中国卫生资源全要素生产率增长及收敛性分析

于金娜

（贵州民族大学 商学院，贵阳 550025）

0 引言

从世界范围来看，医疗服务体系面临着提高性能的巨大压力。一方面，要致力于降低卫生总费用，另一方面要保证高质量的服务和较高的可及性，特别地，随着国家经济水平和人民生活质量的提高，提高医疗服务的性能显得尤为重要，但从历史角度来看，探索高性能的医疗服务是一个困难棘手的问题[1]。从当前各国实践来看，提高效率和公平是提高医疗服务性能的可行途径。这两个方面的问题同样也是我国卫生医疗领域研究的重点[2]，其中如何配置卫生资源并提高其利用效率一直困扰着我国卫生领域的发展，2009年新医改明确将提高卫生综合服务能力和提高卫生资源利用效率作为政策目标[3]，尤其当前总投入量不足与浪费并存的局面，使得如何提高医疗卫生资源利用效率成为改革的突破点。因此，对于卫生资源的全要素生产率进行测算并分析其收敛性，对于医改的顺利进行至关重要。本文在以往研究的基础上[4-8]，构建了SBM-Undesirable方向性距离函数和GML指数模型，不仅考虑了卫生资源利用中的非期望产出和松驰问题，而且克服了M和ML指数不可传递及无可行解的不足。首先对我国省级层面的卫生资源TFP进行测算与分解，在此基础上对其进行了收敛性分析，探寻影响我国卫生资源TFP增长的关键因素，并提出有针对性的建议，对我国卫生体系的可持续发展具有重要现实意义。

1 数据和方法

1.1 数据来源

本文的数据主要是从《中国统计年鉴》和《中国卫生统计年鉴》（或《中国卫生和计划生育统计年鉴》）的不同年份数据中提取，同时也参考了全国31个省市对应年份的《统计年鉴》《卫生统计年鉴》及卫生年报。考虑到2007年之后国家统计局关于财政支出的统计口径进行了调整，故选择的数据年份是从2007—2014年。其中涉及价值的指标，均采用相应的价格指数折算到2000年的当年价格，以便于研究中数据具有可比性。

1.2 研究方法

考虑到卫生领域的特殊情况，选择产出为导向的模型更加合理[9]。本文构建基于产出导向的SBM-GML模型，测算2007—2014年间我国省际卫生资源的TFP。

假设全国31个省（市）为研究的决策单元（下文以DMU表示），每个DMU均有m种投入要素、s1种期望产出要素和s2种非期望产出要素，则每个DMU的投入和产出变量分别为和这里假设X＞0、Ys＞0、Yb＞0 。设时期为t=1，2，…，T，每个DMU为k=1，2，…，K。第t年的生产可能性集P在满足四大性质[10]的前提下，可以表示为考虑到这样的生产可能性集可能发生技术倒退的结论，因此，基于整个时间段的GML指数便产生了，它将Pt(xt)替换为PG(x)=P1(x1)∪P2(x2)∪…∪PT(xT)，使各DMU在不同年份的技术效率之间具有可比性[11]。

考虑到国外卫生体系与我国卫生体系存在差异，所以在选择投入产出变量时，主要参考国内的已有研究，具体变量及其含义如下页表1所示。

已有研究[12]认为，样本数量应大于投入和产出指标数量的3倍，并且大于投入产出指标数量的乘积。在本文中，投入产出变量一共10个，其中投入变量4个、产出变量6个，而DMU共248个（31个省份共8年数据），因此符合研究对象与变量选择的基本要求。

表1 投入产出变量的选择

1.2.1 SBM-Undersirable方向性距离函数

参考已有研究[11]构建的SBM-Undesirable模型：

其中，s为松驰变量，λ为权重向量，当λ≥0时表示规模报酬不变，当∑λ=1时表示规模报酬可变。考虑非期望产出的全局SBM方向性距离函数为：

1.2.2 GML指数

根据Oh[8]的研究，以产出为导向的GML生产率指数为：

式中表示TFP指数，与分别表示全局效率进步和技术进步。若大于1（小于

1）则说明从时期t到t+1卫生资源的技术效率提高（恶化）并伴随着技术进步（倒退），与分别表示时期t到t+1卫生资源的技术效率与技术进步水平。

1.2.3 收敛性分析

在当前大数据背景下，技术的扩散效应更加明显，尤其是落后地区通过网络及参观学习向先进地区靠拢，从而提高技术效率，这样就会缩小与先进地区之间的差距[13]。为了验证落后地区对于先进地区的模仿和追赶所导致的生产效率的趋同效应，本文借助绝对β和条件β收敛，对卫生资源TFP的收敛性进行实证分析。

（1）绝对β收敛

借鉴已有研究[14]，省际间卫生资源利用效率绝对β收敛的模型为：

式中，ΔGMLit是指第0年到第t年各省市卫生资源GML指数的增长率，GMLi0为第0年各省市卫生资源GML指数，εit为随机误差项，β值为收敛系数，当其为负时，表明省际间卫生资源利用的GML差异会逐步减小直到消失。

（2）条件β收敛

条件β收敛考虑了不同DMU的异质性，根据现有文献，本文选择的控制变量见表2。

表2 条件β收敛分析的控制变量及计算方法

在进行绝对收敛检验时所使用的模型为：

式中，ΔGMLit、β、GMLio的含义同上，而其他控制变量的含义见表2。

2 结果与分析

2.1 考虑非期望产出的卫生资源TFP变动分析

利用我国31个省市卫生资源利用的投入和产出数据，以产出为导向，在考虑非期望产出的基础上，利用MaxDEA6.9软件，测算我国省际及三大区域的卫生资源TFP及其分解，具体结果见下页表3。

由表3可知，从全国平均水平来看，我国卫生资源TFP低于1，这主要是由于技术倒退导致的（技术进步水平仅为0.986低于TFP水平0.999），我国平均的技术效率为1.013，对于技术效率的贡献，其中主要是纯技术效率的提高，而规模效率所起的作用比较小，由此可见，我国整体卫生资源的TFP水平是依托技术效率的提高来维系的，并且主要是依靠纯技术效率的提高，这也反映了我国卫生领域在资源配置中存在的问题，即在资源配置中过度依赖技术效率的提升，从长远来看，这对卫生资源的可持续利用以及医疗卫生的可持续发展是不利的。其中上海、江苏、浙江、安徽和青海这五个省区除外，这五个省区从数据显示，其卫生资源TFP主要依靠技术进步来推动，这五个省区在新医改中做出了实际贡献。在推进医保支付方式改革方面，江苏、安徽及上海均进行了成功探索，同时上海、江苏、浙江和青海在分级诊疗体系的探索中为全国树立了典型，另外江苏省还成功地进行了公立医院薪酬制度改革。这五个省市均从制度层面对现有的新医改进行了尝试性的探索，其成功的经验已经被国务院例为典型，制度的创新本身就是生产中的技术手段，因此，这五个省市的TFP主要是依托技术进步，当然效率的提升也为TFP做出相应贡献，只不过其贡献小于技术进步的贡献。但从全国来看，只有重视技术进步以及规模效率在资源配置中的作用，才能保证卫生资源TFP的合理增长。从三大区域来看，存在同样的问题，技术进步对当前卫生资源TFP的贡献小于技术效率的贡献，不仅如此，三大区域规模效率的贡献均小于纯技术效率的贡献，这也是造成区域间存在TFP差距的重要原因。东部的TFP高于中部地区，而中部地区又高于西部地区，技术进步的贡献遵循同样的趋势。但值得注意的是我国中部地区的技术效率水平高于东部和西部地区，甚至高于全国的平均水平。从省际出发来分析，我国省际卫生资源TFP存在差异，并且TFP大于等于1的省份（共15省市）约占50%，而小于1的省份（共16省市）超过了50%的比重。尽管TFP有一半的省份是处于有效率的状态，但不可忽视的是技术进步大于等于1的省份仅占1/3，大于1的省份仅有1/6，其中，上海市作为一个发达的沿海城市，在卫生资源配置中技术进步的贡献在全国居首位。这也是下一步卫生领域需要重视的问题，即科技创新如何转化为有效的生产力，使技术进步可以在TFP中发挥更大的作用。从技术效率层面来看，除安徽省外，其余省份均处于效率的前沿面上，其效率水平均大于或等于1，其中北京和山西的规模效率是小于1的，因此，这两省市需要对卫生资源配置的规模进行调整，使其可以发挥规模效益，促进卫生资源的合理利用。

综上所述，从全国层面、区域层面和省际层面TFP的测算及分解出发，得出的结论基本一致，即卫生资源TFP提高的重要因素是技术效率的提高，而其降低则主要归因为技术倒退（GTC小于1）；从技术效率的分解来看，技术效率的提升主要是由于纯技术效率的提升，而规模效率发挥的作用较小。

表3 我国卫生资源TFP的变动及其分解（2007—2014）

2.2 卫生资源TFP的收敛性分析

使用stata14.0软件，通过豪斯曼检验可知收敛性分析应该使用固定效应模型。

表4显示了全国及中东西部地区绝对β收敛检验的结果，可以清楚地看出全国及三大地区的卫生资源TFP均存在不同程度的收敛，且通过了置信度为1%的显著性检验。中部地区的收敛效果最明显，西部地区的收效效果最差。

表4 我国省域卫生资源TFP绝对β收敛分析

为了消除异方差对模型的影响，在进行条件β收敛验证时，首先对GML、人均GDP以及人口密度进行了对数化处理，得到的检验结果如表5所示。

由表5可知，各地区的β均为负，且通过了置信度1%的显著性检验，说明各省市卫生资源的TFP存在条件β收敛，即各省的卫生资源TFP差距呈现逐年缩小的趋势。从收敛程度来看，从高到低依次是中部、东部和西部，说明了在卫生资源配置方面中部地区存在着对东部地区的追赶效应。

对于控制变量，就全国和东中西部而言，老龄化水平和医疗卫生机构密度的系数均为负且通过了显著性检验，说明了这两个因素促进了卫生资源TFP水平的提高，对于地区间的收敛起到了积极促进作用。相对于全国水平而言，医疗卫生机构的密度对于中部地区卫生资源TFP的收敛作用最大，其次分别是中部和西部，而老龄化水平则在西部地区卫生资源TFP收敛中发挥的作用最大，其次分别是中部和东部。由此可见，随着老龄化社会的到来，医养结合的大趋势，反倒对各地区卫生资源配置的效率起了积极正向作用。城镇化水平对区域间TFP的收敛起不显著的促进作用，其中，东部和西部地区的作用效果大于中部地区。交通的便利程度对于中西部地区的影响为正但不显著，而对于东部地区则起到负向影响，由此可见，为了充分利用中西部卫生资源，解决交通问题是一个突破口，因为交通的便利会在一定程度上促进TFP的收敛。另外，经济发展水平（人均GDP表示）在三大区域及全国均不显著且发挥负向作用，人口密度在东部地区的TFP收敛中起非显著性的负向作用，即人口密度越大，越不利于卫生TFP的收敛，而在中部、西部地区的收敛中则存在不显著的促进作用，因此，经济发展水平和人口密度是造成区域间卫生资源TFP存在差异的一个重要因素。财政分权和卫生财政支出比重在不同区域间作用不同，前者仅在西部地区起到促进作用，而后者则在中西部地区均起促进作用，尽管没能通过显著性检验，但也在一定程度说明，地方政府的财政权力以及其对卫生领域的重视程度会影响卫生资源TFP的收敛程度。

表5 我国省域卫生资源TFP条件β收敛分析

3 结论与建议

3.1 结论

（1）我国卫生资源TFP低且其增长主要依赖于技术效率的提高。从全国水平来看，卫生资源TFP小于1，说明整体来说我国的卫生资源利用效率较低，并且现有的全要素生产率水平主要是依靠效率的提升来维持的，而卫生资源利用中的技术进步对TFP的贡献小于效率水平的贡献，分三大区域来看，仍然如此，这在一定程度上说明了卫生领域中需要特别重视科研对于整个产业的带动，因为如果技术进步的作用得到释放，那么将会对TFP的进步是个巨大的推动。

（2）我国卫生资源的规模效率小于其纯技术效率。从全国平均水平，我国卫生资源全局技术效率较优，且纯技术效率的贡献大于规模效率的贡献。这在一定程度上说明我国卫生系统中管理和技术所带来的效率的提升，会在一定程度被其规模的无效程度所抵消，因此，当前根据居民的需要进行卫生系统规模的优化是首要任务，其次才是卫生系统内部对于卫生资源管理的优化，两者缺一不可，因为我国卫生资源全局技术效率无非取决于管理效率和规模效率，只有这两者共同提升，才会更快地提升其全局技术效率。山西和安徽两省的规模效率小于1，处于规模效率无效状态，这主要因为这两省的卫生系统规模无法与其居民所需相匹配，所导致的规模无效率，这也正是医改中需要解决的重要问题所在。

（3）我国卫生资源的TFP呈收敛趋势，但存在区域差异。从全国来看，卫生资源的TFP存在着落后省市对先进省市的追赶效应，并且东中西内部也存在不同程度的收敛，中部的收敛程度最高，其次是东西部。医疗卫生机构密度和老龄化程度对地区卫生资源TFP收敛起促进作用；交通状况、经济水平、城镇化水平以及财政分权等变量的影响并不显著，但城镇化水平、地方政府对卫生的重视程度以及交通的便利，均在不同程度上促进TFP的收敛；人口密度对于中部地区存在显著的负向作用。西部收敛程度最低，这主要是由于西部地区卫生人力资源过度缺失所致，尽管国家层面对于西部地区给予倾斜政策，通过政策及其他经济手段培养和吸引人才，但相较于中东部地区的经济环境优势而言，西部地区的卫生人力资源仍然欠缺，使得整个卫生资源配置仍然不能达到最优，再加上现在交通及网络的优化，使西部地区的卫生资源利用低于中东部。尤其在老龄化背景下，这给西部的卫生资源带来更大的压力，但同时也是一个机遇，通过医养结合，优化卫生资源配置现状，使西部地区卫生资源TFP水平向东中部赶超。

3.2 建议

（1）重视科技创新及成果转化，充分发挥技术进步的作用。政府需要做的就要加强卫生领域人才队伍的建设，因为一切创新的源头都来自于人才，借鉴发达国家的经验，针对人才队伍设计合理的激励与管理机制，充分发挥其干中学的主观能动性，鼓励其进行创新，尤其是技术层面的创新及成果转化，并通过技术的创新提升卫生资源的TFP。

（2）在老龄化背景下制定差异化的区域卫生政策，提高卫生资源利用效率。当前我国已经迈进老龄化社会，因此针对特殊的社会结构，必须有针对性的加强卫生资源的配置，在现有卫生资源的前提下，创新资源供给模式，充分发挥社会力量，实现医养结合、社会养老，使有限的卫生资源得到最优配置。

（3）政府应加大卫生领域投资力度，同时中西部地区应注重交通条件的改善。政府对卫生领域的重视程度会在一定程度上影响卫生资源的TFP，同时交通条件的便利在加大卫生资源可及性的同时也会使卫生资源得到更充分地利用，因此政府在重视卫生领域投资的同时，也要加强基础设施的建设，尤其是交通条件的改善，这对缩小省际间卫生资源TFP差距会起到积极作用，进而实现区域间卫生资源共享。