estudios sobre la economía española
Anuncio
ESTUDIOS SOBRE LA ECONOMÍA ESPAÑOLA Desigualdad de la Renta y Salud: Una Aplicación Empírica para la Unión Europea David Cantarero Prieto Marta Pascual Saez José Mª Sarabia Alegria EEE 194 Octubre 2004 http://www.fedea.es/hojas/publicado.html ISSN 1696-6384 Las las The not opiniones contenidas en los Documentos de la Serie EEE, reflejan exclusivamente de los autores y no necesariamente las de FEDEA. opinions in the EEE Series are the responsibility of the authors an therefore, do necessarily coincide with those of the FEDEA. ESTUDIOS SOBRE LA ECONOMIA ESPAÑOLA "DESIGUALDAD DE LA RENTA Y SALUD: UNA APLICACIÓN EMPÍRICA PARA LA UNIÓN EUROPEA (*)” David CANTARERO PRIETO, Marta PASCUAL SAEZ y José Mª SARABIA ALEGRIA Departamento de Economía. Universidad de Cantabria Avda. de los Castros s/n. Santander 39005. Tel: 942201625. Fax: 942201603. E-mail: [email protected]; [email protected]; [email protected] Octubre 2004 Resumen En este trabajo se estudia la relación entre la desigualdad de la renta y la salud en la Unión Europea. Se plantean dos objetivos. En primer lugar, analizar la desigualdad de la renta y su relación con ciertos indicadores de salud. Esto supone importantes implicaciones con respecto a las políticas públicas llevadas a cabo en los principales países europeos en la última década. En segundo lugar, se contrasta empíricamente la hipótesis de la renta absoluta y la hipótesis de la renta relativa. Para ello, se utilizan fundamentalmente los datos del Panel de Hogares de la Unión Europea (PHOGUE) disponibles hasta la fecha. Palabras Clave: Renta absoluta, desigualdades en renta y salud, Hipótesis de la renta relativa, Panel de Hogares de la Unión Europea (PHOGUE). JEL Classification codes: I1, I3 (*) Agradecemos especialmente la ayuda prestada por el European Centre for Analysis in Social Sciences de la University of Essex (United Kingdom) para el tratamiento de la información del PHOGUE así como en el apoyo informático. Asimismo, agradecemos los comentarios y sugerencias de los asistentes al VIII Encuentro de Economía Aplicada (Vigo). En todo caso, cualquier error en este trabajo corresponde a nuestra exclusiva responsabilidad. 2 1. INTRODUCCION La desigualdad de la renta y su relación con la salud1 como campo de estudio constituye un importante objetivo de las sociedades desarrolladas y de sus diferentes sectores públicos para así poder reducir las desigualdades evitables en salud, y ha venido demandando especial atención en el análisis económico2 desde el trabajo seminal basado en datos agregados de Rodgers (1979) que introdujo la denominada “hipótesis de la desigualdad de la renta (the income inequality hypothesis)”. En trabajos más recientes, diferentes autores han venido avanzando que la desigualdad de la renta está relacionada de algún modo con la salud. Así, Le Grand (1987) mostraba una asociación negativa entre la “diferencia absoluta en media” en la mortalidad y el porcentaje de renta total obtenida por el quintil más bajo de la población en diecisiete países de la Organización para la Cooperación y Desarrollo Económico (OCDE) y de la Europa del Este. Wilkinson (1992) en su trabajo seminal encontraba una fuerte correlación negativa entre la proporción de renta obtenida por el 70% de población más pobre y la esperanza de vida en nueve países industrializados de la OCDE. Resultados similares han sido obtenidos en Waldmann (1992), Ben-Shlomo et al. (1996), Kaplan et al. (1996), Kawachi et al.3 (1996) o Daniels, Kawachi y Kennedy (2000) utilizando diferentes medidas de desigualdad4. 1 Precisamente, buena parte de las dificultades en torno al tratamiento de las inequidades en salud se derivan de la propia indefinición sobre el concepto de salud al incidir sobre ella todo un conjunto de variables tanto exógenas (no controlables) como endógenas (dependientes) del individuo. 2 Los diferentes estudios pueden dividirse principalmente en dos tipos: - Estudios con datos agregados (Aggregated data studies): Examinan las correlaciones entre los niveles agregados de salud y la desigualdad de la renta desde el trabajo seminal de Rodgers (1979). - Estudios con datos individuales (Individual-level analyses): Miden los efectos de la desigualdad de la renta sobre la salud después de controlar los efectos de la renta individual (Gravelle, 1998; Deaton, 1999; Deaton y Paxson, 2001; House, 2001; Mellor y Milyo, 2001 y 2002; Muller, 2002). Asimismo, la “falacia ecologica (ecological fallacy)” o sesgo ecológico surge cuando las “correlaciones ecológicas” (correlaciones en datos agregados) difieren de las correlaciones subyacentes observadas en datos individuales (Robinson, 1950; Fiscella y Franks, 1997). 3 Al utilizar una medida de la distribución de la renta denominada “Índice de Robin Hood”, siendo éste una medida de la proporción de renta total que debe ser redistribuida de los hogares “ricos” (por encima de la media) a los “pobres” (por debajo de la media) a fin de conseguir una perfecta igualdad. 4 Vid. Kawachi, Kennedy y Wilkinson (eds.) (1999). 3 En relación con este aspecto, las investigaciones más actuales acerca de la relación entre la desigualdad de la renta y la salud5 han propuesto dos hipótesis: La hipótesis de la renta absoluta (absolute income hypothesis) y la hipótesis de la renta relativa (relative income hypothesis) (Gravelle et al., 2002 y 2003; Wildman, 2001 y 2003; Borrell, Rico y Ramos, 2002; Lopez Casasnovas y Rivera, 2002; Eberstadt y Satel, 2004). La hipótesis de la renta absoluta establece que cuanto mayor sea la renta del individuo mejor será entonces su nivel de salud, permaneciendo el resto de factores constante (Preston, 1975; Pritchett y Summers, 1996). Por tanto, la salud individual sería bajo esta hipótesis una función de la renta individual. Por otro lado, la hipótesis de la renta relativa defiende que, en las sociedades desarrolladas, la salud individual se ve también afectada por la distribución de la renta dentro de la propia sociedad (Ben-Shlomo et al., 1996; Kaplan et al., 1996; Wilkinson, 1996; Waldmann, 1992). Dado este argumento, en los países desarrollados la desigualdad de la renta tiene fuertes implicaciones sobre la salud individual más que la propia renta absoluta. Ambas hipótesis han sido sometidas a la evidencia empírica en estudios relativamente recientes. Precisamente, estos trabajos sugieren que la reducción de la desigualdad es buena para la salud del conjunto de la población y no sólo para aquellos individuos con los menores niveles de renta. Obviamente, la renta afecta a la salud pero la pregunta que se plantea es hasta qué nivel. Cuando se compara la desigualdad de la renta con un indicador de salud como la mortalidad se supone que a medida que la desigualdad se incremente, la mortalidad se incrementa. Por tanto, la mortalidad y la desigualdad de la renta estarían relacionadas positivamente. Una argumentación similar podría ser utilizada para mostrar la relación entre la desigualdad de la renta y la esperanza de vida. 5 En general, las diferentes investigaciones han considerado distintas medidas de la salud de una población tales como la mortalidad infantil (Rodgers, 1979; Waldmann, 1992, entre otros), la esperanza media de vida (Wilkinson, 1992, entre otros), la edad media de fallecimiento (Le Grand, 1987), la mortalidad total (Kawachi et al., 1996, entre otros), la causa específica de mortalidad (Kawachi et al, 1996, entre otros) y la autovaloración de la salud (Van Doorslaer et al., 1997). 4 En resumen, la literatura analizada muestra la incertidumbre existente en este tipo de relaciones y la necesidad de realizar un análisis de sensibilidad con respecto a las diferentes metodologías empleadas para su estudio, por lo que resulta imprescindible incorporar a la agenda de investigación el análisis pormenorizado entre el nivel de renta, su composición y su distribución sobre el estado de salud (Van Doorslaer y Wagstaff, 2000). No obstante, la mayoría de trabajos proporcionan evidencia respecto a la hipótesis de la renta absoluta que sigue mostrando la asociación más directa entre salud y desigualdad de la renta. A fin de contrastar la hipótesis anteriores, en este trabajo se ha utilizado la información proporcionada por el Panel de Hogares de la Unión Europea (PHOGUE) desarrollado por la European Commission’s Statistical Office (EUROSTAT). Esta fuente de información contiene datos homogéneos entre los países y está armonizada a nivel europeo. También se han utilizado distintos indicadores de salud así como la información complementaria que proporciona la Organisation for Economic Development and Cooperation (OECD) Health Data. El trabajo se ha organizado de la manera siguiente. La sección segunda describe las fuentes de información que se han utilizado y las características de las variables que se han manejado en el análisis, junto con las principales decisiones metodológicas que se han adoptado. En la sección tercera se examina la evidencia empírica entre la desigualdad de la renta y la salud a partir de los datos agregados. En la sección cuarta, se presentan los principales resultados empíricos y finalmente, la sección quinta muestra las conclusiones más relevantes. 2. EL PANEL DE HOGARES DE LA UNION EUROPEA: HIPOTESIS Y METODOLOGIA Esta base de datos contiene información sobre individuos y hogares en todos los países de la Unión Europea y en la actualidad comprende ocho olas (1994-2001). La principal ventaja es que esta información es homogénea entre los países dado que el cuestionario y el proceso de elaboración del mismo es muy similar entre ellos. Esta base de datos se coordina desde la 5 Statistical Office of the European Communities (EUROSTAT). Asimismo, este Panel incluye información detallada relativa a ingresos, educación, empleo, salud, etc. En este sentido, es importante destacar que hasta la fecha nunca había existido, para toda la Unión Europea, un panel fijo y armonizado para poder estudiar los factores socio-economicos de los hogares y los individuos de la Unión Europea. Esta base de datos representativa de hogares de diferentes países de la Unión Europea fue elaborada por primera vez en 1994 y está formada por 60.500 hogares (aproximadamente 170.000 individuos) para los 12 Estados Miembros6. En el caso de España, la primera ola estaba compuesta por 7.200 hogares (aproximadamente 23.000 individuos). En este trabajo se han utilizado los micro-datos disponibles para los países de la Unión Europea con objeto de poder analizar la sensibilidad y robustez de los resultados antes diferentes hipótesis. La Tabla 1 incluye la información detallada a este respecto acerca de la muestra de hogares del PHOGUE para los diferentes países y olas disponibles. 6 Austria se unió al proyecto desde 1995 y Finlandia en 1996. Asimismo, similar información está disponible para Suecia desde 1997 en adelante. No obstante, el original PHOGUE fue interrumpido en 1997 en Alemania, Luxemburgo y Reino Unido donde se utilizaron sus correspondientes encuestas nacionales. 6 TABLA 1 Composición de la muestra de hogares en el PHOGUE (1994-2001): Número de observaciones sin ponderar Alemania Alemania (SOEP) Dinamarca Países Bajos Bélgica Luxemburgo Luxemburgo (PSELL II) Francia Reino Unido Reino Unido (BHPS) Irlanda Italia Grecia España Portugal Austria Finlandia Suecia Hogares Individuos Hogares Individuos Hogares Individuos Hogares Individuos Hogares Individuos Hogares Individuos Hogares Individuos Hogares Individuos Hogares Individuos Hogares Individuos Hogares Individuos Hogares Individuos Hogares Individuos Hogares Individuos Hogares Individuos Hogares Individuos Hogares Individuos Hogares Individuos Ola 1 Ola 2 Ola 3 Ola 4 Ola 5 Ola 6 Ola 7 Ola 8 (1994) (1995) (1996) (1997) (1998) (1999) (2000) (2001) 4968 4688 4593 12435 11730 6207 6336 6163 5962 5847 5693 5563 16284 16682 15942 15251 14860 14340 13969 3482 3223 2955 2745 2512 2387 2281 2283 7693 7200 6204 5666 5427 5222 5136 5187 5110 5179 5049 4963 5008 4851 13029 12791 12584 12373 12446 12079 3490 3366 3210 3039 2876 2712 2572 2362 9149 8839 7916 7408 6970 6560 5985 1011 962 933 2807 2672 2654 2523 2551 2373 2428 7093 6647 6585 6184 6306 7344 6722 6600 6176 5866 5620 5345 5345 18916 17408 15758 14849 14109 13368 13263 5779 4548 3775 14342 11282 9322 5126 5032 4965 4996 4890 4819 12844 12508 12396 12432 12186 12051 4048 3584 3173 2945 2729 2378 1951 1760 14585 12577 10887 9952 9000 7721 6276 5565 7115 7128 7132 6713 6571 6370 6052 5606 21934 21757 21506 20074 32855 18621 17602 16162 5523 5220 4907 4604 4211 3986 3918 3916 16321 15309 14384 13491 12298 11654 11383 11244 7206 6522 6267 5794 5485 5418 5132 4966 23025 20708 19712 18167 16728 16222 15048 14320 4881 4916 4849 4802 4716 4683 4633 4614 14706 14826 14623 14428 14085 13529 13481 13285 3380 3292 3142 2960 2815 2644 2544 9579 9249 8733 8184 7739 7169 6873 4139 4106 3920 3822 3104 3115 11214 10888 9973 9587 7552 7498 5891 5807 5732 5734 5680 13661 13230 13002 12918 12870 Fuente: Elaboración propia a partir de PHOGUE. Para cada uno de los hogares se dispone de información relativa a los Ingresos Anuales Netos del Hogar en el año anterior al de realización de la entrevista. Todos los datos en términos nominales vienen expresados en unidades monetarias nacionales. No obstante, a fin de que las 7 comparaciones entre países puedan ser hechas en unidades equivalentes se han tenido en cuenta las diferencias en las paridades de poder de compra nacionales7. La variable de renta utilizada es la renta disponible equivalente por adulto (después de impuestos) del hogar. A fin de poder interpretar correctamente la información estadística sobre la distribución de la renta es realmente importante definir la unidad de renta sobre la cual se basa dicha medida. El periodo de referencia de la renta es el año anterior a la entrevista. Dichas entrevistas corresponden a las ocho primeras olas del PHOGUE llevadas a cabo en los años 1994, 1995, 1996, 1997, 1998, 1999, 2000 y 2001, lo que significa que las correspondientes rentas se refieren a, respectivamente, los años 1993, 1994, 1995, 1996, 1997, 1998, 1999 y 2000. En este trabajo se ha utilizado el hogar como unidad de análisis, estudiando la sensibilidad de los resultados mediante la utilización de escalas de equivalencia. Una escala de equivalencia es un instrumento que permite comparar el gasto, la renta o el bienestar de hogares heterogéneos, ya sea por tamaño diferente o por tener diferente composición. La heterogeneidad de los hogares ha sido aproximada utilizando la especificación de Buhmann et al. (1988) y Coulter et al. (1992) que resume diferentes escalas de equivalencia mediante un único parámetro suponiendo que esta escala únicamente depende del número de miembros del hogar. De acuerdo con este método, la “renta equivalente”, Yh, de un hogar con nh miembros y con renta sin ajustar Xh es: Yh = Xh . nhs El parámetro “s” toma valores de cero a uno. Cuando s = 1, se obtiene la distribución de la renta per capita. Cuando s = 0 se obtiene la renta por hogar sin ajustar. Asimismo, la sensibilidad de los resultados ha sido analizada estimando la desigualdad para diferentes valores del parámetro “s”. En particular, se ha considerado s = 0, 0.25, 0.5, 0.75 y 1. También se ha utilizado la escala de la OCDE y de la OCDE modificada. La primera otorga un peso de 1 al 7 Obtenidas a partir de la división entre las cantidades expresadas en moneda nacional y sus correspondientes 8 primer adulto, 0.7 al resto de individuos de 14 o más años y 0.5 a cada niño menor de 14 años, mientras que la segunda otorga un peso de 1 al primer adulto, 0.5 al resto de personas de 14 años o más y 0.3 a cada niño menor de 14 años que vive en dicho hogar. Para cada persona, la “renta neta total equivalente” es calculada como el total de renta neta del hogar dividida por el tamaño equivalente del hogar. Así, en el Gráfico 1 se puede observar el proceso de convergencia, en cuanto a la desigualdad de la renta, que se ha experimentado en la década de los 90 en la Unión Europea. En el Gráfico 2 se obtiene una relación en forma de “U” entre el índice de Gini y el parámetro “s”. Esta relación se observa para todos los países de la Unión Europea8. Finalmente, la Tabla 2 incluye los principales estadísticos descriptivos de las variables consideradas. GRAFICO 1 Evolución de la Desigualdad de la renta en la Unión Europea (1993-2000). Escala de Equivalencia: OCDE. Fuente: Elaboración propia a partir de PHOGUE. 0,45 Germany Denmark Netherlands 0,40 Belgium Luxembourg France 0,35 United Kingdom Ireland Italy 0,30 Greece Spain Portugal 0,25 Austria Finland Sweden 0,20 1993 1994 1995 1996 1997 1998 paridades de poder de compra suministradas por EUROSTAT. 8 Para un estudio más detallado véase Coulter et al. (1992). 9 1999 2000 GRAFICO 2 Sensibilidad del índice de Gino al parámetro “s” en España (1993-2000). Fuente: Elaboración propia a partir de PHOGUE. 0,38 0,37 0,36 1993 1994 0,35 1995 1996 0,34 1997 1998 0,33 1999 2000 0,32 0,31 0,30 0 0,25 0,5 0,75 1 1,25 TABLA 2 Estadísticos Descriptivos Media Desv. Std. 74.2525000 1.2565770 Variable Mínimo LIFEM (Esperanza de vida 70.8000 Masculina) GDPPC (PNB Per cápita) 103.5171000 24.4320600 64.8000 CHILM (Mortalidad infantil) 5.2222220 0.9255157 3.4000 Gs0 (Gini s = 0) 0.3437886 0.0374471 0.2746 Gs025 (Gini s = 0.25) 0.3184728 0.0406197 0.2503 Gs05 (Gini s = 0.5) 0.3047386 0.0421431 0.2311 Gs075 (Gini s = 0.75) 0.3063947 0.0411794 0.2289 Gs1 (Gini s = 1) 0.3240868 0.0381950 0.2437 Gocde (Gini ocde) 0.3059570 0.0419294 0.2266 Gocdeco (Gini ocdeco) 0.3022544 0.0426644 0.2249 Fuente: Elaboración propia a partir de PHOGUE, Eurostat y OECD Health Data. Máximo 77.4000 198.7000 8.1000 0.4456 0.4269 0.4141 0.4092 0.4138 0.4096 0.4111 3. DESIGUALDAD DE LA RENTA Y SALUD: EVIDENCIA EMPIRICA CON DATOS AGREGADOS DE LA UNIÓN EUROPEA Aunque muchos estudios se han venido centrando en la relación entre la desigualdad de la renta y la salud mediante análisis de sección cruzada que sugieren que la salud (medida por indicadores como la esperanza de vida o la mortalidad) depende de la renta media (“hipótesis de la renta absoluta” o “absolute income hypothesis”), la nueva evidencia empírica se ha centrado en la denominada “hipótesis de la renta relativa” o “relative income hypothesis” (según la cual la salud de los individuos en una sociedad también depende del grado de desigualdad de la renta existente en esa sociedad). Incluso se sugiere que los efectos de la renta absoluta son menos 10 importantes a medida que no situemos en los niveles más altos de renta (según la “transición epidemiológica” o “the epidemiological transition”). En este epígrafe, se estudia de manera empírica si la distribución de la renta se asocia de manera significativa con la esperanza de vida en la Unión Europea. Para ello, en primer lugar, se toma como base el modelo tradicional propuesto por Rodgers (1979): Lk = β 0 + β 1 1 1 + β 2 2 + β 3Gk + ε k , yk yk donde Lk es la esperanza de vida en el país k, yk es la renta per capita, y k2 es el cuadrado de la renta per capita, Gk es el índice de Gini y ε k es el término de error. Por consiguiente, la esperanza de vida se incrementa a medida que aumenta la renta y tiende hacia un valor máximo. No obstante, esta relación es asintótica (es decir, existe un nivel máximo de esperanza de vida expresado en años, más allá del cual incrementos en la renta no tienen efecto sobre la esperanza de vida). Por tanto, la relación entre la renta y la esperanza de vida se considera no lineal9. Obviamente, cuando se analiza la relación entre la salud individual y la renta utilizando las sumas de los datos en media a nivel individual, puede plantearse la duda si con ello aparecerá el problema de la agregación (the aggregation problem)10 (Deaton y Muelbauer, 1980). Según esto, Gravelle, Wildman y Sutton (2002) analizaron si los estudios a nivel agregado pueden ser de utilidad a fin de identificar los determinantes de la salud de los individuos. Dichos investigadores comienzan su estudio con un modelo específico de los determinantes del riesgo de mortalidad individual: 9 Así, por ejemplo, Benzeval et al. (2001) han utilizado la información del General Household Survey para examinar diferente alternativas de formas funcionales de la variable renta, con el fin de averiguar cuál de ellas es la que mejor explica la relación entre la renta y la salud. Sus resultados están en la línea de otros estudios similares (Ettner, 1996; Ecob y Davey, 1999; Deaton, 2001a, entre otros) y sugieren que dicha relación es no lineal. 10 Waldmann (1992) compensaba el problema de la agregación al incluir información adicional sobre los niveles de renta de los “no-ricos” así como el porcentaje de renta de los “ricos”. 11 m jk = β 0 + β 1 y jk + β 2 y 2jk + β 3 R jk + β 4 z jk + e jk , donde m jk es el riesgo de mortalidad del individuo j en el país k, y jk es su renta, R jk es una variable que depende de algunas características de la distribución de renta en el país k e intenta reflejar la hipótesis de la renta relativa según la cual la salud de un individuo depende de la renta de los otros así como de su propia renta, z jk es otra variable (o un conjunto de variables que no sean la renta) que afectan a la salud y e jk es el término de error. Por tanto, al tomar esperanzas sobre los individuos en cada país puede obtenerse el siguiente modelo: m k = β 0 + β 1 y k + β 2 s k + β 3 Rk + β 4 z k + e k , donde m k = E j m jk es la mortalidad poblacional en el país k, y k = E j y jk es la renta per capita, s k = E j y 2jk es el cuadrado de la renta media, Rk = E j R jk , z k = E j z jk y ek = E j e jk . Por tanto, el macro-modelo puede ser especificado del siguiente modo: mk = b0 + b1 y k + b2 y k2 + b3 Gk + ek , donde mk es la mortalidad poblacional en el país k, y k es la renta per capita y G k es alguna medida de la desigualdad de la renta como puede ser el índice de Gini11. 4. RESULTADOS En esta sección del trabajo se presentan los principales resultados derivados de las estimaciones correspondientes realizadas mediante STATA 8.0. Se han manejado una gran 12 variedad de diferentes modelos y especificaciones, utilizando para ello dos variables dependientes diferentes (esperanza de vida al nacer y mortalidad infantil). Asimismo, la variable de renta fue introducida de manera diferente en un gran número de especificaciones (incluyéndola de manera inversa, inversa al cuadrado e inversa logarítmica). Finalmente, la variable de distribución de la renta utilizada en las estimaciones fue el índice de Gini calculado con diferentes escalas de equivalencia a partir de la información suministrada por el PHOGUE. Para el análisis empírico se han utilizado las técnicas de panel siendo la principal ventaja de la metodología de datos de panel el permitir una gran flexibilidad en la modelización de las diferencias entre países europeos. En particular, se han considerado el modelo de efectos fijos y el de efectos aleatorios. El principal objetivo es capturar la heterogeneidad no observable, ya sea entre los países o en el tiempo. Por último, en el proceso de estimación econométrica se ha realizado el contraste de Hausman (1978) para verificar si el modelo que mejor se ajusta a los datos es el de efectos fijos o el de efectos aleatorios12. Las Tablas 3-6 muestran los resultados correspondientes a diferentes especificaciones. Asimismo, se han incluido los tests de Hausman que proporcionan la evidencia de correlaciones entre los efectos individuales y el estimador de los regresores. Finalmente, el test de Wald es incluido a fin de poder evaluar la significatividad conjunta de las variables. 11 Si bien es cierto podrían existir errores en la especificación por el uso de la renta media al cuadrado en vez de la renta media al cuadrado o la omisión de zk, sin embargo nos centraremos posteriormente en la hipótesis de la renta absoluta. 12 El resultado esencial de Hausman es que la covarianza de un estimador eficiente con su diferencia frente a un estimador ineficiente es cero. 13 TABLA 3. Resultados. Datos de Panel. Variable Dependiente: Esperanza de vida (hombres). Efectos Aleatorioss Modelo 1 Modelo 2 Modelo 3 Variables -0.20317360 -0.20210290 (1/GDPC) (Coefficient) Std. Error (0.0556980) (0.0557451) T Statistic -3.65 -3.63 P-value 0.000 0.000 0.00098860 0.00098190 (1/GDPC)2 (Coefficient) Std. Error (0.0004091) (0.0004094) T Statistic 2.42 2.40 P-value 0.016 0.016 -0.07549362 Gini (OCDEco) (Coefficient) Std. Error (0.03665248) T Statistic -2.06 P-value 0.039 -0.07344930 Gini (OCDE) (Coefficient) Std. Error (0.0378905) T Statistic -1.94 P-value 0.053 Gini (s=0) (Coefficient) Std. Error T Statistic P-value Gini (s=0.25) (Coefficient) Std. Error T Statistic P-value Gini (s=0.5) (Coefficient) Std. Error T Statistic P-value Gini (s=0.75) (Coefficient) Std. Error T Statistic P-value Gini (s=1) (Coefficient) Std. Error T Statistic P-value 0.4937 0.4898 R-square 75.33 (0.0000) 74.88 (0.0000) Wald Statistic and Prob(Wald) 4.26 (0.2347) 3.48 (0.3233) Hausman Statistic and Prob(Hausman) Fuente: Elaboración propia a partir de PHOGUE, Eurostat y OECD Health Data. -0.20729580 (0.0562193) -3.69 0.000 0.00100720 (0.0004126) 2.44 0.015 Modelo 4 -0.20470400 (0.0560141) -3.65 0.000 0.00098910 (0.0004110) 2.41 0.016 Modelo 5 -0.20254700 (0.0558620) -3.63 0.000 0.00097640 (0.0004098) 2.38 0.017 Modelo 6 -0.20127040 (0.0558627) -3.60 0.000 0.00097070 (0.0004099) 2.37 0.018 Modelo 7 -0.20017160 (0.0559357) -3.58 0.000 0.00096800 (0.0004104) 2.36 0.018 -0.07900560 (0.0382782) -2.06 0.039 -0.07378080 (0.0367512) -2.01 0.045 -0.07125890 (0.0364040) -1.96 0.050 -0.06952660 (0.0377155) -1.84 0.065 0.4921 73.18 (0.0000) 4.21 (0.2396) 14 0.4921 73.86 (0.0000) 4.58 (0.2052) 0.4909 74.41 (0.0000) 4.25 (0.2354) 0.4869 74.21 (0.0000) 3.23 (0.3578) -0.07016460 (0.0407982) -1.72 0.085 0.4820 73.74 (0.0000) 1.92 (0.5890) TABLA 4. Resultados. Datos de Panel. Variable Dependiente: Esperanza de Vida (hombres). Efectos Fijos Variables Modelo 1 Modelo 2 Modelo 3 -0.19777570 -0.19672970 -0.20073950 (1/GDPC) (Coefficient) Std. Error (0.0546773) (0.0548948) (0.0547645) T Statistic -3.62 -3.58 -3.67 P-value 0.000 0.001 0.000 0.00088200 0.00088010 0.00087390 (1/GDPC)2 (Coefficient) Std. Error (0.0004034) (0.0004051) (0.0004036) T Statistic 2.19 2.17 2.17 P-value 0.031 0.032 0.033 -0.09650590 Gini (OCDEco) (Coefficient) Std. Error (0.0380399) T Statistic -2.54 P-value 0.013 -0.09391380 Gini (OCDE) (Coefficient) Std. Error (0.0394465) T Statistic -2.38 P-value 0.019 -0.09846120 Gini (s=0) (Coefficient) Std. Error (0.0394349) T Statistic -2.50 P-value 0.014 Gini (s=0.25) (Coefficient) Std. Error T Statistic P-value Gini (s=0.5) (Coefficient) Std. Error T Statistic P-value Gini (s=0.75) (Coefficient) Std. Error T Statistic P-value Gini (s=1) (Coefficient) Std. Error T Statistic P-value 0.4963 0.4922 0.4952 R-square 29.23 (0.0000) 28.76 (0.0000) 29.11 (0.0000) F Statistic and Prob(F) Fuente: Elaboración propia a partir de PHOGUE, Eurostat y OECD Health Data. 15 Modelo 4 -0.19852400 (0.0547513) -3.63 0.000 0.0006650 (0.0004035) 2.15 0.034 Modelo 5 -0.19655150 (0.0548195) -3.59 0.001 0.00086290 (0.0004040) 2.14 0.035 Modelo 6 -0.19538070 (0.0550576) -3.55 0.001 0.00086410 (0.0004059) 2.13 0.036 Modelo 7 -0.19419900 (0.0553490) -3.51 0.001 0.00086550 (0.0004082) 2.12 0.037 -0.09464400 (0.0380219) -2.49 0.015 -0.09192260 (0.0377578) -2.43 0.017 -0.08852050 (0.0391693) -2.26 0.026 0.4950 29.08 (0.0000) 0.4936 28.92 (0.0000) 0.4892 28.41 (0.0000) -0.08628360 (0.0424235) -2.03 0.045 0.4839 27.81 (0.0000) TABLA 5. Resultados. Datos de Panel. Variable Dependiente: Mortalidad Infantil. Efectos Aleatorios. Variables Modelo 1 Modelo 2 Modelo 3 -0.82907870 -0.77449100 -0.81999190 (1/GDPC) (Coefficient) Std. Error (0.2851968) (0.2826027) (0.3912987) T Statistic -2.91 -2.74 -2.10 P-value 0.004 0.006 0.036 0.01938350 0.01824580 0.04465918 (1/GDPC)2 (Coefficient) Std. Error (0.0080650) (0.0080181) (0.0179478) T Statistic 2.40 2.28 2.49 P-value 0.016 0.023 0.013 0.05717900 Gini (OCDEco) (Coefficient) Std. Error (0.0324772) T Statistic 1.76 P-value 0.078 0.06896860 Gini (OCDE) (Coefficient) Std. Error (0.0325499) T Statistic 2.12 P-value 0.034 0.06499690 Gini (s=0) (Coefficient) Std. Error (0.04186315) T Statistic 1.55 P-value 0.012 Gini (s=0.25) (Coefficient) Std. Error T Statistic P-value Gini (s=0.5) (Coefficient) Std. Error T Statistic P-value Gini (s=0.75) (Coefficient) Std. Error T Statistic P-value Gini (s=1) (Coefficient) Std. Error T Statistic P-value 0.4345 0.4571 0.4021 R-square 48.82 (0.0000) 50.31 (0.0000) 20.88 (0.0001) Wald Statistic and Prob(Wald) 11.44 (0.0096) 10.54 (0.0145) 10.83 (0.0127) Hausman Statistic and Prob(Hausman) Fuente: Elaboración propia a partir de PHOGUE, Eurostat y OECD Health Data. 16 Modelo 4 -0.76934960 (0.3800448) -2.02 0.043 0.04117910 (0.0174784) 2.36 0.018 Modelo 5 -0.72447730 (0.3717302) -1.95 0.051 0.03818180 (0.0171333) 2.23 0.026 Modelo 6 -0.80325370 (0.2813448) -2.86 0.004 0.01888520 (0.0079743) 2.37 0.018 Modelo 7 -0.74520510 (0.2758827) -2.70 0.007 0.01774690 (0.0078515) 2.26 0.024 0.07900720 (0.0396217) 1.99 0.046 0.09287610 (0.0383154) 2.42 0.015 0.06757200 (0.0330966) 2.04 0.041 0.4362 23.30 (0.0000) 11.68 (0.0086) 0.4677 25.96 (0.0000) 11.55 (0.0091) 0.4519 50.18 (0.0000) 10.61 (0.0140) 0.09036170 (0.0347555) 2.60 0.009 0.4882 53.58 (0.0000) 9.16 (0.0272) TABLA 6. Resultados. Datos de Panel. Variable Dependiente: Mortalidad Infantil. Efectos Fijos. Variables Modelo 1 Modelo 2 -1.76529600 -1.76174700 (1/GDPC) (Coefficient) Std. Error (0.6385843) (0.5355680) T Statistic -2.76 -2.77 P-value 0.007 0.007 0.10276210 0.10205730 (1/GDPC)2 (Coefficient) Std. Error (0.0312556) (0.0311413) T Statistic 3.29 3.28 P-value 0.002 0.002 0.09743001 Gini (OCDEco) (Coefficient) Std. Error (0.0372649) T Statistic 1.54 P-value 0.128 0.08691080 Gini (OCDE) (Coefficient) Std. Error (0.0506144) T Statistic 1.72 P-value 0.090 Gini (s=0) (Coefficient) Std. Error T Statistic P-value Gini (s=0.25) (Coefficient) Std. Error T Statistic P-value Gini (s=0.5) (Coefficient) Std. Error T Statistic P-value Gini (s=0.75) (Coefficient) Std. Error T Statistic P-value Gini (s=1) (Coefficient) Std. Error T Statistic P-value 0.3824 0.3923 R-square 6.03 (0.0010) 6.26 (0.0000) F Statistic and Prob(F) Fuente: Elaboración propia a partir de PHOGUE, Eurostat y OECD Health Data. Modelo 3 -1.39351100 (0.3100276) -4.49 0.000 0.03272960 (0.0085292) 3.84 0.000 Modelo 4 -1.3824800 (0.3102315) -4.46 0.000 0.03246990 (0.0085347) 3.80 0.000 Modelo 5 -1.79354700 (0.6372129) -2.81 0.006 0.10440600 (0.0311755) 3.35 0.001 Modelo 6 -1.77732440 (0.6332302) -2.80 0.007 0.10270680 (0.0310166) 3.31 0.001 Modelo 7 -1.76391100 (0.6264760) -2.82 0.006 0.10090480 (0.0307397) 3.28 0.002 0.05141509 (0.0447358) 1.15 0.255 0.05151843 (0.04365859) 1.18 0.242 0.098587980 (0.03704866) 1.52 0.134 0.09134180 (0.0504190) 1.81 0.074 0.3880 16.51 (0.0000) 17 0.3955 16.55 (0.0000) 0.3787 6.00 (0.0011) 0.3937 6.40 (0.0000) 0.11433260 (0.0522015) 2.19 0.032 0.4130 7.01 (0.0003) Las Tablas 3 y 4 muestran los resultados al utilizar la variable de Esperanza de Vida masculina (Life Expectancy Male) como variable dependiente utilizando a su vez la inversa del Producto Nacional Bruto per capita y su cuadrado, junto con el índice de Gini como variables independientes. Las tres variables aparecen como significativas y la formulación no-logaritmica es preferible. El grado de explicación, medido por el R 2 , es aceptable. Asimismo, los signos de las variables son los esperados y su significatividad estadística es la adecuada. Otros resultados con la mortalidad infantil como variable dependiente son presentados en las Tablas 5 y 6. El R 2 es mas bajo que para el caso de las estimaciones sobre la esperanza de vida pero el modelo es bastante similar. 5. CONCLUSIONES Este trabajo proporciona nueva evidencia empírica acerca de una temática de larga tradición en otros países como es la relación entre la desigualdad de la renta y la salud13. Los resultados obtenidos muestran el fuerte impacto de la influencia de la desigualdad de la renta en los indicadores de salud al utilizarse datos agregados. Esta es una conclusión muy importante que permanece invariable para una amplia variedad de especificaciones y para cada una de las dos variables dependientes consideradas en el caso de los países de la Unión Europea en el periodo 1993-2000 en base a la nueva información proporcionada por el PHOGUE y diferentes escalas de equivalencia. El resultado más importante es la influencia de la variable de distribución de la renta y que el signo de los estimadores correspondientes es el esperado: Una mayor desigualdad está asociada con una alta mortalidad. Por otro lado, los resultados indican que una mayor esperanza de vida está asociada con una menor desigualdad, si bien las variables de tipo ambiental y social son importantes en términos de salud 18 Finalmente, los resultados tienen a nuestro juicio importantes implicaciones y vienen a complementar los obtenidos en Gravelle et al. (2002 y 2003) al demostrar los problemas teóricos que plantea la utilización de datos agregados (Deaton y Muellbauer, 1980) con el objetivo de proporcionar la evidencia necesaria para el cumplimiento de las hipótesis de la renta relativa y la hipótesis de la renta absoluta. 6. REFERENCIAS BIBLIOGRAFICAS Ben-Shlomo, Y., White, I.R., Marmot, M. (1996): “Does the variation in the socioeconomic characteristics of an area affect mortality?”. British Medical Journal, 312, no 7037, 1013-14. Benzeval, M., Judge, K., Shouls, S. (2001): “Understanding the realtionship between income and health: how much can be gleaned from cross-sectional data?”. Social Policy & Administration, 35, 376-396. Borrell, C., Rico, A., Ramos, X. (2002): “Distribución de la renta, pobreza y esperanza de vida en España”. In Aibar, C., Cabasés, J.M., Villalbí, J.R. (eds.): Informe SESPAS 2002. Invertir para la salud. Prioridades en salud pública, 67-72, Valencia. Buhmann, B., Rainwater, L., Schmaus, G. y Smeeding, T.M. (1988): “Equivalence Scales Well-Being, Inequality and Poverty: Sensitivity Estimates Across Ten Countries Using the Luxembourg Income Study (LIS) Database”. Review of Income and Wealth, 42, 381-399. Coulter, F., Cowell, F. y Jenkins, S. (1992): “Equivalence Scales Relativities and the Extent of Inequality and Poverty”. Economic Journal, 102, 1067-1082. Daniels, N., Kawachi I., Kennedy B.P. (2000): Is inequality bad for our health?. Beacon Press, Boston. Deaton A. (1999): “Inequalities in income and inequalities in health”. National Bureau of Economic Research Working Paper, WP 7141, Cambridge, Mass.. Deaton A. (2001a): “Health, inequality and economic development”. NBER Working Paper, W8318, Cambridge. Deaton A. (2001b): “Relative deprivation, inequality and mortality”. NBER Working Paper, W8099, Cambridge. Deaton, A., Muellbauer, J. (1980): Economics and Consumer Behaviour. Cambridge University Press, Cambridge. Deaton, A., Paxson, C. (2001): “Mortality, Education, Income and Inequality among American Cohorts”. In Wise, D.A. (ed.): Themes in the Economics of Aging, University of Chicago Press, Chicago, 12971. Eberstadt, N., Satel, S. (2004): Health and the income inequality hypothesis. A doctrine in search of data. The American Enterprise Institute Press, Washington, D.C. Ecob, R., Davey, S.G. (1999): “Income and health: what is the nature of the relationship”. Social Science and Medicine, 48, 693-705. 13 Para el caso español, entre otras, son relevantes las aportaciones efectuadas hasta la fecha por Borrell, Rico, y Ramos (2002) o López I Casasnovas y Rivera (2002). La experiencia comparada muestra que éste es un tema en el que los estudios empíricos han sido más frecuentes tal y como se muestra en Eberstadt y Satel (2004). 19 Ettner, S. (1996): “New evidence on the relationship between income and health”. Journal of Health Economics, 15, 67-85. Fiscellla, K., Franks, P. (1997): “Poverty or income inequality as a predictors of mortality: longitudinal cohort study”. British Medical Journal, 314, 1724-1732. Gravelle, H. (1998): “How much of the relation between population mortality and unequal distribution of income is a statistical artefact?”. British Medical Journal, 314, no. 7128, 382-385. Gravelle, H. Wildman, J., Sutton, M. (2002): “Income, income inequality and health: What can we learn from aggregate data?”. Social Science and Medicine, 54, 577-89. Gravelle, H. Wildman, J., Sutton, M. (2003): “Health and income inequality: attempting to avoid the aggregation problem”. Applied Economics, 35, 999-1004. Greene, W.H. (2003): Econometric Analysis. 5th Edition, Prentice Hall, New York. Hausman, J.A. (1978): “Specification Tests in Econometrics”. Econometrica, 46, 1013-1029. House, J.S. (2001): “Related Social Inequality in Health and Income”. Journal of Health Politics, Policy and Law, Vol. 26, Nº 3, 523-30. Kaplan, G.A., Pamuk, E.R., Lynch, J.W., Cohen, R.D., Balfour, J.G. (1996): “Inequality in income and mortality in the United States: Analysis of mortality and potential pathways”. British Medical Journal, 312, no. 7037, 999-1003. Kawachi, I., Kennedy, B.P., Prothrow-Smith, D. (1996): “Income distribution and mortality: crosssectional ecological study of the Robin Hood index in the United States”. British Medical Journal, 312, 1004-1007. Kawachi I., Kennedy B.P., Wilkinson, R.G. (eds.) (1999): The Society and Population Health Reader: Income Inequality and Health. Vol. 1, New Press, New York. Le Grand, J. (1987): “Inequalities in Health: some international comparisons”. European Economic Review, 31, 182-191. López I Casasnovas, G., Rivera, B. (2002): “Las políticas de equidad en salud y las relaciones entre renta y salud”. Hacienda Pública Española, 161-(2/2002), 99-126. Mellor, J., Milyo, J. (2001): “Re-examining the evidence of an ecological association between income inequality and health”. Journal of Health Politics, Policy and Law, Vol. 26, Nº 3, 487-522. Mellor, J., Milyo, J. (2002): “Income Inequality and Health Status in the United States: Evidence from the current population survey”. Journal of Human Resources, 37, no. 3, 510-39. Muller, A. (2002): “Education, Income Inequality and Mortality: A Multiple Regression Analysis”. British Medical Journal, 324, no. 7328, 23-25. Preston S.H. (1975): “The changing relation between mortality and level of economic development”. Population Studies, 29, 231-48. Pritchett L., Summers L.H. (1996): “Wealthier is healthier”. Journal of Human Resources, 31(4), 841-68. Robinson, W.S. (1950): “Ecological correlations and the behavior of individuals”. American Sociological Review, 15, no. 3, 357-61. Rodgers, G.B. (1979): “Income and inequality as determinants of mortality: An international crosssection analysis”. Population Studies, 39, 343-351. (Also available like reprints and reflections in International Journal of Epidemiology (2002); 31, 533-538). 20 STATACorp (2003): STATA Manuals (Version 8.0). STATA Press, Texas. Van Doorsaler, E., Wagstaff, A., Bleichrodt, H. et al. (1997): “Income-related inequalities in health: some international comparisons”. Journal of Health Economics, 16 (1), 93-112. Van Doorsaler, E., Wagstaff, A. (2000): “Equity and health care financing and delivery”. In Culyer, A., Newhouse, J. (eds.), The Handbook of Health Economics, vol. 1, chapter 34, Elsevier, Oxford. Waldmann, R.J. (1992): “Income distribution and infant mortality”. Quaterly Journal of Economics, 107, 1283-302. Wildman, J. (2001): “The impact of income inequality on individual and societal health: absolute income, relative income and statistical artefact”. Health Economics, 10, 357-61. Wildman, J. (2003): “Modelling health, income and income inequality: the impact of income inequality on health and health inequality”. Journal of Health Economics, 22(4), 521-538. Wilkinson, R.G (1992): “Income distribution and life expectancy”. British Medical Journal, 304, no. 6820, 165-168. Wilkinson, R.G. (1996): Unhealthy Societies: The Afflictions of Inequality. Routledge, London. 21
