新医改以来,我国卫生资源配置结构不断完善,医疗服务水平得到显著提升[1]。但是卫生资源短缺和过剩现象并存,资源配置效率较低,医疗机构高投入、低产出的现象普遍存在,成为我国医药卫生体制改革和卫生事业发展的瓶颈。科学规划卫生管理体制,提高现有卫生资源的利用效率[2],有针对性的满足广大人民群众的卫生需求成为我国医疗卫生事业发展的重要课题。本研究采用网络DEA(data envelopment analysis)方法,对31省市2007 — 2016卫生资源效率值进行评价分析;并运用混合效应模型对卫生资源投入产出指标进行预测,探讨各省市未来五年卫生资源投入产出规模与效率,为医疗卫生机构优化资源配置,提高效率提供依据,为卫生行政部门有效制定相关政策提供参考。
1 资料与方法 1.1 资料来源本研究数据来源于国家卫生和计划生育委员会发布的2007 — 2016《中国卫生统计年鉴》,选取10年间全国31个省、市医疗卫生机构相关数据进行整理分析。
1.2 方法 1.2.1 指标选择本文在文献研究基础上选取的投入变量为卫生机构数、总支出,中间变量为床位数、卫生人员数;产出指标为总收入、诊疗人次、出院人数。根据德尔菲专家咨询法确定的评价指标体系[3]中选取卫生技术人员、执业医师、注册护士、药师、技师、管理人员、其他卫生技术人员、工勤技能人员、总资产、负债、财政补助收入、医疗收入、医疗业务支出、财政项目补助支出、总支出中医疗业务支出、门急诊病人、健康检查人次、入院人数、住院病人手术人次19项指标作为综合评价指标, 预测未来五年卫生机构效率。
1.2.2 模型选择(1)网络DEA模型 实际上是由一组DEA组成的,打开系统“黑箱”对每一个分析维度的子过程建立了线性维度,考虑了生产过程的内部异质性对技术效率的影响[4]。在评价过程中使用各阶段的投入和产出数据,从多角度深入系统内部考察各决策单元的效率及其之间的组织机制,DEA数值越接近1时表示资源利用效率越高,达到1表示资源得到合理应用[5]。本文采用的网络DEA模型,在计算技术效率的同时将决策单元的内部生产过程分解为两个节点,节点 1 表示医疗卫生机构与卫生总支出投入下的床位数和卫生人员数量的接待能力产出,节点2 表示相应医疗接待能力下的所产生的诊疗人次、出院人数及医疗总收入相关医疗服务能力产出。(2)面板数据是时间序列数据与截面数据的混合,可提供更多的数据信息,增加自由度,并且可有效减小解释变量的共线性,得到更有效的估计量。本文在运用面板数据固定效应模型与随机效应模型分别对投入产出指标建立回归模型,进而各组模型形式确定的基础上,对被解释变量未来五年的观测值进行预测,进而计算预测效率值。(3)主成分分析是将多指标化为少数几个综合指标的一种统计分析方法[6]。该分析用于多指标综合评价的优点在于:用尽量少的综合指标代替众多原始数据, 消除评价指标间的相关影响[7],反映的重复信息。本文以德尔菲法选用的19项指标作为混合效应模型解释指标,采用主成分分析方法进行多指标综合评价。
1.3 统计分析运用MaxDEA6.9软件进行技术效率分析,运用Eviews 8软件进行混合效应分析预测,运用SPSS软件进行主成分分析。
2 结 果 2.1 2007 — 2016年网络DEA与节点效率(表1,图1)表1显示,31省市技术效率值与两阶段节点效率值。仅有3个城市10年间均处于DEA有效,分别为上海、河南和广东。10年间全国平均技术效率排名前五的城市是广东、上海、河南、云南和安徽,排名后五位的城市为山西、内蒙古、吉林、辽宁和黑龙江,技术效率平均值低于0.7。东北地区医疗机构技术效率较低。15个城市节点2平均效率值高于节点1平均效率值,占全国城市的48.34 %。6个城市节点1效率值与节点2效率值相等,占全国城市的19.35 %。11个城市节点1平均效率值高于节点2平均效率值,占全国城市的35.49 %。上海、广东和河南节点1与节点2效率平均值为1,云南节点2效率平均值为1。从空间上看东部城市尤其东南部地区要高于中部城市与西部城市。时间上看31省市十年间效率值波动较大,尤其是西部城市如西藏技术效率值波动幅度最大,见图1。
2.2 混合效应分析结果(表2)
由于19个评价指标间存在一定的相互关系, 运用主成分分析对多因素进行简化, 本文简化后的第一主成分贡献率达87.8 %,克服评价指标间共线性且能综合反映原始因素的信息。从各组面板模型的随机效应和固定效应回归结果来看,自变量的回归系数均通过显著性检验。Hausman检验中,医疗卫生机构、总支出、出院人数3组模型的豪斯曼检验P > 0.05,因此在5 %的显著性水平下接受原假设;医疗卫生机构、总支出、出院人数3组模型选择随机效应模型。同理床位数、卫生人员、总收入、诊疗人次4组模型Hausman检验均 P < 0.05,因此在5 %的显著性水平想拒绝原假设。床位数、卫生人员、总收入、诊疗人次4组模型选择固定效应模型。在各组模型形式确定的基础上,本文对被解释变量未来5年的观测值进行预。
2.3 全国31省市2017 — 2021年技术效率预测值(表3)通过混合效应模型对卫生投入产出指标进行预测,计算出全国31省市2017 — 2021年技术效率值。31省市五年预测效率均值达到0.95,高于10年效率均值;13个城市5年预测技术效率值均为DEA有效,显示该预测模型对各城市卫生资源投入规模有较好的指导作用。效率预测值显示6个东部城市5年技术效率预测值均DEA有效,分别为河北、安徽、上海、江苏、浙江、广东;2个中部城市5年技术效率预测值均DEA有效,分别为河南和湖南;5个西部城市5年技术效率预测值均DEA有效,分别为云南、西藏、陕西、甘肃和新疆。山西、内蒙古、黑龙江、吉林、辽宁、新疆和陕西等城市预测技术效率值有较大提高。5个城市效率预测值相对较低,分别为山西、青海、福建、宁夏和黑龙江,这城市5年效率预测均值未达到0.9。但部分省市预测效率值整体随预测年份延长逐渐降低。
3 讨 论本文通过改进后打开“黑箱”的网络DEA模型测算了我国31个省市2007 — 2016十年间技术效率,并且将决策单元拆分为医疗资源投入下医疗接待能力和医疗服务能力两个节点,并测算每个节点的效率。本研究结果显示,31省市技术效率值仅有3个城市十年间均处于DEA有效,表明近年来我国绝大多数地区卫生资源配置效率较低,卫生资源利用不当;东中西部城市效率值差距较大,东南经济发达地区城市效率值较高;而西部城市十年间效率值较低且波动程度较大。原因可能在经济发达的地区,医疗资源丰富,投入规模过大,造成资源的浪费;可能引起消费者对卫生资源的过度消费和资源供给者诱导需求的现象[8]。因此发达地区要合理确定医疗卫生机构、卫生人员和病床数量,遏制医院盲目扩张,尽可能的提升现有卫生资源利用率[9]。在经济落后地区,卫生资源供给不足、医疗服务可接待性差,未能充足满足患者就诊需求;效率值波动较大原因可能是缺乏科学管理体系体制以及盲目追求扩大规模,最终导致卫生资源配置效率低下。新增的卫生资源要重点兼顾欠发达地区。48.34 %省市的节点2平均效率高于节点1效率,接近半数城市效率低下主要是由于床位使用与卫生人员接待效率不高导致的,故应适当增减卫生人员和病床数量,遏制医院盲目扩大,提高病床使用率[10]。35.49 %省市节点1平均效率较高,应着重提升医疗服务能力,提升医院诊疗人次与出院病人和总收入的提升,充分利用现有现有卫生资源。
为了合理规划卫生资源的投入与利用,促进各省市卫生医疗机构技术效率平稳提升,本文采用混合效应方法结合各项评价指标对各省市未来五年卫生资资源投入产出指标进行预测,并计算了效率预测值。结果表明各省市预测效率值得到显著提升,13个省市5年预测效率均为DEA有效,仅有5个城市预测效率均值低于0.9。这表明各省市政府各地政府结合本地实际情况统筹规划,科学化定性定量的规划卫生资源投入规模与结构分布是必要的。未来预期中,资源配置效率省际差异依旧存在,因此在改进医疗卫生机构的管理水平,提高人力、物力、财力的利用效率的同时[11],要兼顾医疗资源分布的公平性,缓解大城市,大医院看病扎堆问题。预测效率结果虽整体高于实际技术效率,但随预测年份延长逐渐下降。要求各地政府还应根据变化的实际情况及时调整卫生政策,制定适合本地区卫生资源配置评价体系,密切关注各地区居民实际卫生需要,为居民提供便利有效的医疗服务。
随着医疗改革的不断推进,我国多数地区医疗卫生机构资源配置效率依然低下,在未来预期中多数地区卫生资源仍不能有效利用,并且省际差异较大,效率波动较大。因此医疗卫生机构技术效率的提升主要应着眼于医疗卫生体系的治理,加强医疗机构的合理规划,最终促使医疗卫生机构效率水平的提升。效率预测值的稳定与提高也显示了对卫生资源科学的定性定量研究有利于提高整体医疗服务水平与效率,为医疗卫生机构优化资源配置,提高效率提供依据,为各地区行政部门提供政策参考,有针对性的满足不同地区、不同时期、不同群众的医疗卫生需求,最终有效促进我国健康事业的发展。
[1] | 张瑶, 郭亚楠, 张馨予, 等. 基于Network DEA模型的省际卫生资源配置效率动态分析与评价[J]. 中国卫生统计, 2017, 34(4): 575–577, 582. |
[2] | 金燕, 汤质如, 汪时东, 等. 新医改背景下安徽省县乡医疗机构资源配置及利用情况分析[J]. 中国卫生事业管理, 2014, 31(5): 354–356, 375. |
[3] | 郭亚楠. 基于Dynamic Network DEA的我国医疗卫生机构技术效率分析与评价[D]. 天津: 天津医科大学, 2017. |
[4] | 徐爱庆, 陈欣, 朱金福. 基于动态网络DEA模型的机场绩效研究[J]. 数学的实践与认识, 2015, 45(22): 65–73. |
[5] | 樊辉, 初睿. 网络DEA模型应用综述[J]. 价值工程, 2018, 37(5): 77–78. |
[6] | 王培, 王焱鑫. 面板数据的主成分分析及其应用[J]. 贵州大学学报: 自然科学版, 2009, 26(1): 21–23. |
[7] | 林海明, 杜子芳. 主成分分析综合评价应该注意的问题[J]. 统计研究, 2013, 30(08): 25–31. DOI:10.3969/j.issn.1002-4565.2013.08.004 |
[8] | 杨希, 张晓香. 中国医疗卫生机构技术效率及其区域差异研究[J]. 技术经济与管理研究, 2017(8): 18–21. DOI:10.3969/j.issn.1004-292X.2017.08.004 |
[9] | 张航, 赵临, 王耀刚. 基于数据包络分析中国卫生资源配置效率分析与评价[J]. 中国公共卫生, 2014, 30(10): 1321–1323. DOI:10.11847/zgggws2014-30-10-28 |
[10] | 郭亚楠, 张瑶, 张馨予, 等. 基于超效率DEA模型的医院技术效率评价与影响因素分析[J]. 中国医院管理, 2017, 37(7): 38–40. |
[11] | 赵临, 张航, 王耀刚. 基于数据包络分析的天津市公立医院相对效率评价[J]. 卫生软科学, 2015, 29(9): 553–555, 565. |