二 医疗卫生服务效率问题的研究方法和文献综述

生产效率的概念最早是由法约尔提出的，他将经济效率定义为技术效率（Technical Efficiency, TE）和配置效率（Allocative Efficiency, AE）的乘积。研究生产效率的主要方法有：数据包络分析法（Data Envelopment A-nalysis, DEA）、随机前沿面分析（Stochastic Frontier Analysis, SFA）、自由分布法（Distribution Free Approach, DFA）、无界分析（Free Disposal Hull, FDH）等。从文献分析，目前评价医疗卫生服务体系效率绝大多数采用的是非参数的数据包络分析法，常用的模型有CCR、BCC和Malmquist模型3种。前两种模型一般用于同一时期（静态）生产前沿面下的生产要素配置效率分析；在动态条件下，当生产要素配置效率水平和技术水平同时发生变化时，则可以使用Malmquist模型描述生产要素配置效率与技术水平的综合变化，并可进一步细分变化原因。为客观衡量医药卫生体制政策变化对医疗卫生服务体系的动态效率变化趋势，本研究使用DEA－Malmquist生产率指数进行分析，主要用来测算决策单元（DMU）全要素生产率及其分解因素值的变化情况。

（一）研究方法

1．比率分析方法（Ratio Analysis）

比率分析法又称线性比分析，是指在一系列指标下用投入单位与产出单位的比值来测量医疗卫生服务效率的方法。主要包括单位服务成本和生产率两类指标。通过测量一定时间内（通常为一年）某一医疗卫生投入单位（如人力、资金、设备等）与某一产出单位（如病人数、门诊数、手术量等）之间的比值，反映医疗卫生服务的单位成本和生产率的情况，如门诊次均费用（门诊总成本/门诊人次数）、住院日均费用、床位使用率等。

比率分析方法有三个比较明显的特点。一是适于单项比较。所测量的比值为单一投入单位与单一产出单位之间的比值，投入与产出一一对应，可用于比较不同性质的组织之间在相同单项指标下的差异，但无法测量多重投入与多重产出的复杂情况，容易因投入产出项目覆盖不全使测评结论产生偏差。二是便于测算。测算方法简单，操作简便。由于获取数据资料容易，通俗易懂，往往较多地为政策制定者统计和使用。不过，也因各组比值的测评单位不同，各组效率结果之间有时会产生矛盾，难以形成科学的总体评价。三是易于受影响。侧重对数量的测评，忽略对质量的测量，容易受外部环境因素干扰，却又不能直接找出干扰因素。

可以说，比率分析方法往往可以根据研究目的设计，来细化效率评价项目，并因其单位选取的多样化可以在一定程度上避免效率测量时的经济成本导向，但较难以克服多因素分析和过程控制等问题。

2．数据包络分析方法（DEA）

数据包络分析方法是一种不需要设定生产函数、不考虑随机误差的非参数固定前沿技术效率分析方法。它是运筹学、管理科学和数理经济学交叉研究的领域。它使用数学规划模型评价多个输入和多个输出的决策单元间的相对有效性。其原理是借鉴计量经济学的边际效益理论和数学的线性规划模型，在所选择的样本中构建效率生产前沿边界，通过测算各决策单元（DMU）是否位于生产前沿面，来比较得出决策单元之间的相对效率。谢尔曼（Sherman）于1984年首次用这种方法测量了医疗卫生机构的技术效率，他对马萨诸塞州的7个教学医院中外科医疗单元的经济效益做出了评价，随后该方法得到了广泛应用。Charnes和Cooper等则最先提出的DEA模型为CCR模型。Caves、Christensen和Diewert在CCR模型的基础上构造Malmquist全要素生产率指数，来测度技术效率问题。Färe等按照Fisher的思想，用两个Malmquist生产率指数的几何平均值来计算全要素生产率的变化，然后将该生产率指数分解为相对技术效率和技术进步两个部分。数据包络分析方法（DEA）目前已经是评价医疗卫生机构技术效率较为成熟和较为先进的方法之一，可以用来分析医院的资源管理和服务产出，是卫生服务研究的基准方法。

在运用数据包络分析方法（DEA）评价效率时，有投入主导型和产出主导型两种导向。投入主导型是在产出值固定的情况下，计算投入要素可以缩减的部分；产出主导型是在投入保持不变的情况下，计算产出要素可以扩张的部分。由于卫生领域很多资源一旦投入就没法收回，且使用周期较长，所以投入资源在一次配置之后，很难在较短的时间进行缩减；并且卫生事业是具有公益性和福利性质的，卫生资源的配置是根据人群健康水平和医疗卫生服务需求，按照区域卫生规划配置的，而不能根据实际产出来缩减投入。因此，在现有投入下追求最大产出，比实现已投入卫生资源的充分利用更具现实意义，即选用产出主导型比较合适医疗卫生服务系统。

相对于单投入/单产出指标单位不统一的比率分析法，数据包络分析方法（DEA）实现了多投入/多产出问题的处理，但因不考虑随机误差，不能直接对结果进行统计推断。另外，测量误差会导致测量结果的偏差，样本的大小和异质性很大程度上也会影响测量结果的准确性。

3．全要素生产率（Total Factor Productivity, TFP）

增长率常常被用来分析要素生产率对经济增长产生贡献，从而判断经济增长方式及其变动。现代经济学中普遍认为全要素生产率包含两个方面的内容：一是技术进步变化，二是效率技术变化。技术进步反映了由科学技术创新、科学技术改造以及先进科学技术引进等引起的生产工艺技术改进，而使得资源利用率增大。效率技术进步反映了一国由各种制度因素（如市场化程度、产权、制度、基础设施、医疗卫生服务市场发育程度、贸易开发度、政府对市场的干预程度等）对生产效率提高产生的影响。

1953年，经济学家、统计学家斯腾·马尔姆奎斯特（Sten Malmquist）提出了用于分析不同时期消费变化的指数，其基本思想是：比较两组消费数据时，分别利用其中一组数据的无差异曲线作为参考文集，对两组消费数据进行判断。1994年，Färe等人确立了描述生产率变化的指数来考察相邻时期生产效率的变化。该指数也被称为马尔姆奎斯特指数（Malmquist Index）。

DEA－Malmquist分析法是测算和分解全要素生产率增长最常用的方法，适用于面板数据（Panel Data）分析。Färe等人提出DEA线性规划方法，利用距离函数来计算，定义了基于Malmquist指数的全要素生产率。在定义Malmquist指数时，要选择一个基期，可以选择t期的，也可以选择t +1期的，为了避免基期的混淆，参照Färe等人的定义，本研究定义在时期t（基期）到当期t+1之间的基于产出的Malmquist的全要素生产率变化指数为两个时期的几何平均。具体公式如下：

上式表示生产函数点（yt +1, xt +1）相对于（yt, xt）的全要素生产率变化。

其中，x表示投入指标，y表示产出指标，t表示年份。分别为t、t +1期的DEA效率值，为相对于t期的技术、t+1期的DEA效率值，为相对于t+1期的技术、t期的DEA效率值。

基于可变规模报酬假设，根据Färe等人的研究，全要素生产率变化可以分解为技术效率变化和技术进步变化（也称为技术变化），公式3－2可以分解为：

其中：

如果将规模报酬不变的假设改为规模报酬可变的情况，则可以把技术效率变化分解成为规模效率变化和纯技术效率变化。这样一来，全要素生产率变化就可以分解为纯技术效率变化、规模效率变化、技术进步。即：全要素生产率变化指数（TFPC）＝纯技术效率变化指数（PEFFCH）×规模效率变化指数（SCH）×技术进步指数（TCHCH）。相关变量的定义如下。

全要素生产率变化指数是指与t期相比，t+1期全要素生产率变化情况：若取值＞1，表示与t期相比，t+1期全要素生产率提高，说明成本降低、产出增加；反之，全要素生产率下降；取值＝1则不变。

技术进步指数是指随时间而发生的生产前沿移动：若取值＞1，表示生产前沿外移，表示与t期相比，t+1期技术提高；反之，表示生产前沿向原点移动，说明技术下降；取值＝1则表示不变。技术进步通常是因为技术的发明或创新导致成本节约或生产率提高，技术下降则需加快创新。

技术效率变化指数是相对于整个业界的效率水平下降，决策单元持续改善的追赶效果：若取值＞1，表示与t期相比，t+1期技术效率提高，说明效能改进或资源浪费、误用的情况有所改善；反之，表示经营效率不高或资源浪费、误用情况加重；取值＝1则表示无变化。技术效率变化指数可进一步分解为纯技术效率变化指数和规模效率变化指数。

纯技术效率变化指数是相对于上期纯技术效率水平，本期决策单元的纯技术效率情况：若取值＜1，表示与t期相比，t+1期纯技术效率下降，说明经营技术低于行业平均水平，可通过管理者提高经营能力予以改善。

规模效率变化指数是相对于上期规模效率水平，本期决策单元的规模效率情况：如取值＜1，表示与t期相比，t+1期规模效率下降，说明需要调整规模。

本研究中使用软件DEAP 2.1来计算医疗卫生服务体系的全要素生产率。

（二）研究现状

专题研究中国新医改政策的文献有不少，多集中于论证性研究，实证的量化研究有限。从文献分析，国内外学者对卫生行业生产效率、医院效率的测量方法主要有：比率分析法、计量经济学回归分析（Econometric Regression Analysis）、数据包络分析法、随机前沿面成本/产出公式（Stochastic Frontier Cost/Production Function）。目前，国内外学者大都采用数据包络分析法和随机前沿分析（SFA）进行评价。Grosskopf等人用数据包络分析法比较加利福尼亚22家公立医院与60家私人非营利性医院的效率后发现，公立医院比私人非营利性医院有较高的效率。Ozcan等人通过评估弗吉尼亚州不同所有权的城市医院技术效率认为，在有效率的医院中，营利性的医院较少，而有效率的非营利性医院较多，同时营利性医院和其他类型的医院相比，往往在供给和固定资产方面的投入较少，而在服务和人力方面投入较多。Ozcan等人发现营利性的疗养院比非营利性的疗养院有效率。Dalmaumatarrodona等人先用Herfindahl－Hirschman index表示市场集中程度，然后用数据包络分析法得到每个医院的技术效率和规模效率，最后用受限因变量的Tobit模型进行回归分析，结果显示市场竞争者个数与医院效率存在正相关性。Roberrto等人对意大利1183家医院数据进行分析后，认为竞争在提高医院生产的效率中不能扮演绝对重要的角色。国内学者王宝顺等选取中国2005～2008年省级公共卫生的投入与产出数据为样本，运用DEA－Malmquist模型分析发现，受到生产技术变动的影响，地方公共卫生财政支出全要素生产率逐年下降。李习平基于2005～2011年省际面板数据，运用随机前沿分析（SFA）发现中国医改政策以及相关法律对中国医疗卫生服务行业产生巨大的影响，政策的导向性对医疗机构经营也有作用。韩华为等使用基于产出导向的二阶段数据包络分析法与Tobit模型，核算了中国31个省份1997～2007年政府卫生支出综合技术、纯技术、规模效率变化及其变化趋势，指出适当的财政集权与推行医疗改革均有利于缩小东、中、西地区之间的效率差异。戴平生利用三阶段数据包络分析法方法对1985～2009年中国卫生行业医疗供给效率进行测度，发现医疗供给效率经历了1985～1992年的改善、1993～2002年的低位徘徊和2003～2009年的持续改善三个阶段，效率变化过程体现了明显的政策效应。

不过，现有的研究大多基于宏观数据分析，对个体医院服务效率的调查研究相对较少。多数文献把不同级别、规模的医院放在一起进行比较。Chilingerian、Laurie J. Bates均指出：当不同的医院专注于不同的方面时，把不同医院放在一起进行效率比较是不合适的，因为不同类型的医院针对不同的疾病类型，医院资源配置结构不同，产出结构也不相同。孙强等运用数据包络分析法对卫生部57家成本监测医院进行效率分析，发现西部医院的总体效率最高、东南沿海地区医院的总体效率偏高于中部地区的医院。汪唯等人利用问卷调查方式对广东省公立医院效率进行分析，并比较不同地区、不同级别医院之间的差异，发现广东省公立医院平均总体效率值是0.727，表明广东省公立医院总体效率较差，不同地区医院的效率存在差异。李萌等发现2010年湖南省29家社区卫生服务中心的纯技术效率较低，约有78%的社区卫生服务中心存在规模不经济和资源配置不合理的情况，基本医疗服务和公共卫生服务发展不均衡。专题研究中国民营医院效率的文献更少，多集中于论证性研究，实证的量化研究更为有限。这可能与民营医院属于私有财产，数据采集存在相当大困难有关。杨永梅通过数据包络分析法两阶段方法对上海10家公立和10家外资医院的实证分析表明，公立医院和外资医院之间存在显著的效率差异，外资医院普遍经营效率高于公立医院。戴鲁男等人应用数据包络分析法发现2005年上海市58家民营医院中专科及综合性医院的整体有效性要好于精神康复医院与老年护理医院，非营利性医院的效率好于营利性医院，医院的总体有效性、技术有效性与规模有效性差异明显，规模或技术有效性存在缺陷。