我国重特大疾病医疗救助效率及其影响因素

杨 浩，何蓓蓓，郑先平

江西中医药大学经济与管理学院,江西南昌,330004

近年来，随着人类疾病谱的改变和疾病诊疗技术的发展，我国低收入人群的重特大疾病患病率持续走高，因病致贫、因病返贫问题日益凸出，重特大疾病患者因无力负担高额医疗费用而放弃治疗的相关报道时有所见，因此，低收入人群，尤其是贫困人口重特大疾病医疗保障制度亟需健全。为进一步解决贫困人口重特大疾病医疗保障问题，2015年4月，国务院办公厅转发民政部等部门《关于进一步完善医疗救助制度全面开展重特大疾病医疗救助工作的意见》(国办发〔2015〕30号)，部署全面开展重特大疾病医疗救助工作。党的十八大以来，重特大疾病医疗保障在我国高级别政策文件中被反复提及。理论上，重特大疾病医疗保障制度主要由医疗保险和医疗救助两部分组成，对低收入和贫困人口而言，医疗救助往往起到“雪中送炭”式的兜底保障作用，其意义非同一般。

当前学界在重特大疾病医疗救助方面的研究成果丰富，但大多研究主要集中在制度实施效果的定性研究上。有研究指出，我国重特大疾病医疗救助在机制创新和救助时效等方面取得了一定成效，但受限于救助资金规模较小和政策设计保守、救助力度不足等问题，重特大疾病医疗救助制度尚未发挥应有的作用[1]。现有研究缺乏针对不同省份的重特大疾病医疗救助效率评价及其影响因素的实证研究。因此本文拟通过DEA-Tobit实证模型，利用2016-2017年宏观数据，对重特大疾病医疗救助效率进行量化评价分析。本文研究思路为，首先通过DEA的BCC模型测算出全国31个省(自治区、直辖市)的重特大疾病医疗救助效率，再以Tobit模型回归分析其影响因素，最后全面展望健全重特大疾病医疗救助制度的发展方向。

1 资料来源与方法

1.1 资料来源

在2012年开始进行重特大疾病医疗救助试点工作，并取得宝贵经验的基础上，重特大疾病医疗救助制度自2015年开始正式在全国实施，因此全国重特大疾病医疗救助相关数据从2016年开始统计。由于统计口径的改变，本文所采用的相关数据指标尚未在2018年之后的统计年鉴中出现，因此主要收集并整理2016-2017年的相关数据。关于两期面板能否得出可靠估计结果的问题，前人已做过相关研究，本文不再展开讨论[2]。本文数据摘源自相应年份的《中国统计年鉴》、《中国民政统计年鉴》、《中国卫生和计划生育统计年鉴》和《中国卫生健康统计年鉴》。所有数据处理均采用Stata 15.1软件。

1.2 指标选取

1.2.1 效率评价指标。重特大疾病素有医疗费用高、致命性危险、严重影响生存质量以及需要在较高级别医院进行治疗的特征[3]，然而对于低收入家庭和因病致贫人员而言，通常无力负担重特大疾病治疗费用，因此需要政府承担重特大疾病医疗救助主体责任，发挥政策托底作用[4]。由于无法直接获得重特大疾病医疗救助支出的数据，本文以直接医疗救助支出来代替重特大疾病医疗救助支出，因此选取直接医疗救助支出、三级医院数作为投入指标，重特大疾病医疗救助人次、人口死亡率作为产出指标。

选取DEA模型投入、产出指标须满足所有投入变量必须与产出变量呈正相关的假设，本文对投入产出指标进行了Pearson相关性检验，结果见表1。所有指标双侧检验均显著，本文所选指标具有合理性。

表1 投入产出指标的Pearson相关系数检验结果

1.2.2 影响因素指标。在借鉴既往相关研究的基础上[5]，本研究拟假设以下指标对重特大疾病医疗救助效率有影响。①地区经济发展水平。重特大疾病医疗救助的开展是以财力投入为基础的，然而，各地区经济水平影响着该救助的财力基础，进而可能对救助效率产生影响。本文以人均GDP来反应地区经济发展水平。②老龄化程度。人类身体健康水平会随着年龄增长而下降，在我国农村和经济欠发达地区的贫困家庭，家庭成员到达老龄后，重特大疾病会对其造成的健康风险会随之上升，此类人群极可能诉诸医疗救助降低家庭负担。本文以65岁及以上人口数来反应老龄化程度。③政府能力。当政府从财政、政策、外部环境等要素上对重特大疾病医疗救助加以干预时，均会提高救助资金的使用效率和各界对该救助的重视程度。通常，政府能力越强，干预效率越高。Charles·Tilly曾提出用资本来反应政府能力[6]，因此本文以地方财政预算支出/地区GDP来表示政府能力。④贫困程度。一个地区的贫困程度越高，理论上对重特大疾病医疗救助的需求就越大，对救助投入与产出的综合配比合理性的要求就越高。本文用贫困人口占比表示当地的贫困程度,由民政部资助参合数/农业人口数来表示[7]。⑤地区人口规模。一般而言，地区人口规模越大，该地贫困人口数也相对越多，对重特大疾病医疗救助能力要求越高，救助管理工作难度越大。本文选取地区人口总数表示人口规模。⑥重特大疾病医疗费用负担能力。实践表明，家庭重特大疾病医疗费用负担能力与该家庭人均可支配收入呈正比，因为人均可支配收入与家庭医疗保障程度和水平正向相关，所以推断人均可支配收入越高，重特大疾病医疗救助诉求越低。本文用人均可支配收入来反映家庭承担重特大疾病风险的能力。

1.3 模型建立

1.3.1 DEA-BCC模型。Banker, Charnes和Cooper认为，当不是所有的决策单元都以最佳的规模运行时，会使技术效率(TE)的测度受到规模效率(SE)的影响[8]。据此构建可变规模效益(VRS)的DEA-BCC模型。实际上，重特大疾病医疗救助的开展会受到经济实力的影响，我国各地区经济实力参差不齐，各决策单元规模效率处在同一水平上的可能性较小，因此本文选择BCC模型具有合理性。 BCC模型计算出来的效率值为综合技术效率(TE)，可以进一步分解为规模效率(SE)和纯技术效率(PTE)，即TE=SE*PTE。

1.3.2 Tobit模型。由于DEA测算出的效率取值位于0-1之间，当其作为被解释变量时，使用OLS估计会导致估计结果偏差，因此本文采用J.Tobin提出的Tobit 模型估计效率值的影响因素具有可行性[9]，建立如下表达式：

y=β0+β1X1+β2X2+β3X3+β4X4+β5X5+β6X6+ε

2 结果

2.1 重特大疾病医疗救助效率评价

利用DEAP 2.1软件基于投入导向的BCC模型，计算2016-2017年全国31个省市重特大疾病医疗救助的综合效率(TE)、纯技术效率(PTE)和规模效率(SE)。见表2。

从2016-2017年重特大疾病医疗救助的综合效率均值看，整体上全国效率偏低，两年分别为0.45、0.52，仅辽宁、浙江、湖北、海南、西藏5地效率值为1，达到DEA有效，占全国地区总数的16%，剩下26个省份配置均非DEA有效，其中，两年均低于均值水平的有河北、山西、内蒙古、吉林、黑龙江、上海、江苏、安徽、江西、山东、河南、广东、广西、四川、贵州、云南、陕西、甘肃、新疆等19个省份。另外，两年综合效率值标准差分别为0.29、0.26，表明各地救助资源配置与利用效率差异较大，反应在地域间的结果为东部>西部>中部，这可能是区域经济发展水平和区域贫困人口数量的差异所致。

就纯技术效率而言，其代表决策单元资源管理水平和技术水平。由表2、图1可知，考察年限内虽仅有13个省份纯技术效率高于全国平均水平，占比42%，但两年全国纯技术效率均值呈上升趋势，表明整体上救助资源管理水平和技术水平在逐步提升，说明各地政府愈发重视对重特大疾病的保障。

规模效率表示决策单元规模对救助效率的影响程度。从全国来看，整体上规模效率水平较高，说明救助投入规模与产出规模配比较为合理，有21个省份超过全国平均规模效率水平，占比68%，同时也说明主要是纯技术效率偏低导致整体效率水平偏低。

表2 2016-2017年重特大疾病医疗救助效率计算结果

图1 2016-2017年全国重特大疾病医疗救助纯技术效率和规模效率散点图

2.2 重特大疾病医疗救助效率影响因素分析

以上文测算的2016-2017年重特大疾病医疗救助综合效率为被解释变量，以人均GDP、老龄化程度、政府能力、人口结构、地区人口总数、人均可支配收入为解释变量，利用Stata 15.1软件对影响因素做Tobit回归分析，结果见表3。

表3反映的是全国重特大疾病医疗救助效率影响因素估计结果，估计结果在1%水平上显著。具体到各影响因素上，老龄化程度、政府能力与重特大疾病医疗救助效率呈显著正相关关系，贫困程度、地区人口规模和人均可支配收入与重特大疾病医疗救助效率呈显著负相关关系。

表3 重特大疾病医疗救助效率影响因素实证结果

3 讨论

3.1 全国重特大疾病医疗救助综合效率偏低，救助资源配置与利用有待优化

结果显示，2016-2017年我国重特大疾病医疗救助综合效率呈上升趋势，考察期限内上涨了0. 07个百分点，但整体来看，综合效率依然偏低，有84%的省份综合效率非DEA有效，说明我国大部分地区的重特大疾病医疗救助资源配置与利用效率有待进一步提升。究其原因可能与以下因素有关。①部分地区的城乡经济一体化建设步伐缓慢。理论上，城乡一体化建设步伐较快的地区，推动重特大疾病医疗救助资源“下沉”速度也相对较快，救助资源配置也更为均衡，更多的非三级医院也有较好的重特大疾病救治能力[10]。②部分地区的重特大疾病医疗救助专项基金筹资渠道单一。在我国当前社会经济背景下，通常重特大疾病治疗费用较高，然而单一的筹资渠道对重特大疾病医疗救助专项基金势必会造成巨大压力，进而可能影响重特大疾病医疗救助的效率[11]。③救助覆盖面不广。全面小康社会即将建成，而我国现行的重特大疾病医疗救助政策规定的救助对象主要是绝对贫困人群[12]，由于政策限制，有不少需要被救助的相对贫困人群被“拒之门外”，导致部分地区救助资源冗余。为此，各地要根据实际情况因地施策，有条件的地区可扩大救助覆盖面，将相对贫困人群纳入其中，降低其家庭财务脆弱性；要拓宽筹资渠道，鼓励社会资本和慈善组织、机构加入，减轻政府财政投入压力；科学设定救助标准，针对不同经济负担水平的对象，设定不同救助标准，提高救助基金使用效率；考虑地区差异，对于经济欠发达、筹资渠道有限的西部地区，要根据救助金的筹集和存量、历年救助人次、救助类型等情况做预测，要因地制宜提高重点人群的救助比例，使综合救助效率最大化。

3.2 全国重特大疾病医疗救助投入产出规模配比相对合理，但管理和技术水平仍存在提升空间

整体来看，全国68%的地区的重特大疾病医疗救助规模效率处于平均水平以上，说明全国重特大疾病医疗救助投入规模与产出规模配比较为合理。但综合效率水平由规模效率和纯技术效率共同决定，由于纯技术效率的测算结果显示出全国整体水平不高，表明其代表的决策单元管理水平和技术水平仍有较大提升空间。由于各种原因限制，部分地区的重特大疾病医疗救助报销流程繁琐，报销滞后情况严重，有的地区滞后长达1年之久，同时加上部分地区救助监管不力，导致骗取救助金、救助资金与医保基金混用的现象并存[13]，此种现象严重阻碍了重特大疾病医疗救助纯技术效率的提升。另就重特大疾病医疗救助工作本身而言，也存在一定难度，例如除了需要医保部门提供被救助者的疾病、费用信息外, 还需要核查被救助人的收入、资产等方面的信息, 程序复杂, 涉及的部门众多, 供方投入成本较高[14]。各地政府有关部门应考虑进一步强化重特大疾病医疗救助监管力度，加强与第三方合作管理患者诊疗行为，提升管理水平，尽量简化重特大疾病医疗救助审批程序，提高审批效率，提供重特大疾病 “一站式”医疗救助服务。另外，各政府部门要加强合作，同时强化政策引导宣传、营造良好舆论氛围、提升居民政策认知度等配套工作，努力实现高效率、低成本、高质量的工作服务目标。

3.3 人口、经济因素对重特大疾病医疗救助效率存在不同程度的影响

结果表明，人口、经济因素对重特大疾病医疗救助效率存在不同程度的影响。具体而言，人口老龄化会加大重特大疾病的医疗需求，且老龄化程度在短期内不会有巨大波动，因此老龄化会促进地区医疗资源配置向更合理方向发展[15]。政府能力越强，相关部门的救助需求信息和救助资源信息体系越成熟，对救助资源的整合、救助组织机构协调运转的推动作用越大，越能提升救助效率[16]。通常，一个地区越贫困救助需求就越大，如果在经济不发达的情况下，救助需求量很大，则势必会对救助效率产生负面影响；地区人口规模会通过影响人均医疗资源占有比例来影响最终救助效率[17]，如何尽量合理分配有限资源是公共部门的管理难点。人均医疗资源占有比例较低，于贫困人群而言，其能得到的重特大疾病医疗救助资源更有限，所以会对救助效率产生负作用。

另外，人均GDP虽未通过显著性检验，但其对重特大疾病医疗救助的效率影响为正，说明地方经济发展水平越高，越可能增加救助投入，进而影响救助效率。还需特别讨论的是，人均可支配收入与重特大疾病医疗救助效率，理论上为正相关，但估计系数结果为负，这与我国基本实现全民医保有关。在基本医疗保险全民覆盖的基础上，民众对高层次医疗保险的需求会降低[18]，但经过新冠疫情后，我国居民的风险意识将再次被唤醒，人均GDP越高的地区，保险需求及意识增强将越明显[19]。

总之，各地要提前做好准备，以应对人口老龄化问题，要适度提高老龄贫困人口救助补偿比例。同时，各地要根据本地人口规模和贫困程度，实行医疗资源“分流制”，尤其在贫困程度高、医疗资源匮乏的西部地区，要保证贫困人口患重特大疾病时能享受到及时、公平、合理的医疗救助服务。