卫生体系效率(health system efficiency)是指在卫生资源投入既定的条件下，卫生体系目的的实现程度，定量地表示为实际实现程度与最大可能实现程度之比值。^[1]简言之，卫生体系效率是以最少的卫生资源投入实现最优的卫生体系目的。卫生体系效率(或绩效)是卫生政策研究人员一直关心的问题，特别是在卫生体系改革的进程中。2000年前后，世界卫生组织(WHO)全球卫生政策询证项目(Global Program on Evidence for Health Policy)发布了一系列相关研究报告，包括引起广泛争议的2000年世界卫生报告《卫生系统：改进业绩》。^[2]在WHO发布的研究报告中，将卫生体系的目的(或目标)界定为三个方面：健康(health)、反应性(responsiveness)和筹资公平(fairness in financing)， 作为卫生体系绩效评价的基础框架。^{[2, 3, 4]}但在这个概念框架中，绩效和效率两个术语被赋予了不同的含义，卫生体系的绩效表现为质量、公平和效率三个维度，效率成为绩效测量的一个方面。同时，效率与公平内涵的界定变得模糊不清，效率的测量中包含了公平的内容，即效率要从健康和反应性两个指标的水平与分布，以及筹资公平所构成的三个指标、两个维度去衡量，这给效率测量带来了困难。而事实上，在WHO发布的对卫生体系效率的测量报告中，效率的测量仅包含了健康一个目标。^{[1, 5]}

自2000年的世界卫生报告发布以来的十年间，WHO没有对卫生体系绩效测量报告进行更新。卫生体系的绩效或效率测量，无论是方法学还是实证研究，十年来并没有取得显著的进展。卫生体系效率的测量远比商品生产领域和其它非商品生产领域复杂，但就像Jacobs等所说的那样，我们不能因为困难而放弃^[6]。为了使卫生体系效率的测量更具可操作性，逻辑更加清晰，本文重新构建了卫生体系绩效和效率测量的概念框架，并以此为基础介绍了效率测量的指标和模型。

从卫生体系效率的定义出发，卫生体系效率的测量涉及卫生资源的投入和卫生体系目的的实现两个方面。卫生体系目的实现的过程可以认为是一个具有投入和产出的生产过程，但与物质生产领域相比，卫生体系的投入、产出及其生产过程要复杂得多。卫生体系整体可以作为一个宏观的健康生产单位。^{[4, 7]}卫生体系从资源投入到目的实现的决策过程和生产过程可分解为多个阶段(图1)。从决策的逻辑过程看：(1)卫生体系的最终目标是保障和提高居民的健康水平，要达到这一目的，需要保障居民合理的卫生服务利用；(2)卫生服务可及性及其质量是保障居民卫生服务利用的前提条件；(3)卫生人力资源和基础设施、设备与技术是实现卫生服务可及性与质量的基础；(4)卫生筹资是卫生资源的源头。健康生产则是上述决策链的逆过程。效率与公平贯穿于生产过程的各个阶段：公平性不仅表现为筹资的公平性，也表现为卫生资源配置、卫生服务可及性与利用、健康状况等方面的公平性；效率则体现在由前一阶段到后一阶段的生产过程中：由卫生费用到卫生资源，由卫生资源到卫生服务可及性与利用，由卫生服务利用到健康水平的提高。另外，病人(或居民)满意度也是评价卫生服务体系的一个重要方面。

图1(Figure 1)

图1 卫生体系效率的概念框架

由于卫生体系的效率体现在生产过程的各个阶段，其测量途径可以分为两类：黑箱模型和链式模型。黑箱模型是测量从生产过程的入口到出口的效率，将中间过程视为黑箱。投入指标是卫生费用，产出指标则是健康水平，例如期望寿命、5岁以下儿童死亡率、孕产妇死亡率等。链式模型是将生产过程的黑箱打开，把从投入卫生费用到实现健康产出的过程视为一条生产链，可以测量生产链条上各个节点的效率，将前面的节点作为投入，后面的节点作为产出，例如把卫生资源作为投入，把卫生服务利用作为产出。在测量节点的效率时，作为产出的节点往往会受到卫生体系以外因素的影响，越是靠近末端节点，所受到的外部影响越大，例如健康水平会受到教育、宗教、收入等因素的影响。卫生体系的整体效率可由链式模型各节段效率的乘积来表示。

在卫生体系生产链的各个节点，除卫生服务可及性与质量外，均可分别通过一系列的分指标来准确地定量测量(表1)。卫生服务可及性的准确定义和定量测量比较困难。卫生服务可及性可划分为两个维度，即空间(地理)可及性和社会经济可及性。空间(地理)可及性一般通过距离医疗机构的远近或到达医疗机构的时间来测量，社会经济可及性主要是指经济可及性，可通过医疗保险覆盖率、个人支付卫生费用占收入的比例等指标测量。卫生服务可及性还可通过两周患病未就诊率、应住院未住院比例等指标间接地反映。卫生服务质量一般通过间接指标来反映，例如卫生人员学历、诊断符合率、医院感染率、急危重症抢救成功率等。由于卫生服务可及性的测量难度相对较大，从测量的准确性、难易程度和数据可获得性的角度考虑，在实际评价中，卫生体系效率的测量可包括4个节点的指标，即卫生费用、卫生资源、卫生服务利用和健康水平，共组合出6个模型(表2)。

表1

表1(Table 1)

表1 卫生体系效率的测量指标 指标 主要分指标 卫生费用 卫生总费用、人均卫生费用、卫生总费用占GDP比例 卫生资源 卫生人员数量(可分为卫生技术人员数量、医生数量、护士数量等)、床位数、固定资产总值、上述指标人均数量 卫生服务可及性 空间(地理)可及性(距离医疗机构的远近或到达医疗机构的时间)、经济可及性(医疗保险覆盖率、个人支付卫生费用占收入的比例等)、两周患病未就诊率、应住院未住院比例 卫生服务利用 数量：门急诊人次数、住院人数、两周就诊率、住院率 质量(间接指标)：卫生人员学历、诊断符合率、医院感染率、急危重症抢救成功率等 健康水平 期望寿命、健康期望寿命、新生儿死亡率、婴儿死亡率、5岁以下儿童死亡率、孕产妇死亡率、发病率

表1 卫生体系效率的测量指标

表2

表2(Table 2)

表2 卫生体系效率的测量方式 模型 原料 产品 1 投入-影响 卫生费用 健康水平 2 投入-间接产出 卫生费用 卫生人力等资源 3 投入-结果 卫生费用 卫生服务利用 4 间接投入-结果 卫生人力等资源 卫生服务利用 5 间接投入-影响 卫生人力等资源 健康水平 6 结果-影响 卫生服务利用 健康水平

表2 卫生体系效率的测量方式

在进行卫生体系效率的国际间比较时，如果以卫生总费用或其它涉及费用的指标作为投入，需要统一货币单位。换算方法有两种：一是采用实际汇率进行换算，优点是实时更新的各国汇率数据很容易获得；二是采用各国货币的实际购买力，即购买力平价(Purchasing Power Parity， PPP)，进行换算。PPP是由世界银行等组织主持的国际比较项目 (International Comparison Program，ICP)计算和发布的国际一致价格跨国比较体系，其计算依据是各国国内商品价格同基准国家(通常以美国美元作为基准)同种商品价格比率的加权平均值。^[8]理论上采用PPP进行换算更为合理，但是覆盖世界各国的PPP数据并非每年都有，目前能够获得的数据是世界银行发布的2005年PPP数据。

如果以期望寿命作为产出指标，WHO发布的研究报告建议采用健康调整期望寿命(Health-adjusted life expectancy，HALE)或伤残调整期望寿命(Disability-adjusted life expectancy，DALE)。^{[5, 9]}在WHO发布的部分年份的《世界卫生报告》或《世界卫生统计报告》中，包含了各成员国人口的HALE数据。^{[10, 11, 12]}另外，WHO的报告还建议，不应直接使用HALE作为产出指标，而是需要将卫生体系对HALE的贡献分离出来作为产出指标，即实际的HALE与理论上如果没有任何卫生体系时的HALE之差，这使得分析过程更为复杂。^{[3, 5]}

Shephard 1953年提出的效率测量的距离函数和Farrell在1957年提出的技术效率概念为非商品生产领域的效率测量奠定了基础，使在没有价格信息的情况下评价生产效率成为可能。^[13]技术效率是指某 个生产单位达到该行业当前技术水平的程度，即在投入既定的情况下，达到产出最大化的程度；用集合的概念表述为从给定投入集合中获得最大产出的能力。技术效率也可从产出的角度衡量，即在产出既定的情况下，达到投入最小化的程度。限于篇幅，关于技术效率和距离函数的详细介绍参见Coelli 等的著作。^[14]

技术效率测量的基础是距离函数，根据距离函数计算方法的不同，可以将技术效率测量方法分为多种类型。按照是否需要设定生产函数可划分为参数方法和非参数方法；按照是否考虑随机误差可划分为固定前沿方法和随机前沿方法。截面数据和面板数据的效率分析方法中最常用的是数据包络分析(Data envelopment analysis， DEA)和随机前沿分析(Stochastic frontier analysis， SFA)。数据包络分析属于固定前沿非参数方法，随机前沿分析属于参数方法。数据包络分析的主要优点是计算简单，不需设定生产函数，处理多投入、多产出的问题和处理单投入、单产出的情况一样方便；缺点是数据处理没有考虑随机误差，不能直接对结果做出统计推断。随机前沿分析的主要优点是考虑了随机误差，容易对分析结果做出统计推断；缺点是计算复杂，对样本量要求较高，并且对无效率项的统计特征有严格的要求，不容易处理多产出的问题，如果生产函数设置不当会严重影响结果的准确性。数据包络分析与随机前沿分析方法的详细比较参见Jacobs等^[6]和Hollingsworth 等的著作。^[15]数据包络分析和随机前沿方法在卫生体系效率分析中的应用情况参见文献。^{[15, 16, 17, 18, 19]}

面板数据固定效应非时变模型是WHO在2000年测量191个会员国的卫生体系效率时所采用的方法。^{[1, 5]}该方法的主要优点是计算简单，缺点是其假定在测量的时间跨度内各单位的效率是恒定不变的，这样的假设显然与实际情况不符，由于许多国家处于卫生体系和卫生政策的变革过程中，而卫生改革可能会促进或降低卫生体系的效率。在面板数据随机前沿分析方法中(固定效应或随机效率模型)，可以加入时变的因素，但其假定所有测量单位的时变效应相同。^[20]这点与实际情况也不符合，因为有的国家的改革可能促进卫生体系效率的提升，而有的国家的改革可能会降低卫生体系的效率。在处理时变的问题上，数据包络分析方法具有更强的灵活性，DEA-Malmquist模型可以方便地分别计算每个单位生产率的动态变化情况，并且可以将生产率的变化进一步分解为相对效率变化和效率前沿移动。^[21]

按照对效率的测量方式，DEA模型可分为投入导向(input-oriented)、产出导向(output-oriented)和混合导向(也称为无向，non-oriented)。投入导向模型是从投入的角度对被评价DMU无效率程度进行测量，测量的是要达到技术有效各项投入应该减少的程度；产出导向模型是从产出的角度对被评价DMU无效率的程度进行测量，测量的是要达到技术有效各项产出应该增加的程度；混合导向模型则是同时从投入和产出两个方面进行测量。模型导向的选择主要取决于分析目的。如果分析目的只是获得各单位的效率值，上述三种导向的模型均可。如果需要做进一步的投影分析，从管理角度考虑，如果把减少投入作为对无效率单位提高效率的主要途径，应选择投入导向模型；如果把增加产出作为提高效率的主要途径，则应选择产出导向模型。需要特别注意的是，如果在卫生资源投入不足的背景下，选择投入导向模型会使得投影分析的结果不容易进行解释。因为在投入导向模型中，根据投影分析的结果，无效率的单位要达到有效率的状态，其改进目标是减少投入，这似乎与卫生资源投入不足的背景产生矛盾(但实质上并不矛盾)，使得分析结果容易产生误解。另外，在分析卫生服务效率时，在需求不足的背景下(当需求是决定卫生服务产出数量的首要因素时)，选择产出导向模型，会使得投影分析所确定的产出目标客观上难以实现，从而失去实际指导意义。

在DEA模型中，根据生产技术规模报酬的类型，可分为规模报酬不变(constant returns to scale, CRS)、可变(variable returns to scale, VRS)、非增(non-increasing returns to scale, NIRS)和非减(non-decreasing returns to scale, NDRS)4类模型。^[25]根据健康生产理论，卫生体系的生产技术是规模报酬可变的，因此在评价卫生体系的技术效率时，应选择VRS模型。^{[26, 27]}另外，选择CRS模型会产生不合理的投影分析结果。例如在分析各个国家 卫生体系的效率时，如果以期望寿命作为产出指标，在产出导向模型的投影分析结果中，投入较大而效率较低的国家的目标值可能会超出合理的范围(比如目标值为200岁)。

VRS模型(以产出导向为例)的数学表达式为：

其中，X表示投入矩阵，Y表示产出矩阵，x₀和y₀表示被评价单位的投入和产出向量；约束条件∑ j λ_j=1使参比限制在相似生产规模的水平上。效率值θ＝1/φ。

效率评价是卫生体系研究的重要内容，本文提出的概念框架使卫生体系效率评价的可操作性更强。数据包络分析在卫生领域的应用越来越多，但与其它领域相比，卫生体系效率测量具有许多的特殊性，在应用数据包络分析时，需要特别注意方法学问题。