我國城鄉(xiāng)居民基本醫(yī)療保險(xiǎn)制度運(yùn)行效率及影響因素研究

張禮亮 田佳帥 張婧怡 代珊珊 蔡心雨 高廣穎

首都醫(yī)科大學(xué)公共衛(wèi)生學(xué)院 北京 100069

1 引言

效率是我國醫(yī)療保障制度高質(zhì)量發(fā)展的重要議題之一,關(guān)系到制度可持續(xù)性、醫(yī)藥服務(wù)可及性等諸多方面,也是實(shí)現(xiàn)醫(yī)療保障制度高質(zhì)量發(fā)展的關(guān)鍵要義。城鄉(xiāng)居民基本醫(yī)療保險(xiǎn)(以下簡稱“居民醫(yī)保”)是我國醫(yī)療保障制度的重要組成部分,為減輕人民群眾就醫(yī)負(fù)擔(dān)、提高全民健康水平發(fā)揮了重要作用。但同時(shí),居民醫(yī)保制度運(yùn)行面臨籌資壓力較大、基金運(yùn)行風(fēng)險(xiǎn)較高、地區(qū)間待遇水平不均衡、難以滿足參保人醫(yī)療保障需求等突出問題和矛盾,如何提高居民醫(yī)保運(yùn)行效率,以更少的居民醫(yī)保投入獲得更高的產(chǎn)出,更好地滿足居民健康需求,成為當(dāng)下亟需關(guān)注的現(xiàn)實(shí)問題。因此,有必要深入分析我國居民醫(yī)保制度運(yùn)行的效率現(xiàn)狀,并關(guān)注不同地區(qū)間的效率差異和影響因素,為優(yōu)化居民醫(yī)保制度投入產(chǎn)出關(guān)系提供參考依據(jù)。

數(shù)據(jù)包絡(luò)分析(Data Envelopment Analysis,DEA)方法為開展運(yùn)行效率研究發(fā)揮了重要作用,但既往研究多使用傳統(tǒng)DEA模型測度醫(yī)保系統(tǒng)運(yùn)行效率,未能充分考慮非期望產(chǎn)出在效率測度中的作用,且存在多個(gè)決策單元效率值同時(shí)為1時(shí)無法比較排序的問題[1-3],限制了不同決策單元間效率的對比。同時(shí),針對醫(yī)保運(yùn)行效率影響因素方面的研究還較少,且解釋變量的選擇仍局限在宏觀經(jīng)濟(jì)運(yùn)行和社會發(fā)展等方面[4-7],影響因素較為單一,有待進(jìn)一步拓展。

鑒于此,本研究運(yùn)用基于非期望產(chǎn)出的超效率SBM模型和Malmquist指數(shù)測算我國31個(gè)省份居民醫(yī)保的靜態(tài)效率、動(dòng)態(tài)效率,考慮了松弛變量和非期望產(chǎn)出,能夠更合理地測度各省份居民醫(yī)保制度運(yùn)行效率水平,同時(shí),也解決了傳統(tǒng)DEA模型中效率值最高為1,無法進(jìn)行相互比較的問題。另外,本研究采用Tobit回歸分析效率的影響因素,在既往宏觀經(jīng)濟(jì)運(yùn)行和社會發(fā)展變量的基礎(chǔ)上,嘗試探討醫(yī)保監(jiān)管水平對于醫(yī)保運(yùn)行效率的影響,從而為提高醫(yī)保基金監(jiān)管水平提供參考依據(jù)。

2 數(shù)據(jù)來源與研究方法

2.1 數(shù)據(jù)來源與分析

本研究所需數(shù)據(jù)來源于相應(yīng)年份的《中國統(tǒng)計(jì)年鑒》《中國衛(wèi)生健康統(tǒng)計(jì)年鑒》和《中國醫(yī)療保障統(tǒng)計(jì)年鑒》。采用Dearun3.0軟件,選擇超效率SBM模型及Malmquist指數(shù)模型,測算我國居民醫(yī)保運(yùn)行的靜態(tài)效率和動(dòng)態(tài)效率。采用Stata17.0對各省份居民醫(yī)保運(yùn)行效率的影響因素進(jìn)行Tobit回歸。以P<0.05為具有統(tǒng)計(jì)學(xué)意義。

2.2 研究方法

2.2.1 超效率SBM模型

傳統(tǒng)DEA模型包括CCR模型和BCC模型。將綜合效率(TE)分解為純技術(shù)效率(PTE)和規(guī)模效率(SE)兩部分,公式為SE=TE/PTE。通過分解可判斷DEA無效率的決策單元是因技術(shù)無效還是規(guī)模無效造成的。傳統(tǒng)DEA模型得到的效率值取值范圍為[0,1],當(dāng)效率值為1時(shí),說明該決策單元為DEA有效。

傳統(tǒng)DEA模型未考慮投入產(chǎn)出松弛問題導(dǎo)致效率評價(jià)有偏差,因此,在傳統(tǒng)DEA方法的基礎(chǔ)上, Tone[8]于2001年提出將松弛變量考慮進(jìn)目標(biāo)函數(shù)的非徑向SBM模型(Slack-Based-Model,SBM),解決了傳統(tǒng)DEA帶來的效率偏差問題。隨后,Tone[9]在2002年又進(jìn)一步提出了超效率SBM模型,解決了以往有效決策單元難以相互比較的問題[10]。為了將非期望產(chǎn)出納入分析,并對不同省份的效率進(jìn)行比較和排序,本研究使用包含非期望產(chǎn)出的超效率SBM模型測量各省份2020—2021年居民醫(yī)保的靜態(tài)效率。含有非期望產(chǎn)出的超效率SBM模型的表達(dá)式如下[11]:

λj≥0,j=1,2,…,n

其中,n表示決策單元個(gè)數(shù),m表示投入,r1、r2表示期望產(chǎn)出和非期望產(chǎn)出;x表示相應(yīng)投入矩陣中的元素,yd和yu表示相應(yīng)的期望、非期望產(chǎn)出矩陣中的元素;ρ*為計(jì)算的醫(yī)保運(yùn)行效率值,ρ*<1表明決策單元處于相對無效狀態(tài),ρ*≥1表明決策單元達(dá)到相對有效狀態(tài),且值越大表示運(yùn)行效率越高。

2.2.2 Malmquist指數(shù)

DEA模型只能反映決策單元的靜態(tài)效率,無法反映其動(dòng)態(tài)變化情況。而隨著時(shí)間推移,生產(chǎn)技術(shù)也會發(fā)生不斷變化,因此需要結(jié)合Malmquist指數(shù)來分析醫(yī)保運(yùn)行效率的動(dòng)態(tài)變化情況。Malmquist指數(shù)又稱全要素生產(chǎn)率指數(shù),用于衡量決策單元從t期到t+1期的全要素生產(chǎn)率變化(Total Factor Productivity Change,TFPC),反映了決策單元的資源利用動(dòng)態(tài)效率,以及技術(shù)進(jìn)步和管理效率的變化情況。TFPC可以進(jìn)一步分解為技術(shù)效率變化(Technical Efficiency Change,TEC)和技術(shù)進(jìn)步變化(Technical Progress Change,TPC)。TEC是指決策單元對當(dāng)前技術(shù)的利用情況,TPC是指生產(chǎn)技術(shù)進(jìn)步對具體決策單元產(chǎn)生的影響。TEC可進(jìn)一步分解為純技術(shù)效率變化(PTEC)和規(guī)模效率變化(SEC)。Malmquist指數(shù)模型的數(shù)學(xué)表達(dá)式如下[11]:

TFPC=TEC×TPC=(PTEC×SEC)×TPC

2.2.3 面板數(shù)據(jù)Tobit回歸

超效率SBM模型和Malmquist指數(shù)主要用于衡量決策單元效率及其變化,為進(jìn)一步深入分析影響我國居民醫(yī)保制度運(yùn)行效率的各種外部環(huán)境因素,本研究以測算出的居民醫(yī)保效率值作為因變量,將可能的影響因素作為自變量,開展回歸分析。Tobit模型又稱受限因變量回歸模型,適用于截?cái)嗷蚪囟乱蜃兞繑?shù)據(jù)的回歸分析,采用極大似然法估計(jì)回歸系數(shù)。由于超效率SBM模型得出的綜合效率值均大于0,為非負(fù)截?cái)鄶?shù)據(jù),如果采用普通最小二乘法進(jìn)行回歸,會導(dǎo)致參數(shù)有偏和不一致性。為保證結(jié)果無偏且一致,同時(shí)借鑒既往研究,采用Tobit模型分析醫(yī)保運(yùn)行效率的影響因素。Tobit模型基本表達(dá)式如下:

其中,i代表省份,t代表年份,Yit代表因變量,Xit代表自變量,βi為待估的回歸系數(shù),εit表示誤差項(xiàng)。

2.3 指標(biāo)選擇

2.3.1 投入產(chǎn)出指標(biāo)

在借鑒既往研究的基礎(chǔ)上[2,4],依據(jù)指標(biāo)選取的連續(xù)性、科學(xué)性、代表性、可獲得性原則,最終確定居民醫(yī)保的3個(gè)投入指標(biāo)、4個(gè)期望產(chǎn)出指標(biāo)、2個(gè)非期望產(chǎn)出指標(biāo)(表1)。

表1 投入產(chǎn)出指標(biāo)

2.3.2 影響因素指標(biāo)

根據(jù)既往文獻(xiàn)研究,結(jié)合數(shù)據(jù)的可獲得性,本文從經(jīng)濟(jì)發(fā)展、政府財(cái)政、社會發(fā)展、醫(yī)療費(fèi)用、醫(yī)保監(jiān)管等方面考慮解釋變量。經(jīng)濟(jì)發(fā)展水平是影響一個(gè)地區(qū)基本醫(yī)療保險(xiǎn)效率的重要因素,本文采取各地區(qū)人均GDP衡量其經(jīng)濟(jì)發(fā)展水平。政府財(cái)政水平體現(xiàn)在公共服務(wù)和公共產(chǎn)品方面的支出規(guī)模和重視程度,本文采用各地區(qū)一般公共預(yù)算支出占地區(qū)GDP的比例進(jìn)行衡量。本研究從老齡化程度和受教育水平兩個(gè)方面分析社會發(fā)展水平對醫(yī)保運(yùn)行效率的影響。其中,采用老年人口撫養(yǎng)比衡量各地區(qū)的老齡化程度,采用文盲人口比重衡量各地區(qū)的受教育程度。醫(yī)療費(fèi)用水平也是影響居民醫(yī)保運(yùn)行效率的重要因素,使用次均醫(yī)療費(fèi)用衡量不同地區(qū)的醫(yī)療費(fèi)用水平。醫(yī)保基金監(jiān)管有效維護(hù)了醫(yī)保基金安全,推動(dòng)了醫(yī)保制度的長期穩(wěn)定運(yùn)行和長遠(yuǎn)可持續(xù)發(fā)展,醫(yī)保監(jiān)管水平與醫(yī)保運(yùn)行效率可能存在著一定的相關(guān)關(guān)系。因此,本研究利用《中國醫(yī)療保障統(tǒng)計(jì)年鑒》中各地區(qū)監(jiān)管定點(diǎn)醫(yī)藥機(jī)構(gòu)數(shù)和追回醫(yī)保資金金額,計(jì)算出平均追回資金金額,將其作為衡量各地區(qū)醫(yī)保監(jiān)管水平的指標(biāo)納入影響因素分析。具體指標(biāo)見表2。

表2 居民醫(yī)保運(yùn)行效率的影響因素指標(biāo)

本研究對各自變量取對數(shù)處理以消除變量間的多重共線性和異方差性[12],最終構(gòu)建具體回歸模型如下:

TEit=β0+β1lnpcgdpit+β2lnrevit+β3lnagiit+β4lneduit+β5lnmedexpit+β6lnsecit+εit

其中,TEit為利用超效率SBM模型得到的各省份居民醫(yī)保綜合效率值,i表示各省份,t表示年份,β0為常數(shù)項(xiàng),βj(j=1,2,…,5)為待估計(jì)系數(shù),εit為殘差項(xiàng)。

3 結(jié)果

3.1 各省份居民醫(yī)保運(yùn)行靜態(tài)效率分析

3.1.1 全國層面

從全國來看, 2020年和2021年全國綜合效率均值分別為0.916、0.889(表3),兩年綜合效率均值均小于1,說明整體存在一定的上升空間。對綜合效率分解后發(fā)現(xiàn),每年的純技術(shù)效率均值均大于規(guī)模效率均值,說明規(guī)模效率偏低是制約全國整體效率水平的主要原因。

表3 2020—2021年全國各省份居民醫(yī)保運(yùn)行效率情況

3.1.2 區(qū)域?qū)用?/p>

分區(qū)域來看,2020和2021年東部地區(qū)居民醫(yī)保運(yùn)行綜合效率均為最高,中、西部地區(qū)均較低,且都低于當(dāng)年全國均值,與東部地區(qū)差距較大。對綜合效率進(jìn)行分解,東、西部地區(qū)的純技術(shù)效率均值的大于規(guī)模效率均值,說明規(guī)模效率偏低是制約東、西部地區(qū)效率的主要原因,而中部地區(qū)則是純技術(shù)效率均值小于規(guī)模效率,說明純技術(shù)效率偏低是制約中部地區(qū)效率的主要原因。

3.1.3 省份層面

分省份來看,2020年,北京、天津等21個(gè)省份(占比67.7%)處于DEA有效,只有河北、遼寧等10個(gè)省份的效率值小于1(表3)。居民醫(yī)保效率值小于1的省份主要集中在中、西部地區(qū)。2021年,效率值小于1的省份增加到15個(gè),也主要集中在中、西部地區(qū)。

從綜合效率分解情況來看,2020年效率值小于1的10個(gè)省份中,河北、遼寧、黑龍江、安徽、內(nèi)蒙古、陜西、甘肅、青海8個(gè)省份純技術(shù)效率值均低于規(guī)模效率,吉林、寧夏2個(gè)省份純技術(shù)效率值高于規(guī)模效率。2021年效率值小于1的15個(gè)省份中,河北、遼寧、福建、海南、黑龍江、安徽、江西、湖北、湖南、內(nèi)蒙古、陜西、甘肅、青海13個(gè)省份純技術(shù)效率值都低于規(guī)模效率,吉林、四川2個(gè)省份純技術(shù)效率值高于規(guī)模效率。對于居民醫(yī)保運(yùn)行效率值小于1的省份,純技術(shù)效率偏低是制約其效率水平的主要因素。

3.2 各省份居民醫(yī)保運(yùn)行動(dòng)態(tài)效率分析

3.2.1 全國層面

從全國來看,居民醫(yī)保運(yùn)行整體的全要素生產(chǎn)率指數(shù)均值為1.102(表4),說明整體全要素生產(chǎn)效率呈上升趨勢。而全國居民醫(yī)保技術(shù)進(jìn)步指數(shù)為1.122,綜合技術(shù)效率指數(shù)接近1,說明2020—2021年我國居民醫(yī)保運(yùn)行的生產(chǎn)前沿面的移動(dòng)效應(yīng)顯著,全要素生產(chǎn)率的提升有賴于技術(shù)進(jìn)步的提高。同時(shí),綜合技術(shù)效率略有下降,說明在開展技術(shù)創(chuàng)新的同時(shí),應(yīng)更加關(guān)注管理水平的提高,從而加強(qiáng)對于生產(chǎn)前沿面的追趕效應(yīng)。

表4 2020—2021年居民醫(yī)保運(yùn)行效率指數(shù)及其分解

3.2.2 區(qū)域?qū)用?/p>

分區(qū)域來看,西部地區(qū)的居民醫(yī)保全要素生產(chǎn)率指數(shù)最高,分解后的各指數(shù)均大于1,說明西部地區(qū)全要素生產(chǎn)率上升趨勢明顯。東、中部地區(qū)次之,全要素生產(chǎn)率略有上升,而分解后的技術(shù)進(jìn)步指數(shù)均大于1,綜合技術(shù)效率指數(shù)均小于1,說明綜合技術(shù)效率下降是制約東、中部地區(qū)全要素生產(chǎn)率提升的主要原因,因此東、中部地區(qū)應(yīng)提高居民醫(yī)保運(yùn)行的管理水平,從而進(jìn)一步提升全要素生產(chǎn)率水平。

3.2.3 省份層面

分省份來看,全要素生產(chǎn)率指數(shù)大于1的省份有23個(gè),占比74.2%,只有天津、海南、河南、湖南、廣西、貴州、云南、新疆8個(gè)省份的全要素生產(chǎn)率指數(shù)小于1。意味著對于大多數(shù)省份來說,居民醫(yī)保運(yùn)行的投入和產(chǎn)出之間的比例關(guān)系在不斷改善。對于全要素生產(chǎn)率指數(shù)小于1 的8個(gè)省份,綜合技術(shù)效率指數(shù)均小于技術(shù)進(jìn)步指數(shù),說明制約其全要素生產(chǎn)率提升的主要因素是綜合技術(shù)效率的降低。

3.3 居民醫(yī)保運(yùn)行效率影響因素分析

由回歸結(jié)果可知(表5),老齡化程度、醫(yī)療費(fèi)用水平和醫(yī)保監(jiān)管水平對居民醫(yī)保運(yùn)行效率有顯著影響。具體來看,老年撫養(yǎng)比對居民醫(yī)保運(yùn)行效率有顯著的負(fù)向影響,符合一般的預(yù)期情況,說明人口老齡化程度的加深對于居民醫(yī)保的運(yùn)行效率提高有顯著的阻礙作用。

表5 我國居民醫(yī)保運(yùn)行效率影響因素的Tobit回歸結(jié)果

次均醫(yī)療費(fèi)用對居民醫(yī)保運(yùn)行效率有顯著的負(fù)向影響,表明醫(yī)療費(fèi)用水平的提高會阻礙居民醫(yī)保運(yùn)行效率,可能是由于在同等投入水平下,更高的次均費(fèi)用會造成服務(wù)產(chǎn)出的減少,從而降低居民醫(yī)保運(yùn)行效率。

此外,本研究利用各省份平均每家醫(yī)藥機(jī)構(gòu)追回的醫(yī)保資金數(shù)量反映當(dāng)?shù)蒯t(yī)保部門對于醫(yī)保基金監(jiān)管的力度和成效,并將其納入模型,分析該因素對于醫(yī)保運(yùn)行效率產(chǎn)生的影響。結(jié)果表明,平均每家醫(yī)藥機(jī)構(gòu)追回的醫(yī)保資金額度與居民醫(yī)保運(yùn)行效率呈顯著的正向關(guān)系,表明各省份能夠通過加大醫(yī)保基金監(jiān)管力度來提高居民醫(yī)保運(yùn)行效率。

4 討論與建議

在靜態(tài)效率方面,2020年和2021年全國居民醫(yī)保運(yùn)行整體綜合效率均值在0.8以上,說明只要稍加改進(jìn)就可以達(dá)到有效狀態(tài)。分區(qū)域來看,東部地區(qū)居民醫(yī)保運(yùn)行效率最高,中、西部地區(qū)次之,且與東部地區(qū)差距較大。其中,規(guī)模效率偏低是制約東、西部地區(qū)居民醫(yī)保運(yùn)行效率的主要因素,純技術(shù)效率偏低則是制約中部地區(qū)居民醫(yī)保運(yùn)行效率的主要原因。對于綜合效率值小于1的省份來說,純技術(shù)效率偏低是制約其綜合效率提升的主要原因。

在動(dòng)態(tài)效率方面,全國居民醫(yī)保運(yùn)行的整體全要素生產(chǎn)率呈上升趨勢,主要得益于技術(shù)進(jìn)步的提高。東、中部地區(qū)的綜合技術(shù)效率下降,說明在技術(shù)進(jìn)步的同時(shí),也要更加關(guān)注居民醫(yī)保管理水平的提高,從而提高綜合技術(shù)效率。74.2%的省份居民醫(yī)保全要素生產(chǎn)率呈上升趨勢,大多數(shù)省份居民醫(yī)保運(yùn)行的投入和產(chǎn)出之間的比例關(guān)系在不斷改善。

在影響因素方面,老年撫養(yǎng)比和醫(yī)療費(fèi)用水平對居民醫(yī)保運(yùn)行效率有顯著的抑制作用,醫(yī)保監(jiān)管水平對于居民醫(yī)保運(yùn)行效率有顯著的促進(jìn)作用。

基于上述結(jié)論,為提升我國居民醫(yī)保運(yùn)行效率,促進(jìn)醫(yī)療保障制度公平有效,本研究提出以下幾點(diǎn)建議:

4.1 彌合區(qū)域效率差異,促進(jìn)醫(yī)保公平發(fā)展

中、西部地區(qū)居民醫(yī)保運(yùn)行效率與東部地區(qū)差距明顯。因此,應(yīng)該加強(qiáng)對于中、西部地區(qū)醫(yī)保運(yùn)行的重視,著重采取措施提高中、西部地區(qū)的居民醫(yī)保運(yùn)行效率,彌合地區(qū)間的差距。其中,西部地區(qū)規(guī)模效率偏低,且大部分省份處于規(guī)模報(bào)酬遞增狀態(tài),說明西部地區(qū)居民醫(yī)保運(yùn)行尚未達(dá)到最優(yōu)規(guī)模,未來應(yīng)適當(dāng)調(diào)整醫(yī)保規(guī)模,進(jìn)一步加大投入力度,最終實(shí)現(xiàn)規(guī)模經(jīng)濟(jì)。中部地區(qū)在加大居民醫(yī)保投入、發(fā)揮規(guī)模效益的同時(shí),更應(yīng)關(guān)注管理水平和效率的提高,加強(qiáng)對于投入產(chǎn)出的配置能力和管理能力,優(yōu)化投入和產(chǎn)出之間的比例關(guān)系。

4.2 合理控制醫(yī)療費(fèi)用水平,加大醫(yī)保基金監(jiān)管力度

醫(yī)療費(fèi)用水平越高,在相同投入水平下會帶來更低的產(chǎn)出水平,本研究也表明,醫(yī)療費(fèi)用的不斷增長是阻礙居民醫(yī)保運(yùn)行效率的重要因素。因此,應(yīng)持續(xù)推進(jìn)醫(yī)保支付方式改革,加強(qiáng)總額預(yù)算控制,并充分考慮醫(yī)療發(fā)展實(shí)際,將區(qū)域醫(yī)療費(fèi)用控制在合理水平。

醫(yī)保監(jiān)管水平的提高能顯著提升居民醫(yī)保運(yùn)行效率,為各地區(qū)提高監(jiān)管水平、加大監(jiān)管力度提供了有力支撐。因此,各地區(qū)需要進(jìn)一步加強(qiáng)對于醫(yī)保基金的監(jiān)管,建立涵蓋基金征繳、集中采購到報(bào)銷支付等全過程的監(jiān)管機(jī)制,實(shí)施常態(tài)化檢查、專項(xiàng)檢查等多種監(jiān)督檢查方式,并充分利用大數(shù)據(jù)監(jiān)控,嚴(yán)厲打擊欺詐騙保行為,維護(hù)基金安全與穩(wěn)定。

4.3 實(shí)施積極老齡化政策,減緩老齡化對于醫(yī)保運(yùn)行效率的影響

人口老齡化已經(jīng)成為當(dāng)前和今后一段時(shí)期的基本趨勢,老年人口的增加促進(jìn)了疾病譜的轉(zhuǎn)變和醫(yī)療需求的提升,同時(shí),生育率下降,出生人口數(shù)量減少,老年撫養(yǎng)比隨之增大,導(dǎo)致繳費(fèi)結(jié)構(gòu)發(fā)生變化。這些變化都對醫(yī)保運(yùn)行效率造成了更大壓力,提出了更高要求。因此,需要采取積極的應(yīng)對措施,減緩老齡化程度加深對于醫(yī)保運(yùn)行效率的消極影響,從而維護(hù)醫(yī)保制度長遠(yuǎn)發(fā)展,為更好滿足人民群眾醫(yī)療保障需求做好準(zhǔn)備。在基金投入方面,提高地區(qū)經(jīng)濟(jì)水平,擴(kuò)大基本醫(yī)保收入來源,建立可持續(xù)的醫(yī)保籌資機(jī)制,強(qiáng)調(diào)退休人群的繳費(fèi)責(zé)任等。在待遇保障方面,加強(qiáng)基層醫(yī)療服務(wù)體系建設(shè),推動(dòng)分級診療制度,將常見病、多發(fā)病留在基層,同時(shí)加強(qiáng)疾病預(yù)防和健康管理,從而減少醫(yī)療費(fèi)用支出。

作者聲明本文無實(shí)際或潛在的利益沖突。