我国医疗服务业全要素生产率的优化与评价

　　摘要：文章选取2006—2019年我国31个省份医疗服务业的投入产出数据，以人均GDP、人口城镇化率作为环境变量，利用三阶段DEA模型对我国医疗服务业的全要素生产率进行了优化与评价。研究结果表明：相对于以数量指标为产出核心的传统测算体系，加入医疗质量、病人负担及就医安全的非期望产出后，全要素生产率呈下降趋势;技术进步是影响医疗服务业全要素生产率的关键因素。

　　关键词：三阶段DEA模型;医疗服务业;非期望产出;全要素生产率

　　0引言

　　新一轮医疗卫生体制改革以来，我国已基本实现了医疗保险全民覆盖、医疗服务可及性和可负担等目标，医疗体制机制改革在诸多领域实现了长足进步。但医疗服务业发展不充分和不平衡的问题仍相当突出，因此，建立全面反映现实需求的产业效率测评工具，对缓解上述问题具有重要价值。

　　经济师论文范例：生产性服务业发展与高端制造业增长分析

　　目前国内外学者在测算医疗服务业全要素生产率时采用了多种方法[1—3]，其中三阶段DEA模型可以较好地分离环境因素和统计噪声的影响。在评价指标的相关研究中，大多构建的是以经济效益指标为核心的传统评价体系[4,5]，反映经济效益和社会效益的优化评价体系的研究较少。本文针对以上不足展开分析，通过建立较为全面的评价体系，测评我国医疗服务业全要素生产率。创新点有两个方面：一是在借鉴相关研究的基础上，通过引入非期望产出指标优化了医疗服务业投入产出评价体系;二是基于传统视角和优化视角测算了我国医疗服务业的全要素生产率。

　　1模型构建、变量选取和数据来源

　　1.1三阶段DEA模型构建

　　在借鉴已有研究成果的基础上，本文通过典型相关分析模型检验医疗服务业投入和产出指标之间的相关关系，再通过三阶段DEA模型分离现实经济环境中环境因素和统计噪声的影响，最终测算出医疗服务业的全要素生产率。第一阶段，通过传统的DEA模型测算全要素生产率。基于本文的研究目的和实际情况，选用BBC模型为DEA模型的基础模型，初步测算全要素生产率。第二阶段，通过SFA回归剔除环境因素和统计噪声。在SFA回归中，以第一阶段的松弛变量对环境变量和混合误差项进行回归，测算修正后的投入量。第三阶段，通过受限因变量模型来评价各决策单元历年的生产率变动情况。该阶段利用调整后的投入产出变量测算Malmquist生产率变动指数，此时的全要素生产率已经剔除了环境因素和随机因素的影响，是相对真实准确的。

　　1.2评价指标选取

　　医疗服务业的全要素生产率与投入产出高度相关，医疗服务业要投入包括资本、劳动、技术、数据和关系在内的生产要素，通过科学的运营机制产出令患者和社会满意的医疗服务。传统的医疗服务业全要素生产率测评通常是以门诊人次、出院人次和住院手术人次为代表的经济效益层面的产出指标。随着我国医疗服务业的不断转型升级和人民群众需求的变化，以医疗质量、病人负担、就医安全为代表的社会效益层面的产出指标已成为该产业全要素生产率测算时的重要选项。本文将按照传统视角和优化视角，分别确定三阶段DEA模型测算所需的投入变量、产出变量以及环境变量，测算医疗服务业的全要素生产率。

　　1.2.1投入产出变量选取

　　(1)传统视角在选取相关变量时，考虑到科学性、可得性和一致性等原则，投入变量选择执业医师数量(X1)、注册护士数量(X2)、床位数量(X3)、固定资产(X4)、卫生支出(X5)五个指标[6,7]，限于数据可得性，选用医疗卫生机构固定资产近似替代各地区医疗服务业固定资产投入。医疗服务业提供的最基本医疗服务分为门诊和住院两部分，传统视角下产出变量选取各地区医院门诊诊疗人数(Y1)、住院入院人数(Y2)和住院病人手术人次(Y3)三个指标[8]。

　　(2)优化视角医疗服务业不仅需要提高以服务数量为核心的经济效益，还需要提高以服务质量、安全、可负担为核心的社会效益。医疗服务业为人民群众提供疾病诊疗服务时，必然伴随着医疗质量缺陷、医疗事故和病人就医负担的产生。在一定范围内，治病救人数量增加越多，越有利于提高经济效益，但医疗质量缺陷、医疗事故和病人就医负担的增加会导致社会效益下降，因而将有关服务数量的指标称为期望产出，将有关医疗质量、就医安全和病人负担的指标称为非期望产出。

　　将非期望产出作为产出指标引入测评体系，有利于贴近实际需求，提高效率评价结果的全面性和科学性。本文参照有关学者处理非期望产出指标时使用的倒数法，将非期望产出(医疗质量、就医安全和病人负担等指标)取其倒数后作为产出指标，引入DEA模型用于评价医疗服务业全要素生产率[9]。我国医疗卫生改革的主要目的之一就是将医疗费用控制在合理范围，切实减轻居民医疗负担水平，病人在治疗过程中实际支出的费用高低可以代表病人负担。

　　为了体现医疗费用的结构水平，间接反映病人负担，选取门诊和住院医疗费用中药费和检查费占比的倒数代表病人负担。在其他费用基本保持不变的前提下，药费或检查费占比越低，病人负担越轻。为了直接反映实际病人负担，选取医疗卫生支出占消费性支出比例的倒数代表病人负担，在看病难和看病贵的环境下，该指标可以显示一个地区医疗服务业病人的就医负担水平，在医疗效果一定的情况疗服务业病人的就医负担水平，在医疗效果一定的情况下，病人的负担越低，也意味着医疗服务的全要素生产率越高。代表病人负担的具体指标为表1中的Y4至Y8。

　　医疗质量高低是医疗服务业的重要评价指标，由制度、技术和经验所保障的医疗质量水平可以应对更为复杂的病症。通常来说，急诊病人的病情较为复杂，对医疗技术、经验和条件要求较高，其救治死亡率可以部分反映出医疗质量的高低，故选取急诊病死率的倒数代表医疗质量，具体指标为Y9。就医安全是指患者在就医过程中不发生法律和法规允许范围以外的心理、机体结构或功能损害、障碍、缺陷 或死亡。如果医院不能严格地执行无菌操作技术和消毒隔离制度，致使感染源传播，就会出现就医过程中的不安全医疗后果，故选取感染率倒数代表就医安全，具体指标为Y10。

　　1.2.2环境变量选取环境变量是指能够影响医疗服务业全要素生产率，但不在主观可控范围内的因素。考虑到各地区所处的经济和社会环境有所不同，本文设定了一个经济环境变量，为表征经济发展程度的人均GDP，并以2000年为基期进行价格平减处理;设定了一个社会环境变量，为表征人口城镇化水平的人口城镇化率，选用各时期各地区城镇人口比例。

　　1.3数据来源根据数据获取的权威性、客观性与可得性原则，本文采用《中国卫生健康统计年鉴(2006—2019)》和《中国统计年鉴(2006—2019)》中我国31个省份(不含港澳台)医院或医疗卫生机构的投入与产出数据。

　　2实证分析

　　2.1实证结果说明

　　根据典型相关分析检验得到相关投入与产出指标之间存在正相关关系，说明医疗服务业的投入能带来产出的增加。继续选用上述投入产出指标，31个省份共计434个样本，样本数量满足DEA的基本规模要求。本文将运用三阶段DEA模型分别测算传统视角和优化视角下我国医疗服务业Malmquist指数，Malmquist指数包括全要素生产率指数(tfpch)、技术进步指数(techch)、综合技术效率指数(effch)、纯技术效率指数(pech)和规模效率指数(sech)，由于运算结果规模较大，仅展示了分析所用数据。

　　2.2整体结果分析

　　2008—2009年第一阶段全要素生产率为0.965，而第三阶段全要素生产率为1.235;2017—2018年第一阶段全要素生产率为0.996，而第三阶段全要素生产率为1.061，这说明我国医疗服务业全要素生产率受环境因素和随机扰动影响较为明显，进而印证了选用三阶段DEA模型的必要性。

　　2.3地区结果分析

　　2005—2018年，七大地区优化视角下的全要素生产率指数均值分别为0.9901、0.9912、0.9770、0.9729、0.9682、0.9780、0.9627，均呈现下降趋势。各地区影响全要素生产率的原因分别是：华东地区的技术进步和规模效率;华北地区的技术进步和纯技术效率;华中地区的技术进步;华南地区的技术进步;西南地区的技术进步和纯技术效率;西北地区的技术进步;东北地区的技术进步。上述分析说明七大地区的医疗服务业全要素生产率有进一步提升的空间，七大地区均需改善技术进步效率，华东地区还需提高规模效率，华北和西南地区还需提高内部管理。

　　2.4省份结果分析

　　全要素生产率指数增长的省份有15个，分别为北京、天津、内蒙古、辽宁、黑龙江、上海、安徽、湖北、湖南、广西、重庆、西藏、陕西、甘肃、新疆，说明新一轮医疗改革在部分省份正有效推进。通过对全要素生产率指数增长的省份进行比较，发现各省份各年度变化不一，说明有关政策的实施强度和效果未能持续，而通过对全要素生产率指数降低的省份进行比较，发现有关政策未被有效推进。导致以上问题的原因之一是我国医疗服务业的体制和机制应跟随市场需求和政策导向适时升级，急需利用有效评测工具实现定期评估全要素生产率，以便及时调整政策强度和监测政策的实施效果。

　　3结论

　　本文选取我国31个省份2006—2019年的医疗服务业投入产出数据，采用三阶段DEA模型实证分析了该产业的全要素生产率，得到以下主要结论：(1)在我国医疗服务业全要素生产率的测算中加入非期望产出指标会引起效率的变化，仅考虑医疗服务数量指标的全要素生产率是增加的，而考虑了医疗质量、病人负担和就医安全等非期望产出的全要素生产率是下降的，技术进步指数是影响其下降的重要因素。(2)按照国家地理区域划分的七大地区医疗服务业全要素生产率均呈现下降趋势，但新一轮医疗改革以来，中国该产业已在医疗质量、病人负担和就医安全等社会效益上做出了努力，同时有15个省份全要素生产率已经开始提高，更多的省份还需注重该产业经济效益和社会效益的同步提升。

　　参考文献：

　　[1]于珺.广东省公立医院经营效率研究——基于三阶段DEA模型的实证分析[J].财会学习,2019,(28).

　　[2]雷瑞杰,李少武,冀贞浩.等权TOPSIS法和RSR法在医院病床利用效率评价中的比较研究[J].中国卫生统计,2019,36(3).

　　[3]李萌,郭淑岩,董四平.基于Bootstrap-Malmquist-DEA纠偏的中国医院效率和全要素生产率测量[J].卫生经济研究,2019,36(3).

　　[4]肖力玮,邓汉慧.医疗服务体系效率及其影响因素分析[J].统计与决策,2019,(11).

　　[5]李京,杨帆,毛宗福.湖北省县级医疗卫生资源配置公平与效率分析[J].统计与决策,2017,(13).

　　作者：闫昱彤，汪海粟