基于DEA的河南省二级以上医院相对效率评价

田丽娜

(焦作市人民医院 骨一科，河南 焦作454002)

数据包络分析(Data Envelopement Analysis，DEA)是1978年美国著名运筹学家Charmes 和Cooper 等以相对效果为基础发展起来的一种新的效果评价方法［1］，其实质是根据一组关于输入指标和输出指标的观察值来估计有效生产前沿并对之进行综合效果评价。DEA 适合于具有投入、产出指标的决策单元(Decision Making Unit，DMU)间相对有效性的评价。决策单元又称被评价单元，其投入和产出指标的单位可以不统一。自DEA 基本模型被提出以来，DEA 方法已经在不同领域得以广泛应用，如企业生产［2］、网络结构［3］、医院效率［4］、银行管理［5］、高校教育［6］、农业经济［7］等。

1 方法

资料来源于2012年1 ～4月累计河南省二、三级医院“十大指标”报表。使用聚类分析、Spearman相关分析和变异系数法筛选指标，采用数据包络分析法对最终指标进行处理。采用SPSS 12.0 进行数据分析，使用频数、率和百分构成比对资料的构成进行描述性分析，对医院的平均效率采用均数±标准差(±s)进行分析。

2 结果

最终投入指标为医师数、病房护士数、总资产、编制床位数和总支出，最终产出指标为预约挂号人次、实际开放总床日数、门诊与出院诊断符合率和总收入。

324 所医院的平均综合效率为0.886 ±0.132;三级医院的平均综合效率(0.875 ±0.149)小于二级医院(0.889 ±0.128);妇幼保健院的平均综合效率(0.995 ±0.018)最高，而综合医院的平均综合效率(0.872 ±0.137)最低;濮阳医院的平均综合效率(0.996 ±0.010)最高，焦作(0.786 ±0.155)最低。见表1 ～3。

表1 不同类别医院的DEA 平均效率(±s)

表1 不同类别医院的DEA 平均效率(±s)

分类 医院数 综合效率 纯技术效率 规模效率1 269 0.872 ±0.137 0.987 ±0.022 0.883 ±0.132 2 13 0.947 ±0.083 0.992 ±0.140 0.953 ±0.073 3 11 0.951 ±0.048 0.986 ±0.020 0.964 ±0.037 4 11 0.944 ±0.090 0.995 ±0.137 0.949 ±0.090 5 14 0.959 ±0.086 0.995 ±0.018 0.964 ±0.085 6 6 0.963 ±0.060 0.988 ±0.028 0.965 ±0.059

表2 不同级别医院的DEA 平均效率(±s)

表2 不同级别医院的DEA 平均效率(±s)

分级 医院数 综合效率 纯技术效率 规模效率二级医院259 0.889 ±0.128 0.987 ±0.229 0.900 ±0.122三级医院 65 0.875 ±0.149 0.994 ±0.136 0.880 ±0.147合计324 0.886 ±0.132 0.988 ±0.215 0.896 ±0.127

表3 不同地市医院的DEA 平均效率(±s)

表3 不同地市医院的DEA 平均效率(±s)

地市 医院数 综合效率 纯技术效率 规模效率省直15 0.892 ±0.140 0.988 ±0.022 0.896 ±0.127郑州 29 0.899 ±0.099 0.982 ±0.034 0.916 ±0.099开封 21 0.887 ±0.123 0.983 ±0.024 0.900 ±0.113洛阳 36 0.904 ±0.138 0.993 ±0.013 0.909 ±0.133平顶山 19 0.922 ±0.102 0.986 ±0.024 0.935 ±0.096安阳 20 0.936 ±0.088 0.992 ±0.014 0.943 ±0.079鹤壁 8 0.870 ±0.125 0.987 ±0.017 0.880 ±0.114新乡 20 0.836 ±0.170 0.985 ±0.020 0.847 ±0.162焦作 18 0.786 ±0.155 0.989 ±0.021 0.793 ±0.149濮阳 9 0.996 ±0.010 0.996 ±0.010 0.999 ±0.002许昌 13 0.775 ±0.168 0.983 ±0.022 0.788 ±0.166漯河 11 0.872 ±0.135 0.987 ±0.016 0.883 ±0.131三门峡 9 0.870 ±0.127 0.977 ±0.027 0.889 ±0.111南阳 31 0.920 ±0.099 0.990 ±0.017 0.929 ±0.095商丘 21 0.888 ±0.119 0.986 ±0.032 0.900 ±0.111信阳 12 0.988 ±0.040 0.999 ±0.004 0.989 ±0.037周口 10 0.807 ±0.139 0.990 ±0.004 0.815 ±0.137驻马店 17 0.823 ±0.157 0.988 ±0.024 0.832 ±0.148济源5 0.892 ±0.140 0.997 ±0.007 0.895 ±0.139

2.3 处于规模收益递减、规模收益不变及规模收益递增状态的医院数分别为191 (59. 0%)、131(40.4%)和2(0.6%);二级医院和三级医院处于规模收益递减状态的医院数均最多，分别为151(58.3%)和40(61.5%);周口地区的医院处于规模收益递减状态的医院比例最高，为80.0%;信阳最低，为8.3%。

2.4 总体有效的医院数为131(40.4%)。二级医院和三级医院总体有效的医院数分别为106(40.9%)、25(38.5%);妇幼保健院为总体有效医院比例最高，为71.4%;综合医院最低，为36.8%;信阳地区医院总体有效的医院比例均最高，为91.7%;许昌地区最低，为15.4%。

2.5 投入指标可减少的比例在7.49% ～14.85%之间;产出指标可增加的比例在0.33% ～30.72 之间。见表4。

表4 各医院投入指标和产出指标平均可改进的比例

3 结论

河南省已构建了较完善的DEA 指标筛选和评价体系。DEA 指标的选择关系着结果的真实性和可靠性，保证指标的合理选择是研究的关键部分。该研究采用文献综述法结合统计学方法(聚类分析、相关分析和变异系数法)对DEA 的投入和产出指标进行筛选。多种方法的联合运用增加了研究的科学性和合理性。

河南省不同地市间运营效率分布不均，三级医院比二级医院更需注重医院的运营效率，综合医院比专科医院更需注重医院的医疗服务质量。DEA方法既可用于确定每个DMU 的相对效率以及规模收益状况，又能为非DEA 有效的DMU 提供达到DEA 有效的方法:如改变其投入和(或)产出水平。医院若为DEA 有效，表明医院处于最佳配置状态，无需再改变其投入量和产出量。若为非DEA 有效，则医院的投入和产出配置需调整。

［1］魏权龄. 数据包络分析(DEA)［J］. 科学通报，2000，45(17):1 793 -1 808.

［2］Samoilenko S，Osei-Bryson K. Using Data Envelopment Analysis(DEA)for monitoring efficiency-based performance of productivity-driven organizations:Design and implementation of a decision support system［J］. Omega，2013，41(1):131 -142.

［3］Li Y，Chen Y，Liang L，et al. DEA models for extended two -stage network structures［J］. Omega，2012，40(5):611 -618.

［4］董四平，肖婧婧，梁铭会. 基于数据包络分析的县级综合医院规模经济效率研究［J］. 中国卫生经济，2011，30(1):67 -70.

［5］Luo Y，Bi G，Liang L. Input/output indicator selection for DEA efficiency evaluation:An empirical study of Chinese commercial banks［J］. Expert Systems with Applications，2012，39(1):1 118-1 123.

［6］王力纲. 基于数据包络分析的高校教育资源投入产出效率评价［J］. 广东工业大学学报:社会科学版，2011，11(4):17-20.

［7］André F J，Herrero I，Riesgo L. A modified DEA model to estimate the importance of objectives with an application to agricultural economics［J］. Omega，2010，38(5):371 -382.