一项关于中国医疗卫生资源配置效率时空演变的深度研究报告

本报告旨在介绍由林婉、叶佳怡、石吴翔、黄优豪和黄尚晖*（*为通讯作者）共同完成，并于2026年1月15日发表在开放获取期刊 Frontiers in Public Health 上的原创性研究论文《Research on the spatial–temporal evolution of healthcare resource allocation efficiency in China》。该研究对中国大陆31个省级行政区（不含港澳台）在2014年至2023年间的医疗卫生资源配置效率进行了全面评估，揭示了其时空演变特征与关键制约因素，为“健康中国”战略下的资源配置优化提供了实证依据与政策启示。

一、 研究背景与目的

本研究隶属于公共卫生管理与卫生经济学交叉领域。自2016年《“健康中国2030”规划纲要》发布以来，提升医疗卫生服务体系的公平与效率已成为国家核心战略。随后，《“十四五”优质高效医疗卫生服务体系建设实施方案》与《关于进一步完善医疗卫生服务体系的指导意见》等一系列政策文件进一步强调了促进优质资源扩容与均衡布局的重要性。然而，人口老龄化加速了慢性病管理需求，区域经济发展不均导致了资源配置失衡，基层服务能力薄弱等问题依然突出，构成了各省份间资源配置差异显著的关键瓶颈。科学评估各省份的资源配置效率，识别无效的症结所在，成为优化资源配置、提升服务可及性的关键前提。

鉴于此，本研究的目标是系统分析2014-2023年间中国31个省份的医疗卫生资源配置效率的时空演变特征，并探究其背后的驱动因素。旨在弥补现有研究多侧重于静态分析或特定区域的局限，通过结合静态与动态效率模型，提供一个跨越十年、覆盖全国所有省份的综合性评估，为制定差异化的区域治理和精准干预政策提供实证支持。

二、 研究流程与方法

本研究流程严谨，主要包含以下核心步骤：

第一， 数据准备与区域划分。 研究使用中国国家统计局发布的省级年度面板数据，时间跨度为2014年至2023年。研究对象为中国大陆31个省份，并依据国家统计局标准划分为三大区域：东部地区（11省）、中部地区（8省）和西部地区（12省）。这种划分便于后续进行区域差异比较与时空格局分析。

第二， 指标体系构建。 研究在参考现有文献成果的基础上，严格遵循数据包络分析（Data Envelopment Analysis, DEA）模型对决策单元数量的要求，构建了投入与产出指标体系。投入指标从人力、物力、机构规模三个层面选取，分别是：卫生技术人员数（人力）、医疗卫生机构床位数（物力）、医疗卫生机构数（规模）。产出指标则聚焦医疗服务核心成果，选取了诊疗人次数和出院人数。这两组指标能够综合反映各省医疗卫生系统的资源供给能力和实际服务产出水平。

第三， 静态效率测量：DEA-BCC模型。 研究首先采用DEA-BCC模型（假设规模报酬可变）对资源配置效率进行静态测量。该模型能够计算出三个关键效率值：综合技术效率（Comprehensive Technical Efficiency）、纯技术效率（Pure Technical Efficiency）和规模效率（Scale Efficiency）。综合技术效率是纯技术效率与规模效率的乘积，其值介于0到1之间，值为1表示相对有效，小于1则表示相对无效。研究利用Deap 2.1软件，分别计算了2023年横截面数据以及2014-2023年各年份的效率值，以评估整体特征、时间变化及区域差异。对于DEA无效的省份，研究进一步进行了松弛变量分析，以识别是投入冗余还是产出不足导致了效率损失。

第四， 动态效率分析：Malmquist指数模型。 为了捕捉效率随时间变化的动态趋势及其驱动因素，研究采用了Malmquist指数模型。该模型用于衡量全要素生产率（Total Factor Productivity, TFP）在不同时期的变化。Malmquist指数可分解为技术效率变化指数（反映管理和资源利用水平的进步）和技术进步变化指数（反映医疗技术和设备等的革新）。指数大于1表示效率改善，小于1则表示衰退。通过对2014-2023年各年度间TFP及其分解指数的计算，研究揭示了全国及各省份资源配置效率的动态演变轨迹，并明确了推动或制约效率提升的核心动力。

第五， 稳健性检验。 为确保研究结论的可靠性，作者从模型设定和变量选择两个维度进行了稳健性检验。在静态分析中，将产出指标“出院人数”替换为更能体现服务复杂性的“住院病人手术人次”，重新计算效率值并进行排名相关性检验（Spearman秩相关系数ρ=0.66， p<0.001）。在动态分析中，使用假设规模报酬不变的DEA-CCR模型重新计算Malmquist指数，并与BCC模型结果进行对比，发现两者趋势具有显著正相关性（ρ=0.56， p<0.001）。这些检验证实了核心结论在不同方法和变量选择下具有良好的稳健性。

三、 主要研究发现

研究结果揭示了我国医疗卫生资源配置效率的多维度特征与复杂演变规律。

1. 投入产出增长失衡，整体效率有待优化。 2014-2023年间，我国医疗卫生资源投入持续快速增长，卫生技术人员、机构床位和机构数的累计增长率分别为64.54%、54.12%和48.32%。然而，服务产出的增长相对滞后，诊疗人次和出院人数的累计增长率仅为25.64%和47.93%。这种“高投入、慢产出”的结构性失衡直接导致了资源配置效率不高。2023年全国平均综合技术效率为0.869，超过一半（58.1%）的省份处于DEA无效状态。对无效省份的松弛变量分析进一步证实，低效主要源于投入冗余而非产出不足，其中医疗机构数量过剩是最突出的问题。例如，天津、黑龙江、河北等省的医疗机构冗余率分别高达33.3%、26.2%和22.6%，表明存在机构过度扩张和功能重叠问题。

2. 区域差异显著，“东高、中低、西波动”格局凸显。 研究发现了清晰的资源配置效率区域梯度。东部地区综合效率最高（2023年平均0.894），其优势源于较高的纯技术效率和较优的规模效率，反映了其先进的管理水平和技术应用能力。中部地区综合效率最低（2023年平均0.832），其症结主要在于纯技术效率显著偏低（0.847），表明问题不在于规模大小，而在于如何更有效地利用现有投入。西部地区则表现出较大的波动性，其纯技术效率领先（0.941），但规模效率较低（0.929）。从时序上看，东部地区效率水平相对稳定且领先全国；西部地区虽起点较低，但呈现逐步改善趋势；中部地区则波动较大，整体呈下降趋势。

3. 全要素生产率呈微降趋势，技术进步滞后是核心制约。 2014-2023年间，全国医疗卫生资源全要素生产率（TFP）年均下降1.6%，平均值为0.984。技术效率在此期间基本保持稳定，而技术进步指数年均同样下降1.6%，成为拖累TFP增长的主要因素。研究指出，医疗设备迭代升级缓慢（尤其在基层机构），以及中高级卫生技术人才的结构性短缺，是导致技术进步滞后的关键原因。TFP的波动呈现“先稳、后降、再快速回升”的特征：2019-2020年因新冠疫情冲击骤降至0.827，形成“效率低谷”；2022-2023年随着服务恢复和技术应用加速，强劲反弹至1.156，显示出医疗系统的韧性。剔除疫情异常年份，TFP均值约为1.008，表明在正常情况下具备基本稳定和微幅改善的能力。

4. 省际效率分化，高效省份特征可借鉴。 从省际TFP来看，仅有北京、黑龙江、陕西、宁夏4省实现微幅增长，其余27省均出现下降，西藏降幅最大。研究识别出北京、上海、浙江、广东、湖北、广西、重庆、新疆等8个在2023年达到DEA有效的省份。这些“效率前沿”省份的共同特征为：一是资源投入结构协调，避免了单一要素的严重冗余；二是积极推动技术与管理创新（如智慧医院、紧密型医联体），走内涵式发展道路；三是依托国家级区域战略（如京津冀协同、长三角一体化），构建了跨区域的协调合作机制，打破了资源“本地化”壁垒。这些成功经验为低效省份提供了明确的优化路径。

四、 结论与政策启示

基于以上发现，研究得出结论：我国医疗卫生资源配置在持续投入的背景下，整体效率未达最优，存在显著的投入冗余和区域失衡。技术进步缓慢是全要素生产率提升的主要瓶颈。东部地区引领效率发展，中部地区效率洼地问题突出，西部地区则潜力与波动并存。

为此，研究提出了具有针对性的政策建议： 1. 实施省级定制化的资源再平衡策略：根据地方实际需求和人口分布，动态调整资源结构，减少医院和床位的过度配置，引导常见病、慢性病患者下沉基层，推动资源互补与协同使用。 2. 加速医疗技术向基层扩散：通过建立区域协作平台、强制设备更新周期、将医疗卫生技术研发投入纳入地方政府考核等方式，弥补技术进步短板。加强对基层医务人员的技术培训，确保新技术在常规实践中可及、可用。 3. 推行标杆管理：借鉴高效省份在构建紧密型医共体、整合数字健康等方面的实践经验，鼓励低效省份融入国家区域发展战略，通过共建共享、人才帮扶等机制弥补优质资源短板。 4. 强化区域协同与差异化治理：东部地区应继续发挥创新引领作用；中部地区需重点提升纯技术效率，加强与京津冀、长江经济带等区域的协同，吸引优质资源和技术溢出；西部地区应在巩固提升纯技术效率优势的同时，着力改善规模效率，利用对口支援和内生发展相结合的模式优化资源配置。

五、 研究亮点与价值

本研究的亮点与创新主要体现在以下几个方面： 1. 方法论的综合性与系统性：创新性地将静态的DEA-BCC模型与动态的Malmquist指数模型相结合，实现了对资源配置效率“截面差异”与“时序演变”的双重视角洞察，分析更为全面深入。 2. 时空尺度的全面性：提供了覆盖中国大陆全部31个省份、跨越十年（2014-2023）的长期追踪分析，在时间和地理范围上比局限于单一年份或特定区域的研究更为全面，结论更具普遍性和说服力。 3. 问题诊断的精准性：不仅评估了整体效率水平，还通过松弛变量分析精准定位了低效省份“投入冗余”的具体类型（如医院过剩），并通过TFP分解明确指出“技术进步滞后”是核心制约因素，使政策建议有的放矢。 4. 明确的政策导向价值：研究结论紧密对接“健康中国”战略需求，提出的差异化、可操作的政策建议，如省级资源再平衡、技术扩散机制、标杆管理等，为各级政府优化医疗卫生资源配置、提升服务体系整体效能提供了重要的实证依据和决策参考。

六、 研究局限与未来方向

作者坦诚指出了本研究的几点局限：首先，产出指标侧重于服务量，未能包含健康结果或服务质量等结局指标，可能影响效率评估的全面性。其次，DEA模型未将外部环境因素作为控制变量，效率值可能受地区环境特征影响，限制了因果关系的解释力。最后，受宏观数据和方法所限，未能对每项政策建议进行详细的成本效益分析或优先级排序。未来研究可纳入质量导向指标，并引入环境因素控制，以提供更稳健的效率评估和因果解释。