Determinants de l'efficience des systemes de santé: une analyse sur un panel de 183 pays.

III-2 Mesure de l'efficience

Les développements empiriques sur la question cherchent donc à évaluer les différentes composantes de l'efficience (technique et allocative). A cet effet diverses approches sont utilisées : une non paramétrique qui consiste à construire une courbe convexe de sorte qu'aucun point ne soit à l'extérieur (cette approche se base sur l'optimisation d'un programme linéaire pour construire la courbe), une paramétrique qui se base sur l'estimation d'une fonction. Ces deux approches utilisent différentes techniques pour « envelopper les données » et de ce fait prennent des positions différentes en ce qui concerne la distribution des erreurs et la structure de la technologie utilisée (fonction de production).

La méthode non paramétrique de programmation cherche à évaluer l'efficience relative d'une unité par rapport aux autres unités du même secteur. La version la plus utilisée de cette approche est le « Data Envelopment Analysis » (DEA). Le « Data Envelopment Analysis » (Farell 1957) suppose l'existence d'une frontière de production convexe construite à partir des données. La terminologie « envelopment » renvoie au fait que la frontière de production enveloppe toutes les observations, celles situées sur la frontière sont dites techniquement efficientes. Ozcan et al. (1999) soutiennent que l'approche DEA est une méthodologie de recherché utile pour évaluer l'efficience technique des offreurs de service de santé dans la mesure où, on peut utiliser plusieurs inputs de type différents et également plusieurs outputs au cours d'une seule analyse. De plus cette méthode ne requiert aucune spécification de la fonction de production ; aucune spécification concernant le biais occasionné par l'hétérogénéité environnementale, les chocs extérieurs, les erreurs de mesure et les variables omises. Par conséquent, toute déviation de la frontière est attribuée à l'inefficience.

L'Approche DEA a été largement utilisée dans les recherches sur l'efficience des services de santé^11(*) (Chilingerian et Sherman 1990; Huang et McLaughlin 1989; Ozcan et al. 1999, 1992; Ozgen et Ozcan 2002; Tyler et al. 1995).

Malgré cette forte utilisation, il faut souligner que les approches non paramétriques ont présenté sur le plan statistique plusieurs limites :

· Les résultats d'optimisation des programmes linéaires n'ont aucune validité statistique en ce sens qu'on ne peut obtenir les intervalles de confiances (et donc aucune significativité possible des paramètres).

· Aucune des approches non paramétriques (DEA, SBM, CCR, BCC, RAM, ERGM, ...) ne satisfait à la fois tous les critères d'efficience technique (homogénéité, stricte monotonicité, mesure de l'efficience, agrégation, invariant à l'unité choisie, invariant à la translation, ...)^12(*)

· La méthode comptabilise comme inefficience toute déviation de la frontière.

· L'indicateur d'efficience est tronqué entre 0 et 1 et de fait ne permet pas d'attribuer l'inefficience à un facteur donné.

Des tentatives de réponses ont été apportées à ces problèmes, on distingue la méthode « stochastic DEA » qui a été développée récemment et dont les applications dans le domaine de la santé sont rares (Hollingsworth et al. 1999).

Les méthodes paramétriques essayent de répondre à certains de ces problèmes mais ont également des limites. Ces approches paramétriques ou encore approches économétriques, se basent sur une spécification fonctionnelle, la déviation de la frontière technologique est composée de deux termes, l'un représentant l'erreur stochastique et l'autre l'inefficience. Une des hypothèses fortes est d'assigner une distribution à chacun des termes : l'erreur stochastique est généralement supposée suivre une loi normale et l'inefficience pouvant être soit semi-normale, soit normale tronquée, soit exponentielle...

L'erreur aléatoire est supposée prendre en compte tous les facteurs extérieurs qui ne sont pas contrôlés par l'unité de production y compris les facteurs exogènes lié directement à la fonction de production (la différence dans les environnements de production) et les erreurs économétriques (erreurs de mesure et de spécification de la fonction de production). Ce raisonnement a conduit à la mise en place de la « stochastic frontier approach » (SFA) ( Aigner, Lovell, and Schmidt 1977) qui prend en compte ces deux termes dans l'estimation de la frontière et de la « deterministic frontier approach » (DFA) qui suppose lui que toute déviation de la frontière est de l'inefficience. Plusieurs études ont utilisé ces approches pour estimer l'efficience des institutions de santé ; on peut citer entre autre Wagstaff (1989), Hofler et Rungeling (1994), Zuckerman et al. (1994), Defelice et Bradford (1997), Chirikos (1998), Gerdtham et al. (1999), Street et Jacobs (2002).

Pour répondre à certaines des limites comme la spécification de la distribution de l'efficience, les méthodes en panel ont été utilisées. Les effets spécifiques représentent ainsi l'inefficience, cependant dans les modèles de panel classique, cette inefficience est supposé constante dans le temps ; ce qui n'est pas trop souvent le cas. Parmi les études dans le domaine de la santé qui ont utilisé cette dernière approche, on retrouve le rapport sur la Santé dans le Monde 2000 qui a marqué le début d'un long débat sur l'efficience des systèmes de santé. Les études qui ont suivies sont celles d'Evans et al (2001), Hollingsworth et al (2002), Greene (2004b) qui essayent chacun de répondre aux critiques apportées au rapport sur la santé dans le Monde 2000, notamment en ce qui concerne la constante de l'efficience dans le temps^13(*).

Une autre méthode utilisée dans la littérature pour répondre aux spécifications du modèle^14(*) est celle des modèles paramétriques à coefficient aléatoire (Huang 2004 ; Orea et Kumbhakar 2004). Cependant l'hétérogénéité dans ces modèles reflète plutôt « l'incertitude de l'analyste et non l'hétérogénéité entre les unités » (Lovell et al. 2008 ; Greene 2005).

Les inputs/outputs utilisés dans l'analyse de l'efficience dans le domaine de la santé sont énormément vastes et dépendent des objectifs de l'étude. Les inputs généralement pris en compte sont : les hôpitaux (Banker et al. 1986; Ley 1991; Färe et al. 1993; Chirikos 1998; Giuffrida et Gravelle 2001; Street et Jacobs 2002), les médecins (Chillingerian 1993; Defelice et Bradford 1997), les infirmières (Nyman et Bricker 1989; Gertler 1989; Gertler et

Waldman 1992; Hofler et Rungeling 1994; Chattopadhyay et Ray 1996), le staff administratif, les dépenses de santé (Lukas Steinmann, Gunnar Dittrich, Alexander Karmann, Peter Zweifel, 2004)^15(*). Les outputs peuvent être intermédiaires ou finals. En effet, dans le Rapport sur la Santé dans le Monde 2000, les auteurs distinguent deux outputs, l'espérance de vie corrigée du facteur invalidité (EVCI) et un indicateur composite (comprenant l'offre de soin, la réactivité et équité du système). Ils aboutissent à la conclusion que le classement des pays par le score d'efficience suivant les deux outputs n'est pas sensiblement différent.

* 11 ^_ Sur un survey des études réalisé par Hollingsworth (2003), 80% utilise l'approche DEA.

* 12 ^_ Pour plus de détails voir Toshiyuki S, Kazuyuki S (1998).

* 13 ^_ Hollingsworth et al (2002) utilise un modèle dans lequel l'inefficience est une fonction polynomiale du temps

* 14 ^_ Il ya difficile d'admettre que tous les pays ont la même technologie de production dans la mesure où les systèmes de santé diffèrent même en ce qui concerne le remboursement des frais de santé.

* 15 ^_ Se référer à Hollingsworth et al (2002) pour plus de détails sur les inputs et outputs utilisés.