2012-2021年我国省域医疗卫生服务效率评价研究

王 力,潘小毅,2

(1.湖北中医药大学管理学院,湖北 武汉 430065;2.湖北省高校人文社科重点研究基地/中医药发展研究中心,湖北 武汉 430065)

随着社会的全面发展,人民的健康意识和需求越来越强[1]。医疗资源配置效率的高低,直接关系到人民群众的生命健康,对于政府决策者也是一个重大课题。国内学者围绕公共医疗服务效率开展了一些研究,主要聚焦于测算各级各类医疗机构的公共医疗服务静态效率和动态效率。张昕男[2]等基于DEA测算了全国中医医院卫生资源配置效率。赵大仁[3]等基于DEA的CCR和BCC模型测算了四川省医院医疗服务效率。陈阳[4]等基于DEA-Malmquist指数测算了2013-2018年我国中医医院的卫生资源配置效率。Yue[5]等运用DEA-Malmquist指数模型研究了2015-2017年湖北省县级中医医院公共医疗服务效率动态变化情况。Wang和Tao[6]使用Malmquist指数评估了我国31个省份的公共医疗服务效率的变化趋势。本研究采用DEA中的BCC模型,结合Malmquist指数和固定效应模型对31个省份的卫生服务效率进行评价,以期为未来制定卫生资源配置方案提供参考。

1 资料与方法

1.1 数据来源

本研究数据来源于2013-2022年《中国卫生统计年鉴》和《中国统计年鉴》,选取除台湾省、香港特别行政区和澳门特别行政区外的31个省份作为研究对象。

1.2 指标体系的选取

参考已有文献,结合研究目标和数据可获得性,本文选取卫生机构数、床位数做为物力投入指标,卫生技术人员数做为人力投入指标,选取病床使用率、入院入数和诊疗人次作为产出指标。

本研究将影响因素分为内部因素和外部因素,内部因素有医师日均担负诊疗人次数、医师日均担负住院床日和平均住院日;外部因素为人均GDP和政府卫生支出。详见表1。

表1 指标选取说明

1.3 模型选择

1.3.1 BCC-Malmquist模型

DEA是美国运筹学家Chames等提出用来评价同类决策单元(DMU)相对效率,并对其投入产出有效性进行评价的方法,包括CCR模型、BCC模型、ST模型和Malmquist模型等[7],目前该方法被广泛应用于医疗卫生领域。在DEA中,BCC模型将CCR模型中规模报酬不变的假设进行调整,假设规模报酬可变,将综合效率分解为纯技术效率和规模效率的乘积,同时得到各决策单元间的规模报酬与相对有效性,Malmquist指数法广泛用于测算生产率变化[8]。

1.3.2 面板固定效应模型

本研究建立面板计量模型分析各项因素对综合效率的影响。随机效应模型需假设解释变量与个体效应无关,现实情况中此种假设很难成立,故本文最终选择固定效应模型。进一步对年份虚拟变量进行联合显著性检测,结果显示需要控制时间效应,因此本文最终选择控制个体和时间的双向固定效应模型。本研究选取2012-2021年的面板数据建立模型:

lnCEit=α0+α1lnNOPit+α2lnHDit+α3lnDIPDit+α4lnAVGDPit+α5lnGEHit+ηt+δt+εit

(1)

式(1)中,被解释变量CE表示卫生机构服务综合效率值,解释变量包括医师日均担负诊疗人次数(NOP)、平均住院日(HD)、医师日均担负住院床日(DIPD)、人均GDP(AVGDP)、政府卫生支出(GEH),ηt和δt分别表示时间固定效应和个体固定效应,εit表示随机扰动项。

为了确保模型不存在多重共线性问题,本文计算了解释变量间的方差膨胀因子VIF,发现变量间的VIF值全部小于3,说明模型不存在严重的多重共线性问题。

2 结果

2.1 静态效率分析

本研究借助基于产出为导向的BCC模型,利用DEAP 2.1软件计算出2012-2021年我国31个省份医疗机构服务综合效率分析,结果见表2。

表2 2012-2021年各省份医疗服务综合效率

2012-2021年,仅有浙江省和上海市历年的综合效率值等于1。辽宁、山东、山西、吉林、黑龙江、内蒙古、陕西等地历年的综合效率都低于全国平均值,提示我国大部分省份的卫生机构服务效率还有较大的提升空间,整体处于中等水平,地区间差异较大。

我国大部分省份未达到纯技术效率有效,需要通过提高管理水平和提升医疗技术水平,达到提高纯技术效率的目的。从规模效率来看,我国普遍存在规模不合理现象,规模报酬呈递减状态,表明总效率偏低并不是由于投入不足造成,因此部分医疗机构需要在规模方面进行优化,以求达到资源的合理配置。2012年和2021年我国31个省份医疗机构的纯技术效率和规模效率见图1、图2。

图1 2012年31个省份的纯技术效率和规模效率

图2 2021年31个省份的纯技术效率和规模效率

2.2 动态效率分析

从年平均变化分析来看,我国31个省份技术效率变化指数上升了0.7%,技术进步指数提高了3%,纯技术效率变化指数下降了0.2%,规模效率变化指数上升了0.9%,全要素生产率指数上升了3.7%。

从逐年变化分析,技术效率变化指数在2012-2013年上升最大(上升了10%),在2019-2020年下降最大(下降了5.4%)。技术进步指数在2013-2014年上升最大(上升了49.6%),在2019-2020年下降最大(下降了11.7%)。纯技术效率变化指数在2020-2021年上升最大(上升了1%),在2019-2020年下降最大(下降了2.8%)。规模效率变化指数在2012-2013年上升最大(上升了0.7%),在2019-2020年下降最大(下降了2.7%)。全要素生产率指数在2012-2013年上升最大(上升了21.5%),在2019-2020年下降最大(下降了16.5%)。见表3。

表3 2012-2021年我国卫生资源配置效率的Malmquist指数

2012-2021年除北京、天津、上海、海南、西藏、宁夏等6个省份(19%)的全要素生产率指数小于1之外,其他25个省份(81%)的全要素生产指数全部大于1,提示我国绝大部分省份的医疗资源配置效率在不断提高,发展趋势良好。东部地区全要素生产指数大于1的省份有7个(64%),中部地区全要素生产指数大于1的省份有8个(100%),西部地区全要素生产指数大于1的省份有10个(83%),提示中部地区在提升医疗资源配置效率方面优于东部和西部地区。在医疗资源配置全要素生产率指数的4个分解指数中,进步技术相对最大,与全要素生产率指数相近。从全要素生产指数的4个分解指数来看,我国东部、中部、西部的技术效率变化指数均值分别为0.999、1.009和1.012,其中陕西上升了5.6%,黑龙江下降了2.4%。技术进步指数均值分别为1.017、1.05和1.029,其中云南上升了7.8%,西藏下降了5.9%。纯技术效率变化指数均值分别为0.998、0.997和0.999,其中北京上升了1%,黑龙江下降了2.3%。规模效率变化指数均值分别为1.002、1.013和1.014,其中陕西上升了6.3%,甘肃下降了1.3%。全要素生产率指数均值分别为1.016、1.059和1.042,其中贵州上升了8.6%,西藏下降了5.9%。见表4。

表4 2012-2021年我国各省份卫生资源配置效率的Malmquist指数

2.3 影响因素分析

本研究使用Stata 15.1软件对所构建的面板固定效应模型进行回归分析,回归结果见表5。

表5 回归结果分析

模型(1)的解释变量仅有内部影响因素,模型(2)中加入了外部影响因素,模型(3)则只包括外部影响因素。

从内部影响因素来看,在模型(1)和模型(2)中,lnNOP和lnDIPD的回归系数均为正且显著,说明医院医师日均担负诊疗人次数和医院医师日均担负住院床日对医疗服务综合效率有正向的影响。lnHD的回归系数为负且显著,说明平均住院日对医疗服务综合效率有负向影响,可以通过适当降低平均住院日达到提升医疗服务综合效率的目的。

从外部影响因素来看,模型(2)和模型(3)的回归结果中,lnAVGDP的回归系数为正且显著,说明经济发展能有效促进医疗服务综合效率的提升;lnGEH的回归系数为负且显著,说明政府虽加大了卫生方面的资金投入,但并没有能够被合理地使用,从而达到提高医疗服务综合效率的目的,这和静态分析结果的卫生资源没有得到合理的配置结论相符。

3 结果及讨论

从静态分析结果可以得出,我国大部分省份的卫生服务效率还有较大的提升空间,整体处于中等水平,地区间差异较大。大部分省份的规模报酬都是递减,提示造成我国卫生服务效率不高的主要原因是产出指标不足,即在现阶段卫生资源的投入下,由于卫生医疗机构管理水平低、人员冗余等原因,其产能并未达到最大化,造成了一定的浪费。

从时间跨期来看,除2012-2013年、2013-2014年和2015-2016年的全要素生产率指数大于1外,其他年度的全要素生产率指数全部小于1,且全要素生产率指数整体呈递减状态,提示我国近些年卫生资源配置效率的增长幅度放缓。

2012-2021年,我国东部、中部、西部卫生资源配置全要素生产率指数均值分别为1.016、1.059和1.042。其中,中部地区全要素生产率提高最大,平均增长率为5.9%,其次是西部(4.2%),东部提高最小(1.6%)。提示我国各地的卫生资源配置效率均有所差异,这与夏雯琪[9]等的研究结果一致。东部、中部、西部的技术进步指数均大于1,提示我国卫生资源配置的技术在不断进步,技术进步带动全要素生产率实现正增长。从年均Malmquist指数增幅可以得出,现阶段还是存在负增长的省份,各省份之间差距相对较大。

从Malmquist指数及其分解的几何平均数可以得到,全生产要素指数为1.037,技术进步指数(1.03)>技术效率变化指数(1.007),又因为前者为后两者相乘所得,提示我国近几年的卫生服务效率的提高主要是由新技术来推动的,这与吴晶晶[10]等的研究结果一致,即我国卫生服务效率的增长属于技术进步导向型增长,并且实证结果显示内部影响因素能显著影响卫生服务效率。

4 建议

4.1 提高医疗机构管理水平,避免无效投入

结果显示,我国大部分省份规模报酬递减,造成我国卫生服务效率不高的主要原因是产出指标不足。因此,建议在卫生资源有限的情况下,加强对医疗卫生机构的管理,不断优化经营模式,加强卫生技术人员培训,不断提高卫生工作者的整体素质,从而使卫生服务效率达到最大化,真正做到服务于人民。

4.2 推进医疗资源区域均衡化

目前我国卫生资源配置的技术在不断进步的同时,各省份之间的差距也相对较大。因此,需要优化和完善非有效地区的投入产出,最大化实现各省份卫生资源配置的均等化[11]。东部地区资源配置效率普遍较高,但是在区域内也表现出不均衡的态势,部分地区产出不足,如福建省规模报酬递减,表明该地区没有达到与投入量相对应的产出量。建议卫生资源投入冗余的地区应重新考察医疗资源需求及配置条件,科学规划卫生资源配置,在省内合理调用已有资源,力求达到产出最大化。

4.3 引进科技人才,利用现代信息技术提升卫生服务效率

科学技术的不断发展和革新,推动着我国卫生服务效率的提高。因此,在以后的工作中,各省份应重视技术进步对提高全要素生产率带来的影响。未来应发挥互联网等技术在医院管理、患者服务和医疗服务质量提升等方面的优势。通过科技人才的引进,可以更快地将医疗和科学技术结合,加快科技成果的转化,更快地提高卫生服务效率。