基于三阶段DEA的广东省医疗救助效率评价

□ 李蕾 LI Lei 孙鼎涵 SUN Ding-han 钱锡红 QIAN Xi-hong

新冠肺炎疫情发生以来，我国的医疗救助机制在应急措施上存在潜在风险[1]。后疫情时代，只有不断完善重大疾病医疗保险及医疗救助制度，才能在突发公共卫生事件来临时及时采取有效的措施。因此，有必要通过对医疗救助效率进行评价来推动医疗救助制度的完善，以取得更好的医疗救助效果。

国内外学者主要从医疗救助覆盖面[2]、健康扶贫资金支出效率[3-4]等角度评价医疗救助的效率，而方法上主要采用因子分析[5]、模糊综合评价[6]、层次分析[7]、数据包络分析(data envelopment analysis，DEA)[8-9]等。目前，国内外关于医疗救助政策研究的文献较为丰富，然而，利用实证模型来研究医疗救助效率的文献较少，使用三阶段DEA方法的研究更是凤毛麟角[10]，并且大多数效率测算没有考虑环境变量和随机误差的影响[11-12]，所得结论无法客观反映真实情况。

广东省作为全国经济强省，医疗卫生事业改革和医疗救助方面取得的成就有目共睹，通过资助参保、门诊救助、住院救助、临时救助等多重措施，有效保障了困难群众的健康权益。基于此，本研究采用三阶段DEA方法对广东省21个地级市医疗救助效率进行评估，探讨医疗救助效率的影响因素和资源使用状况，为广东省以及其它省份各地级市正在进行的医疗卫生事业改革提供建议。

资料与方法

1.资料来源。数据来源于2016—2018年《广东省卫生健康统计年鉴》《广东统计年鉴》《广东社会服务业统计季报》。

2.指标选择。基于对医疗救助研究范围的界定及相关文献研究，以科学性、完备性、可比性和可获得性为指标选取原则，最终选择各地市直接医疗救助支出作为投入指标[10]；选择居民最低生活保障人数、资助救助对象参加基本医疗保险人数、直接医疗救助人数作为产出指标。环境变量主要选择人均GDP、常住人口数、一般公共预算支出这些会影响医疗救助效率的变量。

3.研究方法。第一阶段使用DEAP2.1软件测算初始效率值。运用传统DEA中的基本模型BCC(Banker， Charnes and Cooper)模型，将每个地级市视为一个决策单元，把选取的投入产出指标按年份整合后，遵循“产出在前，投入在后”原则通过DEAP2.1软件运行，由此完成对决策单元的效率评价。由BBC模型测算的效率值，得出技术效率(TE)、纯技术效率(PTE)、规模效率(SE)以及规模报酬递增(irs)、规模报酬递减(drs)、规模报酬不变(-)的情况。在第一阶段结果的基础上，第二阶段利用Front4.1软件通过随机前沿分析方法(stochastic frontier approach， SFA)进行SFA回归，由此分离管理无效率项，得到调整后的投入值。第三阶段根据第二阶段的结果，将调整后的投入变量和原始产出变量利用第一阶段的BCC模型再次测算医疗救助效率，由此得到各地市调整后的技术效率、纯技术效率和规模效率。

结果

1.第一阶段：初始DEA效率评价。2016年广东省21个地级市调整前(第一阶段)医疗救助效率均值为0.496，纯技术效率均值为0.771，规模效率均值为0.668。2017年调整前医疗救助效率均值为0.632，纯技术效率均值为0.772，规模效率均值为0.849(见表1)。为了达到有效生产前沿面，即医疗救助效率均值为1，2016年直接医疗救助支出、居民最低生活保障人数、资助救助对象参加基本医疗保险人数、直接医疗救助人数应各减少50.4%；2017年应各减少36.8%，其中若要达到纯技术效率有效，即纯技术效率均值为1，投入产出4项指标应各减少22.8%；若要达到规模效率有效，即规模效率均值为1，2017年投入支出4项指标应各减少15.1%。表2展示了2018年广东省21个地级市的DEA调整前的效率值。

表1 广东省医疗救助效率值

表2 2018年广东省地级市DEA调整前(第一阶段)结果

为了达到有效生产前沿面，2018年广东省21个地级市直接医疗救助支出、居民最低生活保障人数、资助救助对象参加基本医疗保险人数、直接医疗救助人数应各减少48.9%。其中若要达到纯技术效率有效，投入产出指标应各减少29%；若要达到规模效率有效，应各减少22.7%。

综合来看，在没有剔除随机误差和环境因素的影响下，2016—2018年平均医疗救助效率水平变化较大。极少数地级市处于有效生产前沿面；极少数地级市规模报酬不变；较多地级市规模报酬递减。同时，大多数地级市的纯技术效率值都低于规模效率值，由此可见，导致医疗救助效率不高的主要因素可能是纯技术效率低下，第一阶段不能较好地反应广东省21个地级市医疗救助的实际水平。

2.第二阶段：基于SFA的回归调整。将投入指标的松弛变量γ作为被解释变量，环境变量作为解释变量，进行 SFA回归，并在此基础上分离管理无效率项，得到调整后的投入值。结果发现，单边似然比检验通过0.01的显著性水平检验，说明对环境变量进行剥离是合理和必要的，故而可以进行SFA回归分析。回归结果表明，2016—2018年一般公共预算支出的回归系数分别通过10%、1%和5%的显著性检验。此外，投入松弛变量的γ值均无限接近1，说明环境变量对投入变量的影响较大。

通过对广东省2016—2018年21个地级市SFA回归可知，2016—2018年，人均GDP和常住人口数的回归系数均为负，一般公共预算支出的回归系数均为正，即投入松弛变量与环境因素呈正相关关系，表明预算支出的增加有利于救助效率的提高。

3.第三阶段：调整后的DEA效率评价。2016、2017年调整后的各地市技术效率均值都比调整前上升。2017年调整后平均综合技术效率比调整前上升23.2%，平均纯技术效率比调整前上升3.2%，平均规模效率比调整前上升2%，说明2017年广东省医疗救助效率受环境因素影响较大。从各地级市来看，2016年调整后纯技术效率有效的地级市数量比调整前减少了2个，说明调整前有利的外部因素是医疗救助效率较高的主要因素。2018年调整后平均综合技术效率比调整前上升1.5%，平均纯技术效率比调整前上升5.7%，而平均规模效率比调整前下降5%(见表3)。表4展示了2018年广东省21个地级市的DEA调整后的效率值，表5说明了2018年调整前后广东省各地级市医疗救助状态分布情况。

表3 调整后医疗救助效率值

表4 2018年广东省地级市DEA调整后(第三阶段)结果

表5 2018年广东省地级市医疗救助效率

综上得知，2018年广东省21个地级市医疗救助效率调整后有47.62%处于效率递增状态，除极少数地级市调整后综合技术效率下降外，其它地级市综合技术效率值均比调整前有所上升(见图1)。虽然调整后医疗救助效率出现明显升高，但处于技术效率有效的地级市仍占比较小，这说明广东省医疗救助机制仍有不足，需要实施更加精准的医疗救助，建立好医疗救助协调机制。

图1 2018年三阶段DEA调整前后各地级市综合技术效率

讨论

本研究利用三阶段DEA模型测算2016—2018年调整前后广东省21个地级市医疗救助效率值。结果表明，2016—2018三年间，除2017年广东省21个地级市医疗救助效率波动较大外，其它两年均波动较小，这可能与2017年国家出台多项医疗政策有关[13]，导致原本的医疗服务运行模式被打破，继而医疗救助效率产生一定波动。在剔除随机误差和环境因素影响后，各年医疗救助效率水平均有不同程度提升，说明不利的外部因素影响低估了广东省各地市医疗救助效率。此外，2016—2018年除个别地级市调整后综合技术效率下降外，其它地级市综合技术效率值均比调整前上升。调整后效率值下降的地级市是因为在第一阶段面临较好的环境因素，从而导致效率值虚高；调整后效率值上升的地级市是因为在第一阶段未考虑环境因素和随机误差的影响，技术管理水平被低估。因此，若不采取较科学的测算方法，医疗救助效率值就会虚高或虚低，不能真实地反映医疗救助的效率水平。此外，广州、深圳等经济较发达地市还存在医疗救助综合效率较低，但纯技术效率较高的现象。综合效率较低是由于规模效率较低，这说明医疗救助资源在配置上没有达到最优，存在一定的救助资源浪费问题。例如，个别经济发达地市对于残疾人存在重复救助问题。纯技术效率较高说明在医疗救助具体实施方面的决策和管理水平较高。基于此，本文提出如下建议：

1.实施精准救助[14]。依托互联网平台，实时获取困难群众数据及变动人员信息，并做好与民政局、医保局等救助单位的信息共享，精准识别救助对象，实行分类救助[15]。同时，不定期按一定比例对救助对象进行抽查，进行精准监管，确保医疗救助工作的公平、公正和公开。组建网格员、医保员队伍，保证困难群众足不出户了解政府惠民政策，实现精准服务。

2.采用科学的方法评价医疗救助效率。续晓方等[16]研究表明，卫生资源的投入应采取科学调研与合理测算相结合的方法，提高卫生资源配置效率，同时，通过改善外部经济、政治等环境因素，提高医疗救助效率。

3.加快建立健全医疗救助法律法规。任玙和杨晓胜[17]研究发现，国外医疗救助较规范的国家，大多都有较完善的法律法规；因此，应依据实际情况加快推进医疗救助法制化建设，明确医疗救助实施细则，避免出现管理混乱、筹集资金不当、资金滥用等现象。

4.建立医疗救助协调机制。明确医疗救助和基本医疗保险的责任边界，发挥医疗救助的兜底保障功能，发挥基本医疗保险的互助共济功能，做好两种制度的有效衔接。做好医疗救助政策与基本医保、扶贫等政策的协同，医保、残联、妇联、优抚处、扶贫办等部门需要进一步加强沟通协调、数据信息共享、政策协同，确保不漏保一人，不重复发放待遇，充分发挥医疗救助资金的使用效率。