上海三甲医院绩效研究分析

张雨薇 高红 霍佳震

摘 要： 随着我国医疗行业的迅速发展，医院间的竞争日趋激烈，不论是医院的管理者还是医院的上级管理部门，都希望找到一些有效的方法，对医院运行绩效进行评估并加以改善和提高。应用三阶段DEA模型与超效率SBM模型相结合的方法，以上海市32家三甲医院为决策单元，使用2014—2017年的投入产出数据进行绩效评估，并与分析结果相结合，从纯技术效率和规模效率两方面对医院的调整改进提出了政策建议。

关键词： 三甲医院;三阶段DEA模型;超效率SBM模型;绩效

中图分类号： C 931   文献标志码： A

Abstract： In China， medical industry has experienced increasingly fierce competition between hospitals. Both the internal administrators and the superior management departments in hospitals hope to find some effective methods to evaluate the hospital's operational performance. Introduce a three-stage super-efficiency SBM model， regarding 32 three level of first-class hospitals in Shanghai as decision making units， then it analyzes and evaluates the performance based on these input and output data from 2014 to 2017. After combining with the analysis results， suggestions for adjustment and improvement of hospitals from the perspectives of pure technical efficiency and scale efficiency are proposed in the follow-up policy.

Key words： first-class hospitals; three-stage DEA model; super-efficiency SBM model; performance

隨着人们对健康的重视程度逐渐加深，迅速发展的医疗行业受到了越来越多的关注，其中公立医院在行业中地位显著，在满足人民群众就医需求方面发挥了重要作用，是医疗服务体系的重要组成部分。公立医院由政府财政进行部分保障，提升其运营效率可以使政府投入发挥更大的作用、减轻患者负担，对于国家和个人都具有重要意义。

作为医疗卫生行业的领先者，三甲医院得到民众的高度信赖，规模不断扩大，床位数和职工人数不断增加，入院患者人数也大幅提升。这一系列的增长导致三甲医院的管理难度增加，部分医院效率下降。因此，分析三甲医院的投入产出，进而评估医院的运行绩效就有了重要的现实意义。评估结果既可以为医院的建设和发展提供理论依据，也可以为卫生行政管理部门的调控和监督提供决策参考。

近年来，国内外学者将数据包络模型（data envelopment analysis，DEA）应用于医疗卫生系统。Sherman首次将DEA模型应用于医疗卫生领域，利用相对效率值评估资源是否得到有效利用;我国学者陈志兴于1994年首次使用DEA方法从以医院为着力点和以社会卫生资源利用为着力点两个方面对医院绩效进行了评估;庄宁和孟庆跃等人对于得到的相对无效的生产单元进行齐同计算，指出了“无效率单元”的投入占“有效率单元”投入的百分比。随着DEA应用的逐渐普及，学者们将其与多种方法进行组合使用。Heydari使用了数据包络分析与随机前沿分析结合的方法; Martin则在纵向分析上使用Malmquist指数，分析同一家医院多年的绩效变化并预估趋势;庞慧敏在进行绩效评估时结合使用基础DEA模型与超效率模型、Malmquist生产率指数模型，以进一步实现评估的科学性和全面性;Yang结合三阶段DEA模型与Malmquist模型对深圳市公立与私立医院的面板数据和动态发展数据进行了效率评估。

本文根据相应文献以及实际情况，依据决策单元的同质性以及具有同单位投入产出值的特征，选取上海市三甲医院作为研究对象，采取三阶段DEA模型与超效率SBM模型相结合的方法分析评估医院绩效，并在此基础上给出了相应的建议。

1 研究方法与实证模型

1.1 研究方法

美国运筹学家Charnes、Cooper和Rhodes于1978年提出的数据包络分析模型是一种评价决策单元相对有效性的非参数估计方法。传统DEA中的两个基础模型CCR和BCC分别基于固定规模收益与可变规模效益，根据各个单元偏离生产前沿面的程度，计算出技术效率值与纯技术效率值，所计算出的效率值越接近于1，说明该决策单元越具有相对有效性。

Fried等人提出的三阶段DEA模型是对传统DEA模型的一种改良算法。该模型在第二阶段利用SFA回归分析消除部分环境因素及无关因素的影响，以修正数据作为原始数据进行第三阶段的模型计算，从而得到不受已消除外界因素影响的、更加准确的效率分析结果。

Andersen和Petersen为了对相对有效的决策单元进行进一步排序，于1993年提出了超效率模型，得分越高代表效率越有效;学者Tone于2001年和2002年分别提出了非径向DEA模型（slack-based measurement， SBM）与超效率SBM-DEA模型。SBM-DEA模型是基于松弛变量测度方法的DEA模型，它将松弛变量纳入目标函数，同时考虑了松弛变量与非期望产出变量的影响，避免在传统模型中存在的径向和角度问题所导致的计算结果偏差。超效率SBM-DEA模型则结合了超效率模型与SBM-DEA的优点，即以更完善的方法解决原始决策单元的变量松弛问题，同时可以对相对有效的决策单元进行进一步排序。

1.2 实证模型

本文使用的模型为三阶段DEA与超效率SBM模型的结合。

在第一阶段，由于医院的投入数量是可以人为调节的，医疗服务的产出量可控性较小，因此本文在选择模型的时候，选择投入导向模型。为了计算出相应决策单元（decision making union，DMU）的综合效率、纯技術效率并进行绩效比较，需要分别在规模报酬不变和规模报酬可变的情况下进行测算。由于第二阶段需要分解松弛变量，为了得到更合理的投入数据的松弛量，要避免传统模型中的径向、角度条件的影响，同时为了对相对有效的决策单元进一步排序，选用超效率SBM模型进行测算：

第三阶段使用调整误差后的投入数据作为模型原始投入数据，再次使用投入导向的超效率SBM模型，所得到的结果因为已经排除了环境因素和随机误差的影响，其绩效结果更精确、更具有参考价值。同时，因为有效避免了原始模型中存在的固定径向与角度问题，可以对相对有效的决策单元进行进一步的分析。

1.3 变量选取

1.3.1 投入指标与产出指标

在构建评价基本指标体系的过程中，结合数据的可获得性，同时对相关医学类和绩效评估类文献进行归纳总结，参照近年国家卫生健康委员会（原国家卫生和计划生育委员会）等卫生行政管理部门发布的公立医院绩效评价指标体系，遵循系统性、可比性与科学性的原则，建立了较为科学的指标体系。

从投入角度，主要考虑人、财、物三个方面。“人力投入”选择卫生技术人员数量为指标;“物力投入”选择医院实际开放床位数作为指标;“财力投入”选择医疗业务成本作为指标。

在医院的产出方面，从医院业务量和医疗业务收入分析。业务量从门急诊和手术两个方面进行衡量，以年门急诊人次数、年出院人数与年住院手术人次数作为业务方面的产出指标。

1.3.2 环境指标

医院的绩效受到内外部环境因素的共同影响。外部因素通常与医院所处的位置有关，选择所在区域的年末常住人口数量作为外部环境影响因素;内部因素选取中国医院综合排行榜前100的排名数据作为环境影响数据，该排名数据综合考虑了医院的声誉和科研学术的得分，具有现实意义。

1.4 数据来源

样本数据来源于2014—2017年度上海区域年报、上海区政府财务报表、上海各区卫生计生委预算决算公开报表、医学年鉴、各医院官方网站、好大夫网站、丁香园网站等。由于部分医院无法获取模型中所需要的指标数据，因此最终选择32家数据完整的上海三级甲等医院进行效率评估。

环境因素数据来源于2015—2018年上海统计年鉴与各区政府发布的年度国民经济和社会发展统计公报、中国医院排行榜。由于环境数据的单位之间差距较大，在计算中容易对结果产生负面影响，因此采用均值法对变量进行数据无量纲处理。

2 实证研究结果

2.1 第一阶段结果分析

在第一阶段，应用MaxDEA软件，测算出上海32家三甲医院2014—2017年的综合效率、纯技术效率与规模效率，具体结果见表1。

综合效率得分是一个用来衡量医院总体运营情况的全面而宏观的指标，可以用来反映医院总体的资源配置结果，可以对决策单元的资源利用效率、分配能力等进行综合评估和衡量。纯技术效率反映医院的投入资源是否得到充分利用，管理制度是否完善;规模效率反映医院是否处于最优的生产规模。

由表1可以看出， 2014—2016年均有13家医院处于综合效率有效的前沿面，而在2017年的测算中，相对有效的医院数量减少为11家。其中，复旦大学附属眼耳鼻喉科医院在2014—2016年均处于超效率得分最高的状态，可以认为该院是该评价时段内最有效率的医院。2017年，综合效率得分最高的医院变为长海医院。另外，在同样的评价时段内上海市公共卫生中心的综合效率得分始终较低，表明该院综合效率距离其他医院所构成的有效生产前沿面较远，是32家医院中综合效率最低的。

2014年，达到纯技术效率有效的医院为22家。2015和2016年，纯技术有效的医院数量下降为19家，占全部被评估医院的59%。2017年，仅有50%的医院即16家达到了纯技术效率有效的状态。总体来看，长宁区的光华中西医结合医院和长海医院在几年内的纯技术效率的平均得分较高，说明这几家医院投入的资源得到了最大化的应用;华东医院、东方医院和上海公共卫生中心的纯技术效率较低，距离有效生产前沿面较远。同时，长宁区的光华中西医结合医院在几年内均属于纯技术效率有效，但因为医院的规模效率得分较低，导致综合效率无效，因此可以认为医院规模对医院产出效率有较大的影响。

为了对多年的平均效率的变动情况进行比较，本文利用上述医院绩效的均值数据绘制折线图见图1。在整个评价时段内，各医院纯技术效率均值的变化呈现平稳波动的趋势，而综合效率与规模效率变化趋势相对一致，均在2014—2015年有着小幅度上升，随即呈现下降趋势，在2017年度，由于纯技术效率和规模效率同时走低，综合效率明显下降。

2.2 第二阶段结果分析

本文在第二阶段应用Frontier4.1软件进行SFA回归模型分析，将第一阶段中产生的3个投入指标的冗余值作为因变量，利用所选择的2个环境变量作为解释变量，进行随机前沿模型的构建。分析结果见表2。

分析SFA结果可以发现，Log值与最大似然单边估计值LR均较大，在1%的水平下显著。对γ值进行分析，投入方面卫生技术人员与开放床位数的方差分别占总方差的0.96和0.93，且结果在1%的置信水平下显著，说明投入变量的误差主要由无效率因素决定，而医疗业务成本的γ值为0.56，则说明该变量误差由无效率因素与统计误差共同决定。以上测算数值均说明了SFA模型的可行性。

根据回归结果，医院综合排名对于3个投入变量的系数均为正，且具有较强的显著水平，说明综合排名的提升会使投入变量的松弛值增加。可能的原因是医院比较重视综合排名，为了提升综合排名加强了科教方面的投入并购置了先进设备导致资金冗余的增加，同时患者受排名影响产生诊疗偏向，导致医院扩大自身规模，增加了医院人财物方面的冗余值，降低了医院的服务效率;区域常住人口数量对于卫生技术人员数和开放床位数的系数为负，对医院的业务成本系数大于零，代表了区域人口数量会增加医院的潜在患者数量，有利于医院的人力物力得到更好的利用，投入变量松弛减少，使医院降低业务成本，从而增加了卫生支出效率，但是会造成财力方面的冗余增加。

2.3 第三阶段结果分析

在第三阶段中，先对管理无效因素以及误差因素进行分解，调整原始投入数据。将调整好的数据作为投入变量，利用MaxDEA软件进行测算，具体结果见表3。

从表3中可以发现：在综合效率栏，长海医院为几年内得分均值最高的综合医院，上海市肺科医院、上海市第一婦婴保健院在专科医院的绩效排名中位于前列;在纯技术效率栏，长海医院在综合医院中最高，长宁区光华中西医结合医院每年均排名前列。同时，上海市公共卫生中心与华东医院的综合效率得分与纯技术效率均相对较低，但华东医院的规模绩效得分相对较优，说明公共卫生中心的相对综合效率无效是由纯技术效率和规模效率共同导致的结果，而华东医院主要由于纯技术效率过低引起综合效率无效。另外，长宁区光华中西医结合医院在几年内的综合效率得分相对最低，而纯技术效率得分排名最高，可以说明该医院规模效率较低对综合效率得分产生了较大的负面影响。

在医院数量方面，该评价时段内调整后综合效率具有相对有效性的医院数量分别为14、15、11、8所。调整前，复旦大学附属眼耳鼻喉科医院的综合效率值在几年内均排名前列，而第三阶段得分显著下降，综合效率不再具有相对优势;调整后，各年度纯技术效率有效的医院数量也低于调整前的医院数量。其中，上海胸科医院在调整前作为一家每年度综合效率和纯技术效率有效的医院，在调整后两个效率值都显著降低，不再具有相对有效性;相反，上海交通大学医学院附属仁济医院在调整后的纯技术效率得分均高于调整前。因此，可以认为环境因素与误差因素对于每家医院的投入都存在影响，进而会导致效率值的偏差。

对调整后的效率均值进行折线图绘制，如图2所示。可以看出：调整后综合效率和纯技术效率具有相似的变化趋势，在评价时段内均遵循先升高、再降低、再升高的趋势;综合效率与规模效率相比较而言，在2014—2016年变化趋势相同，从数字上来看该评价时段内综合效率的变化幅度大于规模变化，但是其均值小于规模效率均值与纯技术效率均值。因此可以得出：上海市三甲医院2014—2015年综合效率变化主要取决于规模效率;2016—2017年主要由于纯技术效率变化引起了综合效率的变化;2015年和2016年综合效率变化由纯技术效率和规模效率变化共同作用。

与第一阶段的结果对比来看，总体效率值均呈下降趋势，其中综合效率得分与纯技术效率得分的均值均降低0.03，规模效率均值下降0.01。调整前后，2016年度医院综合效率均值下降最为明显，说明外界因素在该评价时段内对医院绩效产生的影响最大，而该影响主要是由环境因素对纯技术效率值的改变引起的。

通过第一、三阶段存在的效率差值，可以发现外部因素对医院效率存在较大影响。

3 研究结论与政策建议

3.1 研究结论

本研究利用三阶段DEA与超效率SBM模型结合的方法，对2014—2017年上海市32家三甲医院的数据进行实证研究，并得出以下结论：

（1）第一阶段测算过程中，综合医院长海医院、上海交通大学医学院附属第九人民医院和专科医院中的复旦大学附属眼耳鼻喉科医院的综合效率值最高，在消除环境因素影响后，综合绩效和纯技术效率均值仍处于较高的状态，而长宁区光华中西医结合医院的纯技术效率值在2014—2017年调整前后均处于第一的位置。

（2）利用超效率SBM模型进行分析可以更准确地得到投入方面的冗余值，从而在第二阶段SFA回归分析中对松弛变量进行分解，避免了传统模型内相对有效决策单元无法进一步排序的缺陷，故本文选择的超效率SBM模型是可行的。

（3）经过第二阶段对投入因素消除环境变量影响的SFA模型调整后，上海三甲医院在第一、三阶段的绩效得分存在差异，说明本文选取的环境变量等外界因素的确对医院绩效有较为明显的影响，证明本文所应用的三阶段DEA模型具有较强的实际意义，可以对外界环境因素对医院效率得分带来的具体影响方向进行分析，进而使用调整误差后的投入数据对医院进行绩效评估。

（4）规模效率得分低是致使综合效率得分低的主要原因。而且，不论调整前还是调整后，规模效率的得分都低于纯技术效率，拉低了综合效率的得分，说明沪上三甲医院总体上存在规模不经济。

（5）第三阶段去除环境变量以后得到的综合效率值与纯技术效率值比第一阶段的效率值有所降低，说明调整前的效率得分部分得益于较优的环境，且环境因素主要影响的是医院的纯技术效率得分。因此，可以认为因为被评价医院处于人口较多的地区且声誉较好，掩盖了部分医院内部管理不善和规模不经济的问题。

（6）医院已意识到上述问题的存在，开始重视内部管理，因此2017年度消除环境因素影响后的纯技术效率有所提高。但医院需进一步调整规模，优化投入结构，有效控制成本，健全完善制度，合理规划流程，提高服务能力和效率。

3.2 政策建议

根据第三阶段综合效率值将上海市三甲医院分为四类，具体数量见表4。

对于高效率的三甲医院而言，遵循了低投入、高产出的原则，投入与产出之间的关系达到了相对最优。医院要在相对有效的基础上进一步提升管理水平，更加重视规模效益，在后续发展中强化内涵建设，避免过度扩张，使资源配置更加合理有效，实现医院的高质量可持续发展。

管理绩效较低医院的投入产出间关系处于较低水平。这些医院的高投入并没有带来相应的高产出，综合效率低下。因此，医院应当从规模效率角度入手，转变固有的发展模式，不再过分依赖高投入，而是对资源配置的结构进行调整和优化，合理安排支出规模。从纯技术效率角度入手，医院一方面要提升专业技术水平，提供尽可能多的高附加值医疗服务，提高资源的利用效率，另一方面要完善制度、优化流程，提升管理的精细化程度，减少资源浪费。

具有较高或中等效率的医院往往是部门项目的投入产出相对较高或较低，导致了医院综合绩效得分处于中等水平。对于这些医院而言，需要根据自身的情况有针对性地做出改进。

参考文献：

[1] SHERMAN H D. Hospital efficiency measurement and evaluation： empirical test of a new technique[J]. Medical Care， 1984， 22（10）：922-938.

[2] 陈志兴， 沈晓初， 王萍，等. 评价医院经济效益的力点[J]. 中华医院管理， 1994， 10（12）：710-713.

[3] 庄宁， 孟庆跃， 卞鹰，等. 利用DEA方法评价我国34家医院的技术效率[J]. 中国卫生经济， 2000， 9（19）：49-51.

[4] HEYDARI M， GHASAB A A， ISFAHANI H M. Determining the technical efficiency of specialty ophthalmology hospital using SFA and DEA[J]. Health， 2014（6）：803-808.

[5] VAN-INEVELD M， VAN-OOSTRUM J， VERMEULEN R. Productivity and quality of dutch hospitals during system reform[J]. Health Care Management Science， 2016（29）：279-290.

[6] 龐慧敏. 基于数据包络分析的22所大型综合医院效率研究[D]. 北京：北京协和医学院， 2010.

[7] YANG J， ZENG W. The trade-offs between efficiency and quality in the hospital production： some evidence from shenzhen[J]. China Economic Review， 2014（31）：166-184.

[8] CHARNES A， COOPER W W， RHODES E. Measuring the efficiency of decision making units[J]. European Journal of Operational Research， 1978， 2（6）：429-444.

[9] FRIED H， LOVELL C， SCHMIDT S， et al. Accounting for environmental effects and statistical noise in data envelopment analysis[J]. Journal of Productivity Analysis， 2002（17）：157-174.

[10] ANDERSEN P， PETERSEN N C. A procedure for ranking efficient units in data envelopment analysis[J]. Management Science， 1993， 39（10）：1261-1264.

[11] TONE K. A slacks-based measure of efficiency in data envelopment analysis[J]. European journal of operational research， 2001， 130（3）：498-509.

[12] TONE K. A slacks-based measure of super-efficiency in data envelopment analysis[J]. European Journal of Operational Research， 2002， 143（1）：32-41.