張霞蕊，林 萍,2，朱衛(wèi)未 ZHANG Xiarui, LIN Ping,2, ZHU Weiwei

（1.南京郵電大學 管理學院，江蘇 南京 210003；2.南京郵電大學 高質量發(fā)展評價研究院信息產業(yè)融合創(chuàng)新與應急管理研究中心，江蘇 南京 210003；3.江蘇科技大學 經(jīng)濟管理學院，江蘇 鎮(zhèn)江 212003）

0 引 言

醫(yī)療衛(wèi)生體制改革是推動醫(yī)療高質量發(fā)展的重要舉措，而醫(yī)院的運營情況直接影響醫(yī)療系統(tǒng)效率。隨著醫(yī)改的不斷推進，我國的醫(yī)療系統(tǒng)不斷完善、醫(yī)療服務水平不斷提高，然而醫(yī)療供給側問題仍較突出，比如醫(yī)療資源配置不均衡、各區(qū)域之間的醫(yī)療水平差異較大[1]。因此，在構建現(xiàn)代化醫(yī)療體系進程中，特別是應對突發(fā)公共衛(wèi)生事件危機，醫(yī)療系統(tǒng)平穩(wěn)運行、縮小地區(qū)間醫(yī)療服務差距，是居民健康的重要保障，有利于推進醫(yī)院的高質量發(fā)展[2]。針對新冠防疫特殊事件，從經(jīng)濟效率、社會效率和公益效率等方面評價我國各省醫(yī)院系統(tǒng)綜合效率，有助于從醫(yī)療資料配置與服務效果視角對比分析各省醫(yī)院系統(tǒng)運作效率，促進醫(yī)院系統(tǒng)提升應對突發(fā)公共衛(wèi)生事件應急處理能力、提升居民醫(yī)療福利。

當前國內外學者對醫(yī)院綜合效率的研究大多集中在資源配置[3]、經(jīng)濟效率[4]測量等方面。從評價指標方面看，Yang[5]將人口為基礎的健康指標引入DEA 模型，提出了解決衛(wèi)生資源分配問題的新方法；Yan 和Tian[6]主要從經(jīng)濟效率評價中國鄉(xiāng)鎮(zhèn)醫(yī)院衛(wèi)生資源的分布；閆昱彤等人[7]建立了反映經(jīng)濟效益和社會效益的評價體系，評價了我國醫(yī)療行業(yè)全要素生產率；蔣文君[8]在衡量某市H 醫(yī)院的運營效率時引導醫(yī)院向公益型轉變，以解決在以民生為本的環(huán)境中解決人民的看病難題。此外，張鳳、任天波等人[9]在評價公共衛(wèi)生醫(yī)療支出效率的基礎上，進行外部影響因素的Tobit 回歸。本文擬從經(jīng)濟效率、社會效率和公益效率3 個方面進行綜合評價，以期評價更加貼合實際，提高評價結果的全面性、科學性。

從評價醫(yī)療效率的方法來看，較為常用的有多元回歸分析模型、數(shù)據(jù)包絡模型（DEA）、Topsis 綜合評價法、秩和比綜合評價法（RSR） 法等。其中DEA 模型對于評價多投入、多產出單元有效性十分有效，而RSR 方法也常用于評價多個指標的綜合水平情況，醫(yī)療研究領域應用尤為廣泛，這兩種方法都適用于醫(yī)療效率的評價[10]。另一方面，對于非期望產出的處理，一般是調整變量或模型，比如將非期望的輸出乘以-1、將非期望的輸出視為輸入等，但仍無法全面準確反映實際的生產過程[10]。結合Zhang et al[11]的觀點，本文擬采用反向DEA 模型處理不良的輸出，以反映實際的生產過程，同時擬將DEA 與RSR 相結合，提高評價效率。

1 模型構建

1.1 DEA 和反向DEA 模型

數(shù)據(jù)包絡分析（DEA） 是由著名運籌學家A Charnes，Cooper 和Rhodes[12]提出的系統(tǒng)分析方法。為了解決非期望產出問題，Baumol et al[13]提出經(jīng)過非線性變換將非期望產出轉化為期望產出；Zhou et al[14]提出將非期望的輸出視為輸入。部分學者則提出反向DEA 的解決思路，Yamada et al[15]等人提出的反向DEA 來評價含有非期望輸出的DMU 的低效得分；Amirteimoori[16]利用由生產可能性集的邊界和由準生產可能性集的邊界點組成反效率邊界；Liu et al[17-18]結合高效和低效標準對DMU 進行排序；更進一步，Entani et al[19]同時采用DEA 模型和反向DEA 模型，得到了DMU 區(qū)間效率的上界和下界；Zhang et al[11]提出在相同輸入的情況下，使用DEA 模型和反向DEA 模型分別提高具有期望輸出DMU 和非期望輸出DMU 的識別能力?；谏鲜鲅芯砍晒?，并考慮醫(yī)院運營存在非期望產出的特點，本文同時使用DEA 和反向DEA 分別進行醫(yī)院綜合效率評價。

在DEA 模型中，對DMU 的效率評估是從每個DMU 的樂觀角度計算產出的最大比率，而反向DEA 模型是從悲觀角度出發(fā)，將計算輸入與產出的最大比例作為效率。假設有n 個決策單元DMU，即DMUj（j=1,2,…,n ），每個DMU 有m 個投入，s 個產出（期望產出或者非期望產出）。對于DMUj來說，利用Xij（i=1,2,…,m ）產生Yrj（r=1,2,…,s ），那么DMU 以及反向DMU 模型如下所示。

其中：式（1） 為DEA 模型，式（2） 為反向DEA 模型，θ 和θ'是DEA 和反向DEA 效率得分，且兩者都考慮輸入和輸出的松弛，引入了變量和，ε 是非阿基米德無窮小。

利用DEA 模型和反向DEA 模型，對具有期望輸出和非期望輸出的DMU 進行效率分析，得到4 個效率得分。通過模型（1） 計算出具有期望輸出和非期望輸出的DMU 的效率得分，記為θg和θb，同樣地，通過模型（2） 可以得出具有期望輸出和非期望輸出的DMU 的低效率得分和θ'b。根據(jù)DEA 模型和反向DEA 模型的性質，θg和越大越好，而θb和越小越理想。

1.2 秩和比綜合評價法

秩和比綜合評價法[20]是在一個n 行m 列矩陣中, 通過秩轉換, 獲得無量綱統(tǒng)計量RSR，并運用參數(shù)統(tǒng)計分析的概念與方法,研究RSR 的分布；以RSR 值對評價對象的優(yōu)劣直接排序或分檔排序, 檔次越高，其結果越好。主要分析步驟如下。

（1） 準備好數(shù)據(jù)，并且進行同趨勢化與量綱問題處理；

（2） 確認各指標權重，可使用熵權法、層次分析法等；

（3） 計算秩值，根據(jù)每一個具體的評價指標按其指標值的大小進行排序，得到秩次R，用秩次R 代替原來的評價指標值；

（4） 計算得到RSR 值及排名；

（5） 列出RSR 分布表并且得到Probit 值；

（6） 以Probit 值為自變量，以RSR 值為因變量，計算直線回歸方程，擬合所對應的RSR 估計值；

（7） 根據(jù)擬合的RSR 值排序，并且進行分檔。

本文將從DEA 和反向DEA 模型中計算出的效率值作為RSR 方法的原始值，可以將DEA 方法視為RSR 方法前的數(shù)據(jù)預處理步驟，綜合樂觀和悲觀的角度，對綜合效率進行全面的評價。

2 我國31 個省的醫(yī)院綜合效率評價

2.1 指標體系構建與數(shù)據(jù)來源

本文在評價醫(yī)院綜合效率時首先考慮評價指標的全面性[21-22]。根據(jù)真實反映生產過程、可獲得性等原則，本文將衛(wèi)生機構數(shù)量、床位數(shù)、衛(wèi)生人員作為投入，診斷次數(shù)、入院次數(shù)、病床使用率作為期望產出，鎮(zhèn)居民醫(yī)療保健支出占消費性支出作為非期望產出。（1） 診斷次數(shù)反映了經(jīng)濟效率，在一定范圍內，就診病人數(shù)量增加越多，越有利于提高醫(yī)院經(jīng)濟效率；（2） 入院次數(shù)、病床使用率反映了醫(yī)院根據(jù)地區(qū)疾病分布情況合理分配醫(yī)療資源，有效救治病人、提高病人康復幾率，體現(xiàn)了社會效率[7]；（3） 居民醫(yī)療費用占比作為公益效率指標，醫(yī)院不僅救治病人，亦承擔宣傳醫(yī)學知識、提高居民健康素養(yǎng)的公益宣傳職能，同時在一定程度上反映我國醫(yī)療保險覆蓋范圍的擴大，其比例越小，說明病人支付醫(yī)療費用的負擔越小。

本文數(shù)據(jù)來源于《中國統(tǒng)計年鑒（2019—2020）》和《中國衛(wèi)生健康統(tǒng)計年鑒（2019—2020）》，投入產出指標如表1 所示。

2.2 防疫期間醫(yī)院綜合效率評價分析

首先采用Lingo 軟件將具有期望產出和非期望產出的數(shù)據(jù)分別代入（1） 和（2） 模型，得到4 組效率值，得出結果如表2 所示。

根據(jù)1.2 節(jié)中所述步驟，將表2 中的結果作為評價指標，進行計算。其中：θg和是正向指標，按照從小到大編秩，θb和是逆向指標，按照從大到小編秩，得到回歸模型為Y=-0.268 97+0.192 52*Probit。此外，為了證明該方法的優(yōu)越性，采用Zhang et al[11]的方法進行對比。具體結果如表3 所示。

表3 醫(yī)院綜合評價分檔等級結果

Zhang et al[11]的方法利用4 個效率值構成一種新的效率度量，并排序，提高了具有不良輸出的DMU 的識別能力，如表3 第7 列所示。但如果要對省份的等級進行分類還需采用Z 分布方法。而本文提出的方法可以同時獲得排序和分檔，且排序結果同Zhang et al[11]的方法較為接近，由此可以說明本文方法在測量各省份的綜合效率以及等級劃分上更加適用。

2.3 防疫前后醫(yī)院綜合效率對比

為了更好地反映在疫情爆發(fā)的情況下，2020 年各省醫(yī)院的綜合效率受到的影響及各省防疫措施的有效性，本文選取2019年的數(shù)據(jù)進行對比。采取同樣的計算步驟，得到2019 年的綜合評價分檔結果如表3 最后一列所示，具體變化情況如圖1 所示。

圖1 各省份防疫前后醫(yī)院綜合效率排名及對比

結合表2 關于經(jīng)濟效率、社會效率和公益效率的數(shù)據(jù)結果，可以看出：

（1） 在2020 年，山東、廣東、四川3 個省份位于第四檔次，其醫(yī)院綜合實力最強。在新冠疫情下，由于其“硬核”的防疫措施，堅持推動醫(yī)防融合發(fā)展，仍然保持在全國的最高檔次。其中廣東省在人力方面資源較為充足，并且診斷次數(shù)在31 個省份中最為突出，經(jīng)濟效率和社會效率較為突出；從公益角度來看，廣東省居民看病負擔較小，這與廣東省醫(yī)療保障局全力推進疫情防控常態(tài)化條件下的醫(yī)療保障工作密切相關，其中2020 年印發(fā)的《廣東省基本醫(yī)療保險門診特定病種管理辦法》第一條，目的就是為了提高門診特定病種保障水平，減輕參保人員門診醫(yī)療費用負擔，此外，對于新冠肺炎患者，個人負擔醫(yī)療部分由政府給予補助，極大地降低了醫(yī)療負擔。

（2） 河南、湖北、江蘇、江西等13 個省份位于第三檔次，醫(yī)院綜合效率相對較為突出。江蘇省2020 年的排名較2019 年上升明顯，資源進一步增長，雖然病床使用率有所下降，但在疫情之下，江蘇省衛(wèi)生健康委加強醫(yī)療資源分配、組織安排好醫(yī)療秩序，從而使得醫(yī)療服務管理得到進一步加強，綜合效率排名顯著提高；湖北省受疫情沖擊最大，其綜合效率表現(xiàn)進一步凸顯提高醫(yī)院抗突發(fā)公共衛(wèi)生事件能力的重要性和必要性。

（3） 北京、山西、內蒙古、甘肅等12 個省份位于第二檔次，綜合效率相對較低，2020 年較2019 年的排名變化不大。其中北京作為中國的首都，人員流動較大，外來就診人員相應較多，醫(yī)院系統(tǒng)的經(jīng)濟效率和社會效率都一直處于高水平，從反向DEA 角度看，其公益效率也較為突出，進一步說明北京醫(yī)保政策在逐漸完善，為保證北京市城鄉(xiāng)居民能夠共享改革發(fā)展成果，2020 年財政持續(xù)加大了對城鄉(xiāng)居民醫(yī)保補助力度，人均財政補助再增加每年1 000 元。山西、內蒙古、遼寧、吉林、黑龍江則應考慮資源的合理分配，其在經(jīng)濟效率、社會效率和公益效率方面都有較大提升空間。

（4） 青海和西藏位于第一檔次，雖然在2020 年受新冠肺炎疫情的影響略小，但由于其本身的醫(yī)療資源缺乏、醫(yī)療技術相對落后，綜合效率仍有很大的改進空間。

3 結論與展望

在這場對抗新冠肺炎疫情的攻堅戰(zhàn)里，作為疫情防控的主體，醫(yī)療行業(yè)無疑始終站在最前線，各省的醫(yī)療制度、醫(yī)療水平、醫(yī)療資源發(fā)揮了重要作用，而部分地區(qū)醫(yī)療資源的擠兌問題進一步暴露出，應通過醫(yī)院等權威機構的科普宣傳提高居民健康素養(yǎng)，合理、有效利用醫(yī)療資源是迫在眉睫的。因此，本文采用DEA-RSR 評價法，通過評價防疫前后各省醫(yī)院在經(jīng)濟效率、社會效率和公益效率方面的表現(xiàn)，有助于各省份醫(yī)院調整醫(yī)療資源分配、擴大醫(yī)療服務功能，對標高檔次省份的醫(yī)院資源分配和運作模式，特別是提高醫(yī)療資源和資源運用的彈性，實現(xiàn)日常診療和有效應對突發(fā)公共衛(wèi)生事件危機的雙重目標，更好地服務于居民。

醫(yī)院綜合效率的提高首先應重視醫(yī)院管理的科學化，分析效率低下的原因后，調整醫(yī)療資源的分配，提高利用效率。此外，也要加強醫(yī)療創(chuàng)新、引進醫(yī)療技術人才等，合理控制醫(yī)院的規(guī)模，以提高各個省份醫(yī)院的綜合實力。在未來的研究中，可以更進一步地分析醫(yī)院綜合實力的影響因素，進行預測分析，從而在下一個階段穩(wěn)定運營、有針對性的改進。