面板数据包络分析模型及其在医院绩效评价中的应用

发布时间：2020-04-23 05:40

【摘要】：近几年来,我国卫生事业不断发展并取得了长足的进步。但从长远来看,我国卫生服务利用率并没有得到显著提升,仍存在着卫生服务需求与供给之间不平衡的现象。目前,总投入量不足与浪费并存是制约我国卫生事业发展的主要问题,因此,建立起一套切实可行的医院绩效考核方案,对于合理分配医疗卫生资源、提高医院产出水平具有重要意义。从当前情况来看,医院绩效评价主要指对医疗资源使用情况的一种衡量,通常是考察投入与产出之间的关系,也可看成是使用生产前沿面理论对技术效率的测量。而生产前沿面对技术效率的测量又分为:参数法和非参数法。参数法主要以随机前沿分析法(SFA)为代表,但SFA一般只适合单产出、多投入的生产情形,与医院绩效评价体系不符。非参数法即数据包络分析(DEA)其更加适合处理医院绩效评价领域中面临的多投入、多产出的情况。然而,经典DEA模型是基于横截面数据分析的模型,仅能给出不同决策单元(DMU)之间的静态绩效评价。为了从横向、纵向两个维度进行决策单元(DMU)的动态绩效评价,本文总结归纳了两种面板DEA模型,即DEA-Malmquist生产率指数法、DEA视窗分析方法,同时,在经济学增量分析法相关知识的基础上,本文提出了一种新颖的面板DEA模型,即DEA增量数据分析法,可以对连续两个时期的DMU进行绩效评价,开拓了面板DEA模型研究的新思路,解决了经典DEA模型难以处理面板数据的困境。而通过在算例中将DEA增量数据分析法与其他两种面板DEA模型进行分析和比较,进一步证明了所提模型的优越性和可行性。2009年是深化医疗卫生体制改革的开局之年,本文以江苏省2009-2016年各地区医院为研究对象,旨在对新医改背景下的江苏省各地区医院的运行效率进行动态评价,从横向、纵向两个维度分析和对比各地区医院的运行效率,把握各地区医院的发展变化趋势。在模型研究方面,本文探讨了三种面板DEA模型的优缺点,指出了各自模型的适用情形与局限范围。从实证研究方面,根据各地区医院的数据资料筛选出合适的投入、产出指标,并运用三种面板DEA模型进行效率分析,从2009-2016历年的分析结果来看,各地区医院的效率水平在波动中有所上升,也进一步地证明了新医改政策的可行性和有效性。本文最后提出了相应的建议:第一,重视医院统计工作,强化数据分析职能;第二,医院应实行科学管理,提高整体绩效水平;第三,提升医疗服务水平,不断适应新的要求。
【图文】：

示意图,基本原理,决策单元,示意图

图 2-1 DEA 基本原理示意图A、B、C、D、E 代表 5 个决策单元，每个决策单元量为1y ，5 个点在图中的位置即为 5 组 DMU 的投入点所在的折线段在生产函数中称作等产量线，其反，它是一条无差异曲线，表示两种投入的不同组合，量线其实就是 DEA 中所说的生产前沿面，在生产前中 5 个 DMU，除了决策单元 E，其它 4 个 DMU 都相交于 D 点，而 D 点的投入远小于 E 点，说明决策于决策单元 D，E 是技术无效的。决策单元 E 的技D / OE 1时，决策单元 E 才是技术有效，否则为技术划模型，，计算 DMU 与其对应的生产前沿面上的距离

雷达图,Malmquist指数,江苏省,雷达图

5-1 江苏省 2009-2016 年各地区医院 Malmquist 指数的雷达图的技术效率变动指数（EC）均为 1，可以发现，全要素生产率变动数（TC）。因此，江苏省各地区医院全要素生产率指数的差异今后江苏省各地区全要素生产率指数的提高，有赖于生产技术扩大规模。窗分析方法的结果与分析江苏省各地区医院技术效率的视窗分析结果，是在以投入为导R 的基础上得到的。本文在第三章探讨了 DEA 视窗分析方法的EA-Malmquist 生产率指数法和 DEA 增量分析法均为连续两个于分析和比较，本文仍然将窗宽确定为 2，这会在一定程度上年技术效率的变化情况来看，2009-2010 年江苏省各地区医院示各个决策单元在产出一定时，投入情况不容乐观，有待进一
【学位授予单位】：河北大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：R197.322

【相似文献】