政府投入与不同地区医疗卫生机构静态和动态运营效率——基于DEA-Tobit方法的实证研究

颜晓畅

一、引 言

随着我国经济的飞速发展，医疗卫生逐渐成为我国经济社会发展过程中不可忽视的重要部分。我国始终重视医疗卫生事业的发展，2009年3月，中共中央、国务院公布了《关于深化医药卫生体制改革的意见》，标志着新医改的正式实施。2009年至今将近十年的时间里，我国始终以“三医联动”为核心，在医药、医疗、医保方面同步推进新医改的实施，这些离不开政府相关政策的大力支持。近年来，我国政府医疗卫生支出水平不断上升，覆盖范围也在不断扩大。与此同时，我国居民的医疗卫生需求水平也在上升。面对日益增长的医疗需求，政府投入是否能有效提升医疗卫生机构的静态运营效率和动态跨期运营效率？政府投入对我国不同地区医疗卫生机构效率的影响是否存在显著差异？这些问题亟待解答，学术界也陆续展开了相关研究，这对政府进一步深化医疗卫生体制改革，提升我国医疗卫生机构运营效率，具有重要的现实意义。

国内外相关研究显示，关于医疗卫生机构效率评价的常用方法，主要分为两类：一类是基于生产函数的参数法，另一类是以数据包络分析法（DEA）为代表的非参数法。前者主要用于多投入、单产出的简单生产关系，后者主要用于多投入、多产出的复杂生产关系。由于医疗卫生机构的生产关系较为复杂，具有明显的多投入、多产出特征，因此，在评价医疗卫生机构效率时，DEA法得到广泛使用。Berta等（2009）使用传统DEA方法估计医院的运营效率；Khodabakhshi（2007）使用扩展的DEA方法估计医院产出效率；李瑛等（2016）使用 DEA 的 Malmquist指数模型评价全国各省医疗卫生机构的效率；昉夏 等（2018）利用 DEA的 Malmquist指数模型比较医改前后我国基层医疗机构的服务效率变动情况；庞瑞芝等（2008）同时使用DEA的产出导向BCC模型和分类变量的DEA方法估计效率，同时分析和比较全国不同等级和地区的城市医院运营效率。

关于医院运营效率影响因素方面的研究，国内外学者已有诸多成果，通常包括以下几类因素：第一，地理位置。Gruca等（2001）以加拿大某省社区医院为研究对象，发现相比于城市医院，乡村医院效率更高，而 Athanassopoulos等（2001）以希腊医院为研究对象所得结果恰好相反。第二，经济发展和居民生活水平。张宁等（2006）发现，地区人口密度、公共健康投入比例、城乡居民支付能力等因素会影响地区健康生产效率。第三，医疗保险实施情况。Nedelea等（2010）研究发现，医保制度规定的支付方式等因素会影响美国农村医院经营效率。李湘君等（2012）研究发现，我国农村乡镇卫生院的服务效率受到新型农村医疗制度实施效果、农村居民文盲率、总抚养比等因素的影响。第四，医院服务水平。庞瑞芝（2006）发现，影响城市医院经营效率的因素包括：病床数、中高级技术人员占比、门诊住院比、门诊病人治愈率、药品收入比、门诊人均费用等。Mitropoulos等（2013）和 Czypionka等（2014）的研究证明，平均住院日、病床使用率和床位数量等因素会影响医院运营效率。Ding（2014）发现，医院职工构成会影响医院运营效率。

尽管以往研究已取得诸多成果，但仍存在诸多不足，本文贡献体现在如下几个方面：第一，DEA方法估计决策单元效率的可靠性，高度依赖于评价指标体系的构建，过多或过少的指标数量，都会降低指标体系估计效率值的准确性。本文在前人研究的基础上，进一步完善并构建了效率评价指标体系。第二，现有研究大多只使用 BCC模型和Malmquist指数模型中的一个，本文同时使用DEA方法的BCC模型和Malmquist指数模型，分别估计各省医疗卫生机构的年度效率和跨期效率变化，从静态和动态两方面评估新医改实施以来的成效。第三，我国不同地区经济社会发展不平衡，但很多现有研究忽略了对各地区医疗卫生机构异质性的考虑。本文将全部样本按照地区划分为东部、中部和西部进行回归分析，以充分考虑地区异质性的影响。第四，国内外研究大多只将特定分类方式下的一类医疗卫生机构作为研究样本，比如城市医院、农村卫生院等。然而，在 “三医联动”的新医改环境下，我国各级医疗卫生机构联系更紧密，互动更频繁，因此，本文关注全国各级医疗卫生机构的效率，对医疗体制改革实施效果进行综合评价。第五，现有研究大多只关注医疗卫生机构效率的估计，仅少量研究同时关注影响效率的因素。因此，本文在估计医疗卫生机构效率的基础上，进一步研究影响效率及其变化的因素，并重点关注政府投入产生的影响，为我国医疗体制改革相关政策的完善提供参考。

因此，本文基于全国31个省份2009年至2016年的省级面板数据，研究了政府投入对我国各地区医疗卫生机构运营效率的影响。在第一阶段，使用 DEA方法的 BCC模型和 Malmquist指数模型，分别测算各省医疗卫生机构的静态年度效率和动态跨期效率变化。在第二阶段，通过面板 Tobit回归模型，检验政府投入对不同地区医疗卫生机构静态和动态运营效率的影响，以及对动态运营效率的分解值——技术变化和效率变化的影响，从而识别政府投入对不同地区医疗卫生机构动态运营效率产生影响的主要路径。研究结果发现：全国各地区医疗卫生机构的静态和动态运营效率均存在明显差异；政府投入对西部地区医疗卫生机构静态运营效率的提升作用显著，对东部和中部地区的作用并不明显；此外，政府投入对不同地区医疗卫生机构动态运营效率产生差异性影响的主要路径也不同。

二、文献综述与研究假设

（一）政府投入与医疗卫生机构运营效率

在完全竞争市场上，市场机制能充分发挥作用，实现资源的合理有效配置，并最终达到社会利益最大化，使经济均衡稳定发展。此时，政府无需干预经济，只发挥维护市场秩序和法律公正等基本职能。然而，在不完全竞争市场上，市场机制失灵，无法自动实现资源的有效配置，若不通过必要的政府政策手段加以干预，会使市场秩序紊乱，最终带来经济发展失衡（陈信元等，2007）。在我国不完全竞争的市场条件下，政府自觉调节市场，正不断发展并完善政府调节和市场调节相结合的社会主义市场经济体制（雷雨林，1989）。已有研究普遍认为，政府财政支持政策能够有效调节资源配置，帮助矫正市场机制失灵的现象（Arrow，1962）。在医疗卫生领域亦是如此，区域间发展的不平衡，导致医疗资源分布不均。只有通过政府充分发挥调配医疗资源的作用，不断增加对医疗卫生事业的投入，才能提升各地医疗卫生机构的运营效率，以及居民健康水平（周怡，2018）。同时，政府站在宏观的高度，把握着我国医改的长期发展方向，在资金投入方面也以医疗卫生机构长期效率改善为目标，重视跨期效率增长率的提升，有利于逐步推动我国医疗卫生事业通过市场机制自主健康发展。因此，关于政府投入对医疗卫生机构运营效率的影响，本文提出如下假设。

H1：政府投入对医疗卫生机构的静态运营效率有显著正向影响。

H2：政府投入对医疗卫生机构的动态运营效率有显著正向影响。

（二）政府投入的边际效率递减规律

边际效率递减规律是经济学理论中普遍存在的现象之一。微观经济学认为，一种物品给消费者带来的满足感，会随着消费者对该物品消费量的上升而下降，即边际效用递减（张昆仑，2004）。宏观经济学中也有类似的理论，Keynes（1936）提出了有效需求不足理论，并分析了导致有效需求不足的因素，包括边际消费倾向递减、资本边际效率递减、流动性偏好，由此论证了政府干预经济的必要性。在凯恩斯主张的国家干预经济理论下，财政政策和货币政策被广泛使用，以实现充分就业和国民经济持续发展。然而，政策效应也存在边际效率递减的问题，一味使用某一政策而不根据实际经济发展情况加以调整，会使政策效应逐渐降低，造成资源浪费，最终甚至会对效率产生负面影响（李成等，2003）。我国不同地区经济社会发展水平严重不均衡，具体表现为东部地区发达，西部地区落后，由此导致各地区居民生活水平以及获得的医疗服务水平存在显著差异。在新医改的推动下，为全面提升我国医疗卫生机构的运营效率，政府对医疗卫生事业的资金投入逐年增加。根据政府投入的边际效率递减规律，政府投入对医疗卫生机构运营效率的提升作用，在不同地区会表现出明显差异，在经济相对发达的地区更小，在经济相对落后的地区更大。因此，本文提出如下假设。

H3：政府投入对我国医疗卫生机构运营效率的促进作用，在东部地区相对较小，在西部地区相对较大。

三、研究方法

（一）数据包络分析法（DEA）

DEA法是评价多投入、多产出决策单元效率水平的非参数方法，近年来已得到广泛应用。该方法的基本原理是，将每个被评价对象视为一个决策单元（Decision Making Unit，DMU），所有 DMU 共同构成一个被评价总体，基于对投入和产出指标比重的综合测算，得到有效性生产前沿，并通过计算每个 DMU与该前沿面的距离来测算效率水平（Ferrie等，1996）。若 DMU处于有效性生产前沿面上，则其效率值为 1；若 DMU处于前沿包络曲线内部，则相对无效率，其效率值在0到1之间。

Charnes等（1978）最早提出了DEA法，同时构建了CCR模型。随着DEA法被广泛应用并不断改进，Banker等（1984）提出了BCC模型。CCR模型和BCC模型的共同点在于，均被用于同期内 DMU之间效率的比较，且均各自分为投入导向和产出导向模型。两个模型的区别在于，CCR模型假定固定规模报酬，而BCC模型假定可变规模报酬。为进一步对DMU的动态跨期效率进行研究，Färe等（1994）基于DEA法构建了Malmquist指数模型，一方面，可以比较各DMU全要素生产率（Total Factor Productivity，TFP）的跨期变化；另一方面，可将 TFP分解为技术变化（Technical Change，TC）和效率变化（Efficiency Change，EC），从而进一步识别 TFP的变化是由技术因素主导还是效率因素主导。

DEA法在各学科领域得到广泛应用，主要取决于以下几个方面优势：第一，DEA法无需事先规定生产函数的形式，对多投入、多产出这类生产关系复杂的决策单元而言，DEA法是能更有效评估效率的非参数方法。第二，DEA法具有较强的客观性，对于模型中投入和产出指标的权重，无需主观赋值，而是通过数学规划法并基于具体数据求得。第三，DEA法估计的效率大小不随投入产出指标计量单位的变化而变化。

考虑到医疗卫生机构多投入、多产出的复杂运营过程，以及DEA法的上述诸多优势，使用 DEA法评估的医疗卫生机构运营绩效，已得到国内外学者的广泛认可。因此，本文在第一阶段，首先利用 DEA法的 BCC模型评估我国各省医疗卫生机构每年的静态运营效率，之后使用 DEA法的 Malmquist指数模型估计各省医疗卫生机构的动态跨期运营效率，从静态和动态两方面，全方位评价我国医疗卫生机构自新医改实施以来的效率。

尽管 DEA法在评估效率上有诸多优势，但效率值无法直接反映政府投入对医疗卫生机构效率水平影响的大小，也无法反映其他影响效率水平的因素及其影响程度，以及各因素对不同样本影响间的异质性，因而不具有政策性指导意义。因此，基于对医疗卫生机构静态和动态效率的估计结果，本文在第二阶段使用上述效率值作为因变量进行回归分析。

（二）回归分析

BCC模型估计的静态效率值具有如下特点：效率值介于0和1之间，最小值为0，最大值为 1；Malmquist指数模型估计的跨期效率值的特点表现为：效率值显著大于0。可见，两个模型估计的效率值均体现了显著的归并数据特征，若仍使用普通面板数据回归模型，会使估计结果产生偏误。因此，本文使用面板 Tobit回归模型，具体设定如下：

其中，Yit代表各省静态或动态效率值，B代表回归系数，Xit代表影响因素，εit代表随机误差项。由于本文通过 BCC模型和 Malmquist指数模型分别估计出的静态和动态效率值均大于0，因此，本文在实证分析中构建了如下模型：

其中bcc代表通过 BCC模型估计的静态效率值；mi代表通过 Malmquist指数模型估计的动态效率值；tech和effi分别代表动态效率值中分离出的技术变化和效率变化；gfund代表政府投入；Z代表控制变量；i代表各个省份，t代表年份；β、γ代表回归系数；εit代表随机误差项。模型 2用于探讨政府投入对医疗卫生机构静态运营效率的影响。模型 3用于探讨政府投入对医疗卫生机构动态运营效率的影响。为进一步研究其中的影响路径，模型4和模型5分别估计了政府投入对跨期技术变化和效率变化的影响，以判断政府是通过影响各省的技术水平、效率水平，还是两者兼有，从而改变医疗卫生机构动态运营效率的。

（三）变量选取

1. 效率评价指标变量

要使用基于DEA法的BCC模型和Malmquist指数模型对决策单元的效率进行评估，首先需构建一个合理的评价指标体系，从评价目标出发，根据被评价对象的特点，选择适当的投入和产出指标。

医疗卫生机构的投入主要包括资本投入和人员投入两方面，现有研究也对这两种投入选择了不同变量指标。关于资本投入的变量，大多数研究将床位数纳入投入指标（Helmig 等，2001；Harrison 等，2004；Nedelea 等，2010；Ying，2011；Flokou 等，2011、2016；李瑛等，2016；Khushalani等，2017）。关于人力投入的变量，现有研究的区别在于对人员的分类方式不同。李瑛等（2016）详细地将人力投入分为卫生技术人员、工勤技能人员、注册护士和管理人员；Bannick等（1995）将人员分为医师、护理人员和其他医师人员；Flokou等（2011、2016）将全部医务人员分为两类，即医师和其他卫生技术人员。参考已有文献，并考虑数据的可得性，在资本投入变量方面，本文不仅选择了床位数，还加入了医疗卫生机构数量，以充分考虑不同省份医疗卫生机构数量对效率可能产生的影响；在人员投入变量方面，为充分反映医疗卫生人员的专业素质水平，本文选择更细化的人员分类方式，包括卫生人员数、执业（助理）医师数、注册护士数、其他技术人员数、管理人员数和工勤技能人员数。

医疗卫生机构的产出主要以治愈疾病、恢复患者身体健康等抽象目标来衡量（庞瑞芝，2006）。从现有研究来看，一些学者使用较少的产出指标，比如 Rosko等（2008）和刘海英（2015）选择了两个指标，包括诊疗人数和住院人数；Flokou等（2011、2016）选择了三个产出指标，包括住院人数、手术次数、门诊病人数。也有一些学者使用了更丰富的产出指标，比如李湘君等（2012）将病床使用率、人均住院天数、每千人诊疗人次和住院人数作为产出指标；Nedelea等（2010）使用了医院接诊量、门诊人数、住院病人天数、门诊病人手术次数和住院病人手术次数五个产出指标。近年来，也有一些学者开始对传统的产出指标进行调整，Khushalani等（2017）使用按病例组合调整后的手术次数、急诊数和门诊数作为产出指标。参考现有研究，并考虑数据可得性，本文将产出指标分为三类：第一类是门诊服务方面，包括门诊诊疗人次数、门诊健康检查人数以及急诊病死率；第二类是住院服务方面，包括入院人数、出院人数以及住院病人手术人次；第三类是床位利用方面，包括医院病床使用率和医院平均住院日。最后，由于使用DEA法计算效率时，各产出指标均不能出现对产出的负向影响，因此需对不符合条件的指标变量做正向化处理，包括用 1减去医疗卫生机构急诊病死率，以及对医院平均住院日取倒数。

2. 因变量

根据上述效率评价指标体系确定的投入和产出变量，本文分别对 BCC模型和Malmquist指数模型进行估计，得到了各省医疗卫生机构的年度效率值、跨期全要素生产率变化以及由此分离出的技术变化和效率变化，分别用于度量静态效率值（bcc）、动态效率值（mi）、技术变化（tech）和效率变化（effi）。为研究政府投入对我国医疗卫生机构静态和动态运营效率的影响，以及对动态跨期效率产生影响的路径，本文使用 bcc、mi、tech和effi分别作为模型2至模型5的因变量。

3. 自变量

要研究政府投入对医疗卫生机构运营效率的影响，考虑到各省人口数量较高的异质性，本文使用各省人均政府医疗卫生支出度量政府投入（gfund）。

4. 控制变量

医疗卫生机构的运营效率除受到政府投入直接干预的影响，还受到诸多环境因素的影响，包括人口密度、教育水平、收入水平、老龄化程度、经济水平、农村和城镇医疗保险的覆盖情况等方面。Cochrane等（1978）发现，人口密度以及老龄化程度的增加，会降低人均获取医疗卫生资源的水平。 昉夏 等（2018）指出，经济水平会显著影响医疗卫生机构的服务水平。Or（2000）发现，居民的教育水平和收入水平，与医疗卫生服务水平有显著正相关关系。Card等（2008）发现，医疗保险的居民覆盖率会影响居民利用医疗卫生服务的水平。因此，基于前人研究及数据的可得性，本文在回归模型中加入了一系列控制变量，包括人口密度（density）、教育水平（edufund、illiteracy）、老龄化程度（depend、old）、经济水平（revenue、healthexp、gdp）、城镇基本医疗保险（basic、basicin、basicexp）以及新型农村合作医疗（ncms、ncmsfund、ncmsno）的实施情况，并分别使用人口密度、人均教育经费、15岁以上居民文盲率、总抚养比、65岁及以上人口比重、人均收入、居民医疗保健支出占比、人均 GDP、新农合参合率、人均筹资和补偿受益次数、城镇基本医保参保比、人均基金收入和支出进行度量。回归模型中各主要变量的定义如表1所示。

表1 主要变量定义

续表1

（四）数据来源及处理

本文使用的数据来源于 2010—2017年的《中国统计年鉴》《中国卫生统计年鉴》《中国卫生和计划生育统计年鉴》以及《中国人口统计年鉴》，覆盖了 2009—2016年全国 31个省份医疗卫生机构的相关数据。为消除物价波动对实证结果产生的影响，本文在进行回归分析前，对受到价格水平影响的变量进行平减处理，包括政府投入（gfund）、人均教育经费（edufund）、人均收入（revenue）、人均 GDP（gdp）、农村人均新农合筹资（ncmsfund）、人均基金收入（basicin）、人均基金支出（basicexp）。此外，为避免数据可能存在的异方差问题，本文对自变量和控制变量做对数变换处理，既避免了异方差，也使变量系数的含义变为弹性，增强了模型解释力。表2给出了各变量的描述性统计情况。

表2 各变量描述性统计

四、实证结果分析

（一）不同地区医疗卫生机构的效率分析

基于前面构建的效率评价指标体系，本文首先使用产出导向的 BCC模型对全国各省医疗卫生机构年度效率值进行测算。为大致了解不同地区医疗卫生机构年度效率值在全国的分布情况，我们计算了各省医疗卫生机构 2009—2016年间的年度效率均值，结果大致呈现为东部最高，西部其次，中部最低的状况。这说明经济最发达的东部地区，医疗卫生机构年度运营效率最高；但年度效率均值最低的并非是经济最落后的西部地区，而是中部地区，这反映了中部地区医疗卫生机构运营过程中可能存在严重的资源浪费问题，从而造成运营效率低下。

接下来，本文使用Malmquist指数模型对2009—2016年间全国各省医疗卫生机构跨期全要素生产率变化情况进行计算。通过计算各省 2009—2016年间 Malmquist指数均值，并观察该值全国分布情况可知，Malmquist指数均值总体上呈现由西至东逐渐升高的趋势，说明东部地区全要素生产率增长率最高，西部地区最低。图 1（左）的折线图进一步给出了各地区全要素生产率的变动方向和幅度，可以看出，东部地区的全要素生产率始终在逐年升高（Malmquist指数大于1），中部和西部地区全要素生产率波动较大，但近年来呈转好态势（Malmquist指数上升）。其中，中部地区全要素生产率2015年已经开始上升，西部地区全要素生产率正逐年以更小的幅度下降。

图1 各地区Malmquist指数变动（左）及政府投入变动（右）

为研究政府投入是否对上面呈现的医疗卫生机构年度效率水平和跨期效率变动情况产生显著影响，本文对 2009—2016年间各地区政府投入的变动情况做了初步分析，由图 1（右）可以看出，西部地区政府投入力度最大，东部其次，中部最低，但整体上各地区都呈现逐年上升的趋势。

综合上述效率计算结果以及政府投入水平的情况，我们仅可得到全国各地区医疗卫生机构效率水平和政府支持力度关系的直观感受，尚无法判断政府投入对医疗卫生机构静态和动态运营效率的具体影响程度，以及这种影响在不同地区间的差异性。因此，本文进一步分别将年度效率值和跨期全要素生产率变化率度量的静态和动态运营效率作为因变量，将政府投入作为核心解释变量，同时加入必要的控制变量，进行定量的实证回归分析。

（二）面板单位根检验和协整检验

在进行回归分析之前，本文对变量进行了单位根检验，以保证数据的平稳性，从而避免可能出现的估计偏误以及伪回归现象。常用的面板数据单位根检验方法包括LLC检验、IPS检验、ADF-Fisher检验和 PP-Fisher检验。由于不同方法的原理和前提假设不同，因而可能得到不一致的结果。为保证单位根检验结果的可靠性，本文使用四种单位根检验法，并将同时通过四个检验的变量认定为平稳，其余变量认定为非平稳。结果显示，总抚养比（depend）、人均收入（revenue）、居民医疗保健支出占消费性支出比重（healthexp）、人均 GDP（gdp）和参保比（basic）是非平稳变量，其余变量为平稳变量。进一步对非平稳变量的一阶差分序列进行单位根检验，结果显示，这五个变量均通过四个单位根检验，是一阶单整序列。

由于存在非平稳变量，为避免谬误回归，在进行回归分析之前，需对各模型进行协整检验，以判断非平稳变量的存在是否构成严重问题。本文使用 Kao等（1997）提出的KAO面板协整检验方法，结果显示，各模型的一阶单整变量之间均存在长期稳定的协整关系，可直接使用上述模型和变量进行回归分析。

（三）政府投入对静态运营效率的影响

关于面板数据的Tobit回归，有两种常用模型——混合Tobit回归模型和随机效应的面板Tobit回归模型。要判断应使用哪种模型，通常根据LR检验（似然比检验）的结果进行判断。对模型 2进行 LR检验，结果如表 3所示，强烈拒绝原假设（p值为0.000），因而认为存在个体效应，应使用随机效应的面板 Tobit回归。表 3中第 2列给出了使用模型 2对全国总体样本进行回归的结果，结果显示：第一，政府投入（gfund）对医疗卫生机构的静态运营效率（bcc）在 5%的水平上有显著促进作用，该实证结果验证了假设 H1，政府资金支持力度越大，医疗卫生机构的静态运营效率越高。这一方面直接证明了政府资金支持对提高我国医疗卫生机构运营效率的有效性，另一方面也间接反映了政府投入影响医疗卫生机构效率的途径。政府卫生支出不仅包括公费医疗经费，还包括公共卫生服务经费，为医疗卫生机构的资本和人员投入提供直接资金来源，而这恰恰是医疗卫生机构的效率投入指标，因此，政府投入正是通过影响投入指标水平，进而促进了医疗卫生机构效率的提升。第二，新农合人均补偿受益次数（ncmsno）与医疗卫生机构静态运营效率水平显著负相关，这反映了我国新型农村合作医疗实施中存在的问题，人均补偿受益次数越多，出现骗保、重复报销等问题的可能性越高，从而造成医保资金的过度消耗，降低了医疗卫生机构的效率水平。第三，城镇人均基本医保收入（basicin）与医疗卫生机构静态运营效率水平正相关，这说明城镇人均基本医疗保险基金收入水平越高，居民看病越能得到有效保障，从而有效提高医疗卫生机构的运营效率。

由于我国不同地区的经济和社会环境不同，因此，在研究政府投入对不同地区医疗卫生机构运营效率的影响时，不能忽略地区间的异质性对回归结果可能产生的影响。表3中第3至5列给出了分地区样本的回归结果，结果显示：只有在西部地区，政府投入对医疗卫生机构静态运营效率提升显著，在东部和中部地区，政府投入的作用并不明显。这说明政府对西部地区医疗卫生机构的支持力度越大，越能促进其静态运营效率的提升，但东部和中部地区医疗卫生机构的静态运营效率不会随政府支持力度的加大而上升。该结果，一方面是由于政府对西部地区的医疗卫生支出水平明显高于其他地区，丰厚的资金支持本身就更有利于当地医疗卫生机构运营效率的提升；另一方面，也可能是由于东部和中部地区医疗卫生机构本身的技术水平较高，过多的政府资金支持反而造成医疗资源的浪费，降低运营效率，而西部地区医疗卫生机构的技术水平相对落后，资金紧缺，往往能充分有效地利用政府资金，提高运营效率。该结果验证了假设H3，即证明了政府投入对静态运营效率的影响呈现边际递减规律。

表3 政府投入对静态运营效率的影响

（四）政府投入对动态运营效率、技术变化和效率变化的影响

通过模型 2，我们已检验了政府投入对不同地区医疗卫生机构静态运营效率的影响，为进一步在长期动态视角下，研究政府投入对医疗卫生机构动态运营效率（mi）的影响，本文对模型3进行回归分析。同时，将用于度量动态运营效率（mi）的全要素生产率增长率进一步分解为技术变化（tech）和效率变化（effi），分别作为模型 4和模型 5的因变量进行回归分析，以检验政府投入主要通过哪种途径影响动态运营效率。

为选择合适的回归模型，我们对模型 3至模型 5进行 LR检验，均无法拒绝原假设（p值为1.000），因而应使用混合Tobit回归模型。表4给出了全国样本的回归结果，结果显示：第一，政府投入（gfund）、人均教育经费（edufund）、人均收入（revenue）、参合率（ncms）以及人均筹资（ncmsfund）均与动态运营效率（mi）显著正相关。第二，新农合人均补偿受益次数（ncmsno）均与动态运营效率（mi）负相关。第三，对技术变化（tech）有显著影响的变量，与对动态运营效率（mi）产生显著影响的变量一致；但这些变量对效率变化（effi）的影响并不显著。上述结果说明：第一，政府支持力度越大，越能为医疗卫生机构提供充足的资金提高技术水平，有利于医疗卫生机构的长期发展，促进全要素生产率加速提升，提高其动态运营效率，该结果验证了假设 H2。第二，教育水平，收入水平，以及新型农村合作医疗覆盖数量和实施质量水平的提高，均有助于优化医疗服务需求结构，间接促进医疗卫生机构服务技术水平的不断升级优化，使其全要素生产率快速提升，提高动态运营效率。第三，总体而言，2009年新医改政策实施以来，我国医疗卫生机构动态运营效率提高，主要是由技术进步带来的，而非通过效率的改善。

表4 政府投入对动态运营效率、技术变化和效率变化的影响

续表4

为充分考虑地区间的异质性对上述关于动态运营效率的回归结果可能产生的影响，本文接下来对分地区样本进行回归。表5给出了使用不同地区样本，分别对模型3至模型5进行随机效应的面板 Tobit回归，得到的关于政府投入（gfund）变量的回归结果。结果显示：对东部地区而言，政府投入（gfund）在三个模型中的系数均不显著；对中部地区而言，政府投入（gfund）与动态运营效率（mi）和效率变化（effi）显著负相关；对西部地区而言，政府投入（gfund）与动态运营效率（mi）和技术变化（tech）显著正相关。上述结果说明，政府对不同地区医疗卫生机构的资金支持产生的影响，确实表现出显著差异。

表5 分地区政府投入对动态运营效率、技术变化和效率变化的影响

第一，政府对东部地区的医疗卫生资金投入，对其动态运营效率的影响并不显著。一方面，由于政府对该地区的资金投入水平相对较低，而该地区医疗技术水平在全国较为先进，要进一步提升技术和效率水平，往往需要大量研发资金、教育资金和管理资金的投入，而政府对东部地区医疗卫生机构现有的资金支持规模明显不足，因此无法有效提升其动态运营效率。另一方面，由前面分析可知，东部地区Malmquist指数在全国最高，图 2（左）显示，该地区动态运营效率（mi）和技术变化（tech）始终大于 1，且二者变动趋势一致，效率变化（effi）始终为 1，由此可见，东部地区医疗卫生机构的技术水平和效率水平已处于较高水平，能自发推动其技术和效率水平的提升，从而带动全要素生产率的不断增长，提高动态运营效率。可见，对于效率水平较高的东部地区，政府投入的支持作用并不明显，该结果印证了政府投入对动态运营效率的影响确实遵循了边际递减规律，验证了假设H3。

第二，政府对中部地区的医疗卫生资金投入，显著降低了当地医疗卫生机构的效率增长率，进而降低了动态运营效率。该结论印证了前面分析得出的中部地区年度效率最低的结果，反映了该地区医疗卫生机构对政府资金使用效率较低的问题，未能将有限资金有效运用到技术优化、服务结构和运营机制的完善升级中，也未能有针对性地为居民医疗需求提供服务，造成资源的大量浪费，降低了当地医疗卫生机构的效率增长率，从而使其动态运营效率进一步降低。

第三，政府对西部地区的医疗卫生资金投入，显著提升了该地区医疗卫生机构的技术增长率，进而提高了动态运营效率。该结果可能的原因在于：一方面，政府对西部地区医疗卫生活动的支持力度足够大。图 1（右）显示，自 2009年新医疗体制改革实施以来，西部地区的人均政府医疗卫生支出始终维持全国最高水平，这为当地医疗卫生机构专业医疗技术升级、人才培养、医疗设备和环境升级，以及全面满足居民医疗需求，提供了充足的资金支持，使当地医疗卫生机构从技术上全面升级，进而提高其动态运营效率。另一方面，西部地区医疗卫生机构技术水平相对落后，动态运营效率较低。图 2（右）显示，该地区动态运营效率（mi）和技术变化（tech）一致，且 2012年以来始终以小于1的水平上升。该结果证明，西部地区的技术水平相对较低，尽管近年来有改善的趋势，但薄弱的医疗卫生技术和服务基础以及短缺的资金来源，使该地区医疗卫生机构仍无法完全通过自身力量提升动态运营效率。而政府提供的必要资金支持，能帮助西部地区医疗卫生机构补短板，提升技术水平，从而促进全要素生产率的快速增长，相比其它地区能更显著地提高其动态运营效率。该结果再次印证了政府投入对动态运营效率的影响存在边际递减规律，验证了假设H3。

图2 东部地区（左）及西部地区（右）动态运营效率、技术变化和效率变化

（五）稳健性检验

Tobit模型虽被广泛应用于因变量为归并数据的情形，但该模型的缺陷是对分布具有高度依赖性，回归结果不够稳健。如果关于似然函数的假设不准确，比如随机扰动项不服从正态分布或不满足同方差假定，那么由此得到的 QMLE估计结果不一致。为避免上述情况的出现，本文对四个模型使用 CLAD法进行回归分析，以检验结果的稳健性。CLAD法只要求随机扰动项独立同分布，即使存在非正态和异方差的问题，也能得到一致估计。表6给出了使用CLAD法得到的关于政府投入（gfund）变量的回归结果。将Tobit法与CLAD法所得回归结果相比较发现，虽然两种方法所得估计值大小有一定的差异，但显著性无本质差异，因此可认为本文得到的回归结果是稳健的。

表6 分地区政府投入对四个模型因变量的影响——CLAD法

五、结论与启示

本文以我国31个省份的医疗卫生机构为研究样本，基于2009年至2016年的省级面板数据，考察了政府投入对我国各地区医疗卫生机构静态和动态运营效率的影响。本文首先使用 DEA方法的 BCC模型和 Malmquist指数模型，估计各省医疗卫生机构的年度效率和跨期效率变化；之后，用上述估计结果分别度量医疗卫生机构的静态和动态运营效率，并作为因变量，在理论假设的基础上，通过面板 Tobit回归模型，检验了政府投入对不同地区医疗卫生机构静态和动态运营效率的影响；同时，通过检验政府投入对由动态运营效率分离出的效率变化和技术变化的影响，识别出不同地区政府投入影响动态运营效率的主要途径。结果表明：第一，全国医疗卫生机构的静态运营效率表现为东部最高，中部最低，动态运营效率表现为由西至东逐渐升高。第二，政府投入对西部地区医疗卫生机构的静态运营效率有显著正向影响，但对中部和东部地区无显著影响。第三，对于中部地区，政府投入降低了该地区医疗卫生机构的效率增长率，从而带来了动态运营效率的降低；对于西部地区，政府投入提升了该地区医疗卫生机构的技术增长率，从而提高了动态运营效率；但对于东部地区，政府投入的影响并不显著。

基于上述研究结论，本文得出如下几个方面启示。

1. 我国各地区医疗卫生机构运营效率水平严重失衡，阻碍了以“三医联动”为核心的医疗体制改革进程的全面推进。政府应高度关注各地区医疗卫生机构运营效率的差异，有针对性地制定差异化政策，实现医疗卫生事业全面协调发展。

具体而言，对西部地区，政府应继续加大对当地医疗卫生机构的资金投入力度，尤其是技术进步方面的投入。在政府政策和资金的大力支持下，不断升级医疗卫生机构诊疗设备，鼓励相关学术研究，引进并培养专业卫生技术人员和护理人员，从而全面提升西部地区医疗卫生机构技术水平，为其运营效率的不断提升注入源动力。

对中部地区，政府应改革卫生管理体制，在规划当地医疗卫生资源时，需避免各医疗卫生机构诊疗设备的重复而造成的浪费，提高各类医疗资源的配置和使用效率，从而使政府资金得到最大程度的利用。

对东部地区，政府应引导该地区医疗卫生机构充分发挥较高运营效率的优势，利用自身的先进医疗技术、高水平医疗人才、高端诊疗设备，以及发达经济水平，建立“互联网＋”信息共享平台，实现医疗卫生资源的跨区域流动，先进带动后进，从而改变全国医疗卫生机构运营效率失衡的现状。

2. 借鉴福建三明“三医联动”改革的成功经验，政府应积极引导民间资本对我国医疗卫生事业的投资，鼓励兴办民营医疗机构，形成良好市场竞争环境的同时，为我国医疗卫生事业注入更多的资金。

3. 政府应重视对医务人员的培养，提高其诊疗及护理水平，从而使医疗卫生机构的技术水平得到提升。此外，也要建立并完善薪酬分配管理制度，坚持多劳多得的公平分配原则，同时为高技术含量、高劳动强度的工作岗位制定倾斜薪酬政策，为医务人员提供适当的激励。以人才驱动我国医疗卫生机构技术水平的提升，必将带来运营效率的不断提高。

4. 政府应建立并完善医疗卫生支出的监督评价管理体系，加强对政府资金使用的后续监督和反馈，确保资金落实到位，同时对卫生资源的配置随时进行调整和优化，减少资金浪费现象，从而提高医疗卫生机构的运营效率。