авторефераты диссертаций БЕСПЛАТНАЯ БИБЛИОТЕКА РОССИИ

КОНФЕРЕНЦИИ, КНИГИ, ПОСОБИЯ, НАУЧНЫЕ ИЗДАНИЯ

<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ


Pages:     | 1 || 3 |

«МОСКОВСКИЙ ОБЩЕСТВЕННЫЙ НАУЧНЫЙ ФОНД АССОЦИАЦИЯ ИССЛЕДОВАТЕЛЕЙ ЭКОНОМИКИ ОБЩЕСТВЕННОГО СЕКТОРА (ASPE) АНАЛИЗ ВОЗМОЖНОСТЕЙ РАЗВИТИЯ КОНКУРЕНЦИИ В СИСТЕМЕ ...»

-- [ Страница 2 ] --

Реакция потребителей на неудовлетворенность качеством об служивания в медицинских учреждениях Несмотря на неудовлетворенность качеством медицинской по мощи в системе ОМС, большинство пациентов (в процентном отношении такое же, как и в Санкт-Петербурге) никуда не обращалось с жалобами (95%).

Из 15 респондентов, которые жаловались на неудовлетворитель ное медицинское обслуживание, только один обратился в страховую ком панию.

Так же, как и в Санкт-Петербурге, среди причин смены страховой компании никто не упомянул «сознательный» переход в другую СМО.

Глава Таблица 16.

Причины неудовлетворенности работой поликлиники (% респондентов) Причины Доля респондентов, % Очереди 55, Трудно попасть на прием к врачу-специалисту 35, Все устраивает 15, Невежливое поведение обслуживающего персонала 13, Уровень квалификации, компетентности врачей 10, Отсутствие нужных врачей-специалистов 6, То, что некоторые услуги являются платными 6, Отсутствие требуемых диагностических исследований 5, Пренебрежение к больным, мало внимания 0, Проблемы с номерками, трудно получить и т.д. 4, Высокие цены на платные услуги 4, Далеко от дома 8, Проблемы с рецептами 0, Неудобное время работы поликлиники/врачей 0, Мало времени на прием 0, Другое 4, Трудно сказать 5, Число респондентов, чел. Оплата медицинских услуг потребителями Данные, полученные в результате опроса жителей Петрозаводска, Кондопоги и Костомукши, свидетельствуют, что 48% респондентов (это на 14 процентных пунктов меньше, чем в Санкт-Петербурге) оплачивали медицинские услуги. Среди оплачивавших услуги преобладают люди со средним доходом (51,3% этой группы оплачивало медицинские услуги) и представители возрастной группы 30–39 лет (67,3%). Меньше всего лиц, плативших за медицинские услуги, среди пожилых людей – только 33,3%.

Оплата медицинской помощи входит в число приоритетных на правлений расходования средств у домохозяйств с разным уровнем дохо дов (табл. 17). Даже в группе с крайне низкой самооценкой дохода («нам не хватает денег даже на еду») за медицинские услуги платил каждый тре тий респондент.

Анализ возможностей развития конкуренции в системе медицинского страхования Таблица 17.

Доля лиц, приобретавших платные медицинские услуги, среди групп населения с различной самооценкой дохода семьи Оплачивали ме- Доля лиц, приобре Самооценка дохода дицинские тавших медицинские услуги, услуги, в общей чис чел.

ленности группы, % Нам не хватает денег даже на еду 4 33, Хватает на еду, но покупать одежду нам 28 44, очень трудно Нам хватает денег на еду и одежду, но 61 51, купить телевизор, холодильник или сти ральную машину нам будет сложно Мы можем купить основную бытовую 30 41, технику, но на автомобиль нам не хватит Наших средств хватит на все, кроме 12 57, квартиры или загородного дома Мы не ограничены в средствах и можем 4 80, себе позволить все, что хотим Бльшая часть респондентов оплачивали услуги в бесплатных ме дицинских учреждениях (69,4%), этот показатель выше, чем в Санкт Петербурге на 16 процентных пунктов. В платные учреждения обращался в среднем каждый третий, однако, если в Костомукше это только12,9%, то в Кондопоге уже 30,8%, а в Петрозаводске – 40,3%. Частным образом ме дицинская помощь оказывалась незначительному числу респондентов (1,4%).

В возрастной группе 30–39 лет практически равное число респон дентов обращались в платные и бесплатные медицинские учреждения (51,4%: 54,1%).

Как и в Санкт-Петербурге, чаще всего респонденты платили за обследования и анализы (51,7%), услуги стоматологов (46,3%). Реже оп лачивались гинекологические услуги (12,9%), процедуры (8,2%), в равной степени услуги врачей больниц и поликлиник (6,1%).

Из числа респондентов, обращавшихся к врачам, платные меди цинские центры в среднем посещали 20,9% (в Санкт-Петербурге – 35,5%).

Однако существует значительная дифференциация по городам. Так, в Глава Петрозаводске – это 26,4% респондентов, а в Кондопоге – только 12,5%. В наибольшей степени это люди возрастных групп 30–39 и 40–49 лет (36,4% и 28,6%).

Имеет место также выраженная зависимость от дохода: среди бедных обращались в такие центры 10,7%, среди лиц с доходом выше среднего – 28,6%. Основная частота обращения – раз в год и реже (76,6%), каждый пятый респондент – от 2 до 4 раз в год. В платные центры в боль шей степени обращаются за следующими услугами: стоматология (68,8%), гинекологические услуги (21,9%), обследования и лечение в по ликлинике (18,8%), консультации врача (17,2%).

В Карелии преобладающей причиной обращения в платные меди цинские центры является более высокое качество обслуживания – 37,5%, и только затем отсутствие очередей – 26,6%, тогда как в Санкт Петербурге эти два мотива почти в равной степени предпочтительны (28% и 30,7%).

Значительную часть респондентов привлекает также быстрота об служивания (25%), высокая квалификация персонала (21,9%) и большее внимание к пацентам (18,8%).

Отсутствие в «бесплатной» поликлинике или больнице нужных услуг отметили 17,2% респондентов, на 4 процентных пункта выше, чем в Санкт-Петербурге, причем большей частью как самые молодые, так и по жилые (30% и 27,3%). В возрастных группах 18–29 лет преобладающей причиной является более высокое качество обслуживания (50%).

Большинство граждан оплачивало услуги официально, через кас су (85,5%), однако каждый пятый передавал деньги непосредственно ме дицинскому работнику.

Так же, как и в Санкт-Петербурге, «теневые платежи» использу ются при оплате медицинских услуг, получаемых населением как в государственных «бесплатных», так и в платных медицинских учреждениях, правда, несколько в меньшей степени (табл. 18).

В Карелии более трети населения не готово тратить деньги на ме дицинские услуги (35%), причем, как и в Санкт-Петербурге, такие ответы реже встречаются в возрастной группе до 30 лет (14,7%), с доходом выше среднего и высоким (23,8%) и семьях с детьми (20,6%). Неготовность оп лачивать медицинские услуги более характерна для представителей воз растных групп старше 60 лет (46,1% для группы 60–69 лет и 62,4% для пожилых людей старше 70 лет).

Анализ возможностей развития конкуренции в системе медицинского страхования Таблица 18.

Доля лиц, оплачивающих медицинские услуги через кассу медицинского учреждения и путем «теневых платежей», % Тип медицинского учре- Метод оплаты ждения Официаль- «Теневые Официальные пла ные платежи платежи» тежи и «теневые платежи»

Медицинские учреждения 78,2 15,8 5, системы ОМС Платные медицинские 83 8,5 8, учреждения 19,4% всех опрошенных затруднились с ответом на вопрос о еже месячных возможных расходах на лечение (их доля растет с ростом дохо да), готовы тратить ежемесячно от 100 до 250 руб. 9,6% респондентов, от 250 до 500 руб. – 14,2% респондентов. От 500 руб. до 1000 руб. ежемесяч но готовы тратить в большей степени люди с доходом выше среднего (12,9%), более 1000 руб. – 15% респондентов с таким уровнем дохода.

Данные о доле респондентов с разным уровнем дохода, готовых ежемесячно оплачивать медицинские услуги в определенном объеме, представлены в табл. 19.

Таблица 19.

Доля респондентов с разным уровнем дохода, готовых ежемесячно оплачивать медицинские услуги в определенном объеме, % Доход респондентов Низкий Средний Выше среднего и высокий Ничего не готовы тратить 57,0 35,9 23, Менее 100 рублей 3,5 3,3 4, От 101 до 250 рублей 7,0 10,5 9, От 251 до 500 рублей 8,1 18,3 13, От 501 до 1000 рублей 4,7 6,5 12, Более 1000 рублей 4,7 5,9 15, Трудно сказать / Отказ отвечать 15,1 19,6 21, Глава Если бы доход респондентов увеличился в два раза, то свыше 60% из них стали бы тратить больше средств на медицинские услуги. Как и в Санкт-Петербурге, готовность расходовать с ростом дохода больше средств на приобретение медицинских услуг характерна для всех групп населения, хотя в несколько большей степени выражена для женщин, по жилых людей и домохозяйств с низким и средним доходом. Расходы уве личились бы в основном на обследование или лечение в поликлинике (26% респондентов, а среди самых пожилых – 34,8%) и на оплату стома тологических услуг (25,6%) – преимущественно за счет людей в возрас тной группе от 30 до 40 лет (46,9%). Пожилые люди также предпочли бы чаще оплачивать лечение в стационаре (21,2%).

Позиции потребителей в отношении добровольного медицинско го страхования В настоящее время еще меньшая, чем в Санкт-Петербурге, часть населения (4,4%) имеет полисы ДМС, причем только один человек купил его непосредственно у страховой компании, остальные получили от рабо тодателя. Почти половина владельцев полисов ими не пользовалась за последние два года.

Удовлетворенность качеством обслуживания по полису ДМС вы сока. Так, 30% респондентов полностью удовлетворены, еще 50% – скорее удовлетворены медицинским обслуживанием.

Готовность приобрести полис ДМС в случае двукратного роста дохода также достаточно высока (см. табл. 20). Полис приобрели бы 34,9% респондентов (в т.ч. 14,6% – «точно») и не определились («возмож но, приобрели бы») 11,2% опрошенных. Еще 22,4% участников опроса затруднились с ответом или отказались отвечать на данный вопрос. «Точ но не приобрели бы» и «скорее не приобрели бы» полис ДМС в сумме 31,5% всех участников опроса.

Выбор между получением бесплатной и платной медицинской помощи В случае болезни многие респонденты обратились бы за бесплат ной медицинской помощью (72,8%, в Санкт-Петербурге – 53%), за плат ной медицинской помощью в государственные учреждения – 14,5%, в негосударственные платные учреждения – 5,4% (в Костомукше – 12,5%).

Анализ возможностей развития конкуренции в системе медицинского страхования Таблица 20.

Отношение населения Карелии к приобретению полиса ДМС в случае роста доходов Варианты ответов Доля респондентов, % Точно приобрели бы 14, Скорее всего приобрели бы 20, Возможно, приобрели бы, возможно, нет 11, Скорее всего не приобрели бы 12, Точно не приобрели бы 19, Трудно сказать или отказ отвечать 22, С увеличением возраста наблюдается рост предпочтений в сторо ну бесплатной государственной медицины. Среди самых пожилых людей таких – 90,3%.

Также наблюдается явная зависимость от дохода респондента:

чем выше доход, тем больше людей предпочитают платные услуги госу дарственных и негосударственных учреждений (8,1% и 0% среди групп с низким доходом;

19,7% и 8,8% среди группы с доходом выше среднего и высоким). 63,9% (в СПб только 27,5%) представителей группы лиц с вы соким доходом обратились бы в случае болезни за бесплатной медицин ской помощью в государственные медицинские учреждения. Среди имеющих полисы ДМС доля таких лиц – 44,4%, а 33,3% обратились бы в те же учреждения за платной помощью.

Если бы доход респондентов увеличился в два раза, то ситуация кардинально изменилась бы, как и в Санкт-Петербурге. 32,6% обратились бы за платной помощью в государственные учреждения и 42,9% – за бес платной. Доля лиц, выбравших негосударственные учреждения, выросла бы почти в три раза (с 9% до 17,3%), причем почти в три раза в самой старшей возрастной группе (с 5,4% до 14%).

Основными причинами обращения в частные медицинские цен тры являются более высокое качество обслуживания (37,5%), отсутствие очередей (26,6%) и быстрота обслуживания (25%). Таким образом, как и в Санкт-Петербурге, неудовлетворенность бесплатной медициной в значи тельной мере связана с низким уровнем обслуживания, а не с отсутствием необходимых медицинских услуг или недостаточной квалификацией вра чей.

Глава В результате проведенного исследования можно выделить пер вичные и вторичные макрогруппы интересов по отношению к потребите лям медицинских услуг. К первичным макрогруппам интересов относятся государственные медицинские учреждения, оказывающие как услуги по полисам ОМС, так и платные услуги;

частные медицинские организации и страховые медицинские организации ДМС. К вторичной макрогруппе – страховые медицинские компании, осуществляющие ОМС.

Карта интересов, включающая первичные группы интересов по отношению к потребителю медицинских услуг, представлена на рис. 5.

Частные медицинские организации Сектор бесплат Сектор платных ных услуг госу Потребитель услуг государ дарственных медицинских ственных меди медицинских услуг цинских учреж учреждений дений Страховые компании ДМС Рис. 5. Карта макрогрупп интересов для потребителей медицинских услуг В сложившейся к настоящему времени институциональной среде здравоохранения поведение потребителей в системе ОМС не оказывает существенного влияния на деятельность медицинских учреждений.

Неудовлетворенность потребителей качеством медицинского об служивания не заставляет медицинские учреждения совершенствовать Анализ возможностей развития конкуренции в системе медицинского страхования методы своей работы. При отсутствии конкуренции между медицинскими учреждениями потребители предпочитают обращаться к прямой оплате медицинских услуг, причем эта система предпочтений не меняется суще ственно даже с ростом реальных доходов.

В ДМС, напротив, существует высокая удовлетворенность потре бителей качеством обслуживания даже при том, что подавляющая часть услуг оказывается в существующих государственных медицинских учре ждениях. Однако низкий уровень участия населения в системе ДМС при водит к отсутствию ценовой конкуренции между медицинскими учрежде ниями и высокой концентрации рынка медицинских услуг, особенно в секторе стационарной помощи. На региональных рынках, не обладающих мощной базой медицинских учреждений, основным препятствием для развития ДМС является доминирование одного или нескольких ведущих медицинских учреждений.

В системе ОМС страховые организации не заинтересованы в ак тивной работе с индивидуальными потребителями своих услуг, их благо получие связано с конкуренцией за страхователей.

Отсутствие стимулов для конкуренции как между СМО, так и между медицинскими учреждениями, связано с целым рядом факторов.

Отсутствие права застрахованных на выбор СМО, а также обязательная контрактация страховых компаний со всеми медицинскими учреждениями – основной из них. Кроме того, необходимо снятие административных барьеров на вход на рынок ОМС для медицинских учреждений и СМО, а также предоставление государственным медицинским учреждениям эко номической самостоятельности.

В результате исследования поведения потребителей в Санкт Петербурге и Карелии можно сделать следующие основные выводы.

• Потребители рассматривают большинство медицинских услуг как платные, причем оплата может осуществляться как официально, так посредством «теневых» платежей.

• Основные причины неудовлетворенности бесплатным здраво охранением связаны с уровнем обслуживания, а не с отсутствием самой медицинской услуги или квалификацией врачей.

Глава • Спрос на медицинские услуги будет расти с ростом доходов, при чем с повышением уровня жизни меняются приоритеты потреби телей.

• Для значительной части населения при выборе между получением помощи в системе ОМС или в частном секторе фактор уровня сервиса оказывается более значимым, чем квалификация врачей.

В долгосрочном периоде может произойти сдвиг от прямой опла ты к приобретению полисов ДМС.

• В секторе платных услуг происходит вытеснение частных меди цинских учреждений государственными. Растет доля лиц, оплачи вающих медицинские услуги в учреждениях системы ОМС, и со ответственно снижается доля лиц, оплачивавших услуги в част ных медицинских учреждениях.

Анализ возможностей развития конкуренции в системе медицинского страхования Глава 2.

Оценка эффективности лечебно профилактических учреждений как необходимое условие развития конкуренции в системе обязательного медицинского страхования В условиях существования единого тарифа основным путем раз вития конкуренции между ЛПУ в рамках системы ОМС является введение ограничений на их доступ в нее. Это, в свою очередь, предполагает нали чие достаточно объективной системы отбора наиболее эффективных ЛПУ (оказывающих больший объем услуг более высокого качества при задан ном объеме финансирования). Помимо этого, так как при определении тарифов на услуги ЛПУ за основу, как правило, берутся показатели затрат наименее эффективных из них, исключение из системы ОМС части неэф фективных медицинских учреждений может позволить уменьшить тари фы на услуги остальных ЛПУ. Таким образом, одним из существенных условий успешного развития конкуренции и уменьшения затратности сис темы ОМС в целом является разработка и внедрение методов оценки эф фективности ЛПУ.

Оценка эффективности деятельности любой производственной системы является комплексной задачей и, как правило, нетривиальной. Ее решение изначально предполагает возможность измерения затрат и ре зультатов деятельности рассматриваемой системы. Оценка эффективности в общем случае представляет собой соотношение, описывающее их взаи мосвязь. Уровень сложности проведения такой оценки во многом зависит от содержания, вкладываемого в понятие результата деятельности, а также от перечня затрачиваемых ресурсов и способа их измерения. Как правило, под результатом подразумевают какие-либо количественные (натуральные или стоимостные) показатели (прибыль, выручка, физический объем про изведенной продукции или оказанных услуг). Не менее важной задачей является и точное определение затрат, произведенных для достижения тех или иных результатов. Вместе с тем, можно выделить ряд особенностей Глава оценки эффективности в здравоохранении, когда в качестве анализируе мой единицы выступает ЛПУ.

Специфика оценки эффективности деятельности ЛПУ определя ется рядом факторов, важнейшими из которых, на наш взгляд, являются следующие. Во-первых, это особенности производимого ЛПУ продукта.

Если услугой, оказываемой ЛПУ, полагать вылечивание больных, то в каждом конкретном случае процесс ее оказания, по сути, уникален. Коли чество ресурсов, требуемых для ее оказания, каждый раз отличается под воздействием такого существенного фактора, как состояние здоровья по ступающего на лечение пациента. Оно определяется как тяжестью непо средственно самого заболевания, так и возрастом, полом пациента, пере несенными ранее болезнями, наличием хронических заболеваний и т.п.

Достаточно сложно оценить и конечный результат деятельности ЛПУ – состояние здоровья пролеченного пациента.

Во-вторых, это особенности экономической среды, в которой функционируют ЛПУ. Как уже говорилось выше, ее характеризует слабая или отсутствующая конкуренция на рынке медицинских услуг. В ряде стран это обусловливается значительной ролью государства, которое либо является собственником большинства ЛПУ, либо оказывает существенное влияние на их деятельность (устанавливает тарифы, нормативы, стандар ты). Но даже в случае пассивной роли государства существенно ограничи вает конкуренцию специфика большинства медицинских услуг, и прежде всего их уникальность, о которой было сказано выше. Из-за слабой кон куренции цены на большинство медицинских услуг назначаются искусст венно и не отражают их реальной рыночной ценности. Это в значительной степени уменьшает целесообразность использования для оценки эффек тивности деятельности ЛПУ стоимостных показателей.

2.1. Методы оценки эффективности лечебно-профилактических учреждений Одним из основных требований к методу оценки эффективности деятельности ЛПУ является возможность его использования в условиях отсутствия информации о ценах как оказываемых ими услуг, так и ис пользуемых ресурсов. Другими словами, он должен оперировать лишь Анализ возможностей развития конкуренции в системе медицинского страхования натуральными значениями выпуска и потребления ресурсов. Можно вы делить два подхода к оценке эффективности, удовлетворяющих такому ус ловию. Первый из них предполагает использование частных показателей технико-экономической эффективности использования задействованных ресурсов (фондоотдача, производительность труда, оборачиваемость койки и т.д.), агрегированных на основе определенных искусственных весовых коэффициентов. Методы, основывающиеся на этом подходе, достаточно просты в вычислении и поэтому пользуются большой популярностью на практике. Используемые в них веса по сути замещают собой отсутствующие рыночные цены. Однако субъективность их определения ставит под сомне ние любую полученную на их основе оценку эффективности.

Одним из способов повышения объективности оценки эффектив ности деятельности ЛПУ является отказ от применения каких-либо искус ственных весов и стандартов. В идеале в ходе оценки должны учитывать ся лишь данные о количестве используемых ресурсов и выпущенной про дукции. При этом должно учитываться максимальное количество их ви дов. Методы, удовлетворяющие этим требованиям, как правило, требуют проведения более сложных вычислений. Однако полученные с их помо щью оценки в большинстве случаев значительно более объективны. Наи более простым из этих методов является агрегация частных показателей эффективности (АЧП), рассчитанных отдельно для каждого вида ресур сов. Более сложным в расчетах, но в то же время и более точным, является метод наименьших квадратов (МНК) или его модификация – скорректи рованный МНК (corrected ordinary least squares, COLS). Указанные методы достаточно активно используются для оценки эффективности во многих областях, в том числе и в здравоохранении.

Однако в последние двадцать лет для оценки эффективности дея тельности ЛПУ все чаще стали применяться еще два метода. Первый из них – свертка данных (data envelopment analysis, DEA) – непараметрический метод, основанный на использовании математического аппарата линейного программирования. Он позволяет производить сравнительную оценку эф фективности производственных систем с учетом множества видов ресурсов Методы оценки эффективности могут быть условно разделены на две группы:

методы, основанные на эконометрической оценке параметрических функций, ко торые принято называть «параметрическими», и другие методы, часто называемые «непараметрическими».

Глава и производимой продукции. Второй – метод анализа на основе стохастиче ских границ производственных возможностей (stochastic frontier analysis, SFA) – является параметрическим, основанным на использовании эконо метрических методов исследования взаимосвязи затрат и ресурсов. При этом три последних из рассмотренных методов (COLS, DEA и SFA) имеют в своей основе принцип оценки функции расстояния, которая более подроб но будет описана ниже.

Метод агрегирования частных показателей Метод предусматривает объединение частных показателей эффек тивности, схожих по своему содержанию. При их объединении могут быть использованы определенные искусственные весовые коэффициенты. Одна ко для обеспечения сопоставимости результатов с оценками DEA и SFA, а также для обеспечения их большей объективности наиболее целесообразной представляется агрегация частных показателей производительности ресур сов без каких-либо весовых коэффициентов. Для того чтобы частные пока затели эффективности, имеющие разные единицы измерения и/или масштаб измерения, могли быть объединены в один общий показатель совокупной эффективности, их необходимо привести в единый вид. Наиболее простым способом сделать это в случае, если имеются данные по нескольким органи зациям, является расчет относительных частных показателей эффективно сти. Для этого значение показателя для каждой организации может быть поделено на среднее, модальное, медианное, децильное, квартильное, мак симальное, минимальное или другое по всем организациям. Однако для обеспечения сопоставимости этих показателей с оценками эффективности DEA и SFA, принимающими значения от 0 до 1, наиболее целесообразным представляется их деление на максимальное значение. Полученные относи тельные значения частных показателей эффективности объединяются путем нахождения их среднего значения.

Подход к многофакторной оценке эффективности на основе функций расстояния Все рассматриваемые нами далее методы оценки многофакторной эффективности основаны на использовании функций расстояния4. Поэто му перед описанием указанных методов необходимо дать некоторое пред В англоязычной литературе используется понятие «distance function».

Анализ возможностей развития конкуренции в системе медицинского страхования ставление об этих функциях. Измерение расстояния может быть произве дено в пространстве либо выпуска, либо затрат.

Рис. 6. Функции расстояния: а – в пространстве выпуска;

б – в пространстве затрат.

Функция расстояния выпуска используется в ситуациях, когда стоит задача максимизации выпуска при заданном уровне затрат. Она оп ределяется следующим образом:

d o ( x, y ) = min{ : ( y / ) P( x)}, где x – вектор затрат, y – вектор выпуска, P(x) – множество дос тижимых значений выпуска при заданном векторе затрат x.

Эта функция обладает следующими свойствами:

• она является неубывающей по y и возрастающей по x;

• она линейно однородна по y;

• если y принадлежит множеству достижимых значений выпуска, то значение этой функции не превышает единицы;

• значение функции равно единице, если y находится на границе производственных возможностей (ГПВ).

Для случая с двумя видами выпускаемой продукции (y1, y2) сущ ность функции расстояния выпуска может быть отражена на двухмерном графике (рис. 6-а). На нем изображена производственная технология для вектора затрат x. Множество достижимых значений выпуска P(x) на гра фике представляет собой область, ограниченную ГПВ (ZZ’) и осями y1 и y2. Значение функции для фирмы, использующей ресурсы в объеме x для Глава производства продукции в объеме, определенном на графике точкой А, равно соотношению ОА/ОВ.

Функция расстояния затрат используется в случае, если поставле на задача минимизации затрат при заданном уровне выпуска. Она имеет следующий вид:

d i ( x, y ) = max{ : ( x / ) L( y )}, где x – вектор затрат, y – вектор выпуска, L(y) – множество всех векторов затрат x, с помощью которых можно произвести объемы про дукции, определяемые вектором выпуска у (множество достижимости значений затрат).

Эта функция обладает следующими свойствами:

• она является неубывающей по x и возрастающей по y;

• она линейно однородна по x;

• если x принадлежит множеству векторов затрат, то значение этой функции не меньше единицы;

• значение функции равно единице, если x находится на границе множества векторов затрат (на изокванте).

Для случая с двумя видами потребляемых ресурсов (x1, x2) функ ция расстояния затрат представлена на графике (рис. 6-б). На нем множе ство векторов затрат L(y) ограничено снизу и слева изоквантой (KK’).

Значение функции для фирмы, использующей ресурсы в объемах, обозна ченных на графике точкой G, для производства продукции в объеме y рав но соотношению OG/OF.

Обе представленные функции жестко взаимосвязаны. В частно сти, верно следующее утверждение: di(x,y) 1 = do(x,y) 1. А в случае наличия постоянной отдачи от масштаба можно утверждать, что di(x,y) = 1/do(x,y). Таким образом, при постоянной отдаче от масштаба они полно стью взаимозаменяемы.

На принципах функции расстояния основан подход к оценке эф фективности, впервые предложенный Фарреллом [Farrell, 1957]. В свою очередь, этот подход лежит в основе методов оценки эффективности, рас сматриваемых нами далее. Указанный подход предполагает некоторое видоизменение традиционных функций расстояния, поэтому необходимо отдельно рассмотреть эти отличия.

Анализ возможностей развития конкуренции в системе медицинского страхования Рис. 7. Модель Фаррелла: а – в пространстве затрат б – в пространстве выпуска Фаррелл предположил, что эффективность фирмы складывается из двух составляющих: технической эффективности, отражающей спо собность фирмы произвести максимальное количество продукции из за данного набора ресурсов, и структурной эффективности, показывающей способность фирмы использовать ресурсы в оптимальном соотношении, с учетом их относительных цен и имеющейся производственной техноло гии. Оба указанных вида эффективности в своем сочетании представляют собой общую экономическую эффективность5.

Предложенная им модель была представлена в пространстве затрат на простом примере с двумя видами ресурсов (x1, x2) и одним видом выпус каемой продукции (y) при предположении о постоянной отдаче от масштаба (рис. 7-а). Наличие информации об изокванте полностью эффективных фирм (KK’) позволяет измерить техническую эффективность. В случае, если определенная фирма использует ресурсы в объеме, определенном на графи ке точкой G, для производства одной единицы продукции, ее техническая неэффективность может быть представлена расстоянием GF, представляю щем собой объем, на который может быть пропорционально сокращено по В оригинале Фарреллом была использована несколько иная терминология:

вместо структурной он использовал понятие ценовой эффективности, а экономи ческая эффективность в его работе была названа общей. Мы же используем тер минологию, наиболее часто применяемую в литературе в последнее время.

Глава требление ресурсов без уменьшения объема производства. Чаще всего она измеряется в процентном отношении FG/OG. Техническая эффективность фирмы, как правило, определяется соотношением OF/OG, то есть как еди ница минус техническая неэффективность. Очевидно, что предложенное Фарреллом значение технической эффективности обратно значению функ ции расстояния затрат. Это во многом может объясняться большим удобст вом использования показателя, изменяющегося в пределах от нуля до еди ницы, а не от единицы до бесконечности. В то же время для случая макси мизации выпуска (рис. 7-б) значение технической эффективности по Фар реллу полностью совпадает со значением функции расстояния выпуска (OA/OB). Таким образом, в случае постоянной отдачи от масштаба значение технической эффективности при минимизации затрат и при максимизации выпуска совпадает6.

Нам представляется необходимым указать на два важных момента, касающихся предложенного Фарреллом подхода. Во-первых, в представ ленной им модели техническая неэффективность, определяемая как рас стояние от наблюдаемой производственной точки (G или A) до изокванты или ГПВ, измеряется вдоль луча, проведенного от начала координат. Оче видно, что в большинстве случаев это расстояние не будет минимальным.

Тем не менее такой подход позволяет сделать оцениваемую модель нечув ствительной к выбору единиц измерения, так как при передвижении от про изводственной точки к соответствующей границе вдоль луча сохраняется пропорция между ресурсами (или видами продукции).

Во-вторых, в случае наличия переменной отдачи от масштаба оценки эффективности, полученные при ориентации модели на минимиза цию затрат и максимизацию выпуска, различаются. Следовательно, возни кает задача выбора ориентации оцениваемой модели. Чаще всего такой выбор делается на основе анализа деятельности оцениваемых организа ций. В том случае, если их руководство в большей степени может повли ять на объем выпускаемой продукции, чем на объем используемых ресур сов, то более разумным является выбор модели, ориентированной на мак симизацию выпуска. Такая ситуация, например, может возникнуть, когда в отрасли практикуется заключение долгосрочных контрактов с постав щиками, фиксирующих объем поставляемых ими ресурсов, а сами органи Это следует из приведенного выше свойства функций расстояния: di(x,y) = 1/do(x,y) Анализ возможностей развития конкуренции в системе медицинского страхования зации не имеют особых проблем со сбытом своей продукции. Однако ча ще всего имеет место обратная ситуация, когда объем выпуска для фирмы достаточно жестко задан условиями рынка, а объем потребляемых ресур сов может достаточно легко варьироваться. Лучшим выбором в этом слу чае, безусловно, будет являться модель, ориентированная на минимиза цию затрат.

В этом отношении достаточно трудно однозначно определить наилучшую модель для оценки деятельности ЛПУ. С одной стороны, в структуре используемых ими ресурсов достаточно велика доля основных фондов, объем потребления которых в большинстве случаев не может быть изменен, и труда, объем использования которого опять же достаточ но трудно изменить, по крайней мере, в краткосрочном периоде. С другой стороны, чаще всего количество поступающих на лечение пациентов явля ется для ЛПУ экзогенной величиной, на которую оно также может повли ять лишь с большим трудом (по крайней мере, в сторону увеличения). По этому в дальнейшем нами будет уделено примерно одинаковое внимание как модели, ориентированной на минимизацию затрат, так и модели, ос нованной на принципе максимизации выпуска.

Основная проблема, возникающая в ходе использования предло женных Фарреллом подходов к оценке эффективности на практике, за ключается в оценке фактической ГПВ, относительно которой и измеряет ся техническая эффективность. Ее субъективное определение мало прием лемо, так как оно сделает полученную оценку столь же субъективной, как и, к примеру, использование искусственных весовых коэффициентов. Эта граница должна быть построена на основе эмпирических данных о произ водственной деятельности всех оцениваемых фирм таким образом, чтобы ни одна из них не оказалась за ее пределами.

Фарреллом было предложено два подхода к оценке изокванты.

Первый из них предполагал использование параметрической функции, например, в форме Кобба-Дугласа, соответствующей приведенным выше условиям. Второй подход основывался на использовании непараметриче ской кусочно-линейной выпуклой изокванты, также удовлетворяющей упомянутым выше требованиям. Эти подходы в литературе, как правило, называют «параметрическим» и «непараметрическим». Позднее они легли Глава в основу методов анализа эффективности7 с использованием стохастиче ских ГПВ и свертки данных, соответственно.

Метод свертки данных Метод свертки данных8 основан на применении методов линейно го программирования для создания непараметрической кусочно-линейной поверхности (или границы) на основе данных о производственной дея тельности оцениваемых фирм. Впервые он был предложен в 1978 году в статье Чарнса, Купера и Родза [Charnes, Cooper, Rhodes, 1978]. Ими пред ложена модель оценки эффективности, предполагавшая наличие постоян ной отдачи от масштаба. В 1984 году Бэнкер, Чарнс и Купер [Banker, Charnes, Cooper, 1984] предложили модель, основанную на предположе нии о наличии переменной отдачи от масштаба.

Модель, предполагающая минимизацию затрат и наличие посто янной отдачи от масштаба, может быть представлена следующим обра зом. Предполагается, что имеются данные о N фирмах, каждая из которых использует K видов ресурсов и выпускает M видов продукции. Для i-ой фирмы эти данные представлены в векторах x(i) и y(i), соответственно.

Матрицы ресурсов, X, размерностью KxN, и выпускаемой продукции, Y, размерностью MxN, содержат в себе данные о N фирмах. В этом случае задача линейного программирования выглядит следующим образом:

min, при условии, что y (i) + Y 0, x (i) X 0, где – число, а – вектор констант размерности N. Получен ное значение является показателем эффективности i-ой фирмы. Оно не Далее при рассмотрении указанных методов под эффективностью будет под разумеваться многофакторная (совокупная) техническая эффективность деятель ности фирмы, если иное не указано в тексте.

В англоязычной литературе указанный метод называется «data envelopment analysis», или DEA. Из-за отсутствия в русскоязычной литературе устоявшейся аббревиатуры, соответствующей этому методу, нами будет использоваться анг лийская аббревиатура DEA.

Анализ возможностей развития конкуренции в системе медицинского страхования может превышать единицы, а в случае, если оно равно ей, фирма находит ся на границе производственных возможностей и, следовательно, техни чески эффективна по определению Фаррелла. Необходимо отметить, что эта задача линейного программирования должна быть решена N раз, то есть по одному разу для каждой фирмы. Таким образом, значение оп ределяется для каждой фирмы.

Представленная выше задача DEA может быть легко интерпрети рована. В ней для каждой i-ой фирмы происходит поиск возможности мак симально сократить вектор ресурсов, x(i), оставаясь в пределах множества достижимых значений затрат. Внутренней границей такой области является кусочно-линейная изокванта, определяемая точками, построенными на ос нове наблюдаемых данных обо всех оцениваемых фирмах. Сокращение век тора x(i) образует проекционную точку (X, Y ) на поверхности изокван ты. Эта проекционная точка является линейной комбинацией точек, соот ветствующих эффективным фирмам (образующим изокванту). Приведен ные выше ограничения гарантируют, что эта проекционная точка не окажет ся за пределами множества достижимых значений затрат. Значение 1 демонстрирует, на какую долю был сокращен вектор x(i), чтобы попасть в соответствующую проекционную точку на изокванте.

Сказанное выше для случая с двумя ресурсами и одним видом продукции может быть представлено на двухмерном графике (рис. 8). Для фирмы, отображенной на графике точкой А, производится пропорцио нальное сокращение затрат, пока не достигается точка A’, являющаяся линейной комбинацией точек D и C. При этом соответствующие веса в этой комбинации являются значениями в приведенной выше модели.

Несмотря на это, в литературе фирмы D и C принято называть равными фирме А. Хотя, на наш взгляд, правильнее было бы называть их эталон ными. В свою очередь, значения затрат, соответствующие точке A’, назы вают целями10 для фирмы A. Другими словами, это то количество ресур сов, которое фирма А должна потреблять, не уменьшая объем производ ства, чтобы стать эффективной.

В англоязычной литературе используется термин “peers”.

В англоязычной литературе используется термин “targets”.

Глава Рис. 8. Кусочно-линейная выпуклая изокванта (случай с двумя ресурсами и одним видом выпускаемой продукции).

Представление модели, ориентированной на максимизацию вы пуска, в целом очень схоже с приведенным выше представлением модели минимизации затрат:

max,, при условии, что y ( i ) + Y 0, x ( i ) X 0, 0, где – величина, показывающая, во сколько раз должен быть пропорционально увеличен объем выпуска при имеющихся объемах по требления ресурсов, чтобы фирма стала эффективной. Являясь, по сути, значением функции расстояния, она находится в интервале от единицы до бесконечности. Техническая эффективность фирмы имеет значение, об ратное величине. Здесь необходимо также отметить, что набор эффек тивных фирм, определенный при использовании обеих представленных моделей, будет абсолютно идентичен. Лишь при наличии предпосылки о Анализ возможностей развития конкуренции в системе медицинского страхования переменной отдаче от масштаба возможно некоторое отличие в оценках эффективности неэффективных фирм.

Кусочно-линейная форма непараметрической границы в DEA мо жет привести к появлению некоторых трудностей при измерении эффектив ности. Проблема возникает из-за ее участков, расположенных параллельно осям, что не наблюдается в большинстве параметрических функций. В этом случае возможна ситуация, когда проекционная точка ресурсного вектора определенной фирмы окажется именно на таком участке изокванты (напри мер, проекционная точка B’ для вектора OB на рис. 8). Тогда эффективность производства в такой точке может быть поставлена под сомнение, так как возможно уменьшение использования одного из ресурсов при сохранении объема производства (использование ресурса x2 может быть уменьшено в объеме DB’). Эта проблема известна в литературе как избыточность ресур са11. В случае если предприятием выпускается несколько видов продукции, возможно появление и схожей проблемы недостаточности выпуска12. К со жалению, DEA не позволяет учитывать указанную проблему при определе нии эффективности той или иной фирмы. Тем не менее, при некоторой мо дификации этот метод дает возможность скорректировать цели фирмы с учетом избыточности ресурсов или недостаточности выпуска. Необходимо также отметить, что воздействие указанных факторов в значительной степе ни сокращается по мере увеличения числа наблюдений. Так, если одновре менно оценивается большое количество организаций, рассмотренной выше проблемой можно пренебречь.

Модель, основанная на предпосылке о постоянной отдаче от мас штаба, позволяет получить объективную оценку эффективности только в случае, если все фирмы имеют оптимальный объем производства (то есть его изменение не может привести к росту эффективности фирмы). Однако целый ряд обстоятельств может привести к несоблюдению последнего ус ловия. Бэнкер, Чарнс и Купер [Banker, Charnes, Cooper, 1984] предложили дополнение к приведенной выше модели DEA, рассчитанное на случай пе ременной отдачи от масштаба. Использование модели, основанной на по стоянной отдаче от масштаба, в ситуациях, когда не у всех фирм объем вы пуска оптимален, приводит к получению оценок технической эффективно В англоязычной литературе используется термин “input slack ” или “input ex cess”.

В англоязычной литературе используется термин “output slack ”.

Глава сти, искаженных на величину эффективности масштаба13. Для избежания этого в приведенную выше задачу линейного программирования может быть добавлено следующее ограничение: N1 =1, где N1 – вектор единиц, размерностью N. Такой подход формирует выпуклую оболочку, которая в большей степени «свертывает» полученные на основе данных точки, чем коническая оболочка, получаемая в результате использования модели с по стоянной отдачей от масштаба. Таким образом, полученные оценки техни ческой эффективности оказываются выше или равными тем, что получают ся в результате использования модели с постоянной отдачей от масштаба.

Необходимо также отметить, что введенное выше ограничение делает воз можным сравнение неэффективной фирмы только с такими же по размеру фирмами. В случае отсутствия такого ограничения она может сопоставлять ся с фирмами, значительно большими или меньшими по размеру.

Рис. 9. Кусочно-линейная производственная функция в моделях с постоянной и переменной отдачей от масштаба (случай с одним ресурсом и одним видом выпускаемой продукции).

В англоязычной литературе используется термин «scale efficiency».

Анализ возможностей развития конкуренции в системе медицинского страхования Сказанное выше может быть проиллюстрировано для случая с одним видом выпускаемой продукции и одним ресурсом (рис. 9). Произ водственная функция, соответствующая предпосылке о постоянной отдаче от масштаба, изображена в виде луча OO’. Как видно, в этом случае эф фективной может быть признана только фирма C как имеющая наилучшее соотношение выпуска и затрат. При принятии предпосылки о переменной отдаче от масштаба производственная функция будет иметь вид EE’. Оче видно, что в этой ситуации оценка эффективности большинства фирм воз растает. Так, например, для фирмы А уровень неэффективности, отражен ный на графике отрезком AcA14, сократится до уровня AvA. Это сокраще ние обусловлено исключением неэффективности масштаба (отрезок AcAv).

Таким образом, эффективность масштаба может быть вычислена путем деления оценки эффективности при наличии предпосылки о постоянной отдаче от масштаба на оценку эффективности при предположении о пере менной отдаче ( AoAc/AoAv = (AoAc/AoA) / (AoAv/AoA) ).

Необходимо также отметить, что с помощью DEA возможно не только вычислить уровень эффективности масштаба, но и определить, действует ли фирма в условиях увеличивающейся или уменьшающейся отдачи от масштаба. На графике это может быть достаточно легко опре делено: если объем выпуска фирмы меньше, чем у фирмы C, действую щей в условиях постоянной отдачи от масштаба, то она функционирует в условиях возрастающей отдачи от масштаба (например, фирма А), в ином случае – в условиях уменьшающейся отдачи от масштаба (фирма В). Это может быть определено математически путем решения дополнительной задачи линейного программирования, аналогичной приведенной выше, но с ослабленным ограничением N1 =1. Так, если заменить это ограниче ние, к примеру, на N1 1, то эффективность фирмы будет оцениваться относительно функции, характеризуемой неуменьшающейся отдачей от масштаба (на графике она будет проходить через точки ECO’). Если оцен ка для определенной фирмы совпадет со значением эффективности, полу Приведенный пример основывается на предпосылке о минимизации затрат. В случае максимизации выпуска требуемые значения эффективности рассчитывают ся вдоль вертикальной линии, проведенной через точку А. Необходимо еще раз отметить, что полученное при этом значение эффективности при переменной от даче от масштаба будет отличаться от аналогичного значения в случае минимиза ции затрат. Это хорошо видно на графике, например, для точки B.

Глава ченным при использовании строгого ограничения, то это будет означать, что фирма действует в условиях увеличивающейся отдачи от масштаба, и наоборот.

К основным преимуществам DEA можно отнести следующие:

– возможность оценки эффективности предприятий с учетом множества видов ресурсов и выпускаемой продукции, что позволяет избежать не обходимости расчета единого показателя выпуска или расходования ресурсов;

– возможность определения вклада каждого вида используемых ресур сов в общую неэффективность предприятия, что позволяет выявлять те из них, которые перерасходуются в наибольшей степени;

– отсутствие необходимости субъективного задания функциональной формы границы производственных возможностей, а также формы рас пределения случайной ошибки.

В то же время методу DEA присущ и целый ряд недостатков, су щественно ограничивающих возможность его широкого применения:

– высокая чувствительность результатов к появлению ошибочных дан ных, статистических шумов, резко выделяющихся наблюдений, а так же к небольшим изменениям в оцениваемых данных (например, в свя зи с включением в выборку дополнительных наблюдений или при оценке эффективности одной и той же совокупности ЛПУ в различные периоды времени) и в спецификации оцениваемой модели (в наборе параметров);

– разрешающая способность полученных оценок резко уменьшается в случае наличия небольшого количества наблюдений и/или значитель ного числа оцениваемых параметров (в этом случае большинство ЛПУ могут быть признаны эффективными).

Анализ эффективности с использованием стохастических границ производственных возможностей Параметрическая стохастическая производственная функция в существующем виде была впервые предложена в 1977 году двумя незави симыми группами авторов: Эйгнером, Ловеллом и Шмидтом [Aigner, Lov ell, Schmidt, 1977], а также Миюзеном и ван ден Броеком [Meeusen, van den Broeck, 1977]. Она была параметризована в форме производственной функции Кобба-Дугласа:

Анализ возможностей развития конкуренции в системе медицинского страхования ln( y ( i ) ) = x ( i ) + v ( i ) u ( i ), i = 1,2,..., N.

где N – количество рассматриваемых фирм;

ln(y(i)) – натуральный логарифм числового значения выпуска i-ой фирмы;

x(i) – вектор, размерностью (K+1), чей первый элемент равняется единице, а все последующие элементы являются натуральными логариф мами значений количества используемых i-ой фирмой K ресурсов;

= ( 0, 1,..., K ) – вектор неизвестных параметров, подлежащих оценке;

v(i) – случайная ошибка, предназначенная для измерения воздей ствия на значение переменной выпуска таких случайных факторов, как погода, забастовки, удача и т.п., а также общего воздействия неучтенных ресурсных переменных производственной функции;

u(i) – имеющая положительное значение случайная переменная, связанная с технической неэффективностью фирм в отрасли.

Эйгнер, Ловелл и Шмидт [Aigner, Lovell, Schmidt, 1977] предпо ложили, что v(i) являются независимыми случайными переменными с оди наковым нормальным распределением с нулевым средним значением и постоянной вариацией. Они независимы от u(i), которые предполагались как независимые случайные переменные с одинаковым экспоненциаль ным или усеченным нормальным распределением.

В такой модели значения выпуска ограничены стохастической переменной exp( x (i ) + v (i ) ). При этом случайная ошибка, v(i), может при нимать как положительные, так и отрицательные значения. Таким обра зом, ГПВ оказывается не детерминированной, а стохастической. Причем значения выпусков продукции варьируются вокруг детерминированной части рассматриваемой модели, exp( x ( i ) ).

Основные особенности модели оценки стохастических границ производственных возможностей могут быть проиллюстрированы на двухмерном графике (рис. 10). Детерминированная составляющая модели изображена, исходя из предположения об уменьшающейся отдаче от мас штаба. На графике представлены используемые ресурсы и выпуск для двух фирм, имеющих одинаковые технологии производства. Фирма 1 ис пользует x(1) ресурсов для выпуска y(1) продукции. Указанное значение изображено на графике в точке P1. Значение выпуска, соответствующее Глава стохастической границе, изображено в точке S1. Оно находится выше де терминированной производственной функции, так как случайная ошибка, v(1), имеет положительное значение. Для фирмы 2 такая точка находится ниже детерминированной производственной функции по причине отрица тельного значения случайной ошибки v(2). Очевидно, что значения выпус ка, лежащие на стохастической ГПВ не наблюдаемы, так как не наблю даемы соответствующие случайные ошибки, v(1) и v(2). Тем не менее, де терминированная составляющая рассматриваемой модели лежит именно между этими значениями выпуска. Наблюдаемое значение выпуска фир мы может быть и выше детерминированной составляющей в случае, если случайная ошибка (v) превышает показатель неэффективности для этой фирмы (u).


Рис. 10. Стохастическая производственная функция К основным достоинствам SFA по сравнению с DEA можно отне сти следующие:

– данный метод позволяет значительно уменьшить воздействие ста тистических шумов и резко выделяющихся наблюдений на ко нечный результат оценки;

– результаты, получаемые с его помощью, значительно менее чув ствительны к небольшим изменениям в данных, а также к специ фикации оцениваемой модели.

Анализ возможностей развития конкуренции в системе медицинского страхования В то же время у SFA есть целый ряд существенных недостатков, значительно уменьшающих возможность его применения, особенно для оценки эффективности ЛПУ:

– функциональная форма границы производственных возможно стей заранее не определена, что требует ее субъективного выве дения на основе имеющейся информации о поведенческих пред посылках оцениваемых фирм (минимизация стоимости, максими зация прибыли и т.п.), что, как правило, тяжело сделать в случае с ЛПУ;

– форма распределения случайной переменной u(i), характеризую щей техническую неэффективность фирм в отрасли, также зара нее не определена, что дополнительно увеличивает субъектив ность конечных результатов оценки;

– метод SFA проработан только для случаев с одним выпускаемым продуктом или одним потребляемым ресурсом. В случае, если фирма выпускает несколько видов продукции и потребляет при этом множество видов ресурсов, его применение возможно толь ко, когда известны их относительные цены или веса, на основании которых они могут быть агрегированы в единый показатель вы пуска или потребления. В тех же ситуациях, когда определить та кие веса невозможно, указанный метод практически неприменим.

Скорректированный метод наименьших квадратов Для получения оценок эффективности, сопоставимых с результа тами рассмотренных выше методов (то есть принимающих значения от до 1), как правило, используется скорректированный метод наименьших квадратов (COLS). Как и SFA, он позволяет с использованием экономет рической методологии построить эмпирическую ГПВ и оценить относи тельно нее эффективность ЛПУ. Для этого сначала с помощью обычного МНК строится «усредненная» производственная функция, которая затем нейтрально сдвигается таким образом, чтобы все фактические значения выпуска не превышали соответствующих расчетных значений. При этом хотя бы в одной точке эти значения должны совпадать. Такой нейтраль ный сдвиг производственной функции осуществляется путем корректи ровки свободного члена уравнения регрессии на определенную величину.

По сути, COLS является упрощенным вариантом SFA. Его основным от личием является принятие предпосылки об отсутствии случайных стати Глава стических возмущений. Все отклонения фактических значений выпуска от расчетных в этом случае объясняются наличием неэффективности. Наи более простым способом расчета оценок эффективности с использованием методологии COLS, позволяющим не производить отдельных расчетов величины корректировки свободного члена уравнения регрессии, является следующий двухэтапный подход. На первом этапе для каждой организа ции рассчитываются соотношения соответствующих фактических и рас четных значений выпуска. Затем они делятся на максимальное из полу ченных значений. Необходимо также отметить, что для обеспечения большей сопоставимости полученных таким образом оценок с результа тами SFA желательно, чтобы строящаяся с помощью COLS производст венная функция была параметризована так же, как и в SFA. В рассматри ваемом нами случае она параметризована в форме Кобба-Дугласа.

Следует также указать и общий для всех рассмотренных методов недостаток. Он заключается в относительности получаемых с их помо щью оценок эффективности. Последние действительны только в рамках одного исследования и не могут сравниваться с оценками, полученными в ходе анализа другой совокупности объектов. Нежелательно, особенно при анализе с помощью DEA, сравнивать оценки эффективности одной и той же совокупности ЛПУ, полученные на основе данных за разные периоды времени. Этот недостаток обусловлен описанным выше принципом нахо ждения оценок эффективности, заложенным в DEA и SFA. Он заключает ся в сопоставлении показателей деятельности изучаемой группы ЛПУ не с искусственно заданной извне границей производственных возможностей (построенной на основе каких-то стандартов или нормативов), что харак терно для многих других методов оценки эффективности, а с границей, построенной на основе данных о деятельности той же группы ЛПУ. Таким образом, добавление в исследуемую совокупность новых ЛПУ, изменение данных о деятельности ЛПУ, изменение набора включенных в модель ре сурсов или видов услуг практически всегда в той или иной степени приво дят к изменению положения указанной границы производственных воз можностей. В зависимости от направления ее смещения получаемая оцен ка эффективности большинства ЛПУ может либо уменьшиться, либо воз расти. Действие указанного фактора необходимо обязательно учитывать при оценке эффективности как с помощью SFA, так и DEA.

Анализ возможностей развития конкуренции в системе медицинского страхования Динамический анализ эффективности на основе оценки функ ций расстояния Как уже указывалось ранее, полученные с помощью COLS, DEA и SFA оценки являются относительными. Они действительны только в рамках одной оцениваемой модели. Поэтому простое сравнение оценок эффективности, полученных отдельно в ходе анализа деятельности фирм за разные периоды времени, не имеет практически никакого смысла. Та кое соотношение лишь показывает, как изменилась относительная уда ленность фирмы от ГПВ, соответствующих различным периодам времени.

Однако оно не позволяет учесть возможные изменения положения самой производственной функции в эти периоды времени. Таким образом, осу ществление динамического анализа с использованием DEA и SFA требует нахождения других, более сложных, решений.

Можно выделить два подхода к решению указанной проблемы.

Первый из них можно условно назвать методом динамического анализа эффективности с использованием единой ГПВ. Второй подход основан на использовании индексов Малмквиста. Рассмотрим эти подходы более подробно.

Метод динамического анализа эффективности на основе индек сов Малмквиста Подход к определению количественных индексов с использова нием функций расстояния был предложен Малмквистом в 1953 году [Malmquist, 1953]. Индекс эффективности Малмквиста предполагает со поставление значений функции расстояния, полученных для одной и той же ГПВ и разных значений выпуска и затрат. При этом ГПВ строится на основе данных, соответствующих одному из сравниваемых периодов вре мени. Таким образом, индекс Малмквиста для этого случая имеет сле дующий вид15:

d 2 (x, y ) или m2(y, y,x,x ) = o 2 o 1 2 1 d o2 ( x 1, y 1 ) d o ( x2, y2 ), m o ( y 1, y 2, x1, x 2 ) = d o ( x1, y 1 ) При рассмотрении методов динамического анализа эффективности мы будем использовать предпосылку о максимизации выпуска. Для случая минимизации затрат указанные методы принципиально не отличаются.

Глава где d o2 ( x1, y1 ) – значение ориентированной на максимизацию вы пуска функции расстояния, вычисленное для векторов затрат, x1, и выпус ка, y1, соответствующих первому периоду, и ГПВ, соответствующей вто рому периоду.

В подавляющем большинстве случаев значения двух приведен ных вариантов индекса Малмквиста будут различаться, так как оценка функций расстояния в них осуществляется относительно разных ГПВ. Это в значительной мере увеличивает субъективность проводимого с их ис пользованием динамического анализа эффективности. Однако эта про блема имеет ряд решений, самым распространенным из которых является нахождение среднего геометрического из двух индексов:

d o ( x 2, y 2 ) d o2 ( x 2, y 2 ) d o2 ( x 2, y 2 ) d o ( x 2, y 2 ) d o ( x1, y1 ) 1 1 mo ( y1, y 2, x1, x 2 ) = 2 =1 d o ( x1, y1 ) d o2 ( x 2, y 2 ) d o ( x1, y1 ) d o ( x1, y1 ) d o ( x1, y1 ) Представленный индекс помимо того, что унифицирует измери тель изменения эффективности, позволяет разложить это изменение на две составляющих, как это показано в правой части формулы. Он дает воз можность определить, в какой степени изменение эффективности фирмы было вызвано изменением положения фирмы относительно ГПВ (часть формулы за пределами корня), а в какой степени – сдвигом самой ГПВ (остальная часть формулы).

Индекс Малмквиста может быть рассчитан как с использованием методологии DEA, так и с помощью SFA16. В первом случае необходимо решить четыре задачи линейного программирования, соответствующие задействованным в формуле функциям расстояния. Задачи для нахожде ния значений функций расстояния d o ( x1, y1 ) и d o2 ( x 2, y 2 ) ничем не отли чаются от приведенной выше модели DEA с ориентацией на максимиза цию выпуска. Для расчета значений функций d o ( x2, y2 ) и d o2 ( x1, y1 ) необходимы соответственно следующие задачи:

Способ расчета индекса Малмквиста с помощью SFA более сложен, менее однозначен и не имеет явных преимуществ по сравнению со способом расчета на основе DEA. По этой причине здесь мы его рассматривать не будем.

Анализ возможностей развития конкуренции в системе медицинского страхования max,, max,, т.ч. y i 2 + Y1 0, т.ч. y i1 + Y2 0, и xi 2 X 1 0, xi1 X 2 0, 0 Метод динамического анализа эффективности с использованием единой ГПВ Суть этого метода заключается в измерении эффективности отно сительно ГПВ, построенной на основании данных о всех фирмах за все пе риоды времени, а затем сопоставлении оценок эффективности по наблюде ниям за разные периоды времени. Так, например, для случая с двумя перио дами изменение эффективности будет равно значению следующего соотно шения: d 12 ( y 2, x 2 ) d 12 ( y1, x1 ), где d 12 ( y1, x1 ) – значение функции расстоя ния, вычисленное для векторов затрат и выпуска, соответствующих первому периоду, и ГПВ, построенной на основе данных за оба периода.


Основным недостатком этого подхода по сравнению с предыдущим является отсутствие возможности разложения изменения эффективности на компоненты. Однако практическая значимость такой возможности метода, основанного на индексах Малмквиста, может быть подвергнута сомнению, так как полученные значения отдельных компонентов достаточно трудно интерпретировать. В то же время у предлагаемого подхода есть по меньшей мере одно существенное преимущество, заключающееся в простоте его ис пользования. Для вычисления степени изменения эффективности с его по мощью не требуется дополнительных возможностей от программного обес печения, используемого для расчетов по DEA или SFA. Для этого достаточ но объединить все наблюдения за все периоды времени в единую совокуп ность и оценить ее целиком с помощью указанных методов, а затем опять разбить уже полученные значения эффективности фирм на соответствую щие периоды и сопоставить их между собой. Кроме того, предложенный подход позволяет решить проблему, возникающую при оценке с помощью DEA моделей с небольшим количеством наблюдений. И, наконец, как будет показано ниже, полученные таким образом значения изменения эффектив ности в большинстве случаев тесно коррелируют со значениями, получен ными на основе индексов Малмквиста.

Глава 2.2. Анализ эффективности стационарных лечебно профилактических учреждений Санкт-Петербурга Рассмотренная методология была использована для изучения дея тельности стационарных ЛПУ Санкт-Петербурга за период с 2001 по годы. Данные были взяты из Публичной финансовой отчетности (ПФО), предоставляемой медицинскими учреждениями города, начиная с года17. Изучению подверглись 33 больницы Санкт-Петербурга, среди ко торых 21 многопрофильная больница, 5 детских больниц и 7 родильных домов18.

В качестве основного показателя выпуска было принято общее число пролеченных больных. В качестве используемых больницами ре сурсов были взяты следующие: количество коек (отображает объем ис пользуемых основных фондов), общее количество дней, проведенных па циентами в больнице за год (отображает общий уровень расходов на пи тание, медикаменты и т.п.), общее количество фактических ставок врачей, среднего и младшего медицинского персонала, немедицинского персона ла. Здесь необходимо отметить, что в качестве показателя использования трудовых ресурсов нами специально было взято именно количество ста вок, а не непосредственно численность работников, так как из-за неболь шого размера заработной платы сотрудники часто работают сразу на не скольких ставках. Так, например, по данным ПФО за 2002 год, в среднем медсестры работают на 2.8 ставки, врачи – на 1.3, а в среднем сотрудники стационарных ЛПУ работают на 1.9 ставки. Очевидно, что в этих услови ях количество ставок, занимаемых работниками, в большей степени отра жает трудовые затраты ЛПУ.

Результаты сравнительного анализа эффективности деятель ности ЛПУ.

Оценка сравнительной эффективности производилась с использо ванием двух методологических подходов: DEA и SFA. В ходе оценки ис пользовались две модели, основанные на DEA: с предпосылками о посто В указанной отчетности приводятся данные как за текущий, так и за преды дущий период. Таким образом, нами были получены данные и за 2001 год.

В ряде случаев нами также были использованы данные о деятельности одной многопрофильной больницы Ленинградской области. Перечень всех оцениваемых ЛПУ приведен в приложении 1.

Анализ возможностей развития конкуренции в системе медицинского страхования янной (CRS) и переменной (VRS) отдаче от масштаба. Обе модели имели ориентацию на минимизацию затрат19. Модель SFA была параметризована в форме Кобба-Дугласа. Данные за оба рассматриваемых года были объе динены в единый массив. Таким образом, полученные оценки основыва ются на большем объеме данных, что в определенной степени увеличива ет их объективность.

Результаты, полученные с использованием всех трех моделей20, были исследованы на предмет тесноты их связи (см. таб. 21). Была выяв лена достаточно высокая корреляция между оценками, полученными с использованием SFA и DEA CRS. В то же время теснота связи этих оце нок с результатами, полученными с помощью DEA VRS, оказалась доста точно слабой. Для выявления возможных причин такой низкой корреля ции нами была проанализирована вариация оценок по каждому ЛПУ. Бы ло выявлено, что у ряда ЛПУ (10, 32, 26, 28) разброс оценок за оба года наиболее высок. Во всех случаях оценки DEA VRS оказались существен но завышены. Это объясняется тем, что в рамках указанной модели между собой сопоставляются лишь схожие по размеру организации, что сущест венно сокращает базу для сравнения, и оценки эффективности в ряде слу чаев оказываются существенно завышены. Отчасти это подтверждается тем, что все четыре ЛПУ с наибольшей вариацией оценок имеют наи меньший размер среди всех исследуемых ЛПУ (число коек не превышает 120, число пролеченных больных за год – не более 3250). В результате исключения указанных наблюдений корреляция между результатами, по лученными с использованием DEA VRS, и оценками на основе других моделей существенно возросла (см. таб. 21, второе значение).

Необходимо еще раз отметить, что ориентация модели влияет на результат только в случае использования предпосылки о переменной отдаче от масштаба.

Нами также были рассчитаны оценки эффективности с использованием модели, ориентированной на максимизацию выпуска. Корреляция этих оценок с результа тами, полученными при использовании модели DEA VRS с противоположной ори ентацией, составила 0,94.

Результаты сравнительного анализа эффективности для всех оцениваемых ЛПУ приведены в приложении 2.

Глава Таблица 21.

Корреляция результатов сравнительного анализа эффективности, полученных с использованием различных моделей, до и после исключения наблюдений 10, 26, 28, 32.

DEA CRS DEA VRS SFA 0.90 / 0.87 0.55 / 0. DEA CRS 0.68 / 0. Проведенный анализ позволил нам ранжировать исследуемые ЛПУ по уровню эффективности. Среди многопрофильных больниц наи более эффективными по результатам, полученным с помощью всех трех моделей, оказались 3, 18, 7, 1. Наименее эффективными были признаны 5, 6, 19, 20. Анализ результатов также позволил выявить существенные раз личия в оценках эффективности, полученных разными видами ЛПУ. На графике 1 в процентном выражении представлены отклонения среднего уровня эффективности по различным типам ЛПУ от среднего значения эффективности по всем ЛПУ21. Как видно из графика, средняя эффектив ность многопрофильных больниц очень близка к средней по всей сово купности. В то же время эффективность детских больниц оказалась при мерно на 17% ниже, а эффективность родильных домов – примерно на 22% выше общей средней оценки эффективности.

Таблица 22.

Отклонения среднего уровня эффективности по различным типам ЛПУ от среднего значения эффективности по всем ЛПУ Типы ЛПУ SFA DEA CRS DEA VRS Среднее СЛО Многопроф. больницы -2.6% -1.7% -3.1% -2.4% 0.5% Детские больницы -12.7% -21.9% -15.4% -16.6% 3.5% Родильные дома 19.5% 24.1% 23.5% 22.4% 1.9% Из-за малого числа наблюдений по детским больницам и родильным домам для проведения этого вида анализа в исследуемую совокупность нами были воз вращены ЛПУ 26 и 28.

Анализ возможностей развития конкуренции в системе медицинского страхования График 1.

Отклонения среднего уровня эффективности по различным типам ЛПУ от среднего значения эффективности по всем ЛПУ 30.0% 20.0% 10.0% SFA DEA CRS 0.0% DEA VRS Среднее -10.0% -20.0% -30.0% Многопроф. Детские больницы Родильные дома больницы Необходимо отметить, что такие явные различия в средних оцен ках эффективности по разным типам ЛПУ можно интерпретировать ско рее, как разницу в ресурсоемкости оказываемых ими услуг. Очевидно, что лечение одного пациента в детской больнице требует бльших затрат ре сурсов, чем в среднем по всем больницам. Точно так же пребывание одно го пациента в родильном доме, как правило, требует существенно мень ших затрат.

Вариация оценок, полученных на основе разных моделей, доста точно невелика. Тем не менее прослеживается явная обратная зависимость между ее уровнем и числом наблюдений в каждой из групп ЛПУ. Это под тверждают и значения средних линейных отклонений, приведенные в таблице 22. В наибольшей степени средние оценки различаются у детских больниц, в наименьшей – у многопрофильных больниц, представленных в исследуемой совокупности в наибольшем объеме. Это может свидетельст вовать о том, что расхождение в средних оценках эффективности во мно гом носит случайный характер из-за малого числа наблюдений.

Одной из основных целей сравнительного анализа, помимо ран жирования ЛПУ по уровню эффективности, является определение с ис Глава пользованием DEA целевых значений выпуска и потребления ресурсов.

Эта задача требует наличия в исследуемой совокупности лишь относи тельно однородных по производственному процессу организаций. Так, например, включение в совокупность заведомо менее ресурсоемких ро дильных домов, очевидно, приведет к занижению целевых значений за трат ресурсов и к завышению целевых значений выпуска более ресурсо емких ЛПУ. Определенное влияние может оказать и различие в соотно шении потребляемых ресурсов. По этой причине нами были исследованы лишь многопрофильные больницы. К сожалению, малое количество ро дильных домов и детских больниц в исследуемой совокупности делает нецелесообразным их отдельное исследование с помощью DEA, так как большинство из них будут признаны полностью эффективными.

Высокая чувствительность результатов DEA к наличию резко вы деляющихся наблюдений делает необходимым предварительный анализ данных с целью выявления таких наблюдений. При этом существенное воз действие на результат оказывают лишь ЛПУ с чрезмерно высокой техниче ской эффективностью.

Выявление таких ЛПУ было осуществлено нами двумя способами. Сначала данные обо всех 22 многопрофильных больницах города за 2 года (44 наблюдения) были обработаны с помощью DEA. Ана лиз полученных результатов показал, что полностью эффективными были признаны больницы 22 (в оба года) и 16 (только в 2002 году). При этом больница 16 в 2002 году являлась одним из эталонов, то есть, по сути, опре деляла уровень неэффективности для 100% неэффективных ЛПУ. В то же время следующая за ней по этому показателю больница 22 (в 2001 году) оказалась одним из эталонов лишь для 49% ЛПУ, а в 2002 году она вообще никак не повлияла на оценку эффективности других ЛПУ. Полученные ре зультаты были проверены также с использование регрессионного метода.

Для этого нами были рассчитаны коэффициенты линейного уравнения рег рессии, в котором результативным признаком являлось число пролеченных больных, а в качестве факторных признаков выступал объем использован ных ресурсов. Для всех ЛПУ нами были рассчитаны абсолютные отклоне ния фактических значений выпуска от расчетных. Для больницы 16 в году такое отклонение оказалось более чем в пять раз выше среднего, в то время как ни в одной другой больнице положительная разница между фак тическим и расчетным значением выпуска не была выше среднего более, чем в два раза. Таким образом, полученные результаты позволяют утвер ждать, что больница 16 является резко выделяющимся наблюдением, оказы Анализ возможностей развития конкуренции в системе медицинского страхования вающим существенное искажающее воздействие на оценки DEA. По этой причине она была исключена из исследуемой совокупности. Отклонение фактического значения выпуска от расчетного для больницы 22 за оба года, хотя и оказалось одним из самых больших, все же не так сильно выделялось, как для больницы 16. Тем не менее оба наблюдения также были исключены.

Помимо всего прочего, это было сделано и потому, что данные по больнице 22 были взяты не из того же источника, что и данные по остальным больни цам. При этом методика сбора этих данных могла существенно отличаться.

Более того, данные о количестве занимаемых персоналом ставок были экст раполированы из данных о численности персонала, что могло привести к их искажению.

Данные по оставшемуся 41 наблюдению были обработаны с ис пользованием DEA VRS и DEA CRS. В таблице 23 приведены средние це левые значения выпуска и затрат для 2002 года при ориентации оценивае мых моделей на максимизацию выпуска и минимизацию затрат ресурсов.

Кроме этого, в ней содержатся оценки эффективности, полученные с помо щью DEA CRS и DEA VRS22, а также характер отдачи от масштаба. Необ ходимо отметить, что корреляция результатов, полученных с помощью двух моделей DEA VRS, оказалась очень высокой (0.98). В то же время теснота связи между оценками DEA CRS и DEA VRS была относительно низкой (0.71). Однако анализ расхождений оценок по каждому ЛПУ показал, что в наибольшей степени они расходятся для больницы 1023. Ее исключение уве личивает корреляцию оценок до 0.97. Другими словами, для всех ЛПУ, кроме больницы 10, оценки эффективности связаны очень тесно.

Практически для всех ЛПУ совпадают оценки характера отдачи от масштаба, полученные на основе двух моделей DEA VRS. Исключение составляет лишь ЛПУ 19. Однако расхождение в оценках в этом случае объясняется скорее тем, что оценки эффективности, полученные с исполь зованием DEA VRS и DEA CRS, почти совпадают. Это означает, что эф фективность масштаба у больницы 19 близка к единице, то есть масштаб производства в этой больнице близок к оптимальному. Анализ соответст вующих оценок по другим неэффективным ЛПУ показывает, что у 70% из В таблице приведены средние значения оценок, полученных с использовани ем DEA VRS с ориентацией на максимизацию выпуска и DEA VRS с ориентацией на минимизацию затрат ресурсов.

Возможные причины такого расхождения объясняются выше.

Глава них масштаб производства ниже оптимального и лишь 30% больниц не обходимо в той или иной степени его уменьшить.

В нижней части таблицы представлены средние целевые значения выпуска и потребления ресурсов, а также их отклонения от соответст вующих фактических значений за 2002 год. Из них следует, что, если все неэффективные ЛПУ смогут стать эффективными, то их производствен ные показатели изменятся следующим образом:

– если базовой задачей всех ЛПУ будет являться минимизация за трат ресурсов, то их потребление может быть сокращено в сред нем на 21% при неизменном количестве пролеченных больных за год;

– если основная задача больниц будет заключаться в максимизации выпуска, то они смогут увеличить число пролеченных больных в год на 16%, при этом сократив потребление ресурсов в среднем на 9%.

Необходимо также отметить, что, если в первом случае происхо дит чистое уменьшение затрат ресурсов без изменения объема выпуска, то во втором случае увеличение выпуска сопровождается некоторым умень шением потребления ресурсов. Это объясняется присущим DEA эффек том избыточности затрат ресурса. Появление такого эффекта обусловлено структурной неэффективностью использования ресурсов. Другими слова ми, объем выпуска может быть увеличен до уровня, при котором один (или более) из ресурсов начинает использоваться в оптимальном объеме.

При этом дальнейшее увеличение выпуска становится невозможным без увеличения использования этого (этих) ресурсов. В то же время другие ресурсы могут по-прежнему использоваться в неоптимальном объеме.

Следовательно, для того чтобы ЛПУ стало эффективным, необходимо уменьшить потребление этих ресурсов. Примерно по той же причине при минимизации затрат они в среднем уменьшаются непропорционально. В случае, если бы в рассматриваемой модели было более одного вида вы пускаемой продукции, мог бы возникнуть эффект недостаточности вы пуска. Тогда минимизация затрат ресурсов сопровождалась бы некоторым увеличением выпуска.

Таблица 23.

Целевые значения выпуска и затрат ресурсов для многопрофильных больниц в 2002 году № Оценки Отд.

Максимизация выпуска Минимизация затрат ресурсов ЛП эф-ти от У масш.

ПБ* К КД В СММП НМП ПБ К КД В СММП НМП CRS VRS 1 39679 899 325902 477 1273 394 39679 899 325902 477 1273 394 1.000 1.000 irs** 2 4678 189 58766 38 183 56 4216 173 53525 35 167 50 0.885 0. 3 8397 202 61447 99 322 74 8397 202 61447 99 322 74 1.000 1.000 4 8661 223 79697 77 278 61 6702 180 62979 61 219 48 0.748 0.818 irs 5 7156 201 71735 61 225 52 3288 110 36226 31 114 27 0.441 0.524 irs 6 8709 224 84909 75 244 60 5665 157 57691 50 164 41 0.614 0.714 irs 7 10431 272 99211 86 326 70 10375 271 98693 86 325 70 0.989 1.000 irs 8 5687 169 58356 49 188 43 4884 150 50929 43 164 37 0.815 0.918 irs 9 19421 456 176848 163 552 128 13689 333 125784 116 404 92 0.698 0.718 irs 10 1454 71 21047 16 58 16 944 58 15998 12 43 12 0.481 1.000 irs 11 31401 716 273262 287 914 225 29305 668 254788 268 854 209 0.927 0.938 drs 12 44944 1005 407854 369 1188 290 44944 1005 407854 369 1188 290 1.000 1.000 13 8490 238 85551 73 290 56 7724 219 78367 67 266 51 0.879 0.948 irs 14 22512 535 210768 185 637 145 22090 526 206840 182 626 142 0.981 0.982 irs 15 37663 856 322479 368 1125 291 34270 779 293097 335 1026 264 0.897 0.922 drs 17 23292 529 203903 211 669 165 19595 449 171765 179 568 140 0.838 0.852 irs 18 12048 293 105520 111 382 86 8933 225 79317 84 298 65 0.731 0.762 irs 19 17194 400 134598 205 598 162 12004 281 93431 139 422 108 0.692 0.700 irs/drs 20 28381 777 284953 231 852 228 21114 591 214474 172 643 173 0.739 0.748 drs 21 48597 1114 412292 460 1479 355 36046 851 294860 390 1193 310 0.690 0.764 drs 19440 468 173955 182 589 148 16693 406 149198 160 514 16% -10% -3% -7% -11% -16% 0% -22% -17% -19% -22% -26% * ПБ – число пролеченных больных за год;

К – количество коек;

КД – число койко-дней, проведенных больными в стационаре за год;

В – количество ставок врачей;

СММП – количество ставок среднего и младшего медицинского персонала;

НМП – коли чество ставок немедицинского персонала.

** irs – увеличивающаяся отдача от масштаба;

drs – уменьшающаяся отдача от масштаба.

Глава Результаты динамического анализа эффективности деятельно сти ЛПУ Для целей динамического анализа эффективности нами были ис пользованы два метода: с использованием единой ГПВ и на основе индек сов Малмквиста. В первом случае оценка производилась с помощью SFA, DEA CRS и DEA VRS (с ориентацией на минимизацию затрат ресурсов).

Расчет индексов Малмквиста осуществлялся с использованием методоло гии DEA.

Полученные значения прироста эффективности24 были подверг нуты нами корреляционному анализу, результаты которого представлены в таблице 24. Как видно, за исключением пары DEA CRS и индексов Малмквиста связь между указанными значениями оказалась достаточно слабой. С целью выяснения причин столь низкой корреляции нами были проанализированы средние линейные отклонения по каждому наблюде нию. Это позволило выявить те из них, по которым полученные значения прироста расходились в наибольшей степени. Так, нами были выявлены три ЛПУ, у которых среднее линейное отклонение значений прироста ока залось 10% и более. Ими оказались больницы 10 (29%), 16 (11%) и (10%). Расхождения у других ЛПУ были значительно меньше. Исключе ние указанных больниц из исследуемой совокупности позволило сущест венно увеличить корреляцию результатов.

Таблица 24.

Корреляция результатов динамического анализа эффективности, полученных с использованием различных моделей, до и после исключения наблюдений 10, 16, 26.

DEA CRS DEA VRS Malmquist SFA 0.60 / 0.82 0.54 / 0.79 0.52 / 0. DEA CRS 0.65 / 0.96 0.99 / 0. DEA VRS 0.60 / 0. Результаты динамического анализа эффективности для всех оцениваемых ЛПУ приведены в приложении 3.

Анализ возможностей развития конкуренции в системе медицинского страхования Полученные результаты в целом свидетельствуют об увеличении технической эффективности деятельности больниц Санкт-Петербурга.



Pages:     | 1 || 3 |
 





 
© 2013 www.libed.ru - «Бесплатная библиотека научно-практических конференций»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.