자료포락분석을 이용한 중소병원의 효율성 및 영향요인에 관한 연구

Abstract

본 연구는 중소병원의 효율성을 제고시키고 개선 방향을 제시하기 위해 자료포락분석법을 이용하여 중소병원의 효율성을 분석하였다. 이를 통해 비효율적인 중소병원의 원인과 잠재적 개선치를 제시하였으며, Tobit분석을 통해 효율성에 영향을 미치는 요인들을 규명하였다. 분석 자료는 건강보험심사평가원에서 제공하는 2013년도 입원환자 데이터셋을 이용하였다. 분석 대상인 중소병원은 정립된 개념이 아니므로, 본 연구에서는 300병상 미만의 병원급 의료기관을 중소병원이라 정의하였다. 따라서 본 연구는 189개소의 중소병원(300병상 미만의 병원)을 대상으로 분석하였다. 효율성 분석의 투입변수로는 의사 수, 간호사 수, 병상수를, 산출요소로는 진료비와 재원일수를 선정하였다. 병원의 효율성과 성과를 높이는 데 목적을 두고 있기 때문에, 산출기준 CCR모형과 BCC모형을 적용하였다. 또한 지역 내 경쟁정도와 의료서비스 전문화수준을 영향요인으로 선정하고, Tobit분석을 통해 효율성에 미치는 영향을 분석하였다. 본 연구의 주요 분석 결과는 다음과 같다. 첫째, DEA의 효율성 분석 결과 CCR모형에서 효율적인 DMU 수는 19개, BCC모형에서 효율적인 DMU 수는 29개로 나타났다. BCC모형을 통해 도출된 순수기술효율성의 평균은 0.70으로 분석되었다. 둘째, 비효율적인 중소병원의 원인을 분석한 결과, 순수기술효율성으로 인해 비효율적인 중소병원이 147개소로 나타났다. 나머지 32개소는 규모효율성으로 인해 비효율적임을 알 수 있었다. 또한 규모의 수익부분에서 규모 최적 상태인 불변규모수익의 중소병원이 19개소로 분석되었다. 규모의 축소를 통해 효율성을 높일 수 있는 규모수익체감 상태에는 79개소, 반대로 규모의 증가를 통해 효율성을 높일 수 있는 규모수익체증 상태에는 91개소의 중소병원이 있음을 규명하였다. 셋째, 잠재적 개선 가능치를 이용하여 참조집단을 분석한 결과, 대부분 DMU들의 투입은 감소시켜야 하며 산출은 증가시켜야 함을 알 수 있었다. 가장 많이 참조된 중소병원은 DMU102로, 총 121번 벤치마킹되었다. 넷째, Tobit분석을 통해 효율성에 영향을 미치는 요인을 분석한 결과, 지역 내 경쟁정도와 의료서비스 전문화수준 모두 효율성에 정(+)의 영향을 미치는 것으로 나타났다. 즉, 중소병원의 효율성은 의료서비스의 전문화 전략을 통해 높일 수 있음을 알 수 있다.; In order to improve the efficiency of small and medium-sized hospitals, this study measured the efficiency and influential factors using Data Envelopment Analysis(DEA). The causes and potential improvement values of ineffective DMUs were proposed, and the factors affecting efficiency were identified through Tobit analysis. For analysis, this study used '2013 National Patient Samples' provided by the Health Insurance Review and Assessment Service. Since there is no legal definition for small and medium-sized hospitals, this study defined small and medium-sized hospitals as less than 300 beds. Therefore, this study measured the efficiency of 189 small and medium-sized hospitals located in the metropolitan cities. Input elements for efficient analysis were the number of doctors, nurses, and beds. Output elements were medical expense, and the length of stay. Because it aims to improve the efficiency and performance of the hospitals, this study applied output-oriented CCR and BCC models. In addition, the degree of competition in region and the level of specialization of hospital services were selected as the influencing factors for Tobit analysis to determine the effect on hospital efficiency. The summary of the results of this study is as follows. First, the efficiency analysis of DEA showed that the number of efficient DMUs was 19 in the CCR model and 29 in the BCC model. The average of pure technology efficiency(PTE) derived from the BCC model was 0.70. Second, according to inefficiency analysis, there were 147 inefficient small and medium-sized hospitals due to inefficiency of pure technology efficiency(PTE). The other 32 DMUs were inefficient in terms of scale efficiency(SE). In addition, there were 19 DMUs with constant returns to scale(CRS), which is the optimal scale. The 79 small and medium-sized hospitals with decrease returns to scale(DRS) were possible to increase efficiency through reduction of scale. On the other hand, the 91 DMUs located in increase returns to scale(IRS) could improve efficiency by expending scale. Third, it was found that the potential improvements should be used to increase the input volume and reduced the output volume by analyzing the reference group. The most referenced DMU was the DMU102 with a benchmark of 121. Forth, analysis of the factors influencing the efficiency through Tobit showed that both the degree of competition in region and the level of specialization of hospital services had a positive effect on the efficiency. Therefore, it can be seen that small and medium-sized hospitals can increase their efficiency through strategies to specialize of hospital services.