马来西亚卫生部三十年医疗服务效率评估：基于自助法数据包络分析(DEA)的实证研究

《Health Economics Review》：Three decades in healthcare service efficiency evaluation: a bootstrapping Data Envelopment Analysis (DEA) of Ministry of Health Malaysia

本研究针对马来西亚医疗资源优化需求，采用数据包络分析(DEA)窗口模型结合自助法(Bootstrapping)，评估了1995-2022年间28个决策单元(DMUs)的医疗服务效率。研究发现，在可变规模报酬(VRS)假设下，马来西亚卫生部(MOH)平均技术效率达0.974(95%CI:0.907-0.989)，但COVID-19疫情期间效率显著下降。研究为资源再分配、远程医疗应用和预防性医疗转型提供了量化依据，对发展中国家医疗体系优化具有重要参考价值。

　　

在东南亚医疗体系面临资源分配不均与成本攀升的双重挑战背景下，马来西亚作为中等收入国家的典型代表，其医疗系统的效率问题尤为突出。尽管该国自1956年首个马来亚计划起持续增加医疗投入，但城乡差异、专科医生短缺等问题始终制约着服务效能。更严峻的是，COVID-19大流行暴露了医疗体系应对突发公卫事件的脆弱性。这些现实困境催生了一个核心科学问题：如何量化评估国家医疗系统的长期运行效率，并为资源优化提供决策依据？

马来西亚卫生部联合多家科研机构的研究团队在《Health Economics Review》发表了一项开创性研究。通过构建包含6项投入指标（预算拨款、医生/牙医/药剂师/护士/社区护士数量）和3项产出指标（住院人次、门诊量、妇幼保健服务量）的评估体系，采用数据包络分析(Data Envelopment Analysis, DEA)窗口模型与自助法(Bootstrapping)相结合的方法，首次系统评估了马来西亚卫生部1995-2022年间28个决策单元(Decision Making Units, DMUs)的技术效率。这项历时三年的研究不仅揭示了该国医疗体系的动态效率演变规律，更为后疫情时代的医疗改革提供了关键数据支持。

研究方法层面，团队创新性地整合了三种关键技术：1）DEA窗口分析法，通过将时间维度纳入面板数据，实现纵向效率趋势追踪；2）可变规模报酬(Variable Returns to Scale, VRS)与不变规模报酬(Constant Returns to Scale, CRS)双模型对比，区分纯技术效率与规模效率；3）Simar-Wilson自助法，通过2000次重复抽样计算偏差校正效率值，提升结果稳健性。数据来源于马来西亚卫生部官方公布的年度统计报告，确保了结果的权威性。

研究结果部分呈现了多项重要发现。在"效率得分评估"章节，VRS模型显示平均纯技术效率高达0.974，表明现有资源利用已接近最优水平。但CRS模型得分仅0.662，揭示出显著的规模不经济现象，特别是在农村地区医疗设施存在明显的资源冗余或不足。值得注意的是，"敏感性分析"显示当采用药剂师/护士组合作为投入变量时，效率值波动最大（模型VI偏差校正效率0.928 vs 基准模型0.974），提示人力资源配置是影响效率的关键变量。

"疫情冲击分析"部分披露了COVID-19的深远影响。2020年效率值骤降至0.832，主要源于应急投入激增（如临时医护招聘）与服务产出受限（择期手术暂停）。这种效率"断崖"现象在2022年仍未完全恢复（效率值0.881），证实了公共卫生危机对系统稳定性的长期损害。通过"生产前沿面图示"，研究直观展示了最优效率边界与各DMU的偏离程度，为识别改进目标提供了可视化工具。

在结论与讨论部分，研究者提出了三项政策建议：首先，推广远程医疗(Telemedicine)技术以缓解城乡资源错配，这尤其适用于马来西亚地理环境复杂的东马地区。其次，建立动态人力资源调配机制，根据模型测算，仅需增加3%的投入即可使VRS效率达到最优。第三，推动"治疗为主"向"预防优先"的服务模式转型，这从根本上有助于降低规模不经济的影响。这些发现不仅为马来西亚第十二个五年计划（2021-2025）中的医疗改革条款提供了实证支持，也为面临相似挑战的东盟国家提供了可借鉴的评估框架。

该研究的学术价值体现在方法学创新与应用实践的结合：一方面，通过DEA窗口模型与自助法的融合，解决了传统效率评估中样本量受限与结果偏差的难题；另一方面，长达28年的纵向分析为理解医疗体系演化规律提供了珍贵的时间维度证据。正如研究者M Zulfakhar Zubir在讨论部分强调的，这项研究建立了一个可评估体系，未来可通过纳入初级保健指标、环境因素等变量，进一步丰富发展中国家的医疗效率研究范式。