تعیین‌کنندگان قوی هزینه‌های بخش سلامت در ایران: رویکرد متوسط‌گیری مدل بیزی

محورهای موضوعی : -مدارک پزشکی

محمد علیزاده ¹ , ابوالقاسم گل خندان ²

1 - استادیار گروه اقتصاد، دانشکده علوم اقتصادی و اداری، دانشگاه لرستان، خرم‌آباد، ایران
2 - دانشجوی دکتری اقتصاد، دانشکده علوم اقتصادی و اداری، دانشگاه لرستان، خرم‌آباد، ایران

تاریخ دریافت : 1395/03/30 تاریخ پذیرش : 1395/09/30 تاریخ انتشار : 1395/06/01

کلید واژه: نااطمینانی مدل, ایران, هزینه‌های بخش سلامت, رویکرد متوسط‌گیری مدل بیزی,

چکیده مقاله :

مقدمه: شناسایی عوامل و فاکتورهای تأثیرگذار بر هزینه‌های سلامت می‌تواند در تعیین بهترین سیاست‌ها برای کنترل و مدیریت هزینه‌های سلامت مفید و مؤثر باشد. مطالعات گذشته در این زمینه با فرض اطمینان مدل انجام شده است؛ در حالی‌که، عدم توجه به مسئله نااطمینانی مدل می‌تواند منجر به تورش و عدم کارایی در برآورد پارامترها شود که نتیجه آن پیش‌بینی‌های نامناسب و استنتاج آماری نادرست است. بنابراین، هدف اصلی این مطالعه شناسایی تعیین‌کنندگان قوی هزینه‌های بخش سلامت در ایران تحت نااطمینانی مدل می‌باشد. روش پژوهش: این مطالعه با استفاده از اطلاعات و داده‌های آماری 22 متغیر که بر اساس مبانی نظری و مطالعات تجربی بر هزینه‌های بخش سلامت مؤثرند، به شناسایی تعیین‌کنندگان قوی این هزینه‌ها در ایران طی سال‌های 1392-1358 پرداخته است. به این منظور از رویکرد متوسط‌گیری بیزی برآوردهای کلاسیکی (BACE) (به‌دلیل ویژگی‌های مناسب برای در نظر گرفتن فرض عدم اطمینان مدل)، استفاده شده است. هم‌چنین، تحلیل داده‌ها به کمک نرم‌افزار R انجام شده است. یافته‌ها: برآورد 40000 رگرسیون و میانگین‌گیری بیزی از ضرایب، نشان می‌دهد که متغیرهای درآمد سرانه با احتمال 98/0 و ضریب 70/0، نرخ شهرنشینی با احتمال 93/0 و ضریب 25/1، سرانه هزینه‌های عمومی سلامت با احتمال 83/0 و ضریب 29/0، بار تکفل با احتمال 50/0 و ضریب 27/0، سرانه‌ی پزشک با احتمال 49/0 و ضریب 20/0 و نرخ بیکاری با احتمال 38/0 و ضریب 07/0-، غیرشکننده و قوی می‌باشند. نتیجه‌گیری: نتایج تحقیق حاکی از آن می‌باشد که مهم‌ترین تعیین‌کنندگان هزینه‌های بخش سلامت در ایران به‌ترتیب عبارت‌اند از: درآمد سرانه، نرخ شهرنشینی، سرانه هزینه‌های بهداشت عمومی، بار تکفل، سرانه‌ی پزشک و نرخ بیکاری. اثر تمام این متغیرها بر سرانه‌ هزینه‌های بخش سلامت در بلندمدت حتمی و قوی است.

چکیده انگلیسی:

Introduction: Identify of factors that influence on health costs can be useful in determine the best policy to control and manage the health costs. Previous studies in this area has been done with assumption the certainty of model; While the lack of attention to the problem of model uncertainty can lead to bias and lack of performance in estimation of parameters that result is inappropriate forecasts and incorrect statistical inference. So, the main objective of this study is identify the robust determinants of health sector costs in Iran under uncertainty of model. Methods: This study uses the statistical data of 22 variables that affect health sector costs based on theoretical and empirical studies, is paid to identify the robust determinants of these costs in Iran during 1979-2013. For this purpose is used the Bayesian Averaging of Classical Estimates (BACE) approach (due to favorable characteristics for the assumption of model uncertainty). Also, the statistical analyzes were performed using the R software. Results: estimation of 40000 regression and Bayesian averaging from the coefficients shows that per capita income with the possibility of 0.98 and coefficient of 0.70, urbanization rate with the possibility of 0.93 and coefficient of 1.25, per capita public health costs with the possibility of 0.83 and coefficient of 0.29, dependency ratio with the possibility of 0.50 and coefficient of 0.27, physician per capita with the possibility of 0.49 and coefficient of 0.20 and the unemployment rate with the possibility of 0.38 and coefficient of -0.07, are non-fragile and robust variables. Conclusion: The results indicate that the most important determinants of health sector costs in Iran are respectively: per capita income, urbanization rate, per capita public health costs, dependency ratio, physician per capita and unemployment rate. The effect of all these variables on per capita health sector costs in the long run are sure and strong.  

منابع و مأخذ:

1- Newhouse J. Medical care expenditures; a cross national study, J Hum Resource, 1977; 12: 10-26.

2- Magazzino C and Mele M. The Determinants of health expenditure in Italian regions, International Journal of Economics & Finance, 2012; 4(3): 61-72. 

3- Wang Z. The determinants of health expenditures: evidence from US state-level data, Applied Economics, 2009; 41(4): 429-35.

4- Ang JB. The determinants of health care expenditure in Australia, Applied Economics Letters, 2009; 17(4): 639-44.

5- Bilgel F and Tran. K.C. The determinants of Canadian provincial health expenditures: evidence from a dynamic panel, 2012; 45(2): 201-12.

6- Hosoya, K. Determinants of health expenditures: Stylized facts and a new signal, Modern Economy, 2014; 5: 1171-80.

7- Fattahi M, Osari A, Sadegi H and Asgharpur H. Effects of air pollution on public spending for health: Comparative developing and developed countries, Journal of Economic Development, 2013; 3(11): 111-32. [In Persian]

8- Rezaei S, Dindar A, Rezapour A. health care expenditures and their determinants: Iran provinces (2006-2011), Journal of Health Administration, 2016; 19 (63): 81-90. [In Persian]

9- Liu, C and Maheu, J. M. Forecasting realized volatility: A Bayesian Model-Averaging approach, Article first published online: Journal of Applied Econometrics, 2009; 22: 4-6.

10- Draper, D. Assessment and propagation of model uncertainty, Journal of the Royal Statistical Society, 1995; 57: 45-70.

11- Sala-i-Martin X, Doppelhofer G and Miller R. Determinants of long-Term growth: A Bayesian Averaging of Classical Estimates (BACE) approach, The American economic review, 2004; 94: 813-35.

12- Leamer E. Let's take the con Out of econometrics, American Economic Review, 1983; 73: 31-43.

13- Noble RB. Multivariate applications of Bayesian Model Averaging, Working Paper, 2000.

14- George EI, McCulloch RE. Variable selection via Gibbs sampling, Journal of the American Statistical Association, 1993; 88: 881-889.