ارزیابی عوامل مؤثر بر مخارج سلامت در کشورهای اسلامی گروه D-8

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی دکترای اقتصاد منابع طبیعی و محیط زیست، دانشگاه شیراز

2 دانشجوی دکترای اقتصاد کشاورزی، دانشگاه شیراز

3 استادیار، اقتصاد کشاورزی، دانشگاه شیراز

چکیده

با توجه به وجود رابطه متقابل بین سلامت نیروی انسانی و رشد اقتصادی در جوامع، تعیین عوامل اثرگذار بر سلامت نیروی انسانی میتواند در تدوین سیاستها و راهکارهای عملی، مؤثر واقع شود. در پژوهش حاضر به ارزیابی اثرات رشد اقتصادی، مخارج مصرفی دولت و نرخ وابستگی سنی بر مخارج سلامت در کشورهای اسلامی گروه D-8 طی سال­های 2014-1997می‌پردازیم. به‌منظور بررسی رابطه بلندمدت و کوتاه­مدت با توجه به نتایج آزمون­های ایستایی از رویکرد نوین در اقتصادسنجی دادههای پنل- الگوی خودتوضیحی با وقفه‌های گسترده پنلی (Panel ARDL)- بهره گرفته شد. نتایج کشش درآمدی مخارج سلامت نشان داد که کالاها و خدمات بهداشتی برای کشورهای اسلامی گروه  D-8دربلندمدت کالایی لوکس و در کوتاه‌مدت ضروری به شمار می‌روند. همچنیندو شاخص وابستگی سنی بزرگسالان و وابستگی سنی جوانان به ترتیب تأثیر مثبت و منفی بر سرانه مخارج سلامت می­گذارند.

کلیدواژه‌ها


رضایی، هادی، علیزاده، محمد و نادمی، یونس (1396). بررسی تأثیرات سرریز فضایی شاخص فلاکت بر مخارج سلامت در کشورهای منتخب در‌حال‌توسعه. مدیریت بهداشت و درمان (نظام سلامت)، دوره 8، شماره 1، 67-57.

سلاطین، پروانه و محمدی، سمانه (1394). بررسی عوامل مؤثر بر سلامت در استانهای ایران: رهیافت دادهای پنل. فصلنامه پژوهشهای اقتصادی ایران. دوره 20، شماره 64، 207-177.

صادقی، سیدکمال و محمدی خانقاهی، رباب (1393). بررسی تأثیر مخارج سلامت بر شاخص‌های سلامت کشورهایی با سطح درآمد متوسط: مطالعه موردی. نشریه پایش، دوره 14، شماره 1، 14-7.

صادقی، سیدکمال، متفکرآزاد، محمدعلی و جلیلپور، سالار (1392). بررسی عوامل مؤثر بر هزینههای بهداشتی بخش خصوصی و مقایسه شدت اثر آن در سطوح مختلف درآمدی در کشورهای آسیایی. فصلنامه علمی-پژوهشی رفاه اجتماعی، دوره 14، شماره 53، 75-55.

عبداله میلانی، مهنوش، محمدی، تیمور و توسلی، سلاله (1396). عوامل مؤثر بر مخارج سلامت با تأکید بر سالمندی جمعیت: یک مطالعه پنل بین کشوری. فصلنامه پژوهشهای اقتصادی، دوره 17، شماره 65، 50-25.

Ahmed, A., Uddin, G. S., & Sohag, K. (2016). Biomass energy, technological progress and the environmental Kuznets curve: Evidence from selected European countries. Biomass and Bioenergy90, 202-208.

Arellano, M. (2003). Panel data econometrics. Oxford university press.

Baltagi, B. (2008). Econometric analysis of panel data. John Wiley & Sons.

Baltagi, B. H., & Kao, C. (2001). Nonstationary panels, cointegration in panels and dynamic panels: A survey. In Nonstationary panels, panel cointegration, and dynamic panels (pp. 7-51). Emerald Group Publishing Limited.

Chaabouni, S., & Abednnadher, C. (2014). The determinants of health expenditures in Tunisia: An ARDL bounds testing approach. International Journal of Information Systems in the Service Sector (IJISSS)6(4), 60-72.

Chaitip, P., Chokethaworn, K., Chaiboonsri, C., & Khounkhalax, M. (2015). Money Supply Influencing on Economic Growth-wide Phenomena of AEC Open Region. Procedia Economics and Finance24, 108-115.

Choi, I. (2001). Unit root tests for panel data. Journal of international money and Finance20(2), 249-272.

Culyer, A. J. (1988). Health care expenditures in Canada: myth and reality, past and future (No. 82). Canadian Tax Foundation.

Doğan, İ., Tülüce, N. S., & Doğan, A. (2014). Dynamics of Health Expenditures in OECD Countries: Panel ARDL Approach. Theoretical Economics Letters4(08), 649.

Easterly, W. R., & Wetzel, D. L. (1989). Policy determinants of growth: survey of theory and evidence (Vol. 343). World Bank Publications.

Hausman, J. A. (1978). Specification tests in econometrics. Econometrica: Journal of the econometric society, 1251-1271.

Jönsson, B., & Culyer, A. J. (Eds.). (1986). Public and private health services: complementarities and conflicts. Blackwell.

Karatzas, G. (2000). On the determination of the US aggregate health care expenditure. Applied Economics32(9), 1085-1099.

Khandelwal, V. (2015). Impact of energy consumption, GDP & Fiscal deficit on public health expenditure in India: An ARDL bounds testing approach. Energy Procedia75, 2658-2664.

Kinoshita, Y., & Campos, N. F. (2008). Foreign direct investment and structural reforms: Evidence from Eastern Europe and Latin America (No. 3332). International Monetary Fund.

Maddala, G. S., & Wu, S. (1999). A comparative study of unit root tests with panel data and a new simple test. Oxford Bulletin of Economics and statistics61(S1), 631-652.

Murthy, V. N., & Okunade, A. A. (2016). Determinants of US health expenditure: Evidence from autoregressive distributed lag (ARDL) approach to cointegration. Economic Modelling59, 67-73.

Nasiru, I., & Usman, H. M. (2012). Health expenditure and economic growth nexus: An ARDL approach for the case of Nigeria. Jorind10(3), 95-100.

Newhouse, J. P. (1977). Medical-care expenditure: a cross-national survey. The Journal of Human Resources12(1), 115-125.

Pesaran, M. H., & Shin, Y. (1998). An autoregressive distributed-lag modelling approach to cointegration analysis. Econometric Society Monographs31, 371-413.

Pesaran, M. H., & Smith, R. (1995). Estimating long-run relationships from dynamic heterogeneous panels. Journal of econometrics68(1), 79-113.

Pesaran, M. H., Shin, Y., & Smith, R. P. (1999). Pooled mean group estimation of dynamic heterogeneous panels. Journal of the American Statistical Association94(446), 621-634.

Rahman, M. M. (2011). Causal relationship among education expenditure, health expenditure and GDP: A case study for Bangladesh. International Journal of Economics and Finance3(3), 149.

WDI. (2017), World Development Indicators, retrieved october 12, 2017, from http://www.worldbank.org.

Yavuz, N. C., Yilanci, V., & Ozturk, Z. A. (2013). Is health care a luxury or a necessity or both? Evidence from Turkey. The European Journal of Health Economics14(1), 5-10.