近些年，中医药以其在养生、保健等方面的独特优势，越来越多地受到国内外民众的认可，政府也把中医药发展上升为国家战略^[1]。《国务院关于印发中医药发展战略规划纲要（2016—2030年）的通知》（国发〔2016〕15号）明确指出，中医药作为我国独特的卫生资源，在经济、科技、文化及生态领域中发挥着极其重要的作用。作为发挥中医药服务功能的载体，中医类医院的运营状况直接反映我国中医药卫生资源的配置效率。现应用三阶段数据包络分析（data envelopment analysis，DEA）对2017年我国31个省（自治区、直辖市）的中医类医院运行效率进行测度，以期为我国中医药卫生资源的合理配置和规划提供参考。

1 资料与方法 1.1 资料来源

研究数据来源于《中国统计年鉴2018》《2018中国卫生和计划生育统计年鉴》《全国中医药统计摘编2017》。研究对象为31个省（自治区、直辖市）的中医类医院，具体包括中医医院、中西医结合医院和民族医院。

1.2 研究方法

DEA是Charnes等学者在1978年提出的一种关于效率测度的非线性规划模型。在实践中，DEA已被广泛应用于银行、农业、交通、医疗、能源、教育等诸多领域^[2]。研究采用Fried等^[3]于2002年提出的三阶段DEA模型对各决策单元的技术效率进行测度。相较于传统的DEA方法，三阶段DEA剔除了环境因素和统计噪声带来的影响，使测量的结果更加准确、可靠。

第一阶段采用投入导向的BCC模型来计算各省（自治区、直辖市）中医类医院的技术效率、纯技术效率和规模效率。其中，技术效率为纯技术效率和规模效率的乘积。当技术效率等于1.000时，表示该决策单元技术有效且处于技术前沿面上；当技术效率小于1.000时，表示该决策单元尚未达到生产前沿面，存在投入冗余，需优化生产规模或提高技术水平。

第二阶段采用随机前沿分析（stochastic frontier analysis，SFA），回归的目的是剔除环境因素和随机干扰对效率测度的影响，以便将所有决策单元调整于相同的外部环境中。课题组将第一阶段获得的投入冗余作为因变量，环境变量作为自变量，建立SFA模型^[4-5]。

第三阶段是将SFA测算的调整后投入与原始产出相结合，同样采用传统DEA的BCC模型，再次测算我国各地区中医类医院的技术效率、纯技术效率和规模效率，此时的效率已经排除了外部环境和随机干扰的影响，其结果是相对真实准确的。

1.3 指标选取

在运用DEA进行效率分析时，投入与产出指标的选择是评价的关键，不同的因素组合往往会使结果的输出有一定的差别，因此被选的投入与产出指标要具有代表性、独立性、核心性等特征^[6]。另外，指标在设计时，还要充分考虑指标之间的交叉重叠问题，防止结果有偏、造成误导。文献^[7-10]回顾发现：医疗卫生机构的运营主要涉及人力、物力和财力3个方面的要素投入，其中人力泛指职工数和卫生技术人员数，物力一般特指设备和固定资产，财力主要包括医疗成本、管理费用和业务支出等；而产出指标总体可以分为医疗收入和治疗效果2个方面，且治疗效果一般采用诊疗人次数、入院人数、出院人数等指标测量。基于国内外文献^[11-15]分析以及指标的可获得性，研究最终选取机构数、实际床位数和中医药人员数作为投入指标，诊疗人次数和出院人数作为产出指标。为满足“分离假设”，环境变量需选取对中医类医院运营效率产生影响但又无法主观控制和改变的因素^[16]。结合我国医疗卫生机构发展的自身特点，最终选取城市人口密度、地区生产总值、总抚养比、病死率和中医机构财政拨款作为环境变量^[17-19]。各指标的描述性统计如表 1所示，机构数、实际床位数、中医药人员数的标准差较大，说明我国各省（自治区、直辖市）在中医药医疗资源投入方面存在差异，而诊疗人次数和出院人数的极差更加反映了地区间医疗服务实力的悬殊。

1.4 统计学分析

使用SPSS 19.0对投入、产出指标进行描述性分析，并通过分析选项下双变量检验对投入、产出指标作Pearson相关分析。

2 结果 2.1 投入产出指标的相关分析

在运用三阶段DEA模型之前，需要检验投入指标和产出指标间的相关性，判断所选取指标是否相互影响。从估计的相关系数结果来看，除机构数和诊疗人次相关性为0.523外，其他投入指标和产出指标的相关性均大于等于0.700，且在0.01水平上相关，说明投入产出具有较高的相关性，符合DEA模型对数据的同向性要求。投入和产出指标的Pearson相关矩阵如表 2所示。

2.2 第一阶段：基于原始数据的BCC模型分析

运用DEAP 2.1软件，将机构数、实际床位数和中医药人员数作为投入指标，诊疗人次数和出院人数作为产出指标，利用传统DEA投入导向的BCC模型，对我国31个省（自治区、直辖市）中医类医院的运行效率进行测度。表 3显示，我国中医类医院的技术效率、纯技术效率和规模效率分别为0.811、0.894和0.913，仅上海市、江苏省、安徽省实现规模报酬不变，14个省（自治区、直辖市）规模报酬递增，仍有14个省（自治区、直辖市）处于规模报酬递减的状态，这表明我国中医类医院总体运营欠佳，需要进一步优化其生产规模和管理水平。

以上结果并未考虑外部环境和随机干扰的影响，不能真实反映我国中医类医院实际的运营状况。因此，需要排除外部环境和随机干扰等因素，重新对技术效率进行测度与评价^[20]。

2.3 第二阶段：基于SFA对环境变量分析和投入变量的调整

运用Frontier 4.1软件，将机构数松弛变量、实际床位数松弛变量和中医药人员数松弛变量作为被解释变量，将选取的5个环境变量作为解释变量，建立SFA模型，结果如表 4所示。当回归系数为正值时，表示增加该环境变量会带来投入变量松弛值（投入冗余）的增长，导致不变产量下投入浪费增加或者投入不变时产出降低，会对医院运行效率产生负向作用。当回归系数为负值时，环境变量的增加有利于降低投入变量松弛值，提高医院的运行效率。

表 4结果显示，广义单边似然比检验在α为0.01水平上有统计学意义，说明测量各决策单元技术效率时，对环境变量进行剥离是合理和必要的。另外，3个变量的γ值约为1，说明机构数松弛值、实际床位数松弛值及中医药人员数松弛值皆由管理无效率所致，而非随机干扰^[5]。从回归结果来看，城市人口密度与各地区中医类医院投入冗余具有正向关系，即城市人口密度对中医类医院的运营效率具有抑制作用。虽然地区人口密度能够直接影响政府对医疗卫生资源配置的比例，但不是影响医院运营效率的根本原因。人口总量不会直接为医院创造门急诊人次和住院人数，居民的健康指数和生活水平才是影响患者发病率的本质所在，所以，受地区人口密度直接影响的中医药资源配置失衡是导致中医类医院运营欠佳的原因之一。总抚养比的系数均为负数，且对中医药人员数投入松弛值通过了1%的检验标准。同时，除对实际床位数松弛变量正相关无统计学意义外，病死率对机构数松弛值和中医药人员数松弛值皆为负相关有统计学意义。这表明总抚养比和病死率的增大是促进中医类医院技术效率提升的原因之一，可能的原因是人口老龄化加速了总抚养比和病死率，致使医院在既定的规模和要素投入下服务能力和水平被间接放大，为医院的高效运营奠定了患者基础。

然而，地区经济水平和政府财政支持却对中医类医院的技术效率表现为截然不同的效应。SFA结果显示，地区生产总值对机构数松弛值和实际床位数松弛值呈现负向关系，而财政拨款却相反。类似地，地区生产总值对中医药人员数松弛值表现为正向促进作用，而财政拨款却对中医药人员数松弛值表现为负向抑制作用。这说明地区经济发展水平能够约束中医类医院盲目扩张，吸引大量人才涌入，从而提升中医类医院的技术与管理水平。但中医药人员的过度投入会造成投入冗余，也会导致中医类医院技术效率的下滑。另外，伴随着中医类医院的快速扩张，财政拨款也随之增加，但受限于医院既定的管理水平和技术能力未能匹配对应的规模，会间接负向作用于中医类医院的运营效率。同时，研究还发现，财政拨款可以通过减少中医药人员投入冗余来促进医院的高效运营。

2.4 第三阶段：基于调整后投入与产出数据的BCC模型分析

将调整后的机构数、实际床位数和中医药人员数3个投入指标与原始产出指标结合，再次构建DEA模型时，发现我国中医类医院技术效率、纯技术效率和规模效率分别为0.816、0.902和0.909。这意味着在剔除环境变量和统计噪声的影响后，我国中医类医院技术效率降低是由于规模报酬不足和技术管理水平不足共同导致的，说明现阶段我国中医类医院在追求规模迅速扩张的同时，尚需提高与之相匹配的先进技术和科学管理。

图 1显示，在剔除环境变量、统计噪声和管理无效率影响之后，湖北省中医类医院的整体运营达到了技术最前沿，成为新增技术效率为1.000的省份。四川、广东、湖南3省调整后的技术效率增幅最为明显，而海南省的降幅却高达12.48%。西藏自治区的技术效率调整前后一直在全国靠后，说明其中医类医院的发展急需通过人才引进和技术更新来实现高效运营。

接下来，课题组基于区域视角，对2017年我国中医类医院技术效率、纯技术效率以及规模效率进行比较分析。需要说明的是，研究按照中国地理区域划分标准，将31个省（自治区、直辖市）分为7大区域，分别是东北（辽宁省、吉林省、黑龙江省）、华东（上海市、江苏省、浙江省、安徽省、福建省、江西省、山东省）、华北（北京市、天津市、河北省、山西省、内蒙古自治区）、华中（河南省、湖北省、湖南省）、华南（广东省、广西壮族自治区、海南省）、西南（重庆市、四川省、贵州省、云南省、西藏自治区）和西北（陕西省、甘肃省、青海省、宁夏回族自治区、新疆维吾尔自治区），具体计算结果如表 5所示。

调整后的结果显示，2017年我国中医类医院的平均技术效率值为0.816，整体表现一般。调整后各区域技术效率均数排序为：华中（0.942） > 华东（0.914） > 华南（0.869） > 西南（0.831） > 西北（0.786） > 华北（0.674） > 东北（0.669），区域间技术效率存在明显差异。图 2还显示：东北、华东、华北、华中和华南地区调整后的技术效率呈现增长变化，且华中地区技术效率增幅最为显著；西南地区和西北地区却整体出现下滑，这说明这些地区的中医类医院外部环境相对偏差，具体表现为地区人口密度小，总抚养比相对偏低，地区经济发展落后；东北和华北地区较其他区域中医类医院运营状况表现较差，出现两极分化趋势。这种差异提示在扩大生产规模和提高管理水平上需要对两者区别对待，进一步优化资源配置。

3 讨论 3.1 研究结论

运用三阶段DEA模型分析2017年我国各地区中医类医院的运行效率，其结果显示：（1）我国中医类医院运行效率整体表现一般，调整后其技术效率、纯技术效率和规模效率分别为0.816、0.902和0.909。与调整前相比，除规模效率下降0.4个百分点外，技术效率和纯技术效率分别上升0.5个百分点和0.8个百分点。这表明外部环境的统一能够更加真实、准确地体现我国中医类医院规模效率和管理水平。（2）调整后效率测算的结果与调整前有差异，环境因素对各地区中医类医院运行效率影响较大。城市人口密度的增大会误导政府对公共卫生资源的配置，对中医类医院的运营效率具有抑制作用。总抚养比和病死率的系数为负值，说明人口老龄化加速了总抚养比，致使中医类医院服务能力被间接放大，是促进中医类医院技术效率提升的主要因素。地区经济发展水平上升虽然能够提高医院的技术与管理水平，但会造成中医药人员数投入冗余增加。与之相反的是，财政拨款的增加会间接负向作用于中医类医院的运营效率，但可以通过减少中医药人员投入冗余来促进医院的高效运营。（3）省际和区域间中医类医院技术效率差距明显。全国仅上海市、江苏省、安徽省、湖北省效率达到最优，西藏自治区技术效率低至0.368。华中地区中医类医院运营最佳（0.942），东北地区中医类医院技术效率最低（0.669）。东北、华东、华北、华中和华南地区调整后的技术效率略微上升，而西南和西北地区却整体出现下滑，说明我国中医类医院的运营和发展还有很大的上升空间，需要进一步优化各地区中医类医院的投入规模和管理水平。

3.2 管理启示

三阶段DEA结果显示，各地区中医类医院运营状况存在差异。政府应正视区域差异问题，加强部分地区中医药事业的政策倾斜，积极推进各地分级诊疗进程，建立院系间医疗联合体，促进中医药事业的均衡发展^[21]。由于外部环境因素对效率产生显著影响，改善外部环境是促进中医类医院高效运行的重要方式。首先，各地区不仅需提高中医药财政拨款中支持中医药人才发展的比例，还要优化城市宜居与创新环境，通过技术创新实现产业升级，从而提高地区医疗服务水平。其次，要适当降低居民集聚水平，健康合理地推进我国的城镇化进程，实现区域中医药卫生资源配置的公平。再次，要改善政府卫生财政拨款中机构数目和基础设施的投入，减少浪费。

3.3 贡献与不足

研究的贡献主要体现在两个方面：一是运用三阶段DEA模型对我国中医类医院运行效率进行了较为客观的评价，为我国中医药卫生资源合理配置和规划提供了参考。二是首次将总抚养比、病死率等环境指标引入医疗卫生机构的效率评价，为相关学者的后续研究提供了新的思路。但受限于产出指标数据的可获得性，缺少医疗收入方面的相关指标，可能会导致结果有偏。另外，研究仅选取2017年截面数据对中医类医院的效率进行测度与评价，下一步将通过面板数据动态评价我国中医类医院全要素生产率的变化。

·作者声明本文无实际或潜在的利益冲突