中国省级社会卫生支出效率评估：基于Malmquist-DEA与Tobit模型的动态分析与影响因素研究

为解决中国社会卫生支出效率评估的空白，研究人员采用Malmquist-DEA和Tobit模型，分析了2012-2020年31个省份的面板数据。结果显示，社会卫生支出总要素生产率年均下降8.3%，技术退步是主因，而城镇化率与效率正相关、人口密度与效率负相关。该研究为优化卫生资源配置提供了实证依据，对推动医疗体系可持续发展具有重要意义。

　　

随着中国社会经济快速发展、人口老龄化加剧以及慢性病负担加重，医疗卫生服务需求持续攀升，但卫生资源配置效率问题日益凸显。尽管政府卫生支出逐年增加，2022年社会卫生支出占比已达44.8%，远超政府支出的28.2%，但公众仍普遍反映"看病贵"。这种矛盾现象提示：单纯评估政府卫生支出效率可能无法全面反映中国医疗卫生体系的真实绩效。在此背景下，徐传海等研究人员开展了一项开创性研究，系统评估了中国省级社会卫生支出的效率动态及其影响因素，相关成果发表在《BMC Health Services Research》。

研究团队采用三阶段分析方法：首先运用数据包络分析(DEA)模型静态测算效率值；其次通过Malmquist指数模型分析2012-2020年的效率动态变化；最后采用随机效应Tobit模型识别影响因素。数据来源于《中国统计年鉴》《中国卫生统计年鉴》等权威渠道，涵盖31个省份9年间的279组观测值。输入变量选取社会卫生支出总额和人均医疗费用，输出变量则采用医疗机构数、病床数和卫生技术人员数这三类服务供给能力指标。

研究结果揭示了一系列重要发现。在动态效率方面，Malmquist指数分析显示：全国平均总要素生产率变化指数(TFPCH)为0.917，年均下降8.3%。技术变化指数(TECH)均值为0.897，是导致效率下滑的主因；而效率变化指数(EFFCH)均值为1.022，其纯效率变化(PECH)和规模效率变化(SECH)分别为1.014和1.008，表明管理效率持续改善但被技术退步所抵消。值得注意的是，广东、山东和四川是仅有的三个同时出现技术退步和管理效率下降的省份。

省级差异分析显示：青海在效率变化(EFFCH)和规模效率(SECH)上表现最佳(1.058和1.046)，而江苏的技术进步指数最高(0.949)。湖南、贵州和江西的TFPCH最低(<0.9)，年均降幅超10%。通过雷达图可视化可直观看出各省效率指标的显著异质性。

影响因素分析中，Tobit回归模型发现：城镇化率每提高1%会使效率值显著增加0.0126(p<0.01)，而人口密度则呈现负向影响(-0.00033，p<0.01)。这一结果在排除西藏和新疆的稳健性检验中依然成立。经济水平和教育程度未显示出统计学意义。

在讨论部分，作者指出技术退步现象可能源于医疗技术创新投入不足。尽管中国卫生总费用占GDP比重从2008年4.55%升至2020年7.12%，但研发投入占比仍然偏低。研究建议应加强医疗技术引进和人员培训，特别是在TECH指数较低的省份。城镇化对效率的促进作用印证了"规模效应"假说，而人口密度的负面影响则反映了高密度地区资源分配压力。

该研究的政策启示主要体现在三方面：首先，需建立社会卫生支出效率的常态化监测机制；其次，应实施区域差异化政策，对TECH指数低的省份加强技术投资；最后，在新型城镇化规划中需统筹考虑医疗卫生资源配置。研究创新性地将Malmquist指数应用于社会卫生支出评估，弥补了现有文献多聚焦政府支出的局限性。未来研究可纳入医疗质量指标和空间计量方法，以更全面评估卫生系统绩效。

这项研究为中国医疗卫生体系改革提供了重要实证依据，其方法论框架也可为其他发展中国家评估卫生支出效率提供参考。特别是在后疫情时代财政压力加大的背景下，提升社会卫生支出效率将成为实现全民健康覆盖(SDGs 3.8)的关键路径。