基于DEA 模型的醫保基金產出效率研究

趙世偉

（上海工程技術大學管理學院， 上海 201620）

0 引 言

隨著中國人口老齡化趨勢加快，日益增加的健康需求導致醫保基金面臨著很大的償付壓力［1］。近年來，無論國家層面還是個人層面，衛生健康與醫療保障也越來越受到重視。 基本醫療保險基金是中國醫療保障制度的堅強物質基礎，在醫保政策的執行和實現中有著舉足輕重的作用，提高醫保基金投資運營能力，提升收益率，構建精細化醫療保障服務體系，從而解決群眾健康需求一直是民生領域的熱點話題［2］。 2021 年中國醫保基金總收入28 727 億元，支出24 043 億元，累計結余可支配月數為12，略高于9 個月的警戒線標準，醫保基金可持續運行存在風險，提高醫保基金的使用效率是緩解支付壓力的一個行之有效的方法［3］。 本研究基于2017～2021年《中國勞動統計年鑒》數據，以基本醫療保險為研究對象，采用數據包絡分析法，首先測算2020 年的全國醫保基金靜態運行效率，之后測算2016 ～2020年的全國醫保基金動態運行效率，以期對中國醫療保險基金的運行效率提升提供參考。

1 數據來源與研究方法

1.1 數據來源

本文使用的相關數據來源于《中國勞動統計年鑒》。 在全國醫保基金靜態效率分析方面，選取了《中國勞動統計年鑒2021》分析2020 年度的全國31個省級行政區醫保基金運行效率；在動態效率評價方面，選取2017 ～2021 年度的《中國勞動統計年鑒》，考察全國醫保基金的全要素生產率動態變化情況。

1.2 研究方法

數據包絡分析法（Data Envelopment Analysis，DEA）通過分析投入產出量來計算得出效率值，并且將決策單元的效率值進行比較，在研究投入產出的效率評價方面有很大優勢［4］。 本文采用數據包絡分析法測算全國醫保基金的靜態運行效率，將每一個評價單元看作一個決策單元（DMU），運用數學規劃求出每一個決策單元的最優解。 DEA 方法計算結果為綜合效率值、純技術效率值和規模效率值。DEA 方法的目標函數表達式如式（1）所示，式（2）為約束條件。

其中，X和Y分別代表投入和產出量；λ為權重系數；j表示決策單元；n表示決策單元數；S＋和S－為松弛變量；θ為決策單元有效值。

如果決策單元有效值小于1，則認為決策單元的效率沒有提高，即DEA 相對無效；如果決策單元有效值大于1，則認為決策單元的效率提高了，即DEA 相對有效。

數據包絡分析法也可以計算Malmquist 指數，來分析一段時間內效率值的動態變化［5］。Malmquist 指數的計算結果是全要素生產率、技術效率值和技術進步值，全要素生產率可以分解為技術效率和技術進步，技術效率可以進一步分解為規模效率和純技術效率［6］。 Malmquist 指數表達式（3）：

其中，Xt、Yt和Xt＋1、Yt＋1分別表示t時期和t＋1時期的投入產出變量；d是距離函數；t表示時期；r表示決策單元。

若M值大于1，表明全要素生產率提高；若M值小于1，說明全要素生產率降低。

1.3 指標選取

立足中國醫療保險基金運行現狀，兼顧到數據的可得性與有效性，選取醫療保險參保人數和醫療

保險收入作為投入指標，選取醫療保險基金累計結余和醫療保險基金支出作為產出指標，評價指標體系見表1。

表1 評價指標體系Tab. 1 Evaluation index of efficiency of medical insurance fund

2 醫保基金產出效率分析

2.1 DEA 模型靜態分析

通過DEA 模型測算2020 年中國31 個省級行政區醫保基金投入產出情況的靜態效率，得到醫保基金運行效率值見表2。 綜合效率值可以分解為純技術效率和規模效率的乘積，規模效率大于1 則規模報酬遞增，規模效率小于1 則規模報酬遞減，規模效率等于1 則規模報酬不變［7］。 其中，純技術效率值代表了投入要素在一定規模的效率，規模效率值指的是投入產出的規模效應大小，一般而言規模效率大的生產過程中，單位生產成本會降低，也就意味著生產效率在上升。 規模報酬用來分析投入要素同比例發生變化的情況下，相應產出的變化情況，規模報酬遞增則認為投入和產出的比例合理，產出要素的變化比投入要素的變化更大而且是正向增加的［8］。 綜合效率值從整體生產中出發，可以對投入要素的配置能力和產出的規模效應進行綜合評價。

表2 2020 年各地區醫保基金運行效率值Tab. 2 Operating efficiency of medical insurance funds of different regions in 2020

綜合效率方面，2020 年度中國醫保基金產出效率為0.937，未達到DEA 相對有效，但是處于中高水平；從地區角度看，不同省份的醫保基金運行效率存在較大差異，全國有北京、天津、上海和山東4 個省份達到了DEA 相對有效，吉林省綜合效率指數最低，為0.784，排名后三位的省份為黑龍江、陜西和吉林，這些省份需要加強醫保基金運行管理水平，擴大參保人數和基金收入以提高運營效率。

純技術效率方面，2020 年全國醫保基金純技術效率為0.950，說明管理水平還有待提高。 規模效率大于純技術效率，說明中國醫保基金管理技術水平是制約醫保基金運營效率的主要因素，規模擴大是醫保基金運行效率提高的主要推動因素。 純技術效率值為1 的省份有9 個，說明這些省份在基金運行管理技術較為先進，吉林省的純技術效率值最低，為0.794，遠遠低于全國平均值，需要進一步加強醫保基金管理技術能力。

規模效率方面，醫保基金運行的規模效率和規模報酬可以體現出醫保基金運行是否處于最優規模。 全國31 個省級行政區中有9 個省份達到了規模最優，其中北京、天津、上海、山東在純技術效率和規模效率上都達到有效。 陜西、青海、黑龍江排在最后3 位，且規模效率值遠低于全國平均水平，這些省份要進一步擴大醫保基金投入，以期達到最優規模。規模報酬遞減的地區有14 個，這些省份要注重資金有效利用問題，改善資金運行方向與結構。 規模報酬遞增的地區有8 個，應進一步提高基金運行綜合效率。

2.2 Malmquist 指數動態分析

通過計算Malmquist 指數，可以得到全要素生產率、技術進步值和技術效率值。 全要素生產率是生產要素之外的技術進步和能力實現等導致的產出增加，一般認為全要素生產率對于打破報酬遞減，保持經濟可持續增長具有決定性作用，是經濟發展的綜合反映［9］。 醫保基金的全要素生產率可按照時間和空間兩個維度進行分析，按時間分解的Malmquist 指數見表3，用來分析2016 ～2020 年間全國醫保基金各效率值的動態變化情況；按地區分解的Malmquist 指數見表4，用來分析31 個省級行政區醫保基金運行效率的區域差異情況。

表3 2016～2020 年醫保基金Malmquist 指數及其分解Tab. 3 Malmquist index of medical insurance funds from 2016 to 2020

表4 各地區醫保基金Malmquist 指數及其分解Tab. 4 Malmquist index of medical insurance fund in different regions

根據表3 和表4 的計算結果，從全國來看，考察期間全要素生產率的平均值為1.009，總體呈上升趨勢。 除去2016～2017 年外，2018～2020 年的全要素生產率都呈現上升狀態，表明中國醫保基金運行效率處于穩定上升趨勢。 技術效率下降0.2%，說明中國醫保基金運營管理技術水平制約了全要素生產率的提高；技術進步上升1.1%，說明在全要素生產率的變化過程中，技術進步發揮了主要的驅動作用。

從地區來看，根據表4 的測算結果可知：有18個地區的全要素生產率大于1，有13 個地區的全要素生產率小于1，這表明中國有一半以上的省份醫保基金運行效率在不斷提升，但是也有13 個地區的運行效率出現下降。 增長因素方面，安徽、福建等地區技術進步指數小于1，技術效率上升促進了全要素生產率的提高。 廣東、山西等地區技術效率指數小于1，主要依靠技術進步來提高全要素生產率。技術效率和技術進步同時得到了提升的地區有河北和天津等地，這些兩項指標都大于1 的地區說明在參保覆蓋面、繳費水平和醫保基金投資收益等方面都領先于其他地區，值得效率低下的地區借鑒學習先進經驗。

3 結果分析

根據醫保基金產出效率的實證研究，以靜態效率和動態效率兩個維度為切入點，得出以下結論：2020 年度中國醫保基金運行綜合效率未達到DEA有效，不同地區的醫保運行效率相差較大，同時純技術效率和規模效率在部分地區存在不同步變化的現象，在純技術效率上升而規模效率下降的地區，可以采取擴大投入的方式來提升綜合效率，在規模效率上升但是純技術效率降低的地區，可以采取先進的基金管理技術，培養專業管理人才的辦法對純技術效率進行改善。 基于Malmquist 指數的動態分析，2016～2020 年中國醫保基金運營全要素生產率均值大于1，說明運行效率整體處于上升趨勢，醫保基金管理的技術進步對綜合效率起到驅動作用，技術效率制約了綜合效率的提高。 從靜態分析和動態分析都可以看出，技術效率偏低是影響醫保基金運行效率的主要原因，2020 年的DEA 非有效省份均存在規模報酬遞減的情況，這說明醫保基金產出績效是下降的，投入要素沒有在醫保報銷和支付過程中得到完全的合理配置。 因此，決策單元產出效率無效的省份應視具體情況合理調整投入與產出結構，通過促進投入向產出的有效轉化，實現規模報酬的增加，從而提升醫保基金運行綜合效率。

4 結束語

中國醫保基金可持續運行存在風險，醫保支付矛盾突出，破解“看病難、看病貴”問題任重道遠［10］。本文采用數據包絡分析法和Malmquist 指數，分別從靜態維度和動態維度兩個視角對醫保基金的產出效率進行評價，通過指數的分解探討了醫保基金產出效率的組成，并且對改善醫保基金投入產出績效提供了對策和建議。 在下一步研究中，還將采用定量方法，分別以純技術效率值、規模效率值和綜合效率值作為被解釋變量進行分析，研究影響醫保基金產出的經濟、人口、政策等因素。