Hasil Translate Tugas 8.docx

STOKASTIK ANALISIS FRONTIER RUMAH SAKIT EFISIENSI: APAKAH MODEL SPESIFIKASI MASALAH?

ABSTRAK Dalam studi ini, efisiensi teknis produksi layanan rawat jalan rumah sakit dianalisis dengan menggunakan Analisis Frontier Stochastic (SFA) dengan spesifikasi model yang berbeda. Tujuan dari penelitian ini adalah untuk menyajikan efek spesifikasi model SFA yang berbeda pada distribusi skor efisiensi dan / atau perkiraan parameter fungsi produksi. Dalam analisis, data dari 429 rumah sakit Depkes Turki untuk tahun 2012, 2013 dan 2014 digunakan. Hasil penelitian ini menunjukkan bahwa berbeda SFA spesifikasi, yaitu menggunakan Cobb-Douglas atau Translog teknologi produksi dan / atau menggunakan model komponen error atau teknis model efek efisiensi, menggeser fungsi produksi parameter estimasi dan mean skor efisiensi. Di sisi lain, nilai efisiensi diperkirakan dengan spesifikasi model yang berbeda ditemukan sangat berkorelasi baik dalam besarnya dan urutan peringkat.

Kata kunci: Analisis Frontier Stochastic, Rumah Sakit Efisiensi, Efisiensi Teknis, Pelayanan Rawat Jalan, Fungsi Produksi

1. PERKENALAN

Dalam beberapa tahun terakhir, analisis efisiensi rumah sakit telah menjadi subjek populer bagi para peneliti dan pembuat kebijakan. Turki Departemen Kesehatan (Depkes) telah memperkenalkan sistem manajemen rumah sakit baru di kaki akhir dari Program Kesehatan Transformasi (HTP) dengan alat-alat baru untuk penilaian kinerja rumah sakit. Vintage baru-baru ini adalah enactments dari Asosiasi Rumah Sakit Umum (PHA), yang pada dasarnya adalah serikat rumah sakit daerah yang diumumkan pada tahun 2011 dan telah beroperasi sejak musim gugur 2012.

model manajemen baru ini memperkenalkan kebijakan penilaian kinerja baru untuk Odha dan rumah sakit afiliasi. Lembaga Turki Rumah Sakit Umum (PHI), yang merupakan lembaga tertinggi yang mengatur semua rumah sakit umum, telah mulai menggunakan pendekatan Balanced Score Card untuk menilai kinerja manajerial dari PHA. Dalam model penilaian ini, skor efisiensi produksi rumah sakit, yang diperkirakan menggunakan Analisis Frontier Stochastic (SFA) menjadi faktor kunci. Skor efisiensi yang mulai diperkirakan dalam empat dimensi; yang sakit rawat jalan, rawat inap, operasi dan produksi layanan darurat. Sehubungan dengan skor efisiensi yang diambil dari empat kontrak produksi layanan, administrator rumah sakit meninjau berbeda atau dalam kasus skor kinerja yang buruk, kontrak mereka akan dihentikan (Atilgan 2015).

Ada perdebatan dalam literatur bahwa apakah teknik parametrik seperti SFA atau teknik nonparametrik seperti Data Envelopment Analysis (DEA) yang tepat untuk menganalisis efisiensi rumah sakit. DEA mencoba untuk menentukan efisiensi ekonomi mutlak organisasi terhadap beberapa patokan yang dikenakan, dan berusaha untuk mengevaluasi efisiensi organisasi relatif terhadap organisasi lain dalam industri yang sama (Worthington, 2004). Kemudahan pelaksanaan DEA, diberikan secara nonparametrik nya, kebebasan substansial diberikan pada spesifikasi input dan output, perumusan korespondensi produksi yang berkaitan masukan untuk output, dan sebagainya (Worthington, 2004), membuat metode lebih untuk peneliti. Di sisi lain, SFA memiliki keunggulan yang terletak pada kenyataan bahwa itu memperkenalkan istilah yang mewakili suara, kesalahan pengukuran, dan guncangan eksogen luar kendali unit produksi, yang tidak dapat diprediksi di DEA. Hal ini, pada gilirannya,

memungkinkan dekomposisi penyimpangan dari perbatasan yang efisien menjadi dua komponen, inefisiensi dan kebisingan. Dengan demikian, SFA memberikan cara yang obyektif untuk menentukan praktek-praktek terbaik dengan menghitung teoritis praktek terbaik perbatasan (bukan satu berdasarkan perusahaan yang sebenarnya, seperti dalam DEA) dan lokasi perusahaan sehubungan dengan perbatasan yang (Rosko dan Mutter, 2008). Selain keunggulan ini, SFA memiliki beberapa kelemahan yang memerlukan informasi lebih terstruktur, yaitu informasi tentang teknologi produksi / biaya, asumsi distribusi untuk jangka inefisiensi dll dan karena itu hasil SFA tergantung pada spesifikasi model yang. Dengan hal ini, penilaian PHA dan rumah sakit yang berafiliasi bisa juga dipengaruhi oleh SFA spesifikasi model.

Dalam studi ini, efisiensi teknis produksi rawat jalan rumah sakit dianalisis oleh SFA dengan spesifikasi model yang berbeda untuk menyajikan efek spesifikasi model SFA yang berbeda pada distribusi skor efisiensi dan / atau produksi perkiraan parameter fungsi. Dengan hasil penelitian, hal itu bertujuan untuk menunjukkan informasi teoritis bagi para pembuat kebijakan dan peneliti pada penilaian efisiensi rumah sakit yang sesuai.

Sisa kertas mengatur sebagai berikut. Dalam bagian kedua tinjauan literatur singkat pada SFA spesifikasi model diberikan. Pada bagian ketiga, desain penelitian dan metode yang diperkenalkan dengan spesifikasi model dan data yang digunakan dalam analisis. Pada bagian keempat, hasil estimasi yang diberikan. Kemudian kertas menyimpulkan dengan diskusi.

2. TINJAUAN PUSTAKA

Inefisiensi dari suatu perusahaan ditentukan oleh penyimpangan dari produksi perusahaan dan / atau batas biaya. pengukuran ekonometrik inefisiensi ini kemudian terkait dengan estimasi penyimpangan itu. Metode parametrik dikembangkan sebelum SFA, seperti model deterministik Aigner dan Chu (1968), (1957) Disesuaikan Biasa metode Kuadrat Terkecil Winsten ini, Afriat (1972) dan Richmond (1974) Diadaptasi Biasa metode Kuadrat Terkecil, terkait inefisiensi dengan semua penyimpangan dari batas produksi yang ditentukan. Kelemahan utama dari pendekatan ini adalah mereka menganggap bahwa perbatasan tidak terpengaruh oleh kasus acak. Analisis Frontier Stochastic dikembangkan secara mandiri oleh Aigner et al. (1977) dan Meeusen dan Van den Broeck (1977) dalam rangka mengatasi kelemahan utama dari metode estimasi efisiensi sebelumnya. Tujuan dari SFA adalah untuk menguraikan variasi dari produksi terbaik praktek / biaya perbatasan menjadi kesalahan acak atau klasik dan kesalahan deterministik, yang dianggap mewakili produksi / biaya inefisiensi.

Sejak studi pelopor tersebut di atas dari SFA, beberapa kasus khusus lainnya dari SFA model empiris dikembangkan. Seluas dijelaskan oleh Coelli et al. (2005) dan Kumbhakar dan Lovell (2000), model empiris SFA dapat bervariasi dalam lima cara utama: i. pilihan fungsi biaya, ii. asumsi tentang distribusi kesalahan tersusun, iii. inklusi dan eksklusi variabel, iv. penggunaan satu tahap atau pendekatan estimasi dua tahap, v. penggunaan penampang atau teknik estimasi panel.

SFA spesifikasi dasar, yang membusuk variasi dari produksi terbaik praktek / biaya perbatasan menjadi kesalahan acak atau klasik dan inefisiensi, yang disebut sebagai kesalahan Komponen (EC) model. Komponen error model dengan data panel, yaitu Battese dan Coelli (1992) model, adalah sebagai berikut: 𝑌𝑖𝑖 = 𝑋𝑖𝑖 𝛽 + (𝑉𝑖𝑖 − 𝑈𝑖𝑖 ) Dimana 𝑖 = 1, ... 𝑛 mewakili perusahaan engan dan 𝑡 = 1, ... 𝑁 mewakili waktu, 𝑌𝑖𝑖 and𝑋𝑖𝑖 adalah masing-masing output dan input dari perusahaan i; β adalah parameter yang tidak diketahui. Dalam Persamaan (1), 𝑉𝑖𝑖 adalah kesalahan acak diasumsikan terdistribusi 𝑉𝑖 ~ 𝑖𝑖𝑖 𝑁 (0, σ𝑣) dan 𝑈𝑖𝑖 = 𝑈𝑖 exp (-η (𝑡 - 𝑇) merupakan inefisiensi perusahaan mana 𝑈𝑖 diasumsikan untuk dibagikan sebagai 𝑈𝑖 ~ 𝑖𝑖𝑖 𝑁 (μ, σ𝑈). Memaksakan pembatasan distribusi inefisiensi bagian dari istilah kesalahan komposit atau / dan menggunakan data panel juga praktis. Istilah kesalahan komposit dapat diasumsikan memiliki distribusi setengah normal, gamma (Greene, 1980a, 1980b) dan distribusi yang lebih umum seperti terpotong normal (Stevenson, 1980) dalam studi SFA. Spesifikasi umum komponen kesalahan model SFA dapat digambarkan sebagai kasus khusus dengan memberlakukan pembatasan untuk model dalam Persamaan (1). Dengan membatasi η = 0,

Waktu model invarian dari Battese dan Coelli (1988) (seimbang data panel) dan Battese, Coelli dan Colby (1989) (Data panel tidak seimbang) dapat diperoleh. Pembatasan μ = 0 dengan asumsi tersebut, memberikan

Pitt dan Lee (1981) spesifikasi model yang.

Terkenal SFA spesifikasi lainnya adalah model Efisiensi Teknis (TE) efek dari Battese dan Coelli (1995), di mana kedua skor efisiensi perusahaan dan variabel spesifik perusahaan yang dapat mempengaruhi nilai efisiensi perusahaan 'dapat diperkirakan dalam satu langkah. Fungsi produksi SFA dari TE model efek adalah sebagai dijelaskan dalam Persamaan (1). Perbedaan model TE dari Model EC adalah, dalam model TE istilah inefisiensi 𝑈𝑖𝑖 adalah 2 '' diasumsikan untuk dibagikan sebagai 𝑈𝑖𝑖 ~ 𝑁 (𝑚𝑖𝑖, σ𝑢), di mana 𝑚𝑖𝑖 = 𝑧𝑖𝑖 δ + 𝑒𝑖 dan 𝑧𝑖𝑖 adalah vektor variabel yang dapat mempengaruhi efisiensi dari suatu perusahaan, δ adalah vektor dari parameter yang akan diestimasi.

Sampai sekarang, tidak ada alasan teoritis untuk pemilihan bentuk distribusi untuk u. Sementara Coelli et al. (2005) menunjukkan bahwa asumsi distribusi normal terpotong memiliki potensi untuk meringankan sebagian masalah distribusi, Rosko (2001) dan Rosko dan Mutter (2008) keduanya melaporkan bahwa berbagai asumsi tentang distribusi kesalahan deterministik telah berdampak kecil terhadap perkiraan inefisiensi dalam kesehatan peduli sastra inefisiensi.

SFA model empiris juga bervariasi oleh definisi teknologi produksi / biaya. Rumah Sakit efisiensi produksi estimasi dengan SFA membutuhkan estimasi fungsi produksi, sehingga bentuk fungsional atau teknologi perbatasan produksi harus didefinisikan. Di rumah sakit studi efisiensi SFA, teknologi fungsi produksi / biaya berbagai definisi dari fungsi homothetic (Folland dan Hofler, 2001), Leontief (Li dan Rosenman, 2001), Box-Cox berubah stochastic frontier (Linna, 1998) dan Ad-Hoc fungsi (Chirikos, 1998/1999; Chirikos dan Sear, 2000), lebih umum dan terutama digunakan bentuk seperti Translog (Chirikos, 1998; Deily et al, 2001;. Deily dan McKay, 2005,2006; McKay et al, 2002. / 2003; Rosko 1999, 2001a,

2001b, 2003; Rosko dan Chillingerian, 1999; Rosko dan Proenca, 2005; Zuckerman et al., 1994) dan Cobb Douglas (Carey, 2003; Chirikos, 1998; Rosko, 2001a, 2001b; Rosko dan Proenca, 2005; Vitaliano dan Toren, 1996).

Cobb-Douglas mengasumsikan bahwa semua perusahaan memiliki elastisitas yang sama produksi, elastisitas skala yang sama, dan elastisitas kesatuan substitusi, yang cukup ketat dan untuk kebanyakan studi sedang mencoba untuk membandingkan operator diatur (Coelli et al., 2003) .Oleh karena itu, translog teknologi produksi, yang mencirikan bentuk fungsional yang fleksibel, umumnya digunakan oleh para peneliti untuk menghindari kesalahan model atau / dan untuk mendapatkan fleksibilitas dalam spesifikasi hubungan input dan output tanpa memiliki-biara asumsi (Rosko dan Mutter, 2008).

3. DATA DAN METODOLOGI

3.1. Spesifikasi Model

Dalam penelitian ini enam model SFA berbeda dijelaskan untuk memperkirakan layanan rawat jalan rumah sakit efisiensi. Model terbatas, yaitu Translog TE Model, adalah menggambarkan sebagai Battese dan Coelli (1995) spesifikasi. Model-model lain dijelaskan dengan memberlakukan beberapa pembatasan untuk model referensi. Model Translog TE adalah sebagai berikut: 3.2. Data dan Variabel

Sebuah data panel pada 429 rumah sakit perawatan akut untuk tahun 2012, 2013 dan 2104 digunakan dan sampel terdiri dari hanya Turki Depkes rumah sakit umum termasuk rumah sakit pendidikan. Untuk memastikan homogenitas data, rumah sakit yang memiliki lengkap input dan output data dan mereka yang kurang dari 25 tempat tidur dikeluarkan dari sampel. Deskripsi variabel yang digunakan dalam model disajikan pada Tabel (1) dengan statistik deskriptif ringkasan.

Input dan Output Variabel

Output variabel OUTPAT adalah jumlah total penerimaan rawat jalan termasuk penerimaan layanan darurat. Empat input yang berbeda digunakan dalam model. Tiga dari mereka merupakan input tenaga kerja yang digunakan di rumah sakit. PHSY adalah jumlah total dari dokter, termasuk dokter umum, dokter spesialis untuk rumah sakit non mengajar. Penuh waktu warga dipekerjakan dicatat di PHSY untuk rumah sakit pendidikan, sebagai warga juga mengambil bagian dalam proses produksi layanan rawat inap. Input tenaga kerja lainnya variabel ANCI adalah jumlah total tambahan (sekutu) staf medis. Input tenaga kerja terakhir variabel ADTECH adalah jumlah total karyawan lain, yang terdiri dari staf administrasi dan teknis, termasuk personil yang dikontrak. Variabel BED, menjadi proxy untuk input modal, adalah jumlah total tempat tidur rumah sakit.

Variabel kontrol

Input yang digunakan di rumah sakit yang heterogen dari segi kualitas. Dalam fungsi produksi, dua variabel kontrol yang berbeda digunakan untuk menangkap perbedaan kualitas masukan dalam kedua model. SPEC adalah rasio spesialis total jumlah dokter, dan TECH adalah indeks teknologi rumah sakit yang mewakili penggunaan diagnostik berteknologi tinggi di rumah sakit. Indeks ini terdiri dari CT, MRI, CT Simulator, SPECT- CT, PET-CT / scanner PET. Salah satu dari mereka scanner menyajikan di rumah sakit membuat kontribusi dari satu titik ke titik indeks, sehingga TECH mengambil nilai antara 0-5 (yaitu jika setiap rumah sakit memiliki semua diagnostik berteknologi tinggi, maka nilai indeks TECH akan 5).

Efek inefisiensi

Studi efisiensi rumah sakit SFA juga bertujuan untuk memperkirakan dampak dari faktor rumah sakit khusus dan lingkungan, yang diduga memengaruhi efisiensi produksi / biaya. Dalam studi ini, delapan berbeda efek inefisiensi variabel - karakteristik rumah sakit khusus dan lingkungan sebagian besar di luar pengaruh dari actions- manajerial didefinisikan dalam model regresi stochastic frontier. Tiga dari mereka adalah faktor rumah sakit khusus dan rekening lima variabel sisa pengaruh lingkungan rumah sakit pada efisiensi.

TEACH adalah variabel dummy untuk rumah sakit pendidikan. PERAN merupakan indeks rumah sakit didefinisikan berdasarkan klasifikasi peran rumah sakit Depkes. Dalam skema klasifikasi rumah sakit Depkes, rumah sakit umum diklasifikasikan menjadi E, D, C, B, A2 dan kelompok A1. Sampel dari penelitian ini tidak memiliki rumah sakit grup E. Oleh karena itu, variabel PERAN mengambil nilai-nilai dari 1, 2, 3, 4, dan 5 untuk kelompok peran rumah sakit D, C, B, A2 dan A1 masing-

masing. Rumah sakit terakhir efek efisiensi spesifik variabel EMRG adalah tingkat penerimaan rawat inap dari layanan darurat. Variabel ini merupakan efek dari ketidakpastian permintaan pada skor efisiensi teknis. DEVINX adalah sosial - Indeks pembangunan ekonomi provinsi bahwa rumah sakit berada, dihitung dalam studi MoD (2013).

4. HASIL

Dalam model, semua variabel fungsi produksi disajikan dalam penyimpangan dari sampel mereka berarti untuk kemudahan kesederhanaan. Ini hanyalah sebuah perubahan dalam unit pengukuran dan tidak mengubah data yang mendasari; Namun, ini memiliki keunggulan yang diperkirakan parameter orde pertama dalam fungsi translog sekarang dapat langsung diartikan sebagai perkiraan elastisitas produksi, dievaluasi pada sarana sampel (Coelli et al., 2003: 57-59). Perkiraan kemungkinan maksimum dari model diberikan pada Tabel (2).

Perkiraan fungsi produksi parameter yang bervariasi antara model, baik dalam aspek besarnya dan signifikansi. Semua parameter urutan pertama PHYSY, ANCI dan LAIN yang ditemukan positif dan signifikan (p <0,05) di semua enam model yang berbeda. Parameter input BED ditemukan menjadi negatif dan / atau tidak signifikan dalam model, menyiratkan bahwa B tidak input berperilaku baik atau ada penggunaan BED masukan kelebihan dalam fungsi produksi. Meskipun perkiraan parameter urutan pertama, atau elastisitas output dari input bervariasi antara model, elastisitas skala produksi, yang hanya jumlah dari parameter urutan pertama, ditemukan untuk menjadi serupa di semua model. Diperkirakan elastisitas skala dalam semua model menunjukkan bahwa ada diseconomies of scale atau return negatif untuk skala produksi pelayanan rawat jalan rumah sakit.

Dalam Cobb - Model Douglas TE semua variabel efek inefisiensi tidak signifikan. Di sisi lain semua variabel ini ditemukan signifikan di Translog TE spesifikasi model dengan memiliki tanda-tanda yang sama dibandingkan dengan Cobb - Model Douglas TE. parameter estimasi dari variabel efek inefisiensi menunjukkan bahwa efisiensi adalah meningkat dengan peningkatan tingkat rumah sakit PERAN. Kenaikan EMRG dan DEVINX juga berkontribusi efisiensi rumah sakit. Di TEACH sisi lain berhubungan negatif dengan efisiensi, menyiratkan bahwa rumah sakit pendidikan diharapkan menjadi lebih efisien bahwa rumah sakit lainnya. Varians dari istilah inefisiensi dari istilah kesalahan komposit (σ𝑈) ditemukan signifikan dalam semua model. Gamma, (γ = σ𝑢 / (σ𝑢 + σ𝑣)), yang menunjukkan rasio penyimpangan dari perbatasan yang disebabkan oleh inefisiensi, ditemukan menjadi lebih dari 90% dan signifikan dalam semua model.

Tabel (3) menunjukkan distribusi dari nilai efisiensi rata-rata oleh karakteristik rumah sakit yang dipilih. Efisiensi rata-rata dari semua rumah sakit sampel yang tertinggi dalam model Translog-TE. Baik di Cobb - Douglas dan teknologi produksi Translog, berarti skor efisiensi yang tertinggi di TE efek Model definisi dan terendah di EC spesifikasi model yang terbatas. peringkat ini skor efisiensi ratarata yang diperoleh dari model yang berbeda, tidak berubah dengan karakteristik rumah sakit.

Mengajar rumah sakit ditemukan lebih efisien dibandingkan rumah sakit lain di semua model. Hasil ini juga sejalan dengan temuan efek inefisiensi variabel TEACH. Rumah sakit yang paling efisien yang ditemukan memiliki kapasitas tempat tidur di kisaran 200-399. Peningkatan efisiensi rata-rata dari kelompok peran D ke B dan A2 (yang juga terkait dengan kapasitas rumah sakit dalam hal tidur), dibandingkan penurunan grup peran A1 yang merupakan kelompok rumah sakit Pengajaran. Hasil penelitian menunjukkan kapasitas rumah sakit yang optimal akan menjadi sekitar 200-400 tempat tidur untuk memiliki produksi rawat jalan yang lebih efisien.

Sementara spesifikasi model yang berbeda mempengaruhi tingkat efisiensi rata-rata rumah sakit, skor ini ditemukan sangat berkorelasi terlepas dari model yang digunakan. Seperti yang disajikan dalam Tabel (4) dan Tabel (5), baik Pearson dan Spearman rank-order korelasi sarana perkiraan efisiensi model yang berbeda sangat berkorelasi dan semua korelasi yang signifikan. Korelasi tertinggi diperoleh antara Cobb - Douglas dan teknologi produksi Translog ketika pembatasan lain yang sama, yaitu antara Cobb - Douglas-TE vs Translog-TE atau antara Cobb - Douglas-EC Dibatasi vs Translog-EC Dibatasi.

5. KESIMPULAN

Hasil penelitian ini menunjukkan bahwa berbeda SFA definisi fungsi produksi memiliki berbagai efek pada temuan Model. Pertama, fungsi produksi atau perkiraan parameter perbatasan yang jauh dipengaruhi oleh spesifikasi Model. Dalam spesifikasi model yang berbeda, elastisitas output input perubahan baik dalam besarnya dan signifikansi. Di sisi lain, ditemukan bahwa spesifikasi model yang berbeda tidak mengubah karakteristik produksi embowered sebagai terlepas dari spesifikasi model, elastisitas skala perkiraan menunjukkan bahwa terdapat diseconomies of scale atau return negatif untuk skala produksi layanan rawat jalan di rumah sakit. Temuan ini didukung oleh analisis mean distribusi efisiensi bersama dengan karakteristik rumah sakit yang berbeda. Rumah sakit pendidikan, yang memiliki lebih besar kapasitas produksi rumah sakit dalam hal tidur (juga dalam hal input lainnya) yang ditemukan kurang efisien dibandingkan rumah sakit lainnya. Kapasitas rumah sakit yang optimal untuk melayani rawat jalan ditemukan sekitar 200-399 tempat tidur.

Temuan penting lain dari makalah ini menunjukkan bahwa SFA spesifikasi model juga mempengaruhi nilai efisiensi rata-rata rumah sakit. Di sisi lain, nilai ini sangat berkorelasi terhadap spesifikasi model yang. Oleh karena itu, bahkan spesifikasi SFA perubahan estimasi skor efisiensi dari sebuah rumah sakit tunggal, pangkat rumah sakit dalam hal efisiensi tidak dipengaruhi oleh definisi Model.

Hasil dan interpretasi dari penelitian ini dibatasi dalam kerangka set data yang digunakan. Potensi kelemahan dari penelitian ini adalah, karena kurangnya data, output dan input variabel tidak bisa berbobot dalam hal kasus-mix dan kualitas dalam analisis. Oleh karena itu, pembaca harus mempertimbangkan kemungkinan hasil yang akan bias, sebelum membuat komentar dan pernyataan tentang temuan ini lebih lanjut.