基于DEA 模型的医保基金产出效率研究

赵世伟

（上海工程技术大学管理学院， 上海 201620）

0 引 言

随着中国人口老龄化趋势加快，日益增加的健康需求导致医保基金面临着很大的偿付压力［1］。近年来，无论国家层面还是个人层面，卫生健康与医疗保障也越来越受到重视。 基本医疗保险基金是中国医疗保障制度的坚强物质基础，在医保政策的执行和实现中有着举足轻重的作用，提高医保基金投资运营能力，提升收益率，构建精细化医疗保障服务体系，从而解决群众健康需求一直是民生领域的热点话题［2］。 2021 年中国医保基金总收入28 727 亿元，支出24 043 亿元，累计结余可支配月数为12，略高于9 个月的警戒线标准，医保基金可持续运行存在风险，提高医保基金的使用效率是缓解支付压力的一个行之有效的方法［3］。 本研究基于2017～2021年《中国劳动统计年鉴》数据，以基本医疗保险为研究对象，采用数据包络分析法，首先测算2020 年的全国医保基金静态运行效率，之后测算2016 ～2020年的全国医保基金动态运行效率，以期对中国医疗保险基金的运行效率提升提供参考。

1 数据来源与研究方法

1.1 数据来源

本文使用的相关数据来源于《中国劳动统计年鉴》。 在全国医保基金静态效率分析方面，选取了《中国劳动统计年鉴2021》分析2020 年度的全国31个省级行政区医保基金运行效率；在动态效率评价方面，选取2017 ～2021 年度的《中国劳动统计年鉴》，考察全国医保基金的全要素生产率动态变化情况。

1.2 研究方法

数据包络分析法（Data Envelopment Analysis，DEA）通过分析投入产出量来计算得出效率值，并且将决策单元的效率值进行比较，在研究投入产出的效率评价方面有很大优势［4］。 本文采用数据包络分析法测算全国医保基金的静态运行效率，将每一个评价单元看作一个决策单元（DMU），运用数学规划求出每一个决策单元的最优解。 DEA 方法计算结果为综合效率值、纯技术效率值和规模效率值。DEA 方法的目标函数表达式如式（1）所示，式（2）为约束条件。

其中，X和Y分别代表投入和产出量；λ为权重系数；j表示决策单元；n表示决策单元数；S＋和S－为松弛变量；θ为决策单元有效值。

如果决策单元有效值小于1，则认为决策单元的效率没有提高，即DEA 相对无效；如果决策单元有效值大于1，则认为决策单元的效率提高了，即DEA 相对有效。

数据包络分析法也可以计算Malmquist 指数，来分析一段时间内效率值的动态变化［5］。Malmquist 指数的计算结果是全要素生产率、技术效率值和技术进步值，全要素生产率可以分解为技术效率和技术进步，技术效率可以进一步分解为规模效率和纯技术效率［6］。 Malmquist 指数表达式（3）：

其中，Xt、Yt和Xt＋1、Yt＋1分别表示t时期和t＋1时期的投入产出变量；d是距离函数；t表示时期；r表示决策单元。

若M值大于1，表明全要素生产率提高；若M值小于1，说明全要素生产率降低。

1.3 指标选取

立足中国医疗保险基金运行现状，兼顾到数据的可得性与有效性，选取医疗保险参保人数和医疗

保险收入作为投入指标，选取医疗保险基金累计结余和医疗保险基金支出作为产出指标，评价指标体系见表1。

表1 评价指标体系Tab. 1 Evaluation index of efficiency of medical insurance fund

2 医保基金产出效率分析

2.1 DEA 模型静态分析

通过DEA 模型测算2020 年中国31 个省级行政区医保基金投入产出情况的静态效率，得到医保基金运行效率值见表2。 综合效率值可以分解为纯技术效率和规模效率的乘积，规模效率大于1 则规模报酬递增，规模效率小于1 则规模报酬递减，规模效率等于1 则规模报酬不变［7］。 其中，纯技术效率值代表了投入要素在一定规模的效率，规模效率值指的是投入产出的规模效应大小，一般而言规模效率大的生产过程中，单位生产成本会降低，也就意味着生产效率在上升。 规模报酬用来分析投入要素同比例发生变化的情况下，相应产出的变化情况，规模报酬递增则认为投入和产出的比例合理，产出要素的变化比投入要素的变化更大而且是正向增加的［8］。 综合效率值从整体生产中出发，可以对投入要素的配置能力和产出的规模效应进行综合评价。

表2 2020 年各地区医保基金运行效率值Tab. 2 Operating efficiency of medical insurance funds of different regions in 2020

综合效率方面，2020 年度中国医保基金产出效率为0.937，未达到DEA 相对有效，但是处于中高水平；从地区角度看，不同省份的医保基金运行效率存在较大差异，全国有北京、天津、上海和山东4 个省份达到了DEA 相对有效，吉林省综合效率指数最低，为0.784，排名后三位的省份为黑龙江、陕西和吉林，这些省份需要加强医保基金运行管理水平，扩大参保人数和基金收入以提高运营效率。

纯技术效率方面，2020 年全国医保基金纯技术效率为0.950，说明管理水平还有待提高。 规模效率大于纯技术效率，说明中国医保基金管理技术水平是制约医保基金运营效率的主要因素，规模扩大是医保基金运行效率提高的主要推动因素。 纯技术效率值为1 的省份有9 个，说明这些省份在基金运行管理技术较为先进，吉林省的纯技术效率值最低，为0.794，远远低于全国平均值，需要进一步加强医保基金管理技术能力。

规模效率方面，医保基金运行的规模效率和规模报酬可以体现出医保基金运行是否处于最优规模。 全国31 个省级行政区中有9 个省份达到了规模最优，其中北京、天津、上海、山东在纯技术效率和规模效率上都达到有效。 陕西、青海、黑龙江排在最后3 位，且规模效率值远低于全国平均水平，这些省份要进一步扩大医保基金投入，以期达到最优规模。规模报酬递减的地区有14 个，这些省份要注重资金有效利用问题，改善资金运行方向与结构。 规模报酬递增的地区有8 个，应进一步提高基金运行综合效率。

2.2 Malmquist 指数动态分析

通过计算Malmquist 指数，可以得到全要素生产率、技术进步值和技术效率值。 全要素生产率是生产要素之外的技术进步和能力实现等导致的产出增加，一般认为全要素生产率对于打破报酬递减，保持经济可持续增长具有决定性作用，是经济发展的综合反映［9］。 医保基金的全要素生产率可按照时间和空间两个维度进行分析，按时间分解的Malmquist 指数见表3，用来分析2016 ～2020 年间全国医保基金各效率值的动态变化情况；按地区分解的Malmquist 指数见表4，用来分析31 个省级行政区医保基金运行效率的区域差异情况。

表3 2016～2020 年医保基金Malmquist 指数及其分解Tab. 3 Malmquist index of medical insurance funds from 2016 to 2020

表4 各地区医保基金Malmquist 指数及其分解Tab. 4 Malmquist index of medical insurance fund in different regions

根据表3 和表4 的计算结果，从全国来看，考察期间全要素生产率的平均值为1.009，总体呈上升趋势。 除去2016～2017 年外，2018～2020 年的全要素生产率都呈现上升状态，表明中国医保基金运行效率处于稳定上升趋势。 技术效率下降0.2%，说明中国医保基金运营管理技术水平制约了全要素生产率的提高；技术进步上升1.1%，说明在全要素生产率的变化过程中，技术进步发挥了主要的驱动作用。

从地区来看，根据表4 的测算结果可知：有18个地区的全要素生产率大于1，有13 个地区的全要素生产率小于1，这表明中国有一半以上的省份医保基金运行效率在不断提升，但是也有13 个地区的运行效率出现下降。 增长因素方面，安徽、福建等地区技术进步指数小于1，技术效率上升促进了全要素生产率的提高。 广东、山西等地区技术效率指数小于1，主要依靠技术进步来提高全要素生产率。技术效率和技术进步同时得到了提升的地区有河北和天津等地，这些两项指标都大于1 的地区说明在参保覆盖面、缴费水平和医保基金投资收益等方面都领先于其他地区，值得效率低下的地区借鉴学习先进经验。

3 结果分析

根据医保基金产出效率的实证研究，以静态效率和动态效率两个维度为切入点，得出以下结论：2020 年度中国医保基金运行综合效率未达到DEA有效，不同地区的医保运行效率相差较大，同时纯技术效率和规模效率在部分地区存在不同步变化的现象，在纯技术效率上升而规模效率下降的地区，可以采取扩大投入的方式来提升综合效率，在规模效率上升但是纯技术效率降低的地区，可以采取先进的基金管理技术，培养专业管理人才的办法对纯技术效率进行改善。 基于Malmquist 指数的动态分析，2016～2020 年中国医保基金运营全要素生产率均值大于1，说明运行效率整体处于上升趋势，医保基金管理的技术进步对综合效率起到驱动作用，技术效率制约了综合效率的提高。 从静态分析和动态分析都可以看出，技术效率偏低是影响医保基金运行效率的主要原因，2020 年的DEA 非有效省份均存在规模报酬递减的情况，这说明医保基金产出绩效是下降的，投入要素没有在医保报销和支付过程中得到完全的合理配置。 因此，决策单元产出效率无效的省份应视具体情况合理调整投入与产出结构，通过促进投入向产出的有效转化，实现规模报酬的增加，从而提升医保基金运行综合效率。

4 结束语

中国医保基金可持续运行存在风险，医保支付矛盾突出，破解“看病难、看病贵”问题任重道远［10］。本文采用数据包络分析法和Malmquist 指数，分别从静态维度和动态维度两个视角对医保基金的产出效率进行评价，通过指数的分解探讨了医保基金产出效率的组成，并且对改善医保基金投入产出绩效提供了对策和建议。 在下一步研究中，还将采用定量方法，分别以纯技术效率值、规模效率值和综合效率值作为被解释变量进行分析，研究影响医保基金产出的经济、人口、政策等因素。