互联网普及、交通便利化与医疗卫生服务效率——基于系统GMM 与动态面板门槛模型的检验

□ 杨 欢 陈杨洋

（1.青岛科技大学 经济与管理学院，山东 青岛 266061；2.浙江海洋大学 经济与管理学院，浙江 舟山 316022）

一、引 言

自2009 年“新医改”以来，国家对于医疗卫生服务质量的提升越来越重视，医疗服务水平与人民健康水平不断提升，但人们对医疗服务的需求和医疗资源不均衡之间的矛盾却日益凸显。2016 年国务院《“十三五”卫生与健康规划》指出，中国医疗卫生资源总量不足，结构不合理，制约了卫生与健康事业的改革发展。2020 年初暴发的新冠肺炎疫情，充分暴露了我国医疗系统长期以来存在的医疗卫生资源配置不均衡问题。但限于体制和财力等方面的原因，短时期内大规模增加公共医疗卫生支出来实现医疗服务的均等化并不实际，应将关注的重点转向效率的提升。Li 等[1]指出，我国基层医疗卫生服务质量存在广泛差距，基层服务效率低下问题亟待解决。当前，如何加快医疗服务效率的提升是我国医疗健康事业发展面临的重要问题。

近些年，随着我国对民生服务关注度的不断提升，医疗卫生效率问题逐渐受到了国内学术界的广泛关注。对于医疗效率的测度方法大多以数据包络分析（DEA）为主，由传统的DEA 方法逐渐发展为Malmquist-DEA 方法、动态网络DEA 等[2-4]。分析对象既有全域层面也有单一省份，既有城市医院的绩效评价也有农村卫生机构的效率研究,较普遍的结论是：我国医疗卫生服务效率的区域不均衡显著，空间格局总体呈“东高西低”的分布特征，城乡间医疗服务差异突出[5-7]。对于我国医疗卫生效率主要影响因素，学者基于不同的视角进行了大量研究。例如：从财政分权视角，相关研究指出提高地方财政投入有助于改善地方医疗卫生支出效率[8]；然而，政府事权与支出责任不匹配和转移支付不精准却制约了医疗卫生财政支出效率提升[9]。从医疗改革变迁视角，管彦庆等[10]指出2009年启动的医药卫生体制改革给予中国范围内医疗卫生支出效率的技术进步推动力在2010 年达到峰值后走出下降趋势；陈叶烽等[11]研究认为医药分离制度对医疗市场效率的提高作用有限，但病人福利会得到显著提升。从市场竞争与垄断视角，庞瑞芝等[12]研究发现民营医院数量的增多能够引起医疗行业效率提高；在医疗服务提供方面目前公立医院的垄断地位仍难以打破[13]。从医疗管理与技术视角，于明远[14]研究指出我国医疗管理水平与技术创新水平的提升有助于医疗卫生服务效率的提升。

综上，国内关于医疗卫生服务效率的研究已取得了诸多有价值的成果，但仍有不足之处：其一，对于医疗卫生效率的测度方法较为单一，大部分借助DEA 方法，但该方法无法对多个有效决策单元进行排序比较；其二，对于医疗卫生效率影响因素的考察忽略了两个重要因素：互联网普及与交通便利化。近十年，我国城市间交通便利度显著提升，高铁营业里程位居世界第一，交通基础实施的完善大大减低了出行成本，同时提升医疗资源的可及性[15]。新冠疫情暴发后，在线医疗使用规模迅速扩增，互联网医疗为人们看病就医提供诸多便利。鉴于此，本文做了如下创新性工作：应用Super-SBM 模型测度“新医改”后中国31 个省（市）的医疗卫生效率，考察其时空动态演变特征；利用系统GMM 与动态面板门槛回归方法分析互联网普及与交通便利化对医疗卫生效率的影响，为促进医疗卫生效率提升探寻有效路径。

二、研究方法与变量说明

（一）研究方法

1.Super-SBM 模型。Super-SBM 模型结合了超效率DEA 模型和SBM 模型的优点，允许效率值大于1，不仅能够更准确的测算组织效率，而且能够很好地解决多个决策单元效率间的排序问题[16]。因此本文选用Super-SBM模型测算中国各省的医疗卫生效率，模型如下：

其中，ρ*是目标效率，n为决策单元个数，m、q分别为投入和产出个数，xi j(i= 1,2,… ,m)、yrj(r= 1,2, …,q)表示第j个决 策 单 元 的 投 入 和 产 出，ω=(ω1，ω2…,ωn)T为 权 重 向量,和分别为投入和产出的松弛变量。

2.Theil 指数及其分解方法。由Theil[17]基于信息理论中的“熵”概念提出的Theil 指数，不仅能够测度总体差异，且可以展现组内差距和组间差距对总体差距的贡献。本文选用Theil 指数来测度我国医疗卫生服务效率的区域差异，其计算公式如下：

其中，T为总体泰尔指数，其值介于0～1 之间，数值越大代表差异越大；m为划分的组数；N i为i区域人口占我国总人口比重，iR为i区域医疗卫生效率占总效率比重；iT为i区域的组内泰尔指数，计算公式参见文献[17]。

3.Markov 链分析方法。Markov 链分析方法是通过转移矩阵来分析变量的内部动态性及其演变过程[18]。本文应用此方法来分析各省份医疗卫生效率在其所在区域中的相对位置变动情况。将医疗卫生效率划分为完备的、不交叉的N种类型，通过Markov 链，可以得到一个N×N维的转移概率矩阵P=(Pij)，满足Pij≥ 0且Pij=1。采用极大似然估计法求解转移概率，即Pij=ni j/ni，其中nij表示考察期内由状态i转移到状态j的出现次数，ni表示第i类状态出现的总次数。

4.动态面板模型。本文的主要目标是研究互联网普及和交通便利化是否促进了我国医疗卫生效率的提升。基于医疗知识的积累和医疗技术水平的延续性特征，当前医疗效率可能会受到过去经验的影响，故在模型中引入了被解释变量滞后项。为了避免可能存在的异方差问题，对非比例性质的控制变量进行了对数处理。具体模型如下：

其中，MEit为被解释变量，表示i地区t期的医疗效率；MEit-n为医疗效率的n期滞后项；INTit和TCit为核心解释变量互联网普及率和交通便利度；X it和Zit为一系列非比例性和比例性控制变量；iµ为个体固定效应；tδ为时间效应；itε为随机扰动项。

5.门槛面板模型。由于互联发展与交通建设具有一定的规模效应与网络效应，其对医疗卫生效率的影响可能并不完全是传统意义上的线性平滑式增长，可能存在非线性时变特征，对此本文选择门槛模型予以考察。单门槛模型为如下形式：

其中，N为门槛变量，包括互联网普及率和交通便利化指数；λ为待估门槛值；I(· )为指示函数，当括号在表达式为真时，取值为1，反之取值为0；Xit、Zit、µi、δt和εit的含义同上。在单门槛值模型的基础上，还可以考虑模型中存在多个门槛值的情形，以双重门槛值为例，模型为如下形式：

其中，λ1和λ2（λ1＜λ2）为待估门槛值，其他字母含义同上。多门槛模型可在双重门槛模型基础上进行扩展，在此不再赘述。

（二）变量说明

1.被解释变量

医疗卫生效率（ME）。结合已有相关文献（管彦庆，2014；于明远，2021），医疗卫生服务效率的投入要素主要考虑人、财、物三个方面，“人力投入”选择卫生技术人员（包括执业医师、注册护士、药师和技师）数量为指标，“物力投入”选择医疗卫生机构的床位数量作为指标，“财力投入”选择医疗卫生业务支出作为指标。产出指标，主要考虑业务量和业务收入两方面，业务量以医疗卫生机构的总诊疗人次和年出院人数进行衡量，以医疗卫生机构总收入作为业务方面的产出指标。

2.核心解释变量

（1）互联网普及程度

随着互联网的普及渗透，医疗服务由原始的完全线下模式逐渐发展为线上线下一体化模式，互联网拓展了医疗资源使用的广度与深度，互联网普及程度能够在一定程度反映居民对互联网医疗的参与情况。本文选择互联网普及率（INT）作为衡量互联网普及程度的指标。

（2）交通便利化程度

道路建设和公共交通工具建设情况是反映交通变量程度的两个主要方面，而公共交通工具又可分为公共汽车和轨道交通两类，因此对于交通便利度（TC）的测度综合了道路建设、公共汽车便利度和轨道交通便利度三个方面，指标体系如表1 所示。各指标权重采用熵权法计算得到，运用综合评价法得到各年各省份的交通便利度评价分数，并以10 为基准，进行转化，得到交通便利度指数。

表1 交通便利度评价指标体系

3.控制变量

控制变量考虑以下四个方面：经济、制度、人口结构和医疗结构。其中，经济因素以人均GDP（PGDP）和人均可支配收入（PIN）来测度；制度因素主要考虑财政分权，采用人均地方财政收入（支出）与中国人均财政收入（支出）之比表征收入角度财政分权程度（FDI）和支出角度财政分权程度（FDE）；人口因素主要考虑人口密度（PD）、城镇化率（UR）和抚养比（DEP）（包括老年抚养比和少儿儿童抚养比）；医疗结构方面主要考虑等级医院占比（HOS）和技术人员比例（TEP）1等级医院占比=；技术人员比例=。

三、中国医疗卫生服务效率的时空格局

（一）中国医疗卫生效率的测度

应用Super-SBM 模型测算2010-2019 年中国31 个省的医疗卫生效率，采取等间隔分段法将医疗卫生效率划分为低、中低、中高和高效率四个等级2低效率（0.604-0.738）、中低效率（0.739-0.872）、中高效率（0.873-1.005）、高效率（1.006-1.139）。，以2010 年和2019 年为代表年份绘制我国医疗卫生效率的空间格局（图1）。可见，我国医疗卫生效率呈现明显的东高西低，南高北低的分布特征。2010 年表现为东部地区“高高”聚集，而西部和东北地区“低低”聚集局面，中国共有11 个高效率省份，包括北京等5 个东部沿海省份、江西与河南2个中部省份和四川等4 个西部省份；3 个中高效率省区，分别是河北、江苏和重庆；10 个中低效率省区，分别是东部的天津、山东和海南3 省和西部的甘肃、青海、宁夏、新疆4 省，安徽湖北湖南中部3 省；7 个低效率省区，包括东北三省、山西1 个中部省份和内蒙古、西藏、陕西3 个西部省份。随着时间的推移，我国整体医疗卫生效率在不断提升，低效率和中低效率省份逐渐减少，中高效率和高效率省区个数增加。到2019 年，高效率和中高效率省区分别增加到12 和10 个，而中低效率和低效率省份分别减少为4 个和5 个，东部地区“高高”聚集增强，中部地区呈现以“江西-河南”为轴线向东西两侧递降的格局，西部地区呈现以贵州和甘肃为中心向四周递降的特征，东北地区依然为“低低”聚集的态势，我国整体上呈现显著的“东-中-西-东北”的顺序递减。

（二）中国医疗效率的地区差异大小及其来源

图2 为我国及四大区域医疗卫生效率Theil 指数的演变趋势。可知，我国Theil 指数在2010 年最大为0.015，之后呈现波动下滑趋势，年均变化率为-5.38%，表明“新医改”政策实施后，我国医疗卫生效率总体差距逐渐缩小。四大区域医疗卫生效率差距相比可见：中、西部差异较高，东部次之，而东北地区差异最小。东中西三大区域医疗卫生效率均呈现逐渐缩小趋势，但东北地区差异逐渐扩大。图3 为组内差距与组间差距对总体贡献度的演变趋势，四大区域内部差异的贡献率始终高于60%，并且整体呈现上升趋势，而区域间差距贡献率始终低于40%，呈现逐渐缩小趋势。由此表明，我国医疗卫生效率总体差异主要来源于区域内部的差异，可能原因在于，医疗服务的人力、物力、财力资源等均具有向省会或中心主导城市倾斜的特征，而边缘或经济发展水平较低的城镇医疗资源匮乏、医疗技术提升缓慢，导致区域内医疗效率差异较大。

图2 中国及四大区域医疗卫生效率差异演变趋势

图3 医疗卫生效率总体差异来源演变趋势

（三）中国医疗卫生效率的动态转移特征

基于Markov 链分析方法测算了中国及四大区域时间跨度T 为1 年的医疗卫生效率的随机转移概率，如表2 所示。全域层面，医疗卫生效率保持初始状态的稳定性较高，低效率和中低效率省份呈现小幅度提升的趋势，中高效率省份既有上升也有下降情况，但上升概率显著大于下降概率，高效率省份稳定性较高，有小概率下降情况，但并无跨越式大幅度下降。东部地区无低效率省份，中低、中高和高效率省份效率越高保持原始状态的稳定性越高；中低效率和中高效率省区均存在逐渐提趋势；中高效率和高效率省份存在小概率下降的情况。中部地区低效率省份始终困在“低效率陷阱”；中低和中高效率省份医疗效率显著提升；高效率省份有小概率向下转移情况。西部地区低效率和中低效率省份医疗水平提升显著，存在跨类型上升情况；中高效率省份流动较大，既存在向上提升也有向下转移，上升概率显著大于下降概率；高效率省份稳定性较高，但存在向下一层转移的情况。东北地区省份医疗效率均处于低水平和中低水平，并且低效率省份向上转移概率较小，且不存在跨类型上移；中低效率省份向上转移为中高水平的概率为25%。以上分析表明，亟需因地制宜地调整中部和东北地区医疗改革政策，找到其薄弱环节对症下药，使其冲破低效率屏障。

表2 医疗卫生效率的Markov 链转移概率矩阵

四、GMM 模型实证检验结果

（一）GMM 检验结果分析

为研究互联网普及和交通便利化是否促进了我国医疗卫生效率的提升，本文采用两步系统GMM 来分析。系统GMM 分析方法可以很好的缓解模型本身的内生性问题，并且两部估计法更加精确，回归结果如表3 所示。

表3 中国及区域层面回归结果

1.全域性分析

经验证，全域层面医疗卫生效率的一阶滞后项和二阶滞后项系数在1%置信水平上显著且为正值，三阶及以上滞后项不显著，由此模型中解释变量的滞后期定为二期，表明医疗卫生效率短期内具有显著的“惯性”和循环促进效应。互联网普及率的系数为正值且在5%置信水平上显著，表明互联网普及有利于医疗卫生效率的提升。互联网普及一方面加速了跨区域的网络综合服务平台的构建，促进了医疗信息与诊疗技术的溢出与传播，另一方面增加了人们问诊的积极性，有助于患者尽早发现疾病及时就医，进而促进了医疗效率的提升。交通便利化程度的回归系数在5%置信水平上显著为正值，说明交通便利化对医疗服务的效率具有正向的促进作用。交通便利化一方面缩短了就医时间，另一方面增加医疗资源的可及性与流动性，促进了医疗资源的均衡配置，这两个方面均有助于医疗服务效率的提升。

2.区域异质性分析

东、中、西和东北地区的回归结果如表3 第三至六列所示。四大区域互联网普及率的回归系数均为正值，除东北地区外，东中西三区域均通过了显著性检验。表明东中西部地区互联网普及对医疗卫生效率的提高产生了显著的正向促进作用，而东北地区互联网普及对医疗效率的促进作用并不显著，可能的原因在于：其一，东北地区人口流失严重，医疗资源的配置不均衡凸显，互联网的普及对于医疗效率的提升并未产生显著的拉动作用；其二，东北地区人口老龄化严重，老年人对于互联网的使用相对有限，虽然表面上互联网普及率在增加，但对于互联网医疗的应用度实则较低。四大区域交通便利度的回归系数均为正值，但仅东部和中部地区在10%的置信水平上显著，而西部和东北交通便利度回归系数不显著，可能的原因在于，西部地区地域广阔，虽然道路网密度在逐渐加强，但快速出行的交通设施建设发展缓慢，而东北地区虽然交通便利度好于西部地区，但快速出行的轨道交通建设仍然不足，故交通便利度对医疗效率的正向影响暂不显著。

五、门槛回归模型实证检验结果

（一）门槛效应检验结果

利用Bootstrap 抽样法检验互联网普及与交通便利化对医疗卫生效率是否存在门槛效应，结果如表4 所示。互联网普及率单一门槛效应在5% 置信水平上显著，而双重门槛效应未通过显著性检验，故选择单一门槛模型分析互联网普及度对医疗卫生效率的非线性影响。交通便利度单一门槛效应和双重门槛效应分别在5% 和10% 置信水平上显著，而三重门槛效应检验不显著，故采用双重门槛模型分析交通便利化对医疗效率的非线性影响。

表4 动态面板的门槛效应检验

（二）门槛估计结果分析

门槛效应回归结果如表5 所示。互联网普及率对医疗卫生效率的非线性影响结果显示，当互联网普及率低于30.40% 时，影响系数未通过显著性检验，当互联网普及率高于30.40%时，影响系数在1%置信水平上显著为正值。由此表明，当互联网普及率较低时，网络就医服务并不能很好地发挥其作用，只有当互联网的普及程度超过一定范围，“互联网+ 医疗”服务才能发挥其渗透与规模效应，通过提高优质医疗资源的可及性，方便患者就诊咨询，从而有效提高了医疗服务效率。交通便利化对医疗卫生效率的非线性影响结果显示，当交通便利化指数小于0.616 时，回归系数在1% 置信水平上显著为正值；当交通便利化指数超过0.616 但小于1.100 时，回归系数不显著；当交通便利化指数超过1.100 时，回归系数在10%置信水平上显著为正值。由此可见，交通便利化对医疗效率的影响存在一种中间过渡效应，对于交通便利化较弱的省份，如西藏、甘肃、青海等西部地区，交通便利度的提升能够大幅度提升医疗资源的流动性与可及性，显著促进医疗卫生效率的提升；但当交通便利度超过第一个门槛但未超过第二个门槛时，虽然交通发展在一定程度上方便人们的出行，但由于时间效应与规模效应递减的规则，交通便利化对于医疗卫生效率的提升并不显著；当交通便利化达到较高程度，如北京和上海等地，出行成本与时间大幅度降低，医疗资源流动性大幅度增加，促进了医疗效率的提升。

表5 动态面板的门槛效应回归结果

六、主要结论与政策建议

本文测算了中国31 个省（市）2010-2019 年医疗卫生效率，揭示了其时空演变特征，分析了互联网普及与交通便利化对医疗卫生效率的影响。研究表明：我国医疗卫生效率呈现“东部最高，中、西部次之，东北最低”的分布特征，中国整体呈现逐渐提升趋势，且总体区域差异逐渐降低；互联网普及对东中西部医疗卫生效率的促进作用显著，对东北地区促进作用不显著，交通便利化对东中部的促进作用显著，而对西部和东北地区作用不显著；互联网普及度对医疗卫生效率存在单一门槛，而交通便利化对医疗卫生效率存在双重门槛。

根据以上结论，提出如下政策建议：第一，提升偏远地区与农村地区互联网覆盖率，积极推动网络提速降费，提高用网服务供给质量。注重居民用网能力的提升，增加互联网就医引导，帮助年龄较大、文化程度较低的人群学习使用互联网就医平台，实现互联网医疗的精准赋能。第二，对于交通基础设施的完善，不同地区应实行差异化的建设策略。交通便利度较高的东、中部地区，在兼顾交通网络广泛覆盖的同时，更应该注重交通质量，特别应注重交通事故的降低与出行高峰时段道路畅通度的提升；交通便利度处于中等水平东北地区，应加大交通基础设施方面的补“短板”力度，加快公交专用道与轨道交通线路的建设；对于交通便利度较低的西部地区，首要任务是提升道路网密度，增强交通设施覆盖率与可及性。第三，除互联网与交通基础设施的建设外，还应结合各地区经济发展水平、人口结构、医疗资源禀赋等差异，因地制宜地制定医疗发展政策和建设计划。