资源错配对医疗服务绩效的影响研究*——基于我国省级动态面板数据的GMM分析

张开翼,符佳玮,舒燕

(广州中医药大学公共卫生与管理学院,广东 广州 510006)

自2009年以来,我国开始实施“新医改”,其主要目标就在于解决“看病贵、看病难”问题。2016年10月,《“健康中国2030”规划纲要》提出,“健康优先”是推进建设健康中国的4个基本原则之一,而“提供优质高效的医疗服务”又是健康中国战略的核心内容。据《2021年我国卫生健康事业发展统计公报》数据显示,政府卫生支出从2009年的4816.26亿元扩大到2021年的20718.5亿元,增长了4.3倍[1]。但根据国务院的《深化医药卫生体制改革2022年重点工作任务》文件显示,我国医疗资源的投入仍然显著落后于医疗服务需求,医疗服务领域的供需矛盾日益凸显,“看病贵”“看病难”问题持续存在。单纯依靠政府财力等要素的大规模投入甚至导致了医疗资源错配等问题,过多的医疗资源集中在大城市的大医院,基层医护人员普遍不足等现象涌现,这在一定程度上加重了“看病难”问题。尤其是2019年12月突然爆发的新冠疫情,更是给我国医疗服务业带来了前所未有的挑战。如何科学评价医疗服务绩效,探索绩效的提升路径成为了亟需解决的重要问题。而效率和质量是医疗服务绩效的重要内容,前者是医疗资源利用状况评价的重要指标之一,后者是医疗卫生服务业发展的重要基础。因此,在评价医疗服务绩效时必须将效率和质量结合起来进行综合考虑。

1 文献综述

1.1 关于医疗服务绩效评价的研究

国内外学者对医疗服务绩效的评价框架主要有:结构——过程——产出框架、世界卫生组织(WHO)的卫生系统绩效评价框架、世界银行(WB)的控制柄框架、国际标准化组织(ISO)的健康指标框架等。尽管评价方法各异,但医疗服务效率和质量却是各种评价框架的主要绩效目标。医疗服务绩效可以视为是医疗服务效率和质量的有机整合,二者缺一不可。学者们对效率和质量的关系进行了许多有益的探索。部分学者运用统计分析方法,从独立视角对医疗服务效率和质量二者关系进行了分析(Gok&Sezen,2013[2])。Nayar&Ozcan(2008)则是最先将质量当作效率的一种产出,从技术效率和质量视角综合评价医院绩效的,其研究结果表明,高效率的医院同时拥有高质量的医疗服务,效率和质量二者不是独立存在的[3]。Du et al.(2014)用存活率表示医疗质量,并将其作为一种产出指标对急诊医院的效率进行测算[4]。杜涛等(2019)把医疗服务质量作为效率的外部因素,从投入——产出视角测算医疗服务效率[5]。

1.2 关于医疗资源错配的研究

资源错配是针对有效配置而言的,经济学中的“有效配置”是指有限资源获得最大产出的配置效率,而“资源错配”则是对理想配置状态的偏离。Hsieh&Klenow(2009)的内涵型错配[6]和Banerjee&Moll(2010)的外延型错配[7]是学术界普遍认同的两种资源错配。但关于资源错配的测算多采用内涵型错配理论及其模型,以间接法(指数法)为主,如王艳伟和黄宜(2022)[8]。梳理现有研究发现,国内外学者们对医疗资源配置问题的研究多基于罗尔斯公平正义理论,即关注的焦点集中在医疗资源配置的公平性评价和效率评价方面。在配置的公平性评价方面,文献多以区域为基本研究单元,用医疗机构数、床位数和人员数等指标来衡量医疗资源的丰富程度,运用因子分析法、TOPSIS等方法评价医疗服务的(Grossman,1972[9];林曙光和王应明,2022[10]);在配置的效率评价方面,Arrow(1963)在研究初期提出,医疗资源配置效率低下的原因是信息不对称和逆向选择,鲜有文献对其追根朔源[11]。学者们多运用数据包络法和Tobit模型等对医疗资源配置效率进行测算和评价(王俊豪和贾婉文,2021[12])。叶初升等(2021)基于医生——患者、医生技能——患者病情的双重关系框架提出了另一种形式的医疗资源错配,即轻症患者高价购买高技能医疗服务,而重症患者则往往出现误诊或者放弃治疗现象[13]。

综观已有研究,我们发现医疗资源错配和医疗服务绩效研究尚有许多优化的空间,鉴于此,本文借鉴Hsieh&Klenow的内涵型资源错配模型,将资源错配划分为医疗劳动力资源错配和资本错配,并将医疗服务质量作为产出效率指标之一来测算医疗服务绩效,以中国31个省级数据为样本,探讨医疗资源错配对医疗服务绩效的影响,以期改善医疗资源配置结构,进一步提升我国医疗服务绩效。

2 研究设计

2.1 医疗服务绩效测算方法

2.1.1 超效率SBM模型

传统的DEA模型是基于径向距离的函数模型,在评估各决策单元效率时无法考虑投入的“冗余”和产出的“短缺”问题;而且当多个决策单元的效率值均为1时,传统的DEA模型则无法进行比较,进而导致效率值的测算和比较存在偏差。Tone(2012)提出的超效率SBM模型则可以克服传统DEA模型的不足[14]。具体的计算公式如(1)所示。

λ≥0,s-≥0,s+≥0

i=1,2…,m;r=1,2,…,q;j=1,2,…n(j≠k)

(1)

2.1.2 医疗服务绩效的指标选取

Cetin&Bahce(2016)的研究指出,医疗服务绩效是医疗服务效率和医疗服务质量的有机结合[15]。其中,关于医疗服务质量的衡量问题,则借鉴Giarelli(2003)[16]的研究,从管理质量、利益相关者的获得质量、专业素质方面选取指标。根据数据的可获得性,管理质量用医院总收入表示,利益相关者的获得质量用人均住院费用表示,专业素质用平均住院日表示。基于Nayar&Ozcan(2008)[3]的研究,将医疗服务质量的相关指标加入到医疗效率的产出指标中,以测量医疗服务绩效。医疗服务绩效的投入产出指标如表1所示。

表1 医疗服务绩效指标的说明

2.2 医疗资源错配测算方法

2.2.1 要素产出弹性测算

假设地区i的生产函数是具有规模报酬不变的C-D函数,如式(2)所示:

(2)

以资本产出弹性αit为例,基于索罗余值法,对式(2)两边取自然对数,进行变形得到式(3):

(3)

在式(2)和式(3)中,Yit表示地区i在t时期的医疗服务总产出;Ait表示地区i在t时期的全要素生产率;K、L分别表示资本和劳动的投入;αit、βit分别表示相应的资本产出弹性、劳动产出弹性。μt、λt、εit分别表示个体效应、时间效应、随机效应。

鉴于数据的可获得性和连续性,医疗服务的资本投入用非流动资产表示,并用永续盘存法来测算存量;医疗服务的劳动力投入用各省市的卫生人员数量表示。运用最小二乘虚拟变量法(LSDV)进行计量估计。

2.2.2 医疗资源错配的测算

在Hsieh&Klenow(2009)[6]的经典理论分析框架下,资源错配是可以用“税收楔子”来表示的,即资本错配指数和劳动力错配指数分别用τK和τL表示。借鉴陈永伟和胡伟民(2011)[17]的做法,通过测算要素价格相对扭曲系数来衡量资源错配指数,即如式(4)所示:

(4)

假设某经济体内的n个地区,同一地区的生产函数相同,不同地区的生产函数不一致,整个生产过程只有资本、劳动两种生产要素投入。将要素错配指数用价税形式计入要素投入成本,运用利润函数法求解生产利润最大化问题,如式(5)所示。

πit=PitYit-(1+τKit)PKitKit-(1+τLit)PLitLit

(5)

在式(5)中,Pit、PKit、PLit分别表示地区i在t时期的医疗服务产品价格、资本要素价格、劳动要素价格。

进一步假设某经济体的最终产出是各地区产出的C-D函数的加总,计算得出要素相对扭曲系数,如式(6)所示:

(6)

2.3 计量模型构建

2.3.1 模型构建

为了考察医疗资源错配对医疗服务绩效的影响,建立的计量模型如式(7)所示:

HEEit=α0+α1τKL+∑βnxit+μt+λt+εit

(7)

其中,HEEit表示医疗服务绩效;τKLit表示医疗资源错配指数;xit表示其他控制变量;μi表示不可观测的地区效应;λt表示时间效应;εit表示随机误差效应。

考虑到医疗服务绩效可能受经济惯性的影响,在式(7)中引入滞后一期的医疗服务绩效(HEEit-1)作为解释变量之一,构成医疗服务绩效的动态面板模型,见式(8)。

HEEit=α0+α1HEEit-1+α2τKLit+∑βnxit+μi+λt+εit

(8)

2.3.2 变量指标的选取

医疗服务绩效是被解释变量,用超效率SBM模型将医疗服务质量作为效率产出指标之一计算得到。核心解释变量是医疗资源错配,借鉴王艳伟和黄宜(2022)[8]的做法,用医疗资本错配指数和劳动力错配指数的绝对值的平均值表示。从经济因素、行业发展因素、制度环境因素等方面选择控制变量。根据数据的可获得性原则,分别用人均GDP、医疗市场竞争程度、医疗领域政府干预程度、人口密度等变量作为计量模型的控制变量,具体的变量解释如表2所示。

表2 计量模型变量的解释说明

2.4 样本选择和数据

鉴于2012年才开始有医疗机构的非流动性资产的相关统计,遵循数据的统一口径和可获得性原则,研究样本选择为2012～2019年全国31个省市(自治区)数据。数据来自于《中国统计年鉴》《中国卫生健康统计年鉴》。其中,医疗服务绩效、医疗资源错配指数、医疗市场化程度、医疗市场政府干预程度均为相对数指标,不取对数。其余变量全部取对数,计入计量模型,以避免异方差的影响。

3 实证结果分析

3.1 医疗服务绩效的测算分析

基于2012～2019年的样本数据,运用SBMrun软件测度我国各地的医疗服务绩效,结果见图1。

图1 2012～2019年我国各地医疗服务绩效的均值

从图1可知,我国各地在2012～2019年的医疗服务绩效均值处于0.523～1.484之间,医疗服务绩效最小的是内蒙古,均值为0.523;医疗服务绩效最大的是上海,均值为1.484。内蒙古、山西、吉林、青海、重庆、陕西、辽宁、湖南、黑龙江、广西、湖北、江西、河北、甘肃、四川等地的医疗服务绩效均值都小于1,没有达到完全有效水平,其余各地的医疗服务绩效均值都大于1,尤其是上海、广东等地的医疗服务绩效处于较高水平。可能的原因在于:上海和广东等地的经济发展水平较高,医疗资源丰富,不管是医疗服务质量,还是医疗服务效率都处于较高水平;而内蒙古、山西等中西部地区的经济较为落后,在医疗资源、医疗服务能力、医疗服务效率方面都远不及多数东部发达地区。

3.2 医疗资源错配的测算分析

根据Hsieh&Klenow(2009)[6]的研究可知,当资源错配指数为0时,表示不存在错配现象;当资源错配指数大于0时,表示资源配置不足;当资源错配指数小于0时,表示资源配置过度。基于医疗资源要素产出弹性和资源相对扭曲系数,计算得到2012～2019年我国各地区的医疗资源错配指数,用医疗资本错配指数和劳动力错配指数绝对值的平均值表示医疗资源错配情况,见图2。

图2 2012～2019年我国各地医疗资源错配指数绝对值的均值

为了使回归模型中的核心变量只反映资源错配程度,所以用资源错配指数绝对值进行分析。从图2可知,2012～2019年我国各地区的医疗资源均存在不同程度的资源错配现象。其中,北京的医疗资源错配指数最大,高达1.703,这表明其医疗资源错配程度比较严重;辽宁的医疗资源错配指数最小,仅为0.073,这说明其医疗资源的配置较之其他区域显得较为合理。总体来看,样本数据中各地区的医疗资源错配程度差异较大。

3.3 计量模型结果与分析

基于2012～2019年我国31个省(市、自治区)的面板数据,首先进行静态面板估计,根据Hausman值进行检验,结果显示,样本数据应选择固定效应模型。由于样本数据是N>T的短面板数据,而且为了进一步避免变量的内生性问题,同时也为了实证结果的稳健性,运用广义矩GMM方法进行动态面板估计。差分GMM和系统GMM的AR(1)检验对应的P值均小于0.05,AR(2)检验对应的P值均大于0.1,这表明动态面板模型的残差序列一阶相关,但二阶不相关,通过了Arellano-Bond的序列相关检验。差分GMM、系统GMM的Hansen J检验的P值均大于0.1,接受原假设,这进一步说明模型选取的工具变量有效。实证结果见表3。

表3 医疗资源错配对医疗服务绩效的影响检验

由表3可知,静态面板数据的固定效应模型、动态面板数据模型的结果均显示,核心解释变量医疗资源错配对医疗服务绩效具有负效应,并通过了显著性检验。这说明,医疗资源错配是会抑制医疗服务绩效提升的。动态面板数据差分GMM、系统GMM的估计结果均显示,医疗服务绩效的滞后一期对医疗服务绩效具有显著的正向影响,这表明医疗服务绩效的提升是一个渐进的过程,当期的医疗服务绩效显著依赖于往期的医疗服务绩效,具有一定的累积性和路径依赖性。

在控制变量方面,静态面板固定效应模型、差分GMM、系统GMM估计结果存在一定的差异性。鉴于样本数据和模型检验结果,我们选择动态面板模型进行分析。较之于差分GMM估计方法,系统GMM估计方法更能解决弱工具变量的问题,其估计效率更高。表3的系统GMM估计结果和差分GMM估计结果多数一致,也表明了动态模型检验结果的稳健性。

表3中的系统GMM估计结果显示,医疗资源错配会显著阻碍医疗服务绩效的提高,其原因可能在于:由于医疗资本投入或者人力投入没有实现帕累托最优,结果导致医疗资源配置不足或者过剩,降低了医疗服务绩效。

在控制变量方面,人均GDP可以显著提高医疗服务绩效水平,这可能是因为人均收入水平越高,对医疗服务的数量和质量要求越高。为满足多层次和高水平的医疗服务需求,医疗机构会从医疗质量、医疗价格等方面提升服务绩效。医疗市场的竞争程度和医疗服务绩效呈显著的正相关关系,这表明,医疗市场的竞争性越大,其医疗服务绩效水平越高。其原因在于:有效竞争的市场结构有利于促进医疗机构追求利润最大化,最终提升医疗服务绩效。尤其是医疗市场具有自身的特殊性,供给方占据主导地位,需求方偏好质量而对价格不敏感,其有效的市场竞争将导致医疗机构更加注重医疗质量的提升。政府干预对医疗服务绩效具有显著的阻碍作用,即政府干预程度越高,医疗服务绩效水平越低。这可能是由于医疗领域的政府干预会干扰行业内资源的动态配置,尤其是在政府管制程度较高的医疗领域中,医疗供需信息的不对称往往更容易产生市场失灵,进一步降低了医疗服务绩效。人口密度对医疗服务绩效具有显著的促进作用。这可能是由于医院往往会倾向于在人口密度大的地区进行集聚,Cochrane et al.(1978)[18]的研究也表明,人口密度越大,医疗服务在有限财政预算约束下更容易被人们获取,医疗服务绩效越高。

4 结论与政策建议

4.1 结论

本文在系统分析了医疗资源错配和服务绩效的关系基础上,基于2012～2019年全国31个省(市、自治区)的面板数据,将医疗服务质量作为产出之一,构建了医疗服务绩效的评价指标体系,分别运用超效率SBM模型和最小二乘虚拟变量LSDV模型测算医疗服务绩效、医疗资源错配指数,并通过构建静态面板模型和GMM动态面板模型,实证分析了医疗资源错配对医疗服务绩效的影响。研究结论表明:

(1)我国31个省(市、自治区)的医疗服务绩效存在显著的区域差异,在2012～2019年的样本区间,上海的医疗服务绩效均值最大,而内蒙古的医疗服务绩效均值最小。东部地区的医疗服务绩效均值高于中部、西部的医疗服务绩效。

(2)在样本期间,我国省级区域均存在一定程度的医疗资源错配,而且地区间差异较为明显。北京的医疗资源错配指数均值最大,而辽宁的医疗资源错配指数均值最小。

(3)静态面板模型和动态面板GMM估计模型均显示,医疗资源错配对医疗服务绩效具有显著的阻碍作用,而且医疗服务绩效存在一定程度的路径依赖现象。此外,人均GDP、医疗市场竞争程度、医疗领域的政府干预、人口密度等因素均会影响医疗服务绩效。

4.2 政策建议

基于上述的理论和实证研究,结合“健康中国2030规划纲要”对提升医疗服务绩效的要求,提出以下政策建议:

4.2.1 鼓励医疗行业的要素流动

由于经济发展水平、医疗资源禀赋、财政支持力度等原因,我国医疗资源配置存在显著的差异性。“跨省就医”、大医院人满为患等成为普遍现象,进一步加剧了“看病贵、看病难”问题。要逐步打破行业壁垒,深化公立医疗机构的体制改革,实现医疗资源的要素流动,以更好地满足不同层次的医疗需求。在医疗资源布局方面,“抓强扶弱”并重,既要“攀峰”,打造医疗高地,又要“填壑”,实现优质医疗资源下沉,实现医疗服务绩效的提升。2021年“港澳药械通”政策的落地,有助于为深港澳医疗卫生人才融合打破“双城壁垒”,推动粤港澳大湾区医疗协同发展。

4.2.2 推进医疗领域的市场化改革

由于医疗服务产品的特殊性,医疗市场存在较高的进入壁垒,这显然削弱了医疗市场竞争程度[19]。较之于一般的商品和服务市场,医疗市场上供给方居于主导地位,需求方偏好质量而对价格不敏感,这加剧了供需双方的信息不对称。要逐步消除医疗市场的制度性进入障碍,在资金、土地、人才、制度等方面加大“社会办医”的政策保障力度,促进民营资本、外资资本进入医疗领域,丰富医疗市场的供给主体,形成有效竞争的市场结构,进而全面提高医疗服务绩效。宿迁医改放开了社会办医准入,将宿迁的医疗资源从“一穷二白”转变为充裕,医疗供给稳步增长。

4.2.3 提升政府对医疗行业的宏观调控能力

由于医疗领域存在大量的公共产品和准公共产品,单纯依靠市场机制往往无法实现有效供给,需要政府在市场失灵领域进行宏观调控。但过度的政府干预又会降低医疗服务绩效,这在公立医院垄断我国医疗市场的计划经济时期尤为突出,一方面,医疗市场缺乏有效竞争,效率低下;另一方面,“看病难、看病贵”问题日益严重。政府要树立“大健康”理念,实现部门联动,加强统筹规划能力,完善公共健康政策体系,提高对医疗行业的宏观调控效力,以实现政府在医疗领域监管的不缺位。在保障社会公平的前提下,政府既规范了医疗市场秩序,又提高了医疗服务绩效水平。