王 力,潘小毅,2

(1.湖北中醫(yī)藥大學(xué)管理學(xué)院,湖北 武漢 430065;2.湖北省高校人文社科重點(diǎn)研究基地/中醫(yī)藥發(fā)展研究中心,湖北 武漢 430065)

隨著社會(huì)的全面發(fā)展,人民的健康意識(shí)和需求越來越強(qiáng)[1]。醫(yī)療資源配置效率的高低,直接關(guān)系到人民群眾的生命健康,對(duì)于政府決策者也是一個(gè)重大課題。國(guó)內(nèi)學(xué)者圍繞公共醫(yī)療服務(wù)效率開展了一些研究,主要聚焦于測(cè)算各級(jí)各類醫(yī)療機(jī)構(gòu)的公共醫(yī)療服務(wù)靜態(tài)效率和動(dòng)態(tài)效率。張昕男[2]等基于DEA測(cè)算了全國(guó)中醫(yī)醫(yī)院衛(wèi)生資源配置效率。趙大仁[3]等基于DEA的CCR和BCC模型測(cè)算了四川省醫(yī)院醫(yī)療服務(wù)效率。陳陽[4]等基于DEA-Malmquist指數(shù)測(cè)算了2013-2018年我國(guó)中醫(yī)醫(yī)院的衛(wèi)生資源配置效率。Yue[5]等運(yùn)用DEA-Malmquist指數(shù)模型研究了2015-2017年湖北省縣級(jí)中醫(yī)醫(yī)院公共醫(yī)療服務(wù)效率動(dòng)態(tài)變化情況。Wang和Tao[6]使用Malmquist指數(shù)評(píng)估了我國(guó)31個(gè)省份的公共醫(yī)療服務(wù)效率的變化趨勢(shì)。本研究采用DEA中的BCC模型,結(jié)合Malmquist指數(shù)和固定效應(yīng)模型對(duì)31個(gè)省份的衛(wèi)生服務(wù)效率進(jìn)行評(píng)價(jià),以期為未來制定衛(wèi)生資源配置方案提供參考。

1 資料與方法

1.1 數(shù)據(jù)來源

本研究數(shù)據(jù)來源于2013-2022年《中國(guó)衛(wèi)生統(tǒng)計(jì)年鑒》和《中國(guó)統(tǒng)計(jì)年鑒》,選取除臺(tái)灣省、香港特別行政區(qū)和澳門特別行政區(qū)外的31個(gè)省份作為研究對(duì)象。

1.2 指標(biāo)體系的選取

參考已有文獻(xiàn),結(jié)合研究目標(biāo)和數(shù)據(jù)可獲得性,本文選取衛(wèi)生機(jī)構(gòu)數(shù)、床位數(shù)做為物力投入指標(biāo),衛(wèi)生技術(shù)人員數(shù)做為人力投入指標(biāo),選取病床使用率、入院入數(shù)和診療人次作為產(chǎn)出指標(biāo)。

本研究將影響因素分為內(nèi)部因素和外部因素,內(nèi)部因素有醫(yī)師日均擔(dān)負(fù)診療人次數(shù)、醫(yī)師日均擔(dān)負(fù)住院床日和平均住院日;外部因素為人均GDP和政府衛(wèi)生支出。詳見表1。

表1 指標(biāo)選取說明

1.3 模型選擇

1.3.1 BCC-Malmquist模型

DEA是美國(guó)運(yùn)籌學(xué)家Chames等提出用來評(píng)價(jià)同類決策單元(DMU)相對(duì)效率,并對(duì)其投入產(chǎn)出有效性進(jìn)行評(píng)價(jià)的方法,包括CCR模型、BCC模型、ST模型和Malmquist模型等[7],目前該方法被廣泛應(yīng)用于醫(yī)療衛(wèi)生領(lǐng)域。在DEA中,BCC模型將CCR模型中規(guī)模報(bào)酬不變的假設(shè)進(jìn)行調(diào)整,假設(shè)規(guī)模報(bào)酬可變,將綜合效率分解為純技術(shù)效率和規(guī)模效率的乘積,同時(shí)得到各決策單元間的規(guī)模報(bào)酬與相對(duì)有效性,Malmquist指數(shù)法廣泛用于測(cè)算生產(chǎn)率變化[8]。

1.3.2 面板固定效應(yīng)模型

本研究建立面板計(jì)量模型分析各項(xiàng)因素對(duì)綜合效率的影響。隨機(jī)效應(yīng)模型需假設(shè)解釋變量與個(gè)體效應(yīng)無關(guān),現(xiàn)實(shí)情況中此種假設(shè)很難成立,故本文最終選擇固定效應(yīng)模型。進(jìn)一步對(duì)年份虛擬變量進(jìn)行聯(lián)合顯著性檢測(cè),結(jié)果顯示需要控制時(shí)間效應(yīng),因此本文最終選擇控制個(gè)體和時(shí)間的雙向固定效應(yīng)模型。本研究選取2012-2021年的面板數(shù)據(jù)建立模型:

lnCEit=α0+α1lnNOPit+α2lnHDit+α3lnDIPDit+α4lnAVGDPit+α5lnGEHit+ηt+δt+εit

(1)

式(1)中,被解釋變量CE表示衛(wèi)生機(jī)構(gòu)服務(wù)綜合效率值,解釋變量包括醫(yī)師日均擔(dān)負(fù)診療人次數(shù)(NOP)、平均住院日(HD)、醫(yī)師日均擔(dān)負(fù)住院床日(DIPD)、人均GDP(AVGDP)、政府衛(wèi)生支出(GEH),ηt和δt分別表示時(shí)間固定效應(yīng)和個(gè)體固定效應(yīng),εit表示隨機(jī)擾動(dòng)項(xiàng)。

為了確保模型不存在多重共線性問題,本文計(jì)算了解釋變量間的方差膨脹因子VIF,發(fā)現(xiàn)變量間的VIF值全部小于3,說明模型不存在嚴(yán)重的多重共線性問題。

2 結(jié)果

2.1 靜態(tài)效率分析

本研究借助基于產(chǎn)出為導(dǎo)向的BCC模型,利用DEAP 2.1軟件計(jì)算出2012-2021年我國(guó)31個(gè)省份醫(yī)療機(jī)構(gòu)服務(wù)綜合效率分析,結(jié)果見表2。

表2 2012-2021年各省份醫(yī)療服務(wù)綜合效率

2012-2021年,僅有浙江省和上海市歷年的綜合效率值等于1。遼寧、山東、山西、吉林、黑龍江、內(nèi)蒙古、陜西等地歷年的綜合效率都低于全國(guó)平均值,提示我國(guó)大部分省份的衛(wèi)生機(jī)構(gòu)服務(wù)效率還有較大的提升空間,整體處于中等水平,地區(qū)間差異較大。

我國(guó)大部分省份未達(dá)到純技術(shù)效率有效,需要通過提高管理水平和提升醫(yī)療技術(shù)水平,達(dá)到提高純技術(shù)效率的目的。從規(guī)模效率來看,我國(guó)普遍存在規(guī)模不合理現(xiàn)象,規(guī)模報(bào)酬呈遞減狀態(tài),表明總效率偏低并不是由于投入不足造成,因此部分醫(yī)療機(jī)構(gòu)需要在規(guī)模方面進(jìn)行優(yōu)化,以求達(dá)到資源的合理配置。2012年和2021年我國(guó)31個(gè)省份醫(yī)療機(jī)構(gòu)的純技術(shù)效率和規(guī)模效率見圖1、圖2。

圖1 2012年31個(gè)省份的純技術(shù)效率和規(guī)模效率

圖2 2021年31個(gè)省份的純技術(shù)效率和規(guī)模效率

2.2 動(dòng)態(tài)效率分析

從年平均變化分析來看,我國(guó)31個(gè)省份技術(shù)效率變化指數(shù)上升了0.7%,技術(shù)進(jìn)步指數(shù)提高了3%,純技術(shù)效率變化指數(shù)下降了0.2%,規(guī)模效率變化指數(shù)上升了0.9%,全要素生產(chǎn)率指數(shù)上升了3.7%。

從逐年變化分析,技術(shù)效率變化指數(shù)在2012-2013年上升最大(上升了10%),在2019-2020年下降最大(下降了5.4%)。技術(shù)進(jìn)步指數(shù)在2013-2014年上升最大(上升了49.6%),在2019-2020年下降最大(下降了11.7%)。純技術(shù)效率變化指數(shù)在2020-2021年上升最大(上升了1%),在2019-2020年下降最大(下降了2.8%)。規(guī)模效率變化指數(shù)在2012-2013年上升最大(上升了0.7%),在2019-2020年下降最大(下降了2.7%)。全要素生產(chǎn)率指數(shù)在2012-2013年上升最大(上升了21.5%),在2019-2020年下降最大(下降了16.5%)。見表3。

表3 2012-2021年我國(guó)衛(wèi)生資源配置效率的Malmquist指數(shù)

2012-2021年除北京、天津、上海、海南、西藏、寧夏等6個(gè)省份(19%)的全要素生產(chǎn)率指數(shù)小于1之外,其他25個(gè)省份(81%)的全要素生產(chǎn)指數(shù)全部大于1,提示我國(guó)絕大部分省份的醫(yī)療資源配置效率在不斷提高,發(fā)展趨勢(shì)良好。東部地區(qū)全要素生產(chǎn)指數(shù)大于1的省份有7個(gè)(64%),中部地區(qū)全要素生產(chǎn)指數(shù)大于1的省份有8個(gè)(100%),西部地區(qū)全要素生產(chǎn)指數(shù)大于1的省份有10個(gè)(83%),提示中部地區(qū)在提升醫(yī)療資源配置效率方面優(yōu)于東部和西部地區(qū)。在醫(yī)療資源配置全要素生產(chǎn)率指數(shù)的4個(gè)分解指數(shù)中,進(jìn)步技術(shù)相對(duì)最大,與全要素生產(chǎn)率指數(shù)相近。從全要素生產(chǎn)指數(shù)的4個(gè)分解指數(shù)來看,我國(guó)東部、中部、西部的技術(shù)效率變化指數(shù)均值分別為0.999、1.009和1.012,其中陜西上升了5.6%,黑龍江下降了2.4%。技術(shù)進(jìn)步指數(shù)均值分別為1.017、1.05和1.029,其中云南上升了7.8%,西藏下降了5.9%。純技術(shù)效率變化指數(shù)均值分別為0.998、0.997和0.999,其中北京上升了1%,黑龍江下降了2.3%。規(guī)模效率變化指數(shù)均值分別為1.002、1.013和1.014,其中陜西上升了6.3%,甘肅下降了1.3%。全要素生產(chǎn)率指數(shù)均值分別為1.016、1.059和1.042,其中貴州上升了8.6%,西藏下降了5.9%。見表4。

表4 2012-2021年我國(guó)各省份衛(wèi)生資源配置效率的Malmquist指數(shù)

2.3 影響因素分析

本研究使用Stata 15.1軟件對(duì)所構(gòu)建的面板固定效應(yīng)模型進(jìn)行回歸分析,回歸結(jié)果見表5。

表5 回歸結(jié)果分析

模型(1)的解釋變量?jī)H有內(nèi)部影響因素,模型(2)中加入了外部影響因素,模型(3)則只包括外部影響因素。

從內(nèi)部影響因素來看,在模型(1)和模型(2)中,lnNOP和lnDIPD的回歸系數(shù)均為正且顯著,說明醫(yī)院醫(yī)師日均擔(dān)負(fù)診療人次數(shù)和醫(yī)院醫(yī)師日均擔(dān)負(fù)住院床日對(duì)醫(yī)療服務(wù)綜合效率有正向的影響。lnHD的回歸系數(shù)為負(fù)且顯著,說明平均住院日對(duì)醫(yī)療服務(wù)綜合效率有負(fù)向影響,可以通過適當(dāng)降低平均住院日達(dá)到提升醫(yī)療服務(wù)綜合效率的目的。

從外部影響因素來看,模型(2)和模型(3)的回歸結(jié)果中,lnAVGDP的回歸系數(shù)為正且顯著,說明經(jīng)濟(jì)發(fā)展能有效促進(jìn)醫(yī)療服務(wù)綜合效率的提升;lnGEH的回歸系數(shù)為負(fù)且顯著,說明政府雖加大了衛(wèi)生方面的資金投入,但并沒有能夠被合理地使用,從而達(dá)到提高醫(yī)療服務(wù)綜合效率的目的,這和靜態(tài)分析結(jié)果的衛(wèi)生資源沒有得到合理的配置結(jié)論相符。

3 結(jié)果及討論

從靜態(tài)分析結(jié)果可以得出,我國(guó)大部分省份的衛(wèi)生服務(wù)效率還有較大的提升空間,整體處于中等水平,地區(qū)間差異較大。大部分省份的規(guī)模報(bào)酬都是遞減,提示造成我國(guó)衛(wèi)生服務(wù)效率不高的主要原因是產(chǎn)出指標(biāo)不足,即在現(xiàn)階段衛(wèi)生資源的投入下,由于衛(wèi)生醫(yī)療機(jī)構(gòu)管理水平低、人員冗余等原因,其產(chǎn)能并未達(dá)到最大化,造成了一定的浪費(fèi)。

從時(shí)間跨期來看,除2012-2013年、2013-2014年和2015-2016年的全要素生產(chǎn)率指數(shù)大于1外,其他年度的全要素生產(chǎn)率指數(shù)全部小于1,且全要素生產(chǎn)率指數(shù)整體呈遞減狀態(tài),提示我國(guó)近些年衛(wèi)生資源配置效率的增長(zhǎng)幅度放緩。

2012-2021年,我國(guó)東部、中部、西部衛(wèi)生資源配置全要素生產(chǎn)率指數(shù)均值分別為1.016、1.059和1.042。其中,中部地區(qū)全要素生產(chǎn)率提高最大,平均增長(zhǎng)率為5.9%,其次是西部(4.2%),東部提高最小(1.6%)。提示我國(guó)各地的衛(wèi)生資源配置效率均有所差異,這與夏雯琪[9]等的研究結(jié)果一致。東部、中部、西部的技術(shù)進(jìn)步指數(shù)均大于1,提示我國(guó)衛(wèi)生資源配置的技術(shù)在不斷進(jìn)步,技術(shù)進(jìn)步帶動(dòng)全要素生產(chǎn)率實(shí)現(xiàn)正增長(zhǎng)。從年均Malmquist指數(shù)增幅可以得出,現(xiàn)階段還是存在負(fù)增長(zhǎng)的省份,各省份之間差距相對(duì)較大。

從Malmquist指數(shù)及其分解的幾何平均數(shù)可以得到,全生產(chǎn)要素指數(shù)為1.037,技術(shù)進(jìn)步指數(shù)(1.03)>技術(shù)效率變化指數(shù)(1.007),又因?yàn)榍罢邽楹髢烧呦喑怂?提示我國(guó)近幾年的衛(wèi)生服務(wù)效率的提高主要是由新技術(shù)來推動(dòng)的,這與吳晶晶[10]等的研究結(jié)果一致,即我國(guó)衛(wèi)生服務(wù)效率的增長(zhǎng)屬于技術(shù)進(jìn)步導(dǎo)向型增長(zhǎng),并且實(shí)證結(jié)果顯示內(nèi)部影響因素能顯著影響衛(wèi)生服務(wù)效率。

4 建議

4.1 提高醫(yī)療機(jī)構(gòu)管理水平,避免無效投入

結(jié)果顯示,我國(guó)大部分省份規(guī)模報(bào)酬遞減,造成我國(guó)衛(wèi)生服務(wù)效率不高的主要原因是產(chǎn)出指標(biāo)不足。因此,建議在衛(wèi)生資源有限的情況下,加強(qiáng)對(duì)醫(yī)療衛(wèi)生機(jī)構(gòu)的管理,不斷優(yōu)化經(jīng)營(yíng)模式,加強(qiáng)衛(wèi)生技術(shù)人員培訓(xùn),不斷提高衛(wèi)生工作者的整體素質(zhì),從而使衛(wèi)生服務(wù)效率達(dá)到最大化,真正做到服務(wù)于人民。

4.2 推進(jìn)醫(yī)療資源區(qū)域均衡化

目前我國(guó)衛(wèi)生資源配置的技術(shù)在不斷進(jìn)步的同時(shí),各省份之間的差距也相對(duì)較大。因此,需要優(yōu)化和完善非有效地區(qū)的投入產(chǎn)出,最大化實(shí)現(xiàn)各省份衛(wèi)生資源配置的均等化[11]。東部地區(qū)資源配置效率普遍較高,但是在區(qū)域內(nèi)也表現(xiàn)出不均衡的態(tài)勢(shì),部分地區(qū)產(chǎn)出不足,如福建省規(guī)模報(bào)酬遞減,表明該地區(qū)沒有達(dá)到與投入量相對(duì)應(yīng)的產(chǎn)出量。建議衛(wèi)生資源投入冗余的地區(qū)應(yīng)重新考察醫(yī)療資源需求及配置條件,科學(xué)規(guī)劃衛(wèi)生資源配置,在省內(nèi)合理調(diào)用已有資源,力求達(dá)到產(chǎn)出最大化。

4.3 引進(jìn)科技人才,利用現(xiàn)代信息技術(shù)提升衛(wèi)生服務(wù)效率

科學(xué)技術(shù)的不斷發(fā)展和革新,推動(dòng)著我國(guó)衛(wèi)生服務(wù)效率的提高。因此,在以后的工作中,各省份應(yīng)重視技術(shù)進(jìn)步對(duì)提高全要素生產(chǎn)率帶來的影響。未來應(yīng)發(fā)揮互聯(lián)網(wǎng)等技術(shù)在醫(yī)院管理、患者服務(wù)和醫(yī)療服務(wù)質(zhì)量提升等方面的優(yōu)勢(shì)。通過科技人才的引進(jìn),可以更快地將醫(yī)療和科學(xué)技術(shù)結(jié)合,加快科技成果的轉(zhuǎn)化,更快地提高衛(wèi)生服務(wù)效率。