许文静

【摘 要】目的：探究我国各省卫生资源配置效率的差异及其相互影响，为制定相关政策提供依据。方法：采用EBM-Window模型测算我国各省卫生资源配置效率，并构建空间自回归模型进行实证分析。结果：我国各省卫生资源配置效率存在显著的差异，卫生资源配置效率存在省际间的空间溢出效应。结论：政府应充分重视卫生资源配置效率的空间溢出效应，通过各种举措加强各省之间的交流与合作，实现卫生资源配置效率的共同提升。

【关键词】卫生资源配置;效率;EBM-Window模型;空间溢出效应

中图分类号： R197.1 文献标识码： A文章编号： 2095-2457（2019）29-0124-003

DOI：10.19694/j.cnki.issn2095-2457.2019.29.057

Interprovincial Differences and Spatial Spillover Effects of Health Resource Allocation Efficiency in China

XU Wen-jing

（Henan college of animal husbandry and economics， zhengzhou 450044， China）

【Abstract】Objective： To explore inter-provincial differences in efficiency of health resource allocation and its mutual influence， providing a basis for policy. Methods： Based on EBM-Window model to measure the efficiency of health resource allocation， and build the spatial autoregressive model for empirical analysis. Results： The efficiency of health resource allocation existed significant provincial differences， and had spatial spillover effects. Conclusion： The government should pay attention to this spatial spillover effects， strengthen exchanges and cooperation between the provinces through various initiatives， to improve the their efficiency of health resource allocation.

【Key words】Health resource allocation; Efficiency; EBM-Window model; Spatial spillover effects

0 引言

如何將有限的卫生资源发挥其最佳的效用，是我国医疗卫生事业改革和发展所追求的一大目标，因此，很有必要研究我国卫生资源配置效率的现状及其影响因素。卫生资源配置效率的主要计算方法有数据包络分析法（DEA）和随机前沿分析法（SFA），韩华为等[1]采用数据包络分析法发现，我国各省卫生支出效率存在地区差异，并且人均GDP、居民受教育水平等是造成这种效率差异的重要原因;程琳等[2]采用异质性随机前沿模型进一步印证了韩华为的结论;张俊等[3]采用随机前沿分析法发现，各地区卫生体系技术效率存在显著差异，并且其影响因素在各地区也表现出不同的模式。采用DEA模型的学者中，有的使用径向模型，但该模型假定生产单元所有投入要素同比例变化，这与现实相违背;有的使用非径向模型，该模型包含非径向的松弛变量，这虽然避免了径向模型的缺陷，但却损失了效率前沿投影值的原始比例信息，Tone等[4]在2010年提出了一种包含径向和非径向两种距离函数的混合模型，即EBM模型，但未发现有学者将该模型引入到我国卫生资源配置效率的研究中来。另外，当前学者都把各省的卫生资源配置效率当成一个独立的个体去研究，忽视了各省之间的相互影响。为此，本文将基于2008-2014年的数据，采用EBM-Window模型对各省卫生资源配置效率进行测算，然后构建空间自回归模型，把地区间的相互影响引入到卫生资源配置效率的影响因素的实证分析中。

1 研究方法与数据来源

1.1 省域卫生资源配置效率的测度

卫生资源配置效率的测算需要构建生产前沿面，主要方法有随机前沿分析法（SFA）和数据包络分析法（DEA）。由于参数估计的SFA存在对模型设定和随机误差项正态分布的强假设偏误，而非参数估计的DEA不仅可以避免这种偏误，并且可以更好地拟合多投入多产出的生产活动，因此，我们选用DEA模型来测算卫生资源配置效率。DEA模型主要分为径向模型和非径向模型两大类，前者假定生产单元所有投入要素同比例变化，这与现实相违背;后者包含非径向的松弛变量，虽避免了径向模型的缺陷，但却损失了效率前沿投影值的原始比例信息。为此，我们使用Tone等[4]提出的包含径向和非径向两种距离函数的混合模型，即EBM模型，来测度各省卫生资源配置效率。

假定生产系统中有n个决策单元（DMU），每个DMU有m个投入要素（x）和s个产出（y），投入导向的EBM模型的线性规划式为：

被评价决策单元（DMU）的效率值为目标函数的最优解，即

δ*=θ*-ε■■

其中， θ表示CCR模型计算的径向效率值，s-表示投入要素的非径向的松弛向量，δ*表示模型测度的最优效率值，λ表示权重向量， ω■■表示各项投入要素的重要程度，ε∈[0，1]表示效率值计算中非径向部分占的比例，X、Y分别表示投入和产出矩阵，且X>0，Y>0。

为了研究卫生资源配置效率以及其随时间变化的动态效应，我们采用EBM-Window模型。假定共有n个决策单元（DMU），t个时期，则“DMU”总数是nt。如果窗口宽度为d，那么每个窗口内的“DMU”数是nd，窗口数量为w=t-d+1，增加“DMU”的数量是窗口模型的一个主要功能。窗口的宽度主要取决于时期的长度。Charnes等[5]指出，当窗口宽度d=3或d=4能实现效率测度的稳定性和信息量之间最好的权衡，因此，本文中我们设定窗口宽度d=3。由于在每一时期每个DMU有多个效率值，我们采用同一时期每个DMU的平均效率值作为最终的效率。

由于西藏自治区的统计数据缺失严重，本文选取除西藏外30个省的面板数据集，样本观测区间为2008-2014年。为了综合考虑卫生资源的人力、物力和财力三方面的配置效率情况，我们选取卫生技术人员数、医疗卫生机构床位数和总支出作为投入指标，诊疗人次、病床使用率和总收入作为产出指标。相关数据来自历年的《中国卫生和计划生育统计年鉴》。

1.2 卫生资源配置效率的空间计量分析

关于卫生资源配置效率影响因素的分析，传统的研究总是忽视各省间潜在的相互影响，往往把每个省都当成一个独立的个体去分析，但相邻省的卫生资源配置效率可能相互依赖，并最终达到一种均衡。为此，我们把省域间的相互作用引入到卫生资源配置效率的研究中。

由于空间计量经济学的基本思想是通过一个空间权重矩阵把区域之间的相互关系引入到模型中的，因此，空間权重矩阵的选取十分重要。根据已有的研究成果以及本文的研究需要，我们这样设定空间权重矩阵W：如果省域i和省域j地理位置相邻，则元素ωij的值取1，否则取0，并设矩阵W主对角线上的元素全为零。

在进行空间计量分析之前，先使用全局“莫兰指数I”检验各省卫生资源配置效率数据是否存在空间依赖性，其取值一般介于-1到1之间，其大于0表示正相关，即高值与高值相邻，低值与低值相邻。全局莫兰指数I的计算公式为：

I=■

其中，n表示省域的数目，x表示观测值，ωij为空间权重矩阵的W的元素，刻画了省域和省域之间i的j相邻关系。

通过全局莫兰指数I空间依赖性检验后，为研究卫生资源配置效率的影响因素以及各省之间的相互影响，我们构造面板数据的空间自回归模型（SAR）如下：

Yit=ρ（WY）it+X'itβ+μit

其中，Yit为省域i第t年的卫生资源配置效率（EFF）（i=1，2，…，30;t=2008，2009，…，2014）;W为前文设定的空间权重矩阵;（WY）it为空间滞后项，代表其他省域卫生资源配置效率观察值的一个线性组合;Xit为省域i第t年的解释变量的观察值，包括：（1）经济发展水平（ECO），用人均GDP衡量;（2）人口城镇化水平（POP），用城镇人口占总人口的比重衡量;（3）居民受教育程度（EDU），用平均受教育年限衡量。ρ和β为模型的待估系数，其中ρ刻画其他省卫生资源配置效率对本省的影响，也反映卫生资源配置效率的空间溢出效应，若ρ显著为正表示存在外溢效应，反之则不存在;β刻画解释变量对卫生资源配置效率的影响。μit为残差。相关数据来自历年的《中国统计年鉴》。

2 实证结果分析

2.1 省域卫生资源配置效率的测度

根据前文所述的研究方法和数据，我们运用MaxDEA软件计算了各省的卫生资源配置效率，并按传统东、中、西部地区划分法进行了分类，表1给出了分地区2008-2014年卫生资源配置效率的估计结果。

表1 2008-2014年东、中、西部地区卫生资源配置效率

从表1可知：总体上看，全国卫生资源配置平均效率为0.883，存在11.7%的效率损耗，并且卫生资源配置效率呈不规则变化，这可能是由我国卫生体制的不断改革造成的。分区域来看，三大区域卫生资源配置效率存在很大差异，东部地区高于西部地区，西部地区高于中部地区，并且中西部地区明显低于东部地区和全国平均水平，这反映出我国各省的卫生资源配置效率存在较大差异。

2.2 回归结果与分析

卫生资源配置效率的全局莫兰指数I的计算结果如表2所示。可以看出，样本期内全局莫兰指数I均为正值，并且在1%的水平上显著，这表明我国各省卫生资源配置效率的观测值存在着明显的正的空间相关性，我国各省卫生资源配置效率的空间分布并没有表现出完全随机的状态，而是表现出相似值之间的空间集聚。同时，豪斯曼检验结果显示应使用随机效应的空间自回归模型进行下一步分析。

表3给出了随机效应的空间自回归模型的回归结果。从该表可以看出，省域卫生资源配置效率的空间滞后项系数在1%的水平下显著为正，这表明相邻省份的卫生资源配置效率存在显著的相互影响作用，换句话说，某一省份的卫生资源配置效率会对相邻省份的卫生资源配置效率产生显著的正向影响，即卫生资源配置效率存在着省际间的空间溢出效应。空间溢出效应的微观机制很可能是这样的，某一地区在制定和执行卫生相关制度和政策时，总会参考其他地区的做法，而相邻省份由于其地缘因素，相邻的省政府之间、相邻省份的地级市政府甚至县级政府之间关系相对密切、交流相对频繁、信息相对畅通，这些都为其在制定和执行卫生相关制度和政策时进行相互模仿和借鉴提供了便利，这也就造成了卫生资源配置效率的空间溢出效应，使得省域卫生资源配置效率存在着空间集聚特征。这种卫生资源配置效率的空间溢出效应可以缩小各省卫生资源配置效率分布不均的现象，促进我国各省卫生资源配置效率的共同提升。

从表3还可以看出，经济发展水平对省域卫生资源配置效率的影响系数为正，这印证了许多文献得出的较高的经济发展水平有助于提高卫生资源配置效率的结论，但其结果不显著。人口城镇化水平对省域卫生资源配置效率的影响系数在5%的水平下显著为正，这表明城镇化水平的提高有助于卫生资源配置效率的提高。当前我国卫生资源配置呈现着城乡“二元”结构特征，城镇化水平的提高，可以集中优势医疗卫生资源，提高卫生资源配置的效率。居民受教育程度对省域卫生资源配置效率的影响系数在10%的水平下显著为正，这表明居民受教育程度的提高有助于卫生资源配置效率的提高。居民受教育程度的提高，有助于居民对医疗卫生资源利用能力和保健意识的提高，这将促进卫生资源配置效率的提高。

表3 空间自回归模型的估计结果

注：***、**和*分别代表在1%、5%和10%的水平上显著。

3 结论与建议

提高卫生资源配置效率，是我国医疗卫生改革所追求的一大目标。本文采用EBM-Window模型对各省卫生资源配置效率进行测算，然后构建空间自回归模型，研究其影响因素。结果表明：一方面，各省卫生资源配置效率存在显著的地区差异，呈现东部地区偏高，中西部地区偏低的现象;另一方面，卫生资源配置效率存在着省际间的空间溢出效应。另外，在实证分析中，我们还发现，人口城镇化水平和居民受教育程度也是影響各省卫生资源配置效率的重要因素。

为提高我国各省卫生资源配置效率，使有限的卫生资源发挥其最大的效用，基于上述的研究结论，本文提出以下政策建议：首先，医疗体制改革应重点关注中西部地区，探究其效率低下的深层次原因，有针对性地推进;其次，充分重视卫生资源配置效率的空间溢出效应，通过各种举措加强各省之间的交流与合作，实现卫生资源配置效率的共同提升;最后，大力发展国民经济，进一步推进城镇化建设，提高居民受教育程度，从多方面着手提高我国卫生资源配置效率。

【参考文献】

[1]韩华为，苗艳青.地方政府卫生支出效率核算及影响因素实证研究——以中国 31 个省份面板数据为例[J].财经研究，2010（5）：4-15.

[2]程琳，廖宇岑.地方政府医疗卫生支出效率及其影响因素分析：基于异质性随机前沿模型[J].中国卫生经济，2015（1）：16-18.

[3]张俊，王晓莹.我国医疗卫生体系技术效率的地区差异研究[J].中国卫生经济，2014（3）：30-32.

[4]Tone K， Tsutsui M. An Epsilon-based Measure of Efficiency in DEA-A Third Pole of Technical Efficiency[J]. European Journal of Operational Research，2010（3）：1554-1563.

[5]Charnes A， Cooper W W， Lewin A Y， et al. Data envelopment analysis：theory， methodology， and application[M]. Norwell：Kluwer Academic Publishers， 1994.