公共服务管理视角下医疗卫生服务效率测评(1)——难点、现状与展望

杨 旎

(北京大学政府管理学院，北京100871)

一、问题缘起

提高效率与促进公平是各国医疗卫生服务改革的两大核心目标。科学合理地测评效率可为医疗卫生服务的提供者、支付者、购买者、消费者、规制者等提供重要信息，同时也是评价、推进医疗卫生服务改革的必经之路。虽然关于医疗卫生服务效率的研究不少，但目前学界还未建立起一个统一、公认的标准体系。究其原因，主要是在公共服务的管理中，医疗卫生服务的复杂特性，对效率测评产生了多重的影响。

(一)公共服务特性对效率测评的影响

“效率”一词是在经济领域中广泛用以评价生产某一产品的最佳资源利用情况。可分为技术效率或生产效率(technical efficiency或productive efficiency)以及分配效率(allocative efficiency)两部分。前者追求的是在一定投入下产出的最大化，或者生产一定产品投入的最小化;后者追求的是一定产出下最小化的成本投入组合，或一定投入成本下产出组合的最大化［1］。在经济领域，投入的资源指标一般是明确、具体、可量的，且投入与产出一一对应的因果关系较强，因此易于计算效率。

但在公共服务领域，情况要复杂的多。第一，公共服务的政策目标具有多重性，有的目标不易于量化，这就决定了公共服务效率产出的复杂性和难以测量性。“试图使公共部门及其提供的服务更加注重任务是失败的。……(因为)公共服务环境通常有不确定或抽象的任务，而单一的和可预料的结果不具有可行性。”［2］5第二，“效率的测量与分析是个复杂的任务，这不仅是因为医疗卫生机构目标的多重性，也由于信息系统的多重鸿沟”［3］。与经济产品相对封闭透明的生产过程相比，公共服务的投入和产出过程更加开放，但过程信息却更加隐密。这些信息通常是不透明或难以准确获取的。第三，公共服务产出结果的显现具有长期性和交互影响性，使其服务结果的测量难以及时且准确。

(二)医疗卫生服务效率测评的难点

具体在医疗卫生服务领域，效率的测评同时受到了公共服务普遍特性和医疗卫生服务自身特点的挑战。

在效率概念的界定方面，医疗卫生服务的效率内容复杂，包括了技术效率、分配效率两大类和医生、组织和社会三个层次(或微观、中观、宏观三个层次)。马克·罗伯特等学者认为，技术效率或生产效率关注的是一项医疗卫生产品或服务如何以最小成本生产，如何合理匹配人财物等资源，回答的是我们怎样生产的问题;分配效率关心的是一国是否生产了正确的医疗卫生产品来达到总体目标，或一系列医疗卫生服务是否能够使卫生状况最大化［4］。因此，医疗卫生服务效率的测评能否全面涵盖以上内容，或如何根据不同研究目的确定不同内容进行合理测评，是医疗卫生服务效率测评的第一大难点。

在投入(input)的测量方面，经济成本虽也是医疗卫生服务的重要考虑因素，但绝非首要因素。因为“医疗卫生的本质是作为反映人们健康状况的医疗卫生产品，不应该受到个人支付能力、公共财政预算、信息不足和医疗卫生市场缺陷的限制”［5］123。也就是说，医疗卫生服务产品的价值在于保证公众健康地从事生产活动，幸福生活。因此为保证达到一定健康水平目标，最小化经济成本并非考察效率的首要目的，更非唯一目的。如何根据不同的国情和发展阶段看待以最小化经济投入为中心的效率测评方式，是医疗卫生服务效率测评的第二大难点。

在产出(output)的测量方面，2000年世界卫生组织发布的《世界卫生报告》中界定了一国医疗卫生体系本质上的三大目标是提高医疗卫生水平，增加对公民合法医疗卫生需求的回应性，以及确保医疗的财政负担分配公平。因此，如何根据复杂的政策目标丰富、细化效率测评的内容，是医疗卫生服务效率测评的第三大难点。

在过程控制方面，医疗卫生服务具有开放性和互动参与性特征，这使得效率的归因工作更为复杂。测评效率的重要目的是从影响效率的投入过程中寻找出效率高低的原因，为进一步改革提供思路和依据。但医疗卫生服务开放性使得医疗卫生体系并不是影响卫生水平的唯一因素。教育环境质量、饮食文化习惯以及病人在医疗过程中与医生的互动和配合程度也直接影响效率结果。因此，如何在效率测评的过程中分辨、控制好相关因素，是医疗卫生服务效率测评的第四大难点。

在参照对象方面，效率参照的对象主要有行业平均水平、行业最佳水平、行业最理想水平、限制条件下行业最佳水平等几类。如何确定合适的参照对象以评价一国医疗服务效率测量结果的高低，是医疗卫生服务效率测评的第五大难点。

二、国内外医疗卫生服务效率测评的三种方法

美国学者赫西(Hussey)等人通过对1990年至2008年英文文献的分析，分别归纳了同行评议期刊(peer－reviewed literature)和灰色文献(gray literature)中的256篇和8篇关于医疗服务效率测量的文章。从测量目的看，大多数公开发表文献测量的是医院生产效率。从测量方法看，有44.2%的研究采用简单的比率法;55.5%的研究采用了计量经济学和数学方法;使用最普遍的方法是数据包络分析(DEA)和随机前沿分析(SFA)［6］。

在我国，利用CNKI数据库对1990年至2012年的中文文献的检索和分析，统计出研究医疗服务卫生效率测评的文献共153篇(2)。与西方研究不同，从测量目的看，大多数公开发表文献测量的是医疗卫生服务政策项目以及国家或地区卫生系统医院生产效率，占到总数的一半多;从测量方法看，与西方研究相比，更多的研究(超过73%)采用比率法等其他方法，只有22.5%采用了数据包络分析和随机前沿分析等计量经济学和数学方法。

这三大类方法究竟在哪些方面和程度上回应了医疗卫生服务效率的测评难点?三种方法究竟有何特点?孰优孰劣?针对这些问题，以下分别对比率法、DEA法、SFA法等方法进行介绍和分析。

(一)单投入单产出的比率测评方法

比率测评方法(Ratio)指的是在一系列指标下用投入单位与产出单位的比值来测量医疗卫生服务效率的方法。通常通过测量一段时间内(通常为一年)某一医疗卫生投入单位(如人力、资金、设备等)与某一产出单位(如病人数、门诊数等)的比值，反映医疗卫生服务的单位成本和生产率的情况，如门诊人次成本(门诊总成本/门诊人次数)、住院日成本、床位使用率等。

比率测评方法的特点之一是所测量的比值为单一投入单位与单一产出单位的比值，投入与产出一一对应，可用于比较不同性质的组织之间在相同单项指标下的差异，但无法测量多重投入与多重产出的复杂情况，容易因投入产出项目覆盖不全使测评结论产生偏差;特点之二是测算方法简单，获取数据资料容易，易于政策制定者统计和使用，但因各组比值的测评单位不同，各组效率结果之间有时产生矛盾，难以形成科学的总体评价;特点之三是侧重对数量的测评，忽略对质量的测量，容易受外部环境因素干扰，却又不能直接找出干扰因素。可以说，比率测评法一定程度上可以根据研究目的设计并细化效率评价项目，并因其单位选取的多样化可一定程度上避免效率测量时的经济成本导向，但不易克服多因素分析和过程控制等难点。

(二)多重考察的DEA测评方法

谢尔曼(Sherman)于1984年首次用数据包络分析法(data envelopment analysis，简称DEA)方法测量了医疗卫生的技术效率，随后该方法得到了广泛应用。DEA是一种不需要设定生产函数、不考虑随机误差的非参数固定前沿技术效率分析方法。其原理是借鉴计量经济学的边际效益理论和数学的线性规划模型，在所选择的样本中构建效率生产前沿边界，通过测算各决策单元(decision making units，DMUs)是否位于生产前沿面，来比较得出DMUs之间的相对效率［7］。

相对于单投入单产出、指标单位不统一的比率分析法，DEA实现了多投入、多产出问题的处理，但因不考虑随机误差，不能直接对结果进行统计推断。另外，测量误差会导致测量结果的偏差，样本的大小和异质性很大程度上也会影响测量结果的准确性。比如，所选取的同一组样本，可能每个决策单元之间差别不大，效率不高，但DEA方法测量结果则会显示大多数决策单元是高效的。

另外，针对比率法难以解决的卫生服务提供过程中不可控影响因素的问题(比如教育水平、收入水平、环境因素等)，DEA法可通过构建包含不可控因素的DEA模型或在DEA分析后进行回归分析这两种方法加以解决，以确定这些影响因素对效率的影响。

“由于医疗卫生服务提供的特性，DEA方法必须进一步检验和发展，为政策制定和管理有效利用，提供可靠的结果。目前，它们更多用于识别一般趋势，调查管理绩效、组织绩效，检验一般假设，而非评估组织个体的效率。”［1］此外，DEA在非医院的应用研究中的效用也会受到一些挑战，比如“观测单位的目标函数是什么，谁对效率负有管理责任，非实体形式的无效率如何测量，跨国效率测量的本质和有效性的理论和模型如何构建”［8］等。

(三)考虑误差的SFA测评方法

随机前沿分析法(Stochastic Frontier Analysis，SFA)是一种设定生产函数、考虑随机误差的参数随机前沿方法。其基本原理是在确定生产前沿的基础上，通过将误差项分解来估计研究对象的技术效率。误差项被分解为随机误差(包括观察误差、不可预期消耗、短期病种改变等不可控因素)和效率残差(即技术无效性，包括管理、资源利用等方面)，效率残差的大小体现了第i个决策单元与最有前沿面的差距，从而确定第i个决策单元的无效率程度。

其基本函数形式［9］为:Yi= βXi+(vi－ μi)，i=1，… ，N。式中应变量Yi代表研究对象的产出(或产出的对数)，解释变量Xi代表投入数量(或投入数量的对数)，vi为随机变量，μi为非负随机变量。N为决策单元数，i为第i个决策单元投入数量的种类。与DEA多投入多产出的分析方法相比，SFA主要用于测量每个决策单元的多投入和单产出问题。

随机前沿分析的主要优点是把随机误差考虑进研究分析中，容易对分析结果做出统计推断，缺点是生产函数的设计和计算复杂，对样本数量、数据质量和统计检验要求较高，且不容易处理多产出的问题。在应用中，如果生产函数设置不当或是样本数量不足都极易对结果的准确性造成严重影响。

目前，虽然以仍常将DEA为主的非参数分析方法仍是常用的医疗卫生服务效率的分析方法，但SFA和其他参数前沿分析技术也越来越多地出现在研究中，特别是在西方文献中，近五年来这一比例占到了18%［8］。

三、现存问题及发展趋向

(一)全面的效率测评需进一步探索

从以上医疗卫生服务效率的测量内容和方法可以看出，目前研究对效率内涵的测量还不够全面。从结构上分，总效率(OE)包括了技术效率(TE)、分配效率(AE)两部分。根据法雷尔(Farrell)的函数图(图1)，TE=OR/OP(0＜TE≤1)，OP表示在P点投入组合下生产1单位产出的实际观测的投入—产出情况，OR表示生产同样1单位在R点是最有效投入—产出情况。换言之，TE=1则表示该组织完全有效率;当TE＜1时则反映组织接近最有效率的程度，或无效率程度，因为测量对象本可以在在相同投入组合下，运用更少的投入数量。TE越小表示组织越没效率。如果P在R点的投入组合成本分配下是有技术效率的TE=1，但比在S点的投入组合分配成本高，那么R点分配效率比S点低，分配效率系数越高越接近1则表示分配越趋近完全有分配效率。用公式表示为AE=OS/OR(0＜AE≤1)，技术效率乘以分配效率可得出总效率，即OE=OS/OP=OR/OP x OS/OR(0＜OE≤1)。

图1 技术效率与分配效率测量图［8］

由于准确评估医疗卫生服务的投入和产出比较困难，绝大多数文献只研究技术效率而非分配效率，因此难以测评全面的总效率。但更多学者开始意识到这个问题，积极探索专门研究分配效率或总效率。1990年至今的中文文献中只有17篇涉及分配效率(或配置效率)的测评，仅占总文献数的11%。其中，2001—2005年发表的文献有2篇，2006年以后发表的文献达13篇。

可见，由于方法、数据和关注焦点等因素，大多医疗卫生服务效率的测评体现出重技术效率，轻分配效率的特点。对此，不少学者和研究机构开始积极探索全面测评医疗卫生服务效率的方法，或针对研究目的，在明确区分不同效率成分的基础上，对其进行细化、深入的研究。

(二)研究对象层次、结构、方法需进一步优化

另外，从医疗卫生服务效率的层次上分，可分为微观层次、中观层次和宏观层次三部分。微观的医生层面关注的是“现有资源下医生所选择的治疗方案是否能最大程度满足或解决病患需求，或如果选择不同的治疗方案能否会产生更大的效果”;中观的组织层面关注的是“现有的生产或提供医疗卫生服务的方式是否能最大化病人的福利，或病人的福利是否能通过其他提供方式有所增进”;宏观的社会层面研究的是“现有的医疗卫生产品和服务组合是否最大化社会福利，或生产不同组合的医疗卫生产品和服务社会福利是否会有所增进”。根据赫西等人的统计，大多数研究的是中观层面的医院效率研究，占61.1%;其次是微观层面的医生效率研究，占20.4%;而宏观层面的医疗卫生体系效率、区域卫生效率、医疗项目效率研究比例最低，仅分别占1.9% 、1.5% 和 1.1%［6］。

国内文献研究的情况有所不同，目前国内对医疗卫生服务效率的研究对象层次分布比较平均，宏观层面研究较多。但从历史发展来看，2006年以前，国内对医疗卫生服务效率的测评主要也集中在中观层面的医院效率;2006年至今，随着我国一系列医疗政策制度、项目计划的频繁出台，对微观层面的具体病种或某项管理内容、宏观层面医疗卫生政策项目、国家及区域卫生系统效率的研究大幅上升(见图2)。但微观层面的研究结构上，还鲜有学者关注医生提供医疗卫生的效率情况，研究内容的结构还需进一步丰富。

图2 1990—2012年国内医疗卫生服务效率测评研究情况

另外，各个层面的研究方法上也需进一步优化。一方面，虽然由于各国医疗卫生服务的具体情况和问题不同，研究对象不尽相似，但在效率测评的方法技术上，差距应当不大;另一方面，根据研究目的和对象的不同，研究方法也应当有所差别。然而，从我国各个效率测评研究层面所使用的方法来看，不论是微观、中观还是宏观层面，比率法的使用都占了绝大多数(见表1)。因此，各个层面效率研究方法还待进一步优化。

表1 1990—2012年国内关于医疗卫生服务效率测评研究的统计情况

(三)对效率测评体系和指标进一步调整

从对投入变量、中间产出变量与产出结果变量的处理来看，目前的研究还存在指标设置趋同，忽视最终健康结果与质量测评两个问题。

由于医疗卫生服务生产过程的特性，资金物质等的投入不能直接产出最终卫生结果。因此，医疗卫生服务的整个生产过程实际上包括了三个环节:投入(input)，中间卫生服务产出(intermediate output)以及最终健康结果(outcome)。如暂不考虑患者、环境等影响因素，医疗卫生服务的直接资金投入主要包括卫生总费用、人均卫生费用、卫生总费用占GDP比例，人力设施等资源投入主要包括卫生人员总数及人均数(如卫生技术人员、医生、护士等)、各类卫生机构数、床位总数及人均数、固定资产总值及其人均值等;中间医疗卫生服务产出主要包括:门急诊人次数、住院人数、两周就诊率、平均住院日等;最终卫生结果主要包括期望寿命、健康期望寿命、孕产妇死亡率、新生儿死亡率、婴儿死亡率、5岁以下儿童死亡率、各病种发病率等。

但目前绝大多数研究(97.4%)选取的产出变量是中间产出变量卫生服务，仅有不到2%的研究选择了最终卫生结果。“不论是DEA、SFA还是比率法都用的是相似的投入和产出类型和数据，而事实上，DEA和SFA对测量投入和产出都要求更合适具体。”［6］这些中间产出变量大部分反映的是住院天数或费用情况，不能反映健康状况的实际改变情况，即不能反映最终的健康结果，如死亡率、患者治疗质量等。因此可以说，大多数效率测量研究都没有考虑医疗服务的质量问题。这些研究都不能反映真正的效率，只能反映成本和数量情况。这一问题在我国的研究中也有所体现。

对此，越来越多的学者开始努力将反映质量的卫生健康结果指标纳入效率测评体系中。如Deily和McKay用混合函数公式将反映质量的医院死亡率指标包括进去，计算美国医院平均效率;Yaisawarng和Burgess对弗吉尼亚州医院的可及性和质量进行了测评等;2006年以来，国内关于效率指标的研究和探索比例也大幅增至38%，比2001—2005年增长了17%。

(四)从关注测量到更加注重评价与因素分析

比率法和数据包络分析法只能得出测量对象的相对效率值，不能直接反映影响测量对象效率高低的因素;随机前沿分析法虽然可以通过分析结果进行一定程度的统计推断，但也需要进行严格的统计检验。测量研究对象的相对效率值固然重要，但从公共服务管理的角度来说，测量结果更重要的意义是在评价研究对象效率情况的基础上，分析影响效率差异的因素，从而为下一步如何改进研究对象的效率寻找线索。

然而以往医疗卫生服务的效率研究更多的还是停留在对相对效率结果的测量上，对测量结果的评价及其因素分析未受到应有重视。这一现象存在一定客观原因。从前文对医疗卫生服务特性的分析可知，“某种组织结构或工作流程在一个地方有效并不代表在其他地方也有效。”［10］各地不同的价格、目标、激励措施等方面的效率差异都与当地的人口、服务的可及性等因素有密切关系。

尽管如此，技术上的困难并不能阻止医疗卫生服务效率对结果评价和因素分析的研究需求，越来越多的学者和研究机构努力通过二次回归等方法进一步对效率测量结果做出评价解释和因素分析。从霍林斯沃斯对医疗卫生服务效率的调查情况看(3)，1999年调查中有超过60%的研究单独使用DEA方法测量医疗卫生服务效率，只有20%的研究用回归分析对效率值进行回归因素分析，以试图寻找对效率高低具有决定性作用的因素;2008年的调查中，单独使用DEA方法的研究只占到48%，有19%的研究使用了DEA在某种形式上的二次回归方法。在我国，2006年以前只有1篇文献使用了回归分析法对测评结果进行因素分析和解释;2006年至今，有9篇文献使用。从公共服务管理的角度，因素分析和过程控制应在今后的研究中进一步受到重视。

四、结论及展望

公共服务及医疗卫生服务的特性使得对其效率的测评难点重重，至今仍未形成全面、一致、普遍的测评体系和方法。但医疗卫生服务效率测评却是一件不可回避的重要任务。这种困难性与重要性多年来吸引着众多学者和研究机构从不同学科、方法中汲取有益经验，不断改进医疗卫生服务效率的测评体系和方法。

在测评体系方面，对效率结构、效率层次和效率阶段的明确划分，使效率的测评体系更加完整、准确。在测评方法方面，比率法针对公共服务目标多样性方面提供了灵活多样的分析角度;DEA法解决了不同比较项目单位难以统一的问题，使多投入多产出的效率值的计算成为可能，易于整体比较不同组织的效率情况;SFA法则进一步考虑了随机误差，可进行统计推断，善于解释多投入单产出问题。

然而需要指出的是，在实际研究中，不能说三个方法中哪一个是最好的，因为不同方法有不同的利弊，选择适合的测评模型是重要的方法问题。最合适方法的选择应是基于研究目的、研究对象的类型、选取的视角以及可获取的数据质量。

从医疗卫生服务效率测评研究进程来看，大多数研究还存在重技术效率，轻分配效率;重中间产出变量，轻最终结果变量;重数量效率指标，轻质量效率指标;重效率结果测量，轻评价及因素分析等问题。针对这些问题，目前的研究趋势是，一方面越来越多的学者和研究机构开始积极探索全面测评医疗卫生服务效率的方法，或针对研究目的，在明确区分不同效率成分的基础上，对其进行细化、深入的研究;另一方面通过改进技术方法，完善指标体系，加入质量等最终结果变量，加强对效率结果的评价和因素分析。

另外，公共服务和医疗卫生服务的其他一些特性仍在对效率研究进行着严峻考验。其中最重要的是，将来如何构建开放、透明的卫生信息系统，以弥合卫生系统的多重信息鸿沟，在此基础上将利益相关者的偏好、参与因素考虑进来，构建动态的效率体系。这还需要研究者及相关部门的共同努力。

注释:

(1)本文受到2011—2012年度国家留学基金委“国家公派联合培养博士生”项目资助，特表感谢。

(2)选取中国学术期刊网络出版总库、中国博士学位论文全文数据库、中国优秀硕士学位论文全文数据库、中国重要会议论文全文数据库进行跨库检索，检索条件为“(题名=中英文扩展(医疗)并且 题名=中英文扩展(效率))或者(题名=中英文扩展(卫生)并且 题名=中英文扩展(效率))或者(题名=中英文扩展(医疗)并且题名=中英文扩展(绩效))或者 (题名=中英文扩展(卫生)并且 题名=中英文扩展(绩效))并且(全文=中英文扩展(测量)或者全文=中英文扩展(评))不包含 (题名=中英文扩展(综述)不包含题名=中英文扩展(回顾))不包含 (主题=中英文扩展(DEA)不包含 主题=中英文扩展(数据包络)))(精确匹配)”，检索结果共452篇文献，通过对题名、关键词、摘要、全文等项目的筛选，去除文献综述、理论讨论等非直接相关文献后，直接研究医疗服务卫生效率测评的文献共153篇。

(3)参见 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.公共服务管理的复杂性［M］.北京:清华大学出版社，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.