2009年3月26日 星期四

中維州食物銀行(Central Virginia Food Bank)

我在Richmond所參加的Ginter Park Presbyterian Church(GPPC)成人主日學的「平安論壇組」(Peace Forum)這一季的主題是「食物與飢餓」(Food and Hunger)。原來我以為我們是要討論較貧窮國家中的饑荒與食物供給的問題,沒想到絕大多數的講員與課程所討論的卻是美國的飢餓與食物相關的議題[1],甚至就是在我們所處的維吉尼亞州中部地區所看得到的問題。也因為所討論的問題不是眼在天邊,而是近在眼前,所以讓人感觸更深。

飲食與食物的信仰意涵

GPPC教會的平安論壇每季都會選定一個社會、環境、人權、國際政治(和平)、或經濟的議題,邀請相關的講員做專題演講,或者從聖經的教導去思考應該如何看待這些問題,以及我們如何在行動或行為上去回應與參與這些問題。這次以「食物與飢餓」為主題,其實是出於一個非常單純的信念。耶穌教門徒的禱告文中有一句話:「賜給我們今日所需的飲食」(give us this day our daily bread),耶穌教導門徒向上帝祈求日用所需的食物,表示食物是一項極其重要的需要,這當中有兩層意義,第一是讓我們知道食物是上帝所賞賜的,當我們獲得日用的飲食無缺時,我們必須知道珍惜與感謝,不能浪費。第二層意義是我們必須確保每一個人也能夠獲得日用的飲食,當人有欠缺時,我們必須設法餵養他們,使他們都同樣得到每日所需的飲食。這是一種社會公平(equity)的理念。

在Richmond的一間長老教會神學院Union Theological Seminary and Presbyterian School of Christian Education的聖經學者Dr. Andreas Schuele更進一步指出,在聖經四福音書的記載裡,耶穌不僅在禱告文中強調飲食的重要,他也很喜歡參與各種餐會或飲食的場合[2];耶穌有許多次重要的教訓都是透過飲食的場合去表達,比如在宴會中實行第一次的神蹟,至少兩次在曠野使跟隨他的數千群眾吃飽,透過與朋友的用餐去強調朋友之間彼此的關懷與分享,在與門徒最後的晚餐中表明自己即將受難並塑立犧牲與服事的典範;在他復活之後也用吃一片烤魚來向門徒證明自己真正的復活。Dr. Schuele強調對耶穌來說,飲食不只是食物或生理上的飽足而已,更代表人與人,以及人與上帝之間的分享與交通,因此,提供飲食與食物其實是「分享生命」的一種象徵。

中維州的飢餓問題與食物銀行的成立

很難想像當今全球第一大經濟國內有許多人面臨三餐不繼的問題,但這是事實。單單是中維州地區大概就有將近四十萬個低收入民眾,其中有飢餓問題或營養不良的兒童人數高達25,000人。雖然美國的社會福利救助有提供食物券 (food stamp programs[3])給中低收入家庭的兒童、老人、身心障礙者及孕婦購買食物,但還是有不少人未達領取食物券的資格,而事實上處於三餐不繼的狀態。

出於類似的信仰理念,中維州地區有許多教會在個別的社區中關心有飢餓問題的民眾,他們當時都不約而同找上一家當地由基督徒家族所經營的連鎖超市Ukrop’s[4]勸募食物,因此Ukrop’s建議這些教會為什麼不考慮組織起來,一起來幫助這個地區中需要食物的民眾。於是這六十家教會在1980年共同成立「中維州食物銀行」(Central Virginia Food Bank, CVFB)此一非營利機構,統籌食物的勸募與分配,以滿足各社區的需要。

中維州食物銀行的運作與服務

剛開始CVFB主要是扮演一個食物資源整合與分配的角色,它所採用的方式是向這個地區中的超市、賣場、團體與個人勸募以罐裝食品為主的食物,這些食物進到中央倉庫後由志工與員工加以妥善分類、儲藏,由各社區與CVFB合作的相關慈善團體(如教會)依照社區中的需要領取物資,再轉供應給需要的民眾。比如我去的GPPC教會每季有一次會在禮拜中奉獻時同時收集會友奉獻的罐頭,再送到CVFB;每年四月初這間教會有一個禮拜是Caritas(仁慈)週,會接待並提供社區中的遊民食宿的招待,其中有一部分的食物便是從CVFB領取而來。

後來CVFB所收集到的捐贈食物中,生鮮食物的比例越來越高,這些食物必須馬上處理、烹煮並食用,無法長期儲藏。因此CVFB開始與此地區另一個已經有40年之久的慈善團體「中維州送餐到家」(Meals on Wheels, MOW)合作,供應這些生食給MOW為居家年長者與中低收入家庭(主要是兒童)準備三餐。這些餐食與服務是完全免費的,而且可以根據個案的特殊健康需要配餐(如糖尿病餐食);很有趣的是MOW也募集並購買寵物食物,每月配送一次給有養寵物的年長個案,理由是對這些年長者來說,寵物等於就是家人,甚至是唯一的陪伴者。

最近CVFB與MOW合作在Richmond蓋了一個大型的中央廚房,稱為Community Kitchen,使整個生鮮食物的收集、處理、烹煮、配送作業與流程更為一貫化。很讓人驚訝的是這些工作大多由眾多的志工分工完成。

此外,CVFB也開辦Kids Café(兒童餐坊)服務,把在community kitchen中準備的兒童餐點送到由慈善機構所經營,在照顧中低收入家庭兒童的安親班、暑期弱勢兒童輔導班共50個據點,讓這些兒童有營養均衡的餐點。

由於這些餐食服務的開辦與擴大,CVFB對各類食物的需求量也更大,因此更積極去接洽與勸募食物,特別是各個超市當天沒賣完所剩下的生鮮、即將過期的罐裝食品,以及各級學校餐廳與廚房當天未用完的食物,都能迅速送到CVFB處理。比如CVFB與我的學校VCU的學生自助餐廳合作推出請學生珍惜食物的方案與活動,學生餐廳提醒學生取用剛好夠用的食物,不要拿過多的食物,結果吃不完而倒進垃圾桶;餐廳承諾將藉此省下來的錢或食物全數捐到CVFB。因此這些超市與餐廳與CVFB的合作也等於是一種珍惜食物的行動,減少很多食物被丟進垃圾場,平白被浪費掉。

單純的使命感,不凡的行動與任務

這幾年來CVFB每年大概都收集並分配了600萬公斤的食物給各類服務的對象,參與服務的合作機構約在600間左右。目前community kitchen每天可以準備2,000份的餐點,透過送餐服務或Kids Café送給約800位的年長者與將近1000位的弱勢兒童。隨著不景氣的擴大,這些需要在可見的未來會愈形加重。

事實上收集、處理、準備、配送食物與餐點是相當不容易的工作,須要有很周詳的流程規劃與有效的分工執行才能做到。我相當佩服CVFB、合作機構與眾多志工可以基於這麼單純的信念,採取如此紮實的行動,去完成這麼高難度的且有意義的任務。

現在每當我搭公車要到學校,從高速公路經過CVFB看到它外表磚紅色的大倉庫時,想到的是這些建築物裡面一群用具體行動展現單純愛心的人,以及他們所完成的不平凡的服事—不讓任何人空著肚子度過漫長的夜晚。

[1] 包括美國的農業(補貼)政策、農耕形態(傳統小農場、有機耕作、現代化大量生產的農耕)、農產配銷體系、食品產業的運作、聯合國的糧食方案等。
[2] Schuele說他經常跟神學院學生開玩笑說耶穌是一個social person,如果他生在今天,一定經常出現在各類的宴會或各種party場合。
[3] Food stamp曾經在1930年代開始試辦,後來在1962年正式成為法律與聯邦政府的政策。主要構想是由聯邦政府出面,透過政策架起一座橋樑,以同時解決美國內中低收入口的飢餓與農產品生產過剩的問題。食物券可以用來買生鮮食物與加工食品,但不能買已經烹煮好(pre-cooked)的食物(也不能用食物券去餐廳用餐)。對有些年長者來說,煮飯是一件困難的事,因此光是領取食物券並不表示就解決飢餓的問題。此外,有許多研究發現使用食物券的民眾有偏高的比例有肥胖的問題(或說食物券與民眾肥胖有正相關),這也顯示光是食物券政策還是無法確保這些民眾能夠獲得均衡的營養與健康。
[4] Ukrop’s是一家在1937年從Richmond開始的超市,後來發展成連鎖超市,但仍只有在維吉尼亞州的幾個主要都會區才看得到。創辦人是一位虔誠的基督徒,並強調根據基督教信仰的原則經營公司。比如70年來秉持禮拜天公休,店中不賣酒(但賣菸,不過是放在特區的房間,不是在開放的區域),強調慈善與回饋社區。這家超市以品質著稱,並有相當受家庭主婦或上班族群歡迎的熟食或熱食產品,在這個地區擁有相當高的顧客忠誠度。

2009年3月22日 星期日

調查研究的誤差(Survey Error)

在進行調查研究時不能不知道調查研究有哪些潛在的誤差,雖然沒有任何一份調查研究是完全沒有誤差的,但是一份好的調查研究必須設法克服導致誤差出現的因素,盡可能降低其誤差,以提高其準確度。此外,瞭解調查研究有哪些誤差也可以幫助我們在解讀一份調查研究的結果時,做出比較中肯的判斷與結論;也可以讓我們知道一份調查研究結果的限制所在,避免被結果誤導。

調查可以分兩類,一類是普查(census),另一類是抽樣調查,前者是指針對研究的所有對象(又稱母群體,population)直接做調查,即母群體中的每一分子都被納入調查的對象;後者是從母群體中抽出一部分的對象(也稱為樣本,sample)來進行調查,希望從有限的樣本來了解母群體的真正情況。比如我們想要了解醫院所有病人對醫院服務的滿意度,如果我們對每一位病人都做調查,便是普查;如果我們只抽某一天的病人來進行調查,便是抽樣調查。

照理說普查是比抽樣調查來得理想,因為這樣我們可以直接去瞭解母群體的情況,不需要藉由樣本來推論母群體(其中隱藏抽樣誤差的風險)。不過,普查的成本高、且費事費時,有時候甚至是不可行的,因此勢必藉由抽樣調查。其實,若從調查誤差的角度來看,普查不見得一定比抽樣調查來得好,普查本身也有誤差存在,有些研究人員發現,由於普查必須花費大量的時間與精力去執行,有時反而無法面面俱到,照顧到基本的調查品質,因此如果將大部分的資源省下來,好好去設計問卷與規劃抽樣調查與執行,藉由抽樣調查所得到的結果反而比普查還來得正確。

調查誤差是由四種主要的誤差所構成的:(1)涵蓋誤差(coverage error)、(2)抽樣誤差(sampling error)、(3)無回覆誤差(non-response error)、(4)測量誤差(measurement error)。

涵蓋誤差(coverage error)

當我們要進行抽樣調查時,手上必須有一份涵蓋母群體中所有個體的名單或籤牌(sampling frame),然後才能從中抽出ㄧ些個體來組成樣本。比如要用電話訪問調查某家醫院的病人滿意度,我們必須有一份這家醫院所有病人的電話號碼表,才能抽出一定數量的病人電話號碼,來進行電訪。可是如果其中有些病人沒有電話,那麼使用電訪的方式便會發生「涵蓋誤差」,也就是我們所用的母群體名單並未涵蓋母群體中所有的個體。

涵蓋誤差在調查研究中經常存在,即使是普查,也可能有漏網之魚。在抽樣調查中,研究人員所使用的調查工具經常無法涵蓋母群體的每一個體。近年來由於網路的發達與普遍,網路線上調查有愈來愈多的趨勢,可是並不是每一個人都能夠上網,這些人變成了網路調查的「死角」與涵蓋誤差的來源。不過理論上如果沒有被涵蓋到的這一群個體與母群體中的其他個體的特徵或組成沒有差別的話,即使有調查死角,涵蓋誤差就不存在。可是當被涵蓋與未被涵蓋的個體有顯著的差別時,就會造成涵蓋誤差。

這禮拜遠見雜誌公布一份在今年三月中旬所進行的馬總統施政滿意度調查結果[1],這份調查是在3月15日至17日晚上6點20分至10點進行,以隨機跳號抽樣及電腦輔助電話訪問方式,成功完訪1005位台灣地區20歲以上的民眾。用隨機跳號抽樣的電話訪問在國內外都很普遍,主要好處是容易進行且涵蓋面相當廣。不過,隨著手機的普及,美國已經有愈來愈多的民眾只用手機,而不再使用家中線路電話;然而,全國的手機電話號碼隨機撥號的機制尚未發展出來,因此這些人便沒有機會被涵蓋到樣本裡面,研究發現這一群只用手機的族群比較年輕,傾向居無定所,與其他民眾有明顯的不同,因此使用這種方式的抽樣調查有愈來愈嚴重的涵蓋誤差。

此外,使用隨機跳號抽樣的電話訪問主要訪問的對象是家戶,並非每位民眾,而每戶住家中的人口組成也有差異,或者家中的電話傾向由男主人或女主人、由年長者或年輕人接聽,這當中的差距也可能造成涵蓋誤差。還有,利用晚上電訪的好處是大部分的人可能都已回到家,但是,上夜班或尚在通勤中的民眾便成了漏網之魚。

抽樣誤差(sampling error)

抽樣誤差是指當我們是透過樣本去瞭解母群體時,所必然出現的誤差。如果我們是進行普查,則可以避免這項誤差。由於樣本只是母群體的一部分,當我們要用這部分的個體去描述整個母群體的某些特徵時,必然會有失真,因此我們不敢根據一份或有限數量的樣本就斬釘截鐵地說由樣本所得到的結果絕對跟母群體的情況完全一樣。不過如果我們所使用的樣本相當有代表性的話,則失真的程度可以控制到一定的範圍,通常,當我們是用隨機抽樣的方式去抽取樣本中的個體,並且所用的樣本中的個體數越大時,樣本能夠代表母群體的程度就越大。

統計學對抽樣誤差的探討與計算有直接的貢獻,我們可以根據統計學原理,估算出一個給我們一定程度信心的結果區間值。比如這次遠見雜誌的民意調查指出所得到的結果在95%信賴水準時的抽樣誤差理論值為±3.1%,而結果指出馬總統的施政滿意度是28.6%,較完整的陳述應該是:如果我們用同樣的方法進行100次的隨機抽樣調查,大約有95次的結果會落在28.6%±3.1%之間(也就是25.5%與31.7%之間)[2]。[25.5%,31.7%]便是這次調查所得到的95%信賴水準區間值。

這裡必須要提到一點,統計學對抽樣誤差的估算是建立在機率抽樣上面,對非機率抽樣則是幫不上忙的。機率抽樣(probability sampling)的意思是母群體中的每一個體都有某種已知的機會或機率被選進樣本中,我們才能用這些機率來估算誤差的範圍。如果我們沒有這些機率的訊息,就無法去估計抽樣誤差程度。如果我們為方便起見,去找某一家公司的員工進行對馬總統的施政滿意度調查,我們完全不知道這一群樣本與母群體(國內20歲以上的民眾)之間有甚麼機率的關係,因此無法提供我們有關抽樣誤差的程度。

無回覆誤差(non-response error)
假如我們有一份涵蓋母群體中所有個體的名單,從中抽出具有能夠代表母群體的樣本,並對樣本中的個體進行調查,可是在實際的狀況中,經常是樣本中的一部分對象願意接受調查或回填問卷,另一部分的對象不願回覆,因此我們所收到的實際調查回覆數並不齊全,與樣本數有落差。在這種情況下,如果未回覆的對象與樣本中其他對象有不同的特徵或組成,便會導致無回覆誤差。

一般來說,調查的回覆率是越高越好,因為可以提高回收資料對母群體的代表性,降低無回覆誤差。不過,這也不是絕對的,有些研究發現,有時候若是硬要將回覆率拉高,卻造成回覆樣本的某種扭曲或偏差,可能適得其反。此處的關鍵點在於回覆樣本必須對母群體有高程度的代表性,不論是無回覆與高回覆率,若導致最終樣本的代表性流失,都是問題。

測量誤差(measurement error)
測量誤差是所有研究都會遇到的問題,不只是調查才有的。在調查研究中,測量誤差與有否抽樣無關,不僅抽樣調查有測量誤差,普查也同樣有測量誤差。測量誤差是指調查的回覆者所提供的回答錯誤或不準確所造成的誤差。測量誤差有可能是故意或非故意的,比如病人在住院期間填寫醫院服務的滿意度調查時,擔心負面的意見會被醫療人員知道,因此故意只提供正面的評價。有時候問卷的填寫人或調查的受訪者不了解問題的意思,於是隨便找個答案回答,或者對問題理解錯誤,而填入錯誤的答案。這些都是屬於調查的測量錯誤。一個經過良好設計的調查或問卷,以及妥善的執行方法與過程,可以減少測量錯誤的程度,但是沒有辦法完全避免。如果測量錯誤的發生是隨機的,問題比較小,我們所得到的估算值仍然有一定的準確度;如果測量錯誤的發生是有某種特定的形態或方向的,則對估算值會產生偏差。

調查誤差的處理
一份調查研究的整體誤差,是由上述這四類的誤差所累計起來的。調查研究學者與統計學家針對每一種誤差都設法發展能夠降低或評估誤差的方式。通常完善的調查設計與規劃有助於降低誤差的程度,而統計模式則可以幫助研究人員瞭解誤差的程度。

前三種誤差還可以透過加權處理(weighting)的技術稍予以較正,由於前三種調查誤差(涵蓋誤差、抽樣誤差與無回覆誤差)其實都是關於取樣的代表性問題,而加權處理就是某種程度上,根據我們所用的取樣名單、所得到樣本以及最終回收的樣本,其中每一分子從母群體中被選擇到的機率,去還原其對母群體的代表性。基本上最終回收的樣本中,有可能每一個體到達此最後階段樣本的機率都不一樣。假設有一個體A從母群體進入此最後階段的樣本的機率是0.002,另一個體B的機率是0.004,這時的加權處理是給個體A放大500 (=1/0.002)倍,給個體B放大250 (=1/0.004)倍,也就是用個體A代表母群體中與其類似的500個個體,並用個體B代表母群體中與其類似的250個個體。透過加權處理,我們建立了一份模擬的母群體,用此來估算母群體的特徵值。

但是要進行加權處理前,研究人員必須對取樣的各個階段的每一類個體被選擇到的機率有所掌握,才能夠計算每一個樣本個體的加權值。

四種調查誤差的關係

我覺得這四類調查誤差的關係可以用上面的圖形來了解。首先,我們有一群想探討的母群體對象(target population),但是很可能我們並沒有一份涵蓋這群對象的所有個體的名單,而只有其中一部分的個體名單可讓我們做為取樣的對象(sampling frame),target population與sampling frame之間的差距(藍色環帶)便是潛在的涵蓋誤差所在。第二,當我們從這份母群體名單中選出一部分的個體來組成樣本(selected sample),並藉由樣本去描述名單中的母群體的某個特徵時,這當中的差距便有抽樣誤差存在(黃色環帶)。第三,由於完成調查的樣本(completed sample)或回覆者(respondents)與我們所選擇的樣本並不完全一樣,經常是指有一部分的樣本中個體完成調查,沒有完成調查的個體(綠色環帶)便是無回覆誤差的來源。最後,回覆者在提供調查的訊息時,多多少少會有不準確或錯誤的情況,這便會形成測量誤差(粉紅色部分)。

這四種調查誤差提供我們一個對學習調查研究方法很有幫助的架構,因為調查研究若要得到準確的結果,不外乎要設法減少這些誤差。對這些誤差的概念有所掌握之後,讓我知道各種有關調查研究的議題,主要是在探討或處理哪一種誤差。透過這個架構,我們可以將調查研究的各個面向整合起來。

[1] 遠見民調/馬英九滿意度降至28.6% 不滿意度攀升至58.3%
更新日期:2009/03/19 22:36
根據遠見雜誌所發布的最新民調顯示,民眾對馬英九總統執政10個月的整體表現,有28.6%滿意、58.3%不滿意,滿意度較上個月下降5.9個百分點,不滿意的比率則上升3.5個百分點,可能是受到經濟負成長失業率攀升,以及消費券的短期效應褪去,使得民眾對馬英九明顯不滿。

至於另一項民眾對馬英九總統的信任度調查結果,有45.0%的民眾表示信任,40.2%表示不信任,與上個月相較,對馬總統信任的比率下降3.7個百分點,不信任的比率則是上升3.7個百分點,顯示多數民眾對馬總統執政的整體評價,維持在傾向信任但明顯不滿的狀況。

遠見民調中心主任戴立安分析,民眾對馬總統的滿意度與信任度幾乎皆回到今年1月的數值,研判主要是因為消費券的短期效果盡褪所致,再加上行政院主計處2月公布的各項指標,包括今年經濟成長率為-2.97%,失業率攀升,以及出口持續負成長等,也使民眾對馬總統執政的滿意度、信任度,回復至去(97)年11月至今年1月之間的穩定評價區間。

這項調查是由遠見雜誌民意調查中心在3月15日至17日晚上6點20分至10點進行,以隨機跳號抽樣及電腦輔助電話訪問方式,成功完訪1005位台灣地區20歲以上的民眾,在95%信賴水準時的抽樣誤差理論值為±3.1%。調查結果已對受訪者性別、居住地、年齡、教育程度等項進行樣本代表性檢定,並進行加權處理。

[2] 剛好TVBS也在同一期間進行另一份20歲以上民眾的電話訪調,所得到的對馬總統的施政滿意度是29%。http://tw.news.yahoo.com/article/url/d/a/090321/8/1gg0a.html。這兩份調查所得到的結果相當接近,也印證統計學的理論有可信之處。

學術會議論文發表

上禮拜是這學期的春假週,我除了協助系上同仁接待高雄醫學院醫務管理研究所來進行短期學程進修的碩士班與在職專班同學之外,也在一個學術會議中口頭報告一篇研究論文。

上禮拜四到禮拜五,維吉尼亞州經濟學人協會(Virginia Association of Economists, VAE)在我們學校的商學院大樓舉辦年度學術會議,我利用這個機會去口頭報告我上學期修計量經濟學所寫的期末報告。這是我第一次在學術會議中做論文的口頭發表,感覺獲益良多。

上學期修Panel and Nonlinear Methods in Econometrics這門課,期末必須完成一份實證研究的書面報告,課程的最後一天同學們在課堂上報告自己所做的研究與結果。授課老師Dr. Leslie Stratton聽完,跟我們說今年三月VAE要在VCU舉辦年會,目前在徵求論文,其中有特別安排學生報告的單元,她覺得我們這學期所寫的研究報告相當不錯,鼓勵我們利用這個機會去VAE會議中發表研究的成果。後來她看完我的期末報告,在寄給我分數時還再次提醒與建議我去報名學生論文口頭報告,因此我就將文章投給VAE,想利用這次機會嘗試學術會議的論文發表。

原本我的期末報告文章題目是”Differential impacts of the Balanced Budget Act of 1997 on hospital provision of nursing home services among public, nonprofit, and for-profit hospitals”(請參考http://thchou.blogspot.com/2008/12/blog-post.html),後來我將這篇文章寄給我的指導教授Dr. Ken White,他看過之後建議我既然我已經有比較在BBA實施前後,醫院開辦護理之家與居家護理的變化情況,不妨將題目與內容修改,將居家照護納入文章裡面,後來題目變成”Initial impacts of the Balanced Budget Act of 1997 on hospital provision of long-term care services: Does ownership matter?”,這當中Dr. White與Dr. Stratton繼續提供我許多很好的意見,因此我先針對可以立即修改的部分對文章內容進行了一些改善,並在VAE的會議中報告。

由於我之前完全沒有在這樣的場合報告研究論文的經驗,會前一個禮拜我特別去請教Dr. Stratton有哪些重點要報告,必須注意什麼事項,她很詳細且熱心地跟我分享經驗,提醒我要注意哪些重點,讓我對這次的報告具備基本的概念。

我報告的單元主題是”The economic impacts of public policy”,時間是在禮拜五上午10:45到12:15,這個單元包括三篇論文的發表,我是被排在第一位的報告人。

在準備這次的口頭報告時,剛好另一門課「研究計畫提案的規劃」最近有一節課是在討論研究計畫提案與研究論文的口頭報告,因此我就現學現賣,將從這門課所得到的一些建議加以運用,比如準備大字的報告大綱給自己參考,在投影片的內容方面力求簡潔易讀(不要使用花俏的設計與複雜的內容),以輔助自己口頭的報告,並在事前實際演練。我發現這些方法真的很有幫助,二十分鐘的報告其實很快就結束了,下台時發現整個過程還都很順利,並不會太緊張,時間的掌握也還可以。

接下來是由另一位經濟學者Aileen Watson對我的論文進行討論,她是美國聯邦儲備金銀行Richmond分行的資深分析員,她很客氣地提出幾點文章中的問題,並且給我很有用的建議。會後我向她道謝所提供的幫助與建議,她跟我說健康照護機構與衛生政策比較不是她研究的主要對象,不過在看我的論文時,瞭解到一些以往不知道的事情,讓她感到相當有趣。

這個單元的第二篇論文發表題目是”Economics analysis of dilemmas and disposal of electronic waste in the U.S.”。報告人是Virginia Union University (VUU)商學院的院長Dr. Adelaja O. Odutola與另一位副教授Dr. H.P. Singh-Sandhu。VUU是在美國內戰結束那年(1865)為黑人高等教育所成立的一間民營學府,至今仍以黑人高等教育為職志。他們的論文主要是在探討電子產品廢棄物所帶來的可能問題,描述目前這些廢棄物的處理情況,以及預估未來的可能發展,並提出一些建議。聽完這篇論文發表,才知道電子產品廢棄物這個問題的嚴重性與急迫性,看到他們所呈現的數字,會讓人觸目驚心。這些淘汰率極高,不斷推陳出新的電子產品所造成的廢棄物處理與汙染的問題,以及目前回收處理機制的缺乏,相信對美國以及各先進國家,都是一大挑戰。

第三篇論文的題目很有趣,叫做”What does not kill me makes me thinner?”,中文翻譯意思大致是「那害不死我的反而讓我更苗條?」。這個題目是從尼采的一句名言” What does not kill me makes me stronger”改寫來的。台語中有一句意思類似的話說:「打斷手骨顛倒勇」(越挫越勇的意思)。剛開始我實在是想不懂這篇論文的主題是在講什麼,但是經過發表人、Roanoke College企管與經濟系的助理教授Alice Kassens的報告,就豁然開朗了。原來她研究的是疾病診斷的訊息是否會影響過重病人的體重變化,也就是體重過重的病人,當被告知罹患某種與肥胖的危險因子有關的疾病之後,是否會對病人產生想要控制或降低體重的誘因與效果?因此,題目中”what does not kill me”所指的是這些與肥胖有關的疾病,如糖尿病、心血管疾病、高血壓等。這篇研究屬於健康經濟學的範疇,Dr. Kassens發現只有糖尿病的診斷訊息對過重病人的體重下降有影響,也就是當過重病人被診斷出有糖尿病時,對病人的體重降低有所影響,其他的疾病診斷訊息以及病人的特質都沒有顯著的效果。在討論這篇論文時有與會的學者認為可能是因為糖尿病人每天必須自己測血糖,因此會不斷提醒自己是一個糖尿病人,為了對病情有幫助,必須設法控制會降低體重,所以產生實質的效果。其他的疾病比較沒有這樣的持續自我提醒機制,於是所發揮的影響就很有限。這些討論相當有意思。

Dr. Stratton特別跑來參加這個單元,給我加油。會後她將一份自己聽我報告以及討論人的建議所做的筆記送給我參考,提供許多寶貴的意見。最後她還不忘讚美說我報告得很好,而且特別跟我說大會將我的論文安排在一般學者的發表單元,而不是排在學生報告單元,就表示我的研究論文已經有一定的水準,並跟我表達恭喜。

由於VAE的學術會議算是規模較小的學術會議,很適合像我這種新手的初次嘗試;經過這次經驗,讓我對學術會議的研究論文發表有進一步的概念與經驗,也對類似的活動不再覺得那麼遙遠或困難,希望未來還有機會參與這類的活動。

高醫醫管所VCU進修學程

高雄醫學大學醫管所醫務管理碩士班與在職專班一年級的研究生來我們系上做短期進修已經進入第九年,這個國際學程是他們核心課程的一部分,幾乎都由我們系上畢業的校友邱亨嘉教授帶隊,千里迢迢來此上課一個禮拜,並由前所長萬德和教授安排內容與師資,由我們系上的老師為主、並搭配附近著名的醫院或醫療體系的主管授課。這一個禮拜中除了上課外,還有安排醫院與醫療系統的實地參訪,課程可以說是相當緊湊。

我很欽佩這些台灣的同學們的學習精神,不僅要克服時差所造成的身體不適,還有語言上的隔閡,更具挑戰性的是要在很短的時間去弄懂美國極端複雜、迷宮式的健康照護體系,實在是不容易。不過這些醫管同好所表現出來的認真積極、敬業、熱切的態度,讓我沒有話說,也讓系上的老師印象深刻。

往年來進修的同學中,多半都是在職專班的研究生,他們都是在高屏縣市醫療院所服務的醫師、護理人員與行政管理者,讓我驚訝的是,醫師所佔的比例相當高,像屏東基督教醫院的卓德松院長是去年的團員之一,高雄榮民總醫院耳鼻喉部的侯友益主任是今年學員,他們雖然在臨床與行政方面都有豐富的經驗與專精的學識,仍然好學不倦,謙虛追求知識與進步。我覺得可以從這裡看到台灣醫界的”打拼”精神與向上提升的動力。

據我所知,高醫醫管所每年的進修學員團都很貼心地準備很有台灣特色的小禮物,送給授課的老師與參訪的機構主管;而且學員們積極求知的精神與親切有禮的態度,讓接觸的師資與機構主管留下很好的印象,所以每年都願意一再地參與和接待他們的參訪,無形中也為台灣做了很好的國民外交。

在這次的接待機會中,我還很幸運地與兩位高中同學重逢,目前在高雄健仁醫院服務的林士欽醫師與在東港輔英附設醫院服務的古明崑醫師是我高中同屆的同學,但從高中畢業後就不曾再見過面。能夠在他鄉與多年沒有謀面的故知相遇,實在是很高興。我發現我高中的同學中當醫師或在醫界服務的人還真不少,回台灣後應該好好與他們聯繫,看怎樣「利用」他們的學識與資源。

2009年3月15日 星期日

邏輯迴歸分析(Logistic regression)

迴歸的基本原理

迴歸分析是一個大家族,裡面包含很多不同的分析模式,最基本的模式是線性迴歸模式(linear regression),有時候又被稱為ordinary least square (OLS)模式。線性迴歸是假設應變數的各個數值是自變數所構成的某種直線函數值,再加上一個誤差值所得到的數值,比如下面的數學公式:


yi = β0 + β1x1i + β2x2i + β3x3i + ei



其中y (如體重)是應變數,x1(如身高), x2(如性別), x3(如年紀)是與y有關的自變數,e是誤差值。β0 + β1x1 + β2x2 + β3x3就是y與此三個自變數之間的直線函數。線性迴歸分析是要去找出應變數與自變數之間的直線函數是什麼。如果我們已經知道哪些自變數會影響應變數,剩下來的工作便是去估算β0~β3這四個係數的值,以知道y與這些自變數之間的關係函數。

線性迴歸在估算關係函數中的係數值時,所使用的原理叫做「最小平方和」least sum of square的原理,這也是為什麼線性迴歸被稱為ordinary least square的原因。假設我們要探討體重與身高之間的關係,想去了解身高(自變數x)會不會影響體重(應變數y),因此去測量10個人的身高與體重的數值,將這10個人的數值畫在身高與體重的座標軸圖形上,如同下面圖中的各個數據點。然後我們用線性迴歸分析,找出其迴歸線y(體重) = -83.091 + 0.9164x(身高)。如果我們從每一點畫一條垂直線去與接觸這條迴歸線,這段垂直線的距離就是這條迴歸線所預測的每一個人的體重與其測量體重之間的誤差(ei)的絕對值,由於這10個ei有正值(如e6,第6個人的數值點在迴歸線之上)也有負值(如e5,第5個人的數值點在迴歸線之下),直接相加會互相抵消;因此我們對每一個ei取平方值,然後去找出一條會使誤差值的平方值總和(e12+ e22+ e32+ e42+…e102)達到最小的迴歸線。因此,這條迴歸線不見得符合此10個人當中每一個人的身高與體重的情況,但卻是一條最能夠整體描述這十個人身高與體重關係的代表線。

受限應變數的問題

線性迴歸(以下稱OLS)是所有迴歸分析的入門與基礎。可是OLS有許多前提與假設,只有當這些前提與假設都存在時,OLS所估算的線性函數參數值才會準確。其中有一個條件是應變數必須是呈常態分布的連續變數(如某個小學二年級學生第一次月考的數學成績、某一個國家的國民體重、台灣國內所有護理之家的住民跌倒率等等),可是有很多時候我們研究或分析的應變數並非這種型態的變數,這時OLS便派不上用場。這些不符合OLS應變數條件要求的情況很多,計量經濟學通稱這些為「受限的應變數」(limited dependent variables, LDV),針對不同的LDV,統計學家與計量經濟學家大多已經發展出不同的模式去處理,上學期我修「計量經濟學的群組追蹤與非線性模式」這門課的一大半就是在介紹這些模式,讓人眼花撩亂,我更是被其中的矩陣運算弄得「霧煞煞」。

在研究上經常遇到的一種LDV情況,就是應變數是二元變數(binary variable),這類的變數的數值只有兩種可能,常見的例子比如市民罹患冠心病(coronary heart disease, CHD)的狀態(有罹患或者沒有罹患)、應屆畢業大學生應徵職務的結果(被錄取或者沒被錄取)、醫院開辦放射腫瘤科(有開辦或者沒有開辦)等等。以下用冠心病的相關資料做說明。

我有一組包括100個人的年紀與罹患CHD的資料,想去探討罹患CHD是否與年紀有相關性。如果用散布圖去畫出這100個人的年紀與CHD(1=有CHD,0=沒有CHD)的關係,會得到下面的圖形。
事實上這個圖不太能夠讓我們看出來年紀(age)與CHD之間有甚麼關係。可是如果我們將這100個人依照年齡分成八組,並去計算每一組裡面的人得到CHD的比例,便可以將這組資料整理成下面的表格。

年齡組別-----個數--------CHD=0-----CHD=1------得到CHD的比例
20-29---------10------------9------------1------------1/10=10%
30-34---------15-----------13------------2------------2/15=13%
35-39---------12------------9------------3-------------3/12=25%
40-44---------15-----------10------------5------------5/15=33%
45-49---------13------------7------------6-------------6/13=46%
50-54---------8-------------3------------5-------------5/8=63%
55-59---------17------------4------------13------------13/17=76%
60-69---------10------------2------------8-------------8/10=80%
合計---------100-----------57-----------43------------43/100=43%

根據上面的表格,我們可以畫出另外一個呈現這八組年齡層的人(取中間年齡為代表)與得到CHD比例的關係圖形。從這個圖形中,我們可以清楚地看出年紀與罹患CHD確實有關係,年紀越大的年齡層中的人得到CHD的比例就越高。

如果我們直接將這100個人的原始資料用OLS做迴歸分析,或者將表一中的各年齡層的中間年紀與得到CHD的比例用OLS分析,就會各別得到其迴歸線,也就是在圖二與圖三中加上線性迴歸線,分別呈現在下面的圖四與圖五裡面。

實際上這兩條迴歸線相當接近,而且都告訴我們:當年紀增加一歲,得到CHD的比例就會增加0.02(2%)。但是這兩條迴歸線都有一個相同的問題,當年紀超過70歲時,得到CHD的比例會大於100%;或者當年紀低於20歲時,得到CHD的比例會低於0%。當然我們知道得到CHD的比例不可能超過100%或低於0%。這向我們透露出一個訊息:顯然線性迴歸分析所提供給我們的分析結果有嚴重的問題。

處理二元應變數的模式—Logit模式與Probit模式

解決這個問題的方法有好幾個,最常用的有兩種,第一種是「邏輯迴歸分析」(logistic regression,或稱為logit model),另一種是probit model。這兩種方式都是透過非線性的函數去估算我們所感興趣的參數值,前者是使用logit函數,後者是使用常態分布的累積函數。這兩種非線性函數的共同點是它們的數值永遠界於0與1之間,因此我們所得到的迴歸預測值不會像線性迴歸所得到預測值有超過1或低於0的情況。其實這兩種函數值的分布情況很相似,不注意的話還看不出來它們的區別。圖六是logit函數值的分布圖,圖七是probit函數值的分布圖(使用標準常態分布的累積函數)。

Logistic迴歸的基本原理

如果用π(x)代表logit函數,其數學式為

π(x)=1/(1+exp(-x))

當x=0時,exp(-x)=exp(0)=1,因此π(0)=1/(1+1)=0.5
當x=∞(無限大)時,exp(-x)=exp(-∞)=0,因此π(∞)=1/(1+0)=1
當x=-∞(負無限大)時,exp(-x)=exp(∞)=∞,因此π(-∞)=1/(1+∞)=0

在剛剛探討年齡與CHD關係的例子中,OLS所用的線性函數是CHD=β0+β1*Age,logit model則是透過π(β0+β1*Age)來描述Age與CHD的關係,分析公式為:CHDi=π(β0+β1*Agei)+ei (i=1~100)。我們的目的是要去估算或找到β0與β1這兩個值,使π(β0+β1*Agei)的100個數值最接近資料中這100個CHDi的值。

非線性迴歸分析(如logistic regression)在估算或尋找參數值(β0與β1)時,所用的數學原理不再是「最小平方和」,而是「最大可能性」(maximum likelihood),意思是說所找到的這一組參數值,會使得所預測到的100個π(β0+β1*Agei)數值(因為有100個年齡的值)分別符合資料中100個CHDi值的整體可能性達到最大。有趣的是,線性迴歸的「最小平方和」恰好也符合非線性迴歸的「最大可能性」的原理,事實上「最小平方和」是「最大可能性」一種特殊情況。因此,線性關係中,使用「最小平方和」與「最大可能性」所估算的參數值會是一致的。不過「最大可能性」可以適用的不僅在線性關係,連非線性關係也可以運用,而「最小平方和」只適用於線性關係的分析。

OLS在運用「最小平方和」估算參數值時有公式可以直接去計算,但是非線性模式在運用「最大可能性」原理時,並非直接去計算參數值,而是由電腦一再嘗試重複運算(iteration),直到所找到的參數值達到最大可能性。所以一般電腦統計軟體在非線性迴歸模式的結果中都會呈現經過了幾次的重複運算,才找到這組最理想(最具代表性)的參數值。

當我們找到參數值(β0與β1)時,便可以去計算π(β0+β1*Agei)的值,所得到的這100個數值其實就是代表各個年齡的人得到CHD的可能性。因此,logit函數的好處就是將原本是有或無CHD(0,1)的結果轉變成每一個年齡得到CHD的發生機率。針對上面的100位民眾的年齡與CHD的資料,我用logit model去分析,得到的結果是β0=-5.310,β1=0.111,我將此組(β0, β1)帶入π(-5.310+0.111*Agei)去計算各個年齡的人預期得到CHD的可能性。顯示在下圖:

我們可以來比較用logit model所預估的各年紀的人得到CHD的可能性與前面用年紀分組所得到的結果,我將圖三與圖八裡面的數值點畫在同一個散布圖(圖九)上面,可以看到這兩種方式所得到的結果幾乎重疊在一起,表示用logit model所得到的結果與實際的情況相當吻合。

Logistic迴歸的好處

在面對二元應變數的情況,logit model可能是被運用得最廣的,特別是在生物統計、醫學與流行病學的研究方面,logit model有其優勢存在,因為logit model所得到的自變數的係數值透過簡單的換算,就可以得到生物醫學上常用到的一個指標值—「勝算比值」(odds ratio)。在logit model中,如果我們使用的自變數也是二元變數,更能夠凸顯在結果解讀上的方便。

我們在將上述100筆資料根據年齡分成兩組(如下表),第一組是年齡大於或等於40歲的人,另一組包含年齡小於40歲的人。我用一個新變數(group)來代表這兩組,第一組是group=1,第二組是group=0。第一組中有58.7%的人得到CHD,41.3%的人沒有得到CHD,其得到CHD的勝算(odds,也就是這一組的人得到CHD的機會與沒得到CHD的機會的相對值)=58.7%/41.3%=1.423。較年輕組中有16.2%的人得到CHD,83.8%的人沒有得到CHD,其得到CHD的勝算=16.2%/83.8% =0.194。如果我們將第一組的勝算除以的二組的勝算,便可以得到這兩組得到CHD的勝算比值(odds ratio)。此處所得到的結果告訴我們,年長組的人罹患CHD相較於沒有罹患CHD的情況,是年輕組的7.353倍。

----------------Group=1--------------Group=0
----------------Age>=40--------------Age<40>
chd="1----------58.7%-----------------16.2%"

chd="0----------41.3%-----------------83.8%"

Odds------------1.423------------------0.194

Odds ratio-------1.423/0.194=7.353

現在我們用logit model去分析CHD與這兩組的關係(將自變數由Age改成group),所得到的group的參數是1.995049。很有趣的是,當我們去取這個值的指數時,exp(1.995049)=7.35256,剛好是等於前面計算出來的odds ratio。

需要強調的是,odds ratio並不是指這兩組人罹患CHD的平均可能性的比值。這兩組人的罹患CHD的平均可能性分別是58.73%與16.22%,其比值是3.62。下面的圖是用logit model所估算的參數值去計算的這兩組人罹患CHD的可能性,分別是58.66%與16.25%,與直接從資料所計算得到的結果非常幾乎完全一樣。


Logistic迴歸分析結果的解讀

至於logistic regression結果的係數或勝算比值要如何解讀,這裡用一個簡例來說明:探討年齡與性別與冠心病發的關係,自變數分別是年齡(1-100,連續變數)與性別(男與女,二元變數,女=1,男=0)。如果年齡與性別的係數分別是0.1與-0.5,若直接從係數值來看,我們應該說冠心病發機率與年齡呈正相關,年紀愈大,冠心病發的機率愈大;冠心病發機率與女性的性別呈負相關,女性冠心病發機率要比男性來得小。

如果將係數轉換成勝算比值(odds ratio),年齡與性別的odds ratio分別為1.105與0.6065(odds ratio=exp(係數值))。解釋的方式是:年齡每增加1歲,冠心病發的勝算值(病發機率/未病發機率的比值)是未增加前的1.105倍(On average, one year increase in age results in 1.105 times the ratio of getting versus not getting CHD)。在二變數方面,會更容易解釋:女性冠心病發的勝算值(病發機率/未病發機率的比值)只有男性的0.6065倍(The ratio of getting versus not getting CHD for female is only 0.61 times the ratio for male)。

此外,我們也可以說男性冠心病發的勝算值為女性的1.648(1/.6065)倍。(exp(-0.5)=0.6065)。其實,如果我們將性別變數的男性改設定為1,女性為0,再跑一次logistic regression,所得到的係數會是0.5(從-0.5變成0.5),而odds ratio = exp(0.5) = 1.648,意義完全一樣,只是比較的基礎不同而已。

如果要解釋logit model中乘積項或互動項(interaction term)的係數或勝算比值的意義,就比較複雜了,不過大體上的相關性說明原則應該是跟前面所說的一樣。比如有一個乘積項是性別x抽菸與否(抽菸=1,未抽菸=0),如果此乘積項的係數是0.2 (正值,exp(0.2)=1.22),可以解讀為:女性抽菸後得到冠心病的勝算率為男性的1.22倍(the odds ratio or the probability of getting versus not getting CHD was higher (1.22 times) for female as compared to male in relation to smoking (or the difference between smoking and nonsmoking);此即意謂:與男性相較之下,抽菸對女性(性別:女=1,男=0)得到冠心病發的影響要比抽菸對男性的影響來得大;或是:女性從不抽菸變成抽菸所帶來冠心病發的風險,要比男性從不抽菸變成抽菸所帶來冠心病發的風險來的高;也就是:女性性別與抽菸互動之下,與冠心病發機率有正相關。(乘積項的勝算比率是女性抽菸得到冠心病的勝算比率/男性抽菸得到冠心病的勝算比率)

2009年3月8日 星期日

資料包絡分析(Data Envelopment Analysis, DEA)

這學期「健康照護機構成效的計量分析」這門課的前半段是在介紹Data envelopment analysis(DEA)這種分析方法。台灣學界一般將DEA翻譯成「資料包絡分析」,這是一種使用非參數的分析技術(non-parametric technique),可以同時考慮多個變數的成效評估方法。

傳統的效率分析方法的限制

舉一個例子來說,如果我們要研究或比較十間醫院的效率,通常先要找出可以比較的效率指標,比如每床平均住院人數、每位員工平均門診量、或佔床率(總住院人日除以總床數再除以365天),然後從這十家醫院的資料去計算這些指標值,最後再就某一個指標去做比較,看哪一家醫院的效率最高。問題是不同的效率指標所得到的比較結果可能不一樣,某些醫院在指標A方面效率較高,可能在指標B方面所表現的效率也許不那麼理想。那到底這十家醫院中,誰的整體效率最好呢?我們無法從傳統的指標分析中得到很明確的結論。

有一個辦法可以幫助我們比較這十家醫院的整體效率,是將這十家醫院的指標A (x軸)與指標B數值(y軸)的關係用二度座標軸的散布圖描述出來。落在圖中越右邊且越上面的醫院代表這兩種指標的數值都越大,因此整體效率愈高。散布圖讓我們從直覺與視覺上去瞭解這些醫院在兩種效率指標的整體表現情況,可是當要比較的效率指標越多時,散布圖的幫助就愈有限了,因為一般人無法在頭腦中去勾勒超過三度空間的景象。當有超過三個指標要同時做比較時,這個方法就有困難了。

另外我們可能還可以用這些數值的迴歸線來看,迴歸線[1]主要是代表這些醫院這兩種效率指標關係走勢,其目的是要找出這些資料點的中間趨向,而我們的目的是要找出這些資料的區隔或差異(將效率高與效率低的醫院區隔出來),兩者的目標剛好是相反的;這使得迴歸分析在這個問題的分析上所提供的幫助有限。

DEA在整體成效比較分析的功效

DEA在這個問題上是最能夠派上用場的,如果用DEA,我們可以同時考慮多個效率指標,只要將能夠衡量醫院效率的資源投入(如醫院員工人數)與成果產出(住院服務量與門診服務量)的變數資料用DEA去分析,我們便可以得到的一個可以同時考量這些投入與產出變數的整體效率比較的結果,這個結果裡面最重要的的一個指標稱為效率分數(efficiency score)。在投入取向的DEA模式中(後面介紹),1.000代表最高的效率,因此效率分數等於1.000的醫院(至少會有一家,也有可能同時好幾家醫院的效率分數=1.000)是這十間醫院中整體效率表現最理想的醫院,稱為標竿(benchmark),其他效率分數低於1.000的醫院則是在與標竿醫院相較之下,效率方面都還有努力的空間。如果我們將所有標竿醫院的代表點用一條線連起來,這條線就稱為「效率前緣」(efficiency frontier),代表這十間醫院效率的最前端,所有落在此條線以外的醫院的效率相較於這條線上面的醫院都還未達理想。效率前緣這條線將這些醫院的效率程度包圍出一個可能區域,或者將此區域封包起來,這是data envelopment analysis名稱的由來。

必須特別說明的是,DEA所得到的效率分數並非某家醫院的絕對效率,而是相較於其標竿醫院的相對效率,如果我們將另外十間醫院的資料放進去一起分析(20間醫院一起比較),當有新的效率標竿醫院出現時,原來的每一家醫院的效率分數都會改變。

在DEA分析中,DMU是decision making unit的簡寫,所代表的是分析或比較的基本單位,在上面的醫院例子中,就是每一家醫院,總共有10個DMUs。由於此處我們所關心的是去比較醫院的效率,而醫院的效率是由各個醫院所決定的,因此醫院是一個決策單位(DMU)。DMU會隨著我們所分析的主題的不同而改變。如果要分析或比較護理之家的效率,每間護理之家就是一個DMU;如果要比較好幾家醫院婦產科的接生品質,每個婦產科便是一個DMU;如果我們要比較不同國家的生產力,DMU便是每一個比較的國家。

DEA另一個優點,是可以告訴我們每一家醫院為了達到與標竿醫院同樣程度的效率,應該努力的目標與方向。比如某家醫院如果想到達到與標竿醫院同樣的效率,必須減少員工144位(目標距離值),使員工總數成為1,019位(目標值);除此之外,還得增加門診人次30,203人次(目標距離值),使之達到185,692人次(目標值)。由於標竿醫院在這群醫院中已經達到效率前緣(效率標竿),因此其目標與現狀的數值一樣,不需要再做額外的努力。

DEA的基本原理

DEA基本上是運用線性規劃(linear programming)的原理,最單純的DEA模式的運算模式可以用下面的例子說明。

假設我們使用兩種資源投入(x1, x2)與兩種成果產出(y1, y2)去比較3間醫院的效率,其情況如下:

--------------------資源投入----------------------成果產出
--------------x1(人力)--x2(醫材)---------y1(門診量)--y2(住院量)
A醫院-------- 50----------60----------------40-------------30
B醫院---------75----------95-----------------55-------------65
C醫院--------100--------120----------------150------------130

A醫院效率分數的估算方式:
求解某一組u1, u2, v1, v2的數值,使得 (u1*40+u2*30)/(v1*50+v2*60) 此產出/投入比值極大化;
但受限於以下的條件:
1.A醫院的效率比值不得大於1:(u1*40+u2*30)/(v1*50+v2*60) ≤ 1
2.B醫院的效率比值不得大於1:(u1*55+u2*65)/(v1*75+v2*95) ≤ 1
3.C醫院的效率比值不得大於1:(u1*150+u2*130)/(v1*100+v2*120) ≤ 1
4.u1, u2, v1, v2 ≥ 0
當我們計算出u1, u2, v1, v2的數值時,再帶入 (u1*40+u2*30)/(v1*50+v2*60) 去計算所得到的數值便是醫院A的效率分數。

使用同樣的方法,我們可以去計算B醫院的效率分數:
求解另一組u1, u2, v1, v2,使得 (u1*55+u2*65)/(v1*75+v2*95) 此產出/投入比值極大化;
但受限於以下的條件:
1.A醫院的效率比值不得大於1:(u1*40+u2*30)/(v1*50+v2*60) ≤ 1
2.B醫院的效率比值不得大於1:(u1*55+u2*65)/(v1*75+v2*95) ≤ 1
3.C醫院的效率比值不得大於1:(u1*150+u2*130)/(v1*100+v2*120) ≤ 1
4.u1, u2, v1, v2 ≥ 0
當我們計算出這一組u1, u2, v1, v2的數值時,
B醫院的效率分數= (u1*55+u2*65)/(v1*75+v2*95)

最後,我們也可以去求得第三組u1, u2, v1, v2,並計算C醫院的效率分數,其中至少有一家醫院的效率分數會是1.0000(標竿)。

當然,叫人去執行這些線性規劃的計算程序並不容易,但是對電腦來說就輕而易舉了。Excel中有一個「規劃求解」(solver)的分析功能,就是在進行線性規劃的分析,我們可以將上面的運算式輸入Excel規劃求解的輸入欄位,便可以一一去計算這三家醫院的效率分數。不過對我們來說,這還是太麻煩,因此目前市面上有發展出ㄧ些DEA的軟體,便是「寄生」在Excel上面,成為Excel的增益程式(add-in program),利用Excel規劃求解的演算功能,去做資料分析,計算所有DMU的效率分數,並且計算每一個DMU的努力目標,再將結果統整呈現出來。前面的例子的結果便是利用某種DEA增益程式軟體所得到的。

理論上DEA分析中的投入與產出變數項目數目並沒有限制,不過當投入與產出變數項目越多時,DMU的數量也必須相對增加,分析結果才有效度。DEA的發明者Charns等學者提出一個很簡便的原則幫助我們決定DMU的個數(n):

n ≥ Max{a*b ; 3*(a+b)};a代表投入變數的個數,b代表產出變數的個數

這也就是說,n必須大於a*b與3*(a+b)這兩個數值中較大的數值。所以如果我們有兩種投入變數(a=2)以及兩種產出變數(b=2),3*(2+2)=12大於2+2=4,Max{2*2 ; 3*(2+2)} =12,因此n必須大於12。

DEA的優點與缺點

從上面的醫院實例可以看得出來,DEA對實務管理很有幫助,一來它可以化繁為簡,將眾多成效指標統合分析,並用效率分數呈現出來,讓決策者一目了然,而且DEA更提供了明確的標竿對象與經營或改善努力的目標與方向,這是其它很多計量分析方法所沒有的優點。

前面提過,DEA是屬於一種非參數分析技術,顧名思義,就是我們在進行資料分析以前,不須先假設或構思計量分析的參數模式,而完全由手上所掌握的資料去進行估算。如果我們將DEA與古典迴歸分析(典型的參數分析方法)拿來做比較,便能更清楚比較出這兩者的差別。當研究分析人員使用迴歸分析時,必須先建構參數關係模式(描述變數之間關係的數學公式,比如y=β0+β1x1+β2x2+β3x3,此處β就是參數),再去進行資料分析。我們在進行DEA時,並不須要先提出任何模式,而是由資料的運算來告訴我們結果。古典迴歸分析的結果則會受到我們所使用的關係模式的影響,當我們使用不同的關係模式時,即使是同樣的資料,也會得到不一樣的結果。

此外,由於非參數分析技術不必像參數分析方法要去假設變數的分布狀況,也少了很多相關的分析前提與假設,因此受限程度也比較低。比如一般的迴歸分析多半必須假設應變數的分布是呈常態分布。DEA分析完全不需要這些假設,而是忠實地照我們所給的資料去做分析。

話說如此,其實DEA在分析之前還是須要考慮分析模式(model)的問題,我們必須針對我們所研究或比較的對象、主題、目的等因素,選擇最適合的DEA模式來進行分析。最基本的模式選擇考量,是要使用哪些投入與產出變數,才能適切衡量我們所要比較的對象(如醫院、護理之家、醫療科別、診所等)的效率或品質。每一種健康照護機構或單位的運作/服務方式與目的都不相同,投入的資源與產出的成果也不一樣,只有當我們選擇到正確的投入與產出變數時,我們所衡量到的效率或品質分數才會正確。這與我們在使用迴歸分析時必須考慮使用甚麼應變數與包含哪些自變數的情形相當類似。

此外,我覺得DEA還有ㄧ些缺點或限制,首先,由於DEA所得到的效率分數是相對的數值,不是絕對的數值,因此DEA的結果敏感度可能很高,萬一我們的資料中有一個錯誤的異常的偏離值(outlier),就可能對結果產生很明顯的影響;相較之下,迴歸分析就比較穩定,因為迴歸分析是根據變數的平均值去做計算,若有outliers存在的話,其影響程度也會被減弱一些。此外,當我們用DEA時,倘若比較的對象或範圍改變時,每一家醫院的效率分數可能會很不一樣。迴歸分析基本上是根據隨機抽樣的樣本資料去做分析,只要抽樣沒有嚴重誤差,每一次分析所得到的結果應該會是相當接近才對。而且迴歸分析可以告訴我們估計值正確預測真正參數值的信心程度,DEA就完全沒有這種資訊。還有,DEA無法像迴歸分析一樣納入控制變數,去控制可能的干擾因素,因此DEA無法單獨進行假設檢定,我覺得這是為什麼DEA在學術界不像迴歸分析那麼被普遍運用的主要原因,因為科學研究主要是要透過各種變數關係的假設檢定,去釐清變數間可能的關係。不過DEA可以結合其他的計量分析(如迴歸分析),去做假設檢定。主要的做法是拿DEA所得到效率分數做為應變數,再考慮可能影響效率的因素(自變數),提出分析模式,用迴歸分析去探討。

DEA的主要模式

DEA針對不同的情況已經發展出很多不同的分析模式,最基本的DEA模式的選擇牽涉到兩個面向,第一個是投入取向或產出取向,第二個是考慮固定回報還是變動回報,由這兩種考量會形成四種DEA的基本模式。投入-產出取向的考量主要是在分析中所使用的投入與產出變數中,DMU可以掌控的是投入還是產出因素,下面有一個實例會針對這點做進一步說明。

固定-變動回報是指我們所用的投入與產出變數之間的關係是固定、遞增、還是遞減的關係。如果我們知道當增加一分的資源投入便會帶來一分的成果產出時,這時投入與產出變數之間的關係是固定回報(constant return to scale, CRS)。相反地,如果一分投入產生大於一分的成果,或者一分投入換不到一分的成果,這時的情況稱為變動回報(variable return to scale, VRS),而前者稱為遞增回報(increasing return to scale),後者稱為遞減回報(decreasing return to scale)。

CRS模式在比較所有的DMU時,是假設每一個DMU都存在固定回報的條件;而VRS模式則假設有些DMU是固定回報,有些是遞增回報,有些是遞減回報。因此CRS是用同樣的條件去比較所有的DMUs,而VRS會考量個別DMUs的情況,因此VRS的比較條件比較寬鬆,一般來說,在CRS的DEA分析中,效率分數=1.000的DMU比例比較低,這個比例在採用VRS的分析中會提高。

此外,有些DEA模式可以對變數之間的相對條件設定限制(weight-restricted models);有些模式可以讓我們分析不同時期的資料,以便找出效率的變化。

我自己覺得DEA實在是不錯的方析工具,不僅在研究上面能夠派上用場,在醫院實務管理方面可以運用的地方應該也很多。DEA不僅可以用來作同儕比較,還可以用來探討或追蹤自己機構或部門成效變化或改善的情況。比如我們可以分析比較某家醫院(或某一個部門)過去十年(或過去40季)來的效率或服務品質的變化情況(DMU是各個年度或各個季節)。

只是天下沒有一種十全十美的分析方法,每一種計量分析技術的目的與應用情況都不太一樣,研究人員必須視研究目的與條件去決定要採用哪種方式,或搭配哪些方式,使研究的信度與效度達到最大。同時必須知道所使用的分析方式的限制與缺點,以便在判讀結果時有所注意,做出正確的結論。

[1] 直覺上我們可以將迴歸線理解成最能夠代表這些點的中間線,也就是兩度象限的平均線。

2009年3月1日 星期日

推行長期照護保險須要思考的相關議題

最近行政院長宣布計畫在明年實施長期照護保險,引發正反兩面的討論,我覺得這是很好的現象,能夠喚起社會大眾開始思考相關的問題,及早做準備。然而長期照護保險是一個相當複雜的政策,牽涉範圍很廣且很深遠,有許多問題須要考量,並在長照保險制度中規劃進去,才能使此政策的美意能夠發揮,同時減少不必要的副作用。以下是我自己的ㄧ些看法:

公辦的長期照護保險應有必要

我在密西根大學醫務管理研究所修「健康保險」這門課時,曾與其他兩位同學組成一個小組,探討美國商業長期照護保險的現況與問題。我們針對商業長期照護保險未能普遍的現象進行分析,發現時間延遲(time delay)及很少透過團體購買商業長照保險(lack of a strong group market)是兩個最主要的原因。時間延遲是指大部分的被保險在投保之後須經過很久的時間(等年紀大了或失能),才能受到長照保險實質的保障,使得投保的意願大為降低。集體投保可以降低納保的行政成本,並擴大風險分攤的功能;目前美國大部分的公司有為員工投保健康保險做為員工福利(請參考<美國健保制度(2)-雇主提供的健保>),但未包括長期照護保險。因此,購買商業長照保險的民眾,絕大多數都是個別覺得有需要才去購買或納保。我們的結論是長期照護保險必須透過政策去推行,才能減少這些問題。

在美國,與健康(醫療)保險比起來,有購買長期照護商業保險的人約只佔成年人口的1/5,其中應該有不少部分的人購買的不是純粹的長期照護保險,而是有給付部分長照費用的人壽險。2003年美國長期照護總支出近2000億美金(不包括由家人所提供的照護成本)之中,公營的Medicaid及Medicare約佔2/3,商業長照保險的給付僅佔約9%,剩下的是自掏腰包的費用。

任何的保險都有兩個基本問題,一個是道德危害(moral hazard),另一個是逆選擇(adverse selection)。逆選擇是指保險公司可以篩選對自己較有利的保戶,而將高危險群的保戶排除在外,或者高危險群民眾可以隱瞞自己的風險,使得保險公司承擔過度的風險;問題的起因主要在於保險公司與保戶之間的資訊不對等(前者是保險公司擁有比保戶更多的風險相關資訊,使得保險的美意無法落實,後者的情況是保戶擁有比保險公司更多的風險資訊,造成保險無法永續)。

道德危害是指被保險人由於加入保險後,增加不必要的資源使用,造成浪費的問題,這是因為保險降低消費者所須支付的價格,使其需求上升所導致的。比如在全民健保實施前,我若有輕微的感冒,去看醫生雖然可能會比較快好,但是必須自付醫藥費,因此我通常是採取休息一下,讓感冒自然好;然而全民健保實施後,我會覺得看醫生只要付一兩百元的掛號費與部分負擔,而且保費既然已經繳了,不用白不用,或覺得不用就是損失,去拿個藥也好,因此激發就醫的需求;這兩者之間所多出來的就醫使用,就是全民健保道德危害的程度。

長期照護保險在道德危害與逆選擇這兩個問題上都比一般的健康(醫療)保險來得明顯,程度也更嚴重。長照保險道德危害的主要原因是個案依賴程度及需求的認定標準比較模糊,健康保險是給付疾病的診療,而長照保險是給付身心機能的退化所引發的照顧服務。一般來說,各種疾病的認定在醫學上比較有通用的標準,而且疾病診療過程本身並不是一件舒服或享受的事情,一般人不會沒事去醫院或診所拿苦藥或做抽血檢查,自討苦吃;因此消費者會去就醫,一般應該就是真的有生病或症狀。長期照護的情況相當不同,首先,個案身心功能在認定上有較大的模糊地帶,疾病還可以透過檢驗或檢查儀器與各種指標去研判,而身心功能的認定大多是透過生活行為的表現去評估(如使用Activities of daily living, ADLs指標),不同的評估者對同一個案的情況可能做出很不一樣的判斷;而且個案比較可以且有誘因去左右評估者的認定,特別是當評估者無法實際接觸與了解個案的日常生活狀況時,所根據的評估資訊大多是來自個案或家人的描述。這個問題可以從過去經常發生勞保黃牛教唆個案誤導評估者開出殘障證明,詐領殘障給付的事件可以看得出來。也有不少案例是有人為了申請外勞或幫傭,由家中的年長者去取得申請外籍看護的資格,而事實上個案尚未到需要到專人照顧的地步。長期照護中有一大塊是社會照顧(居家看護、送餐、居家環境打掃、簡易的復健等),這部分的服務在納入長照保險後特別容易誘發大幅的需求。

長照保險在逆選擇問題上與健康醫療保險的情況也不太相同,健康保險中,通常是(在剛納保階段)被保險比較清楚自己的健康狀況與風險,而保險公司較缺乏這些資料;但在長照保險中,保險公司很容易知道個案的失能或照護風險,因為年紀與失能的可能性與程度有很直接的關係,也就是年紀越大,失能的可能性與依賴程度也就愈大,對保險公司來說,年紀越大的人風險越高,因此投保的保費越高,甚至有些年長者想投保卻被拒保;保險公司可以根據年紀很容易去篩選保戶,或排除高風險的保戶,使得真正需要的個案得不到保險的保障。

另外一個造成商業長照保險不普遍的重要因素是目前很少公司或團體有為員工或會員集體提供長照保險,購買長照保險的人大多是個人投保,這會增加投保作業的行政成本及保費,並使得保險公司可以針對個人的情況去做投保前的風險評估,造成更多需要的人被拒保的可能性。當納保人數不高,風險不能有效被分散,保險公司的風險比較高,保費偏高,投保人數越少,如此形成一個惡性循環。

不過,我們也想到,絕大多數的人壽險也都是透過個人投保,並未經由團體投保,為什麼長照保險的投保不像一般人壽險那麼普遍。這便牽涉到另一個長照保險的特色—時間延遲。大部分的保險都是為了立即的可能風險,比如健康保險的出發點是每個人隨時都有生病就醫的需要;可是,基本上對長照保險來說,大部分所考量的是年老之後因為身心機能退化可能造成的失能與對照護的需求。雖然年紀越輕投保的保費較便宜,可是青壯年通常不會為他們認為二、三十年之後才會需要的長照購買保險;而且消費者會擔心保險公司在二、三十年之後是否還在經營;對保險公司來說,未來二、三十年的照護費用的上漲情形某種程度上很難加以預測(這也與道德危害程度與保險公司所承擔的風險有關),因此保險公司對長照的風險會用較高的標準去認定,保費也會訂得比較高。如此一來,就更使得長照保險的保費偏高,年輕人更不願投保,也使得年長者負擔不起保費。而且不少美國人誤以為Medicare有包括所有的長照費用(事實上只有部分),所以就不曾去考慮購買商業長照保險。

基於以上的瞭解,我們覺得長照保險比較難用市場商業保險機制去處理,而比較適合用政策或法令去規範及實施,才能有效分散相關的風險,由整個社會去分擔長照的風險與費用。像美國就是一個明顯的例子,雖然美國社會很依賴商業保險機制,但是公辦的Medicare及Medicaid自然而然地還是承擔大約2/3的全國長期照護費用,而且比例應該會越來越高。我相信長期照護保險最終還是得透過政策及法令,由全民共同承擔。其他許多已開發國家也已經推動長期照護的社會保險(如德國與日本),或納入國家的健康照護體系之內(如英國、荷蘭、加拿大等)。

長期照護保險政策須要慎重規劃

由於長期照護保險本身有其特殊性與複雜性,政府要推動公辦的長期照護保險實有必要格外謹慎,若規劃不夠齊全,或匆促實施,所造成的副作用將會非常深遠。

在道德危害的問題方面,須要透過部分負擔或自付額的設計,以及訂定適當給付範圍或對象來降低。我個人覺得現階段長照保險應該採取「保重不保輕」的原則,用於高失能程度的對象,如全時間臥床或失智症個案,以減輕家屬在照顧這些個案的沉重負擔,而且這些對象的認定標準比較明確,較不會誘發出許多額外的需求與資源的耗用。其他輕中度失能的個案如要納入給付範圍內的話,需要相當高比例的部分負擔配套。

逆選擇的問題可以透過全民納保的社會保險機制來克服,目前行政院長期照護保險規劃小組也是朝這個方向在設計。只是在全民納保的制度下,更會凸顯時間延遲與代間公平的問題,因為一般來說,強制全民納入長期照護保險,對越年輕的被保險人基本上是越不公平的,因為年輕被保險人所貢獻的累積保費較多,可是現階段被保障到的機會很低,未來會使用到長照的機會也是要經過很長的一段時間之後,才會逐漸增加。

時間延遲的問題可能要透過社會教育以及社會大眾對長期照護廣泛深入的討論後,才能慢慢消除。德國是全世界最早實施公辦健康保險的國家(1883年開始實施),但也是經過了一百多年,才在1995開辦長期照護社會保險,這當中經過很多的討論。全世界高齡化程度最高的日本也是經過長期的討論,並充實長期照護服務體系之後才在2000年實施公辦長照保險。當然台灣因為少子化趨勢以及生育率快速下降,高齡化速度在全球數一數二,長期照護需求會增加得很快,我們可能沒有太長的時間可以慢慢討論,不過就目前的情況來看,仍有需要更多的討論,讓社會大眾體會到長照是整個社會迫切的需求。日前長照保險規劃小組成員楊志良教授接受媒體採訪時表示:「長照照顧的不僅是老人,而是家庭。」我很認同這樣的觀點,但需要社會上更多的民眾接受這樣的觀念,才是實施的成熟時間。此外其實我覺得雖然老人需求長照的機會與程度較高,青壯年或每一個人也都有潛在的失能風險與長照需求,所以我覺得應該像德國所採用的制度,將長照保險定位為失能保險,是以失能做為給付條件,而不限定年齡層或侷限於老人。這樣才有讓全民納保的正當性。

代間公平或代間正義(generational justice)的問題所牽涉到的是長照保險是否能夠永續經營,由於長照保險實施後,青壯年開始貢獻其保費,可是當二、三十年之後他們年老時需要長期照護時,是否能夠獲得與他們的貢獻相當的照護保障。每一種社會保險都多少有世代不公平(上一代的人享受福利,卻由下一代的人付代價)的潛在問題(請參考前淡江大學保險系柯木興教授的短文討論[1]),不過在長照保險中這個問題特別突出,我覺得這是長照保險最嚴肅也最重要的課題,也是最近的討論尚未著墨太多的地方。

日前行政院長期照護保險規劃小組成員透露長照保險的初步規劃內容,似乎在強調保費不高(約佔民眾收入所得的1%),且可以擴大內需與就業[2]。對於政府想要推動這項政策的動機來看,這樣的說法是可以理解的,因為在現階段經濟不景氣的大環境之下,這種切入點比較能夠獲得民眾的支持。但是我認為規劃小組有必要再做更詳細的經濟效益評估,以及更審慎的規劃,詳實向人民報告,經由廣泛討論後再決定實施與否。

我想到的問題至少有三個:(1)規劃小組所說的低保費是根據現在的長照使用率、還是未來的使用率去計算的?(2)這樣的低保費可以維持多久?(3)當保費不足而須要提高保費時,要經由甚麼機制?

由於前面提到,長照保險有較明顯的道德危害可能,長照保險實施後,長照服務的需求與使用率有可能快速增加(這也是規劃小組所預測的,因為他們希望藉由長照服務的擴大來帶動內需與就業),如果初期保費是根據現有的使用率去計算的,那應該很快地就會不足以支應照護的支出,到時財務透支的問題會比健保更快。如果規劃小組是依照未來的使用率去計算初期保費,則有必要向社會大眾說明所依據的假設是什麼?而且這樣的保費可以維持長照保險損益兩平到甚麼時候?當保費不足或長照保險財務透支時,保費要不要漲?要如何漲?會不會像現在全民健保面臨巨額透支卻騎虎難下的類似問題?這些問題直接牽涉到長照保險是否能夠以良好的財務體質永續經營。

此外,我對長照保險所可能帶來的實質經濟效益(擴大內需與提升就業)有ㄧ些保留。目前規劃小組對外透露的長照保險內容只讓我們看到長照保險可能的好處(保費低又可以帶動內需、擴大就業),卻沒有提到可能的問題或兩難的地方,我在想這個政策真的如此兩全其美嗎?道理很簡單,如果要維持低保費,長照保險對照護的給付應該不會很理想,那願意投入長期照護服務的機構與人士就不會太多,長照服務市場的擴大也會有限,這也是為什麼目前長期照護很依賴外勞的原因。

其實就我所知,長照用到的專業照護人員比例並不算高,主要照護人力結構是基層的照顧員,目前這些工作的薪水低,負擔重,勞力程度高,願意從事這個工作的國人並不多,大多依靠外勞或外籍配偶。除非政府規劃的長期照護保險願意付比現在的照護費明顯更高的給付,否則我相信願意從事這個工作的國人還是不多,對提升國人的就業率並沒有太多實質的貢獻。相反地,如果給付要比現在的費用來得好,對擴大就業的確是有幫助,但是保費也許就沒辦法那麼低了,或者初期可以,但是不久之後就可能要出現財務透支了。

我想要指出的是,在長期照護保險這件事上,強調保費低與帶動內需或擴大國人就業是不太能夠兼顧的方向,至少長期來看是沒有辦法的,這就類似「又要馬兒好,又要馬兒不吃草」的情況。政策規劃小組的成員提出這些論述,讓人不免感覺到規劃小組是否已經真正做好審慎的評估與規劃?或者有讓全民意識到必須共同來承擔整個社會長期照護的體認與決心。

這些討論也讓我們看到,健康照護體系的相關問題實在是環環相扣,難怪以前有一門課的教授提醒我們,有關健康照護制度的改善,如果有人提出一個自認很容易的解決方案或政策,我們必須要特別小心,因為情況及後果可能沒有我們想像的那麼單純。

尤其當今天全民健保已經面臨許多尚無法解決的問題時,我們不應該對長照保險的實施看得過於簡單,我覺得長照保險政策規劃應該要就全面性以及長期性去做深入考量,謹慎規劃,有具體方案後多方廣納意見後,再作實施的決定還是有必要的。

[1] http://old.npf.org.tw/PUBLICATION/SS/094/SS-B-094-007.htm [2] http://udn.com/NEWS/HEALTH/HEA1/4749928.shtml

2009年2月27日 星期五

Obama的國會演說讀後感

在網路上看了Obama總統前天的Address to Joint Session of Congress(http://www.whitehouse.gov/the_press_office/Remarks-of-President-Barack-Obama-Address-to-Joint-Session-of-Congress/)。整體來說,他的核心理念是相當清晰,也相當有特色,對美國的前景提出了與以往很不同的論述,至少很多年來幾任的美國總統很少同時觸及這麼多核心的問題,而能夠跳脫陳腐的角度去加以剖析並提出全盤性的對策的。難怪有九成的美國人對Obama這次的演說表示認同。

這篇演說,我覺得重點是在經濟與預算案,但讓我印象最深刻的是他對美國教育的反省與願景,他也強調家庭與家長在教育方面的責任,對他們提出挑戰,這是讓人相當佩服的。

對這波的經濟不景氣,目前似乎還看不到有具體的經濟理論可以有效挽救,各國都是走一步算一步,能夠保有政局成為最主要的考量。就我來看,美國新政府所嘗試的方法是對企業的援助與想辦法讓資金能夠流通,以帶動經濟活動,這些做法都是可以理解的。不過我覺得過去由美國的過度消費來帶動世界經濟的模式已經行不通,美國的政府赤字與國家債務已經高到危險的地步,我認為如果Obama政府真的要在美國歷史上塑立一個永恆的執政典範,並對全世界有根本性正面影響的話,應該改變整個思考模式,以漸進的方式將經濟導向可以永續發展的方向去走,並透過教育或社會教育去改變美國人浪費的生活習慣。如果這樣來想,這次的經濟不景氣不見得完全是危機,反而可能是轉機。我覺得Obama在競選時有點到ㄧ些美國的問題癥結,不過當他開始執政時是否能夠落實這些改變的理念,是一大挑戰。

不過在健康與醫療的問題與改革上面,我覺得Obama還沒真正抓到癥結,也有點太過樂觀。此外是他多次提到健保/醫療成本太高是導致美國企業缺乏競爭力的主要原因,我覺得這也是沒針對到問題焦點。美國三大汽車公司也是講同樣的話,將汽車賣不出去歸咎於他們需要幫員工負擔健保費,而日本車廠不用,因此每部日本汽車的生產成本比美國車低,導致美國車廠將市場拱手讓人。美國車廠沒有看到日本車廠也是要幫員工分擔各種社會保險的保費,而且美國車廠直到最近要跟政府請求援助之前,都不去提日本車比美國車能源效率高,維護費與故障率低。

其實我從一個外國人的角度來看,Obama所提到這些問題都有一個共同的原因,就是美國人的待遇太好,生活太過優渥了。有些學者探討美國醫療費用高漲的原因,發現最能解釋的因素就是收入,由於美國人收入高,因此醫療上都要追求最先進的,不在乎成本,這也是多年來試過這麼多不同的制度或政策改革,對於健保或醫療費用的管控始終不見具體成效的原因。 缺乏競爭力與產業外移也是跟收入高有關,我相信各種產業的成本中,人力成本都是最主要的,薪資是人力成本中的大宗,健保福利成本只是其中的一部分而已,如果只看到健保成本比其他國家高,卻沒看到薪資的部分,則是有點駝鳥心態。就算有一天美國實施全民健保,企業不須幫員工買健保,這些成本還是會用其他的方式去支付。

最近我會將美國與中國拿來做一些對比與思考,目前的想法是美國是民間很富有,政府(國家)欠一堆債務,而中國是民間普遍很窮,政府(國家)卻有錢的不得了,拿巨額的外匯存底來買美國政府的債券,支持美國的繁榮。這使我覺得美國現在高度物質化的生活某種程度上是建立在外債的基礎上。像前一陣子投資銀行出事之後,或大企業經營不善之後,還不是將爛攤子丟給政府舉債來收拾,可是這些企業的主管早就已經吃飽賺足。

而且,通常人在物質條件很好的生活環境下,工作上就不比較會那麼積極認真,勤奮程度降低,工作效率減少。像台灣國內生活條件變好之後,現在台灣年輕人大多已經逐漸喪失上一輩台灣人那種勤勞與敬業的精神。在美國,我覺得也是有這個問題,一般來說,我感覺美國人的工作效率或敬業態度甚至比台灣人還低。我覺得這才是競爭力差的主要原因,也是醫療成本高漲(醫療人員收入高,效率卻不彰)的主要因素。美國政治人物(如Bush與Obama)經常說美國人是世界上最hard working people,這點我一直不認同。那是美國人沒有看到其他國家的人勤勞的程度。

我覺得如果美國人無法反省到這個層面,回到清教徒那種追求理想,勤奮工作的特質,那現在的各種問題可能不容易徹底解決,甚至會一再發生。用同樣地觀點看台灣,我相信應該也適用才對。

當然美國個角落還是有不少傑出、有理想且勤奮敬業的人(Obama在這篇演說後面提到了幾位人物)。在美國教會我也接觸到ㄧ些不僅關心美國,也真正關心世界各地方的人,並願意實際奉獻付出的朋友,他們是真正讓我感動的美國。如果有機會,我會建議Obama總統除了立即性的政策與經濟問題之外,應該思考如何透過他的影響力,將這些人凝聚起來,而且感動更多人效法,重新塑造美國的理想與價值觀。做這些事的成效也許無法馬上看得出來,但是這樣的貢獻卻可能是更深遠的。

2009年2月22日 星期日

美國營利與宗教屬性的安寧照護(hospice)機構的差異

長久以來,健康經濟學家對不同所有權屬性的健康照護機構的經營目的與行為是否有所差異深感興趣,較常被拿來研究的是醫院與護理之家,這禮拜讀到一篇論文[1]則是用營利與宗教屬性的安寧照護機構(hospice)來探討相關的問題。

在台灣,安寧照護都是附屬在醫院或由醫院提供的服務(包括住院或居家安寧照護),並沒有單獨提供安寧照護的機構。在美國有專門提供安寧照護的機構,有些是醫院附屬的(約佔32%),有些是居家照護機構附屬的(22%),有些是護理之家附屬的(5%),其餘是獨立經營的機構(41%)。其中,大約72%的安寧照護機構是非營利屬性,24%是營利屬性,4%是公營的機構。我記得在台灣曾聽趙可式博士強調安寧照護是急性醫療,不是長期照護,不過在美國,hospice是被歸入長期照護的一環。

美國hospice的主要付費者是Medicare,其Part A的受益人若符合以下三個條件,所受到的hospice都可以得到Medicare的給付:(1)經過病人的醫師與安寧照護機構的主任醫師認定在一般的病程發展下,該病人所罹患的是預期存餘生命不超過6個月的末期病症(不一定是癌症);(2)病人必須同意採用hospice,而不再接受一般的醫療處置;(3)hospice服務必須是由經過Medicare認證簽約的安寧照護機構所提供的。

在2007年有經過Medicare認證簽約的安寧照護機構共有3,257間,這些機構提供hospice給Medicare的受益人時,Medicare是採用論日給付的方式,但是有依照服務的程度分成四個層級的日給付額:(1)例行性的居家安寧照護;(2)特殊情況的居家安寧照護,這是指若病人若有特殊症狀時,安寧照護機構須要派遣護理人員至病人家中穩定病人的症狀,避免病人住院;(3)一般住院安寧照護,由安寧照護機構將病人送到所委託的醫院、護理之家或可以短期照顧病人的住院安寧照顧設施、(4)住院喘息安寧照護,這是病人短期(不超過5天)住院接受照顧,讓家人或平常的照顧者能夠有幾天的休息。

Medicare的hospice給付總費用當中,95%是用在第一類的給付,不到1%用在第二類的給付,用在住院安寧照護的費用也只有4%左右。由此可見,美國的安寧照護是以居家安寧照護為主。

此外,Medicare規定當病人接受安寧照顧滿90天時,機構必須提出延長服務申請,如果再滿第二個90天,則Medicare會比較嚴格審查該病人是否可以繼續接受hospice,而且之後每60天必須再申請/審查一次。

這篇論文的研究背景,即是利用Medicare的論日給付對安寧照護機構造成的財務誘因,去探討不同所有權屬性的安寧照護機構在追求利潤方面有沒有不同的行為取向。由於Medicare的論日給付並沒有因為病人的接受照顧期間長短而有所不同,也就是只要安寧照護機構照顧安寧病人一天,就能得到同樣的日給付。不過安寧照護機構照顧病人的實際成本,卻是呈現U字型的關係,也就是新病人剛開始接受安寧照顧的前四天與病人過世的前四天的每日照顧實質成本要比之間的照顧期間的每日照顧成本來得高,因此若病人能接受照顧的天數越多,對安寧照護機構來說可以得到的利潤越高。

這篇論文的核心問題,在於營利與宗教屬性(非營利)的安寧照護機構是否會在利潤的追求上面有不同的表現或行為,如果有,那表示營利與宗教屬性的安寧照護機構在經營目的方面的確有不同。問題是,我們要從什麼地方看出他們的利潤追求行為呢?通常這很不容易被觀察出來。作者最具創意的地方,就是利用營利與宗教屬性的安寧照護機構病人的平均照顧日數的長短(這是可以具體客觀去衡量的),來反應他們追求利潤的行為,因為如果要增加利潤,就必須要提高病人的照顧日數,因此我們可以去比較他們追求利潤的程度。

在這裡,作者有幾個重要的假設。首先,作者假設安寧照護機構無法影響或改變病人的存活天數,因為Medicare不給付安寧照護機構進行積極治療的費用,因此安寧照護機構應該不會提供症狀緩解之外的療護服務給病人。此外,作者假定安寧照護機構有辦法根據病人的某些條件去篩選預期存活日數較多的病人,或能夠去讓末期病人盡早接受由自己所提供的安寧照護;而且假設在這兩個因素之外其它會影響病人存活天數的因素都不是這些機構所能掌握的。由於依照法律以及Medicare的規定,安寧照護機構不得刻意挑選對自己有利的病人,因此作者也假定這些機構有特別的手段可以避開法律的監督。還有,作者基於有將近70%的安寧病人是由Medicare所給付,因此假定基本上每一個安寧照護機構的收入來源結構都是相似的,或是說這些機構主要的收入都是來自Medicare,因此都有共同的財務誘因程度。最後,作者也假定Medicare給付額足以涵蓋安寧照護機構的照護成本,至少在照顧期間的中間段應該是有足夠的利潤,因此可以激發照顧機構去追求利潤。

這篇文章用三種不同的經濟學觀點去解釋或預測營利與非營利機構的異同。第一種觀點認為非營利機構是「披著非營利外衣的營利機構」(nonprofits are “for-profits in disguise”),也就是營利與非營利機構雖然外表不同,其實本質都是一樣是利潤導向。雖然法令對非營利機構有許多約束,比如盈餘不得分配給特定的人,或要求非營利機構要提供較多對社區整體有利的服務,但是由於執法不徹底或有漏洞,還是讓非營利機構有機可趁,也以追求利潤為主要目標,然後再將利潤轉換成其他形式(如較高的薪資或車馬費),分配給董事或特定的主管或員工。

第二種觀點是認為非營利機構同時在追求兩個目的,一個是使命(Mission good),另一個是收入(Revenue good),因為非營利機構有其社會導向的使命,可是一方面又面臨損益兩平的底線,因此非營利機構對於可獲利的服務,必須像營利機構一樣去追求與經營,以便將左手所賺得的利潤,去幫助右手實踐使命,提供不具利潤的服務給需要的人。

第三種觀點是認為非營利機構是不具效率的利潤追求者(inefficient profit maximizers),這是因為非營利機構受限於營於不得分配的限制,因此對於利潤的敏感度比較低,雖然還是以追求利潤為出發點,可是經營上卻比較不像營利機構那麼精打細算,所以導致經營效率較低。

這三種觀點中,第一種觀點預測非營利與營利性的安寧照護機構都同樣是以追求最大利潤為考量,因此對於Medicare的給付方式的財務誘因與反應應該都是一樣的,也就是這兩種安寧照護機構的病人平均照顧天數不會有明顯的差別。根據第三種觀點,非營利與營利性的安寧照護機構對Medicare的給付方式的財務誘因與基本反應也會是一樣,可是表現上會有所不同,相對於營利機構,非營利安寧照護機構由於管理效率的不足,在挑選病人上面會比較鬆散,因此其病人平均照顧天數會明顯少於營利安寧照護機構的病人平均照護日數。第二種觀點所預測的也是如此,即這非營利與營利性安寧照護機構的病人平均照顧天數會有明顯的差別,且後者多於前者的,不過這是因為非營利機構還有使命的考量,因此也願意照顧預期照顧(存活)天數較短的病人,只要整體經營損益兩平即可。

由於不同的經濟學觀點所得到的預測不同,這篇文章並沒有提出明確的研究假設,但分析結果發現,營利安寧照護機構的病人平均照顧天數比非營利安寧照護機構的病人平均照顧天數多出14天,其中造成此差別的主要原因是營利安寧照護機構的病人當中,非罹患癌症的末期病人的比例要明顯高於非營利安寧照護機構中的比例,而非罹患癌症的末期病人的存活天數要明顯多於罹患癌症的末期病人的存活天數。這個因素造成營利安寧照護機構的病人平均照顧天數比非營利安寧照護機構的病人平均照顧天數多出約17天。此外,這篇文章並沒有發現這兩種安寧照護機構的病人在開始接受照顧的時機上面有明顯差別之處,作者是去衡量病人從醫院出院至開始接受安寧照顧之間的時間,這兩類的安寧照護機構的病人在這段時間的長短相差不多。

這份研究的主要發現是,營利的安寧照護機構確實比非營利的安寧照護機構在對財務誘因的反應以及追求利潤上面有更積極的行為表現,從非營利安寧照護機構對挑選預期照顧天數較多的病人(透過照顧較高比例的非罹患癌症的末期病人)上面可以看得出來。

這篇文章所用的研究設計與計量分析方法都相當嚴謹,考慮得很周到,因此所得到的證據或結論很有說服力,也讓人找不到有嚴重的限制或缺點。唯一可以挑毛病的就是去質疑作者的假設是否合理而已,特別是會不會有其它會影響病人存活天數的因素跟安寧照顧機構是有關的。比如,絕大多數的hospice都是透過居家服務方式提供的,病人大多是住在家裡,因此家裡的支持環境(家人的關係、物質或照顧條件等等)可能是影響病人存活天數的重要因素之一。如果安寧照顧機構所在的地區與病人居家環境好壞有關連性的話,那這個因素就會成為一個干擾因素。

更具體地說,如果大部分的營利性安寧照顧機構都在社經條件比較好的社區當中,那這個安寧照顧機構自然會照顧到比較多居家環境比較好的末期病人,由於這些病人的居家支持系統較好,因而存活天數較長,並不是因為這些營利安寧照顧機構選擇病人的結果。當然,如果真是這樣的話,我們也可以說營利安寧照顧機構選擇在這些社經條件比較好的社區中經營,本身也是一種經營策略的考量,是透過服務地點來間接篩選病人,以使自己的利潤達到最高。

[1] Lindrooth, R. C., & Weisbrod, B. A. (2007). Do religious nonprofit and for-profit organizations respond differently to financial incentives? The hospice industry. Journal of Health Economics, 26(2), 342-357.

2009年2月16日 星期一

研究倫理

這禮拜的「研究提案規劃」課討論到與研究相關的學術倫理。這門課的教科書”Proposals that work”的第二章[1]提到了幾點相當重要,有時卻很容易被忽略的研究倫理議題,從這裡也讓我想到行政管理中的相關問題。

這一章用「誠實」為中心軸來貫穿研究的倫理。首先,作者認為科學的基礎與目標是「真實」或事實(truth)。科學的終極目的在追求或瞭解真理或真相,而所使用的手段也是「有一分證據說一分話」。科學家或研究人員的最基本要求是對自己、科學精神、被研究對象與研究社群誠實,絕對不能有絲毫的造假與扭曲,否則是對科學與對自己最大的殘害與踐踏。

誠實的原則對任何人都絕對不是陌生的道理,我們從小就被教導誠實的重要性,受過高等教育的研究人員或科學家會不懂這些原則嗎?事實上研究工作中有許多的試探,會引誘研究人員做出違背誠實的行為。首先,學術界的激烈競爭有時候會使得研究人員不擇手段,在有些科學領域的最前端,最先獲得成果的是「英雄」,僅一步之差的人變成為「狗熊」;有些領域則是有好幾個研究團隊同時在競逐研究成果,以便爭取專利權。這些競爭都有可能誘發研究人員去造假研究的動機。像幾年前南韓的一位教授宣稱完成全球複製牛的首例,後來被揭穿這項成果是造假的。在社會科學的領域,不同研究團隊之間的競爭比較不像自然科學那麼白熱化,不過有時為了爭取大型的研究獎助計畫,在研究上動手腳也不是沒有發生過。此外,在大學任教的教師,特別是資淺的老師面臨升等或發表論文的壓力,有時也會激發出「抄捷徑」的動機,而違反誠實的基本原則。當然,研究生在面臨畢業與完成論文的壓力下,陷入試探而對資料或結果造假也是可能的。

在此章節中,作者針對三個方面,對研究相關的倫理提出相當具體的建議與提醒,我覺得是蠻值得參考的。

一、研究過程方面—對被研究對象或研究參與者的坦誠

這方面主要的重點在於保護被研究對象或研究參與者,並且在徵得其同意參與研究之前,必須提供充分且正確的研究相關資訊,包括目的、方法、過程、各種可能的利益與風險、參與者的權利(包括隨時可以退出且不必受到任何懲罰的權利),在完全的坦承與資訊透明下,讓被研究對象自由決定參加與否,不能有任何的強迫。其實這也就是「告知後同意」(informed consent)的原則。美國法律目前規定所有領取聯邦政府研究補助的機構都必須設置機構內研究審查委員會(Internal Review Board, IRB),就研究過程中如何確保被研究對象的安全與權益進行把關。

作者指出這些要求乍看之下好像對研究會產生干擾並製造不必要的效應,其實是有助於科學的進展與確保後續研究能夠順利進行。有時候研究人員會擔心如果被研究對象知道研究的真正目的或進行方式,會產生預期心裡,而影響結果,因此選擇保留部分的資訊不給參與者知道。作者認為這種做法其實會導致被研究對象感覺被欺騙而不再信任研究人員,退出研究或採取投訴。最好的做法是對被研究對象坦白,包括若有些內容基於研究的準確性而無法事先告知,也必須事前讓他們瞭解有這樣的考量與做法,並確保事後一定會讓他們知道。在這樣的前提上讓他們在充分考慮後決定參加與否。

作者提到,現在學術界在許多與被研究對象安全與福祉明顯有關的研究(像臨床試驗)上面,研究機構與研究人員的警覺性大多比較高,因此真正出問題的情況不多,反而是在ㄧ些危害模糊不清的研究較容易被忽略。因此,像我們學校就規定所有使用到個人資料的研究都要送到VCU的IRB審查,再由IRB視研究內容決定給予免審、快速審查或全審。

此外,作者特別提醒要注意避免被研究對象是在某種「不得不」的感覺下而參與研究。以前經常發生老師以自己的學生為研究對象,學生無法完全自由地決定參加與否。另外,過去也曾有犯罪研究人員透過監獄對受刑人進行研究,在此種情況下,受刑人也會覺得是在受到脅迫下不得不參與。有時候職務關係也會造成這種脅迫感,如上司請屬員協助參與研究或填寫問卷。我則是想到有時候醫院請病人填寫就醫滿意度調查會不會也對病人造成某種程度的脅迫感,即使調查的結果只做為醫院內部改善醫療作業的參考。我覺得醫院在實施病人滿意度調查時,必須想辦法避免病人有這樣的脅迫感,讓病人或家屬完全是出於自願的參與或填寫問卷。問卷上應該要將目的與處理方法充分告知病人,讓病人自由填寫,再自己投入收集箱,以確保病人的匿名性。

我還想到醫院經常會接到大學研究所的研究生或學術機構申請到院內進行病人的訪談,或寄來研究調查問卷,請醫院協助填寫或發給院內人員填寫。如果依照目前美國學術界的要求,研究人員必須先通過自己學校或機構的IRB審查,同時經過研究進行地點或機構(在此例子中為醫院)的IRB或相關機制的審查這兩道關卡,才能在醫院進行研究。

還有,在醫院行政管理或品質管理方面有時會用病人資料做分析,雖然這不完全是學術研究的目的,也只是醫院內部的管理改善參考,不過我在想這是否也需要有相關的機制去把關,確保病人資料的安全與病人的權益?其實美國的「健康保險攜帶與責任法案」(HIPAA)已經要求美國的醫療機構在行政上必須採取明確的措施去保護病人的健康資訊。

二、研究成果發表方面—對科學社群與讀者的誠實

在這方面,作者提到幾項重點:
1.不可剽竊,或將別人的論點據為己有。若有引用別人的論點,必須忠實地註明,將功勞歸給原著者。對於著作權的尊重,若有使用,必須取得著作權者的同意授權。
2.誠實寫出所有發現的事實,而且是所有的事實,不能只講符合自己觀點的事實,也要忠實且清楚交代與自己觀點或預期不符的事實與發現。讓事實或資料分析的證據來引導結論,而不是由自己預期的結果或信念來左右研究的結論。
3.不可捏造事實以及在資料上動手腳。有一分證據講一分話,不能過度推論。在資料處理上一定要交代清楚整個處理過程,並且依照所處理的方式的限制去討論結果。授課的老師說有時候研究人員遇到部分資料不齊全時(missing data),會設法填入ㄧ些合理的數值去彌補,她認為在這種情況下,我們不能拿有改變過資料的變數做為重要的預測因素或解釋因素,這些變數頂多只能做為控制變數。此外,有時候計量研究人員為了要得到符合自己預期的分析結果,會去嘗試各種關係模式,也就是用各種不同的變數組合去重覆跑資料,這也是一種嚴重的捏造事實的行為。
4.絕對不能一稿多投,同一篇文章同時投給好幾家期刊是學術禁忌。
5.在研究成果還未真正出來前,不宜呈現任何的結論。經常有研究人員為了趕學術會議的論文發表摘要截止收件日期,在研究結果尚未底定前,就先寫好摘要給學術會議,這本身不僅是不實在的做法,而且可能引發後續的不誠實,如果研究結果與預期的不一樣,研究人員可能會編更大的謊言來圓前面的謊,或在資料上動手腳。
6.研究人員的履歷與自傳中有關學術著作或成果的記錄也必須忠實呈現,不要膨風或設法加以混淆,為使自己的履歷或自傳更好看。比如將一個自己是搭配角色的研究計畫寫成自己好像是計畫主持人一樣。作者建議在自傳中應該就各種不同屬性或程度的學術成果分門別類呈現,讓閱讀自傳的人一目了然,不會有任何的誤導。這樣做也可以兼顧誠實與學術成果的呈現。

三、研究者之間的關係方面—對同儕的誠實與尊重

學術界發生過很多這方面的問題,比如透過職務上權力的不對等去不當利用同儕(例如教授要求研究生替其個人做非研究相關的差事)、性騷擾、論文的掛名順序不當(比如不是依照每位參予者對研究的實際貢獻程度去決定順序,而是用職務高低去排名,或是研究生在研究中執行很重要的部分,卻無法掛名)。有時候研究者之間由於個性、學術觀點或利益的不同或衝突、甚至彼此之間的權力角力,也會對研究者的關係產生非常破壞性的影響。學術以及研究機構必須就這些問題設立適當的處理機制與規範,以有效預防問題的發生,或能夠公正做出處理因應,使學術關係運作上軌道。

[1] Locke, L.F., Spirduso, W.W., & Silverman, S.J. 2007. Doing the right things: “The habit of truth”, in Proposals that work: A guide for planning dissertations and grant proposals. Sage: Thousand Oaks, CA, pp.25-40.

調查研究(survey research)的幾個迷思

調查研究有ㄧ些過去被廣泛遵循或接受的看法與做法,比如認為調查回覆率越高越好、前測所用的方法、制式化的訪談進行方式、封閉式回答選項、以及社會讚許的反應偏誤(social desirability response bias)對調查影響程度等。後來由於調查方法的實證研究發現這些看法或做法本身也有ㄧ些限制或迷思存在,使得學者開始對這些傳統的看法或做法做必要的修正,並導致調查研究在新的世紀產生新的方向與趨勢。這禮拜讀到的一篇文章[1],就討論到幾個以往調查研究的迷思,並指出新的努力方向。

第一個迷思,是研究人員一般認為調查回覆率越高越好,因為在隨機抽樣的前提下,調查回覆率(如問卷回收率)越高,所得到的樣本也越有代表性,因此所得到的結果也更為準確。不過有研究發現回覆率與結果的準確性並沒有絕對的正相關,回覆率高不保證就較準確,而回覆率低也不一定就不準確。有一個實例是在預測15年來俄亥俄州的選舉結果,出乎意料之外的是通常回收率僅有20%的郵寄問卷所預測的結果反而比回覆率高達60%的電話訪問來得準確。其中主要的原因是通常不願意填寫選前調查問卷或拒絕受訪的人真正去投票的可能性較低,因此刻意將回覆率提高反而是將這些不太可能去投票的人拉進來,使得所得到的樣本的代表性降低,而無法準確反應真正會去投票的這一群人的意向,使得所得到的預測與選舉的結果產生明顯的差距。

第二個是有關於前測(pretest)的方法。以往當調查工具(如問卷)草稿設計好之後,多半會先請與調查對象有關的15-25人先試填或受訪,再請這些受訪或填寫問卷的人報告或反應他們在受訪或填寫問卷中所遇到的問題或經驗,根據這些意見去對問卷內容進行必要的修正,然後再正式實施調查。這種前測方式的問題由於方法比較鬆散,所得到的資訊也比較散漫,不一定對問卷的改善有幫助,而且所收集到的意見也比較停留在表面,無法真正獲知當受訪者或試填者在看到這些調查內容或問題時心中所想到的景象是什麼。近年來有其它前測的新方式陸續被提出,其中一種稱為行為紀錄(behavior coding),這是去觀察訪問者或受訪者在調查進行的互動中是否有出現預期以外的行為舉止或情況,比如訪問者是否有未照所設計的問題詞句去進行訪問?是否需要特別去探詢受訪者的地方?以及受訪者在過程中是否有詢問任何的問題?照理說如果一份調查問題設計得很好,這些情況應該都不會出現,所以這些異常可能就可以反應出調查工具設計不良的地方。另外一種越來越普遍的方式是認知訪談(cognitive interviewing),這是用事先規劃好的步驟,比較深入去從前測的首訪者口中取得對調查問題內容的看法,以及他們在了解與回答這些問題時的認知反應。透過這種方式可以收集到對調查問題與設計的改良比較深入且有直接幫助的意見。

第三,過去調查進行時有一個原則是必須確保每一位受訪者被問的問題與方式都完全一樣,這是為了避免因為訪問者的進行方式的差異,對結果造成額外的影響。在此原則下,對於調查實施的方式與過程都會嚴格要求一致化,而且不希望訪問者在問題本身以外多講任何的話或提供額外的訊息給受訪者,以免造成不同的受訪者得到不同的問題內容,因此訪問者都被訓練出制式的訪問操作方式。比如當受訪者對問題有疑問或不確定而請問訪問者時,通常訪問者都會簡單回答:「你想的是怎樣,問題的意思就是那樣。」最近有研究人員開始在質疑這種方式,指出如果受訪者不是真正了解問題的含意,他們只能隨便回答,而造成測量錯誤。研究也發現,當訪問者能夠針對受訪者的問題給予澄清,幫助其瞭解問題的意思時,調查回答的效度會提高。現在有越來越多的調查為了減少人為的因素影響,而透過電腦協助進行,若從這樣的角度看,用電腦取代訪問者其實會帶來ㄧ些負面的影響,因為電腦實施訪問的方式是機械性的,無法對個別受訪者所遇到的問題給予正確且必要的澄清。

第四點是有關封閉式問題與開放式問題的優劣,前者是只請受訪者就調查中所提供的選項去回答問題;後者則是開放給受訪者用自己的話回答。雖然這兩種調查方式各有擁護群,但過去幾十年來封閉式的調查設計是主流,開放式調查越來越不普遍。不過有研究發現封閉式調查有一些明顯的缺點,比如受訪者有時候會放棄自己真正的想法,而去牽就問卷中所提供的回答選項,造成偏差的結果。如果封閉式問題的回答選項能夠涵蓋所有受訪者可能提供的回答,最理想的,不過這很難做到或確保。還有,封閉式問題必須設計回答選項給受訪者勾選,很多研究已經證實,不光是選項的內容,連選項的設計(例如標示數字、文字與否,所使用的尺度等等)本身都會對受訪者的回答造成研究人員沒有預料到的影響。

此外,以往認為開放式調查的缺點(比如擔心受訪者在開放式問題中僅就當時想到的,而不是自己最核心的看法去回答;或者有些人不擅於表達自己的想法,開放式調查會使得他們有困難回答問題)則被發現沒有一般想像的那麼嚴重。而且,有研究發現有些問題使用開放式調查比封閉式調查更能獲得準確的結果。老師說開放式問題與封閉式問題各有利弊,要看我們調查的問題、對象、目的、資料分析方式而定。如果是問題本身比較複雜(比如族群背景),為了初步或廣泛探索別人對某個問題的想法,而且是用質性的分析方式,那開放式問題可能比較理想。如果問題本身很具體(例如:有沒有去投票),目的是要做假設檢定或尋找不同因素的關連性,且是使用計量分析的情況,那封閉式問題會比較好用。

第五個迷思是以前學界認為「社會讚許的反應偏誤」(social desirability bias, SDB)是影響很多調查準確性的一個重要因素。SDB是指受訪者在回答問題時,會朝向他們所認為較受到社會認可或讚許的方向去回答,即使這與他們內心的想法並不一樣。比如當我被問到政府應不應該擴大救濟範圍,雖然我真正的想法是不應該,可是由於我為了不想讓訪問者覺得我沒有關心別人的美德,而回答應該擴大救濟。此外,很多研究都發現在ㄧ些行為的調查所得到的結果與實際的情形有很大的落差,比如通常投票或擔任志工的調查所得到的結果都比實際的情況來得高,以往都認為這是受到SDB的影響,也就是當受訪者被問到是否有去投票或在社區擔任志工,有些受訪者可能會認為投票或擔任志工是社會所讚許的行為,因此雖然自己並沒有做,卻回答有,造成調查的高估。

最近的研究指出SDB的影響可能沒有以往所認為的那麼大或直接,或者說其實這些現象背後還有其他的因素影響,SDB並不是主因。研究人員發現當在投票行為調查中讓訪問者對受訪者強調投不投票並沒有好壞,以降低SDB,但對調查結果的正確性並沒有改善。經過近一步的對照,研究人員還發現回答某次選舉有去投票,但事實上並沒有去投票的這些人,過去大多確實有很頻繁的投票紀錄與習慣,因此研究人員認為他們回答的偏差並不是由於SDB,而是臨時性的回想錯誤,也就是他們將之前的投票的記憶用在最近一次的選舉,由於以前他們都有去投票,使得他們記成這次選舉中也有去投票,雖然事實上沒有。當研究人員請受訪者在回答問題前再仔細多想一下時(提高回想的正確性),發現這些錯誤便可以大幅減少。

最後,以往調查研究人員大多假設問卷設計好,去問受訪者時,受訪者就會很努力與用心,盡最大的能力去回想與回答,目前這個假設有很多問題已經受到很多的挑戰,研究發現受訪在許多情況下並不是用最大的心力去回答問題(optimizing),而是想辦法應付了事(satisficing)。有三種情況特別會鼓勵受訪者採取應付了事的方式去回答問題:(1)當回答問題的難度很高時;(2)當受訪者認知問題的能力不足時;(3)當受訪者缺乏回答問題的動機時。在這些情況下,受訪者很可能在問題的理解、想法的擷取、判斷與回答這四個步驟上面都草率帶過,甚至直接跳過擷取與判斷這兩個步驟,在理解問題之後隨便選擇一個選項去回答,用抄捷徑的方式去達成回答問題的任務,草草交差了事。

用satisficing的觀念,研究人員可以解釋不少調查研究中的現象與問題,像前述的封閉式問題設計,就提供受訪者走捷徑回答問題的機會;臨時性的回想錯誤,也是satisficing的一個結果;受訪者若對問題有困惑而無法得到即時的澄清,也會導致他們採取satisficing的方式去回答調查。

因此,如果我們想要從調查中得到比較準確的答案,必須設法降低受訪者的satisficing的取向,在問卷的設計上務必做到使受訪者認知能力有辦法清楚了解與回答問題,內容對受訪者來說不能太難或太簡單,並且想辦法提高受訪者回答問題的動機與意願。由此看來,要設計一份理想的問卷,實在是一門相當具有挑戰性的藝術與科學。

[1] Krosnick, J.A. 1999. Survey Research. Annual Review of Psychology, 50: 537-567.

2009年2月14日 星期六

對台灣實施長期照護保險的想法

去年底在網路新聞看到行政院有計畫在近年內實施長期照護保險,那時候心裡面就在想有可能這麼快嗎?今年一月底有新聞報導劉院長親口宣布將在明年(99年)實施長期照護保險。我內心還是蠻懷疑台灣能在明年將公辦的長期照護保險推上線,不知道劉院長是說真的,還是拋出政策風向球試探民意?若從報導上來看,馬政府的劉內閣已經是確定要執行這個政策,可是若依照新聞局長蘇俊賓對媒體的回覆,衛生署的相關精算應該是尚未出爐,劉內閣號稱自己為專業內閣,應該不會宣布或實施一個連評估都還沒出爐的政策才對啊!(請參考以下中時電子報的新聞)
http://tw.news.yahoo.com/article/url/d/a/090130/4/1dogg.html

關於台灣開辦長照保險,由於政府的詳細規劃方案還未公布,我們也無從評論。我個人是覺得長期來看是要往這個方向努力,但是開辦的時機可能值得商榷,如果是明年就要開辦,那可能是太過匆促。第一,社會尚未針對此議題進行討論,更別說已經有共識;第二,長照輸送體系尚未完備(上述中時電子報的報導中林萬億教授所說的不是沒有道理);第三,目前政府財政不佳,特別是全球經濟不景氣,長照保險財源要從哪裡來,民眾與雇主願意繳交保費嗎?若失業率繼續上升,所收到的保費足夠嗎?

以全民健保的經驗來看,在全民健保實施前,已經有農保、勞保、公保等體系存在,全民健保只是加以整合再擴大,而且健保是每個人都有可能用到,所以民眾繳保費的意願也會比較高。長照保險對主要繳保費的人(目前的工作人口)來說是一二十年以後才用得到,如果不是已經有相當強的社會共識,推展起來會很困難,而且也缺乏社會正義的基礎。

如果能不匆促上路,先做好規劃,並取得社會共識之後再實施長照保險是最好的。目前來看這些條件好像都還不存在,而只是「因為民進黨政府沒做,所以馬政府就要做」(如蘇俊賓所說的),這在邏輯上是講不通的。因為如果這種說法成立的話,那民進黨政府沒有做的政策是否馬政府都要拿來做?這是不可能,也沒有必要的。一個國家的政府或政策是有延續性的,馬政府或劉內閣如果覺得某個政策應該做卻還沒做,應該是去先去請教前政府沒做的原因,再看這些原因有沒有道理或還存不存在,再做評估與決定。

話說如此,假若馬政府一定要在明年就推出長照保險的話,我會建議採用德國的模式,將長期照護保險定位為失能照護保險,不以年齡為基礎,而以失能做為條件,先針對特定對象(如失能程度高的個案,像臥床個案或失智症個案)做為第一期計畫的內容,未來再視財政與景氣情況逐步擴大。一來是這些高失能程度個案的照顧比較有迫切性,認定上也比較明確,可以降低保險的道德危害程度。

2009年2月8日 星期日

回答調查問題的心理機制(psychology of survey responses)

最近「調查研究」(survey research)這門課都在學問卷內容設計。本來我以為設計問卷內容應該是很單純的ㄧ件事,只要把想要了解的問題問清楚,自然可以收集到很準確的回答或資料。修了這門課之後,才發現事情沒有想像的這麼簡單。

一個問卷內容大致是由三個要素構成的—問題(question stem)、回答選項(response category)與整體編排設計。光是問題要問得明確與恰當這件工作上面,就有許多原則要考慮,不過只要參考這些原則,應該不會有太大的問題才對。挑戰比較大的地方,在於受訪者如何回答,這方面牽涉到很複雜的心理機制,許多並非調查設計者所能完全掌控的。有許多學者已經投入這個領域的研究,使得回答調查問題的心理學(psychology of survey response)成為一門專門的學問,我們最近大多在讀這方面相關的書或文章,由於自己缺乏心理學的底子,一時之間被弄得昏頭轉向,不過漸漸地會覺得是蠻有意思的。

回答問題的心理步驟

受訪者如何回答調查的問題,會影響到問題該如何問,回答欄或選項要採用何種方式,以及問卷的次序與整體編排要如何規劃,因此對調查工作來說,瞭解受訪者的問題回答心理機制是一個非常關鍵的基礎。學者指出,當一個受訪者要回答一份調查(如問卷)中的每一個問題時,都要經過四個步驟:(1)理解(comprehension)、(2)擷取(retrieval)、(3)判斷(judgment)、與(4)回答(response)。首先,受訪者必須先試著去了解問題的意思,然後從腦海中叫出相關的印象、想法或感受,再從中進行判斷與選擇,決定回答的內容,最後才將答案填上去或講出來。通常受訪者在進行這四個心理步驟時,會同時受到問題的本身、相關的提示/說明,回答的方式(開放式或封閉式)與選項,以及同一份調查中其他的問題與訊息的影響,因此其實是相當複雜的心理過程。

在這四個步驟中,第二與第三的步驟是心理學家最感興趣,探討最多而且影響調查回答最大的部分。「截取」的步驟牽涉到記憶,「判斷」的步驟則與訊息刺激、選取和受訪者的處境有直接的關係。

行為調查與態度調查

調查的種類大致可以分為行為調查(behavioral survey)與態度或意見調查(attitude/opinion survey)這兩大類。前者像是收集病人就醫的次數或頻率、中學生吸菸的行為、年長者運動的習慣等等;後者的實例有調查病人對某家醫院門診服務的滿意度、民眾對廢除死刑的贊成與否、或對消費券政策的態度等等。

受訪者在回答行為調查的問題時,所根據的是對實際狀況或數字的判斷,比如若有人問我過去一週做了幾次的運動,我可能會直接去翻行事曆或記事簿,算出運動次數;我也可能去回憶過去一個禮拜內哪一天有去運動,再將運動次數加總;或者我只是憑我過去一般運動的習慣,比如大約兩天一次,去計算這一週內的運動次數。

一般來說,行為調查的回答比較有客觀的基礎,但是也不免受到許多種因素的影響。比如當問題所問的期間愈久遠的話,受訪者要正確回答的困難度也會愈高,也越容易產生誤差。不過行為資料的收集除了透過調查之外,還有其他管道可以進行,比如檔案記錄(病人健保IC卡中的就醫檔案)、或直接去觀察與記錄,因為行為是外顯的而且客觀存在的活動。

相較之下,態度或意見調查的回答依據就比較沒有客觀的基礎,每個人對某件事的意見與態度完全存在一個人的心中或腦海中,這是無法從外表觀察得到的,只能透過詢問與回答來取得。不過這並非說要了解別人的意見或態度,只能藉由進行問卷或調查來獲得。比如我們若要了解民眾對消費券的態度(贊同與否),可以從親朋好友的交談或對話中略知一二,也可以從各種媒體的報導、評論、或讀者/聽眾的call in反應,網路搜尋,或從相關的研討會或公聽會中去獲得。這些管道與方法都各有優點,只是,它們也都有嚴重的缺點與限制。到目前為止,透過問卷或其他方式的調查仍是一種相當普遍且可以大規模進行的意見或態度收集途徑,這可以讓我們將許多個人的意見統合起來,去了解整體而言民眾對某種議題或政策的態度取向。

回答問題的心理學模式

學者在研究受訪者回答態度調查問題的心理模式方面,提出幾種不同的見解。較早的學者認為每個人對某個議題早都有既定的評價,放在自己腦海中,而且每一個人心中對各種議題的評價或態度是蠻穩定的,不太會隨時間改變。這個見解被稱為「檔案櫃」(file drawer model)模式,比如當一個人被問到對消費券的意見時,他只要從腦中打開「消費券」這個櫃子,將原本就存在裡面的意見單取出來,照實回答,就大功告成。

這個模式很容易理解,但是根據這個理論,當同樣的人在不同的時間或場合被問到同一個問題,照理說都應該做出同樣的回答才對。可是實證研究發現,受訪者對同一個問題的回答經常有不一致的情況,有研究發現同一批美國的受訪者被問到對美國與蘇聯的關係的看法,在相隔半年的調查中,做出相同的回答的人只有一半。

針對這個問題,有學者認為原因主要出在有些受訪者並未對該議題有明確或既定的評價或意見,但基於對訪問者的禮貌,因此隨意提供一個答案給訪問者。另外有些學者認為受訪者的心中確實是有既定且穩定的態度與意見,可是由於調查問題本身的模糊或回答選項與受訪者心中的態度不相符,導致受訪者有困難將自己心中的態度套進回答欄裡面,結果造成調查的「測量誤差」,這也就是調查回答不一致的原因所在。

有的學者提出的見解是:存在受訪者腦海中的不只是對某個議題的評價或看法而已,還包括ㄧ些模糊的印象、受訪者自己的價值觀、其他相關的感覺或信念等等。當受訪者被問到某個問題時,腦海中會浮現某種評價、印象、感覺、價值或信念的組合,受訪者會根據當時所持的考量與回答該問題所需要用到的心思多寡程度,去決定要依照現有的想法去回答,還是將自己的意見再略做調整,或者提出新的看法。這個模式被稱為信念抽樣模式(Belief-sampling model)。

有一篇論文[1]提到另一個類似的見解,作者將其理論分成三個部分,第一個是指出大多數的人對各種議題經常持有各種矛盾或不同的考量,這些不同的考量點會將受訪者對該議題的態度導向不同的回答。第二個部分是說人們在回答調查的問題時,會就心中最容易想到的正反考量點,做快速整體評估,求得其平均值,拿來做為當時回答問題的態度取向。最後一個部分是指出人們在回答問題時,心中所想到的考量點是由某種機率取得的,比如若受訪者在最近曾經想過某個考量點,則這個考量點會有比較大的機會被受訪者使用來決定其態度。

後面所提到的這兩種見解是近年來較被廣泛採用的調查回答心理模式,我覺得是蠻有道理的,而且在這篇文章中有得到實務研究的證實。

比如若有人問我對死刑的看法或態度,我所想到的可能不只是一種意見,讓我可以很容易回答贊成或反對。事實上浮現我心中的,是一組錯縱複雜的想法以及各種不同的考慮,比如我會想到生命的價值與權利、社會成本、以命償命、基督教信仰的主張、誤判或冤獄、被害人與家屬的感受、遏止犯罪等等。這些考慮有些會讓我反對死刑,有些會使我贊成死刑。如果昨天我剛好參加一個由教會舉辦探討廢除死刑的研討會,聽到許多牧者講述為什麼不應該有死刑,今天有人問我這個問題時,我可能會將較多反對死刑的考量點納入評估,而做出反對的回答;不過如果最近我剛好與被害人的家屬有接觸,聽到他們的心聲與感受,受到這些影響,也許我所採取的態度與回答會傾向贊成死刑。

不過這不是說每個人對任何議題都有不明確的態度或考量,每個人應該對某些議題有很清楚的立場,不過應該沒有任何人對所有的議題都已經有斬釘截鐵、恆久不變的意見。大多數人對許多議題應該不是有那麼絕對的態度才對。

影響回答問題的其他狀況作用(context effects)

此外,受訪者回答調查的問題時有時也會受到調查中其他問題的左右。有一份很有名的研究就是在冷戰時期去問美國人贊不贊成讓蘇聯派駐新聞記者進入美國做採訪報導。研究人員將受訪者隨機分成兩組,一組受訪者的問卷中只問這個問題,另一組受訪者在被問到這個問題之前,還有另一個問題問說他們認不認為蘇聯應該接受美國的新聞記者派駐進行採訪報導。研究結果發現,兩組受訪者在對蘇聯記者派駐美國的問題上有很明顯不同的態度,前一組受訪者以反對居多,後一組受訪者當中贊成的比例明顯高於前一組。其實其中的道理不是很難理解,由於後一組受訪者的問卷中的問題,讓他們多了一層「對等」或「平等」對待的考量。

還有,調查方法研究人員也發現,調查中問題的排列順序也是影響受訪者回答的因素之一,特別是當兩個問題之間有關聯性時。比如上一個例子中,第二組受訪者的問卷中,將兩個問題順序對調,也會得到很不一樣的結果。另一個例子是一組受訪者在一份調查中被詢問對整體生活的快樂程度,另一組受訪者在這個問題前還被問到有關婚姻的快樂程度。結果發現第二組與第一組的受訪者對整體生活快樂程度的比例很不一樣,其中主要的關鍵在於第二組受訪者的回答明顯受到其婚姻快樂程度的回答的影響。通常愈籠統的問題(整體生活的快樂程度)的回答較容易受到具體的問題(婚姻生活的快樂程度)的回答的影響,這就是一個實例。

有一個研究是去詢問民眾對好幾個新聞議題或社經事件關切的程度,研究人員發現問題的排列順序會影響每個問題所得到的回答。通常相較於被排在第一個,同樣的問題被排在最後時,所得到受訪者回答密切觀察的程度會較高。這主要是因為當問題排在最先時,受訪者一時回想的印象比較淺,而對於排在後面的問題,之前的問題有勾起受訪者印象或提示的作用,因此受訪者對後面的議題會回答有較密切的關注。

學者也提到問題的問字遣詞也是一個影響回答的狀況因素,比如同樣針對墮胎的議題,一個問題問說是否應該「禁止」(forbid)墮胎?另一個問說是否應該「容許」(allow)讓孕婦決定是否墮胎?兩者所得到的結果是不一樣的,也就是前一個問題贊成的比例與後一個問題反對的比例有不小的差異。

運用

瞭解這些不僅對設計問卷或調查問題很有幫助,也對我們要去解讀或瞭解一個調查的結果或意義很有參考價值。在設計問卷或調查方面,如果調查是有連續性的(比如每季例行的病人滿意度調查),應該不宜去改變問題的順序,也不宜加入與原本的問題有相關的問題,這樣可以降低相關問題所帶來的效應,使前後的結果比較能夠做對照。現在有些用電腦協助的調查,在問題的排序上可以隨機調換,這樣可以減少排序所帶來的影響。

在調查的解讀與瞭解方面,這些探討與問題提醒我們,影響受訪者回答與調查結果的因素有很多,因此我們在解讀時必須特別小心,必須盡可能將重要的影響因素都考慮進來,才比較不會產生偏差與誤導。調查方法絕對不是十全十美的工具,事實上可以出錯的地方非常多,我們不應該毫無批判或警覺地全盤接受。不過如果慎重使用,將各種可能的影響因素考慮好,加以避免或考量,則調查還是可以提供給我們很重要的資訊。

[1] Zaller, J. & Feldman, S. 1992. A simple theory of the survey response: Answering questions versus revealing preferences. American Journal of Political Science, 36(3):579-616.

2009年2月1日 星期日

機構照護及居家/社區照護的關係與比較

我一直對長照當中機構照護(institutional care,如護理之家或安養機構的照顧)及居家/社區照護(Home- and Community-Based Services, HCBS,如居家照顧)的比較很感興趣。在台灣當我有機會跟別人(特別是學者時)提起及討論門諾照顧社區的想法時,有幾次聽到他們的反應是說機構照護比較貴、成本較高,居家/社區照護比較人性化,並認為去機構化是未來的主流,他們最常舉的例子是歐洲經過機構化照護時代後,現在大多強調居家及社區照護的發展。如果他們的講法是正確的,那門諾照護社區的設立就是違反長照的時代潮流。

我在想,就算歐洲長照的發展過程是這樣,台灣的情況也一定是這樣嗎?這裡有幾個問題要進一步討論:

1.居家/社區照護可以取代機構照護嗎?他們所提供的服務同質性高嗎?
若這兩者並非同質的服務,則居家/社區照護與機構照護是兩個不同的服務,各自有其對象及功能,它們便需要同時存在。如果它們之間有同質性及彼此取代性,則我們要繼續問第二個問題:

2.在台灣的情況,機構照護的成本會比居家及社區照護成本高嗎?
如果機構照護的成本真的比居家及社區照護成本高,那我們還要問最後一個問題:

3.台灣有可能完全跳過機構照護,只發展居家/社區照護嗎?或者說只靠居家/社區照護,完全不需要機構照護嗎?

在第一學期的美國健康體系這門課介紹長期照護時,老師有提到推展HCBS以取代NH的措施建立在幾個前提或基礎上面:

1.大部分的長者都想要自主生活
2.若有足夠的健康及社會支持,家人願意繼續照顧家中的年長者
3.若有足夠的支持,即使尚失生活能力的獨居長者也不需要照護機構
4.年長者在照護機構外的健康、生活品質及滿意度會比在照護機構內來得好
5.在社區內照顧年長者的支出要比在照護機構內的費用來得低

我目前不清楚台灣是否已經有人探討過這些問題,所以還不能解開這些疑惑;但最近剛好讀到兩篇文章,有討論到美國這方面的問題。

第一篇文章[1]指出在美國,居家/社區照護的發展似乎有取代部分護理之家(nursing home, NH)的服務。美國從1950年代開始護理之家逐漸增加;當Medicare與Medicaid在1966年實施後,對老人及身心障礙者提供長照服務的保險給付,但為了減少對護理之家的依賴,鼓勵HCBS的發展,希望能用有限的經費讓更多人得到適當的長照服務,從1970年代開始,在各州實施許多Medicare與Medicaid的HCBS示範/試辦方案。在1985-1995這十年之間,雖然高齡人口迅速成長,可是護理之家數量卻從19,100間減少到16,700間,住民人數增加的幅度也明顯趨緩(相較於1985年以前),導致護理之家住民及年長者的比例從每千位年長者46.2個住民下降到41.3個住民。作者認為下降的原因很可能是須要長照的年長者捨護理之家就HCBS。不過,作者也指出這段期間,護理之家的入住人次仍以相當大的程度在成長,反應出受到Medicare只給付短期護理之家(出院後100天以內)費用的規定的影響,並造成護理之家的平均入住期間及佔床率都下降。此外,護理之家數量的下降可能也與設立及評鑑標準的提高有關。

接著這篇文章也討論到護理之家與居家/社區照護成本的比較,根據許多比較研究的結果,發現絕大部分的HCBS示範方案都無法達到如原先所預期的比NH品質好及省錢的效果。原因可能有以下幾個:

1.HCBS相關的個案管理成本相當高(社工、個案管理師等)
2.護理之家服務涵蓋面廣,主要的保險給付來源Medicaid的給付不高,因此相較於HCBS來說並不會比較貴
3.護理之家的經濟規模優於HCBS
4.兩者所服務的對象不盡相同,因此無法得到很明確的結果
5.有一部分年長者儘管有需要長照,卻對護理之家有排斥感,但是若有HCBS的服務,他們就會加以利用,這部分的成本是額外多出來的,並不是從護理之家的成本轉過來的

第二篇[2]文章的作者認為HCBS取代NH的服務的情況並不明顯。這篇文章也是引用與上一篇文章同期(1985-1995)的調查資料,除了上述的變化趨勢之外,這篇文章指出經過這10年,護理之家住民的平均年齡增加,且由Medicare支付其費用的住民比例也明顯增加。事實上這段時期,NH住民並沒有減少,只是增加的速度趨緩,根據另一篇文章[3]指出,這與assisted living等支持性住宅的使用增加有關係,不過assisted living住民的依賴程度較低,與NH住民的情況不一樣,因此assisted living能夠取代NH的程度不高,有的話可能只是吸引部分較年輕、依賴程度不高且尚能自己行動的年長者,並使其延後入住護理之家的時間。

在HCBS方面,有長照需要且住在家中的年長者當中,由自己親人照顧的比例從74%下降至64%(1982-1994);ADL分數在3分以上且住在家中的年長者當中,由親人自己照顧的比例從66%下降至50%,這表示這些居家(非NH住民)年長者接受HCBS的比例有顯著增加。而從1990年至1996年,Medicare與Medicaid對HCBS的支出費用也明顯上升,分別是40億到180億美金,及48億到105億美金。這也反應出HCBS所增加的使用者主要不是由NH轉過來的,而是從原本就是居家的年長者開始利用HCBS而來的。上一篇文章也有指出這點現象,這是受到保險政策的影響。

不過,作者也有提到,醫療/照護科技的進展也是一個不可忽略的因素,這些進步可能使得護理之家的短期照護可以取代部分的醫院照護,HCBS能夠取代部分的護理之家服務的功能。不過目前看來能夠取代的程度仍相當有限。有位學者Weissert指出護理之家與HCBS服務兩者的關係是互補配對(complement,即有A也要有B),不是互相替代性(substitute,有A就不用有B)。從2009年OECD所公布的資料,也可以得到同樣的結論。請參考此文

我覺得NH與HCBS的關係就像是住院及診所服務的關係,HCBS是NH的上游,兩者有不同的服務對象,所提供的服務程度也不一樣。

我目前的想法/猜測是:台灣在因應未來高齡化的長照需求方面,機構照護是絕對不可少的,甚至比HCBS更重要。一來因為台灣的住宅設計基本上無法在家中照護年長者(特別是依賴程度高的年長者);再來是雙薪結構使得家中也沒有多餘的人力照顧年長者。這也是為什麼日本的長照比較偏重機構照護的主要原因。

[1] Kane RA, Kane RL, Ladd RC. “Spectrum of Care.” In The Heart of Long-Term Care. New York: Oxford University Press, 1998.
[2] Feder J, Komisar HL, Niefeld M. “Long-Term Care In the United States: An Overview” Health Affairs 19(3):40-56, 2000.
[3] Bishop, C. E., “Where Are the Missing Elders: The Decline in Nursing Home Use, 1985 and 1995” Health Affairs 18(4):146-155, 1999.

2009年1月26日 星期一

職務設計與有益社會的行為

在職場上有許多職務本身就是在從事對別人有益,或對別人的生命有所貢獻的工作,比如警察、消防隊員、社工、醫療人員、老師等等。此外,在各行各業的工作場合中也都可以看到有些員工或主管有主動關心、幫助其他同事,認真盡職為機構付出卻不求實質回報的組織公民行為(organizational citizenship behavior, OCB)。我們可以通稱此種想要使別人生命更為美好(making a positive difference in other people’s life)的行動為「有益社會的行為」(pro-social behaviors, PSB)。

從個人的角度來看,PSB的起因可能來自個人的宗教情操(比如基督教關懷別人的信念)、家庭或成長背景(如父母親的榜樣)、教育(公民與道德)等因素。至於工作場合當中是否有哪些因素會直接影響或激勵員工在自己的工作中表現出更多的PSB,則還不是很清楚,組織行為的文獻對此的探討與實證研究仍然相當缺乏。我在上學期組織行為課程中讀到一篇文章[1]則是對工作中的PSB的動機因素進行概念的討論與理論架構的建構,相當有意思。

這篇文章主要的理論基礎是工作特性理論(Job characteristics model, JCM),這個學說指出,工作中有幾個重要的客觀條件或特性會直接影響執行該項工作或任務的員工的心理感受,激發或降低其工作動機。這些工作特性包括(1)執行該任務所需技能的多樣化程度(skill variety)、(2)任務的完整性(task identity,指該員工只是執行該任務的一小部分,或是從頭到尾他都能夠參與)、(3)任務的重要性(task significance,指該任務對別人的正面影響或貢獻程度)、(4)任務的自主性、以及(5)工作成果的回饋。前三種特性會影響員工在執行該項任務時覺得有沒有意義;第四項特性會使員工對工作的結果產生責任感;最後一項特性有助於員工得知該任務執行的實質成果,帶動他及時採取必要的改善措施。根據JCM,這幾個工作特性可以產生重要的工作動機,決定員工的工作滿意度與工作成果。

JCM又被稱為職務設計理論(Job design theory),也就是說如果我們可以根據這五種工作特性的原則去設計一份工作或任務,或者在一份職務中盡可能將這五種要素放進去,這時工作或任務本身便能對員工產生不小的激勵與工作動機。這也告訴我們職務設計的重要性,一份職務設計得理不理想,直接關係到執行該職務的員工的工作意願與動機、以及所帶來的工作意義感、滿意度與成果。

雖然JCM獲得許多實證研究的支持,但是不免有其問題與限制。首先,有些學者認為JCM所提到的工作特性並非客觀的條件,而是受到員工主觀認知與詮釋的結果。比如不同的員工對職務所使用到的技能多樣性的感受不一樣,如果有一項任務需要用到三種不同的技能,對A員工來說已經很多樣化,B員工可能還是覺得很單調乏味。事實上JCM所使用的工作特性量表,所測量到的也是員工對工作特性的感受或認知,並非客觀的工作特性條件。

此外,有學者認為員工對工作或職務的認知其實受到工作場合中社會訊息或環境的影響很大,舉例來說,某位新員工剛進到一個機構,這個機構所提供的條件、環境、任務本身都是他所喜歡及滿意的,因此帶給他很高的工作動機,可是過了兩個禮拜,他的工作興致卻大為下降,原因是他周遭一位同事一直跟他抱怨機構的不好、工作的無聊、有志難伸等等負面訊息,這些訊息使得他的工作動機受到負面影響。

還有,員工對工作的感受與評價也受到工作中關係面向因素的影響,比如員工與主管之間、員工與員工之間、員工與顧客之間的互動關係,都會直接影響員工對工作認知的好與壞。如果一份工作本身會帶給執行的員工與主管、同事或與顧客之間的緊張關係,那這份工作本身可能會降低員工的工作動機。

這篇文章所討論的工作面向,便是屬於工作中的關係因素,更具體來說,是針對任務執行員工與所服務的對象(受益人)之間的關係。基本上這篇文章的作者提出,一份工作中執行工作的員工與受益人(比如消防隊員與火災戶、社工與個案、醫師與病人、老師與學生、警察與社區居民等)的某些互動條件會增進該員工PSB的動機,使其有更強烈想要對別人的生命有所貢獻、助益的行動。

作者在這篇文章中提出一個稱為「工作影響的概念架構」(Job Impact Framework),此架構的基本結構與JCM是相同的,只不過在此架構中,作者使用職務中的關係結構或條件(relational job architecture)來取代前面所提到的五項客觀的工作特性或條件。作者並將工作關係結構分為兩種面向,一種是工作對受益人的影響程度(job impact on beneficiaries),第二種是工作與受益人的接觸與互動(contact with beneficiaries)。第一個關係面向包括工作對受益人的影響大小(magnitude)、影響層面的廣泛與否(scope)、影響的頻率或次數(frequency)、以及影響的焦點(focus,大致有兩種,一種是預防傷害的造成或減少傷害的程度,如消防隊員的救災,或是增進正面的效益,如老師教導使學生進步)。作者強調工作對受益人的影響這個因素是指一份職務或角色或所有受益人整體的影響情況,不是單次行動或單項任務對個別受益人的影響。以護理人員的職務為例,這裡所討論的是某位護理人員對其工作整體對其所有病人的貢獻程度,並非對個別病人的幫助多寡。如果一份護理職務能夠讓護士瞭解到這個職務或角色對病人有很大的幫助(magnitude);看到所影響的範圍除了病人本身健康的恢復或病痛的減輕之外,還有對家屬心理負擔的排解與病人家庭幸福的貢獻(scope);而且經常感受到或得知這份職務對病人的助益(frequency)時,則這份職務便比較能夠讓護理人員感受到對受益人的幫助較大。

此外,作者認為工作對受益人的影響焦點若是在預防傷害方面,會比增進受益人福利的焦點更能提高員工的PSB動機。這是因為我們通常對於損失或傷害的感受比較深刻,而對增進福利的情況比較不會特別去注意。若是如此的話,我們應該可以預測搶救創傷病患的工作會比社區健康營造的工作使醫護人員覺得對受益人有較高程度的貢獻。

員工與受益人的接觸與互動這個面向包括五個因素,分別是(1)工作中接觸受益人的頻率或次數、(2)互動與接觸的期間長短、(3)雙方的地理上距離長短、(4)接觸互動的深度、與(5)接觸互動對象的廣度。這些是與前面的工作對受益人的影響是不一樣的面向,比如創傷搶救團隊的成員認知到很高程度的對病人的影響,但其實與病人的實質接觸卻很少,雙方甚至幾乎不曾有直接的溝通。

作者的推論是,工作或職務所提供員工與其服務對象(受益人)的接觸、溝通或互動的程度會影響員工所感受到其工作對受益人的影響程度,以及對受益人的情感投入(affective commitment to beneficiaries)程度。當職務給予員工與受益人更多的接觸互動機會,員工便更能夠認知其工作對受益人的幫助,也使其產生對受益人有更多的用心與承諾。不過,在這個關係受到另一個因素的影響,也就是員工所得到有關受益人的社會訊息,這些訊息主要來自各個機構與行業對其服務對象的特殊看法與認知。比如,有些醫院稱其主要服務對象為病人,有些醫院則以顧客稱呼,或稱之為來賓。每一種稱呼都代表對受益人不同的看法與認識。在一般小學老師的眼中,其受益人可能只是求學的兒童;但對特殊教育的老師來說,其受益人是需要特別幫助與栽培的小孩。當員工對其服務對象所持的印象是正面的話,雙方接觸越多越能促進員工對受益人的情感承諾,若是負面認知的話,接觸越多可能反而產生相反的效果。比如一位醫師如果從其社群得到病人的生病都是因為不良的生活習慣所造成的,因此病人是咎由自取;另一位醫師所得到的訊息是病人的疾病是由於遺傳因素導致的,病人的病痛是無辜的,我相信當雙方接觸越頻繁,後者會對病人的服務有較多的同情與用心。

這讓我想起一個有關門諾醫院前院長薄柔纜醫師(Dr. Roland Brown)的故事。薄柔纜醫師在門諾醫院服務期間,花蓮曾發生一起警匪槍戰,警察與歹徒都受傷,被送到門諾醫院急診,由薄醫師診治。當時薄醫師先救治那位歹徒,之後才醫治那位受傷的警察。隔天警局向薄醫師抱怨他怎麼先救歹徒,卻將執勤的警員放在後面。薄醫師得悉後表示,在他眼裡,沒有好人、壞人之分,只有病人,當一個病人有生命危險,另一個病人只是皮肉之傷,他當然以救命為優先。我相信很多在急診室服務的醫療人員也是秉持相同的專業原則在看待其受益人。

有些基督教醫院或社會福利機構將自己的使命定位在「為最弱小的兄姊妹服務」,這是引用聖經新約馬太福音的25章中耶穌所說的一段話,意思是說:當我們去幫助周遭一位弱小的弟兄姐妹(比如當他餓了給他東西吃,當他渴了給他水喝,當他孤單時去陪伴他等等)時,就等於是為主耶穌所做的。因此,像門諾醫院的宗旨就是「為主服務」(服務病人就是服務主耶穌),德雷莎修女在加爾各答照顧瀕死的人,也就是將這些貧苦的人看成是主耶穌一樣去服事他們,使他們在臨終前享有基本的死的尊嚴。這種見解提供機構內或修會內從事服務的人員對受益人很不一樣的認識與訊息,對他們來說,所服務的對象是內心最尊敬的對象,服務本身也成為是一件崇高與神聖無比的任務。

這篇文章的推論架構指出,員工PSB的動機主要是來自員工所認知到其對受益人的貢獻或影響的程度,而這個認知是由工作本身對受益人的影響程度,以及與受益人接觸的情況所共同決定的。因此,如果機構希望其員工有較高的PSB動機,則必須使其職務能夠對服務對象產生實質的正面影響與貢獻,並設計職務使之能夠讓員工有與受益人接觸、互動與溝通的機會。同時,還要注意提供有關受益人正面的訊息給員工。

我覺得這篇文章可以給機構的部門與單位主管很好的參考,在設計員工的職務時,必須考慮這些工作關係面向,設法讓工作能對服務對象產生具體的影響與貢獻,也讓員工在工作中有適當的機會與管道與其服務對象接觸、交流與溝通。機構也必須傳遞有關其服務對象正面的訊息給員工,使其員工更加肯定服務對象的價值與重要性,以激發其PSB的心志。

醫院的主要服務對象是病人,一般來說,臨床人員的職務直接會影響病人的健康、心理與福祉,也與病人有較多且實質的互動。可是醫院中行政或管理職務的主管與員工通常與病人的接觸機會較少,甚至工作中也並沒有很明顯或特定的服務對象或受益人,而且通常愈高層級的主管愈沒有機會與病人接觸或互動。在這種情況下,我覺得主管的走動式管理,醫院安排行政人員與主管擔任親善使者,到門診或病房去為病人服務,與病人接觸、互動,或者有機會去門急住診聆聽病人或家屬就醫的心聲以及對醫院所提供的服務的回饋,應該是有助於強化PSB動機。

不過,並不是所有的職務都能夠加進這些關係面向或條件,這時我覺得機構或許可以採取職務輪調的方式,盡可能讓每一位員工都能夠有機會從事關係面向比較明顯的職務,使其有增強PSB動機的機會。此外,機構也應該設計適當的管道或機制,去取得來自服務對象或內部員工彼此之間的肯定、讚美或表達感謝。比如,醫院可以去收集病人或家屬對醫院、某個部門或醫療人員對他們所做的幫助的感謝、讚美或回饋,並將這些訊息傳遞給有關的部門或當事者,讓他們知道自己所做的服務對病家產生實質的貢獻。還有,醫院內部也可以給員工有互相表達肯定、感謝與讚美的機會與管道,讓員工知道自己所做的確實可以幫助到其他同事的工作。

我認為一個機構最理想的境界,就是幫助其員工能夠在其工作中充分獲得PSB的動機,在此情況中,工作對員工便不再只是被要求去執行的事情,而是實踐理想,發揮生命價值與意義的最佳途徑,這時員工也會超越員工的角色,成為機構最忠心、最投入的「員工義工」。

[1] Grant, A.M. (2007). Relational job design and the motivation to make a prosocial difference. Academy of Management Review, 32(2):393-417.

2009年1月17日 星期六

2009年春季的課程

這學期我修了三門課,兩門是系上必修的研究方法課,分別是「健康照護機構成效的計量分析」(Quantitative Analysis of Health Care Provider Performance)與「健康照護的財務、組織與服務體系」(Health Care Financing, Organization and Delivery Systems)。另一門課是去VCU政府與公共事務學院選修的「調查研究方法」(Survey Research Methods)。

健康照護機構成效的計量分析

這門課主要包括三大類的內容:(1)資料封包分析(Data Envelopment Analysis, DEA);(2)受限應變數的迴歸統計模式(Regression with limited dependent variable);(3)資料或變數簡化技術(Data reduction techniques)。

資料封包分析(DEA)是作業研究(Operations research)與管理科學(Management Science)的一種分析技術,可以用來研究與比較機構的有效性(effectiveness)、品質與效率(efficiency)。通常在探討某種機構(如醫院)的品質或效率時,我們會找出可以衡量品質或效率的指標來做分析與比較,這些指標大多用某種比值(ratio)或比例(percentage)代表,由特定的分子與分母所構成。不過我們經常會遇到不同的指標之間不一致的情形,因此得到不同的結論。比如有兩種品質指標,A醫院在第一種指標的表現比較好,而B醫院則在第二種指標的表現比較理想,於是我們無法確定到底哪家醫院的整體品質比較好。

DEA的優點在於它能夠同時考慮由好幾個變數所構成的投入(分母)與產出(分子),有助於我們從眾多的相關資料中整理出一個整體的代表比值,讓管理者或決策者能夠做一目了然的比較與分析,以及進行決策。

DEA對於跨機構的標竿比較(benchmarking)很有用,這是屬於橫斷面(cross-sectional)的DEA分析;也可以用來做某一個機構長期的追蹤分析,這是屬於縱斷面的DEA分析;也可以就一群相同的機構,做長期的追蹤比較,這是屬於Panel approach的DEA。我覺得DEA不僅用來從事學術研究,對管理實務上的應用應該也很有幫助。

受限應變數(LDV)的迴歸統計模式是迴歸分析的延伸,主要用來處理當研究資料的應變數不是連續變數的情況。典型的迴歸分析(如Ordinary least square, OLS模式)的適用對象是當應變數是連續變數的情況,也就是理論上應變數可以是任何一個數值,這是最理想的狀態。可是有很多情況應變數只是0或1(比如有與沒有、虧損或盈餘、輸或贏)、若干整數(如0, 1, 2, 3, 4)、次序變數(例如非常滿意、滿意、持平、不滿意、非常不滿意),或某一段落中的數值,這時透過OLS所得到的估算值會有很大的偏差,因此統計學家或計量經濟學者針對這些情況發展出許多種不同的迴歸模式,來做較正確的統計估算。這些LDV的模式的基本數學原理不再是透過計算最小的「誤差平方和」(least square)來決定最理想的迴歸線,而是使用「最大可能性」(maximum likelihood)的機率概念並配合特定的機率函數去求得估算值。

資料或變數簡化技術是多變量分析當中很重要的課題,主要在從一堆變數中找出相同類型的變數,以便加以歸類,使變數的總數能夠減少。所使用的方法主要是去看不同的變數之間是否有數值變化情況相類似的變數,藉此區分出不同型態的變數類別。由於使用的原理不同,又分為因素分析(factor analysis)、群集分析(cluster analysis)與區別分析(discriminant analysis)。

這門課除了有兩份資料分析的作業之外,老師還要求我們要自訂一個感興趣的研究題目,運用這門課所教的分析方法進行一份實證研究,老師也期待我們能夠將這份研究發表在專業期刊上面,以此做為目標。之前修這門課的多位系裡學長與學姐也與授課老師Dr. Yasar Ozcan合作發表了不少篇論文。

Dr. Yasar Ozcan是土耳其人,在伊斯坦堡出生成長,在伊斯坦堡大學管理科學系畢業後來到美國進修,將近三十年前到我們系上任教,後來並在系上的博士班取得學位,目前是系上第二資深的老師。他的專長在於計量科學與分析,並將這些技術推廣運用到醫務管理的研究領域,像他對推廣DEA的運用就不遺餘力。他除了撰寫過幾本教科書之外,也催生並擔任「健康照護管理科學」 (Health Care Management Science)這本期刊的主編。

健康照護的財務、組織與服務體系

這門課是我們博士班課程的總論型課程(capstone course),光是從其課程名稱便看得出來,幾乎醫管的所有重要議題都可以被涵蓋於財務、組織與服務體系這三個面向裡面。其實這門課的主軸是醫務行政的研究方法,而目的主要是要培養我們撰寫論文提案與研究計劃的能力。

這門課對我們接下來的進修階段相當重要。首先,這學期結束後約一個月我們就要考第二次資格考,內容是研究方法。這門課剛好再一次讓我們加強研究方法的知識與能力,並實際運用於自己的論文研究。

授課老師也希望我們藉著修這門課的同時,著手進行論文研究的規劃,開始撰寫論文研究的提案,做為這門課的期末報告。如果順利通過第二次資格考之後,我們就可以提論文計畫讓論文委員會的委員審查並進行口試。因此理想的情況是當第二次資格考通過後,我們應該也可以很快安排論文提案審查與口試,過關之後便能夠全力進行論文研究與撰寫。我希望利用這學期修這門課時,開始準備論文提案,希望在資格考通過之後,能盡快提案。

此外,這門課也探討如何撰寫研究計畫以便申請研究獎助。這是畢業之後進入職場或在學術界很重要的能力。學術界基本上就是靠申請研究補助計畫來取得資源,而研究計畫的內容與品質是爭取研究補助的先決條件。

這門課是由我們研究所的所長Dr. Stephen Mick與另一位資深老師Dr. Dolores Clement輪流任教。今年這門課輪到由Dr. Clement授課,她於柏克萊大學的醫務管理研究所取得公共衛生博士學位,在我們系上任教多年。除了教學之外,她也有很豐富的行政經驗,曾擔任VCU醫技專業學院的副院長,目前也擔任我們系上在職博士班的主任以及醫務管理碩士班的主任。她的研究主題很廣泛,所以由她來教這門課是最適合的。Dr. Clement對學生好是我們系上出名的,學生非常喜歡邀請她擔任論文委員,而她也都樂意指導協助。至目前為止,我們系上博士班畢業生將近100人,Dr. Clement就擔任過約50位學生的論文指導委員。我到系上參加新生訓練那天,他知道我是從台灣花蓮來的學生,還主動跟我跟我問起認不認識東華大學的陳筱華老師(他用中文念陳筱華老師的名字,陳教授在1995年從我們系上畢業),還好我認識陳教授,否則就漏氣了。

另外一件事也讓我親身見識到Dr. Clement對學生的好。去年八月開始,博士班主任Dr. McCue指派我擔任Dr. Clement的研究助理,於是她請我協助一篇論文的資料分析。這篇論文原是一位在職博士班學生的畢業論文,Dr. Clement正在協助這位學生將論文發表在期刊上,而期刊的審查委員對這篇論文的方法有一些意見,並建議採用另外一種分析模式,剛好我在計量經濟學有學到,所以我就參與這篇論文的修改。由於該位畢業學生工作很忙,而且人在佛羅里達,因此幾乎所有的論文修改的細節工作都落在Dr. Clement身上,可是她還是甘之如飴,並仍然由該位學生掛第一作者。後來我們將論文修改好在11月送出去,現在已進入審查階段。在學期中,Dr. Clement告訴我以課業為重,除了與該篇論文的資料分析有關的事情之外,也從未再要求我協助她另外的工作。所以現在我幾乎是乾領系上的研究助理津貼。

調查研究方法

這門課與我目前的進修可能沒有直接的關係,但是在日後的研究與管理工作應該很能夠派上用場。由於我們系上比較著重巨觀的醫務組織或健康經濟議題的研究,而且系上有購買許多相關的資料庫給老師與學生使用,因此絕大多數博士班學生論文都是分析現有的資料,而不是自己去收集的一手資料。有多位老師也提醒我們自己收集資料的成本與風險(不確定性)相當高,他們多半建議我們博士論文先使用現成資料庫的資料,等畢業以後有機會再去申請研究補助經費,自己收集資料。

如果要自己收集資料,最常用的方法便是調查(survey),像是透過訪談、問卷或網路對特定的對象進行調查與資料的收集。這在組織行為研究(organizational behavior,或微觀的組織研究)方面用得很多;在管理實務上,survey對行銷管理、人力資源管理、服務或顧客經營、消費者研究等方面也很有用。因此我想利用這個機會學習一些相關的概念與技巧,以備日後需要。

Survey在政治學與政策研究方面用得很廣泛,比如民意調查、民眾政治行為(如投票)的研究等等。教這門課的老師Dr. Carolyn Funk除了是公共事務學院的副教授之外,也擔任VCU Commonwealth Poll的主任。這是一個VCU所設立,調查維吉尼亞州民民意取向的研究機構。Dr. Funk的專長是與選舉有關的民意調查,她也曾經在CBS新聞台從事選前調查工作,也擔任過NBC新聞台與BBC電台的選舉分析員。2004到2007年間她在華府一家很著名的調查研究機構Pew Research Center擔任資深研究員,協助各種民意調查問卷的設計、分析與報告撰寫。最近Dr. Funk也開始兼任VCU政府與公共事務學院博士班的主任。

Dr. Funk上課時表情有點酷酷的,可是言談中卻又不失幽默,而且一邊上課一邊喝瓶裝的無糖可樂。在第一天上課時,她用一個最近一家基金會所發表的針對美國成年人閱讀情況的調查報告,引導我們思考並討論當中可能的問題,以及如何看待與分析這樣的調查報告,讓我們對調查有另一層的瞭解,也引發我們想要進一步去探討其中的內涵與技巧。由此可以看得出來Dr. Funk是一位在教學方面相當有啟發性的老師。

這三門課是我的博士課程最後三門課,等這三門課修完,就要告別上課的日子,開始為論文傷腦筋了。

2009年1月12日 星期一

組織公民行為(organizational citizenship behavior)

組織公民行為(organizational citizenship behavior, OCB)是指「組織中的成員自發性所做的超越其職責內容的表現,這些行為會對組織的成效產生正面的作用」(discretionary behavior that is not part of an employee’s formal job requirements, but that nevertheless promotes the effective functioning of the organization)。有學者將組織成員的工作相關行為分為兩大類,一類是「角色內的行為」(internal-role behavior),另一類是「角色外的行為」(external-role behavior)。前者是指組織成員被要求或屬於本身職責範圍內的行為,或者是正式寫在職務說明書或工作合約中的工作事項,比如員工要準時打卡、執行哪些工作等等;後者則是在這些正式的工作規範或職務內容之外,員工為機構多做的工作,例如自願超時工作而不申請加班費、用自己額外的時間與資源協助同事完成任務,替機構省水省電等等。OCB是屬於角色外的行為,因為這是組織成員(如員工)在機構內所自發性表現出來的一種好公民的高尚行為,因此被稱為組織公民行為。

首先提出OCB概念的學者Dennis Organ是在長久觀察組織的運作之後,發現有一種人會主動幫助其他成員,他將這種人通稱為「Sam」,他並用一個詞來描述這類的組織成員的表現就像是”the helping hand of the good Samaritan”(好撒馬利亞人所伸出助人的手)。而這些人特別的地方在於他們所做的這一些事情,並不屬於其工作內容的一部分,而且他們完全是出於自發性的去從事這些工作,並未期待做完之後會得到來自別人或機構實質的回報或獎勵。

Dennis Organ指出OCB主要表現在以下五個方面,後來有學者將這五個方面再分為兩大類,一類稱為針對個人的組織公民行為(OCB-I: behaviors directed toward Individuals),包括利他(助人)行為(Altruism or Helping)與對別人的謙恭有禮(Courtesy),另一類是針對機構的組織公民行為(OCB-O: behaviors directed toward Organization),包括公民美德(Civic Virtue)、按良心行事(Conscientiousness)、與運動家精神(Sportsmanship):

1.利他(助人)行為:這是指無私地關心他人的處境是否安好;當同事不在時替他們處理事務,或當同事工作量很重時協助他們完成任務。
2.謙恭有禮:以妥善的舉止避免與同事在共事時發生問題;尊重別人的權益,不佔別人的便宜。
3.公民美德:比如參加重要但非規定要參加的會議或活動;配合機構的改變而調整自己的方向與行為,以機構整體的利益為念。
4.按良心行事:不會將機構的公共資源拿來做為己用;即使在沒有別人監督的情況下也會遵守機構的規則。
5.運動家精神:誠實、樂觀積極、團隊合作;不會在一些瑣碎事上抱怨不已,而總是正向思考、力求進步。

著名的組織心理學者Daniel Katz曾經指出有三種組織行為對組織能否發揮功能很重要:(1)組織成員必須被引導進入組織並且有意願繼續留在組織中活動;(2)他們必須能夠很可靠地執行具體的任務要求;(3)組織中也必須有超越職務規範的創新與自發活動。他說,如果一個組織只是靠其成員照章行事來運作,那這個組織必定是一個相當脆弱的社會系統。這樣的見解很清楚地指出OCB對組織的重要性,事實上OCB雖然不屬於組織的正式制度裡面,但是對組織的成效、甚至成敗有深遠的影響。每一個組織要能夠正常運作,其實是建立在許多合作、協助、良性建議、出於善意的舉止、助人利他行為的基礎上面。這些行為很難被寫入組織的制度規章裡面,也難以具體去衡量,但不代表它們不要緊;兩個性質相同、條件看似相似、成效卻大不相同的機構(如都是500床的急性醫院),有可能差別就是在於其中一個機構欠缺OCB。

一般來說,學者認為會引起OCB的因素包括環境因素與個人因素。環境因素包括組織內的工作環境,比如主管或領導者對員工的支持或關心。「領導者與屬員的交換關係理論」(leader-member exchange relationship, LMX)就指出當主管與某位組員的關係品質較好時,該位組員對機構會有較高的認同感與投入、較高的工作滿意度、較低的流動率、以及表現出較明顯的OCB。較理想的LMX是指領導者與屬員之間有較高品質的關係,並給予該(些)屬員較多的支持、接觸互動機會與時間、資源、關心、信任、授權、較高的評價,並分派較多的任務以及較大協商的空間(negotiation latitude)。學者認為,OCB主要是透過榜樣學習而來的,而主管對屬員的關心與支持本身也是一種OCB,因此當員工受到主管的支持與照顧時,自然也會受到此榜樣的影響,而有較明顯表現出OCB的傾向。

機構對員工的關心也有助於員工的OCB表現。當員工所感受或體認到機構對自己的支持與照顧的程度越高,該員工也比較會表現出OCB,也就是說,OCB是員工「感受組織支持」(Perceived Organizational Support, POS)的一個結果。學者對此的解釋是說,每個人都有「回報」以及「公平」的觀念與期待,當別人對我好,我也會設法加以回報。根據公平理論(equity theory),組織成員會拿自己的工作成果或獲得與投入的比值去與別人的比值做比較,再根據比較的結果去決定其工作行為。認為自己被優待的員工通常會設法提升其工作品質或工作產量去回報主管或機構;而工作成效通常不是完全由自己的努力決定,因此員工可能覺得最能夠直接回報機構的,就是OCB,比如直接去協助同事,或自願多承擔一些額外的業務等。

此外,組織中同事與同事之間的工作互相依賴程度也可能與OCB有關,一般認為,當員工之間的工作互相依賴程度愈高時,員工愈會表現出OCB。這是因為當員工之間是交互(reciprocal)型的工作互相依賴程度時 (雙向的任務連結),員工之間必須有密切互動合作以及即時的互相調適,這種工作關係有助於同事之間培養出革命情感或親密感,促成OCB的產生。

在個人的因素方面,個性是一個相當重要的影響因子。外向的人對環境與別人比較敏感,也比較善於處理社會互動,一般來說會有比較主動的行為與OCB。相反地,神經質的人比較容易焦慮、也比較缺乏關心別人的情緒動力,所以OCB會比較不明顯。

持有「這個世界是公平的或有天理的」這樣的信念的人也比較容易表現出OCB。這種人相信好人終有善報,他們不一定要馬上看到結果,但認為自己所做的善行一定會有正面的貢獻與影響,或在最適當的時候使自己得到益處,利人利己。

此外,有些研究也發現兄弟姊妹的排行與教育程度也對OCB有些許影響。比如家中排行老大比較會做出助人與利他的行為;有學者也發現較高教育程度似乎與其社會責任感有正相關。最後,學者也認為成長的環境對一個人的OCB有影響。都市中成長的小孩與人互動機會較少,都市環境也比較生疏與冷漠;相較之下在小鄉鎮或鄉下成長的人比較純樸、有人情味,所以表現出OCB的情況應該會比較顯著。

有一篇實證研究[1]就是去探討這些因素與OCB的關係。作者發現OCB大致有兩個不同的面向,一個是利他或助人(Altruism),這是對特定他人的協助行為;另一種是一般的遵守或承諾的行為(General Compliance),這不是一種針對個人的、而是針對組織的行為,比如憑良心行事,為機構整體利益為重,認真負責等。他們發現,助人型的OCB主要來自對機構長期的好感,比如工作滿意度,而主管的支持與員工的個性(如外向的個性)並沒有直接影響OCB,而是透過影響工作滿意度,進而影響人際型的OCB。此外,會直接影響人際型OCB的因素還有教育程度和鄉鎮的成長背景。在機構型的OCB方面,則與主管的支持與鄉鎮的成長背景有正相關。

OCB讓我想到幾個管理上的問題:首先,既然OCB對組織成效有正面的貢獻,那機構是否應該將OCB列入員工的表現考核?還有,為鼓勵員工的OCB,機構應不應該採取獎勵的方式?或是給予表現OCB的員工適度的獎勵?

針對這兩個問題,我覺得OCB與一般組織中的正式的工作行為不太一樣,不應該用太過正式化的方式去強化,否則可能適得其反。OCB可貴的地方在於其自發性、從內心發出的真誠,而且不求立即實質的回報,如果將OCB納入機構的正式體制內,那就不再是OCB了,這樣所產生的OCB,也是變質的OCB。

不過,非正式的肯定、主管的支持與關心、與機構的文化與氣氛,對OCB應該是有具體的幫助,而且是必要的。許多實證研究已經發現主管與組員關係(LMX)的品質好壞與員工的感受組織支持(POS)對OCB能發揮正面的引導作用。我相信主管在這其中扮演很重要的角色,因為員工對機構的感受有很大的部分是來自主管對待員工的方式。如果主管關心並照顧組員,組員也會覺得這個機構很會照顧與支持員工,而產生想要回報機構的動機,自然表現出OCB。

此外,主管對於員工表現OCB時,應該給予適度與即時的肯定與感謝,我相信這對OCB會有直接的幫助。OCB應該是用精神與人際的方式去激勵,而非用金錢或實質的獎勵或透過特定的誘因去誘導。

最後,機構在推展OCB方面,也要考慮員工的特質與背景。機構可以在招募新員工時,慎選具有OCB傾向的員工。對於初次接觸的應徵者,這可能不容易藉由書面的量表去客觀衡量。不過如果在招募過程中,設計活動讓應徵者一起參與,也許從應徵者與別人互動的舉止中可以觀察到一些與OCB有關的行為,做為擇才的參考依據。

如果機構擁有具有OCB特質的員工,而且本身有能夠讓OCB滋長的主管、工作環境與機構氣氛,我認為對機構來說,這是一個無形、龐大的資產與競爭優勢,這也是其他機構最無法直接加以模仿的競爭策略。

[1] Smith, C.A., Organ, D.W., Near, J.P. (1983). Organizational citizenship behavior: Its nature and antecedents. Journal of Applied Psychology, 68(4):653-663.

2009年1月3日 星期六

用資源依賴理論與體制理論探討醫院使用醫療資訊系統的情形

資源依賴理論的基本見解

「資源依賴理論」(Resource Dependence Theory, RDT)認為組織會設法降低或去除對某些所需資源的依賴程度,或設法去掌握該資源,以維持其存續。RDT就是從這個角度出發去觀察及解釋在某些環境狀況中,某個組織與其他組織之間的互動行為。

RDT有幾個基本假設:(1)沒有任何一個組織可以絕對自給自足,每一個組織總是有一些重要資源必須從外界環境中取得;(2)所有的資源都是有限的,甚至在某些情況下,某些對組織很重要的資源是稀少的;(3)組織跟個人一樣,不想被其他組織或環境掌控或限制,希望維持或提升自主權,因此便需要積極降低對其他組織或資源的依賴度,以改變相對的權力位置,保持生存空間;(4)組織的根本目標並不是像理性觀點所說的在追求最高效率、最高品質、最大產能、最大利益等,而其實是確保組織的存續(survival);(5)組織本身有行動調適能力,可以因應環境的改變去採取必要的策略或措施,以保障自己的生存。

RDT認為組織所採取的行為與反應,其實不外乎就是為了確保或掌握其生存所需的資源,換句話說,組織總是在設法掌握所需要的資源以維持其生存。特別是當資源供應與相關的環境因素越來越不可預測、不確定性愈來愈高,或者重要資源被掌握在特定人士或團體的時候,組織會想盡各種辦法或與其他組織進行合縱聯盟,以重拾某種程度的資源掌控權,以免因為對該資源的依賴而任人擺布或甚至無法取得必要的資源而無法生存。

RDT認為組織最在意兩件事情,一個是環境或資源的限制,另一個是組織本身的自主性與侷限。影響環境或資源限制程度的主要因素有三個:(1)環境中資源的稀有程度(resource scarcity),這是指資源數量的多寡;(2)外界資源的穩定程度(resource stability),這是指資源供給或取得的一致性情形;(3)外界資源的複雜度(resource complexity),這是指組織要取得該資源時所遇到的困難或繁複的情形。當環境中某種資源愈稀有、供給或來源愈不穩定,取得資源的複雜度愈高,對需要該種資源的組織來說,所面臨的資源限制或不確定程度(resource uncertainty)就愈高,也愈會有資源的危機感。

在這種情況下,RDT指出組織有四種主要策略可以採用,以降低對資源的依賴,或確保資源的取得,這些策略包括調適(adaptation)、壯大(growth)、迴避(avoidance)、與改變環境(alternation of the environment)。調適策略指的是組織設法採取一些對本身的核心技術衝擊或改變最小、而且自己就可以單獨進行的方式,來因應環境或資源的不確定或侷限,比如提高某種生產原料的安全存量。壯大策略主要是透過擴大組織本身的規模或與其他組織的結盟,來增強本身的聲勢、實力與影響力,以便鞏固資源。迴避策略是指組織改變自己的經營領域(比如在台灣在實施全民健保之後,有不少小醫院轉型為門診中心、慢性或長期照護機構)或採用別種生產技術,以減少對不穩定與稀少資源的依賴。改變環境策略則是指組織採取更主動積極的作為,設法去扭轉環境中對資源取得不利的因素,將環境轉變為對自己有利的形勢。獨大的組織可能有主導市場的能力,但是小機構也不是一定就任人擺布,他們可以透過某些合作或整合機制,形成足夠的力量去改變環境。

有些學者將以上這四種策略歸納為兩大類的策略。第一類的策略通稱為「緩衝策略」(buffering strategies),基本上就是去保護組織的技術核心,使之不受到外界環境或資源不穩定的影響,讓生產活動能夠順利進行。這個見解主要來自James Thompson,他認為組織在不穩定的環境中,內部會發展出一些緩衝機制,將外界環境所造成的不確定性加以阻擋,以免讓這些變動與不確定性直接對核心技術部門產生影響,盡可能讓技術部門能夠在安定的情境中完成所設定的任務與目標。比如即使在藥品價格變動快速的情況下,醫院採購部門還是得找到合用的藥品,藥庫管理也必須保持一定的庫存量,讓醫師能夠開所需要的藥給病人。

Thomson提到四種組織常用的緩衝措施或機制:(1)將原料或資源分類與前置處理(coding),這可以泛指原料或基礎資源在被送到生產部門之前的前置作業,比如加以分類或提煉,以便管理;(2)庫存(stocking),也就是將稀少或重要的原料或產品加以囤積,以便在最佳時機將原料投入生產線或將產品賣到市場;(3)預測(forecasting),這是透過觀察市場與環境的起伏狀況以及分析組織本身的紀錄,去預估原料需求與產品供給的變化情形;(4)調節(leveling/adjusting scale)則是指組織採取一些措施,去降低資源需求與供給的變化程度(比如藉由廣告或降價促銷去提高市場對產品需求,以免減產,並保持穩定的營收),或使自己的資源需求與產品供給與環境的起伏一致(比如根據季節原料供給多寡情形設計各種產品的產能)。

另一大類的策略稱為「架橋策略」或「連結策略」(bridging strategies),這類策略與緩衝策略不同的地方在於緩衝策略是組織本身單獨可以採取的措施,而架橋策略無法由一個組織單獨行動,必須與其他組織合作、結盟或交流才能夠進行。這些主要的策略多是組織之間的合縱聯盟,常見的有邀請政策制定者、有社會影響力或其他掌握重要資源的組織的決策者擔任自己組織的董事成員,透過長期合約掌握資源的取得,交叉持股,合資發展新業務,垂直及水平整合,併購、成立專業協會進行政策遊說或制定該行業的遊戲規則,避免惡性競爭等。

緩衝策略大多使用於資源不穩定的原因比較單純(沒有太多人為因素介入所造成的資源不確定)的情況,而架橋策略多半用於當造成資源不確定的因素比較複雜的時候,特別是當關鍵資源被某些特定的組織所故意或有計畫性的控制,使得組織的生存或運作被其他特定組織所左右,嚴重失去自主性的時候,這時組織不得不採取或發展組織間的關係,以保衛資源。此外,也許我們可以將前述的調適與迴避這兩項策略歸入緩衝策略,而將壯大與改變環境這兩項策略歸入架橋策略。

組織除了在意環境中資源的侷限問題之外,也非常在意自己的自主性,也就是組織一方面須要從外界取得資源,產生資源依賴,可是另一方面又想保有自主性,減少對外界的依賴。但其實這也可以看成是一體的兩面,由於組織希望維持自主,因此必須確保資源穩定的供給與取得。
因此,組織在面對資源不穩定的情況,應該會優先考慮讓自己保有最大自主性的策略,如緩衝策略,因為緩衝策略可以由組織本身單獨進行;架橋策略雖然不錯,可是缺點是在與其他組織建立某種合縱連橫的關係時,總是需要彼此配合甚至妥協,因此失去某種程度的自主性,或產生新的依賴關係。不過,如前所述,當環境資源不確定的程度讓組織產生很強烈的危機感時,而這時組織認為無法自己維持資源的確定時,便須要採取架橋策略。

除此之外,組織在要採取何種策略或反應時還要考慮本身的限制,並不是所有的策略都能夠或合適拿來運用。組織的互動基本上是蠻現實的,兩個組織在發展某種合作關係時,也是要互相評估對方實力與資源,講究「門當戶對」。並非所有的組織都能夠找到合適的對象進行合作,比如每一種策略聯盟組織也都有訂定入會條件或門檻。當組織無法透過建立組織間關係去確保資源的取得時,那可能就得改變自己的經營方針或宗旨,轉型進入另一個領域與市場[1]
歸納以上的介紹,基本上RDT認為組織對環境變化所做的反應的出發點就是為了要降低對資源的依賴,並維持本身自主性,以及這兩者之間的取捨與平衡。用這些觀點,我們可以去解釋或預測許多組織的表現與行為。

體制理論的基本見解

體制理論(Institutional Theory)認為組織除了處在一個由資源與技術所組成的技術環境(technical environments)以外,還有一個更重要的環境,就是由認知、觀念、文化、習俗、制度、社會價值觀等因素所構成的體制環境(institutional environments)。

在我們的社會中有許多在導引及規範個人的行為的社會秩序及合作期待,體制就是泛指這些社會秩序及合作要求背後的結構及機制。如果將一個組織看成是一個小社會,為了讓所有成員都有共同依循的行為模式或標準,機構中一定會有人事相關的規定,而這整套的人事規定以及其運作方式,便是一種體制。體制要求項目可以來自組織以外的大環境,也可以來自組織內部本身。不過體制理論所討論的內容,比較著重來自組織外界環境中的社會體制壓力。

體制理論指出體制主要有三大項目,第一類是文化—認知(cultural-cognitive)相關的體制項目,如社會價值觀、習俗、象徵代表等;第二類是規範類(normative)的體制項目,如作業標準、專業倫理守則等;第三類是法令類(regulative)的體制項目,如法律、政府行政命令等。

比如美國的醫療院所正面臨與醫療資訊科技(Health Information Technology, HIT)相關的體制要求或壓力。在美國,HIT被許多人寄予厚望並視為醫療改革或變革的一大利器或推力,政界、學界與醫界都希望藉由HIT的運用去有效增進作業效率,降低醫療錯誤率與成本,並改善臨床品質。在美國,不同政治立場與不同經濟學派別對醫療改革措施的看法經常是南轅北轍;但是HIT可能是最廣受各方面認同與期待,也最沒有爭議的措施,也因此成為一種很強烈的體制壓力,要求醫療院所必須建置或導入HIT。

與HIT有關的法令類體制主要是來自政府的相關政策、行政命令或法律。比如布希總統在2004年訂定HIT十年的發展計畫,並成立一個國家醫療資訊科技整合辦公室,來推廣HIT的建置。布希總統也在2006年簽署一個法案,要求所有聯邦健保方案(如Medicare)的特約醫療機構都要公開其醫療品質與成本的資料供各界比較,預估這項命令也會促進醫療院所的資訊化。還有,有些州政府也在制定或推動相關的法規或政策,希望有效促進醫療院所HIT的推廣與運用。用體制理論的觀點來說,這些法令體制會對醫療院所造成「法令的壓力」(regulative pressure)或「強制性的壓力」(coercive pressure)。

與HIT有關規範類體制要求主要來自健保組織與專業團體的規範。這類體制包括像如果醫療院所評鑑機構將HIT的建置與運用列為評鑑的項目,便成為一種專業的規範;此外,如果健保機構要求特約醫療院所採用電子申報方式,為了符合健保組織的規定,這些院所也會有較大的需求與壓力去導入資訊系統。體制理論稱此種壓力為「規範的壓力」(normative pressure)。

文化認知類體制泛指社會中或行業中所存在對某些事務的信念與傳統,在HIT方面,如果大部分的醫療消費者都開始用醫療院所有否建置HIT來評估與衡量醫療機構的醫療品質,或者同業大部分都已經導入HIT,這時會對還未建置HIT的醫療院所造成某種壓力。體制理論說這時組織會面臨到「模仿的壓力」(mimetic pressure)。

為什麼這些體制內容會對組織造成壓力?這裡就牽涉到體制理論的一個基本假設,認為組織的最重要目的,既非理性觀點的追求最大效益、利潤、效率、或成果,也不是如資源依賴理論所強調的取得生存所需的資源,而是取得社會所認定的正當性(legitimacy),以獲得社會的支持,維持組織的生存。在體制理論裡面,正當性對組織的重要性就等於資源依賴理論中資源對組織的重要性。組織必須擁有經營的正當性,才能夠贏得社會的支持與繼續經營的基礎。所以當這些來自社會大眾的期待與輿論、專業團體的規範、同行的措施、政府的相關法令非常明確時,組織不能不去正視以及有所回應,否則會喪失正當性,而招致社會大眾的批評,甚至被同業排斥,或受到執法機關的處罰。

體制理論認為組織在面臨這些體制壓力時,通常會設法去符合體制的要求,這也是因為組織基本上不喜歡跟別的組織不一樣,太過特異獨行容易被凸顯出來,被別人拿放大鏡檢視,或被執法機關個別盯上,這時的壓力會更大,甚至危及生存。由於體制大部分都是某個社會中約定成俗或是已經形成的共同想法,所以體制壓力也會相當一致,組織去符合相同體制要求的結果,就造成組織的同型化(isomorphism)。這是體制理論用來解釋為什同一種性質的組織會存在許多相似之處的原因,或者這些組織會一起採取某些相同措施的現象。

體制理論指出,體制對組織的影響雖然非常巨大,可是組織經常不自覺,因為組織自己也是體制環境當中的一份子,同樣認同或接受這些已經被大家約定成俗或被社會認為理所當然的規則,於是很自然地接受這些體制的要求,並調整自己去符合體制。有時候,組織甚至是不分青紅皂白地全盤接受某些體制壓力,體制理論用一個很傳神的名詞—rationalized myth—來形容。rationalized(被理性化的)是指這些體制已經完全被合理化,被大家認為是很有道理的做法或想法;myth(迷思)則是指事實上這些體制並非如大家所認為的情況,或實際狀況與社會認知之間不盡相符。比如,就目前來看,HIT某種程度上似乎也是一種rationalized myth,由於各界都相信HIT能改造醫療體系,解決目前所遇到各種的問題。不過,如果仔細去看,目前的研究的結果與相關證據尚不足支持這個信念。也許HIT有其功效,但是否如大家所認為的有那麼神奇的力量,就還是一個myth。

因為這樣的現象,體制理論就看到,組織經常以為自己是在追求效益、效率、品質、成果或利潤,但其實不然。組織所從事的活動,主要是為了去符合社會的期待與體制的要求,以便取得正當性,贏得社會的支持。

不過很有趣的是,許多研究都發現,組織在採用某種措施或制度時,較早實施的組織(early adopters)與較晚實施者(late adopters)的出發點與成果不太相同。早期實施者通常是著眼於效率或效益的改善,而晚期實施者則主要是為了去符合體制的要求,取得正當性。因此通常早期實施者的成果會比較具體,而晚期實施者的成果便比較不具體。不過這不是說晚期實施者沒有任何意義,而是說意義不同。

資源依賴理論與體制理論的整合

我覺得資源依賴理論與體制理論是兩個互補的觀點,而且有相似的架構,應該可以加以融合,以便提供更完整的見解。其實已經有不少實證研究將這兩種理論觀點加以結合,提出一個較寬廣的分析架構,去導引研究的方向。

首先,這兩種理論都認為組織都是為生存而努力,而且都指出組織必須取得某些重要的東西以確保生存,資源依賴理論認為這個東西是資源,而體制理論主張這個東西是正當性。前者是有形的,而且與組織的技術面環境有密切的關係;而後者是無形的,來自組織的體制或社會面環境。其實這兩種環境層面都很重要,不應該偏廢,因為組織既要照顧其生產技術面的需求,也得符合其社會環境面的體制要求,擁有足夠的資源、正當性以及社會的支持,才能在其所處的環境中生存下來。

有一位英國的學者Christine Oliver[2]提出一個整合體制理論與資源依賴理論的架構,她認為組織在回應社會的期待時,最後所採取的行動會受到以下的因素的影響,這些因素在某些情況下會提供組織對抗社會期待的力量,在某些情況下會增強組織符合社會期待的力量:

Causes/Why:
1.如果組織認為回應該社會期待對取得正當性不是很有幫助,組織在符合該期待的行動上會產生阻力;
2.如果組織認為回應該社會期待可以帶來的經濟效益不高,組織就比較不會以行動去符合該社會期待;

Constituents /Who:
3.如果組織面對的重要對象(或利害關係人,constituents)很多元化,組織在符合該期待的行動上會產生阻力;
4.如果組織對施加社會期待壓力的利害關係人的依賴程度不高,組織在符合該期待的行動上會產生阻力;

Content /What:
5.如果該社會期待與組織本身的目標吻合性很低,組織在符合該期待的行動上會產生阻力;
6.如果組織有比較多的考量空間或策略選擇,組織在符合該期待的行動上會產生阻力;

Control/How:
7.如果該社會期待背後沒有很強的法規要求,組織就比較不會以行動去符合該社會期待;
8.如果其他組織自發性的回應行動還不普遍,組織在符合該期待的行動上會產生阻力;

Context/Where:
9.如果環境的不確定性不高,組織就比較不會以行動去符合該社會期待;
10. 如果組織與其他組織的連結性不多,組織就比較不會以行動去符合該社會期待。

我所用的方式比較簡單,就是直接將體制理論所提到的三種主要體制力量或要求,加到資源依賴理論的架構裡面,同時考慮資源匱乏程度、不穩定程度與複雜程度,組織採取某種行動的能力以及所會造成的新依賴關係,與體制環境中的強制壓力、規範壓力和模仿壓力,以便預測在目前的或未來的醫療環境或各種狀況下,醫院對HIT會採取怎樣的行動或回應。

用資源依賴理論與體制理論解釋與預測醫院使用醫療資訊系統的情形

資源匱乏程度
對醫院來說,病人來源是一項重要的生存資源,沒有病人就沒有收入,醫院若沒有服務對象,更無法達成醫院的宗旨。美國的管理式照護健保組織(managed care organizations, MCOs)都採取某些管控病人就醫管道的措施,以使其被保險人留在各自MCO的醫療提供網絡裡面,來掌控病人就醫的去向。因此如果某家醫院無法成為某個MCO的特約醫院,某種程度上代表該醫院無法取得此MCO的病人資源。所以醫院必須積極爭取成為MCOs的特約醫院,而建置HIT可以視為一種向MCOs爭取特約機會的策略。當醫院建置HIT之後,通常會被認為效率與品質較好,醫療錯誤與成本也會降低,因此醫院可以藉此增加自己與MCOs協商特約時的籌碼。當醫院所處的醫療市場中MCOs所掌握的病人比例(學界稱此為MCO的滲透率)愈高,醫院的病人資源匱乏程度愈高,此時醫院便較需要藉由建置或導入HIT來爭取MCOs的特約關係。從以上的討論可以得到以下的假設:

假設1:醫院建置HIT的可能性與其所處市場的MCO滲透率成正相關。

資源不穩定程度
美國目前有一些健保組織開始實施「論成效給付」或「論質給付」方案(pay for performance, P4P),其中有些方案以特約醫療院所有否使用醫療資訊系統決定給付標準,也有些直接對採用HIT的醫院提供較高的給付做為誘因。有些健保組織則要求醫療院所在某些療程的品質指標上面達到某種標準,才能得到較好的給付。這些方案都會影響到醫院的另外一個重要資源—收入,並使得收入出現不穩定的情況(品質指標好給付多,品質指標不好給付少)。醫院為要監控並隨時掌握院內這些品質指標的情況,必須有迅速的資訊收集與分析能力,因此增加醫院導入臨床資訊系統的需求。當某家醫院愈高比例的病人是屬於論質給付方案的被保險人時,該家醫院的收入不穩定程度也會上升,於是更有必要使用醫療資訊系統。

假設2:醫院建置HIT的可能性與其病人屬於論質給付方案的比例成正相關。

對研究型的教學醫院來說,研究經費與收入也是重要的資源之一。研究要能夠順利進行,必須有正確且充足的資料,醫療資訊系統可以快速收集與整合研究所需要的臨床資料,對研究的進行與結果都正面的助益。當醫院的研究計畫能夠順利進行,在期限內結案,就能順利取得所有的經費,並提高醫院的研究口碑與學術聲望,對未來的研究計畫提案有幫助。

假設3:醫院建置HIT的可能性與其研究經費佔總收入的比例成正相關。

資源複雜程度
前面提到,資源的複雜度是指組織要取得該資源時所遇到的困難或繁複的情形。對醫院來說,病人病情的嚴重度或複雜度可以反應其要取得病人與收入這兩項重要資源的困難度。當病人的病情嚴重度愈高,醫院需要更精密的儀器,更高的醫療技術,而且要經過更多的診療程序,才能順利完成病人的治療任務,也唯有能夠將病人照護或治療好,醫院才有病人會上門,並有收入。當病人病情嚴重度愈高,醫院醫療團隊愈需要有良好的搭配與溝通,並且需要更即時與充分的臨床資訊做醫療的依據,HIT對這些應該有正面的幫助,進而協助醫院的醫療團隊完成複雜病情的診療。

假設4:醫院建置HIT的可能性與其平均病人病情嚴重度(case mix)成正相關。

體制的強制壓力
體制環境中的強制壓力主要來自政府的法律與命令。如果州政府對醫院建置或使用HIT有訂定很明確的推動目標,對醫院會形成一種法令的壓力,使得醫院不得不正視與考量導入HIT的議題。因此:

假設5:醫院建置HIT的可能性與各州政府有否訂定明確的HIT推廣目標成正相關。

體制的規範壓力
醫院評鑑的規定與標準對醫院來說是很重要的專業規範,醫院評鑑的結果相當程度代表醫院經營的正當性。評鑑通過表示該家醫院的經營與品質有一定的水準;評鑑未通過則反應該醫院無法達到該專業領域的基本要求,會使得醫院喪失經營的正當性。如果醫院評鑑將病人安全、醫療品質、與使用HIT列入評鑑標準,或者當這些項目佔醫院評鑑內容的比例愈高,醫院更須要想辦法增加自己在這些方面的正當性,而建置HIT似乎是一個有效取得正當性的辦法,因為專家學者普遍認為使用HIT可以降低醫療錯誤,提升照護品質。

假設6:醫院建置HIT的可能性與醫院評鑑中病人安全與醫療品質所佔的比例成正相關。

假設7:醫院建置HIT的可能性與醫院評鑑中是否將使用HIT列入標準項目成正相關。

體制的模仿壓力
如果某項措施廣被某一個專業領域所接受與實施,沒有實施的組織會變得很奇怪,比如當組織主管或成員有機會接觸其他組織時,發現其他組織都在討論相關的話題,這時會成為一個無形但很強有力的體制壓力,要求尚未實施的組織去模仿或比照辦理,這時該措施的實際成效倒是其次,重要的是組織也要跟著做,才不會讓別人覺得奇怪,或者與其他組織有共同的話題,才能參與在同領域的組織社群裡。而且,通常某一項措施廣被接受,形成風潮時,會更強化該措施的正當性或被大家認為該措施確實具有功效,因此增強尚未實施該措施的組織的模仿動機。在醫院導入或建置HIT方面,如果某個醫療市場中的醫院有很高的比例已經建置HIT系統,其中尚未建置HIT的醫院會有較大的模仿壓力去建置HIT。

假設8:醫院新建置HIT的可能性與其所處醫療市場中已採用HIT醫院的比例成正相關。

醫院的能力
醫院在建置HIT方面,必須考量自己的能力,不是想要採用就可以採用的。由於HIT牽涉龐大的建置成本與日後的維護與相關的資訊專業人力,醫院的資金與專業人才直接影響到醫院是否有能力導入或使用HIT系統。通常,規模愈大的醫院財務能力與人才都比較充足,因此應該有助於HIT的開發或建置。

假設9:醫院建置HIT的可能性與醫院的規模成正相關。

假設10:醫院建置HIT的可能性與醫院的利潤率成正相關。


醫院建置HIT所造成的新依賴關係
根據資源依賴理論,醫院為了確保病人與收入資源而建置HIT的同時,也要注意不要因此陷入另一種更嚴重的依賴關係。如果為了採用HIT,使得醫院產生很大程度的依賴關係,這也會降低醫院對建置HIT的意願。
醫院建置或導入HIT之後很可能造成兩種新的依賴關係,一個是對醫師的依賴,另一個是對資訊廠商的依賴。醫院建置HIT(如實施臨床醫令系統)時,許多臨床作業流程都可能要做調整,受到最大影響的就是醫師。可以想見許多醫師對HIT有排斥的心理,可是醫院導入HIT,最主要的使用者就是醫師,如果醫師不採用,效果一定大打折扣。但是在美國,很多醫院的醫師並非醫院的員工,因此缺乏行政上要求醫師配合的機制,這時可能就得透過一些財務誘因的設計,鼓勵醫師採用HIT,無形中加深醫院對醫師的依賴程度。不過如果該醫院是採取封閉型醫院的經營方式,也就是聘雇專屬的主治醫師,這時比較能夠透過行政程序強化醫師配合使用HIT,因此所產生的新依賴程度比較低。

假設11:封閉型醫院比開放型醫院較有可能建置HIT系統。

另一個HIT帶來的新依賴關係是醫院對HIT廠商的依賴。醫院一旦購買並導入某種HIT系統後,後續的維護與修改很可能都要仰賴該資訊廠商的服務。但是如果醫院本身有資訊專業人員可以接手後續的系統維護與進行系統功能增修,則可以大為降低HIT建置所帶來的對資訊廠商依賴程度,提高醫院建置HIT的意願。

假設12:醫院建置HIT的可能性與醫院所擁有的資訊專業人員數目成正相關。
[1] 其實從組織生態理論(population ecology theory, PET)來看,這等於該組織在原有的領域或組織環境中被淘汰而消失,然後在新的領域出現,成為另一種組織群體的一員。PET與RDT有一些相似之處,比如它們都強調環境中資源的重要性,也都指出資源是組織生存的必要條件,以及組織為爭奪或鞏固資源所表現出來行為或反應出來的組織現象。不過RDT認為組織有為生存採取調適行動的能力,PET認為組織調適的能力很有限,組織的存續是環境選擇的結果。此外,RDT比較強調組織與組織之間互動關係與行為,而PET則注重組織群體整體變化的討論。

[2] Oliver, C. 1991. Strategic Responses to Institutional Processes. Academy of Management Review, 16 (January): 145-79.

2008年12月28日 星期日

用結構狀況理論(structural contingency theory)探討醫院使用醫療資訊系統的情形

醫療資訊科技(health information technology, HIT)或者說醫療作業的資訊化對醫療運作是相當大的變革,我覺得這是一個不可抵擋的趨勢。在美國,HIT被許多人寄予厚望,希望醫療提供者(如醫院或醫師診所)在導入HIT之後,能夠有效增進作業效率,降低醫療錯誤率與成本,並改善臨床品質。不過,醫療院所在導入或建置HIT的過程中有些成果不錯,有些並不是很順利,但整體的進展尚不是很理想。

這些現象引出許多相關的問題,比如:醫院對於這些社會的相關期待,會如何回應?結果會是如何?是什麼原因造成醫院在採用HIT方面有不同的傾向?為什麼導入HIT的醫院在過程與結果方面會不一樣?醫院決定採用外包或自行建置HIT系統的考量因素是什麼?HIT的採用對醫院與醫師的關係會有怎樣的影響?HIT對醫院照護品質的幫助是全面性的,還是只是局部性的,只對某些類別的臨床服務特別有效益?HIT對整個醫療生態會產生怎樣的衝擊或改變?

醫院是一種組織,以上所提到的問題都與組織的行為與表現有關,這也正是組織理論所要探討、解釋或預期的議題。以下是用結構狀況理論所做的一些解釋與預測。

結構狀況理論的基本見解

結構狀況理論(Structural Contingency Theory, SCT)的主要想法是,一個組織要如何設計、規劃或調整它自己的結構,以達到理想的成效,必須看它所面臨的狀況(contingencies);如果組織的結構與它所面臨的狀況達成協調(fit)及吻合的話,它便能夠產生好的成效。這個觀點認為沒有一套組織結構是絕對優於其他組織型態的,某一種組織結構是否能夠產生卓越的成果,必須視其狀況而定(it depends..),這也意謂在特定的狀況之下,某種組織結構確實會優於其它結構方式,使組織有較好的表現,如獲利、效率等。

在這裡,組織結構的含義泛指機構用甚麼方式或形式將自己組織起來(how an organization organizes itself),讓任務能夠順利運作;這些組織的形式或模式,就是組織的結構。加拿大著名的管理學者Henry Mintzberg用一句很簡單的話道破組織結構的核心,他說:「每一種有組織的人群活動,從製造鍋子到把人送上月球,都牽涉到兩種根本但相反的要求--把人力分工去執行必要的工作,然後再將這些不同的工作整合起來,去達成任務與完成活動。」(Every organized human activity—from the making of pots to the placing of a man on the moon—gives rise to two fundamental and opposing requirements: the division of labor into various tasks to be performed, and coordination of these tasks to accomplish the activity.)提倡狀況理論的兩位學者Paul Lawrence and Jay Lorsch則用”managing differentiation and integration”(管理分化與整合)來描述類似的見解。

從理性的觀點來看,任何的組織結構,都不外乎在回應「分工」與「整合」這兩件非常基本且重要的管理要求。比如一家醫院內要分設哪些部門,每一部門內有哪些任務或功能,這些任務要如何指派,任務與任務之間、部門與部門之間的功能界限或內容的異同等,這些都涉及與分工有關的結構。在整合方面,哪些單位或部門要隸屬同一位主管,一位主管要管轄多少單位或人員,醫院要有多少層級,各部門或層級的決策權,部門與部門之間有甚麼權利與義務關係,資訊要如何流動分享等,都是與整合有關的問題。對這些問題採取不同考量的醫院自然會產生不一樣的組織結構。

比如採取功能型組織(functional units)的醫院比較注重同性質任務的單位之間的整合,而較不去強調跨功能橫向部門間的協調。採取矩陣型組織(matrix,如設置專案常設單位,從跨功能的單位調專業人員來共同完成一個具體的計畫或任務)的醫院,則是希望兼顧同功能與跨功能的單位之間的任務整合。醫院臨床作業的標準化(比如訂定臨床路徑),也是試圖將臨床工作加以整合。較正式化的醫院(比如每一個人員編制都很明確,對每一個編制都訂定很詳細的工作職責說明書)則是在分工方面採取明確化的做法,正式化程度較低的醫院則是在分工方面保留彈性並給主管較大的考量空間。

SCT在過去四十年的發展以及許多學者的研究下,陸續找出許多會影響組織結構與組織成果之間關係的重要狀況,如環境的不穩定程度、所使用的技術的特性、科技的變化、組織任務或工作的不確定性、組織是否有許多創新活動、組織的規模、組織所採用的策略(前瞻策略或防衛策略;水平整合/多角化或垂直整合策略)。不過也因為學者提出太多會影響組織結構與成效的狀況條件因素,使得SCT變得很複雜,甚至不同的學者在探討某一種狀況對組織結構與成效的影響時,得到不同的結論;並且有時候使用不同的狀況來預測某種組織的結構與成效的關係時,會得到不同的結論,產生很多互相矛盾與不一致的問題,而招致不少批評。

為了解決這些問題,Lex Donaldson[1]這位學者嘗試將SCT的論點加以歸納整合,希望能理出一個簡潔且一致的SCT理論面貌,突顯SCT對相關因素的因果關係的解釋與預測能力。我覺得他提出的論點相當清晰並有說服性,因此採取他所提出的SCT見解。

Donaldson指出,當某個狀況條件改變時,組織原本的結構便與新狀況條件之間出現不協調(misfit),而導致組織的成效變差,這時組織為了繼續保有或改善其經營成效,便須要調整其結構,去適合新的狀況條件;當組織調整後的結構與新狀況條件取得調和時,其成效就可以確保,使該組織繼續經營下去。相反地,若組織無法有效調整其結構以因應新的狀況,其經營成果便會持續下滑,最終以結束營運收場,消失不見[2]。這是一個動態的過程,但是長期來看,這個動態會取得平衡,因此我們可以看到在某些有相同狀況條件的組織有很類似的結構,也就是組織結構與狀況之間有其相關性存在。這便讓研究人員可以去收集資料進行相關的實證研究。

組織結構可以從許多面向去分析,其中有三個重要的面向特別受到重視,首先是決策權的集中(centralized)或分散(decentralized);第二個是工作的細分(specialized)與正式化(formalized);第三個是組織結構的分化程度(differentiation)。

Donaldson將許多種不同的狀況歸納成三大類:(1)任務或組織活動的不確定性(task uncertainty);(2)任務或組織活動的相互依賴性(task interdependence);(3)組織規模(organizational size)。

任務不確定性-->有機型結構(分權決策以及低正式化/制度化)

任務或組織活動的不確定性所包括的狀況有環境的不確定性、技術、科技的變化、與創新等。這些因素都會增加組織所要執行的任務的不確定程度,當環境不穩定(如健保相關的政策或措施經常在改變)、所使用的技術比較複雜(急性住院診療所需要的技術要比門診所使用的技術來得複雜)、科技經常在改變(醫療科技不斷推陳出新)或組織本身相當重視且從事很多創新活動(開發很多新療法或作業流程改善的醫院)時,組織所要執行的工作便可能會有很多的變化,不會是固定不變的。此外,前瞻者(prospector)策略或防衛者(defender)策略的運用也是會影響任務不確定程度的狀況條件,當一個機構採取防衛者策略而不是前瞻者策略時,著眼點主要是降低創新的風險,以建立例行作業(routine operations)與控制成本取勝。因此防衛者策略會降低任務的不確定程度。

SCT認為當組織的任務很穩定、少變化、容易預測時,組織採用機械型的(mechanistic)結構會比較理想;相反地,當任務很不穩定、變化快速、難以預測時,組織最好採用有機型的(organic)結構。機械型結構主要就是決策權集中,而且有非常明確的工作明確劃分與正式化,因為這種結構的運作最穩定,不模糊,在一條鞭的作業之下,可以產生最大且有效率的產能。可是,如果任務與環境變得很不確定時,機械型結構可能會出現問題,因為這種結構很不靈活,而且決策資訊來源不夠充分,很容易做出不夠完整的判斷或誤判,導致失敗。這時有機型結構(分權決策、非正式化或低制度化)會比較理想,因為靈活度比較高,能夠在快速變化的環境中做出必要的因應,而且因為分權決策,參與決策的層面較廣,收集到的資訊也比較完整,比較不會誤判或決策錯誤,即使某個決策有錯誤,也比較不會影響大局。

組織規模-->科層化結構

當組織還很小(員工人數很少)的時候,組織的分工不會也無法很仔細,每個員工的任務大概都是由經營決策者視情況調整分配,由於人數很少,沒有很複雜的單位與層級區分,決策主管很容易直接指揮員工,重要的決定大概由負責的主管一個人說了就算,並不需要太多很繁複的規章,人治的色彩很濃厚,學者稱這種結構為簡單結構(simple structure)。當機構的規模與員工人數逐漸增加,機構勢必做進一步的分工與設置不同功能的部門,因此機構會橫向展開,同時機構的層級也會擴大。在這種情況下,機構的高階主管不可能再包辦所有的決策,必須適度授權給中階或各階層的主管,但是為了有效整合與指揮機構的運作,高階主管改用規章制度來管理機構,將組織的結構從簡單轉變成科層化結構(bureaucratic structure)。科層化結構的主要特色就是分散決策權以及高度的制度化或正式化。

此外,如上所述,組織規模也會影響組織的結構分化(structural differentiation)。組織的結構分化程度的具體指標就是組織內部不同功能的單位或部門數量以及組織的層級數,規模愈大的組織傾向有愈多的部門與層級,因此結構分化程度也會較大。

任務相互依賴性-->功能性結構

任務互相依賴性是指組織中各項活動彼此之間的關聯程度。有位學者James Thomson將工作互相依賴性分為三類:(1)共享(pooled)的依賴性是彼此之間沒有直接的任務連結性,比如門診護士與住院醫師並沒有直接的互動,但各自的工作與付出對整個醫院的目標共同有所貢獻;(2)順序(sequential)的依賴性是單向的任務連結,比如醫師要開完處方之後,藥師才能配藥、(3)交互(reciprocal)的依賴性是雙向的任務連結,像在開刀時,醫師、麻醉師與外助的密切互動合作。在這裡,互相依賴程度是(3)>(2)>(1)。

SCT指出組織所採取的三種與產品有關的策略會決定組織整體任務依賴程度。這三種策略分別是(1)單一產品策略,在此狀況下,組織只生產某一種產品;(2)垂直整合策略,這種組織的各項服務或產品之間是在一個價值鏈過程的上下游的關係;(3)多角化策略,組織同時生產多種服務或產品,但各項服務或產品之間並沒有明顯的相關性。採用多角化策略的機構內部不同產品部門各自負責自己產品的業務,彼此之間的任務相互依賴性相當低。採用垂直整合策略的組織中,由於各產品或服務之間有上下游關係,因此各產品部門之間的任務是呈現順序的相互依賴性。採用單一產品策略的組織內所有部門的任務都指向同樣一種產品,因此任務相互依賴程度最高,如果該組織還有創新活動(如產品改良)在進行,甚至會出現交互型的任務相互依賴。

組織的產品策略會影響組織採取功能部門劃分結構(functional structure,組織內的部門是依照功能的不同而區分),還是產品部門劃分結構(divisional structure,組織內的部門是依照所負責的產品去劃分)。任務相互依賴程度最高的單一產品的組織以採用功能型結構最為適當,由各個不同功能的部門(如生產、行銷、人資、財務等)共同完成一種產品的任務。而任務相互依賴程度最低的多角化經營的組織則以採用產品部門劃分結構最為適當。由於產品部門劃分結構在組織結構上也是分化或差異程度較高的,因此可以推論出任務相互依賴程度較高的機構(如單一產品策略的組織),其組織結構的分化程度較小。

此外,Thomson指出,當任務相互依賴程度較低(共享依賴)時,比較理想的是標準化(由高階主管訂定規章制度)的結構;當任務相互依賴程度中等(順序依賴)時,比較理想的是可以讓由各階層主管共同規劃的結構;當任務相互依賴程度較高(交互依賴)時,比較理想的是讓組織成員可以互相調整互動的結構。因此,當任務相互依賴程度上升時,組織最好是採用分散決策權以及較非制度化或低正式化的結構。

綜合以上SCT的推論,分散決策權的結構比較適用於任務不確定性高、任務互相依賴程度高、以及組織規模大的狀況;制度化/工作細分/標準化的結構比較適用於任務不確定性低、任務互相依賴程度低、以及組織規模大的狀況;結構分化比較適用於任務互相依賴程度低、以及組織規模大的狀況。

任務資訊需求

還有,Jay Galbraith這位學者提到組織運作或任務的進行必須有正確且充足的資訊,而組織結構或任務規劃的好壞,取決於是否能夠取得及運用所需要的資訊,而每一項任務的資訊需求程度,是由任務的不確定性、複雜度、與互相依賴性這三個因素所共同決定的。越不確定、愈複雜、互相依賴愈高,該任務所需的資訊程度就越高。用以下的公式來描述:

Task Information Requirements = Complexity x Uncertainty x Interdependence

用SCT看醫療資訊科技的發展與使用

我覺得HIT的使用代表一種醫療院所的組織面貌,也就是醫療院所使用HIT之後會增加其結構的標準化、任務的細分與明確化,因此使得任務的運作更為正式化。比如電子病歷系統(EMRs)或電腦臨床醫令系統(computerized provider order entry, CPOE)上線使用之後,臨床作業流程便更加標準化,每位臨床人員的任務業更為明確,電腦會去查核每一個臨床作業步驟是否有照原先所設計的去完成,然後給予臨床人員必要的提醒,警示,或甚至管控。臨床人員必須遵循系統中所設計的規範去執行臨床工作。因此有不少醫師形容使用醫師醫令系統是「食譜式的醫療」(cookbook medicine),醫師基本上必須按著系統中所設計的格式去診療,並使用系統所提供的診療紀錄範本,這也突顯出HIT在醫療院所組織結構的標準化上面所扮演的角色。

此外,HIT的運用也可以視為醫療機構對任務資訊的需求或處理能力。由於HIT有強大的臨床資訊收集、儲存與處理功能,因此可以滿足醫療院所在臨床資訊上面的需求與強化處理所需要的資訊能力。

以下是我所提出的假設:

多角化經營與專科經營
依照SCT的推論,標準化的結構比較適用於任務互相依賴程度低的狀況,因此HIT的使用也應該比較適用於任務互相依賴程度較低的醫院。如果一家醫院採用多角化經營或專科經營,在結構上分化程度較高 (相較於專科醫院或一般未採用專科經營的綜合醫院而言),組織內部各產品或服務線部門的任務相互依賴性較低,會比較適合標準化結構,所以建置HIT對這些醫院應該是比較理想的選擇。根據以上的討論,得到下面的假設:
假設1:愈多角化經營的醫院愈適合使用HIT。
假設2:採用專科(分科)經營的醫院較適合使用HIT。


垂直整合
醫院的垂直整合策略包括醫院與醫師的整合、住院服務與門診服務的整合、急性住院服務與慢性住院或長期照護的整合。美國傳統上醫院與醫師在行政上並未整合,給付也是分開的,醫師並不隸屬或專屬某一家醫院,而是與某家(某些)醫院有合作關係(開放型醫院)。不過近年來有醫院開始採取聘雇專屬的主治醫師,將醫師整合在醫院的行政體系之內(封閉型醫院)。

依照前面SCT的推論,標準化的結構比較適用於任務互相依賴程度低的狀況,因此HIT的使用也應該比較適用於任務互相依賴程度較低的醫院。如果一家急性綜合醫院採用垂直整合策略,比如聘僱自己的專屬主治醫師、開辦門診服務,或也提供慢性或長期照護服務,其在結構上分化程度較高 (相較於專科醫院或一般未採用垂直整合的綜合醫院而言),組織內部各部門的任務相互依賴性較低,會比較適合標準化結構,所以建置HIT對這些醫院應該是比較理想的選擇。此外,當醫院與醫師進行垂直整合時,醫院與醫師的搭配情況應該會比較密切,醫院在建置HIT方面比較容易透過行政機制納入醫師的意見或要求醫師配合,因此有助於HIT的建置與使用。據此:
假設3:垂直整合的醫院比一般的綜合醫院適合採用HIT。
假設4:封閉型醫院比開放型醫院適合採用HIT。
假設5:封閉型醫院比開放型醫院在導入HIT後比較能夠得到具體的成果。

組織規模
依照SCT的推論,制度化/工作細分/標準化的結構比較適用於組織規模大的狀況,由於導入HIT會增加醫療院所的結構標準化程度,因此HIT的使用應該比較適用於規模較大的醫院。較大的醫院也傾向有較多分科、多角化經營或垂直整合策略;如前面所討論的,這些因素都適合結構標準化與HIT的導入。此外,規模較大的醫院使用的技術複雜度通常也較大,對資訊的需求程度較高,HIT的導入比較能夠提供足夠的即時資訊給這些醫療院所去執行任務。最後,由於HIT涉及龐大的經費與資訊的專業技能,較大的醫院一般來說具備較多的財力或人力資源去建置或採用HIT。綜合以上的討論,得到下面的假設:
假設6:規模愈大的醫院愈需要導入或愈適合使用HIT。

不同科別的差異
依照SCT的推論,標準化的結構比較適用於任務不確定性低的狀況,因此HIT也應該比較適用於環境或任務比較穩定、變化較少以及比較容易預測的醫療部門。在醫院內的醫療部門大致可以分為兩大科系,內科系與外科系,相對而言,外科系所用的技術不確定性比較大,風險也較高,外科系主要的技術—手術所牽涉的臨床人員背景比較多元(幾乎與所有臨床科別都有互動,特別是麻醉科、病理科),這會增加外科系任務的相互依賴程度,而不適合結構標準化以及HIT的使用。因此:
假設7:內科系比外科系適合使用HIT;或者,內科系對HIT的接受程度會比外 科系來得高,所得到的正面成果也比較顯著。

不同臨床部門的差異
醫院中不同臨床部門的任務不確定程度也不同,在所有臨床部門中,醫療(醫師)所執行的任務的不確定程度應該是最高的,醫師所要替病人診斷的病情本身就是非常多樣且充滿各種變數;同時醫師須要與所有臨床部門互動,相互依賴程度相當高(順序型或交互型相互依賴)。這兩個因素使得醫師或醫療部門要比其他臨床部門(如護理、藥劑、檢驗等)不適合或較困難使用HIT。此外,相較於住院服務而言,門診服務的任務不確定性較低,任務相互依賴程度多半是順序型;而住院服務任務不確定大多比較高,不少任務的相互依賴程度已經達到交互型,因此門診要比住院部門適合實施或使用HIT。
假設8:醫療部門比護理部或藥劑部門不適合使用HIT;或者,醫療部門對HIT的接受程度會比護理部或藥劑部門來得低。
假設9:門診部門比住院部門適合使用HIT;或者,門診部門對HIT的接受程度會比住院部門來得高。


環境或任務的不確定程度
環境或任務的不確定程度與醫院建置HIT的關係比較錯綜複雜,甚至會有矛盾的推論結果。不過,這正好可以解釋或反應出醫院臨床醫療人員對HIT很複雜的態度,以及HIT的使用帶給醫院不一致結果的現象。

前面提到,制度化/標準化的結構比較適用於環境或任務不確定性低的狀況,因此HIT也應該比較適用於環境或任務比較穩定、變化較少以及比較容易預測的醫院或部門。可是若從資訊需求的角度來看,任務不確定性程度愈高,該任務的資訊需求也愈大,因此導入HIT並藉由HIT的資訊整合能力獲得正確與即時的診療照護資訊的迫切性應該也比較高。這也是說,當任務或環境不確定程度愈大時,醫院愈不適合建置HIT;可是另一方面,任務或環境不確定卻同時會增加醫院對醫療資訊的需求,並帶動對HIT的建置需求。這兩個狀況使得醫院在HIT的使用上處於兩難的局面。對臨床人員來說HIT的導入也有類似的困境,由於臨床任務本身所蘊含的不確定性,他們一方面排斥作業的標準化,可是另一方面卻必須有足夠的臨床資訊來協助任務的執行。因此便對HIT產生既愛又恨的矛盾情結,這個現象在醫師身上應該是最明顯的。因此醫師的任務不確定性比其他臨床專業人員來得高。
假設10:醫師對HIT的接受程度的差異度會比護理人員或藥劑人員來得大。
假設11:醫療部門使用HIT所得到的成果(如品質改善或錯誤減少)的差異度會比護理人員或藥劑人員的成果差異度大。


[1] Donaldson, Lex (2001). The Contingency Theory of Organizations. London, UK: Sage.有人說這本著作被學界認為可能是SCT最後的系統性論述。
[2] 這點與組織生態理論(population ecology theory)的想法一致,都認為組織若無法與其經營環境或狀況達成一致的話,便會被淘汰。不過這兩個理論對淘汰的過程或力量有很不一樣的看法,組織生態理論認為組織本身的調適能力很有限,因此無法與環境搭配的組織最終會是被環境選擇而出局(select out);SCT則認為組織本身有調適的能力,經營者可以去調整其結構,不過不見得每次的結構調整都正確,因此被淘汰是策略失敗或調適錯誤的結果。