基于供给侧视角下我国区域卫生资源配置效率研究

陈 洁，曹 阳

(中国药科大学，江苏 南京 210000)

2015年，中央财经领导小组会议上提出供给侧结构性改革，要求从供给端和生产端着手，加大力度推进经济结构中供给领域的改革，使供给体系能够适应需求结构的变化[1]。在社会发展过程中，我国的公共卫生改革也进入了黄金时期，优化卫生资源配置，提高配置效率是我国供给侧医疗改革的重要内容之一[2]，也是实现党的十八大中提出的“提高全民健康水平”的有效途径[3]。

卫生资源作为我国医疗卫生供给的主要体现之一，其配置效率可以看成我国医疗卫生供给效率的体现[4]。本文通过对目前卫生资源配置供给端——医院与卫生医疗机构的资源利用效率进行评估，反映我国医疗卫生供给侧效率的实际情况，分析影响医疗卫生资源合理分配的因素，为医疗卫生供给侧改革提供思路和建议。卫生资源配置存在多投入和多产出的特性，而数据包络分析方法(Data Envelopment Analysis，简称DEA)能够很好的处理这类效率问题，近年来在我国也得到了广泛的运用。本文以省为单位，运用以非参数和参数方法相结合的三阶段DEA模型，对我国31个省份2013-2016年的卫生资源配置效率进行测量，反映我国卫生供给效率的变化，以期为提高卫生配置效率、完善医疗卫生供给侧改革的提供参考。

1 资料来源与方法

1.1 资料来源

资料来源于2014-2017年《中国统计年鉴》和《中国卫生和计划生育统计年鉴》，研究对象为我国31个省份卫生医疗机构资源配置情况。

1.2 研究方法

针对传统DEA模型没有考虑环境因素对决策单元(DMU)效率值的影响，Fried等人提出了三阶段DEA模型[5]，使处于不同环境和其他因素中的DMU之间可以进行效率的比较，为了比较不同年份的效率值，本文在此基础上使用面板SFA分析方法，对不同年份的DMU效率值进一步调整。其步骤为：

第一阶段使用传统DEA模型对我国各年31个省份的卫生资源配置效率进行分析，本文使用投入导向的可变规模收益的BCC模型，运用DEAP 2.1软件，以每个省份作为一个DMU，得到每个DMU的技术效率值和产出松弛量，技术效率(TE)分解为规模效率(SE)与纯技术效率(PTE)。对于卫生资源配置来说，纯技术效率是指医疗设备和技术所带来的成效，规模效率是指医疗资源经过配置优化对产出指标所发生的作用大小。第一阶段的技术效率值是在未对各决策单元进行调整前各个省份的效率值，产出松弛量是指各DMU理想产出指标值与实际产出指标值比较后的差额，它受到外部环境影响、管理无效率、随机误差3个可能因素的影响[6]。因此，需要在第二阶段对产出松弛量进行随机前沿分析，对以上3种因素的作用大小和影响方式进行探究。

DEA对效率的衡量可以分为投入导向和产出导向。投入导向是指在不改变产出的数量下，如何减少投入比例，使投入最小；产出导向是指在不改变要素投入的前提下，如何增加产出，是产出最大。由于本文旨在研究目前我国卫生资源紧缺的情况下如何在既定的投入下提高产出，因此采用产出导向型。

第二阶段，以第一阶段得出的松弛量作为被解释变量，以环境变量作为解释变量，构建面板随机前沿分析(SFA)模型，利用Frontier 4.1软件，分析第一阶段的产出松弛量。本文采用的是面板SFA方法，构建4年31个决策单位，共124个产出松弛值结构，回归方程如下：

Snit=f(Zit;Bnt)+vnit-unit；i=1,2,…，I；n=1,2,…，N；t=1,2,…，T

其中，Sni表示第i个样本第n种投入的松弛变量，Zi为i个可观测的环境变量，为随机干扰项，uni为混合误差项。

然后采用Jondrow、罗登跃[7]的计算公式，估计随即干扰项的估计值νnjt。

i=1,2,…，I；n=1,2,…，N；t=1,2,…，T

第三阶段用调整过后的DMU产出指标取代原始的产出指标，在跨年的统一前沿面下，再次利用传统DEA模型对我国31个省份的卫生资源配置效率进行评估。在此阶段的得到技术效率值，可以反映出剔除了环境影响因素与随机因素的干扰后各个省资源配置情况。

2 研究结果与分析

2.1 指标的选取

2.1.1 投入指标与产出指标

DEA分析需要满足：样本容量>2nm(n，m分别代表投入与产出指标的个数)。对我国的卫生资源配置效率进行研究，就是把我国的卫生资源看成一个具有多投入、多产出性质的系统。从供给侧出发，卫生资源的投入一般包括人力资本、硬件设备等，产出则为诊疗人次和入院人次。鉴于变量的可得性，本研究选取了卫生医疗机构数、卫生技术人员数量和床位数3个变量作为投入变量，诊疗人次和入院人次作为产出变量。表1是对各指标进行Pearson相关系数检验的结果，用来确定投入、产出指标的相关性，从而提高研究结果的可靠性。由表中结果可知投入、产出指标相关性较高(结果越接近于1，相关性越高)。

表1 投入、产出指标Pearson相关性检验

2.1.2 环境变量

对于研究外部环境变量指标的选择上，著名学者Simar和Wilson提出的“分离假设”中说明了指标的选择需具有两点特征：一是这些变量对卫生投入产出的效率产生显著影响，另外这些变量难以被各微观DMU个体所控制或改变[8]。以该假设为基础，具体到影响卫生资源投入的环境变量选择，主要包括国家卫生政策、宏观经济环境、人口结构的变化等。本文选用地区生产总值、人口密度、城镇人口比例和总抚养比作为环境变量。

2.2 三阶段DEA模型测算结果

2.2.1 第一阶段DEA测算结果

利用DEAP 2.1软件对2013-2016年全国31个省份的卫生医疗机构资源配置效率及规模报酬进行分析(见表2)。从计算结果来看，在不考虑外部环境影响的情况下，2013-2016年我国31个省份的综合技术效率平均值分别为0.867、0.859、0.866、0.881，呈现波动上升的趋势。每年均有部分省市达到资源配置最优的状态(即综合技术效率为1)，但由于没有排除环境变量和随机干扰因素对于结果的影响，所以不能代表我国目前各省的实际卫生资源配置水平。

表2 2013-2016年我国各地区综合技术效率(第一阶段)

2.2.2 第二阶段SFA回归结果

考虑到不同地区的经济社会水平差异，第二阶段将DMU产出松弛量的对数值作为被解释变量，利用Frontier 4.1进行面板SFA回归分析，以产出的松弛值作为因变量，环境变量作为自变量[9]。在面板SFA分析中，首先使用最大似然比检验两个产出指标是否适用于SFA分析方法，结果显示LR1=88.01，LR2=111.51，均大于临界值，因此可以采用SFA进行分析。

本阶段进一步考察环境因素对产出指标诊疗人次和入院人次的相关系数，当相关系数值为负时，说明产出松弛量与环境因素呈负相关，即改进环境变量有利于缩小理想产值与实际产值的差距，从而增加产出或者削减投入[7]。在结果中发现，两项产出松弛值的gama值均接近于1，说明受环境因素的影响较大，随机误差可以忽略不计[10]。下面就四种环境变量对各产出松弛变量的影响进行说明，具体运算结果见表3。

表3 2013-2016年各省综合技术效率SFA分析结果

2.2.2.1 经济发展水平水平较高的地区卫生资源配置效率更高

地区GDP的增加将使诊疗人次和入院人次两项产出指标理想产值与实际产值的差距减小，这说明经济发展水平较高的地区卫生资源配置效率更高，这与我国现阶段的实际情况大致吻合。经济发展较快的地区，居民对自身的健康也比较关注，“小病不医”的情况较少发生，提高了医疗机构的资源利用水平。另外，经济水平较高的地区，当地的医疗卫生财政投入也比较合理，测算更加科学，从而使卫生资源的配置得到优化。

2.2.2.2 地区人口总数的增长将会导致卫生资源配置效率的降低

地区人口总数在2013-2016年的面板数据分析中相关系数为正，说明地区人口总数的增长将会导致产出指标的理想产值与实际产值差距增大，使得卫生资源配置效率的降低。造成这种结果有两个原因：一方面人口数量的增加将会大幅度的提高医疗卫生的投入，但这样的投入往往没有经过调研分析和理性计算，导致卫生资源的投入明显高于其需求，使未被利用的卫生资源处于闲置之中；另一方面，人口数量多的大城市往往存在一个共同的问题，即公立医院人满为患，而基础医疗机构门可罗雀，导致医疗卫生资源的效率下降。

2.2.2.3 城镇化水平的上升将有利于实现医疗卫生资源的有效配置

城镇人口比例与诊疗人次和入院人次均有显著的负相关关系，说明城镇化水平的上升将缩小产出指标理想产值与实际产值的差距，从而将减少投入资源的浪费。目前我国在卫生机构的城镇化的建设上，已经有了很大的进展。部分地区将分散在村卫生室的资源进行整合，建立服务水平更高的、资源分配更集中的社区卫生服务中心，能够更好的将城镇的文化、生活方式、价值观念等向农村扩散，提高卫生资源的效率。

2.2.2.4 非劳动人口减少将会有利于卫生资源配置的优化

抚养比是指非劳动人口占劳动人口的比例，非劳动人口一般指老龄人口和未成年人口[11]。抚养比的相关系数为负，说明非劳动人口越少，产出指标实际产出与理想产出之间的差值越大，将会降低卫生资源配置的效率。2015年中国总抚养比为37%，少儿抚养比为22.6%，老年抚养比为14.3%；2005-2015年中国少儿抚养比逐年下降，而老年抚养比逐年增加[12]。目前我国已经进入了高龄老年化社会，老年人口的比重增加给医疗卫生带来了很大压力，因此提高医疗卫生的配置效率也是我国目前亟待解决的重点之一。

2.2.3 第三阶段DEA调整模型测算结果

经过第二阶段对产出指标的调整，构建第三阶段的DEA模型，可以得到剔除环境影响和随机干扰之后的2013-2016年各省份卫生资源配置效率(见表4)。此时全国的平均效率值出现了变化，呈现逐年上升的趋势，到2015年有所下降。东部地区效率值仍然处于最高，中、西部地区下降较快。从各省的变异系数可以看出，我国各省之间效率值差异逐渐减小。

2.3 研究结果分析

2.3.1 2015年全国各省效率值分析

研究结果显示，调整后我国各省纯技术效率与规模效率的平均值为0.9，以此作为临界值，将我国31个省份分为三种类型，见表5。

第一种类型是“双高”型，指纯技术效率与规模效率均在0.9以上，这类省份有天津、上海、海南、西藏、青海和宁夏。该类地区的卫生资源配置已经达到相对较优的水平，能够提升的空间较小。

第二种类型为“高-低型”，指纯技术效率较高，但是规模效率较低，包括北京、河北等17个省份。这类地区的卫生资源配置的改进方向是提升规模效率，今后发展中应注意调整医疗机构的规模，整合城乡医疗资源，促进医疗服务的集中发展。

第三种类型为“双低型”，此类地区的纯技术效率和规模效率都低于0.9，综合技术效率也较低，包含我国辽宁、福建等8个省份。这类省份的卫生资源配置还有较大的提升空间，在注意经营规模的调整的同时，要积极提高管理水平，来促进卫生资源配置的优化。

表4 2013-2016年我国各地区综合技术效率(剔除环境影响后)

表5 我国31个省份2015年效率值

2.3.2 经过调整后的资源配置效率比较分析

本研究运用的DEA三阶段面板模型能够较好的改善传统DEA模型未考虑环境因素对决策单元效率值的影响问题，并且在第二阶段的SFA回归处理时，采用面板随机前沿模型将不同年份的DMU调整到同一前沿面，再进行第三阶段的分析，消除了环境因素和其他因素的干扰，实现跨年可比性。

本研究选取了第一、第三阶段2013-2016年的各平均效率值进行比较，通过表6可以看出，使用面板三阶段DEA法研究发现，经过面板SFA调整后，我国各地区的卫生资源配置效率值均发生了改变，说明环境因素和随机干扰项对与效率的评估存在影响。主要是因为卫生资源效率受到地区GDP、地区人口数、城镇人口比例和抚养比等经济、地理和社会因素的影响。经过调整之后，中部的规模效率下降较快，说明中部地区处于较好的环境和随机因素中。

东、中、西部的各类效率值也呈现出不同的变化特点。经过调整之后，东部和西部地区的综合效率值位序均有上升，纯技术效率位序下降，规模效率位序上升，而中部地区规模效率下降较为明显，纯技术效率有所上升。总体来看，东部地区的纯技术效率和规模效率都较高，中部地区的纯技术效率和规模效率最低。

表6 第一阶段、第三阶段效率平均值比较及排序变化表

3 讨论与建议

本文通过对我国各省卫生资源配置效率的实证研究，反映出目前医疗卫生供给情况。结果表明，从供给的角度来看，我国各省的卫生供给效率存在较大差距，并且东、中、西部地区呈现出不同的变化特点，结合研究结果，对我国目前卫生资源效率优化提出以下建议：

3.1 推行强制性的分级诊疗制度，促进供给侧改革

从第二阶段的SFA分析来看，人口数量对卫生资源配置的影响较大。大城市集中就医的情况较为严重，不利于提升各级医疗服务供给的连续性和衔接性，增加了医疗卫生体系的资源浪费现象。从个人的医疗服务需求角度而言，影响患者选择就医环境的因素十分复杂，包括经济状况、诊疗效果预期和个人健康因素等，因此常常出现属于基本医疗服务层面的需求却实际形成了较高医疗服务层面的最终决策行为情况。因此，必须从供给侧强制实施分级诊疗制度，更加合理的分配卫生资源，保证医疗卫生供给效率，实现医疗资源的合理利用。另外，分级诊疗的强制实施不仅要针对患者，也要对医疗服务的供给方面进行严格的控制，对公立医院的过度膨胀进行管理，合理规划地方的医疗服务资源和财政投入，提高基层尤其是偏远地区的医疗卫生建设水平，保障基层医务工作人员的收入。

3.2 提高城镇化质量，合理规划卫生资源

通过上文对影响卫生资源配置的环境因素分析，可以发现城镇化水平对提高卫生资源产出有积极影响。目前我国的城镇化水平已经到达了57.35%，城镇常住人口达到了7.7亿[13]，但城镇化的质量还有待提高，积极解决目前“大城市病”的问题，如公立医院人满为患、公共服务供给不足等。各省的城市化政策应充分发挥地区优势，根据卫生资源的实际使用情况进行合理规划，整合已有的卫生资源，扩大区域医疗的辐射范围，从而提高卫生资源的使用效率。

3.3 增加技术与人才投入，提高医疗卫生供给质量

技术效率是由纯技术效率与规模效率共同组成的，从我国卫生资源配置情况来看，纯技术效率能够达到技术有效(纯技术效率值为1)的省份仅有10个，说明我国医疗卫生供给在技术上仍然有待提高。医疗人才和技术作为医疗服务供给侧的重要组成部分，对于优化卫生资源配置起着重要作用。增加对技术和人力资本的投入，积极调整医疗人员的结构，优化劳动力的配置结构，培养全科医生，鼓励职业医师多点执业，缓解目前我国医疗人才供给不足的现状，提高医疗服务供给的质量。

3.4 结合地区发展情况，优化医疗卫生供给效率

对比调整前后各省卫生资源的配置效率，可以发现大部分地区都发生了明显的变化，说明地区环境的不同对医疗卫生供给效率的优化有很大的影响，利用三阶段的DEA模型进行分析十分必要。同时说明，各地政府在进行医疗卫生供给侧改革时，应当针对地区所处的效率类型进行制定改革方案，评价指标也应根据地区发展情况和环境因素进行相应调整。