淺談美國的DRG給付制度

從今年九月開始，台灣的住院健保給付即將進入DRG時代。雖然DRG只是全民健保局多種給付制度當中的一種，而且也將與其他住院醫療的現行給付制度(如醫院總額支付制度)結合實施，這項新制度勢必對住院醫療服務產生一定程度的衝擊，對醫院與病人都將有不小的影響。

台灣所使用的台灣版DRG(Tw-DRG制度)是以美國的DRG為基礎，再加以本土化而來的。我還沒有機會去了解Tw-DRG的內容，不過倒是可以稍微談談美國DRG的由來、定價方式與影響。

DRG的基本概念—事前訂定的支付制度

「診斷相關群」(Diagnosis Related Groups, DRGs)支付制度是Medicare在1983年開始實施的一種事前訂定的給付制度(prospective payment system, PPS)，在當時這是一種相當具有革命性的新支付方式。所謂「事前訂定」，是指費用支付者(此處是指Medicare)對於某類的住院服務，將會依照在實際服務之前就訂好的金額去給付。

在這之前，Medicare是採用事後根據成本的給付方式(retrospective cost-based payment)，這種方式基本上Medicare會先依照每項醫療服務的暫付價格，乘以醫院的服務量，定期支付各醫院一筆暫付額。每家醫院在年度結束後，向主辦Medicare的Centers for Medicare and Medicaid Services(CMS)繳交一份詳細的醫院成本報表。CMS會去審核各家醫院所提供的成本報表是否合理，如果通過審核，CMS便會根據各醫院當年度的實際成本，並考慮一定比例的利潤去決定每一家醫院服務的實際價格，若某家醫院最終的服務價格高於其暫付價，CMS會彌補不足的金額給該醫院；如果某家醫院最後價格低於其暫付價，CMS再向醫院追回其多付的金額。另外，在1983年以前，Medicare也會補助或支付醫院大部分硬體費用(capital payment，金額大概略少於醫院的資本投資貸款利息與硬體折舊費)，以及支付給教學醫院訓練住院醫師的費用。

DRG實施後，由於DRG的支付價格是事先訂定好的，而與各別醫院的實際經營成本沒有直接相關，因此自從DRG實施後，Medicare的住院給付與醫院實際的營運成本開始分道揚鑣。

DRG的基本概念—論案件計酬

此外，DRG是一種論案件計酬(case payment)的給付方式，和以往論量計酬(fee-for-service)的給付方式有很大的不同。在論量計酬制度中，付費者(病人或健保組織)按照醫院所做的每一項處置或服務，給付費用給醫院。在論案件計酬制度下，付費者基本上是依照整次住院期間為一個定額給付單位，去支付費用給醫院。在Medicare實施DRG之後，醫院在向Medicare進行費用申報時，從以前的針對所有病人所接受的每個診療服務項次逐一的申報，變成以出院案件進行申報。

在DRG制度中，我們可以將每個DRG視為一個個給付對象，Medicare對每個DRG都事前訂定固定的價格，比如DRG1的給付價格是3,000元美金，DRG2是5,000元美金。如果某家醫院六月的出院病人有400位是屬於DRG1，有300位是屬於DRG2，那這家醫院六月可以向CMS申報總共2,700,000元美金(400x3,000 + 300x5,000)。因此，DRG事實上是一種做為給付用途的病人分類系統，Medicare共規劃出將近500種DRGs，將每一位出院病人，依照其病情(主診斷)、身體狀況(次診斷)與年齡、性別等，給予一種最恰當的DRG，藉此決定該病人此次住院的費用。更精確一點來說，Medicare是依照病人出院時所屬的診斷相關群的相對權值(relative weight，RW；醫療耗費較高的DRG的RW較高)乘以該醫院的支付單價，去計算該案件的支付費用，無論醫院的實際照護成本是多少，Medicare就只給付此費用，因此醫院必須設法在此費用內將該案件的病人照護好到出院，否則就要自己吸收超出的成本。如果是因為疾病本身的變異導致該病人的照護費用超過極端的偏異值(outlier)，Medicare會再根據一套公式算出額外的費用補貼醫院，只是這個補貼費用經常不足以彌補實際超過的費用。

DRG的源起

經過多年的運用與發展，DRG不僅成為Medicare住院給付的主流，也被其他美國民營的健保組織廣泛採用，現在DRG就等於是事前訂定的住院費用支付制度的代名詞。不過最近我聽我們所長Dr. Stephen Mick提到，DRG的概念最初被提出時，與支付制度一點關係也沒有，更沒有想到後來會被Medicare用來作為住院費用給付的用途。

DRG是由耶魯大學醫務管理研究所的兩位學者John Thompson與Robert Fetter在1968至1973年期間發明的。當初提出DRG的構想，是為了四種任務的需要：(1)管理醫院成本、(2)規劃區域醫療、(3)衡量醫療品質、(4)研究醫院經營模式與臨床服務的關係。首先，在當時並沒有一套適用以病人為單位的成本分析方式，雖然病人是醫院醫療服務量重要的衡量單位，而且每家醫院的病人數是比較容易預測的，理論上醫院管理者可以透過預測病人數量來做預算規劃，可是不同類別病人醫療成本的差異性很大，如果沒由一套妥善的病人成本分類方法的話，以病人為單位的成本分析與規劃是無法達成的。此外，康乃狄克州那時正在進行區域醫療的規劃，希望知道州內的病人為什麼會離開某個醫療區域，前往另一個區域的醫院就醫。州政府的規劃人員需要能夠用來描述這些跨區就醫病人住院形態的資料，特別是他們的出院診斷與住院時接受的醫療處置。於是康乃狄克州委託耶魯的學者拿35間醫院的病人資料進行分析，卻發現醫院的出院診斷和病人所做的醫療處置存在很大的差異，比如同樣出院診斷的病人當中，住院日數很不一樣，有些人很長，有些人很短；而且這些病人所獲得的醫療處置差別也很大。這些研究發現開始引起社會對醫療品質可能參差不一的擔憂，Medicare因此開始採取案件審查(utilization review)的措施，評估醫院的住院服務是否恰當，並且進行跨院與院內申報案件的比較分析。當時並沒有適當方式能夠客觀比較與評估各種案件的醫療品質，因為即使是相同診斷的住院案件，所獲得的治療過程與結果可能都有很大的差異，很難進行橫向比較。最後，那時候學者希望開發出一種電腦系統，讓研究人員瞭解住院服務的使用率與醫院營運(像是人力雇用型態與成本)之間的關係，可是在缺乏一套病人分類系統，以及病人的醫療服務資料分散在各個醫院無法加以彙整的情況下，這個目標也難以達成。

這些任務都共同指向一個需要，就是發展出一套臨床與成本上有意義的病人分類方法，這套分類系統必須能夠將病人區分為在臨床處置與成本上面相似，且符合當今醫療科別概念的類別。在這樣的目標之下，Thompson與Fetter這兩位學者便根據南丁格爾的病人照護分類基本原則，嘗試提出一套能夠將相似的病人進行歸類的系統。他們使用AUTOGRP的電腦程式去分析18家康乃狄克州醫院的病人資料，根據統計分析條件與臨床條件的交互判斷，將病人案件分成許多相似的診斷群組。然後他們再將這些由電腦產生的診斷群組拿給團隊中的醫師判斷是否具有實際的臨床意義。在他們所進行的電腦分析中，考慮到主診斷、病人的年齡、性別、有無併發症，以及手術項目等做為分類的條件，因此也能夠相當有效地區分出成本相近的病人群組。

當耶魯的研究團隊提出其DRG的研究成果與運用之後，紐澤西州(State of New Jersey)首先將DRG運用到醫院住院給付的試行計畫。由於當時美國醫院住院費用快速上漲，各州都在尋找與嘗試新的給付方式，來取代根據成本決定給付的支付制度，以有效控制醫療費用的成長。

很快地，DRG成為大家寄予眾望的控制醫療成本上漲的支付革新制度，於是，Medicare在1983年也參考紐澤西州的DRG制度，正式採用DRG做為住院費用的支付制度。DRG幾乎每年都在更新與改版，CMS每年十月會公布新版本，目前最新的版本是第26版(2008年10月公布)。

1983年Medicare剛開始實施DRG時，主要是針對綜合醫院的急性住院服務，因此住院復健、門診、急診、精神診療、兒童醫院與專科醫院的給付方式仍是採用原來的支付制度。

DRG的定價基準

前面提到，Medicare是依照病人出院時所屬的診斷相關群(DRG)的相對權值乘以該醫院的支付單價，去計算該案件的支付費用，每家醫院的DRGs支付單價是由Medicare每年所修訂的全國醫院標準單價(national hospital standard amount)，經過該醫院其所處區域的薪資指標校正、醫學教育因素校正、為弱勢病人診療高比例的因素校正後，加上資本設備支付(另有一套計算公式)所獲得的。因此，每家醫院會因為所處的區域不同，是否為教學醫院，以及是否負擔高比例為弱勢民眾診療的責任，而有不同的支付定額。另外有一些特定服務項目，會考量醫院的相關成本再予加成計算單價。下面用一個例子說明：

2005年Medicare第15類診斷相關群(DRG 15)為腦中風與腦前血管阻塞(Nonspecific Cerebrovascular Accident (CVA) and Precerebral Occlusion without Infarction)。2005年此DRG的相對權重是0.9482(平均住院日數為3.7天)；在大都會且薪資指數超過1的地區，勞力相關的醫院標準單價是3,238.07元美金，非勞力相關的醫院標準單價是1,316.18元美金；在大都會但薪資指數低於或等於1的地區，勞力相關的醫院標準單價是3,136.39元美金，非勞力相關的醫院標準單價是1,274.85元美金。非大都會但薪資指數超過1的地區，勞力相關的醫院標準單價是3,086.73元美金，非勞力相關的醫院標準單價是1,254.67元美金；在非大都會且薪資指數低於或等於1的地區，勞力相關的醫院標準單價是2,823.63元美金，非勞力相關的醫院標準單價是1,730.62元美金。由這些數字，我們可以計算某一個地區的醫院的薪資校正標準單價，如果以美國首府華盛頓特區(Washington, D.C.)來看，這是一個大都會型且薪資指數超過1(1.0969)的地區，因此其薪資校正標準單價為3,238.07x1.0969+1,316.18=4,868.02(公式是：勞力相關的醫院標準單價x薪資指數+非勞力相關的醫院標準單價)。

在計算教學醫院的加成比例時，是使用以下的公式：
A * [(1 + Interns & Residents/Beds)^0.405 -1]
其中A會每年調整，以2005年為例，A=1.42，因此如果一家450床的教學醫院共有50位住院醫師與實習醫師，1.42*(1+(50/450)^0.405-1)=6.19%

接下來Medicare會考慮該醫院在弱勢病患診療所負擔的比重，給予給付加成，此即所謂的非比例負擔醫院(disproportional share hospital)。一家醫院的非比例負擔百分比是根據該醫院的總住院日數當中，有多少百分比是提供給領取社會安全補助的Medicare病人與非Medicare的Medicaid病人的住院日數。這個百分比愈高，表示這家醫院承擔愈大比例的照顧低收入病患的責任。

然後CMS會考量醫院所處的地區與床數，去計算醫院在這方面的給付加成。對於一家在華府都會區，床數超過100床的醫院來說，所使用的公式是：
5.62% + 0.65 x (非比例負擔百分比 - 22.2%)
假如這家醫院的非比例負擔百分比為25%，則其在這個部分的給付加成=5.62% + 0.65 x (25% - 22.2%)=7.44%。

最後，我們便可以計算2005年該醫院(位於薪資指數超過1的華府地區、非比例負擔百分比為25%、有50位住院與實習醫師的450床教學醫院) DRG 15所得到的服務給付金額：

薪資校正後醫院標準單價 = -----------$4,868.02
(+) 教學醫院加成 + 6.19% ----------+ ----301.33
(+) 非比例負擔加成 + 7.44% -------+ ----362.18
(=) 每個DRG (相對權重=1)金額 ---=$5,531.53
(x) DRG 15 相對權重 ----------------x ----0.9482
(=) DRG 15的服務給付金額 --------= $5,245.00

除此之外，Medicare還有考慮醫院硬體設備成本的DRG給付加成。簡單來說，計算方式如下(以前述醫院2005年為例)：

醫院設備成本標準單價[1] -----------------$416.53
(x) DRG 15相對權重 ---------------------x 0.9482
(x) 地理校正因素[2](GAF) --------------x 1.0654
(x) 大都會地區加成[3] -------------------x 1.03
(=) 校正後醫院設備成本標準單價 -----= $433.41
(+) 非比例負擔加成[4] 14.5% ----------+ 62.84
(+) 教學醫院加成[5] 47.34% -----------+ 205.17
(=) DRG 15的設備成本加成金額 -------= $701.42

最後，我們在再將前面計算的2005年DRG 15服務給付金額與設備成本給付金額加總起來$5,245.00+$701.42=$5,946.42，這便是當年度此家醫院執行每個DRG 15案件所得到的定額。

整體來說，DRG的定價過程是蠻繁複但是相當透明的，每一個步驟根據的理由都被交代到，考慮的因素也頗為周到，每家醫院也都可以很清楚知道自己每個DRG案件的定額是多少。

DRG的影響

DRG實施後對美國健康照護體系的影響相當深遠，其中，醫院當然是首當其衝。DRG實施後，醫院住院日、佔床率與住院件數都明顯下降，每案件的平均成本與給付的成長率也都逐年趨緩，特別是實施的第一年，Medicare的住院總給付費用下降6%。雖然如此，一般而言DRG實施之後美國醫院的盈餘反而都比實施前增加，主要是DRG使醫院有強烈的誘因去管控成本。

醫院在因應DRG方面，採取了幾個主要的策略。首先，是一連串成本管控的措施。以往醫院的成本可以說都由醫療付費者買單，醫院根本沒有管控成本的必要與動機。DRG使醫院的開源(病人服務收入)受到限制，若要維持一定的財務體質，勢必要從節流方面下功夫。最明顯的節流策略，是1990年代的醫院組織再造工程(re-engineering)，事實上就是結構扁平化與人力精簡。此外，有不少醫院結盟或加入醫院體系，以期透過聯採或分享管理機能，以降低營運成本。

再來，在DRG之下，醫院的服務組合和成本結構的調整是相當重要的工作。由於有些DRGs的給付定額利潤較高，有些DRGs定額容易導致虧損，醫院除了必須考慮個別DRG的利潤情況外，更要使整體的服務組合達到最大的收益，截長補短而且能夠滿足整體病人住院服務的需要。目前美國較有利潤的醫療服務是骨科、心臟科與腫瘤科，因此這些科別的服務成長很快。此外，每家醫院的成本結構不盡相同，有些DRGs給付定額對某些醫院有利潤，可是對其他醫院並沒有利潤，所以每家醫院必須瞭解自己的成本結構，才能找到適當的服務組合，或者進一步調整自己的成本結構，以便在DRG中有足夠的利潤。

有學者研究指出不少小型醫院受到DRG的衝擊而結束營運，主要理由是小型醫院未達規模經濟，平均成本較高，而且服務項目較少，在服務組合與成本結構的調整上比較不靈活，因而在DRG下無法有效應變及生存。這可能也可以部分解釋為什麼美國醫院在DRG實施後財務盈餘反而普遍較好，因為財務體質較弱的醫院大多已經在這波衝擊中關閉了，剩下來的多是財務能力較佳的醫院。

醫院在對DRG所採用的第三種因應策略，是多角化經營與垂直整合，簡單來說，就是設法在DRG給付之外開拓財源與收入。其中多角化策略是為了降低對Medicare與Medicaid的收入依賴，盡可能去開拓Medicare與Medicaid以外的病人來源，主要是民營健保組織的納保人與病人，因為大部分這些健保組織尚未採用DRG或PPS，仍是採用論量計酬，而且這些健保組織的給付要比Medicare與Medicaid來得高。

在垂直整合方面，DRG實施之前絕大美國醫院只提供急性住院服務，然而1983年之後，許多醫院開始開辦門診、慢性與長期照護服務。這是因為當時門診診療仍是採用按成本給付的論量計酬制度，而且掌握門診便可以控制住院案件的來源，以提升佔床率。此外，許多醫院開辦後急性(post-acute care，如住院復健)與長期照護(如護理之家與居家照護)服務，在DRG制度之下，這是一箭雙鵰的做法，一方面可以增加服務收入，而且這些服務在當時還是具有利潤的論量計酬，另一方面是可以安排住院病人的出院，及早將病人順利轉出急性病床，以降低住院照護的成本。

醫院的垂直整合策略造成Medicare門診與長照服務費用大幅增加，負責政府預算編列的國會與主辦Medicare的CMS當然知道這樣的情況，而且不是省油的燈，在1997年通過預算平衡法案(Balanced Budget Act)，提供法源基礎並要求CMS實施門診診療與長期照護的PPS。護理之家的PPS在1998年7月實施，使用的支付制度稱為RUG(Resource Utilization Groups)制度，這可以說是護理之家版的DRG；門診診療服務的PPS於2000年8月實施，名稱是APC (Ambulatory Payment Classifications)，此為門診版的DRG；居家照護的PPS則在2000年10月實施，稱為HHRG (Home Health Resource Groups)，此為居家照護版的DRG。以APC為例，APC與DRG都是論件計酬(case payment)，但它們也有一些不同。APC不是像DRGs依診斷群支付，而是以服務類別(體外震波碎石術、乳房手術、高難度門診診療)去給付。Medicare將門診診療、門診手術及未住院的急診診療分成將近八百多種服務類別，分別予以訂定相對權重。各醫院的給付單價乘以該處置類別的權重即為該處置的支付費用。APC的醫院支付單價也是根據全國的標準值，再經過各區薪資指標、勞力比例等因素校正之後計得。超過outlier的案件亦可酌獲補貼。

目前Medicare的主要給付項目中，除了安寧療護之外，都已經使用PPS做為支付方式，這是DRG對美國健康照護支付制度的連鎖反應。

由於DRG對於在一定期間內同類DRG的再住院案件不額外給付，因此醫院對病人的照護必須達到一定的品質與結果，否則如果出院病人因為感染、病情尚未穩定等因素而再度因為相同的病情入院，醫院就必須吸收後續住院的照護成本。在醫療品質與管控照護成本的雙重要求之下，醫院於是在臨床上針對各類的DRG發展出臨床照護指引(clinical or care guidelines)、臨床路徑(clinical pathways)，以求診療程序的標準化，使照護的品質差異降到最低，而且只做必要且有效的處置，同時也監控療程的成本。此外，出院計畫在DRG實施之後也開始受到重視，透過主動對病人出院後的必要照護提供建議或安排，讓病人及早安心出院，也可以避免出院照護不妥所導致的再入院頻率。這些措施也讓我們看到在DRG時代，臨床管理的重要性，而臨床管理要做得好，關鍵在於醫師、護理人員與其他醫技人員必須共同參與，擬定良好可行的臨床管理計畫。此外，運用臨床資訊系統來強化臨床管理與品質監測也顯得很必要，這使得美國許多醫院開始積極從事臨床資訊系統的開發與建置。

DRG也對醫療付費者與醫療提供者的相對關係造成結構性的改變。在根據成本計算的論量計酬時代，醫療提供者(醫院等)在財務上有相對的優勢，只要不要太離譜，醫院為病人做甚麼，醫療付費者(自費病人、Medicare和健保組織) 基本上都會照付；這時醫療服務的訂價者是醫療提供者，醫療財務風險由付費者承擔。但是在DRG時代，醫療付費者掌控醫療服務的訂價權，風險轉由醫療提供者承擔。

DRG對病人影響的正負面評價都有，正面評價主要是認為DRG有助於使病人的照護品質獲得確保，以及如果醫療費用能夠得到控制，消費者或病人便可以減少醫療的支出。負面的評價主要來自對住院日大幅縮短以及醫院嚴格管控成本(比如縮減護理人力)的疑慮，這些都有可能對照護品質產生負面效果。此外，病人在過早出院的情況下，病人或病家必須承擔更沉重的照護責任與心理負擔。

美國醫界當初對DRG的實施充滿疑慮與恐慌，但是經過二十多年，DRG或PPS已經成為健康照護支付的常規。DRG甚至產生跨國影響力，被許多國家的健保體系所採用。DRG被公認為是Medicare從1965年實施以來，最重要且最創新的支付制度改革。有些學者甚至認為DRG是第二次世界大戰之後，美國健康照護制度最重要的創新。不過，由於DRG非常複雜，而且在支付制度上面，是屬於一種細部調控(micro-management)，而非宏觀管理的方式，也就是對個別醫療服務類別進行定價，以便影響醫療服務的成本、品質、數量與行為。有學者仍然質疑DRG是否能夠真正有效促進醫療品質與管控成本，如果從美國醫療成本仍然以將近兩位數比率在成長的情況來看，這些學者的質疑不是沒有道理的。

對台灣醫界可能的啟示

台灣實施Tw-DRG與美國的DRG不一樣，而且台灣的健保與醫療體制與美國的情況也相差很大，我們很難去預測DRG對台灣醫界的影響會到什麼程度。不過若參考美國的情境，我覺得DRG會啟動台灣醫院另一波的成本管控潮，只是台灣醫院還有多少成本管控空間？如果已經很有限，這波成本管控很可能會壓縮到醫療品質，或至少病人必須忍受或做好適應醫療服務模式大幅改變的心理準備。可以預期的是未來病人住院日數會明顯減少，後急性照護(post-acute care)與長期照護的需求會大幅上升。

不同醫院受到DRG的衝擊程度可能不一樣，小型醫院的危機可能比大型醫院來得大，因為小醫院承擔財務風險的能力比較低。此外，由於台灣的DRG是架在醫院總額制度之上，因此短期內醫院整體的總額並不會受到DRG影響，也就是所有醫院收入的大餅還是維持不變，但是醫院之間的資源分配應該會有所消長。有能力在保持照護品質(或是真正品質不被監測到)前提下有效管控照護成本的醫院比較有機會在DRG時代勝出。

在台灣實施DRG的一個好處是降低過去論量計酬與總額時代醫院為了衝服務量所造成的醫療資源浮濫使用的現象，因此DRG對正派經營與妥善運用醫療資源的醫院應是一項利多。不過DRG會產生另一個誘因，使得一些醫院設法在疾病分類上面動手腳，做出不實的分類與申報。美國DRG實施後也產生了很多up-coding(在診斷中摻入一些不實的資料，以將病人歸入給付定額較高的DRG案件)的弊端，後來政府祭出嚴格的罰則，才使這個問題稍為獲得緩解。全民健保局應該也要未雨綢模，找出有效的方法來避免類似的情形。健保局在每個DRG的訂價方面，也有必要做到透明化。

不過，前面說過，支付方式只是DRG的一種應用方式，DRG對醫院或政府來說，還可以用來做醫院的預算管理、個別醫院的規劃、區域醫療規劃、以及品質監測與改善。如果醫院能夠妥善運用DRG的功能，所產生的契機也許會比危機來得大。

[1] 此單價會依照每年的情況調整
[2] 計算公式=(該地區的薪資指數)^.6848
[3] 若該醫院位於大都會地區，則一律加成3%
[4] 若該醫院符合某些營運條件，則加成14.5%
[5] 計算公式= (住院醫師人數 + 實習醫師人數)/校正後平均日住院人數 x e^0.2822 -1

維吉尼亞州議會廣場(Virginia Capitol Square)

Richmond是Virginia的首都，也就是州政府(州議會、州長、州最高法院)的所在地。我在Richmond的第一年是住在VCU醫學校區的宿舍，就在Richmond的市中心，過兩條街就可以走到州議會的廣場(Capitol Square)，因此這裡便成為我住宿時主要的散步路線。

Virginia Capitol Square是一個中型的公園，被包圍在熱鬧的市區裡，周圍都是辦公大樓。公園廣場的西邊樹木扶疏，綠草如蔭，樹蔭下有一個斜坡，兩旁各有一整排座椅，這裡是附近上班族、在州政府服務的公務人員忙裡偷閒、出來透透氣，或中午帶個三明治或漢堡來野餐的絕佳場所。斜坡的底端是一個噴水池，旁邊種滿顏色鮮豔的玫瑰花與百合花，常常迎風吹來陣陣花香。斜坡的頂端是一個紀念碑圓環，中間是美國國父華盛頓的騎馬雕像，四周分別環繞著殖民時代與獨立戰爭的常勝將軍安德魯路易斯(Andrew Lewis)—象徵殖民時代的奮鬥；力主不惜與英國一戰，以爭取獨立自由的熱血政治家派屈克亨利(Patrick Henry)—象徵革命的熱情； 美國開國元老以及權立法案之父喬治梅森(George Mason)—代表權利法案的立國精神；美國第三任總統傑佛遜(Thomas Jefferson)—代表追求獨立的決心；在獨立戰爭期間出錢出力的商人與議員湯姆士尼爾森(Thomas Nelson)—象徵財務的重要性；以及美國憲法起草人與司法院長約翰馬歇爾(John Marshall)—代表司法正義。這七位仕紳都出身於維吉尼亞州，對美國開國有非凡貢獻。

不過Capitol Square中除了這些著名政治人物的雕像之外，也有一個著名作家與詩人的雕像，這位作家是愛倫坡(Edgar Allan Poe，1809 –1849)，他在美國文壇有相當重要的地位，除了寫詩、文學評論以及散文之外，愛倫坡也寫小說，他擅長寫懸疑性的作品，被認為是偵探小說的先驅。雖然他的出生與死亡都不是在維吉尼亞，但是他從小被一對住在Richmond的商人John and Frances Allan收養，因此其實Richmond是他成長的地方，後來他也到維吉尼亞大學求學。今年剛好是愛倫坡誕辰200周年，Richmond與Virginia有許多相關的紀念活動。

Capitol Square的東邊是州長公館(Executive Mansion)與州政府行政部門辦公大樓。這棟州長公館於1813年落成，是目前全美國最古老且從一開始就做為州長公館至今的同類建築物。這棟公館與美國兩位總統有直接的關係，第五任總統James Monroe在1811年擔任維吉尼亞州州長時批准這棟州長公館的興建。美國第十任總統John Tyler在擔任維吉尼亞州第22任州長時就住在這棟公館裡面。這棟公館也曾經有多位美國總統造訪過。此外，英國女王伊麗莎白二世在2007年來Virginia參加維吉尼亞400周年活動時，成為公館的貴賓。還有英國前首相亞瑟·貝爾福(Arthur Balfour)與邱吉爾(Winston Churchill) 也都曾來此作客。

Virginia Capitol Square裡面的地標、也是最醒目的建築物，當然是州議會大廈，就坐落在整個公園廣場的正中心。其實這棟建築物並不算很大，美國很多其他州的議會大廈看起來都比它宏偉，但是這棟建築物有許多歷史與建築上的特殊意義。在歷史方面，這棟議會大廈於1785年開始興建，1788年落成，至今已超過220年，是美國目前仍做為議會用途最古老的州議會大廈之一，僅次於馬利蘭州(State of Maryland)的國會大廈。不過，如果以建築物的主人來看，維吉尼亞州的議會是北美洲(可能也是西半球)最早由人民直接選出的議員代表所形成的立法機構(1619年在Jamestown成立)，使得這棟建築物肩負著更突出的歷史意涵。在建築方面，維吉尼亞州議會大廈有幾個特色。首先，它的造型與外觀是由美國開國元老之一、維吉尼亞第二任州長，也是美國第三任總統傑佛遜所設計，當初構想是來自古羅馬神殿的建築風格[1]，正面由哥林多圓柱排列環繞。目前美國州議會大廈採用古代建築風格的只有兩個州，除維吉尼亞州之外就是佛蒙特州(State of Vermont)。此外，絕大多數美國的州議會大廈都有很明顯的圓頂，只有少數幾州的州議會大廈從外面看不到圓頂，維吉尼亞州議會大廈是其中之一。其實它有圓頂，但是從外表看不出來，是被藏在中間。

我覺得這棟議會大廈外觀雖然不算宏偉，卻很耐看，而且愈看愈好看。特別是它是蓋在一個小山丘的頂端，從下往上看，很能感受到這棟建築的崇高理念。從此山坡緩緩往下走，就會到詹姆士河(James River)，在附近高樓尚未建起來之前，從議會大廈可以遠眺詹姆士河的風光。

雖然在Richmond的第一年我幾乎每禮拜都會到Capitol Square散步二到三次，可是我從來沒有進入到議會大廈裡面。有朋友告訴我這棟Capitol開放給遊客參觀，並且有很精彩的導覽；可能是因為這個公園已經成為我生活的一部分，對我不再有神祕感或好奇，我始終沒有很強的動機進去Capitol一探究竟。直到上禮拜五我才與家人第一次走進議會大廈的入口。

很有趣的是現在這棟建築物的入口是在其斜坡草坪下方距離建築物約100公尺處的洞穴。這是因為這棟建築物空間已經無法滿足目前議會運作的需要，因此在幾年前進行擴建，方法是保留地面上的主體建築與外觀，而往地底下擴展，擴建工程在2007年完成，從此之後入口就設在這裡，感覺像是進入一個神祕基地一樣。

一進到入口，馬上有親切的接待人員跟我們打招呼，問我們來訪的目的。知道我們是要來參加Capitol導覽活動之後，接待人員請我先通過安全檢查站，然後在展覽區觀賞展覽並稍候，很快就會有導覽員[2]帶領我們進入參觀。

在入口接待處的牆面上刻著傑佛遜的一句話”Whenever the people are well informed, they can be trusted with their own government.”，大意是：當人民得到充足的資訊，清楚知道政府在做些甚麼時，就愈能夠信任他們的政府。我覺得這句話相當能夠代表Virginia Capitol在開放給大眾親近並且熱誠接待州民與訪客的出發點，就是要讓人民知道他們的政府在做甚麼。此外，對於天天在此進進出出的州議員與行政官員來說，這句話也在提醒他們，政府必須對人民坦誠、施政要透明，才能取信於民，獲得人民的支持。

我們導覽員是一位親切、隨和、熱誠的女性，對Capitol與維吉尼亞的歷史如數家珍，她對Capitol中每件文物或擺設品幾乎都可以講出一段有趣的歷史淵源，而這個導覽其實就是從Capitol去帶出與介紹維吉尼亞的歷史。

1607年一群由英格蘭探險家、勞工、技工、與船員共143人所組成的隊伍，搭乘三艘小船，在海上經過4個月，橫跨大西洋，來到現在維吉尼亞州的海岸河口處落腳，他們雖然不是第一批抵達北美洲新大陸的英格蘭人，卻是首批在北美州開拓成功的英格蘭移民。當時英格蘭國王是詹姆士一世(King James I)，因此他們就稱此移民村為Jamestown，並建立起殖民地，成為大英帝國在海外設立的第一個長期性的殖民地。Jamestown也是維吉尼亞殖民區的政府所在地。1776年美國獨立戰爭成功後，維吉尼亞設州[3]，Jamestown成為維吉尼亞第一個首都。Jamestown位於一條大河的河口，這些英格蘭移民也同樣以英格蘭國王的名字加以命名為James River。這條河發源於維吉尼亞與西維吉尼亞州交界的Allegheny Mountains，流經Richmond，最後在Chesapeake Bay注入大西洋，是維吉尼亞州內最大的河流。

維吉尼亞(Virginia)名字的由來可以追溯到更早的年代。1584年兩位英格蘭人Philip Amadas和Arthur Barlowe接受探險家Walter Ralegh的差遣，帶探險隊跨洋來到北美洲，在今天的Virginia海岸外的沙洲群島(Outer Banks)上岸，並做短暫停留，與附近的印第安人建立關係，因此有兩位印第安人隨著他們返回英格蘭。為了這次成功的探險旅程，Walter Ralegh將探險隊所抵達的地方取名為Virginia，以獻給當時的童貞女王(Virgin Queen)—英格蘭女王伊莉莎白一世[4](Queen Elizabeth I of England)。

在議會大廈內，有一份美國獨立宣言的的複本，這是美國獨立後，聯邦政府為感謝維吉尼亞州對建國的貢獻，所送出的少數幾幅描繪複本之一。事實上美國獨立宣言有一部分重要內容來自維吉尼亞人權宣言(Virginia Declaration of Rights)，維吉尼亞人權宣言是在1776年由George Mason起草，並在當年六月維吉尼亞州代表大會(Virginia Convention of Delegates)通過，這個法案影響到後來的美國獨立宣言、美國人權法案、以集法國大革命時的人類與市民權利宣言等重要文件的內容。

在議會大廈二樓的中央圓頂正下方，陳列了一座華盛頓的全身雕像，這是傑佛遜[5]1785年請法國一位雕刻家Jean-Antoine Houdon，來到維吉尼亞華盛頓的家中，按照華盛頓本人的尺寸量身製作，臉部更是用石膏模所覆印出來，因此這件作品是瞭解華盛頓真實長相與身材最準確的資料。1796起，這座雕像就陳列於議會大廈。

導覽員告訴我們，在所有的畫像以及這座雕像中，華盛頓始終是閉著嘴巴，給人很嚴肅謹慎的感覺。她說其實華盛頓有「難言之隱」，因為他是無「齒」之徒，他的牙齒因為牙周病都掉光了，於是他在公開場合都刻意將嘴巴閉起來。也因為如此，他每天都要親自為他的五匹愛馬一一刷洗牙齒，以免牠們也重蹈覆轍，經歷無法開口的痛苦。

在華盛頓雕像四周的牆壁中，陳列了華盛頓以外的七位維吉尼亞出身的美國總統半身雕像，包括：Thomas Jefferson, James Madison, James Monroe, William Henry Harrison, John Tyler, Zachary Taylor,與Woodrow Wilson。所以這個空間被稱為總統廳。

美國內戰期間，維吉尼亞州加入南方州所形成的美利堅邦聯(the Confederate States of America，對抗以北方州為主的聯邦政府(Union)。當時的名將李將軍(General Robert Lee)被雙方陣營寄予重望，其動向備受矚目。李將軍是維吉尼亞人，西點軍校畢業後一直是聯邦軍隊倚重的軍官，參與多起戰役。在美國內戰即將開打之際，林肯總統還任命李將軍為聯邦軍隊統帥，可是李將軍經過一番內心掙扎，決定加入南方Confederacy的軍隊，因為他覺得自己無法率領北方軍隊攻打自己的家鄉與親朋好友，他必須效忠自己出身的地方，才能心安。當他做出這樣的決定後，就是在維吉尼亞這棟議會大廈中的舊眾議員會議廳(Old House Chamber)，向南方政府報告。李將軍因此深受美國南方人民的敬仰，現在這個會議廳中陳列了他的雕像。

我們也看到了此棟議會大廈最原始的照比例縮小的石膏模型，製作於1786年。雖然在當時製作這樣的建築模型相當昂貴，但是傑佛遜主張為了讓建築工人能蓋出完美的建築物，有一個模型做為參考是絕對必要的。導覽員說當初議會大廈的外觀不是今天看到的白色，兩百多年來這棟建築物已經經過好幾次整修，外牆重新粉刷過十六次，才變成白色。每次重新粉刷時，這個模型也必須用同樣顏色的油漆粉刷一次，以確保模型與大廈外觀的實際顏色是一樣的。

維吉尼亞州的正式英文名稱是the Commonwealth of Virginia，而非一般常見的the State of Virginia。美國只有四個州使用Commonwealth、而不用State做為州名，除維吉尼亞州之外，還包括麻薩諸塞州(Massachusetts)、賓夕法尼亞州(Pennsylvania)、與肯塔基州(Kentucky)。VCU的名稱中也有Commonwealth這個字，全名是Virginia Commonwealth University，我一直在想這個校名要怎樣翻譯最恰當，最直接且簡單的翻譯可能是「維吉尼亞州立大學」，因為Commonwealth與State有相同的意義。只是我一直覺得Commonwealth應該有更廣或更深的涵義才對。Commonwealth有些時候可以代表由國家所組成的跨政府組織或邦聯，例如大英國協(British Commonwealth of Nations)；有時候用來指一個國家，例如澳洲的英文全名是(the Commonwealth of Australia)；有時候這個字又代表隸屬某個國家的自治區，像美國屬地之一的波多黎各，其正式名稱是(the Commonwealth of Puerto Rico)；Commonwealth有時候用來指州；有時候則可以代表一群由追求共同目標與福利的人所組的團體，或許可以用「生命共同體」形容；它也可以用來代表一個國家、州或政治體中的所有人民，或由人民所授權的國家(共和國或民主國家)。在參觀維吉尼亞州議會大廈時，導覽員幫我解開了這個存在心中好一段時間的疑問，她告訴我們當時決定使用Commonwealth的緣由。1776年維吉尼亞州脫離殖民地成為一個獨立的州，當時的州議員決心擺脫過去被大英帝國當作次等公民的處境，爭取並建立Virginia成為一個與其他盟邦平等、尊嚴地位的州，當時英語最能夠代表這層含意的字就是Commonwealth。此外，the Commonwealth of Virginia的主要用意，也是希望這個州是一個為維吉尼亞人民的共同利益與福祉而存在與努力的政治共同體。

我覺得維吉尼亞州議會大廈就像是一部活歷史，它是一棟仍然肩負其原來任務的博物館[6]。要同時兼顧各個時代的實際需要並且保存其歷史與傳統價值，並不是一件容易的事，維吉尼亞州政府與州民的理想與努力因此更令人敬佩。此外，這棟政府建築物與周遭環境是我見過最具親和力的「權利空間」，它隨時保持對外的開放與歡迎，與民眾與遊客分享它的理念、歷史、與優雅，也帶給人許多寶貴的啟示。

[1][1] 傑佛遜是根據法國南部Nîmes 的方形神殿(Maison Carrée) 的造型來繪製維吉尼亞州議會大廈的外觀。
[2][2] Capitol導覽每天都有，基本上每小時整點會有一團出發，行程約1小時。開放時間是禮拜一到禮拜六是從早上9:00到下午5:00；禮拜天是下午1:00到4:00。若不參加導覽，也可以自由參觀。
[3] 維吉尼亞州在1788年簽署美國憲法，正式加入聯邦成為美國的一州。
[4] 伊莉莎白一世女王沒有結婚，因此被稱為童貞女王(Virgin Queen)。
[5] 傑佛遜當時擔任美國駐法國大使。
[6] 可以參考http://www.virginiacapitol.gov/, http://en.wikipedia.org/wiki/Virginia_State_Capitol,或下載這份簡介資料http://hodcap.state.va.us/publications/08_visitors_guide.pdf

如何評估民意調查的品質？

上學期選修調查研究方法這門課，最大的收穫是瞭解到一份調查中可能有哪些會導致結果偏差的問題存在，而影響到調查的品質。瞭解這些問題不僅有助於自己在執行一份調查研究時能夠盡量加以避免，更有助於評估調查研究的品質或可信度。

我覺得調查研究的頻繁與否應該也是衡量一個國家自由民主、社會發展的指標。越先進、開放的國家越可以看到各種民調活動與結果；政府與學界則相當依賴民意調查來了解國內的民意或社經發展的動態。在臺灣，報章媒體經常報導各種針對某個社會或政治議題所做的民調結果，提供民眾了解社會的重要管道。民調事實上已經與我們的生活息息相關。

不過，每一份民調的品質可能參差不齊，我們不應該照單全收。我覺得「盡信書，不如無書」這句話如果改成「盡信民調，不如無民調」也很貼切。做為一個民調結果的閱聽者，我們必須保持某種程度的警覺與批判性。如果媒體記者在報導每一份民調結果之前，以及每位民眾在閱讀某個民調的結果時，都採取質疑的態度去看待，要求執行機構將民調的內容與過程交代清楚，讓我們能夠判斷該份民調的品質，這樣應該可以刺激或督促這些民調機構做出更謹慎的調查，使民眾較準確地得知社會的動態。

從這樣的角度來看，讓一般民眾具備辨別民調品質的基本能力便顯得相當重要。不過大部分的人並沒有機會接觸這方面的知識，但基本上我覺得這些概念並不難懂，這篇文章是我應用上學期修課的心得，所做的一點嘗試。

學者將調查研究的誤差來源歸納為四大類：(1)覆蓋誤差(coverage error)、(2)抽樣誤差(sampling error)、(3)未回覆誤差(non-response error)、(4)測量誤差(measurement error)。我認為我們可以用這四類的調查誤差做為我們去判斷一份民調品質的架構，以下就每一類的可能誤差，提出相關的問題，並加以說明：

造成覆蓋誤差的問題

調查的母群體是哪些對象？範圍是否很明確？

對於任何一份民調，我們最先要了解它的研究對象是誰？或是這個調查的結果可以代表哪些對象或範圍？每份民調一定有其所設定的研究對象範圍，這也就是調查研究中所說的母群體(population)，民調機構在對外公布一份調查結果時，有必要很清楚地交代其調查的母群體。比如一份政府施政滿意度的民意調查，如果沒有說明白其母群體的範圍，我們便沒有辦法知道這份調查的結果到底是代表或反應哪些人的意見。母群體是否界定清楚對後續調查進行有絕對的影響，當民調機構越能夠明確講出該調查的母群體範圍時，通常其調查執行過程也會更準確。如果連母群體都講不清楚，後面所進行的取樣也會跟著很模糊；樣本若失去代表性，所得到結果的可信度也就大打折扣了。

民調機構有沒有一份可以與母群體中所有對象聯絡的正確名單與資料？

當一份民調有很明確的母群體時，無論接下來是要採普查或是抽樣調查，都要知道如何與這些對象接觸/聯繫，以便寄問卷給他們或者跟他們進行訪談。調查術語稱此名單或資料為「取樣清冊[1]」(sampling frame)。民調機構所掌握或採用的取樣清冊內容才是民調真正的母群體，如果調查機構所使用的取樣清冊無法涵蓋其所界定的母群體，其中未涵蓋到的部分便會造成覆蓋誤差。

比如許多民意調查所設定的母群體是國內20歲以上的民眾，可是我們如果仔細去探究，事實上並不是如此。原因是絕大多數的民調都是採用家用電話隨機撥號去取樣，而家用電話隨機取樣的取樣清冊其實是由中華電信的所有家用電話用戶所構成的，並不是個別的民眾；而且有不少20歲以上的民眾未被涵蓋在這個清冊裡面，像是住在營區的軍人、住校的學生、住在護理之家或療養院的民眾等等。因此，這些民調真正的母群體其實是中華電信的所有家用電話用戶，而不是國內20歲以上的民眾，如果這些民調結果要去代表20歲以上民眾的意見，便會產生覆蓋誤差。此外，若以家戶為單位的取樣清冊去調查個別民眾，嚴格來說在分析時必須用適當的權重(weight)去校正[2]，否則有可能得到偏差的估計。

民調的方法是甚麼？可能會遺漏哪些對象？

前面的例子讓我們看到，覆蓋誤差直接與調查所使用的方法有關。不同的調查方式會有不同的覆蓋誤差。目前調查研究較常見的方式有：(1)電話訪問、(2)郵寄問卷、(3)家戶訪調、(4)網路調查。電話訪問是最方便迅速，成本也較低的調查方式，且有覆蓋率相當高的取樣清冊，很方便進行隨機抽樣，因此廣受運用。不過除了上述的問題之外，隨著行動電話的普及，有越來越多的民眾不再使用家用電話，這些家戶或民眾就會成為電話訪問的漏網之魚。美國已經有一些研究去探討採用傳統家用電話進行取樣與訪問所造成的誤差程度。我不清楚台灣是否有學者做過類似的探討。目前手機取樣與調查還有一些問題，像是沒有一套完整的全國性取樣清冊(手機用戶的資料是散在各個電信業者)、很多人同時持有兩門甚至更多手機門號、手機計費較昂貴，拒絕受訪的比例較高、手機的接聽場合與習慣也會導致較高的拒絕受訪率，這些都是手機調查所要考慮的問題。

郵寄問卷主要是透過郵局所掌握的家戶地址做為取樣清冊，美國郵局有發展出一套可以設定區域範圍的家戶地址隨機取樣系統，做為郵寄問卷或家戶訪調的取樣方法。這套取樣清冊仍然有其覆蓋率的問題，比如有些集合式住宅大樓是多個家戶共用一個門牌號碼，或是住在照護機構、學校宿舍與軍營中的個人與家戶也是沒有單獨的地址，這些家戶與個人就無法被涵蓋到。此外公司機構與住家的地址經常是混在一起，不容易區分。

拜網路的普及，網路調查有越來越普遍的趨勢。不過一般來說，即便是參與人數眾多，利用網路去進行一般民調時，覆蓋率仍有很大的問題，我們必須特別注意。最主要的原因是網路的普及率與100%仍有一大段距離，就算是100%，並不是每一個人都會使用電腦或上網，這些沒有網路或不使用電腦的人便無法被網路調查所覆蓋到。

目前較常見的網路調查有兩大類，第一類是一些大型入口網站(如Yahoo, MSN等)針對某種議題所進行的攔截調查(intercept survey)，比如有時候我們進入或在瀏覽某個網站時，會跳出一個邀請我們參與網路調查的頁面，這就是攔截調查。第二類網路調查是有一些調查網站或機構會透過網路去邀請並收集一群願意接受網路調查的民眾名單，做為該機構或網站實施各種調查的受訪對象，調查術語稱此為Opt-in panels。有些機構所建置的名單數量相當龐大(好幾萬，甚至好幾十萬人)，然後這些機構再根據調查主題的性質以及其名單中參與者的基本資料，隨機篩選出樣本，再寄發網路問卷給被篩選到的受訪者。這兩種方式基本上都不是機率取樣(probability sampling)，而是屬於方便取樣(convenience sampling)。他們所使用的取樣清冊只包含那些有意願或興趣參與網調的網友，而不是一般民眾。雖然有些使用這些網調方法的機構或網站，強調其所使用的取樣清冊名單或樣本在重要的人口特徵(如性別、年齡、職業、教育程度等等)與整體人口的情況很相似，但是這些有意願或興趣參與網調的網友很有可能在一些動機或想法上有別於一般民眾，所以還是無法確定所得到的調查結果有多大的代表性。

但這不是說所有的網路調查都沒有代表性，使用網路可以針對特定的對象進行具有相當代表性的調查，比如某家公司或機構若要進行員工滿意度調查，而其每位員工都有電子郵件信箱，也都可以在機構內使用電腦與網路的話，那透過網路去進行調查是很恰當的方式。此外，如果某個網站想要對其使用者進行意見調查，用攔截調查也是一個好方法。在這兩個例子中，都有很清楚的調查母群體與取樣清冊，大大降低覆蓋率不足以及後續取樣的代表性偏差所衍生的問題。

我認為覆蓋率是調查最關鍵的要求，如果所使用的取樣清冊與母群體之間有嚴重的落差，不管後面的取樣方法有多正確、樣本數有多大、問卷內容設計的多好、統計分析的方法有多嚴謹，基本上所得到的結果都可能是有偏差的[3]，更嚴重的是我們無法知道偏差的程度有多大。因此在評估一份調查的品質時，我們一定要去質疑或確定這份調查是否有覆蓋率的問題。

造成抽樣誤差的問題

民調的樣本是透過甚麼方式選擇的？是機率取樣，還是非機率取樣？

當一份民調有很明確的母群體以及覆蓋率很高的取樣清冊時，我們接下來要關心的是取樣的過程與方法是否恰當。掌握一份完整的取樣清冊的好處是可以讓研究人員很容易進行機率取樣，而根據不同的機率取樣方法，研究人員便可以估算調查的抽樣誤差。調查的抽樣誤差是所有抽樣調查都一定會發生的誤差，不過透過機率抽樣方法的運用，研究人員可以將抽樣誤差控制在可以估算且可以接受的範圍。主要的幾種機率取樣方式包括：(1)簡單隨機抽樣(simple random sampling, SRS)、(2)系統抽樣(systematic sampling)、(3)分層抽樣(stratified sampling)、(4)群集抽樣(cluster sampling)[4]。比較複雜的調查可能會混合運用這些抽樣方法。

有時候研究人員可能因為沒有適當的取樣清冊，或者因為某種原因而捨取樣清冊不用，改用非機率取樣去選取樣本。常見的非機率取樣方法有：(1)便利抽樣(convenience sampling)、(2)立意抽樣(purposive sampling)、(3)配額抽樣(quota sampling)。在這些情況下，不管樣本數有多大，我們都無法去估算調查的抽樣誤差，也就是說我們無從去判斷這份調查結果準確的程度有多大，因此所獲得的結果只能參考參考，千萬不要太信以為真。

樣本數是多少？

在機率取樣的情況下，樣本數是決定民調抽樣誤差的主要因素。樣本數愈大，抽樣誤差愈小，民調結果也就愈能夠準確反應真實的情況。更精確來說，一份民調所需要的樣本數大小決定於幾個因素：(1)母群體的大小、(2)信心水準、(3)抽樣誤差的範圍、(4)民調的現象出現比例。母群體是某次民調要研究的所有對象，也是這份調查的結果可以代表的那一大群個體。一般來說，當母群體愈大，所需要的樣本數也愈大。可是很有趣的是，當母群體大超過某一個程度之後，在其他要求條件不變的情況下，所需要的樣本數幾乎不須要額外增加，這是抽樣民調的最主要優點—讓我們透過有限的樣本去了解廣大民眾的意見。信心水準與抽樣誤差範圍都是衡量民調品質的主要指標。由於透過抽樣的管道去探討某種現象，我們只能用所得到的樣本去估算該現象可能的發生比例，不太可能獲得真正的答案，不過統計學可以提供我一個在某種信心水準(通常都設定在95%)的估算區間，這表示如果我們能夠重覆取樣100次的話，應該會有95次的估算值會落在這個估算區間(通常以估算值加減多少百分比來表示)之內。當我們要求的信心水準愈高，或所容許的估算區間就愈小，所需的樣本數就越大。最後，民調的現象出現比例就是我們進行調查最想了解的，比如對執政者施政滿意度，通常是有多少比例的民眾對政府的施政表示滿意。事實上研究者並不知道這個比例值(假設是p)是多少，還好我們可以設定某些特定的狀況，去估算樣本數。因為會影響樣本數的是p與(1-p)的積，即p(1-p)，而當p=0.5時，p(1-p)會最大，因此一般都採取較保守的方式，寧願高估，不要低估樣本數的原則，假設p=0.5，去估算樣本數。藉此所估算的樣本數，可以確保抽樣誤差不會超過我們的估算區間。

以在國內進行的一般民調為例，假設母群體是國內20歲以上的民眾，2008年底台灣20歲以上人口總計超過1750萬人，若以1800萬人算，信心水準訂在95%，抽樣誤差範圍定在±3個百分點，所需要最多的樣本數是1068。

調查結果的抽樣誤差範圍有多大？

每一份民調應該至少要交代清楚該民調的抽樣誤差。最近世新大學民調中心指導公共關係系學生進行的「台灣樂活大調查」，就有下面的描述：「這項調查根據全國各縣市15歲以上民眾進行分層比例抽樣，5月19至21日進行電話訪問，成功訪問1189 份有效樣本，在95%的信心水準下，抽樣誤差不超過正負2.84個百分點。」該調查所得到的一個結果是：民眾認為最重要的樂活行為是每天固定運動，佔59.2%。59.2% x 2.84%=1.68%，也就是說，這份調查在該項目上面的估算區間是[57.52, 60.88](59.2%±1.68%)。

不過我們不要忘了，一份民調的誤差不只是抽樣誤差而已，其他的誤差也同樣重要，而且可能更不容易客觀去估算。以下接著討論未回覆誤差(non-response errors)的問題。

造成未回覆誤差的問題

未回覆率是多少？

假如我們有一份涵蓋母群體中的取樣清冊，並從中抽出具有能夠代表母群體的樣本，對樣本中的個體進行調查。可是在實際的狀況中，很少能夠達到100%回覆率，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民調回覆數並不齊全，與樣本數有落差。這種情況一方面會減少樣本數，產生較大的抽樣誤差，另一方面如果未回覆的對象與樣本中其他對象在民調議題上有很不一樣的意見時，便會導致未回覆誤差。

對單純的民調來說，回覆率當然愈高愈好，這樣的結果愈能夠代表母群體整體的情況。但是對選舉民調來說，情況不一定是這樣，因為如果未回覆人傾向不去投票，為了降低未回覆率，刻意請這些人表達投票意向，反而有可能扭曲所預測的選舉結果。

就我所知，台灣的民調在公布時，有些會交代未回覆率，有些則沒有交代。比較嚴謹的民調應該是要交代未回覆率。舉TVBS最近公布的國內民眾對今年下半年展望的民調為例，就有比較詳細的說明：「本次民調是TVBS民意調查中心於6月2日及3日晚間18:30-22:00進行的調查，共接觸1,335位20歲以上台灣地區民眾，其中拒訪為275位，拒訪率20.6%，最後成功訪問有效樣本1,060位，在95%的信心水準下，抽樣誤差為±3百分點。抽樣方法採用電話號碼後四碼隨機抽樣，人員電話訪問，所有資料並依母體性別、年齡、地區、教育程度、政黨結構進行統計加權處理。調查經費來源為TVBS。[5]」

未回覆的可能是哪些對象？

在知道未回覆率之後，我們便要進一步去探究，未回覆的可能是哪些人？或者去了解是哪一類的人。如果該份民調有收集一些受訪者的基本資料(如年齡、性別、教育程度、居住地區，政黨支持傾向等)，研究人員可以從比較最終樣本的組成與母群體組成之間的差異，去描述拒訪者的特質(假設原先的取樣很能夠反應母群體的整體條件)，這有助於研究人員在分析時進行未回覆率的校正。我認為一份負責任的民調應該要交代拒訪率或未回覆率，同時呈現最終樣本的組成分析，如果可以的話，並說明最終樣本與母群體之間有何顯著的差異。

調查的議題是甚麼？

如果民調公布時並未提供這些訊息，我們也可以根據該民調的性質或主題試著去思考有哪些對象比較可能拒訪或未回覆。以前面提到的世新大學學生所做的「台灣樂活大調查」為例，這個民調的議題與用詞有比較濃厚的年輕人與都會型色彩，若再加上如果學生的電話訪問是採用國語[6]，那可能對居住在鄉村、年長、非國語使用者的對象比較引不起興趣(或者無法了解調查的內容)，受訪的動機也會比較低，那麼這個民調的未回覆率就會導致這些人的意見受到低估，而住在都會、較年輕、國語使用者的意見會被高估。如果這兩群人對此議題的想法有明顯的差異，民調的結果便會產生偏差，這便是未回覆誤差。

敏感議題也比較容易導致拒訪或較高的未回覆率。通常未回覆率是就整份調查來計算的，其實更仔細的話是應該要就每一個問題去看未回覆率。有時一份民調中會有一部分較敏感的問題，其未回覆率要比其他問題來得高。

調查是由哪一個機構執行的？

許多研究已經知道，調查的參與與否和受訪者對該調查機構的喜好或信賴程度有密切的關係。所以，對於由國民黨所執行的民調，泛綠民眾的拒訪率應該會比較高，因此這些民調的結果會低估泛綠民眾的意見。相反地，對於由民進黨所執行的民調，泛綠民眾的回覆率會偏高，這些民調的結果因此會高估泛綠民眾的意見。最近民進黨民調中心公布一份對馬英九總統兼任國民黨主席的民調[7]，指出約有六成的民眾反對，我認為應該會有高估的可能(如果這份民調沒有考慮這個因素的話)。

很有趣的是，在國人的心目中，媒體也是有特定的政治色彩，因此由媒體民調中心所做的民調，也有類似的問題。有位學者劉夏念[8]比較聯合報、中國時報與TVBS民調中心在2008年台灣總統大選所做的民調結果，推估聯合報民調中，未表態選民約有75%把票投給長昌配，25%投給馬蕭配；中國時報民調中，未表態選民約有70%把票投給長昌配，30%投給馬蕭配；TVBS民調中，未表態選民的藍綠隱藏支持度約是65%與35%。他認為這個「藍綠隱藏支持比」間接表示了這些媒體在選民心目中的「藍綠屬性程度」。這是因為「受訪選民傾向拒絕透露自己的投票意向給予和本身政治立場不相同的媒體民調機構。因此，綠色選民受訪者如果認為某一媒體「愈藍」，就「愈不願意」透露其本身投票意向；綠色選民傾向不信任那些在他們(她們)眼裡視為「親藍」媒體的民調系統，因為他(她)們不相信自己的意見會得到公平的呈現，他(她)們害怕擔心自己的投票意向會受到不當的資訊利用。」如果這樣的觀點沒錯的話，那或許可以看出在一般選民(特別是綠色選民)的心目中，聯合報親藍的程度要大於中國時報，中國時報又大於TVBS。
這並不是說媒體所做的民調都不可信，事實上根據這個論點，如果這些媒體在選民中的政黨或意識形態取向沒有太大的改變的話，這些民調中心還是可以根據這些資料進行民調結果的校正，相當準確地預測選舉結果。不過這提醒我們，在觀看到這些媒體民調中心所做的民調結果時，要去注意該民調是否有進行受訪民眾政黨支持傾向的校正，將拒訪或未表態民眾的意見考慮進來。此外，對於非政治性議題的民調，這樣的影響可能會減輕一點。

所以，在評估未回覆所造成的誤差時，我們必須知道未回覆率的大小、未回覆或拒訪的原因是甚麼、以及這些未回覆對象與回覆對象在該民調議題上是否有明顯不同的意見，來評估可能的未回覆誤差程度。

造成測量誤差的問題

調查的性質是甚麼？

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。

前面提到的選舉民調中未表態受訪者如果事實上已經有投票意向，但基於對民調機構的不放心，而故意回答「尚未決定」或「不知道」，這也會造成民調的測量誤差。

學者將調查研究分為兩大類，一類是事實或行為的調查(如生活習慣、就醫情形的調查)，另一類是意見、態度、或感受的調查(民意調查大多屬於此類)。受訪者在回答前者的問題時有比較客觀的根據，但在回答後者的問題時所依據的是主觀的判斷。前者的測量錯誤多半是因為回想錯誤所引起的，後者的測量錯誤主要原因包括沒有明確的意見、受當時環境的影響、敷衍了事(satisficing)、符合社會期待(social desirability bias)[9]、或對敏感議題的顧慮等等。

民調問卷的編排是如何設計的？

影響民調測量誤差最大的因素是問題的設計與問卷的編排。在問題的設計方面，重要的考量點有：調查的問題清不清楚、會不會模稜兩可？是否一個問題只問一件事？問題是否是中性、不帶任何立場或隱涉特定價值判斷？問題所用的句子是否簡單且平舖直述？所用的詞彙是特定人士才懂的術語，還是一般人都能夠瞭解的用詞？這些因素都會直接影響到受訪者對調查問題含意涵意的理解，以及後續回答的正確性。

回答選項的設計也是影響問卷品質的關鍵之一，每一個問題的回答選項不能有重疊的情況，而且必須涵蓋所有可能的回答選項；如果是採取正負兩端的選項設計(比如從最同意到最不同意)，正反意見的選項必須平衡，中間是中立的選項(沒有特別的意見)。此外，有些問卷有「不知道」或/和「拒答」選項，有些問卷則否。前者容許受訪者不表態，可是遺失或空白資料會比較多(未回覆誤差)；後者強迫受訪者表態，但是可能導致較多的測量誤差。

在問卷的整體編排上，必須注意連貫與流暢，不要使受訪者在問卷中迷路；也不要用太困難回答的方式(像是要受訪者排列優先順序或重要性)，否則受訪者不是放棄受訪，就是敷衍了事，增加測量誤差。還有，有些問題的排列順序也會影響受訪者的回答。比如在調查民眾對定期運動的態度時，其中有兩個問題：(1)您認不認同「定期運動能夠維持或促進健康」？(2)您認不認同「我所居住的社區有足夠的運動設施」？對第二個問題來說，排在(1)之前，與排在(1)之後，所的到的答案可能是不同的，這是因為第一個問題可能會提醒許多受訪者定期運動的重要性，進而改變這些受訪者對運動設施的態度。

民調是如何執行的？

不同的民調執行方式有不同的測量誤差要考量。一般來說，郵寄或網路民調的隱私性或匿名度要比電話訪問來得高，電話訪問給受訪者的安全感又比當面訪談來得高。因此對於有爭議性或敏感性的民調，訪談的方式比郵寄或網路調查的測量誤差機會來得高。此外，研究也發現受訪者在回答問題時，會受到回答選項的先後順序影響，在紙張問卷或網路調查中，受訪者是靠視覺去選擇答案，因此第一個看到的回答選項被選擇的機率會高於其他選項(學者稱此為primacy effects)；相反地，在電話或當面訪問的調查中，受訪者是憑聽覺去回答問題，這時受訪者會傾向選擇最後聽到的一個選項(學者稱此為recency effects)。現在有很多電話訪問或網路調查在電腦的輔助下，可以做到使回答選項排列方向隨機變化，以降低這些效應。

此外，紙張問卷的民調必須考慮到受訪民眾的識字能力；而訪問式的民調則必須考慮所使用語言的問題。目前大多數的民調都是採用電話訪問，應該有必要交代是使用哪一種，或哪些語言來進行民調。

電訪或家訪民調中，訪調員的經驗與素質也會對調查品質造成影響，民調中心必須使用經過訓練的訪調人員，以降低未回覆率，同時提高民調的測量準確性與一致性。

用以上的查檢表來檢視台灣的民意調查，我覺得可以努力的空間還很大，大部分的民調機構在公布民調結果時都相當籠統，交代不清楚，無從讓人評估其品質，也無法讓我們對其結果有十足的信心。美國有些著名的民調機構，如Pew Research Center for the People & the Press[10]，對其民調的執行過程與分析方法都有相當詳盡的說明，並提供問卷內容供民眾下載，甚至有些還可以下載分析資料。我相信當民調中心對這些資訊愈透明，愈是負責任的表現，也愈能夠取信於社會。更重要的是，如果大多數民眾與媒體工作者具備評估民調品質的能力，對民調品質的要求愈高，民調機構在執行與公布民調過程中會更嚴謹，這時民調會真的成為了解社會民意的途徑，而不是成為製造民意或左右民意的工具。

[1] 取樣清冊(sampling frame)有很多種形式，不一定是記載於一本冊子中的名單。比如某個摸彩活動中，裝在摸彩箱裡的所有參與者的號碼簽條就是一種取樣清冊。如果我們要用系統取樣去研究醫院某一天病患滿意度調查，假如所有的病人都會去批價，則到批價處排隊等候批價的病患就是一份取樣清冊。
[2] 隨機取樣的基本原則是所有母群體中每個個體被抽中的機會是相同的，但是在從家戶中取出個別民眾時，每家戶中的成人民眾被抽到的機會不一樣。從兩個20歲以上成人組成的家戶被抽到的民眾代表兩個成人，而從四個成人組成家戶抽到的民眾則代表四個成人(假設一個家戶中所有成人的意見都是相同的)，因此後者應該被賦予較高(2倍)的權重。
[3] 請參考這篇文章所舉生動的實例http://tw.myblog.yahoo.com/mclee632008/article?mid=2076&prev=2081&next=2075
[4] 請參考http://thchou.blogspot.com/2009/04/sampling-methods.html
[5] 請參考http://www.tvbs.com.tw/FILE_DB/DL_DB/even/200906/even-20090609185818.pdf
[6] 這必須進一步去看調查所用的問卷內容的用詞才能確定；此外，嚴格來說，採取電話訪問的民調也應該要交代是使用哪一種語言。
[7] 請參考http://www.dpp.org.tw/news_content.php?menu_sn=7&sub_menu=43&sn=3810
[8] 請參考http://www.npf.org.tw/post/1/4076,與 http://www.npf.org.tw/post/2/4312這兩篇文章

[9] 請參考http://thchou.blogspot.com/2009/02/blog-post_15.html
[10] 請連結http://people-press.org/

六輕所造成的空氣汙染與鄰近鄉鎮居民健康的關係

這禮拜有一則環境衛生的新聞引起很大的關切，幾個媒體也用相當醒目的標題去報導，TVBS的網路新聞的標題是「台大研究　六輕10公里內罹癌暴增[1]」；華視網路對此則新聞所用的標題是「雲林人易罹癌! 研究發現是六輕[2]」；民視網路新聞則是用比較沒有那麼斬釘截鐵的標題「雲林台西罹癌率 疑與六輕有關[3]」；自由時報所用的標題是「學者研究：5鄉鎮罹癌率 六輕『顯著相關[4]』」，在報導內容方面，自由時報這則報導是比其他報導交代得比較清楚一點。

根據這些報導所描述的，似乎這份研究找到了六輕所排放的廢氣與鄰近鄉鎮居民健康的關係。一般來說，環境中的危險因子與健康之間的關係並不容易確認，但是從報導中知道研究人員採用研究組(6個六輕附近鄰近的鄉鎮)與對照組(4個距離六輕十公里之外的雲林縣鄉鎮)，而且比較六輕運轉前後，這些鄉鎮居民健康(用癌症發生率與死亡率為主要指標)變化的情況，看起來應該是很有說服力才對。這使我很想進一步了解這份研究是採用哪種方法來探討這兩者之間的關係。因此我從網路上找了這份研究報告[5]來瀏覽，發現這些報導與研究的結論之間有不小的落差。如果我沒有誤解這份研究的內容與結果的話，我覺得這份研究尚未提供十足的證據顯示六輕所排放的廢氣與鄰近鄉鎮居民健康之間有直接的關係，至少目前還無法斷言六輕附近鄉鎮居民的健康變化是六輕引起的。

這份研究報告的標題是《空氣污染對沿海地區環境及居民健康影響風險評估》，是由雲林縣環保局委託台大職業醫學與工業衛生研究所詹長權教授所做的研究分析。雖然標題中沒有直接指出是在探討六輕所排放的廢氣對鄰近鄉鎮居民健康的影響，從報告中的描述卻不難瞭解這份研究主要是針對六輕對附近區域空氣汙染與居民健康變化的貢獻進行研究。不過我覺得這個標題雖然比較籠統，卻比較接近研究結果，因為分析所獲得的結論應該還不能明確將這個地區的空氣汙染與民眾健康的惡化歸咎給六輕。

這份研究報告中很詳盡地收集並提供了國內外石化工業區環境監測以及居民健康效益的研究文獻，也彙整了雲林縣環境品質(以空氣與地下水品質為主)監測的資料、居民健康與人口統計的資料，為未來的研究奠定很好的基礎，這也是這份研究報告的主要目的之一。

不過這份研究還有另外一個重要目的，是去進行環境暴露與健康效應的相關性分析，包括六輕工業區周邊鄉鎮居民之死因資料分析(透過研究組與對照組的比較)、癌症登記資料分析、台西與崙背空氣品質監測站周邊鄉鎮居民的死亡與空氣汙染物關係的時間序列分析、以及空氣品質監測站周邊鄉鎮居民的健保門住診與空氣汙染物關係的時間序列分析。這個部分是我最感興趣的地方，不過作者將六輕周邊鄉鎮居民死因、癌症、死亡率、健保門住診使用率與空氣汙染關係的分析結果放在附錄，可惜我下載的這份研究報告並不包括附錄，無法看到第一手的分析資料與結果。

從研究設計的角度來看，要探討因果關係最理想的方法是隨機控制實驗，但是這種方式在此處顯然派不上用場。退而求其次，要評估六輕對周邊鄉鎮居民健康的影響，比較好的研究設計是：

OE1--------------X----------------OE2
OC1--------------------------------OC2

此處E是代表研究組(在此研究中，研究組是六輕工業區周邊6個鄉鎮)，C是代表對照組(距離六輕工業區超過十公里、與研究組6個鄉鎮發展形態類似、且不在六輕下風處的4個鄉鎮)；O是代表居民的健康指標，如死亡率及癌症發生率；X是代表六輕運轉所帶來的影響。OE1是表示六輕運轉前，周邊6個鄉鎮的死亡率或癌症發生率；OE2是表示六輕運轉後，周邊6個鄉鎮的死亡率或癌症發生率。OC1是表示六輕運轉前，對照鄉鎮的死亡率或癌症發生率；OC2是表示六輕運轉後，對照鄉鎮的死亡率或癌症發生率。

使用這種研究設計時，研究人員所要比較的是在六輕運轉前後，研究組鄉鎮的死亡率或癌症發生率的變化程度，與對照鄉鎮的死亡率或癌症發生率的變化程度有沒有顯著差別。如果前者的死亡率或癌症發生率增加幅度要比後者的增加程度來得大，那表示其中的差別很有可能是因為六輕的運轉所引起的。

這種研究設計的好處是研究人員可以排除兩種主要的干擾因素。第一種是研究組中的個體(鄉鎮)本身內在自然的變化(學者稱此為成熟效應，maturation effects)，比如假使這些鄉鎮的癌症發生率本來就是逐年上升(由居民的職業型態、生活飲食習慣變化等所引起的)，我們光是看到某些鄉鎮的癌症發生率剛好在六輕運轉前後有增加，就說這是六輕所造成的，便有可能做出偏差的推論。而這個研究設計提供了對照組的本身變化，讓我們做比較，如果對照組的鄉鎮本來的癌症發生率變化情況與研究組鄉鎮的變化情況類似的話，我們便能夠將這個因素排除掉(透過將這兩組鄉鎮癌症發生率變化相減，(OE2- OE1)-(OC2- OC1))，使我們單純看到六輕運轉對研究組鄉鎮所產生的影響，因為只有研究組鄉鎮直接受到六輕運轉的影響，而對照組並未受到六輕運轉直接的衝擊。

第二種干擾因素是歷史效應(history effects)，這是指研究組鄉鎮癌症發生率變化有可能是受到六輕以外的外界作用的影響，比如與六輕之外的空氣物染(如其他工廠或汽機車排放的廢氣)、水源汙染(地下水質)、土壤汙染變化等所引起的。對照組也可以用來排除這些因素，如果研究組鄉鎮與對照組鄉鎮都經歷同樣的外界因素衝擊。

但是，這個研究設計主要的弱點，在於研究組與對照組通常並不是具備完全一樣的條件，因此會受到「選擇效應」(selection effects)的影響。雖然研究人員根據鄉鎮發展型態的相似性去選擇適合的鄉鎮來配對研究組鄉鎮，不過很明顯的是這兩組鄉鎮之間，除了與六輕工業區的距離不一樣之外(這是我們期待的)，在人口結構、地理環境、生活形態、飲用水質、其他汙染源等方面可能也不相同(這是我們不希望看到的)，使得我們的比較失去相同的基準。

這些問題或許可以用稍微複雜一點的研究設計來克服，例如以下的方式：

OE1-------OE2 -------OE3-------X-------OE4-------OE5-------OE6
OC1-------OC2--------OC3----------------OC4-------OC5-------OC6

這個研究設計與前面一個的不同，主要在於增加六輕運轉前後資料收集的時間點，這樣可以幫助我們更清楚看到這兩組鄉鎮本身的變化趨勢，只要這些造成變化的因素是在六輕運轉之前就存在的話，我們就可以知道這兩組之間原本就有哪些差異存在，因此可以加以排除。

事實上，這份研究在探討六輕運轉與周邊鄉鎮居民的死亡率與癌症發生率變化的關係時，使用的研究設計應該比較接近以下的情況：

OE1--------X1-3--------OE2 --------X4-6-------OE3
OC1----------------------OC2----------------------OC3

X1-3是六輕運轉第1~3年(1999-2001)對居民健康的衝擊，X4-6是六輕運轉第4~6年(2002-2004)的衝擊。由於六輕在這兩個階段有擴廠，產能持續增加，廢氣排放量應該也是增加，因此衝擊程度應該是X4-6 > X1-3。這也是一種不錯的研究設計，可以藉由六輕不同運轉程度所造成的居民健康各階段的變化，在與對照組變化的比較之下(假設沒有受到六輕直接的衝擊)，讓研究人員較清楚釐清六輕的效應。

不過在這份研究報告中我看不到這些詳細的分析數據，不知道實際的分析結果。僅能從作者的總結描述中得知這部分的分析結果。

1. 六輕工業區周邊6個鄉鎮[6]居民的死亡率與工業區運轉的關係大致如下：

1-1. 臺西鄉的惡性腫瘤和肺癌死亡率在運轉第4-6年顯著比運轉第1-3年高、麥寮鄉的喉癌死亡率在運轉第1-3年顯著比運轉前高之外，其他四鄉鎮則未呈現增加情形。(請注意：這是拿某個鄉鎮癌症發生率與死亡率，進行運轉前後的比較，並未與對照組的變化做比較，因此不能有效排除歷史或成熟等干擾因素的影響。)

1-2. 六個鄉鎮與其個別對照鄉鎮的死亡率比較結果顯示，臺西鄉與麥寮鄉的肝癌在運轉前與運轉期間都一致地顯著高於其對照鄉鎮[7]。(請注意：這是拿某個鄉鎮在某個階段的癌症發生率與死亡率，與對照組進行橫斷面(cross-sectional)比較，因此也無法排除六輕以外的影響因素。)

1-3. 以全台灣的個別癌症死亡率為標準做比較，發現在六輕工業區運轉期間六個鄉鎮在惡性腫瘤、口腔癌、肝癌的標準化死亡比都顯著大於100，其中在工業區運轉前臺西鄉、麥寮鄉與四湖鄉的肝癌標準化死亡比也顯著大於100。(這個結論透露出來的訊息是，這些鄉鎮居民的癌症死亡率在六輕運轉前就已經偏高，顯然有六輕之外的影響因素存在，造成居民癌症死亡率的偏高)。

2. 在癌症的發生率與六輕運轉的關係方面，作者列出下列的分析結果：

2-1. 除褒忠鄉外的五個鄉鎮的全癌症年齡標準化發生率在工業區運轉期間都顯著比運轉前高，或是隨著運轉時間變長而增高；個別鄉鎮有不同的癌症發生率(如肺癌、甲狀腺癌、急性骨髓樣白血病、肝癌等)在工業區運轉期間顯著比運轉前高，其中值得注意得是麥寮鄉的急性骨髓樣白血病發生率在運轉第4-7年顯著比運轉第1-3年高，這項結果與國內外相關文獻有相似的發現。(基本上這還是研究組鄉鎮本身的運轉前後比較，無法完全排除其他干擾因素的影響)

2-2. 與個別對照鄉鎮的比較，發現臺西鄉與麥寮鄉的肝癌發生率在運轉期間顯著高於其對照鄉鎮，此外臺西鄉的口腔癌與麥寮鄉的急性骨髓樣白血病發生率在運轉期間也都顯著高於其對照鄉鎮。(這裡的比較方式與前面1-2的方式一樣，是研究鄉鎮與對照鄉鎮在運轉期間的比較，由於這兩組鄉鎮的基本條件與環境可能不一樣，因此不能因為研究鄉鎮的癌症發生率高於對照鄉鎮，就推論當中的差異是來自六輕的運轉。此外，目前三個已知的口腔癌致癌的因子是抽煙、喝酒及嚼檳榔，與空氣汙染的關係尚不明確)

2-3. 以雲林縣的個別癌症發生率為標準做比較，發現在工業區運轉前與運轉期間臺西鄉、麥寮鄉與四湖鄉的肝癌標準化發生比都顯著大於100；在運轉第1-3年間崙背鄉的急性骨髓樣白血病標準化發生比都顯著大於100。(這也是拿研究組鄉鎮的癌症標準化發生率，進行運轉前後比較；而且，據我所知，此處的疾病標準化發生比是經過人口年齡、性別校正的疾病發生率比較，並未控制其他干擾因素的影響。)

綜觀這六點分析結論，我認為目前還無法將這六個鄉鎮居民的死亡率或癌症發生率的變化與六輕的運轉連結起來。如果分析資料顯示研究鄉鎮居民的死亡率或癌症發生率在六輕運轉後增加的幅度要明顯大於對照鄉鎮增加的幅度，就能夠給研究人員比較充足證據，去推論這兩者之間的關係。如果能在分析模式中將其他造成研究鄉鎮與對照鄉鎮不一樣的可能因素加以控制，所得到的結果會更加有說服力。

這份研究還用時間序列(time series)模式[8]去分析臺西與崙背兩個空氣品質監測站所測到的空氣汙染物濃度與週邊10公里範圍內的鄉鎮居民每日健保門住診使用率以及死亡率的關係，得到以下的結論：

1.在2001-2006年間臺西站的二氧化硫與臭氧濃度，和崙背站的懸浮微粒與二氧化硫濃度和鄉鎮居民每日循環系統疾病住院之間有顯著相關
2.在2001-2007年間崙背站的二氧化硫與二氧化氮濃度和鄉鎮居民每日循環系統疾病死亡率之間有顯著相關。

如果這兩個空氣品質監測站附近除六輕之外，並沒有其他主要的空氣汙染來源的話，而且這兩個監測站所測到的空氣品質與這些鄉鎮的實際空氣品質都相同的話，那這個分析結論應該是可以說明六輕對居民的健康確實是有某種程度的影響。這點倒是都沒有被媒體注意與報導，媒體只挑聳動的癌症發生率與死亡率「暴增」做為報導主題。可是話說回來，如果六輕十公里範圍內的這些鄉鎮中除了六輕之外，還有其他空氣汙染源，那這些汙染源有可能成為干擾因素，導致我們做出偏差的結論。

實詹教授已經在這份研究報告的最後明確交代這些可能的研究限制，包括：(1)本計畫以台西或崙背空氣品質監測站的空氣汙染物濃度資料代表其週邊10公里內鄉鎮居民的暴露，受限於現有資料與資源無法實際量測各鄉鎮或各居民的空氣汙染暴露，可能對結果造成資訊偏差；(2)此時間序列分析採用單一汙染源模式，未同時考慮其他空氣汙染物的影響，結果可能有些偏差。

此外，這份報告也提到幾個重要的研究限制：(1)居民死因與癌症登記資料中所載的是案例的戶籍地，有可能與其實際居住地有差別；(2)居民門住診資料是來自這些鄉鎮內醫療院所的就醫統計資料，如果居民到外地醫療院所就醫，或其他地區民眾來到這些鄉鎮內的醫療院所就醫，有可能造成偏差(我認為這個問題很重要，從地理上來看，其他鄉鎮居民可能要比六輕周邊鄉鎮居民容易到外地就醫。如果可以用居民的基本資料去收集其所有就醫資料，而不限於所居住鄉鎮內的醫療院所，應該會比較準確)；(3)在計算鄉鎮的標準化死亡率或癌症發生率時，並未控制年齡、性別與鄉鎮都市化程度之外的因素。

研究報告最後還提到，基於這些研究限制(大多與次級資料分析的限制有關)，建議未來應該進一步採用分析型(analytical)的流行病學研究(如病例-對照研究與世代研究)探討，方能釐清暴露(於六輕所導致的空氣汙染)與健康效應之間真正的關係。我相信迴歸分析在這個問題上應該也可以發揮功能。最好是針對某一種與六輕所排放的汙染源有相關的疾病，去收集該種疾病的發生率或死亡率，採用研究組與對照組，並盡可能控制其他有可能導致該疾病的原因(需要同時收集研究組與對照組在這些因素的資料)，這樣應該比較能夠找出真正的因果關係。

[1] 請參考http://tw.news.yahoo.com/article/url/d/a/090608/8/1kvmb.html
[2] 請參考http://tw.news.yahoo.com/article/url/d/a/090608/69/1kvuk.html
[3] 請參考http://tw.news.yahoo.com/article/url/d/a/090608/11/1kvwa.html
[4] 請參考http://www.libertytimes.com.tw/2009/new/jun/8/today-fo4.htm
[5] 這份研究報告可從此處下載http://e-info.org.tw/files/active/108/20090609-143700-report.pdf
[6] 包括麥寮、臺西、東勢、崙背、褒忠、四湖等六個鄉鎮。
[7] 麥寮鄉的對照鄉鎮是莿桐鄉；臺西鄉的對照鄉鎮是虎尾鎮。
[8] 在此時間序列的分析模式中，作者有控制每日溫度與星期日(一個禮拜中的哪一天)的因素對居民就醫可能的影響。

幾種常用的多變量分析方法

在各種計量方法中，只針對單一變數進行分析的方法稱為「單變量分析」(univariate analysis，比如用直方圖去分析某班學生英語的期末考成績的分布)；同時分析兩個變數的方法稱為「雙變量分析」(bivariate analysis)，這類的分析方法很多，比如用關聯性分析(correlation)去探討中學生的身高與體重的關係；用簡單迴歸(simple regression)或t-test去比較小學生的身高有沒有因為性別(男女兩組)不同而不一樣；用analysis of variance (ANOVA)去分析不同屬性醫院(營利、非營利與公立共三組)的經營績效是否有所不同，等等。

多變量分析(multivariate analysis)是泛指同時分析兩個以上變數的計量分析方法。在實際的情況中，我們所關心的某種現象通常不只跟另一個變數有關係，比如會影響醫院績效的變數不只是醫院的屬性而已，可能還與醫院本身的經營策略、醫院所在的地區、健保給付方式等有密切關係，因此多變量分析應該對實際的研究工作較有幫助。不過多變量分析的數統推論與運算過程比較複雜，如果要靠人去進行相當費時費工，但是在電腦時代，這些繁複運算便不成問題，因此多變量分析漸漸被廣泛運用。

最常見的多變量分析是複迴歸分析(multiple regression)，除此之外，社會科學的研究還用到許多其他的多變量分析分法，以下簡單介紹幾種較常見的方法，以及這些方法在醫務管理可能的應用。

因素分析(factor analysis)

因素分析的主要目的，是要將一群互有關連的變數，加以簡化成幾個有意義的面向或因素。在這裡，一個因素可以用來代表或取代這一群變數中某些性質相近的變數，因此我們透過因素分析，希望能用少數幾個主要因素去涵蓋一群眾多的變數。

因素分析在調查研究的資料精簡上很有幫助。在問卷或訪談調查中研究人員經常會用好幾個問題去了解某一件事情，這也就是說研究人員用好幾個變數去衡量同一個概念。不過當變數愈多時，會加重分析工作的負荷，甚至降低分析的準確度。這時研究人員就可以考慮採用因素分析，看看這些相同概念的變數是否可以進一步加以統整或簡化。

上學期我在修「調查研究方法」時，有一份作業是去分析有哪些原因與可以用來解釋在美國的拉丁美洲裔人士(Latinos in the U.S.)受到歧視情況的輕重。在一份由Pew Research Center在2002年對將近兩千多位在美國居住的拉丁美洲裔人士所進行的調查資料中，用七個問題去問受訪的拉丁美洲裔人士被歧視的情形，分別是(1)他們覺得在學校中歧視的情況嚴不嚴重？(2)他們覺得在工作場合中歧視的情況嚴不嚴重？(3)他們覺得歧視對阻礙他們在美國出人頭地的情況嚴不嚴重？(4)他們覺得拉丁美洲裔人士之間彼此歧視的情況嚴不嚴重？(5)他們遇到被不禮貌對待的情況有多頻繁？(6)他們得到拙劣服務的情況有多頻繁？(7)他們遇到被侮辱的情況有多頻繁？

每一個問題都代表一個與歧視相關的變數，因此這份資料中有七個衡量歧視的變數，如果我不去簡化這些變數，那我便有七個應變數，必須做七次迴歸分析，才能回答作業的問題。為了讓我的分析更簡潔，我用因素分析去統整這七個變數，結果得到兩個因素，第一個因素是由前面四個變數所構成的，第二個因素是由後面三個變數所構成的。我發現這樣的歸類很有意思，構成第一個因素的四個變數所衡量的都是拉丁美洲裔人士感覺受到歧視的程度；而構成第二個因素的變數都與他們所經歷受到歧視的行為的頻繁程度有關，因此我將第一個因素命名為「受到歧視的感受程度」(felt discrimination)，另一個因素為「經歷歧視的程度」(experienced discrimination)。這也就是說，這七個與歧視有關的變數其實可以用這兩個歧視的面向加以涵蓋。於是我便將原本七個變數簡化成兩個因素或新變數，做為我進行迴歸分析的對象。

因素分析完全是根據我們所提供的變數資料，透過統計方法去進行，它無法了解每一個變數本身所代表的意義，所得到的結果(因素的組成或歸類)有沒有意義必須由研究人員自己判斷。因素分析還提供一些方法讓研究人員對資料做進一步的調整或設定分析角度，以便產生最有意義的因素歸類。

因素分析在簡化問卷設計也很有用。比如我們要設計出一份新進員工的品格調查問卷，我們原來可能會用50個問題，以期全面去瞭解員工的品格。當我們想要簡化這份問卷的內容或長度，但又不想失去其周延性時，因素分析可以發揮作用。我們可以先用完整版的問卷，去收集足夠數量的資料(比如100位新進員工的品格問卷)，然後根據這100份問卷的資料，去進行因素分析，看能不能找出幾個有意義的重要品格面向(因素)，來涵蓋整份問卷。

判別分析(Discriminant analysis)

判別分析主要是用來找出一群個體分屬於不同群組的決定變數是哪些，並以此做為預測其他個體群組歸屬的依據。判別分析在醫療上應該有很廣的用途，特別是在高危險群的醫療處置方面可以發揮功能。比如我們可以拿一年來所有ICU病人的資料來做判別分析，我們將ICU病人分為兩組，一組病人在ICU中死亡，另一組病人順利轉入一般病房，而我們最關切的是哪些因素會決定ICU病人能夠順利轉入一般病房，或在ICU死亡。因此，我們可以用判別分析找出重要的影響變數，假如分析的結果告訴我們病人的年齡、診斷、手術與否、感染等變數是重要的決定因子，那我們就可以根據這些危險因子以及其影響程度，對每一位新進ICU的病人預測其預後(是可能屬於順利轉出一般病房或死亡的對象)，然後針對有較高死亡可能性的病人進行重點風險管理，或加強照護。

其實用邏輯迴歸(logistic regression)與多項邏輯迴歸(multinomial logit model) 也可以進行與判別分析相同的功能。前者用於處理兩個組別，後者用於兩個組別以上的情況。

我覺得判別分析在健保開始實施DRGs之後，醫院在病人照護與費用管理上面可能可以派得上用場。在DRGs給付制度之下，醫院照護某一種case的病人的費用必須設法控制在健保局對該種case的給付定額之下，才不會虧損。因此醫院會很關心哪些情況的病人很有可能超過給付定額，哪些情況比較容易控制在給付額之內。因此我們可以用判別分析去找出這些重要的決定因素，然後根據這些因素去預測每一位病人的照護費用超過給付額的可能性。對於很有可能落入高額費用的高風險病人，醫院及醫師可以預作管理或因應，以避免超額情況的發生。

群集分析(Cluster analysis)

群集分析與判別分析有點類似，它們都希望根據個體的變數或特性，為一群個體進行分類，不過在群集分析中，我們事先並不知道這些個體的組別，完全是根據它們的變數資料去將相似特性的個體進行歸類。而在判別分析中，我們已經知道某些個體的所屬組別，用這些個體去進行判別分析，得知影響因子後再來對其它個體做分類。

群集分析在分類方面很有用，能夠幫助研究人員從一大群個體資料中釐出一些頭緒來，讓我們從中劃分出幾個有意義的群組。我們系上的Dr. Gloria Bazzoli與其他四位研究人員曾用cluster analysis，根據幾個組織特性變數(其所屬醫院所提供的服務類別、有否經營健保方案以及與其醫師之間維持何種關係)，將美國眾多的醫院體系區分為五種主要類別[1]。

理論上，我們應該可以透過群集分析來規劃DRGs，根據每位病人住院的總成本(醫療費用)、主診斷、次診斷、年齡等資料，將所有住院案例分成許多組別，每一組裡面的案例在醫療費用、診斷與病人年齡有其相似性。

群集分析應該也可以運用到醫院藥品或醫材管理上面，比如我們可以根據每種藥品或醫材的成本、使用數量、使用科別、訂貨所需時間等變數，將院內所使用的所有藥品或醫材分為幾個重點類別，根據每類藥品或醫材的特性規劃管理方針。
不過，群集分析跟因素分析一樣，是根據我們所提供的資料做數統運算所得到的結果，結果是否有任何實質或理論上的意義必須由我們去判斷，以及最後要採用幾個群組，也是由我們做最後的決定。

共變異數分析(Analysis of covariance, ANCOVA)

ANCOVA其實可以看為是ANOVA與迴歸分析的結合。傳統的ANOVA主要是用來比較兩組以上的樣本的平均值是否有差別，比如醫師要研究不同的治療組合對肝癌患者的預後是否有不同的效果，因此去比較(1)單純手術切除腫瘤、(2)單純進行化療、(3)以上兩種治療方式結合的病患的三年存活率。ANOVA能用來比較這三組病患的三年存活率的平均值是否有明顯不同，讓研究人員瞭解這三種治療組合的效果。

不過，ANOVA通常必須搭配隨機控制實驗來進行會比較好，因為隨機分配比較能夠提供研究人員相同的比較基準(比如使得這三組病人的病情分布情況大致上是相近的，不致於有某一組都是病情偏重的病人，其他組病人病情卻都較輕)，這樣我們才能客觀地比較治療方式的效果差異。可是在這個例子中，這三組病人並不是透過隨機分配的方式去決定採用哪一種治療組合，醫師是依照每一位病人的病情(肝腫瘤的大小、期數、病人的健康情況等)，建議採取的治療方式，而這些病情變數都會對肝癌病人的存活率造成影響，因此在此情況下直接用ANOVA並不恰當，最理想的方式是ANCOVA，因為ANCOVA在比較這三組病人的存活率時，可以同時考慮或控制其他對病人存活率有影響的病情變數，使我們在相同的背景或基礎上去比較這三組治療方式的效果。而控制其他變數對應變數的影響也是回歸分析的基本功能，因此ANCOVA可以說是結合了ANOVA與迴歸分析的功能。

話說如此，事實上用複迴歸分析就可以達到ANCOVA的目的，只要在迴歸分析模式中加入組別的虛擬變數(dummy variables)，我們就可以看到不同組別的平均值是否有明顯差別。以前面的例子來說，我們必須建立兩個虛擬變數，分別代表第一組與第二組的病人(研究組)，做為分析模式中的自變數，而以第三組為對照組，這樣我們就可以去比較第一組和第二組的病人分別與第三組病人的三年存活率有沒有差別。

多變量變異數分析(Multivariate analysis of variance, MANOVA)

MANOVA也是ANOVA的延伸與拓展。MANOVA與ANOVA最大的不同在於ANOVA一次只能分析一種應變數，而MANOVA能夠同時比較兩個或以上的應變數。比如我們想比較前面三組肝癌病人的三年存活率與治療後的生活品質。如果用ANOVA的話，我們必須做兩次ANOVA分析，一次針對病人的三年存活率，另一次比較病人的生活品質差異。如果是用MANOVA的話，只要一次就可以同時分析這兩個我們所關切的預後指標。

事實上，在這種情況下，MANOVA不僅在分析手續上比較省事，也比較準確，因為如果肝癌病人治療後三年存活率與生活品質這兩個指標之間有某種相關性的話(比如生活品質較高對存活率有所幫助)，則分開單獨分析(ANOVA)所得到的結果會有偏差。而用MANOVA可以考慮這兩個指標之間的關聯性，提供我們較準確的結果。

多變量共變異數分析(Multivariate analysis of covariance, MANCOVA)

這其實就是MANOVA與ANCOVA的結合，不僅可以同時比較多個應變數，還可以考慮或控制多個會影響應變數的變數。因此，我們可以使用MANCOVA，在考量病人的病情並將這些變數的影響消除後，去同時比較這三組肝癌病人治療後的三年存活率與生活品質。

計量方法的發展趨勢

計量方法實在是族繁不及備載，這篇文章所提到的只是其中的一部分而已。每一種計量分析方法都有其使用前提與假設以及可以適用的狀況與條件，而在只用來解決某一類的研究問題。研究人員必須視研究的問題與資料形態，決定採用最合適的計量方法。不過我們可以看到這些計量方法之間也有不少共通性，這不免讓我們猜想有沒有可能發展出一種通用的計量方法，可以適用大部分的研究問題與資料形態？如果真能如此的話，這可以省去很多要個別去認識這些計量方法的麻煩。

前一陣子我去VCU的進階研究方法中心(CARMA)聽一個演講，主題是”General Linear Model” (GLM)，主要在介紹最近學界在計量方法的發展趨勢，就是希望發展出一種廣泛通用的線性計量模型。GLM可以用來處理許多種計量方法所要處理的問題，包括：複迴歸、ANOVA、ANCOVA、MANOVA、MANCOVA、判別分析、因素分析、邏輯迴歸等等。看來，未來計量方法的世界大同境界是指日可待的。不過，我也在想，從理論上來講，越是一般化與通用的計量模式，背後一定牽涉到更多的數統假設才能夠成立，這些假設或先決條件應該也會對適用的情況產生某種程度的限制，這也是我們在瞭解與使用某種計量方法時，必須隨時保持警覺的。

[1] Bazzoli, GJ; Shortell, SM; Dubbs, N; Chan,C; and Kralovec, P; “A Taxonomy of Health Networks and Systems: Bringing Order Out of Chaos” Health Services Research, February; 1999.

從研究方法看消費券效果的評估

在學術研究的主題中，某種措施或方案有沒有效果一直是一個讓人很感興趣的題目。在醫學方面有很多研究都在探討服用某種藥物對病人病情或症狀是否有所改善，以及某種癌症手術的施行對病人的存活率有否幫助；公共衛生學者經常會針對某種健康介入措施(如定期運動或健康篩檢)對健康改善或疾病及早的發現與預後是否有正面的影響，或者某種保健政策(如補助年長者施打流感疫苗)對民眾的健康有否產生功效等主題進行研究。在經濟學或政治學領域，公共政策的實施效果更是一個重要的研究對象。

最近台灣政府所實施的政策中，最受到廣泛討論的可能就是消費券的發放。政府為此花了八百多億的經費，希望藉此刺激民眾消費與景氣。到底這個政策有沒有效？是否有達成原先設定的目標(發揮加乘效果，挹注GDP一個百分點)？一直是各界關切與討論的議題。最近聽說政府委託學界進行的評估報告即將出爐，屆時答案應該可以揭曉。不過這禮拜已經可以在媒體上看到不同學者對消費券效果評估不同的意見。這也可以讓我們瞭解到這一個看似簡單的問題，事實上並沒有想像中的那麼直接了當。

前經建會主委，現任台灣智庫董事長陳博志教授從消費券替代一般貨幣(金錢)的角度去分析，他的研究「鎖定農曆年前央行現金發行量，檢視民眾使用現金是否比正常情況減少；換言之，減少的程度，大致就是消費券替代現金的程度，也就是消費券『沒有發生作用』的程度。若民眾把消費券用在新增加的支出，要領出來的現金就不會減少，反之，若民眾把消費券用在原本就要買的東西上，則領出來的現金就會比正常時期少。」陳博志教授接著指出：「據央行資料，一月十八日發放消費券後，十九日至廿三日這五天央行新台幣發行額銳減，和二○○六至二○○八年三年平均值比較，足足少了四四五億元。再拿景氣和今年一樣差的二○○二至二○○三年的平均發行額比較，今年的發行額也減少了四四七億元。」這個數字跟估計在這段期間開始流通的消費券金額四三六億非常接近[1]，使得他的假設(民眾只是將消費券拿來替代在這段期間原本要支出的現金，並沒有額外增加消費，因此對GDP並沒有挹注效果)得到支持。

針對陳博志的質疑，現任經建會主委陳添枝表示：「政府發放消費券造成民眾農曆年期間減少持有現金，並不意味著消費券所創造的消費完全是『替代消費』，就像『寒冷的冬天燒一把火』一樣，從過年期間大型賣場人潮，與搭配促銷盛況可以看出，消費券是有效的。陳添枝強調，如果光看一月十八日發放消費券後，零售、餐飲業營收數據，都比去年同期增加一成以上，就可以看出消費券效果十分明顯。」他說：「現鈔發行量多寡，是央行依據民間需求自行決定的，陳添枝說，央行過年期間印製很多新鈔，主要是應付民眾提領需求，現鈔發行量只占總體貨幣供給很小比率。」陳添枝還認為，「就算台灣地區農曆年前新台幣現鈔發行量減少，也不能以此主張減少的四四五億元發行量（相當於消費券預算的一半），就是消費券在過年期間替代了現金；畢竟一般民眾可以用信用卡、現金、消費券等多種支付工具消費。因此，消費券效果應該從民間實際消費金額去分析。」[2]

我覺得這兩位學者說的都有道理，但是他們所討論的是兩件不同的事。陳博志教授的分析是依據著名的經濟學者蔣碩傑所提出的「支出之前要先擁有貨幣」的理論，也就是消費者進行消費的前提是手上要有錢，消費者手上的現金多寡決定消費的程度，因此我們可以從民間貨幣或現金流通的變化去評估整體消費的變化。在他所研究的這五天期間中，雖然消費券發出了四百多億，可是央行發出的現金也減少了四百多億，等於民間的整體現金總額並沒有明顯改變，當所有民眾手頭上的現金總額沒有改變時，整體消費額度也就不會有大幅改變。這也就是說雖然消費券發了，可是整體消費量並沒有明顯改變，當然對GDP的成長便沒有貢獻。

陳添枝教授為政策辯護所提出的論點是說評估消費券的效果不能光從民眾手上持有多少現金來看，而是要直接去看消費券發放前後市場整體實際消費金額是否有變化，畢竟民眾在消費時除了可以使用現金之外，也可以使用信用卡等非現金的方式。因此，在評估消費券的效果時，陳博志所使用的是間接的指標(消費者所持有的現金總額的改變)，陳添枝主張使用直接的指標(市場消費總額的變化)。

此外，評估期間也是一個關鍵所在。陳博志教授明確指出他所使用的比較期間是1月19-23日這五天，這五天裡民眾因為剛取得消費券(也是另一種形式的現金)，而減少現金的持有是很正常的現象；重點應該在後續的發展。如果民眾只是拿消費券來進行原本就要做的消費，當消費券用完之後，就回歸平常的消費情況，那消費券就沒有產生額外的效果。不過如果當消費券使用後，民眾擴大消費習慣或增加消費的欲望，或者將這五天沒有使用的現金一併拿出來做消費，則消費券便有達到刺激消費的作用。因此，陳博志教授應該也要比較春節過後央行所發行現金總額是否與去年同期有明顯變化，才能做出更完整的推論。

陳添枝主委並沒有明確指出其比較的期間，只說是觀察消費券發放後，或過年期間，賣場熱絡的情況或某些行業營收較去年同期增加。姑且不論他的觀察是否準確，消費券發放後所帶來的立即消費熱潮是可以預見的，因為民眾等於取得了一些一定要要用來消費(不能存起來)的現金，但這並非消費券真正效果的所在。問題在於，這種由消費券所引起的立即消費現象能夠持續多久？熱潮一過之後民眾是否會將自己的3600元再拿出來進行消費？或者乾脆將3600元長期存進銀行。

在評估消費券的效果(對GDP成長的貢獻)上面，比較期間不同可能會導致很不一樣的結論。除了比較期間的長短之外，比較期間基準的選擇也會有很大的影響。如果我們要以一季的GDP做為比較期間，那我們應該是拿今年第一季去與去年同期(2008年第一季)做比較，還是與今年第一季的前一季(去年第四季)做比較？由於消費起伏通常有季節性，因此較理想的情況是與去年同期作比較。不過由於去年同期的景氣尚未受到美國金融風暴的影響，而消費券的發放主要是希望刺激國內經濟走出金融風暴所帶來的不景氣，兩者的環境因素並不相同，直接進行比較會有問題。這時或許將今年第一季(消費券發放當季)與同樣不景氣的去年第四季相比應該也是一種可行方式，不過必須考慮每一季的GDP起伏變化的因素，並予以校正。

另外一個評估角度，也是某些馬政府財經官員所持的觀點，是去問消費券發放與否對GDP有何改變？這些官員說就算消費券有很大比例只是替代現金，但是有發放有刺激，若沒有發放消費券的話可能GDP負成長更大，即使消費券沒有產生增加GDP的作用，若能減緩GDP的負成長，那也是一種正面的貢獻。問題在於，沒有人確實知道今年第一季若沒有消費券政策的話，景氣情況或整體的GDP會是怎樣。所以這種假設性的評估並不實用。

我對景氣變化評估完全是門外漢，不過若從研究方法的角度來看，理想的方案評估方式，如果能夠採用下面的這種研究實驗設計是最好的：

(R)---OE1-------X-------OE2
(R)---OC1----------------OC2

在此暫稱為「消費券效果實驗」中，我們從台灣18歲以上的成人(母群體)中隨機抽出1000人組成研究樣本，再將這1000人隨機分配到實驗組(experimental group，用E代表)與對照組(control group，用C代表)各500人。(R)就是指實驗組與對照組的組成是藉由隨機分配所形成的，以確保這兩組樣本在基本特徵上有相似性。

這份實驗的介入措施是消費卷的發放(用X代表)，只有實驗組的人得到消費券，對照組的人沒有拿到消費券。然後我們要比較這兩組人在消費量的變化上面有沒有明顯的不同。OE1是實驗組的人在發放消費券前(第一階段)的總消費金額，OE2是實驗組的人在發放消費券後(第二階段)的總消費金額；OC1是對照組的人在第一階段的總消費金額；OC2是實驗組的人在第二階段的總消費金額。由於我們所要關切的是消費券所創造的消費(加乘)效果，因此OE2應該是實驗組的人在第二階段的總消費金額扣掉所得到的消費券總價值，這樣才能公平地比較這兩組消費者在消費券之外的消費總額的改變是否有所不同。如果研究者認為消費券有效果的話，這份研究的假設應該是(OE2 - OE1) > ( OC2 - OC1)

這樣的實驗設計很簡單，應該可以做為消費券政策實施前的效果測試評估，做為是否全面實施的根據。不過由於這樣的實驗規模很小，而且有很多實驗中人為因素的干擾，或者因為參與實驗所造成的心理作用，因此與真正的情況(全面發放消費券所產生的效果)之間可能還是會有落差。最佳的評估還是要從實際狀況中去進行。

要在實際的狀況中去評估消費券所創造的消費效果所使用的研究設計與前述的實驗設計很相似，以下面圖形表示：

OE1-------X-------OE2

OC1----------------OC2

這個研究設計與前述的實驗設計唯一不同的地方在於沒有透過隨機分配的過程去形成實驗組與對照組，因為實際上政策的實施對象不可能是隨機決定的，而是具有某種條件的人，或者全民。如果這次消費券只發放給中低收入民眾，那我們便可以比較中低收入民眾(實驗組)與非中低收入民眾(對照組)在政策實施前後消費金額的改變有沒有不同。問題是，這次消費券是發放給全民，因此缺乏對照組。如果有部分民眾未領取及使用消費券，那這些人可以成為對照組的樣本，但是如果這些人與其他有領取消費券的民眾在背景特徵上有很明顯的差異的話(比如這些人非常富裕或其生活與世隔絕，或者這些人有很大的比例是主張簡樸生活，反對過度消費)，那這樣的比較也會造成很大的誤差，無法讓我們看清消費券的確實效果。

另外一種比較方式，是拿去年同期做為對照組，由於去年同期並沒有發放消費券，如果今年第一季(消費券發放後)與去年第四季(消費券發放前)的消費總額的差別明顯大於去年第一季與前年第四季消費總額的差別，那其中的變化也許是消費券所造成的。但是這個方式必須是這兩段期間中除了消費券的發放之外，並沒有其他會影響消費的不同重要事件。

還有一個比較方式，是拿其他財經狀況相似，但未實施消費券政策的國家來做為對照組。不過要找到一個比較基準很相近的國家並不容易。

另一篇採訪報導[3]中提到：「陳博志與一起合作研究的劉錦添，打聽到經建會委託進行消費券研究的是吳中書，甚至向吳『旁敲側擊』。陳博志推測吳的分析方法不外乎是計量模型和回歸分析，『一定是擺一個虛擬變數，那都是間接的方法』，和醫學界進行『吃肉是否造成高血壓』的研究一樣，做出的報告什麼結果都有，取決於要擺哪些變數，『那樣的研究是不可靠，可以操弄的。』陳博志相信，他採取的研究理論不用技巧，直接看替代效果，因為過年期間的錢大部分都是要花掉的，為什麼用替代效果做？因為替代效果是檢視的第一步，如消費券取代現金，就沒有後面的乘數效果，一旦產生替代效果，後面廠商再拿去進貨，還是無效。」

我對經建會所委託的消費券評估研究採用的計量方法也很感興趣，但不清楚經濟學者會使用怎樣的計量模式。不過我想陳博志教授在這裡所提到的應該是指參數分析(parametric analysis)與非參數分析(non-parametric analysis)的差別。他強調自己所使用的是非參數分析比較的方式。

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，因此分析的結果不會受到研究人員所設定的參數的影響，而是直接藉由資料的比較、分析與運算來告訴我們結果。

相對來看，古典迴歸分析是典型的參數分析方法，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x1~x3就是參數或變數)，再去進行資料分析。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，也可能得到不一樣的結果。

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。非參數分析較不需要這些假設，而是忠實地照我們所給的資料去做分析。

不過，我認為不能因為參數分析可能會受到人為因素左右就加以全盤否定，應該是去看所使用的參數模式有沒有道理。無論是參數或非參數分析方法，都必須有理論做為基礎。參數模型中所使用的參數(變數)不能憑空臆測或增減，而是要有理論或文獻根據。同樣地，非參數分析若要得到正確的結果，也不能隨便拿資料來比較，而是要用理論來引導分析比較的進行。

要進行一份客觀正確的方案評估研究並不容易，首先要決定能夠正確衡量結果的指標(這要對方案本身與其實施背景有很深入的瞭解)，然後要規劃妥當的研究設計，包括實驗組、對照組(客觀的比較基準)，選擇有理論根據、合理的分析比較方法或模式，才能得到可靠的結果。

[1] 請參考http://tw.news.yahoo.com/article/url/d/a/090530/4/1kcwh.html
[2] 請參考http://tw.news.yahoo.com/article/url/d/a/090530/4/1kcwj.html
[3] 請參考http://tw.news.yahoo.com/article/url/d/a/090530/4/1kcwk.html

兩年的修課回顧

這禮拜是學期的最後一週，也為我兩年來的修課生活畫下休止符，感覺好像卸下一顆大石頭一樣。說真的，我覺得修課是蠻累的一件事，每個禮拜都得追著老師的進度跑，除了一堆的指定閱讀材料之外，作業、考試、期中與期末書面及口頭報告也是少不了的，真希望每天有36或48個小時可以用。我們系上對全職生的課程安排是兩年內修完48個學分，同時要通過兩次資格考試，即使我們想要放慢一下腳步也不行。兩年來除了第一個寒假可以喘一口氣之外，第一個暑假也要修課，第二個寒假要準備及接受第一次資格考，第二個暑假的前半段則是要準備第二次資格考。雖然我下個月就要考第二次資格考，不過沒有課程的負擔就已經讓人覺得舒服多了。

據我所知，與歐洲國家學校相比，美國的研究所課程比較重視修課，必修學分相當多，歐洲許多研究所並沒有硬性要求學生修多少學分，而是以獨立研究(independent study)為主，學生與指導教授視研究生所要進行的學位論文研究的需要，斟酌去選修課程。歐洲的研究所比較強調師徒互動過程與論文研究的進行與完成。也因此，在歐洲，能不能畢業幾乎都決定於論文進行的過程與結果，如果論文成果不如預期或不合老師的胃口，可能學位就拿不到。這種情形似乎在美國比較少見。就我的觀察，美國研究所只要學分修滿，通過資格考試，如期將論文寫出來，應該都可以順利取得學位。兩種學術傳統各有特色。

修課的過程中雖然壓力比較大，但是好處是有經過老師有系統安排的課程內容，可以省去相當多自己摸索的時間，因此一個學期下來，對這門課的領域應該可以有一定程度的了解(至少會知道有哪些重要學說以及重要人物)。不過壞處是修課畢竟比獨立研究來得被動，獨立研究必須自己找題目，收集研讀資料，因此比較可以針對自己的興趣或需要去主動鑽研；而修課較缺乏這種針對個別學生需要的特殊性與由學生掌握學習過程的主動性。而且說真的，有些課修過之後如果以後沒有用，也是很快就忘記。不過話說回來，美國研究所的修課政策應該可以確保研究生透過廣泛修課具備進行研究的基本能力與條件，有些學科確實是須要在老師的督促與適度的壓力下才會學得比較懂。有這些基本的能力之後，以後自己要進一步探索較深入的內容也會容易一些。

兩年下來修了16門課，這些課主要可以分為三大類，第一類是對健康照護體制與市場背景的了解；另一類是進行醫務行政管理相關研究時需要的理論，最後一類是研究方法。我們系上博士班的目標定位很清楚、也很簡單，就是培養研究生有單獨從事研究的能力，所以課程設計都是繞著研究的需要所規劃的。

要進行一份研究，主要有三個部分，第一個是研究主題與背景，這方面的範圍很廣，視每位研究者的興趣與背景而定。在醫務行政的領域，學者關切的主題不外乎衛生政策效果、健康照護服務品質、效率與可近性(公平)；研究的對象包括政策、組織、組織成員以及病人。研究主題的選擇所依據的是重要性、實用性或是否具有學理意涵。我們課程中有三門課提供我們初步了解這些背景的機會。一門課是由所長Stephen Mick所教的「美國健康體系的組織、融資與成效」(Health System Organization, Financing, and Performance)。Dr. Mick是一位組織社會學者，他主要在這門課中討論美國健康照護體系的背景、制度現況與重要議題。另一門課是由Gloria Bazzoli教授所教的「健康經濟學」，這門課不僅介紹健康經濟學的重要概念，還用這些概念去看健康照護提供者的行為、民眾醫療消費行為、以及政府在健康或衛生體系中所扮演的角色，等於是前一門課的經濟學版。第三門課是由前所長Lois Luke所教的「健康照護市場與組織策略」，如果前面兩門課比較是從概念上去瞭解健康照護體系，這門課則引導我們具體去看美國健康照護的市場與組織真貌，我們從幾個具有代表性的健康照護市場與機構，去認識美國健康照護目前的運作情況。這些課程所觸及到的議題很多，也讓我們知道目前學界、政界或實務界所關心的問題有哪些，給我們在選擇未來研究方向與主題很多啟發。

進行研究需要的第二部分是研究的理論或概念架構，每一門科學都有重要的理論，是由理論學者所推論或建構起來的；實證科學家再用這些理論去提出研究命題(hypothesis)，也就是根據理論去預期研究變數之間的關係，收集資料去檢驗這些假設，以證實或推翻理論，而科學的進展便是在這樣的理論建構與解構過程中形成的。研究命題是一份實證研究的核心，居有承先啟後的作用，研究者必須將研究主題與關切點轉變成簡潔扼要且明確的研究命題，這須要研究者對研究主題的背景與理論架構有充分的了解才能做到[1]。當研究命題形成之後，後面研究分析所用的設計、變數、模式都必須緊扣研究命題。在分析結果出來之後，剩下的工作便是去討論研究命題是否被支持，解釋這些結果的各種可能原因，並交代研究的限制，與建議未來相關研究可以繼續努力的方向。

由此可以看到理論架構與研究命題在研究中的重要性，難怪我們有將近一半的課程都是與醫務行政或管理的理論有關，包括組織理論、組織行為理論、健康行為理論、與經濟學理論。組織理論是指巨觀的組織理論，是在探討組織與組織間，或組織與環境之間的互動關係。因此在組織理論中，所關切的是一群組織的互動行為，其中每一個組織(如醫院、護理之家)是基本探討或分析單位。組織行為理論又被稱為微觀的組織理論，關切的是某個組織內部成員的行為，或者成員與成員，成員與組織之間的互動模式；所研究的對象是組織內部的成員(病人、醫師、護士或行政主管)或單位(急診或病房)。組織理論主要來自組織社會學或組織經濟學，組織行為理論主要來自組織心理學。由於美國商學院與管理學院的興盛，這些領域目前大多被收歸到商學院與管理學院裡面，許多重要的學者也都是商管學院的教授。由於醫務行政管理有不少研究是在探討與健康照護組織或組織中成員有關的行為與互動關係，因此用到很多組織與組織行為理論，針對這兩類的組織理論，我們各有兩門課在做介紹與探討。由於這方面的著作汗牛充棟，有些甚至是深奧難懂，這四門課也只能做粗淺的介紹，比較著重在基本學說的理解，以及如何加以應用到研究上面。

另外，醫務管理的研究有一大部分牽涉到病人的就醫或醫療使用行為，以及病人接受健康照護後的品質與可近性(管道)，這方面的理論架構主要來自民眾健康或醫療選擇行為模式，最常見的是Andersen這位學者的民眾醫療使用行為模式，以及Donabedian的醫療品質三環節(結構、過程、結果)模式。這方面的研究大多使用病人就醫的臨床資料，並配合相關的醫療機構或社會環境資料一起分析。嚴格來說，這些模式並非獨特的理論學說，而是學者們將相關因素加以整合，用來解釋醫療使用行為或結果的關係模式，由於這些模式很實用，考量的因素大致上也很周到，因此被研究學者廣泛運用做為研究關係的推論架構。

除此之外，醫務管理研究的理論架構有一大半是來自健康經濟學的學說或概念。健康經濟學用消費者與健康照護機構的理性成本效益計算與考量，加上各種健康照護市場的競爭環境，以及資訊在健康照護過程中所扮演的角色，可以對健康照護服務的消費者、提供者與市場規範者(如政府)的行為、後果與互動關係進行各種推論或命題的建構。健康經濟學理論的好處是從消費者個人就醫行為、照護機構的品質與成效、到政府政策的影響都可以適用，應用範圍很廣泛，加上這方面的學者眾多，已經對各種議題或現象提出相當深入的討論，因此有很多理論架構模式可以參考。

不過這些理論並沒有一個是十全十美的，可以適用任何狀況或被用來解釋/預測所有的問題或現象，有些研究問題就找不到一個完美的理論可以套用。比如我對教會醫院的醫療服務行為很感興趣，但是目前還沒看到一個可以直接用來解釋或預測教會醫療院所服務或決策行為的理論或模式。在健康經濟學中，教會醫療院所一般是被歸入非營利組織的範疇，可是我總是覺得教會醫療院所應該與其他非營利屬性的醫療院所有某些差別才對。這是我的假設與好奇，但是還未發現一個合適的理論可以用來作為這個論點的基礎。

進行研究需要的第三部分是研究的方法，研究方法運用的恰當與否直接決定一份研究的品質，這也是學術論文發表前審查的重點。研究方法主要有質性與計量分析這兩種，醫務行政管理的研究偏重計量分析的運用，因此我們的研究方法課程絕大多數都是計量分析課程，在質性研究方面，我們只修了半門課的Grounded Theory，可以說只是沾到邊而已。校內社工學院與教育學院是有開質性研究的專門課程，但是因為系裡所規定的課程已經很緊，所以也就放棄去選修質性研究課程的念頭。

醫務行政管理的研究用到的計量分析方法主要是多變量分析與迴歸分析，我們系上並沒有開這些課程，我們必須到商管學院去修。我所修的三門計量經濟學都是經濟系開的課，很幸運的是這兩位老師(David Harless與Leslie Stratton)教得很好，讓我對迴歸分析從一竅不通到具備基本的應用能力，從最單純的模式到比較複雜的模式都有一些接觸與認識。回想兩年前開始在讀期刊的研究論文時，常常對研究人員所使用的計量模式有看沒有懂，只能囫圇看過；現在對大約九成以上期刊論文中所使用的模式都有一些概念，比較知道他們為什麼要使用這些模式的原因，以及使用這些模式背後的假設與限制。

由於我多修了一門計量經濟學的課，所以並沒有機會去修另一門多變量分析的課，還好這學期我們系上開的「健康照護機構成效的計量分析」這門課除了介紹Data Envelopment Analysis(DEA)之外，也談到因素分析(factor analysis)、cluster analysis(集群分析)、與discriminant analysis(判別分析)這三種常見的多變量分析方法。此外，去年暑假我們去VCU進階研究方法中心上一門短期的Meta-Analysis的課，這是使用統計的方法，就某一個主題，收集目前已經發表的文獻並加以統整，以對該主題所探討的關係釐出一個較明確的結果。

在醫務行政管理研究方法的重要概念與過程方面，我們系上開了三門課，第一門課主要在介紹社會科學研究的基本概念與過程，讓我們具備閱讀與評論相關期刊論文的能力；第二門課進一步教我們將這些概念與方法運用到醫務管理關切的健康照護品質、成效、效率、與公平性等的議題研究主題上面；第三門課則是再一次回顧並整合這些研究方法的知識，用來規劃與撰寫研究計畫提案。幾乎在第二年所修的課，期末報告都是選擇自己感興趣的一個研究主題或研究問題，去撰寫一份研究計畫提案(其中有兩門課甚至要求要做資料分析並討論結果)，這些要求無非想讓我們一再練習並熟悉研究的過程與使用合適的研究方法，去完成一份研究計畫。

在修課的最後一學期，我去選修公共政策學院的「調查研究方法」(survey research methods)，這是社會科學中收集一手資料的主要方法，在醫務行政管理領域，組織(成員)行為研究多半透過調查收集研究資料，因此調查方法與過程必須與研究設計緊密搭配。這門課也對自己在閱讀一份調查結果或使用調查資料所進行的研究論文很有幫助，同時讓我對研究取樣與調查資料分析/判讀所需注意的問題有較廣泛的理解，獲益良多。

上完這些課，接下來就是要實兵演練了，論文研究的進行就是一次主要的實地演習，也是一門較大型的獨立研究課程，佔有九個學分的份量。由於兩年前我的指導教授Ken White建議我先盡可能想好論文研究的方向，在修每一門課寫期中或期末報告時，都朝與這個方向相關的議題去收集資料與撰寫，兩年下來便有相當多的資料或文獻可以運用，要著手論文會比較胸有成竹，不用從頭開始。我一直記得他的忠告，先擬定了兩個大方向，一個是教會醫院相關的議題，另一個是急性與長期照護的整合。因此也利用修課的機會收集了不少文獻，知道有哪些現成的資料庫可以利用，同時經過這個反覆推敲摸索的過程，論文的主題與輪廓也慢慢形成，越來越清楚。因此這學期修研究計畫提案的規劃這門課，我便是用論文研究計畫做為期末報告，老師所給評語也認為相當可行。若六月順利通過第二次資格考，我希望能將這篇研究計畫修改得更好一點，給指導教授與論文委員過目，盡快安排論文提案口試。

當然，修這些課不僅對自己做研究工作很重要，也對管理實務與醫療政策的觀察分析有幫助。像醫療機構的組織行為、財務管理、健康經濟學、健康照護的成效、品質與效率、健康照護市場與組織策略、DEA分析、調查研究方法，以及迴歸分析等課程事實上在實務管理上都可以用得上。這些知識可以應用在醫療機構內部管理，也可以用來預測或解釋健康照護市場的走向，醫療機構的動態與演變，以及評估政策的衝擊。

盼望未來經常有機會實際運用這些知識或方法在研究與管理實務工作上面，產生一些實質的效益。而且，當這些方法有繼續在使用時，也才不會生疏或還給老師，讓這兩年的時間發揮應有的價值。

[1] 這學期我們在「研究計畫提案」這門課中，老師幾乎就用了兩門課的時間在討論與修改我和另一位同學研究計畫中的命題，我才發現要寫出一個能夠貫穿整份研究，切中主旨且能夠有效引導後續研究進行的命題實在不是一件容易的事，對研究新手來說特別是如此。

非營利屬性醫院的目標函數

在經濟學中談到消費者的行為時，物品的效用(utility)與消費者的偏好(preference)是兩個基本概念。效用是指某個(些)物品所帶給某位消費者的滿足感，比如看一場電影所帶給我的視覺、情感與知性的享受。偏好是用來描述某位消費者根據不同物品所帶給他的效用，去對各種物品所做出的評價排名，以做為其在有限的預算中要進行消費取捨決定的依據。因此也許可以用一個簡單的關係來表示：

物品效用-->消費者偏好-->消費者行為

經濟學家通常用「效用函數」(utility function)將這些概念實證化，效用函數是指某組物品所帶給某個消費者的整體效用，在花同樣的代價的前提下，如果A組的物品所產生的效用比B組的物品的效用來得大，消費者會偏好A組物品，因而去採購A組物品。

個體經濟學中的主角除了消費者(或稱為買方)與政府之外，還有製造者、提供者(supplier)或賣方，在討論機構或集體的提供者時，經濟學家用firm(廠商)來統稱。物品製造者、服務提供者或廠商也有自己的效用，也就是可以滿足這些人或機構經營者的東西或狀況，其實就是提供者或廠商的目標。就如同效用函數可以決定消費者的行為，目標函數可以影響廠商或提供者的生產行為。

傳統經濟學是假設所有的廠商或提供者的效用或目標都一樣，就是追求最大的利潤。這對各行各業的營利機構或廠商當然是很貼切的假設，不過對於某些產業中的非營利屬性的機構來說，可能有問題了。對研究非營利屬性機構的經濟學者來說，一個核心問題是：這些機構的效用或目標到底是甚麼？這個領域形成一個非營利經濟學分支(nonprofit economics)，其中探討非營利屬性機構的目標函數(objective function)是最讓學者感興趣的議題之一。

醫療或健康照護產業是典型的混和屬性產業(mixed ownership industry)，舉醫院產業來說，有包括公立醫院、非營利屬性醫院以及營利型醫院，只不過每個國家的分配比重不一樣。英國是以公立醫院為主，私立營利或非營利醫院為輔；台灣絕大多數是非營利醫院(包括公立與民營)，營利醫院比例很低；美國則各有為數眾多的公立、私立非營利與營利醫院。因此美國的醫療生態提供經濟學家很多的素材可以研究非營利醫院的目標函數與相關的服務行為。

在探討這個題目或進行實證研究之前，經濟學者必須先建構理論學說，然後根據這些理論去提出研究假設，再收集相關資料去做分析，驗證假設。

不同的學者對非營利醫院的目標函數提出不太一樣的理論，我覺得都相當有趣。這些學說都設法用最精簡的概念去解釋非營利醫院的獨特之處，或者主張非營利醫院事實上並沒有與眾不同。最近看到一篇論文[1]，很簡明扼要地討論了四種相關的理論主張。這篇文章是從醫院在提供有利潤(profitable)以及沒有利潤(unprofitable)的服務的角度去討論。

第一個理論是主張非營利醫院追求自己產出的極大化(firm output maximization theory)，這是根據Newhouse所提出的理論架構，再加以發展。這個理論認為非營利醫院的目標函數是追求某種服務組合產出的最大化，使其整體滿足感達到最大。根據這個觀點，非營利醫院會盡可能提供各樣的醫療服務(包括有利潤與沒有利潤的服務)，使其整體服務的數量與品質狀態達到其心目中最大的程度，但前提是長期損益兩平。由於每一家非營利醫院的經營者組成都不一樣，因此其產出最大化的取決準則或條件都不相同，就此而言，非營利醫院的經營者關心的是自己產出的配置，並不會受到外部競爭者或其他醫院的影響。

不過，如果某家非營利醫院附近的其他醫院會挖走一些顧客，理論上還是會對該家醫院所看的病人對象間接產生影響，如果它的附近有營利醫院專以提供有利潤的服務為主，於是從非營利醫院挖走有利潤的病人，將沒有利潤的病人留給該家非營利醫院，這會導致該非營利醫院原本產出最大的服務組合出現虧損。為了保持損益兩平，該非營利醫院必須設法增加有利潤的服務，或者縮減沒有利潤的服務，這就會使非營利醫院表現出與一般營利醫院相似追求利潤的行為。但是，若該非營利醫院附近沒有這種專挑有利潤可圖的病人或服務的營利醫院存在的話，非營利醫院應該是跟營利醫院在服務組合(有利潤與沒有利潤的服務)上會明顯不同。

第二類的理論觀點是非營利廠商追求市場產出極大化的理論(market output maximization theory)，這個觀點主要是從Weisbrod的理論來的，認為非營利醫院是為了要提供未被滿足的市場需求及公共財而出現的。由於在一般的自由競爭市場中，某些如慈善醫療服務以及沒有利潤但有公共利益的服務的供給會少於正常的市場需求，這個不足的部分，就要靠非營利機構來提供。也就是說非營利醫院會視市場的情況調整自己的產出或服務，使市場整體的產出達到最大，滿足整個市場的需求。

根據這個論點，非營利醫院會針對其他同市場中的營利醫院的服務組合做出回應。非營利醫院一方面會透過提供有利潤的服務，設法增加營收，這使它們看起來跟營利醫院沒有兩樣；但是另一方面，當市場中有不少利潤導向的醫院時，非營利醫院就必須多提供沒有利潤的服務，以彌補市場在這些服務產出的不足。就這點看，非營利醫院與營利醫院的表現應該會相當不同。

第三種的理論認為非營利醫院是「營利醫院的偽裝」(for-profits in disguise)，非營利醫院與營利醫院只是表面上屬性不同而已，本質上一樣都是在追求利潤。雖然非營利醫院受限於盈餘不得進行分配的法律規範，不過有些經濟學家認為非營利醫院的經營者還是可以想辦法「自肥」，將盈餘回歸到自己或員工身上。比如Paul and Redisch這兩位學者針對美國非營利醫院的情形，就提出「醫院是醫師的合作社」學說，主張盡管醫師不是醫院的受雇者，但醫師事實上是醫院經營方式的主導者與主要受益者。

有不少實證研究發現非營利醫院與營利醫院在許多方面(如收入、成本與利潤)並沒有明顯差異，這些結果支持非營利醫院是「披著非營利外衣的營利醫院」的見解。如果是這樣的話，我們應該看不到非營利醫院與營利醫院在有利潤與沒有利潤的服務組合上有顯著的不同才對。

第四類的觀點是根據Hirth的論點[2]加以擴大，這個論點首先假設有兩類的非營利醫院，第一類是如Newhouse所說的追求自己產出最大化的非營利醫院(非以利潤導向的醫院)，另一類則是偽裝(利潤導向)的非營利醫院，因此稱為「混合型目標理論」(mixed objectives theory)。

根據這個混合型目標理論，有些非營利醫院的目標是利潤導向，某些非營利醫院的目標是極大化產出組合。因此我們所看到的應該是有些非營利醫院與營利醫院完全一樣(如前述第三種理論所預測的)；有些非營利醫院當市場中的營利醫院佔率增加時，也會表現出類似營利醫院的行為(如前述第一種理論所預測的)。因此這個理論所預測的非營利醫院行為大致上會與營利醫院相似。

不過，當市場組成改變時，我們應該可以看到這兩類非營利醫院的利潤表現會有所不同。當市場中的營利醫院比例增加時，非利潤導向的非營利醫院的利潤應該不會受到影響，還是以維持損益兩平為目標；但是利潤導向的非營利醫院的利潤便會增加，因為來自真正非營利醫院的競爭與影響降低了，使得這些營利導向的醫院有機可趁、有利可圖。因此整體來看，此市場中所有非營利醫院的利潤會呈現增加的情況。此處是這個理論與前面第一個理論最不同的地方，第一個理論認為所有的非營利醫院都不是營利導向，所以當市場的營利醫院佔率加重時，非營利醫院都只是求損益兩平，所以該市場中所有非營利醫院的利潤率並不會明顯改變。

這篇研究論文的實證分析發現，非營利醫院的服務組合確實隨著其市場中營利醫院的佔率有所改變，但是非營利醫院的利潤並沒顯著變化，這個結果比較符合第一種理論所預測情況，也就是傾向支持非營利醫院的目標函數應該是與營利醫院的利潤導向不一樣，主要是在追求使其服務組合與產出極大化。

[1] Horwitz, J. R., & Nichols, A. (2007). WHAT DO NONPROFITS MAXIMIZE? NONPROFIT HOSPITAL SERVICE PROVISION AND MARKET OWNERSHIP MIX. NBER Working Paper Series. (13246).
[2] Hirth的基本論點是：非以利潤導向的非營利醫院只要求損益兩平，而營利醫院必須有利潤才行，如果這兩類醫院在提供相同品質的服務所用的成本一樣的話，那營利醫院必須訂比非營利醫院高的收費。反之，在相同的服務價格下，非營利醫院的品質會比營利醫院的品質來得好。在此情況下，同一市場中品質較差的營利醫院或偽裝(以追求利潤為目標)的非營利醫院會被非營利醫院淘汰，留下品質相當或效率較高的利潤導向醫院，結果使得到這些利潤導向醫院就醫的病人也能夠享受到與非營利醫院同等的品質。Hirth稱此為非營利醫院對利潤導向醫院的品質「溢出效果」(Spillover effects)。

非營利屬性醫院與營利醫院之間的交互影響

前一篇論文的一個重點其實在討論不同屬性醫院在市場中的交互影響，這是研究不同屬性醫院的學者另一個研究主題。

有一篇由我們系上的Dr.s Jan Clement和Ken White與一位倫敦熱帶醫學與公共衛生研究所的學者在幾年前共同發表的論文[1]，用加州中不同屬性的醫院在提供慈善醫療服務[2]的差別做為研究對象，探討營利醫院與非營利醫院之間是否會互相影響。這篇文章用到三個相當有趣的觀點去解釋或預測這兩種屬性的醫院的異同。這三種觀點的前提都是在於營利醫院與非營利醫院有不同的目標函數，前者在追求最大的利潤，後者以完成其使命為目標，比如人道精神，為弱勢族群提供醫療照護等。

第一個觀點是認為在慈善醫療服務的提供上，營利醫院是搭便車者。由於營利醫院的目的是在賺錢與追求最大利潤，提供慈善醫療服務有損其目標的達成，因此會盡可能不去提供。而剛好同市場中如果有非營利醫院，當這些非營利醫院做更多的慈善醫療服務時，營利醫院就可以趁機少做。

第二個觀點是說營利醫院提供較少的慈善醫療服務，不是因為他們不願意做，而是被非營利醫院擠出(crowding out)慈善醫療服務市場。這是因為非營利醫院(包括公立與私立非營利醫院)以提供慈善醫療服務為職志或重要使命，因此當一個醫療服務市場有很高比例的非營利醫院時，慈善醫療服務市場都被非營利醫院所搶走，營利醫院便沒有提供慈善醫療服務的空間。這個觀點所預測的結果與前一個觀點會是相同的，即在一個醫療市場中，當非營利醫院提供更多的慈善醫療服務時，營利醫院所提供的慈善醫療服務便會減少。

第三個觀點是從非價格競爭的角度去分析，這個觀點假設由於民眾或病人對醫院服務的品質與價格的差異不易分辨，因此醫院的服務品質與價格對民眾或消費者的就醫選擇沒有作用。在此情況下，民眾必須根據其他的資訊來做為選擇醫院的根據，其中一個非價格因素便是醫院是否會關心病人，服務是否親切等。相當致力於提供慈善醫療服務的醫院比較可以在這個方面凸顯自己的服務，獲得病人的認同與青睞。因此為了吸引足夠的病人來源，營利醫院跟非營利醫院一樣會提供慈善醫療服務，雖然提供這些服務會立即增加成本，不過為了長期與終極的利潤，營利醫院還是得提供與非營利醫院相當程度的慈善醫療服務。此外，對營利醫院來說，多提供一些慈善醫療服務有助於提升形象，爭取社區的認同，使其策略運用較容易獲得支持或減少阻礙，進而使其利潤目標能夠達成。根據這個觀點，當營利與非營利醫院之間的競爭愈激烈時，市場對營利醫院的需求會減少，而導致營利醫院有較多閒置設備和較高的固定成本，這時營利醫院提供慈善醫療服務的邊際成本(或多提供一份慈善醫療服務的成本)便會降低，使得營利醫院願意提供較多的慈善醫療服務。此一論點所預測的結果與前兩種論點的預測有顯然不同之處，前兩種觀點認為營利醫院所提供的慈善醫療服務量會明顯比非營利醫院少，但是最後一種觀點預測這兩種屬性的醫院在慈善醫療服務的提供上面並沒有顯著不同。

實證分析結果比較接近第一種論點所預測的情況，也就是當市場中非營利醫院提供的慈善醫療服務量增加時，營利醫院所提供的慈善醫療服務便會減少。此外，他們也發現營利醫院在提供慈善醫療服務方面並未如第三種觀點所預期的受到價格競爭的影響，也就是，即使市場中營利醫院與非營利醫院的競爭愈激烈，導致營利醫院有閒置設備時，營利醫院還是不會增加其慈善醫療的服務量。
這個研究的結論指出加州的非營利醫院確實有與營利醫院不同的地方，從慈善醫療服務的提供上可以明顯看出來。由於非營利醫院符合社會的期待，提供了較多的慈善醫療服務，因此應該有繼續被賦予稅制上優惠與減免的正當性。

[1] Clement JP, White KR, & Valdmanis V. (2002). Charity care: do not-for-profits influence for-profits? Medical Care Research and Review : MCRR. 59 (1), 59-78.
[2] 在美國，charity care是指醫院為無力繳交醫療費用的病人所提供的醫療照護。這些服務收取不到費用，因此是免費的，或無報償的服務(uncompensated care)。但是如何計算醫院的慈善醫療服務的多寡，並沒有一套標準的公式或定義。有些醫院也將壞帳通通算進來；有些醫院用定價去計算，有些醫院主張用成本去計算。這也造成在比較醫院所提供的charity care時不少困難與麻煩。

社會價值觀在醫療體制中扮演的角色

香港發行的亞洲週刊最近有一期[1]在討論中國採行市場經濟後，原有的醫療體系瓦解，廣大中下階層人民的就醫遂成為一個非常嚴重的問題，醫療改革是現在中國執政者迫切的課題，關乎其社會的安全與穩定與人民福祉甚巨。

在討論中國的醫改時，亞洲週刊也對照中國鄰近的香港、台灣、新加坡，以及同樣是實施共產主義的古巴等國家的醫療健保制度的優缺與所面臨的問題，做了一個跨國的醫療制度探討比較[2]，相當有參考價值。以往國際醫療健保制度的比較討論比較是以英國、德國、美國、日本與加拿大的體制為代表，這期亞洲週刊提供了另外的一種嘗試與觀點。

香港、台灣、新加坡與古巴都是土地很有限，人口很稠密的國家，但各自有獨特的醫療制度，而且剛好是全球目前幾種典型的醫療體制的縮影。

香港[3]的醫療體制主要是沿襲英國的國家健康系統(National Health System)的制度，這種制度的特色在於將醫療視為一種基本人權，由國家或政府負責提供醫療與健康照護給每一個國民，不僅健康照護的經費來自政府的稅收，醫療服務的提供者也以公辦的醫療院所為主。

台灣[4]採行的是社會保險的全民健保與公民營並重的醫療照護體制，與日本、德國與加拿大的情況比較類似。基本上這種體制的精神是透過社會互助，使所有人民享有平等的健康照護服務，政府在健康與衛生上是扮演一個制定規則、整合財源、執法與仲裁的角色，醫療服務的提供則相當仰賴民營醫療院所的功能，政府甚至希望藉由引進某種程度的醫療市場競爭，去抑制醫療服務價格、提高品質或增進可近性。

新加坡原本也是沿襲英國的公醫制度，但從1984年改變成強制的醫療儲蓄制度與政府就醫補貼的制度。新加坡強調健康與醫療照護是個人的責任，以及使用者付費的精神。政府透過法規要求人民開設個人或家庭的醫療儲蓄帳戶，定期從薪資提撥一定的金額存入，可享有免稅優惠，每年的戶頭結存還可以併入下一年繼續供醫療使用。這就類似勞工退休金個人帳戶的概念，只是醫療儲蓄帳戶是有需要隨時可以使用，而勞工退休金必須等到退休後才能動用。此外，新加坡政府對民眾前往公立醫療院所就醫提供50%的費用補貼。民眾也可以拿醫療儲蓄帳戶中的金額去購買民營的健保，以因應重大疾病的醫療費用需要。

古巴[5]的制度與英國的國營醫療類似，但更加徹底，由政府一手包辦醫療與健康照護。由於古巴仍是實施共產主義，健康、公共衛生與醫療從醫療人員的養成到醫療服務的提供完全在政府的主導與計畫之內，相關支出也都由政府編列預算。由於古巴政府常重視教育與醫療，因此盡管其經濟不佳，但在醫療上卻有相當傲人的成就，其醫療水準已可媲美先進國家，而且還可以輸出醫療人員去援助其他國家。由於古巴的制度非常重視預防醫學與社區健康，因此人民都能獲得均等的健康照護與良好的健康狀況。

這四個國家所沒有的醫療制度是自由經濟醫療體制，美國是這類制度的代表[6]，除了給特殊對象(軍人、退伍榮民、印第安原住民等)的國營醫療體系、針對年長者的社會健康保險，與給特定低收入與兒童的社會安全健保體系之外，美國目前採行的是自由市場的醫療與健保體制，與古巴剛好是兩個極端。由此可見，在美國一般認為，除了特定族群之外，健康與醫療是個人的事情，政府除了在品質上加以管控以及維持必要的醫療安全網之外，並不介入或加以干預。醫療與健康照護服務與其他服務業所提供的服務一樣都是商品，靠市場機制去運作。

香港、台灣、新加坡與古巴雖然採用截然不同的醫療制度，但基本上都達成醫療人員素質優良、技術先進與就醫機會平等的重大成就。不過每一個國家的醫療制度表現有些差異，古巴透過計畫經濟，落實公共衛生與預防保健；台灣健保藉由各種給付制度的混合使用，對費用管控產生具體效果，而且醫療提供者勤奮有效率，使台灣成為世界上就醫最方便，醫療最物美價廉的國家之一。新加坡透過儲蓄制度讓人民產生節制醫療消費與自我保健的誘因，因而慎重選擇就醫對象，減少醫療浪費的程度。香港則有完善的公立醫療系統照顧人民的病痛。

不過，每個國家的特色與優點也都或多或少產生其特殊的問題。香港與台灣價美物廉的醫療導致民眾醫療使用的浪費以及費用的成長；香港的公營醫療體系趕不上民眾對醫療需求的變化，以及人民對民營醫療機構缺乏信心，加上以稅收與政府預算為基礎的醫療支出設限，導致某些醫療處置項目大排長龍的現象。古巴徹底的計畫經濟造成生產效率低落與經濟長期沒有起色(這當然也跟國際對古巴的經濟制裁有關)，醫療人員收入偏低，缺乏足夠的誘因，造成不少醫療人員的流失。新加坡政府對民眾前往公立醫療院所的就醫補貼導致公立醫院服務量超載，造成類似香港的就醫不易或排隊的問題。

由此看來，不管是共產主義、社會福利主義、資本主義的醫療體制都有其成功的一面，但也都有自己的問題；沒有哪一套社會體制絕對行不通，也沒有任何一套是完美的。

話說如此，我覺得從穩定度與財源的永續性來看，新加坡與古巴的醫療體制表現似乎比台灣與香港的來得理想。例如台灣健保只有不到十五年的歷史，目前就發生嚴重透支的困境與危機，盡管之前有諾貝爾經濟學獎得主Paul Krugman的讚賞與推介，但目前這種債留子孫的健保財務危機處理畢竟不是治本之道，若持續下去，全民健保的崩盤不是不可能的。雖然古巴與新加坡的醫療制度有其問題存在，但問題程度並不太大，衝擊面有限，整個制度基本上仍是相當穩定，而且所採取的措施也某種程度可以因應目前的問題。

我覺得其中的原因不在於哪一種制度的優略差別，而是國民對其所採用的醫療或健保制度有沒有一套共同的中心思想或社會價值觀。

古巴的共產或社會主義體制與新加坡的醫療商品取向都能夠順暢運作，主要是因為這兩個國家對醫療有很清楚的定位。在古巴，醫療是人民基本權利，提供醫療是政府的責任；在新加坡，醫療與健康是個人的責任，民眾必須未雨綢繆，以備不時之需，政府則提供必要的補貼。如果我們再看實施健保已經將近130年的德國，所採用的是與古巴與新加坡不同的社會福利國家的體制，但相同之處是定位與觀念清楚，認為健康與醫療是每個國民都能夠同樣享有的機會，強調透過社會互助與保險的手段去達成，但每位國民在健康與醫療上負有共同的責任，政府扮演的是制定相關法規與政策，協助公共醫療財源的籌措。

回過頭來看台灣的醫療制度與全民健保，到底我們是怎麼看待與定位健康與醫療？是基本人權？是商品？還是均等的機會？是政府的責任、人民個人的責任，還是社會共同的責任？政府是立法者、執法者、仲裁者、還是醫療提供者？就我的瞭解，台灣在這些定位上還是很模糊，好像甚麼都有一點，卻甚麼都不像。

如果以採行社會保險的全民健保體制來看，台灣應該是走德國的社會福利國家路線，主張醫療與健康是一種均等的機會，並強調人民負有共同的責任，政府應該是扮演客觀監督與仲裁的角色。可是台灣卻有不少民眾將健保與醫療視為自己的權利，不用就白白損失掉了，而且不願意有任何設限，但是卻不願意去共同承擔該有的責任，比如在健保已經達到原本所設計的虧損地步時，執政者、大多數立委與民眾卻不願意去調整保費。

對台灣政府與國民來說，健康與醫療似乎是權利、機會、也是商品，一方面對醫療院所的醫務加以層層規範監督，一方面又要促進醫療提供者之間的競爭，卻沒有任何可讓民眾節制醫療資源的誘因與制度，造成民眾對醫療「俗擱大碗」的要求，而對所要付的代價沒有正確體認。

台灣政府在醫療與健保制度運作中所扮演的角色也是模糊不清，一方面是法規與政策的制定者，又是醫療服務提供者、健保業務的執行者、保費的把關者、相關議題的仲裁者，這麼多重的角色難免有利害衝突與互相拉扯的問題。另一方面執政者由於顧及選票，總是想辦法討好選民，以政治考量掛帥，不願意回歸政策的專業面去討論與進行改革。難怪不論是1.5代健保、二代健保改革始終無法順利推展，只見雷電，不見雨滴，我覺得這與政府與全民對醫療與健康定位不清楚有直接的關係。

全民健保目前的問題，與當初未經社會充分討論並加以清楚定位就匆促實施應該有關，這些問題隨著時間的經過會一一浮現。雖然全民健保有非凡的成就，也成為許多國家醫改的參考對象，但不可否認的是它也為自己製造了難解的結。我們在慶幸與自滿台灣有全民健保以及陶醉在許多專家的恭維之中，千萬不要以為全民健保未來是一條坦途。

如果一個國家對健康與醫療有一套被普遍接受的社會價值觀與中心原則，許多相關議題都可以回到這個基本點去討論，也可以有效引導政策的決策或進行必要的改革。缺乏這些基本原則，各界勢力都可以用對自已有利的立場去主張，逃避自己該盡的責任，結果長久累積下來，便成了一個扭曲的制度。

台灣有全民健保的前車之鑑，照理說在後來的相關政策應該會比較謹慎，不會急就章才對。可是從最近的長期照護保險的推展來看，我覺得還是沒有看到社會上廣泛對這些基本原則與社會價值觀的充分討論與定位過程。專家學者大多就技術面去考量做規劃的建議(比如要採用全民投保還是特定對象的投保，保費如何訂定，給付範圍等)；政府官員為了推銷政策，則只是向民眾強調長照保險有多麼物美價廉、可以帶來多少好處，卻大多避開去討論或辯論到底我們對長照保險的基本價值與原則與民眾應承擔的責任是甚麼。

這期亞洲週刊有一篇文章引用新加坡國立大學的林明健教授的一段話指出：「『箇中(各國醫改)的方案抉擇沒有對錯可言，是我們的價值觀決定我們的選擇。』說到底，醫療改革就是價值觀的取捨抉擇，而非單一融資方案，沒有新的醫療文化，又怎有醫療革命。」這段話一語道破核心問題，也是政策規畫與制定者最常忽略的地方。我相信這段話對台灣的全民健保改革與長期照護保險的推動應該同樣有寶貴的參考價值。

[1] http://www.yzzk.com/cfm/main.cfm?Path=372715111/Main.cfm&CFID=53995855&CFTOKEN=12651059
[2] http://www.yzzk.com/cfm/Content_Archive.cfm?Channel=ae&Path=372715111/13ae5c.cfm
[3] http://www.yzzk.com/cfm/Content_Archive.cfm?Channel=ae&Path=372715111/13ae5a.cfm
[4] http://www.yzzk.com/cfm/Content_Archive.cfm?Channel=ae&Path=372715111/13ae3.cfm
[5] http://www.yzzk.com/cfm/Content_Archive.cfm?Channel=ae&Path=3104908231/09ae1e.cfm
[6] 我認為美國是混和型醫療體制，並不屬於單一的制度，不過大體來說，美國是以自由經濟醫療體制為主。

國內醫院別器官移植術後存活率分析

這禮拜看到一則新聞，全民健保局公布1997~2007十年之間進行器官移植手術件數超過某個數量的醫院，其接受移植病人三年或五年以上存活率的統計資料。這份資料可以在健保局網站「醫療品質資訊公開」下載[1]。

健保局公布這些資料的用意是可以理解的，希望讓民眾有較多的資訊，瞭解哪些醫院在器官移植的成果(以病人的存活率為指標)比較理想，也許可以讓民眾或病人在選擇診療的醫院時有所依據或參考。健保局網站上有一段話很清楚道出公布這些醫療品質資訊的目的：「醫療品質，應該是您選擇就醫最重要的參考指標；可惜，國內的醫療品質資訊一向未透明化，民眾選擇就醫，不是憑醫院規模、名氣、設備，就是選名醫，或靠熟識者口耳相傳。」

我很好奇地打開這份文件，所得到的第一個印象是在各類器官移植上面，病人存活率最高的醫院似乎都是該類移植件數最多的醫院。例如腎臟移植病人五年存活率最高的是台大醫院，總件數是560件(案例數次多的是林口長庚的296件)；肝臟移植病人三年存活率最高的是高雄長庚醫院，總件數是372件(案例數次多的是台大醫院的217件)；唯一例外的是，心臟移植病人三年存活率最高的振興醫院總件數179件並不是最多的(案例數最多的是台大醫院的251件，惟其病人存活率低於振興醫院，排名第四)，雖然如此，振興醫院的心臟移植案例數也是屬一屬二的。

這讓我想到Michael Porter的論點，在” Redefining Health Care: Creating Value-Based Competition on Results”這本書中，Porter主張醫療院所要走專精路線，發展自己的焦點策略，專攻特定幾項醫療處置或服務，透過大量的案例與經驗的累積，把這幾項醫療服務做到醫界的頂尖水準。他相信透過這種方式，醫療的成效會最好，費用可以被控制在合理的範圍，最終的結果就是社會得到價值(以平均每塊錢所得到的醫療成效去衡量)最高的醫療。

其實這樣的想法並非Porter的原創，學術界已經有不少研究在探討醫師或醫院執行某種醫療處置(例如盲腸炎手術)的件數多寡與結果是否有相關，比如：執行較多眼睛白內障手術的醫師或醫院，其病人的預後是否會比較理想？

這些研究大多是以外科腫瘤手術為探討對象，結果傾向支持手術執行件數與病人存活率有某種程度的正相關。不過在進行這些分析時，不能直接比較不同醫師或醫院的手術件數與其病人的結果，還必須考慮其他相關因素，比如病人的病情(如腫瘤的階段、其他合併症如有沒有糖尿病等)、年齡、性別等，因為這些因素會影響或干擾病人的結果。所以這類的研究最好是用每一位病人的資料做為分析單位，將這些病人的資料彙整做迴歸分析，控制各種可能影響結果的變數，才能排除這些干擾因素的影響，使我們較清楚看到手術執行件數與病人結果之間的單獨關係。

我稍微在網路上找了一下，發現用器官移植來探討件數與存活率的研究並不多，有幾篇研究器官移植病人存活率影響因子的論文提到由近親捐贈的腎臟的移植案例存活率明顯較高；有研究[2]心臟移植存活率的論文發現採取免疫抑制誘發(immune suppression induction)與機器輔助方法的移植案例有較佳的存活率。

在比較或分析不同器官移植中心的病人存活率的研究方面，我只看到一篇比較件數多與件數少的肝臟移植中心病人死亡率的分析論文[3]，此份研究發現在其研究對象中，件數多的肝臟移植中心的平均病人一年內死亡率是20%，而件數少的肝臟移植中心是25.9%，後者病人一年死亡率是前者的1.3倍。不過這篇文章也指出，移植案例數對病人死亡率的影響不只有直接，還有間接的影響，他們發現，與件數多的移植中心有隸屬關係也有助於降低病人的死亡率，比如有這樣的隸屬關係的低件數移植中心的病人一年內死亡率也只有20.1%，與件數高的移植中心不相上下，倒是沒有這樣的隸屬關係的低件數移植中心病人一年內死亡率高達28.3%。

不過這篇論文為了排除其他干擾因素對病人死亡率的影響，也有去比較這兩類(高病人死亡率與低病人死亡率)的肝臟移植中心，其移植案例的器官捐贈者與接受者方面是否有不同，發現除了捐贈者與接受者(病人)的年齡與族群有些差異(顯著但差異幅度不大)之外，其餘並沒有明顯的差異。因此整體來說，這篇文章的結論是肝臟移植中心的案例數多寡對病人的存活率扮演某種影響角色，件數多的移植中心病人一年內的死亡率較低，不過件數少的移植中心如果與這些件數多的中心有隸屬關係的話，應該也可以藉由經驗的傳遞，達到與這些高件數中心相近的移植成效。

由於國內執行器官移植的醫院並不多，達到一定案例數量以上的醫院就又更少，在這樣的情況下，要針對醫院去做比較分析便有樣本數不夠多的問題。較佳的情況應該是取個別病人的資料(如這十年當中肝臟移植案例便有1119件、腎臟移植有2054件，心臟移植也有623件，樣本數比較充足)，包括每個病人的年齡、主要合併症、器官來源(近親或無血緣關係)、移植方法、移植執行醫院、醫院已經執行該項器官移植有多少年的經驗或累積案件數等，去做迴歸分析。

雖然健保局只公布各執行醫院的病人存活率、病人年齡的中位數與執行的案例總件數，我還是試著拿這些簡單的資料做分析看看。由於心臟與肺臟移植的醫院家數實在寥寥可數，因此我只針對腎臟移植(20家醫院有病人五年存活率資料)與肝臟移植(10家醫院有病人三年存活率資料)去做分析。應變數是各醫院某類器官移植的病人存活率，自變數除了有各院該項器官移植病人年齡的中位數、案例件數之外，我還加入區域變數(分北、中、南、東四區，以北區為比較組)以及公立醫院與否(以私立醫院為基組)的變數。結果發現除了腎臟移植的醫院案例件數有達到0.1的顯著水準之外，其餘變數的估算係數均不顯著(表示我所估算的係數值很有可能只是湊巧，從統計來看，這樣的係數值與0並沒有實質的差別)；肝臟移植則是所有變數的係數都不顯著。這也就是說，在進行器官移植的醫院不多的情況下，我們實在無法根據健保局所提供的各醫院病人存活率的指標或資料去做有效的醫院器官移植品質預測，因此這些資料並無法提供病人實際有用的醫院選擇參考。健保局的立意雖佳，用途卻不大。要進行器官移植的病人或家屬拿到這份資料，最多只能告訴他們盡可能選擇病人存活率排名越前面的醫院可能越好，之於根據什麼理由選擇這些醫院，我們實在不是很知道。

依文獻所說的器官來源或品質是一個重要的因素，如果名列前茅的醫院是因為堅持使用品質好的器官，那有可能醫院的醫療技術就不是主要的決定因素。在這種情況下，病人到這些醫院並不一定有較高的得到醫治的機會，由於品質好的器官不易獲得，因此這些醫院的病人可能要等得更久。此外，假如器官移植的存活率與主刀醫師的技術很有關係的話，那病人應該是要選擇醫師，而非醫院，因此健保局這份只告訴我們有關醫院品質的資料有可能會誤導(醫師可能會流動，並非固定在某一家醫院裡)。

其實我是相信器官移植的結果品質與醫院應該有某種相關性的，不過為了慎重起見，不得不多考慮各種可能的影響因素。從以上的討論可以看到，醫療品質比較資料的判讀實在不是一件很直截了當的工作，主要是因為其中有許多因素要考慮，如果只考慮一兩項因素，有可能做出誤導的結論與判斷。這也是為什麼在美國，醫療品質資訊的公布經常引發質疑且效果不明顯的主要原因，真正用這些資訊決定就醫去向的病人並不多。

我相信健保局應該有很豐富且完整的各個器官移植案例資料，可供進一步的分析，以找出影響各項器官移植病人存活率的顯著因素或預測因子，告訴病人哪些醫療院所在這些重要因素方面有比較理想的條件。我相信這樣的資訊比較全面與可信，對病人或家屬的幫助較大，也可以提供明確的努力方向給執行器官移植的醫院參考。

[1] http://www.nhi.gov.tw/webdata/AttachFiles/Attach_13581_2_1997-2007器官移植統計表_網頁.pdf
[2] Ibrahim et al. 1995. Determinants of Hospital Survival After Cardiac Transplantation. The Annals of Thoracic Surgeons, 59:604-608
[3] Edwards, E.B. et al. 1999. The Effect of the Volume of Procedures at Transplantation Centers on Mortality after Liver Transplantation. NEJM, 341:2049-2053

影響受訪者參與調查的因素

上禮拜讀到一篇文章[1]在討論受訪者決定參與調查的因素，雖然這篇文章是在1992年發表的，不過現在來看還是相當有道理，也仍然是調查研究中常被引用的文獻。

調查受訪者的參與率或回覆率一直是調查研究的一個重要品質指標，雖然近年來有一些研究發現回覆率(response rate)與調查研究的準確度不一定成正比關係，不過回覆率很低的調查有潛在的未回覆誤差，除非研究者可以有足夠的資料佐證在回覆率低的情況下所得到的資料仍然具備一定程度的代表性，否則很容易受到質疑。

雖然學者普遍都同意回覆率在調查研究中的重要性，也有不少的文章在討論有哪些方法可以提高調查的參與率，可是學界卻缺乏一套完整的理論去說明為什麼受訪者會參與/接受調查，或願意填寫問卷回覆，或者有哪些因素會影響受訪者的決定。這篇文章主要就是在彙整幾個相關的觀點，試圖整合出一個可以幫助我們瞭解這些行為背後的因素的理論或概念模式，以便能夠引導相關研究的進行，並提供給研究者在設計與執行調查時一些實際的參考方向。

這篇文章的前面兩位作者值得介紹一下。Dr. Robert Groves是密西根大學調查研究中心(Survey Research Center, SRC)的主任；在美國，密大的SRC與其所屬的Institute of Social Research是這個研究領域的一個重鎮，具有深厚的傳統。Groves是少數鑽研調查研究理論的學者，並發表很多篇有關於調查參與以及回覆相關的研究論文。調查研究是一個跨領域的整合學科，可是除了統計學者會針對調查中的統計學理做深入的探討之外，一般從事調查研究的學者很少在調查本身的理論上下功夫。如果沒有理論做為基礎，嚴格說來，調查研究是不能被稱為一個獨立的學術領域。Groves便是一直在調查研究相關理論的建構這個方面做努力。

第二位作者Dr. Robert Cialdini可能更有名，他是亞利桑納州立大學的行銷學教授，也是一位社會心理學者。讓他聞名全美且國際知名的是他所寫的兩本暢銷書”Influence: The Psychology of Persuasion”與”Influence: Science and Practice[2]”。在這兩本書中，Cialdini主要在介紹如何運用社會心理學所發現的原理去塑造個人的影響力。他的書被廣泛用於企管、行銷、領導、人際關係方面。在這篇論文當中，當然也引用了Cialdini影響力的社會心理學觀點，來說明受訪者在接受調查訪問時，所考量的因素是甚麼。因此讀了這篇文章中相關的部分，也就大概可以掌握Cialdini在這兩本書中所要強調的重點。

影響調查參與度的因素

在這篇文章中，作者首先討論幾個已經普遍被認為會影響調查參與的因素，包括調查的訪問者、受訪者、調查的設計、以及社會環境。社會環境是指與調查活動進行相關的社會氛圍，比如在一個極權國家或缺乏言論自由的社會中，人民比較不敢將心中的想法講出來，因此比較會對參與調查的訪談感到害怕。調查研究通常在一個自由社會中比較普遍，因為政府與各界都會關心民意趨向，於是調查活動就變得很需要，也較普遍。當民眾習以為常時，調查研究便建立其一定程度的正當性，更能獲得民眾的接受。不過，當一個社會中的調查活動過於頻繁時，民眾可能會覺得容易受到干擾，因而產生排斥。美國近年來的調查回覆率愈來愈低，可能跟這個因素有關。還有，社會或社區的治安率也會影響民眾是否願意接受訪問或調查，特別是若要在一個治安不佳的社區進行家戶訪查，受訪者會有比較多顧慮。像台灣媒體近來報導多起詐騙案件，相信這也會導致不少民眾在接到調查訪問的電話時，乾脆直接予以拒絕。

調查的設計也是影響受訪者參與調查的重要因素。我們都知道愈長的問卷，愈容易讓受訪者打退堂鼓，這是因為絕大多數調查研究的受訪者都是義務參與，沒有得到任何實質報酬，而他們在受訪或填寫問卷上面所花的時間若愈長，等於要付出的成本越高，若沒有其他相對的效益的話，意願是不會很高的。此外，調查的主題也是一個重要因素，如果受訪者對調查的主題感到興趣，對促成其參與一定有幫助；這意味在調查內容的設計上要設法引起受訪者對調查的重視或興趣。不過除了調查內容的設計之外，調查接觸管道的設計也有相當程度的影響。研究發現，調查與受訪者剛開始的接觸方式對後續受訪者的參與度有明顯的作用，比如見面三分情，因此由訪調員親自拜訪受訪者會比直接寄一封信或明信片會來得有效。電訪訪問時，直接與受訪者聯繫上也比只是留言更能說服受訪者參與。有些電話的家戶調查只要有一位家戶代表受訪，有些則是指定由具備某種資格的人受訪，這兩種設計方式也會造成參與度的差別。

調查中最重要的兩個主角，就是訪調員(interviewer)與受訪者[3](respondent)。
訪調員是調查的主動請求者，受訪者是調查的被動配合者，缺一不可。訪調員與受訪者各有一些因素或特質會影響到兩者的互動。比如訪調員的年齡、性別、所屬的族群背景在某個程度上會決定受訪者採用怎樣的反應”劇本”，學者認為當受訪者與訪調員第一次的接觸時，會先去判斷訪調員的目的，並與其心中認為可能的情況(銷售業務、騷擾、慈善勸募等)一一過濾比對。在此過程中，訪調員的外表是受訪者一個直接的訊息與判斷的依據。此外，若訪調員有豐富的訪調經驗、或者具有良好的訪談與人際互動技巧，對說服受訪者相當有用。有研究指出訪調員的心理狀態與是否能獲得受訪者的同意受訪有關，包括訪調員的對該次訪調的預期心理，當訪調員的期待愈高，成功機率也較大；如果動機不高或不認為該次訪調會成功，結果當然會打折扣。還有，訪調員若在疲累、心情不佳或之前遭遇失敗的狀態下，通常徵求受訪成功的機率也應該不會太高才對。

受訪者的特質當然也是影響其參與調查的因素之一。有些研究發現受訪者的年齡、性別、收入多寡與健康情況的不同會造成不同程度的參與度。此外，受訪者所處的環境，比如社區的治安、都市化的程度與居家品質也會有影響。不過作者認為這些並非直接影響其參與調查與否的因素，但是會導致某些心理狀態，進而影響其參與調查的決定；同時，這些因素也會對訪調員與受訪者的初次接觸造成一些影響。

影響調查參與度的互動因素

這篇文章的重點在討論訪調員與受訪者雙方的互動因素，這個部分是以往的文獻較少探討的，也是這篇文章主要的貢獻。作者用三種社會心理學的理論去看待訪調員與受訪者之間的互動關係，簡單來說，作者認為如果要讓受訪者願意參與調查，應該是下面這三種情況的一種或者加以結合：「請求與配合」(request and compliance)、「協助」(helping)或「說服與改變想法」(persuade and change opinion)。

「請求與配合」模式觀點

「請求與配合」這個觀點主要來自Cialdini的影響力社會心理學，在調查的互動中，訪調者是主動請求者，受訪者是被動配合者。如果訪調者的請求能夠獲得受訪者的配合，那就達成使受訪者參與調查的目的。這個觀點指出有六種條件可以促成這個「請求—配合」的互動行為，對主動採取請求的訪調員來說，這便達到發揮影響力的效果。

第一個產生影響力的條件是「回報」(reciprocation)，這是指人們受惠於別人時，會傾向採取正面的回應(某人對我好，我也要對他好；某人尊重我，我也要尊重他)，這個原則也可以應用在調查研究上面，並且相當有效。許多研究發現當隨著調查的請求或寄出問卷的同時，附上象徵性的小額款項(如美金幾塊錢或小額禮券)，通常可以得到相當好的回覆率。但是這個方式千萬不要與另一種金錢誘因的方式混為一談，後者是告訴受訪者如果填寫問卷寄回或完成受訪後，可以獲得多少金額。研究發現在調查研究上面，透過一些實質、事先提供、沒有條件、可以向受訪者表達感謝的小金額或禮物，會使得受訪者收到後自然產生回報心理，而樂意地參與受訪，這要比透過金錢誘因的方式來得明顯有效。大部分的研究也發現一般來說小金額又更比小禮物效果更好。

這個原則不一定只侷限在施予實質小惠方式，其實在請別人配合受訪之前，先禮貌地予以洽詢或請求，通常也可以達到不錯的效果。有一些回覆率相當高的問卷調查在寄出問卷之前，都會先寄一封禮貌的知會信，強調其重要性並先表達感謝。甚至，當訪調者請受訪者接受一份很長的調查而遭到拒絕時，採取退一步的做法，改請受訪者接受一份較簡短的採訪時，通常受訪者也會退一步，而考慮受訪。

第二個發揮影響力的條件是「一致性」(consistency)，主要是說人們有在言行、態度、信念等方面維持一致性的傾向，當某個人曾經做出某種承諾或某種行為，後來在類似的情況上面，同一個人有很高的可能性還是會做出相同的承諾或採取類似行為。此外，人們也有表現出與其身份相符的行為。這個原則在調查研究上面的一個應用是，如果某個人曾經同意參與受訪，那麼再次請其受訪的成功率應該會比較大，這對使用同一群對象長期追蹤調查(panel survey)的方式很有幫助。不過我們也要注意不要「過度調查」(oversurveying)，如果因為對同樣的對象施與的調查太過頻繁，使得受訪者覺得吃不消時，必然會出現反效果。

第三個條件是「社會認可」(social validation)，這是指當我知道許多跟我差不多的人都在做某一件事時，表示這件事獲得相當程度的社會認可；這也會影響到我對這件事的認可，進而較有可能去從事相同的一件事。在調查進行時，訪調者或研究人員可以適度讓受訪者知道有其他人關心調查的主題，並願意接受訪調，表達他們的意見與心聲，讓問題能夠獲得改善。當受訪者覺得有其他人也願意受訪，或得知此調查獲得一定程度的社會認可時，會對他們是否參與產生正面的影響。

第四個條件是「權威」(authority)。一般來說，人們對於來自具有權威地位的機構或人士的請求通常比較願意配合。這個因素頗能夠解釋為什麼政府機構所進行的調查活動通常能夠得到相當高的回覆率，因為政府在許多事情上具有權威性甚至公權力，像要求人民納稅，遵守交通規則，大多數的人已經習慣政府的權威性，因此當遇到政府部門所執行的調查時，人們也會傾向習慣性地配合。此外，學術單位所進行的調查研究所獲得的配合度也算不錯，這是因為學術機構具有了解社會上各種問題的權威性。我覺得醫療機構在進行與健康相關的調查研究時，應該也有一定的權威性或正當性。當然，如果一份調查研究可以透過與相關機構的合作，對於獲得該機構內部成員的配合也很有幫助。此外，調查研究機構或人員必須設法讓受訪者感覺到其專業性，以塑立在受訪者心目中執行該調查的權威感。

第五項條件是「機會的稀少」(scarcity)。我們都知道「物以稀為貴」，當參與某件事情的機會愈是稀少，人們會愈加以珍惜。如果受訪者認為參與這項調查是一個難得的好機會，配合受訪的意願也會大大提高。因此，我們可以向受訪者強調比如一千個人當中只有一個人有機會對此調查主題表達意見，也就是受訪者的心聲代表了一千個人的心聲。

最後一個促成「請求—配合」的條件是「喜歡」(liking)，當我喜歡某個人，我便比較願意去做他請我做的事。同樣地這個原則也可以運用在對某個機構上面—對於一個我所喜歡的機構所發出的請求，我比較不會加以拒絕。通常我們會比較喜歡跟自己差別不太大的人，因此在調查活動中，訪調員與受訪者最好有相近的特徵(膚色、打扮)或背景。

這些人際互動的心理因素對調查研究的主要啟示是，如果要增加受訪者參與受訪或回答調查問題的意願，訪調員必須妥善運用這些社會心理因素，形成有利的調查條件，以便有效說服或影響受訪者採取配合的行為。

「協助」模式觀點

這篇文章提到的第二個社會心理學模式是協助的觀點。這個觀點認為受訪者會基於想協助訪調者的出發點而參與調查，因此，訪調員可以設法激發受訪者助人的動機，以使他們願意參與調查。有研究指出，光是在調查問卷中向受訪者表示「懇請您的協助」或「請您務必大力協助這項調查的工作」，就會使得參與率有顯著的提升。

社會心理學家也發現一個有趣的現象是，助人的行為與自己的角色體認以及所處環境很有關係。比如在一個車禍事故現場，如果有很多人圍觀，每個人可能都在想別人會幫忙，因此降低自己採取協助行動的責任感與必要性；相反地，如果現場只有一個人，他比較會覺得自己責無旁貸，必須伸出援手。在調查研究中，研究人員發現相較於制式化、千篇一律的邀請或請求方式，若是透過比較個人化的方式去邀請受訪者參與調查，都可以收到比較好的結果。其中的道理就是不要讓受訪者直接感覺得他只是眾多可以幫忙的人當中的一個而已，導致產生「不缺我一個」的心理。個別化的接觸方式能夠讓受訪者感到他是這次調查不可或缺的一份子，提高受訪者產生很想要協助的動機。

這篇文章還提到受訪者的情緒狀態會影響他們是否願意協助調查，其中有三個主要的情緒狀態：(1)氣憤、(2)快樂、與(3)悲傷。一般來說，在氣憤的狀態下，人們比較不會想要幫助別人；在快樂的情緒中，比較有助人的意願；而在悲傷中，兩種結果都有可能，由於助人本身可以帶來正面的情緒，有助於降低悲傷，可是如果該項工作困難度很高，超過做該件事所帶來的正面情緒效益，對處於悲傷中的受訪者便不容易激發讓他想要採取協助調查的動機。運用這些原則，訪調員可以從凸顯參與調查是一件令人愉悅、有意義的事去與受訪者溝通，以營造正面的氣氛；訪調員也要仔細觀察受訪的情緒狀態，如果受訪者正在憤怒情緒中，最好暫緩訪調，擇日再來較能得到期待的結果。

「說服與改變想法」模式觀點

這篇文章討論的最後一個模式是「說服與改變想法」，這個觀點假設受訪者基本上都不是天生喜歡或會主動參與受訪的人，他們之所以參與受訪，因為被訪調員說服，因此改變想法，從不想要到願意受訪。社會心理學認為想法的改變有兩種，一種是內心(intrinsic)深思熟慮後所產生的有條理的(systematic)改變，另一種是被某種外在狀況(external)所啟發或影響所產生(heuristic)的改變。前者發生於當說服的訊息對訊息的接受者有很重要的意義時(relevance)，後者比較常見於當訊息的重要性沒有那麼大時。

在調查研究中，通常對受訪者來說，該調查並不是有很大的重要性，因此受訪者在從不願意到願意受訪的想法改變比較是屬於啟發性的改變。而啟發性的改變主要是受到來自外在、可見、明顯的因素的影響，比如問卷的專業性與質感、訪調員的穿著、調查機構在受訪者心目中的份量等等。也就是說，這些訊息對於受訪者參與調查與否發揮較直接的說服效果，使他們較願意改變想法，接受訪調。

兩種有效的策略

在這篇文章的最後一部分，作者引用他們針對訪調員所做的幾次焦點團體的討論中，所得到的主要結論。他們從中歸納出兩個能夠有效提高受訪者的參與調查的重要策略。第一個是「量身定做」(tailoring)或視對象採用合適的方式，比如訪調員根據要去做調查的社區改變自己的穿著與交通工具，到一個較貧窮的社區做調查，就開平價的車，採用較一般的穿著與打扮；若到一個較富裕的社區進行調查，也要開像樣一點的車，著較正式的打扮。此外，在拜訪受訪者時所用的請求或說服劇本最好不要千篇一律，而是依對象做必要的調整與應變，這樣所得到的成果會比較好。

第二個策略是努力維持互動(maintaining interaction)，這有幾個好處。首先是當訪調員與受訪者互動越久，越能夠獲得較多有關受訪者的相關訊息，對採用「量身定做」策略更有幫助。再來是雙方互動越多，受訪者越難以開口拒絕受訪。作者提到努力維持互動的關鍵在於處理受訪者所做的「軟拒絕」(soft-refusals)，也就是非斬釘截鐵的拒絕。一個成功的訪調員多能技巧地化解這些軟拒絕，讓互動持續下去。比如當受訪者以時間不恰當為由拒絕受訪時，訪談員可以探詢對方適合受訪或拜訪的時間，或表示另找適當時間再登門拜訪。作者指出，努力維持互動對降低調查的未回覆誤差非常重要，這也是訪調員與一般的銷售業務員最不一樣的地方。一般的業務推銷是在一定的時間內達到最大的銷售量，所以目標是放在最容易被說服的對象上，所產生的成本效益會最大。但是對調查工作來說，目標是在讓所有被抽選到的對象都接受訪問或調查，這樣所得到的代表性最大，結果的偏差會越小。因此訪調員必須盡最大的努力，不輕易放棄任何一位受訪者。我將上述的討論用下面的圖形加以彙整：

[1] Groves, R. M., Cialdini, R. B., and Couper, M. P. 1992. Understanding the decision to participate in a survey. Public Opinion Quarterly, 56:475-495.
[2] 中文版書名好像翻譯成《透視影響力》
[3]嚴格來說，受訪者是已經參與調查研究的人，並非我們討論調查參與時的主角，較正確的應該是指要被受訪的人(sample person)，不過為方便起見，這裡還是以受訪者稱之。

對是否直接承認波蘭醫學院學歷的一些看法與分析

聽朋友說台灣最近有一個議題，是要不要對到波蘭等東歐國家唸醫學院的台灣學生回國執業進行一些把關或設限，或者說政府是否要直接承認這些在東歐習醫的醫師的學歷，讓他們畢業回國後馬上可以考醫師執照並接受住院醫師訓練。

我稍微在網路上看了幾篇相關的討論文章，有傾向維持現狀的，有主張加以設限的，都有其道理存在。主張管制的論點比較著重在品質的考量，由於這些到東歐念醫學院的學生大多無法考上國內的醫學院，因此前往東歐醫學院就讀便提供了另一個接受醫學教育以及一圓醫師夢的管道。另外媒體報導也指出波蘭醫學院並沒有實習課程，且修業期間長短不一。如果情況真是如此，那我們不免要問這些醫學生的素質會不會比較差，進而影響到他們執業時的品質與專業程度？

關於這點，必須透過實際的研究比較才能知道，在沒有實證研究之前都只能說是臆測而已。我個人的感想是這樣的顧慮不能說完全沒道理，但可能沒有我們所想像的嚴重。醫師的執醫技術應該是跟其住院醫師訓練以及後來所處的執醫環境很有關係，如果能遇到優秀的臨床導師，那更是有深遠的幫助。我發現很多醫技高超的醫師不見得都是台大醫科畢業的，反之台大醫科畢業的醫師醫療技術也不是每一位都比其他醫學院畢業的醫師高明。同理應該可以用到在國內唸醫學院與到東歐唸醫學院的醫學生身上才對。 不過如果到東歐習醫真的有「走捷徑」的效果，我認為政府在承認其學歷前，應該有配套要求，以避免這種管道所帶來的副作用，並維持公平性。

從經濟學的角度看，開放醫師市場可以促進醫師的競爭，或許有助於醫療品質的提升，而且有抑制醫療價格的作用。我看到有些持贊成開放的論點認為開放東歐醫學生將有助於醫師資源的均勻分布，使得偏遠地區獲得所需要的醫師。此外，由於這些留學東歐的醫學生因為習醫門檻較低(投資成本相對較少)，應該比較願意前往偏遠地區服務。

我覺得這點也是見仁見智，健康經濟學的研究發現醫師服務市場比較像是獨佔競爭(monopolistic competition)，而非完全競爭(perfect competition)。完全競爭是指市場中有許多賣家，所賣的產品或服務完全一樣，而且賣家可以自由進入或退出市場。但事實上這樣的市場並不多，在健康照護或醫療產業幾乎看不到完全競爭市場。獨佔競爭市場最好的例子是開業醫師(診所)市場，每一個醫療市場應該都有不少開業醫師及診所，彼此會互相競爭，看起來像是完全競爭市場，可是因為每一家診所因為科別、醫師與病人的互動模式、所處位置等等的不同而形成各自的特色，造成每間診所服務的差異化，所以雖然該市場中有很多賣家，可是每個賣家所提供的產品/服務其實都並不相同，等於每家診所就其所提供的服務形成獨佔，因此這樣的市場被稱為獨佔競爭。醫師的獨佔競爭不見得會促進醫療品質或抑制醫療價格。

此外，雖然到東歐習醫的門檻較低，但不表示其投資成本比在國內唸醫學院來得低。不過如果國內醫師密度變高，應該是有一部分醫師會往較偏遠的地區分布，只是依我的觀察，會到較偏遠地區服務的醫師應該都有一些特質，與市場上醫師人數飽和與否或醫師密度的因素比較沒有直接相關。當然這也需要實證研究才能夠下結論。

此外，主張維持現狀(直接承認其學歷)的論點提到美國也是採取直接承認外國(台灣、印度、加拿大、歐洲各國家)醫學院畢業生的學歷，而且相當依賴這些國際醫學院畢業生(international medical graduates, IMGs)的醫師人力。台灣直接承認美、日、歐盟、澳洲、紐西蘭醫學院學歷也已經行之多年。美國與台灣的醫師比例在已開發國家中的確是偏低的，以2004年為例，31個OECD國家與台灣的每一千人中，執業醫師人數平均值是將近3位醫師，而美國只有2.4位醫師，台灣只有1.5位醫師。看來台灣的醫師比例有明顯偏低的現象，有提升的空間。因此如果國內醫學院畢業的醫師人數偏低，我們引進在國外習醫的畢業生回國服務也是有其必要性。

不過，我最關心的是健康經濟學中提到的醫療提供者誘發醫療需求(supplier-induced demand, SID)的問題，這是因為醫病雙方醫療資訊不對等，病人必須仰賴醫師的判斷與知識，為他們提供醫療或建議醫療處置。如果醫師人數或密度增加，在人口與健康需求穩定的情況下，平均每位醫師所照顧的病人數便會減少，這時每位醫師的平均收入也會減少，如果醫師心中有預期收入水準的話，那就可能會設法誘發病人的醫療需求，比如建議病人多使用一些醫療處置。這個問題在病人有健保給付的情況下會更嚴重，因為病人自費的部分不多，缺乏價格的敏感度。

如果真是這樣的話，那我們應該可以預期醫師密度較高的國家所耗用的醫療或健康照護資源也會偏高。針對這個假設，我做了一個簡單的分析，去拿31個OECD國家再加上台灣2004年的資料，進行迴歸分析。在這個分析中，應變數是每個國家的健康照護總支出佔其GDP的比例，自變數是各國家每千人的執業醫師人數，另外有三個控制變數，分別是政府在健康照護中所參與的比重(以公部門經費佔全國健康照護支出的比例去衡量)、各國家每千人的執業護理人員數、以及每千人的病床數。我之所以控制政府在健康照護中所參與的比重這個因素，是因為若政府開辦公營健保或主導醫療與健康照護的提供，應該會有較多的費用管控措施，像台灣的全民健保就是一個很好的例子。

結果我發現，醫師的比例確實是一個很顯著的國家健康照顧支出高低的預測因子，當每千人增加一位醫師，全國健康照護支出佔GDP百分比會增加1%，而且醫師密度是這四個因素中影響程度最大的。雖然護理人員的密度也是一個顯著的預測因子，但程度小很多，當每千人增加一位護理人員，全國健康照護支出佔GDP百分比只會增加0.33%。此外，政府介入健康照護體系的比重越重，國家的健康照護支出程度會下降，比如公部門經費佔全國健康照護支出的比例增加一個百分點，全國健康照護支出佔GDP百分比會減少0.08%。在這四個因素中，各國家每千人的病床數與各國健康照護支出佔GDP百分比並沒有顯著的關係。我所得到的結果大約可以解釋40%各國健康照護支出佔GDP百分比的差異，而且對台灣全國健康照護支出程度的預測相當接近(預測值是6.8%，實際值是6.2%)。

如果這個簡單的分析有道理的話，那表示當台灣在思考這個問題時，必須考量後續可能醫師人數無法掌控的問題(如果前往東歐習醫的醫學生很多的話)，以及所衍生的國家整體醫療支出增加的後果。

我會建議政府採取配套承認的方式，比如要求這些在國外習醫的畢業生補足與國內醫學院相同的修業年數或實習學分，才予以承認。此外，最近與可見的未來台灣會欠缺外科系醫師，所以或許可以在政策上導引外國習醫的畢業生回到台灣往外科發展，或者在較偏遠真正缺醫師的地區執業(至少一段期間)，以彌補真正醫師人力不足的地方，達到公衛或醫療政策的目標。不過這對某些科別或地區的醫師缺乏問題只是一個治標方法。

抽樣方法(Sampling methods)

抽樣調查是社會科學重要的根基，絕大多數社會科學研究都是使用抽樣調查所得到的資料，只不過量化研究比較強調及偏重使用由機率抽樣方法所得到的資料，而質性研究所根據的是非機率抽樣方法所獲得的資料。

抽樣調查也是了解民意、社經國情與施政的重要基礎。我一直認為美國是一個以抽樣調查治國的國家，如果沒有抽樣調查的技術，這個國家基本上很難運作。比如美國並沒有一套準確的全國戶口資料，更沒有全國一致的國民身分證，就連其國境內有多少合法人口，或國民人數到底有多少，並沒有人能夠說出一個確切的數目，最好的回答可能是大概三億加減多少，而這是透過許多現有的文件登記資料(如聯邦政府的社會安全號碼、各州的駕駛執照人數、醫院開出的出生證明等)，再加上抽樣調查的統計推估所得到的。

抽樣方法分為兩大類，第一類是機率抽樣(probability sampling)，第二類是非機率抽樣(non-probability sampling)。機率抽樣方法是指母群體中的每一個體都有某種已知的機會(機率)可以被選進研究樣本中；非機率抽樣方法則是指當這樣的條件不存在時所做的抽樣，當我們使用非機率抽樣方法時，對於樣本中的個體從母群體中被抽到的機率完全不得而知。在不知道樣本與母群體之間的機率關係的情況下，我們便無法對該份樣本的抽樣誤差進行估算，也就是說我們沒有任何概念或資料可以去判斷從該樣本所得到的推估結果與母群體真正的情況有多接近，或有多大的差別。如果是採用機率抽樣，我們便可以根據統計學理論，去獲得這些抽樣所可能導致的誤差程度，知道樣本統計值的推估區間與可信賴程度。

非機率抽樣

雖然學理上機率抽樣是比非機率抽樣來得理想，可是有時候或有些情況無法讓我們進行機率抽樣，或者有些研究的目的不在於推論母群體的情況或講究樣本的代表性(representativeness)，而是希望獲得一組內涵最豐富，對探討的主題最有幫助的樣本資料(richness of data)，這時非機率抽樣便有其必要性。

常見的非機率抽樣方法有三種：(1)便利抽樣(convenience sampling)、(2)立意抽樣(purposive sampling)、(3)配額抽樣(quota sampling)。顧名思義，便利抽樣是指研究者以自己最容易取得的一組樣本做為研究的資料。比如某位研究人員想用訪談的方式研究美國醫院院長對Obama總統所進行的醫療改革的看法與意見，照理說應該從全美國的醫院院長中隨機抽樣出足夠的人數，來進行個別訪談。可是該研究員的時間與研究經費有限，因此就退而求其次，就其目前所在的地區附近二十位認識的醫院院長個別進行訪談。這樣便可以省去大筆的交通費與往返的時間，並且透過交情也容易徵得這些院長們接受訪談的同意。便利抽樣有時又稱為偶遇抽樣(accidental sampling)。

使用二手資料的研究事實上非常倚重便利抽樣的研究樣本。在美國進行醫院相關的研究，學者經常使用美國醫院協會(American Hospital Association, AHA)每年對其會員醫院與非會員醫院的調查資料庫，這個資料庫近似美國所有醫院的普查資料，涵蓋面相當廣，可是並不是每一家醫院都有填寫資料回報，特別是非會員醫院的資料相當不齊全。因此嚴格來說，此資料庫中的醫院樣本並非美國所有醫院的一份機率抽樣樣本，而是一個方便抽樣的樣本。但是因為其所涵蓋的醫院樣本數很大，有相當程度的代表性，而且資料豐富，方便取得，因此受到研究人員的喜愛。

立意抽樣有時稱為專家抽樣(expert sampling)、或判斷抽樣(judgment sampling)，是指研究人員根據某種目的，刻意尋找具備某種特質的個體來組成研究樣本。全民健保局為管控醫院的申報費用，在進行申報案件審查時，大量運用立意抽樣的方法，比如健保局先透過電腦系統了解某家醫院在哪些治療項目、科別或醫師的申報費用成長最快，然後針對該範圍密集抽取案件來做審查。

立意抽樣也是質性研究相當重視的抽樣方法，比如在grounded theory的質性研究中，研究資料的取得並非透過隨機取樣，而是根據資料的豐富性來決定，研究人員所考量的是哪一些研究對象最能夠提供完整且足夠的研究資料。比如我們要研究藥師給藥錯誤的原因，最好是去訪談曾經給錯藥的藥師，而不是從藥局中隨機抽出幾位藥師來做訪談。如果要研究糖尿病人血糖控制不好的原因，理想的訪談對象是血糖控制最不理想的病人，而不是從所有糖尿病人中隨機抽樣。這裡所謂的立意取樣是指考量哪些對象能夠提供對理論的建構或瞭解問題本質最能夠提供深入且完整資料與直接的幫助。在運用焦點團體(focus group)的研究中，通常焦點團體的組成是跟據立意抽樣的原則，而非機率抽樣。

配額抽樣是指根據一定的配額去組成樣本。例如我想比較美國公立、非營利與營利這三種屬性的醫院的效率，而我知道整體來看，全國每十家醫院當中，公立醫院只佔2家，非營利醫院約佔5家，營利醫院約佔3家。如果我希望研究樣本包括50家醫院，那我就照比例配額，去找10家公立醫院、25家非營利醫院，以及15家營利醫院的資料來進行分析。配額抽樣可以保證讓我們的研究樣本中包含我們所感興趣的各種性質的研究個體，不過因為本質上仍然是非機率抽樣的樣本，因此我們還是無法做估算及抽樣誤差與進行統計推論。

機率抽樣

機率抽樣是目前調查研究的主流，其最主要的優勢是可以搭配統計理論，用樣本去推論母群體某個重要的參數或特徵值，並且在某種信賴水準或信心程度上面提供相關的訊息讓研究人員瞭解這樣的推論可能的誤差範圍。

機率抽樣另一個奇妙之處，是當母群體愈龐大時愈能夠凸顯機率抽樣的好處。比如我想分別調查花蓮縣與全國20歲以上民眾對全民健保的滿意與否，並使用隨機抽樣去取得研究樣本；假設約有八成的民眾對健保滿意，其餘兩成民眾不滿意，如果我想得到的抽樣誤差在95%的信賴水準下不超過±3%，在針對花蓮縣民(假設20歲以上的縣民有150,000人)的調查上我必須從所有花蓮縣民中隨機抽出682位來做為研究樣本；如果我是針對全國(假設20歲以上的國民有15,000,000位)，只要從全國20歲以上的民眾中抽出684位就可以達到同樣準確度的估算。雖然花蓮縣與全國的人口數相差很大，可是如果使用隨機抽樣的話，這兩份調查所需要的研究樣本數卻只有非常小的差距[1](幾乎一樣)。這表示當母群體中的個體數愈大時，所需樣本數也會跟著增加，但是增加的幅度卻是快速遞減，當母群體個數超過某一個程度時，所需的樣本數便都完全一樣，這對研究人員來說實在是一大福音。也正是因為如此，社會科學的研究與調查研究才可以用有限的成本與精力，相當準確地估算廣大的社會中的各種現象與變化。

常見的機率抽樣方法有四種：(1)簡單隨機抽樣(simple random sampling, SRS)、(2)系統抽樣(systematic sampling)、(3)分層抽樣(stratified sampling)、(4)群集抽樣(cluster sampling)。

簡單隨機抽樣(SRS)是我們經常接觸到的抽樣方法，比如摸彩或抽獎，或辦公室需要有人出公差去送資料時用抽籤決定人選。SRS的特色是母群體中的每一個體都有相同的機會被選中進入樣本，這是一種最公平且概念上最簡單的抽樣法，可以直接套用統計學原理去進行估算與推論。在進行SRS時，我們必須有一份所有母群體個體的名單(sampling frame)，然後再隨機從中抽出個體來組成樣本；常用的方法可以將這個母群體的個體做成籤條，放入籤筒，加以充分攪散，再去抽籤；或者將名單加以編號，用亂數表或亂數產生器去得到所需要數目的亂數，用這些亂數所對應的個體組成樣本。

比如我要隨機抽樣50間醫院，再前往進行個別訪談，來研究台灣所有醫院(假設有500家醫院)的(非健保)自費收入服務與成果(如自費項目與收入金額)，先要製作一份所有醫院的名單，並依順序加以編號(1-500)，然後透過Excel中的亂數產生器得到50個介於1~500之間的號碼，將對應這些號碼的醫院從名單中找出來，便成為一份SRS樣本。

不過實際上在很多情況下SRS並不容易進行，甚至是不可能做到，像是如果我們沒有完整的醫院名單，或者這份研究計畫的交通費預算有限，無法讓我到由SRS所得到分散在各縣市的樣本醫院去一一做訪查，這時SRS便不是一個很實用的抽樣方法。

系統抽樣方法是一種簡化的隨機抽樣法，最普遍的做法是從母群體的名單中，按照一定的間隔取出足夠的個體組成樣本。比如我們可以從這500家醫院的名單中，每10間醫院取一間來做為樣本個體。但首先我們必須先隨機決定一個起始的號碼，也就是從1-10之間隨機選出一個號碼，假如選中的是3號，則我們從3號開始，每10號取一家醫院做為樣本(3, 13, 23, 33,…493)。

系統抽樣適用的情況是當我們有一份醫院名單，可是這份名單沒有編號(也許因為名單太長無法編號)或沒有按順序編號時，或者沒有現成的名單時。比如我想了解在今天馬上知道當天門診病人的就診滿意度，便可以用系統抽樣，先決定要抽樣的間隔(假設是每10位門診病人取一位)，隨機決定一個1~10之間的號碼(假設是7號)，然後在病人報到櫃台，從今天報到的第7位門診病人開始，每隔10位就抽訪一位病人(7, 17, 27,…)進行滿意度調查，直到當天門診結束為止。

系統抽樣如果要得到能夠代表母群體，沒有偏差的樣本，前提是母群體個體的排列方式與我們選取樣本的間隔數之間沒有關聯性，萬一這兩者之間有某種相關性時，會導致我們所抽出的樣本有所偏差。比如這家醫院剛好有10間診間與10位醫師在看診，門診病人是依照報到順序被櫃檯人員指定前往各個診間給醫師診療，因此我們所取到的病人樣本事實上都是由7號診間的醫師診療，而不是平均分散在各診間的病人，因此無法代表所有今天就診的病人。當然這樣的情況不常見，但是不能不注意。

分層或分組抽樣是一種比SRS更精準的隨機抽樣法，所用的方法是跟據我們的研究性質，依照相關的條件把母群體中的個體分成不同的層別或組別(strata)，再分別從每一層別或組別中的個體隨機抽出一定的個體來組成樣本。分層抽樣可以再分為兩種，分別是分層比例抽樣(proportionate stratified sampling)與分層非比例抽樣(disproportionate stratified sampling)。比如我們將所有醫院分為地區醫院(假設有400家，佔醫院總家數的80%)、區域醫院(假設有80家，佔醫院總家數的16%)與醫學中心(假設有20家，佔醫院總家數的4%)三個層別，如果我們是依照各層別醫院佔醫院總家數的比例來分配樣本名額，便是分層比例抽樣，這時我們從20間醫學中心隨機抽出2家(50x4%=2)，從80間區域醫院中抽選出8間(50x16%=8)，再從400間地區醫院隨機選出40間(50x80%=40)，來組成共50間醫院的樣本。

若採用分層非比例抽樣方法，則是須視研究需要決定各層別要抽選的醫院家數，比如樣本中要有各10間醫學中心與區域醫院，以及30間地區醫院，我們就分別從各層別中隨機抽出所被分配的數量，來組成最終的樣本。

這兩種方法原則上以分層比例抽樣較為理想，這是一種特殊情況的簡單隨機抽樣(因為母群體中的每一個體被選中的機會都一樣)，事實上透過分層比例抽樣所得到的樣本比簡單隨機抽樣所得到的樣本更有代表性，其抽樣誤差的程度會等於或小於SRS。不過雖然分層非比例抽樣的抽樣誤差程度比較大，在某些情況下仍相當有必要且有用。這些情況包括：(1)如果調查經費有限，而進行某個層別的醫院的調查要比其他層別醫院來得容易或成本低時，我們基於經費或人力考量，可能需要多抽某個層別的醫院，而減少另外層別醫院的樣本；(2)如果某個層別的醫院數量很少時，當我們按照比例原則去抽樣時，此層別的醫院在樣本中個體可能會偏低(比如前面用分層比例抽樣所得到的醫院樣本中，醫學中心只有兩間，有可能不夠)，這時我們就可以給予這個層別的醫院較多的樣本名額，以提高該層別在樣本中的代表性；(3)有時我們並不是要去估算整體醫院的自費服務或收入的情況，而是想去比較這三個層別醫院在自費服務方面的發展與成果是否有不同，這時每一層別醫院在樣本中必須有一定數量，才有足夠的比較基礎，因此就得用到分層非比例抽樣方法。

群集抽樣也是跟據某種母群體的特性，將母群體中的個體分成不同的群組(clusters)，然後從這些群組中隨機抽出部分的群組，再從被選中的群組中隨機抽出足夠的個體來組成樣本。比如我們將500家醫院依北區、中區、南區與東區分為四個群組，再隨機抽出其中一區，最後從這一區的醫院中隨機抽出一定數量的醫院做為調查樣本。

群集抽樣的分類經常是用地理條件來分群組，當我們抽選出特定的群集時，我們也就縮小了樣本的範圍，這對於面對面的訪查工作非常有幫助，因為可以大幅節省調查工作中交通的時間與成本。不過群集抽樣若要得到正確的結果，每一個群集中的個體最好差異化越大越好，而且每一個群集之間個體的組成型態愈一致愈好。這是因為我們要用某一個或某些群集中的個體來代表母群體，所以理論上每一個群集中所含的個體最好就是母群體的縮影。前面的例子用北、中、南、東四區來畫分醫院群集其實對研究醫院的自費服務並不是很理想的方式，理由是這四區之間的社會經濟形態、人口密度、醫院分布與屬性都有很明顯的差異，這些因素都會影響醫院的自費服務發展，所以只用其中某一區的醫院來探討全國醫院的自費服務發展情況是會產生嚴重偏差的。

回過頭來看分層抽樣，所需要的理想條件正好與群集抽樣的相反。對分層抽樣來說，理想的狀況是層別中的個體相似性愈高愈好，而不同層別之間的個體相似性愈低愈好。因為在分層抽樣中，我們希望各主要類別的醫院都能被包含到樣本裡，使樣本有廣泛的代表性，所以如果我們能夠找到會直接影響研究主題的因素，根據這些因素來區分層別，便能夠確保樣本中不會漏掉重要的層別。

這四種機率抽樣的方法各有優缺，沒有哪一個絕對優於其他方式，而且可以適用任何的狀況。各種抽樣方法總是在效率/容易執行(efficiency)與精確(precision)這兩個目標之間做拉鋸戰，研究人員必須視實際狀況做取捨，選擇最適合的抽樣策略。

SRS好處是容易明瞭及估算，缺點是可能缺乏效率，費工費時，甚至有時候是不可行的，即使抽樣作業可行，所得到的樣本可能在後續的資料收集上無法執行。系統抽樣一般來說比SRS容易執行，不過有潛在的偏差可能性，有時候後續資料收集有實際困難。分層抽樣的好處是其樣本的代表性與所得到的結果的精確度比其他方法來得理想，但問題在於有時候研究人員缺乏相關的資訊去將母群體畫分為不同的層別，同時，分層抽樣調查一般來說執行成本相當高。最後，群集抽樣可能是這些方法中花費成本最低的調查方式，可是研究人員必須冒著某種程度的偏差風險，有時候我們連到底其中的誤差風險有多大都不完全能夠掌握。

當然，這四種方法也可以視需要與狀況互相結合，比如在系統抽樣、分層抽樣與群集抽樣中也都有部分用到SRS。對於大規模的調查計畫，也可以先採用分層抽樣或群集抽樣，然後再用系統抽樣決定最後樣本。好處是，只要是用機率抽樣方法，統計理論便可以派得上用場，讓我們獲得有一定準確程度的結果。

[1]這是單單比較所需樣本數的多寡，並沒有考慮對全國抽樣與對花蓮縣抽樣以及後續樣本的調查方面所需投入的技術難易度、成本、時間的差別。

Obama總統的醫療改革策略

Obama總統上任後，一如其競選期間所提出的政見，在醫療改革上著力不小，甚至在面臨金融危機所帶來的經濟不景氣中，Obama仍然執著於健保的改革，並將醫療與健保改革緊扣其整體改革施政，強調在愈困難的經濟環境中，醫療與健保改革更加重要，不可忽略。

我覺得這樣的策略應該是會有效的。如果我們去看美國的歷史，其最重要的社會安全法案是在1930年代經濟大蕭條時代通過實施的，因為在困難的時代，民眾普遍會寄望政府多做一點事情，也會使得社會安全相關的政策獲得較多的正當性。

此外是目前的美國總統與參、眾兩院都是民主黨主導，類似1965年強森(Lyndon B. Johnson)總統主政時，當時參、眾兩院的多數黨是民主黨，Johnson也是民主黨，美國兩大公營健保體制Medicare和Medicaid之所以能夠順利通過實施，有一部分也是拜這樣的政治氛圍所賜，。

我們系上的一位老師Dr. Kelly Devers前一陣子被邀請擔任Obama總統交接小組的醫療改革小組的義務顧問，這個小組在去年12月期間在全美各地舉辦了四千場醫療改革社區民眾討論會。該小組邀請了12位健康領域中質性研究方法的學者協助討論會的策畫，並規劃民眾意見的收集與彙整方法。從這個小組所規劃的討論議題可以稍微看出Obama政府對醫療改革的關切角度：

1.甚麼是民眾認為目前醫療系統最大的問題？民眾如何選擇醫師與醫院？
2.民眾認為公共政策可以如何促進醫療品質？
3.這些民眾是否曾經有困難負擔醫療費用？或他們知道親友中有遇過這樣的問題？他們認為政策制定者可以怎麼做來解決這些問題？
4.在現行的由雇主提供健保的管道之外，民眾是否期待有其他的健保方式？比如是某種民營的健保方案，但可以透過健保公司之間進行交流與轉換，使得涵蓋面可以擴大；或者是民眾屬意像Medicare這樣的公辦健保方案？
5.雇主在醫療體系改革當中所扮演的角色是甚麼？
6.民眾對於獲得預防保健的服務，如乳房攝影篩檢、流感疫苗注射或膽固醇檢測的看法是如何？
7.民眾認為公共政策可以怎樣促進健康的生活形態？

最近Obama總統也陸續透過與民眾面對面的會議(Town Hall Meeting)，與民眾交換對各種重大議題的意見，其中當然包括醫療體系的改革問題，並透過網站收集民眾對這些議題的建議，更重要的是他可以藉由這些機會並透過媒體的轉播直接向全國民眾說明其政策方向，繼續為其改革方案加溫。

還有，Dr. Devers跟我們說Obama政府也記取柯林頓政府在推動醫療與健保改革時失敗的經驗，採用與以往不太一樣的策略。柯林頓政府在1990年代推動醫療與健保改革方案時過於強勢，想要由行政部門主導方案的推動，結果造成國會的反彈。這次Obama政府並沒有藉著民主黨在參、眾議院席次的優勢，去強勢促銷行政部門的醫療改革方案，而是採取模糊策略，只是去強調所主張的改革原則與方向，守住這些大原則，然後將改革具體方案的研擬任務交給國會去進行。如果國會擬出一個與行政部門原則相同的方案，那就應該可以順利通過實施；如果國會折衝出來的方案偏離大原則太遠，總統還是有否決權，可以退回國會重新制定。

目前看來Obama政府同時也將其改革理念直接訴諸民眾，希望藉此對國會產生一定的壓力。這些策略是否能夠達成預期的結果尚不得而知，不過我覺得在美國的政治制度中，這樣的方法所帶來的成功機會應該是比較大。

不過由於目前美國壟罩在不景氣的低氣壓中，社會關注的焦點在於經濟改革與失業率，相較之下，醫療改革議題的迫切性便弱了一些。如果Obama政府挽救經濟方面出現大問題，也會連帶影響其他的改革措施；如果經濟與財政方面還算平順的話，醫療改革便有機會。

原本要擔任美國衛生部部長的Tom Daschle因個人報稅瑕疵問題(有些該報稅的收入沒有報而引起爭議)，而請Obama總統撤回其提名，多少對Obama政府推動醫療健保改革有一些影響。Daschle是曾經資深參議員以及參議院多數黨領袖，對國會運作非常了解，他本身對醫療健保的改革也有一整套看法，是Obama從競選期間開始重要的醫療政見的幕僚。

Daschle對醫療健保改革有兩個核心思想，首先是設立一個聯邦健康儲備委員會(Federal Health Reserve Board)，這是仿照聯邦儲備金委員會(Federal Reserve Board)的設計，在聯邦政府層級來統籌全國醫療與健保的政策單位。就如同聯邦儲備金委員會透過央行利息的調節來控制貨幣的流通，進而調節經濟的脈動，Daschle希望藉由聯邦健康儲備委員會來調節全國醫療的價格與品質，並負責將目前零碎複雜的健保機制加以統合。這個委員會主席的任命方式也與聯邦儲備金委員會類似，因此可以較不受政治運作與政權更迭的影響，保有較大的自主性與專業性，以較長遠的角度來調整醫療與健保的發展環境。

此外，Daschle第二個重要的構想，是賦予聯邦健康儲備委員會進行醫療成效比較分析(Health care effectiveness analysis)的功能。簡單來說，他要對各種醫療處置、藥品、醫療儀器的療效與成本進行深入的分析比較，並加以公布。聯邦的健保方案(如Medicare、Medicaid、聯邦政府雇員健保、榮民體系醫療等)則根據這些評估的結果，只給付或採用具有一定成本效益的醫療處置、藥品與儀器。由於聯邦政府相關的醫療或健保體系在全國醫療與健保中佔有很大的比重，因此這些政策可以對民營的醫療與健保產生很大的滲透力，藉此對全國的醫療與健保進行間接改革。

不過因為Tom Daschle並未如規劃的去接衛生部長，這些構想是否會被推動，則不得而知。我猜測Daschle應該還是會扮演一個Obama政府重要的衛生政策幕僚的角色。

Obama政府目前在健保改革方面比較像是採用漸進式(incremental)策略，一點一點擴大健保在全國的涵蓋面，最終希望人人都被納入保險。今年一月底參議院通過最不具爭議性，各界共識最高的各州兒童健保方案的擴大涵蓋範圍的修正案，隨即眾議院也通過，Obama總統在二月四日簽署實施。如果未來美國在健保方面有所進展的話，可以預見的應該比較像是這樣的漸進式的擴大，而不是大幅度的變革。