推進分級診療，為群眾提供系統、連續、全方位的醫療衛生服務。從各省市政府層面，不僅要注重新一代醫藥科技人才的培養，還要提升醫藥高等院校的辦學水平[21]，完善醫保制度，優化財政資金支出結構，從而保障醫療衛生機構的人才儲備和外部運營環境。從醫院層面，創新人才引進模式，制定有效的工作激勵機制，提高醫院的管理和技術水平。各級醫院還要加強區域間協同合作，搭建市際醫共體，通過人才交流和技術培訓，將先進醫療經驗向地方下沉，實現衛生資源的充分利用。