大型综合公立医院效率特征及变动研究

王小万 刘丽杭 匡绍华 刘双梅 毛燕娜 游 冒

1.中国医学科学院卫生政策与管理研究中心 北京 100020 2.中南大学公共管理学院 湖南长沙 410083 3.中国聋儿康复研究中心 北京 100029 4.南方医科大学 广东广州 510515 5.国家卫生计生委卫生发展研究中心 北京 100191



·医院管理·

大型综合公立医院效率特征及变动研究

王小万1刘丽杭2匡绍华3刘双梅1毛燕娜4游 冒5

1.中国医学科学院卫生政策与管理研究中心 北京 100020 2.中南大学公共管理学院 湖南长沙 410083 3.中国聋儿康复研究中心 北京 100029 4.南方医科大学 广东广州 510515 5.国家卫生计生委卫生发展研究中心 北京 100191

目的：从静态与动态两个层次分析大型综合公立医院的效率特征及变动趋势。方法：采用数据包络分析的C2R-DEA和BC2-DEA模型与Malmquist指数模型，利用50家大型公立医院2006—2012年的人员、设备、资产、医疗服务等投入—产出指标，构建适宜分析模型。结果：约10%～12%样本医院处在相对有效运行状态，其配置效率均值与规模效率均值分别为0.956与0.943，接近效率前沿，其效率表现相对较好；而纯技术效率均值、技术效率均值、成本效率均值与整体效率均值分别为0.796，0.784，0.714和0.714，与效率前沿差距较大，其效率表现相对较差。同时，样本医院处于规模报酬递减状态的医院由7.69%增加到26.31%，而处于规模报酬递增状态的医院由80.77%下降到58.34%；其技术进步与Malmquist生产率指数、技术效率指数、纯技术效率指数与规模效率指数的变化保持比较稳定的一致性，并呈现持续改善与稳步发展的趋势。结论：大型公立医院正面临着发展动力与激励机制的转换，不仅需要转变医院管理理念与发展模式，也需要构建有关结构、过程和结果的最佳效率评价标准，以促进包括政府职能在内的医院治理与发展模式的转变。

三级综合医院； DEA； Malmquist指数； 效率； 评价

大型公立医院是我国医疗服务体系的核心，在保障基本医疗服务供给、急危重症和疑难病症诊疗、医疗卫生人才培养，以及医学科技发展等方面发挥着不可替代的作用。根据2013年《中国卫生和计划生育统计年鉴》[1]，至2012年末，我国共有1 624家三级医院，共计146.97万张病床，平均每家医院拥有床位数905张，1 156名职工与49 459.5万元的总收入，其中药品收入占医院总收入的40.90%。2008—2012年的相关数据显示，我国三级公立医院床位数增幅达78.4%，800张床位以上医院的增幅达202%。[2]随着我国社会的城镇化与老龄化，特别是人口结构与疾病谱的变化，医疗与健康需求的爆发式增长超过了大型公立医院规模的快速扩张。但是，由于我国大型公立医院的结构与布局，特别是医疗服务价格体系尚不完善，加上社会尚未形成合理的分级医疗服务体系，不仅导致了大型公立医院服务人次的急剧增长，长期处于所谓供不应求的“战时状态”，给医院的管理与服务带来了巨大的压力；也使得大型公立医院依赖规模发展的效应得以充分体现，并形成粗放式规模发展模式。这也导致患者的过度集中，产生了投入不足与资源浪费并存，服务效率低下与社会矛盾不断加剧等一系列社会问题。[2]客观分析大型公立医院的效率特征及变化趋势，寻求促进改善效率、提升服务绩效与能力的相关改革措施，也就成为了深化公立医院改革需要解决的一个理论与实践问题。

医院效率是一个综合性概念，不仅是医院在技术、管理、规模与资源配置等服务能力方面的具体表现，也反映出医院发展的价值取向与社会责任，并呈现持续改进与不断完善的发展过程。[3]目前，对医院效率的评价一般是根据医院投入—产出的绝对数(既存量)为标准进行的绝对评价，如门诊和住院人次数、床位数、医技人员数、床位使用率、业务收入和支出等，是以绝对数作为评价标准或进行累加，即绝对产出越多，其评价值就越高，称为终结性或结果性评价；其不足之处是没有关注到医院发展的条件与相对效率。因此，其评价结果出现了一些误导及负面影响，如形成评价的“马太效应”或加重医疗资源的“虹吸效应”，并强化了大型公立医院的“利益聚集”[4]。

数据包络分析(Data Envelopment Analysis, DEA)作为一种常用的非参数前沿效率分析方法，是以资源利用所实现职能的效益为标准评价同类医院相对效率的方法。即通过对样本医院投入—产出绝对量之间的效益值转化，淡化绝对指标评价的权重，并关注到医院取得产出绝对量时其发展条件的差异性，因而比较全面；同时，它在关注各样本医院的绝对“效果”时，也关注其相对“效率”，并形成了独特的比较优势。[5,6]因此，本研究利用DEA模型，基于样本医院投入—产出过程所获得的相对效率值，从静态与动态两个方面系统描述样本医院的效率特征及变动趋势，并以此分析各样本医院投入规模的适宜程度，以及效率改善的方向与路径等，以期为政府相关部门提供循证依据。

1 资料与方法

1.1 资料来源

根据全国31个省市三级综合医院的规模、行业内影响力以及数据的可得性等，在各省市选取1～2家省级和1家市级三级综合性医院，然后根据《三级综合医院评审标准(2011版)》[7]，以及年平均实际开放床位数大于500张以上、卫生技术人员硕士学位人数≥80的要求进行筛选。在剔除不满足纳入条件的医院后，获得的样本医院50家。其数据来源于现场调查和主管部门相关数据统计报表，主要涉及2006—2012年样本医院在人力、财力、物力等方面的资源配置、服务提供及收支运营状况等。具体指标包括年末在职职工数、年末开放床位数、门急诊人次、出院人次、总支出、总收入等。同时，还收集了同期与样本医院相关的地方社会经济与卫生部门的统计年鉴资料与统计报表数据。

1.2 研究方法

基于数据包络分析的传统C2R-DEA和BC2-DEA模型，成本效率模型(Cost-DEA)以及Malmquist生产率指数模型，系统分析样本医院2008—2012年的相关效率值特征及跨期效率的变动趋势，即由C2R-DEA和BC2-DEA模型计算出各样本医院的技术效率值，纯技术效率值与规模效率值，由Cost-DEA模型计算出样本医院的成本效率值；在通过C2R-DEA模型和Cost-DEA模型获得各样本医院的技术效率和成本效率后，利用“余值法”计算其配置效率，并由此推算出各样本医院的整体效率值；基于Malmquist生产率指数模型获得各样本医院相关效率的动态变化指数。[5,8]由于医院的建筑设施、人力和设备等资源投入在短期内变化不大，且样本医院的医疗服务一直处在供不应求的状态。因此，主要选择产出导向模型进行分析。[5]数据处理是基于EXCEL构建相关的样本数据库，采用DEAP3.0和DEA-Solver(LV3.0)计算各样本医院的相关效率值及其变动指标值。

在DEA模型中，效率(或技术效率)可反映样本医院在投入一定的条件下产出最大化的能力；而规模效率表示样本医院的实际规模与最优生产规模之间的距离，反映其服务规模的有效程度与资源配置的适宜性；纯技术效率表示样本医院在控制其规模因素后，体现其管理模式与技术水平的服务能力；配置效率是样本医院在给定价格与技术的条件下，以适宜的组合方式实现资源有效利用的能力。[5]在模型计算时，如果上述效率值=1，则表示其效率相对有效，否则无效。C2R-DEA模型主要是评价样本医院的技术效率，而BC2-DEA模型则是将技术效率分解为纯技术效率和规模效率，以进一步分析样本医院技术效率低下是由纯技术效率低下或规模不当，还是二者共同所致。这比C2R-DEA模型更能准确地反映样本医院的管理能力与技术水平。[5]基于Malmquist生产率指数模型评价各样本医院全要素生产率的跨期变动，并将全要素生产率变动最终分解为纯技术效率变动和规模效率变动，可以进一步分析影响样本医院相关效率变动的原因。[5,8]

1.3 模型构建

基于文献综述和专家咨询，根据DEA模型在指标筛选上应遵循的可获得性、重要性、可比性、精简性、准确性、相关性和尽量避免重复测量的原则[5,8]，结合数据收集在时间上的完整性，初步筛选出13个备用模型评价指标[9,10]。投入指标如人力指标是年末在职职工数、物力指标是年末实际开放床位数，财力指标是总支出与医疗支出等；产出指标如服务量指标是门急诊人次、出院人次；资金收益指标是总收入和医疗收入等。在此基础上，结合所获得样本医院的相关数据资料，针对筛选出的投入—产出指标在相关性检验的基础上进行不同组合模型的效果评价，以构建本次研究适宜的分析模型(表1)。

表1 基于样本医院投入—产出指标构建的不同模型及比较

在数据核查和统计描述的基础上，利用Eviews 6.0软件对样本医院各投入—产出指标的相关关系进行分析，从技术上尽量避免投入—产出指标间具有较强线性关系，即各指标间无完全替代或互补关系。[5]然后，基于不同模型在指标数量、效率区分度，以及稳定性等方面的比较分析，选择比较适宜的模型对样本医院效率特征及变动趋势进行实证研究。基于研究目的以及模型构建的基本原则与方法学特点，初步构建出五组不同的DEA模型(表1)。

根据各样本医院投入—产出的相关数据所获得的相关效率均值和有效区分度，模型Ⅲ的有效区分度较为敏感；从稳定性看，模型Ⅰ和模型Ⅲ的有效单元数均在4～6个之间，但模型Ⅰ呈小幅波动状态，模型Ⅲ尽管也呈小幅波动状态但其稳定性相对较好。因此，结合不同模型的指标数量，效率区分度，以及稳定性等特点，模型Ⅰ和模型Ⅲ的计算结果比较理想，但模型Ⅰ只包含总支出一个投入指标，不如模型Ⅲ的两个指标所包含的信息全面。因此，选用模型Ⅲ作为本次实证研究的基本模型。[5,6]所纳入的关键性投入指标是年末在职职工数(职工数)、年末实际开放床位数(床位数)，关键性产出指标是门急诊人次、出院人次。模型指标总数为4个，也满足了纳入模型的投入—产出指标数不超过所评价样本数1/3的基本技术要求(表1)。

2 结果

2.1 一般情况

2006—2012年，样本医院在职职工平均人数由1 265人增加到1 788人，年均增长5.93%；实际开放床位平均数由886张增加到1 405张，年均增长7.98%；年均门急诊服务人数由69.31万人次增加到115.14万人次，年均增长8.83%，年均出院人数由2.35万人次增加到4.87万人次，年均增长12.92%；年均总收入与总支出分别由3.25亿元和3.14亿元增长到9.99亿元和9.5亿元，年均增长率分别为20.61%和20.24%；在职职工年均工资增长了11.04%。但是，次均门急诊费用与次均住院费用也分别增长了9.11%和9.03%。从上述相关指标的绝对数来看，样本医院一直处于稳步发展的趋势，特别是实际开放床位数、门急诊与住院人次数；总收入与总支出的增长明显高于在职职工人数的增长，体现出明显的规模发展趋势(表2)。

表2 2006—2012年样本医院的相关指标

2.2 效率

2.2.1 样本医院相对有效个数

2006—2012年，样本医院技术效率值、纯技术效率值与规模效率值均为1，即处在相对有效运行状态的医院个数约占10%～12%；而整体效率值为1，即整体相对有效的医院约占2%～10%；配置效率为1，即配置效率相对有效的医院占4%～14%。结果显示，尽管样本医院相关投入—产出指标的绝对数都呈现较好的发展态势，但基于DEA模型对样本医院间相对效率的比较，即以相关效率值为1的有效样本医院为标杆，大部分样本医院的整体效率、技术效率、纯技术效率、规模效率和配置效率等都存在明显的改善空间(表3)。

表3 2006—2012年样本医院相对有效个数所占比例(%)

2.2.2 样本医院相关效率值

2006—2012年，样本医院的配置效率值与规模效率值都接近于效率前沿(效率值为1)，效率相对较好；而纯技术效率值、技术效率值、成本效率值和整体效率值与效率前沿的差距较大，其效率相对较差；如配置效率均值为0.956，分布在0.944～0.972区间，规模效率均值为0.943，分布在0.918～0.973区间，两者的效率值接近于效率前沿，处于相对有效且基本稳定的状态；其纯技术效率均值为0.796，分布在0.758～0.821区间，技术效率均值为0.784，分布在0.726～0.776区间，两值与效率前沿存在明显的差距，效率一般且比较平稳；整体效率均值和成本效率均值都为0.714，分布在0.686～0.740区间，两值与效率前沿的差距较大，处于低效且基本稳定状态。结果显示，样本医院的规模发展与资源配置比较适宜，说明样本医院在根据其医疗技术水平与服务能力的特色拓展服务规模与资源配置，并呈现相互促进与协调发展的态势；但是，其规模效率值与技术效率值或纯技术效率值的差距较大，显示出样本医院在服务能力发展方面明显滞后于规模发展，并制约着整体效率的改善；而且，由于规模快速扩张带来的负债现象以及过度医疗的诱导需求行为，也增加了样本医院的投入成本，从而影响其成本效率的改善(表4)。

表4 2006—2012年样本医院的相关效率均值情况

2.2.3 样本医院规模报酬

2006—2012年，样本医院处于规模报酬递减状态的医院比例由7.69%增加到26.31%，年均增长了22.75%，处于规模报酬递增状态的医院个数由80.77%下降到58.34%，年均减少了5.29%；保持规模报酬不变的医院个数由11.54%下降到7.70%，然后再增加到15.35%，呈现上下波动的变化特点。结果显示，尽管半数左右的样本医院还处在规模报酬递增且相对稳定的状态，但由规模报酬递增转为递减状态的医院明显增加，显示出随着其规模的增长所带来的投入成本也越来越高，进而导致其收益逐年递减(表5)。

表5 2006—2012年样本医院的规模报酬状态分布 (%)

2.3 效率变动

基于Malmquist指数模型结果，2006—2012年，样本医院的全要素生产率变化指数与技术变动指数均大于1，技术效率变动指数纯技术效率变动指数以及规模效率变动指数均围绕1小幅变动；其技术进步与Malmquist生产率指数，技术效率指数，纯技术效率指数与规模效率指数的变化保持比较稳定的一致性，这说明样本医院的相关效率相对前一年有所改善，并呈现持续改善与稳步发展的趋势。全要素生产率指数均大于1，表示其生产率持续改善并保持稳定发展态势；各年度技术效率变化指数基本大于1，略有小幅上下波动，也呈现持续改善状态；各年度技术变动指数均大于1，提示其技术进步与管理能力在持续改善；各年度纯技术效率变化指数基本大于1，略有小幅上下波动，提示其技术更新与应用能力基本适应其规模发展的需要；规模效率变化指数有两年小于1，呈现小幅上下波动状态，提示其规模报酬基本稳定，规模发展速度比较适宜。但进一步分析发现，全要素生产率的改善主要是受规模与技术条件的改善(如设备购置)，而不是管理能力与技术水平，即服务能力提升的影响，提示样本医院在新技术的应用与管理能力上还难以适应其规模发展的需要，从而影响其纯技术效率，并制约技术效率的改善(表6)。

表6 基于Malmquist指数模型的样本医院相关效率指数变动情况

3 讨论

3.1 评价方法

医院效率作为一个综合性概念，其定量表现形式多样，但任何单一指标都只能反映出它的一个侧面。只有构建比较科学的投入—产出指标体系，采用合理的评价方法与模型，才能比较系统地开展效率评价。[9,11,12]

2006—2012年，样本医院的服务规模、服务量以及收支运营状况等都呈现不断扩大与增长的趋势，所带来的收入也在逐年快速增长，并维持着收支平衡略有结余的发展状态。基于传统的评价方法，反映出样本医院在服务规模与能力、收支运营以及服务绩效等方面的稳步发展状况，也体现出了相关医改政策及措施对医院发展的促进效应。但这种绝对数评价方法难以展示样本医院之间的相对效率与比较优势，特别是在其管理与服务方面的竞争能力。

基于DEA模型的医院效率评价方法正好弥补了传统评价方法的缺陷及不足。但DEA模型所提供的是样本医院的相对效率评价，即通过样本医院之间的相互比较，找出相对有效或无效的样本医院。所谓相对无效的样本医院，只是说明与相对有效的样本医院比较，其效率还有提升的潜力；同时，判断其无效的真正原因也需要进一步分析，并需要研究者或管理人员对所评价样本医院的特点及所处环境有比较全面的认识。[13]

3.2 效率特征

随着公立医院改革的不断深入，医院效率越来越受到社会的关注。本次研究发现，在医院现有管理体制，技术水平与服务模式下，基于不同年份样本医院所构建的生产前沿与各样本医院效率值的比较，即与当年有效(效率值=1)的约10%～15%样本医院相比，大部分样本医院的运行效率，特别是整体效率、技术效率与纯技术效率都存在进一步改善的空间。因此，基于现有服务规模，如何通过改善效率提升服务能力与绩效已成为公立医院发展面临的挑战。

3.2.1 规模效率与配置效率

基于模型所获得的相关效率值分析发现，大部分样本医院都是根据各自的技术优势与服务特色以及市场需求拓展其服务规模，并与其品牌与资源配置协同发展，具体体现在各样本医院的配置效率值与规模效率值一直处在有效前沿面附近，并保持比较稳定的运行状态。在微观层面，很难支持所谓大型公立医院存在规模盲目发展与资源配置不合理的论点；但是，在宏观层面，也不能充分说明样本医院在其资源配置，特别是规模发展上是合理有效的。因为，配置效率与规模效率这两个指标还受到外部环境因素的影响。社会与居民医疗保健与健康需求的增长，导致了大型公立医院的医疗服务长期供不应求，并对其规模发展与资源配置效率产生了明显的支撑效应。在现有管理体制下，由于医疗服务价格体系与补偿机制不健全，大型公立医院基本采取粗放式规模扩张发展模式；同时，伴随社会与居民强大的医疗服务需求及其就诊行为与习惯，加上相关政策与措施的不完善，进一步刺激了大型公立医院持续扩大服务规模，进而造成了无序发展的尴尬局面。由此所产生的“马太效应”与“虹吸现象”又进一步加大了社会医疗资源供给约束与医疗保健需求不断增长之间的矛盾，产生了资源不足与浪费并存，床位规模发展与人力资源及服务能力发展不匹配，医院负债经营以及医疗费用急剧增长等一系列社会问题。对此现象的评价还需要更多宏观方面的实证研究来论证。但是，本研究结果也提示，控制公立医院规模的扩张不能简单地靠行政命令，而要通过深化改革并完善其相关配套政策来引导。

3.2.2 技术效率与纯技术效率及成本效率

与体现样本医院资源配置能力和规模发展状况的配置效率与规模效率相比，体现其服务能力的技术效率、纯技术效率，成本效率，特别是整体效率并不理想，大部分样本医院处在相对无效的运营状态；而且，规模报酬递增的医院在逐年减少，而递减的医院在逐年增加，服务规模快速发展带来的负面影响逐步体现出来。这反映出样本医院服务能力还难以适应其规模的快速发展，所存在的差距不仅制约着技术效率、纯技术效率以及成本效率的改善，也影响其整体效率的提升和医院的可持续发展。

3.3 效率变动

3.3.1 外延发展与内涵发展

基于Malmquist指数模型结果发现2006—2012年，样本医院的全要素生产率及其相关效率在持续改善，这也说明样本医院在不断促进其医疗技术进步与完善管理体制等服务能力的建设，如引入新技术与发展特色服务，实施精益管理与成本控制，强化绩效考核等内涵管理；同时，也体现出了相关医改政策与措施的促进效应，如实施总额预付控制医院费用增长，严禁贷款与负债发展，规范大型医疗设备配置，开展医院巡查与审计等。这具体体现在样本医院生产率的逐年改善并保持稳定发展，技术水平与管理能力逐年提升，技术创新与实际应用能力尽可能适应其规模发展的需要。但是，如果将样本医院全要素生产率变动分解为技术变动与效率变动来进一步分析，其全要素生产率的改善主要是受其规模与技术条件改善的影响，如床位增加或设备购置等，而不是纯技术效率的改善，即服务能力的发展与其规模的发展还存在明显的差距；其规模报酬也呈现递减趋势。随着样本医院服务规模的快速发展，特别是医疗资源的有效整合与分级诊疗等相关配套措施的滞后，使其人力资源的压力快速凸显，人才与技术的发展受到了前所未有的抑制，不仅阻碍了临床技术的进步与管理模式的变革，又进一步制约了样本医院的可持续发展。同时，基于传统管理体制下的粗放式规模发展模式，各样本医院高新设备配置基本趋同，导致单纯依靠高新设备投入改善技术效率的影响力在逐步下降，所产生的技术进步效应及相关效率改善程度也难以支撑全要素生产率的持续改善。在理论上，生产或服务规模的扩大最终会达到一个极点，超过这一点就会导致其效率降低，这可能是由于管理成本和控制成本增加或者是对投入资源的利用率下降所造成。因此，样本医院应在稳定现有服务规模的基础上，结合当地实际情况，通过加强人才培养，发展适宜技术与特色服务，调整服务结构与资源配置方式等措施整合区域医疗资源以形成市场竞争力，并强化其社会责任，进而促进其全要素生产率的持续改善。

3.3.2 综合改革与持续完善

改善医院效率的实质是在医院医疗服务供给与社会需求不断磨合以及寻求可持续发展的过程中，强调资源有效利用的实现程度。[14]如利用技术进步可以提高医院在人、财、物和医疗技术等服务要素方面的边际产出效率，而通过管理体制与激励机制的改革以及服务模式的创新可以促进医院投入要素的有效配置。因此，医院效率的改善程度不仅取决于社会居民医疗与健康需求变化以及医疗技术与服务能力等边际产出率的高低，也取决于在管理体制与激励机制以及服务模式等方面的改革效应。在微观层面，医院可以引入新技术、新项目，通过加强临床专业人才的培养，改善服务流程，转变管理模式与调整服务结构等措施来改善其技术效率、纯技术效率与成本效率；而在宏观层面，样本医院可以通过品牌、管理、技术等要素的输出，特别是通过构建分级医疗的上下互动机制来有效整合区域医疗资源，以促进整体效率、规模效率以及配置效率的持续改善。

4 结语

医院效率评价是一个循序渐进的动态过程，作为一种促进医院持续发展的有效治理措施充满着智慧与挑战。[15]基于国情以及大型公立医院发展的区域定位与社会责任，部分公立医院可能还需要保持适当的规模发展，但不能仅依靠规模发展。调整服务结构、转变服务模式、提升服务能力、改善服务质量、促进服务绩效等都属于发展的范畴，而且更为重要。如果继续依靠床位规模与高新设备的配置来促进其发展可能会遇到资金，特别是医院规模报酬递减这一瓶颈。控制医院规模发展的同时，通过区域资源整合，转变服务模式都能更好地促进医院效率的可持续改善。因此，从当前我国社会经济发展的阶段性特征出发，大型公立医院正面临着发展动力与激励机制的转换，这不仅需要转变医院管理理念与发展模式，即从规模速度型的粗放式发展转向精益化的质量与效率型集约发展，从服务规模与要素驱动向结构调整与服务模式创新发展的转变；也需要构建有关结构、过程和结果的最佳效率标准，以促进包括政府职能在内的医院治理与发展模式的转变，从而构建一种“物有所值”的新型医疗服务体系与发展模式。[16]

[1] 中国卫生计生委. 中国卫生计生统计年鉴[EB/OL]. [2015-08-10]. http://www.nhfpc.gov.cn/htmlfiles/zwg-kzt/ptjnj/year 2013/index2013.html

[2] 刘丽华. 区域卫生规划难阻大医院持续扩张[EB/OL]. [2015-08-10]. http://www.jkb.com.cn/news/industry-News/2012/ 1127/144839.html

[3] Jacobs R, Smith P, Street A. Measuring efficiency in health care [M] . Cambridge: Cambridge University Press, 2016.

[4] Clement J, Valdmanis V, Bazzoli G, et al. Is more better? An analysis of hospital outcomes and efficiency with a DEA model of output congestion[J]. Health Care Management Science, 2008( 11): 67-77.

[5] Cooper W W, Seiford L M, Zhu J. Handbook on Data Envelopment Analysis [M]. Boston: Kluwer Academic Publishers, 2004.

[6] Nayar P, Ozcan Y A. Data envelopment analysis comparison of hospital efficiency and quality [J]. J Med Syst, 2008, 32(3): 193-199.

[7] 中国卫生计生委. 三级综合医院评审标准[EB/OL]. [2015-08-10]. http://www.moh.gov.cn/yzygj/s3585u/201112/ 06f754a213d8413787904e9e6439d88b.shtml

[8] Mortimer D. Competing Methods for Efficiency Measurement: A Systematic Review of Direct DEA vs SFA/DFA Comparisons[R]. 2002.

[9] Cook W D, Seiford L M. Data Envelopment Analysis (DEA)-Thirty years on. European[J]. Journal of Operational Research, 2009, 192: 1-17.

[10] 毛燕娜, 王小万. 医院效率特征研究——指标筛选与模型构建[J]. 卫生经济研究, 2015(8): 15-19.

[11] Cook W D, Zhu J. Classifying inputs and outputs in data envelopment analysis[J]. European Journal of Operational Research, 2008, 180 (2): 692-699.

[12] Linna M, Häkkinen U, Magnussen J.2006,Comparing hospital cost efficiency between Norway and Finland [J]. Health Policy, 77(3): 268-278.

[13] 王小万, 刘丽杭. 医院效率特征研究——理论与模型[J]. 卫生经济研究, 2015(8): 8-14.

[14] Farrell M J. The measurement of productive efficiency[J]. Journal of the Royal Statistical Society, 2007, 120(3): 253-290.

[15] Aday L A. Evaluating the Healthcare System: Effectiveness, efficiency, and equity[M]. 3 rd. Chicago: Health Administration Press, 2004.

[16] Vrangbaek. Decentralization in healthcare. European Observatory on Health Systems and Policies Series[M]. Maidenhead: McGraw Hill/Open University Press, 2012.

(编辑 刘博)

Efficiency characteristics and changes in tertiary general hospitals

WANGXiao-wan1,LIULi-hang2,KUANGShao-hua3,LIUShuang-mei1,MAOYan-nan4,YOUMao5

1.CenterforHealthPolicyandManagement,ChineseAcademyofMedicalSciences,Beijing100020,China2.SchoolofPublicAdministration,CentralSouthUniversity,ChangshaHunan410083,China3.ChinaRehabilitationResearchCenterforDeafChildren,Beijing100029,China4.SouthernMedicalUniversity,GuangzhouGuangdong510515,China5.ChinaNationalHealthDevelopmentResearchCenter,Beijing100191,China

Objective: To analyze the efficiency characteristics and trend of tertiary general public hospitals from both static and dynamic perspectives. Methods: After collecting data of personnel, equipment, assets, health services and other inputs-output indicators from 50 tertiary public hospitals from 2006 to 2012, this paper uses C2R-DEA and BC2-DEA models, as well as Malmquist Index model to build suitable analysis model. Results: About 10%～12% of the sample hospitals are in a relatively effective operational state, and the mean values of allocation efficiency and scale efficiency are 0.956 and 0.943, respectively, which are close to the efficient frontier. The mean values of pure technical efficiency, technical efficiency, cost efficiency and overall efficiency are 0.796, 0.784, 0.714 and 0.714, respectively, which are relatively poor compared with the efficiency frontier. Moreover, the number of hospitals that are in the state of diminishing returns to scale increased from 7.69% to 26.31%, while the number of hospitals that are in the state of increasing returns to scale decreased from 80.77% to 58.34%. The changes in technological progress, Malmquist productivity index, technical efficiency index, pure technical efficiency index and scale efficiency index remained a relatively stable consistency, and showed continuous improvement and steady development trend. Conclusion: Tertiary general public hospitals are facing the transformation of driving force for development and incentive mechanisms. This needs not only to change the management concept and development mode of the hospitals, but also to build evaluation standards of optimum efficiency that are relevant to the structure, process and outcome, in order to promote the transformation of hospital governance and development model that includes the functions of government.

Tertiary general hospitals; DEA; Malmquist index; Efficiency; Evaluation

国家自然科学基金(71173237) 作者简介：王小万，男(1959年—)，博士，主要研究方向为卫生经济与医院管理。E-mail: wangxwan@gmail.com

R197

A

10.3969/j.issn.1674-2982.2015.10.007

2015-06-28

2015-09-22