中国医疗服务生产效率评价研究——基于DEA和SFA方法的组合研究.docxVIP

中国医疗服务生产效率评价研究——基于DEA和SFA方法的组合研究

一、研究背景与意义

（一）研究背景

当前中国医疗体制改革进入深水区，“强基层、建机制、提效率”成为核心目标。2024年国家卫健委数据显示，全国医疗机构床位数达980万张，卫生技术人员超1400万人，但区域间医疗资源配置失衡、服务效率差异显著——东部三甲医院平均住院日为6.8天，西部部分基层医院达10.2天，效率评价体系的缺失导致资源浪费与服务质量矛盾凸显。

（二）研究意义

理论意义：突破单一DEA（数据包络分析）忽略随机误差、SFA（随机前沿分析）依赖函数形式假设的局限，构建“非参数-参数”组合评价框架，丰富医疗效率评价的方法体系。

实践意义：识别不同省份、不同类型医疗机构（公立医院/基层机构）的效率短板，为医保支付改革、资源下沉政策提供数据支撑。

二、研究方法设计：DEA与SFA的组合路径

（一）两阶段组合模型

第一阶段：DEA初始效率测算

选择BCC模型（可变规模报酬），以“人力（卫生技术人员数）、资本（床位数）、运营成本”为投入指标，“诊疗人次、出院患者治愈好转率、患者满意度”为产出指标，测算31个省份2018-2022年医疗服务综合技术效率（TE）、纯技术效率（PTE）与规模效率（SE）。

优势：无需预设生产函数，可处理多投入多产出问题，直观识别效率前沿面。

第二阶段：SFA误差剥离与修正

以DEA测算的效率值为被解释变量，选取“老龄化率、财政医疗支出占比、每万人全科医生数”为环境变量，构建SFA随机前沿模型：

ln(TE_{it})=\beta_0+\beta_1X_{1it}+\beta_2X_{2it}+\beta_3X_{3it}+v_{it}-u_{it}

（其中v_{it}为随机误差，u_{it}为管理无效率项）

目的：剥离政策、人口结构等外生因素干扰，修正得到“真实管理效率值”，解决DEA无法区分随机误差与无效率的缺陷。

（二）数据来源与处理

数据面板：31个省（自治区、直辖市）的面板数据，时间跨度2018-2022年。

数据来源：《中国卫生健康统计年鉴》《中国统计年鉴》、国家卫健委年度报告。

预处理：通过Min-Max标准化消除量纲差异，使用多重共线性检验（VIF5）筛选指标。

三、预期研究结果与分析维度

（一）核心结果预期

效率分布特征：东部省份综合技术效率均值（预期0.82）高于中西部（预期0.68-0.73），规模效率差异是主要驱动因素（基层机构多处于规模报酬递增阶段）。

误差修正效果：SFA修正后，财政医疗支出占比每提升1%，真实管理效率提升0.03-0.05个单位，验证政策干预的有效性。

（二）关键分析维度

区域差异：对比东中西部效率差距，识别“京津冀”“长三角”医疗协同对效率的提升效应。

机构类型差异：公立医院纯技术效率（预期0.78）高于基层机构（预期0.65），但规模效率相反，为“县乡医共体”建设提供方向。

四、研究创新点

方法创新：构建“DEA测算-SFA修正”的闭环模型，同时兼顾效率评价的灵活性与误差控制的严谨性。

指标创新：将“患者满意度”“治愈好转率”等质量指标纳入产出体系，突破传统“重数量轻质量”的评价局限。

应用创新：针对基层医疗机构效率偏低问题，提出“按修正效率值制定医保差异化支付标准”的政策建议。