De determinanten van ziektekosten
voor verzekerden en onverzekerden
Nina van Ettekoven
10071369
BSc Econometrie en Operationele Research
Begeleider: dhr. dr. J.C.M. van Ophem
Inhoudsopgave
1 Inleiding 3 2 Theoretisch kader 4 3 Onderzoeksopzet 8 4 Het model 11 5 Resultaten en analyse 14 5.1 Beschrijvende statistieken . . . 15 5.2 Regressieresultaten en interpretatie . . . 18 5.2.1 Demografische variabelen . . . 19 5.2.2 Socio-economische variabelen . . . 20 5.2.3 Gezondheidsvariabelen . . . 21 6 Conclusies 23 7 Bibliografie 251
Inleiding
De ziektekostenuitgaven in de Verenigde Staten zijn de afgelopen jaren sterk gestegen. In 2011 bedroeg het totaal 2.7 biljoen dollar, een gemiddelde van 8680 dollar per persoon. Dit bedrag is ten opzichte van 2000 bijna verdubbeld, en ligt ongeveer 90 procent hoger dan de uitgaven in andere ontwikkelde landen (National Center for Health Statistics (NCHS), 2014). Tegelijkertijd is de Verenigde Staten het enige welvarende, ge¨ındustrialiseerde land ter wereld dat geen universeel zorgstelsel kent (NCHS, 2014). In 2012 was 15.4 procent van de bevolking niet verzekerd voor ziektekosten. Dit zijn 48.0 mil-joen mensen (US Census Bureau, 2012). Uit onderzoek van het NCHS blijkt dat een te hoge premie de belangrijkste reden is voor het niet hebben van een ziektekostenverzekering (2014). Het hoge niveau van ziektekosten in de Verenigde Staten heeft als gevolg dat niet iedereen die zorgbehoevend is, deze zorg ook daadwerkelijk krijgt. In 2005 gaven 40 miljoen volwassenen aan geen vorm van medische hulp te zoeken wanneer dit wel nodig was, omdat zij het zich niet konden veroorloven (NCHS, 2007). Onderzoek toont aan dat ieder miljoen onverzekerde personen geassocieerd kan worden met 1000 ver-mijdbare sterfgevallen (Wilper et al., 2009). Voor 2012 betekent dit dus 48.000 sterfgevallen die door een ziektekostenverzekering voorkomen hadden kunnen worden.
Het hervormen van het gezondheidszorgsysteem is al jaren een belangrijk punt op de Amerikaanse politieke agenda (Wilper et al., 2009). Desondanks lijkt de huidige, stijgende trend in ziektekostenuit-gaven door te zetten. Het sterk stijgende ziektekostenniveau in combinatie met het relatief grote deel van de bevolking dat niet is verzekerd, geeft reden tot bezorgdheid en onderstreept de behoefte aan verder onderzoek naar deze kwestie. In dit onderzoek wordt ingegaan op de factoren die samenhangen met de keuze van een individu tussen het al dan niet verzekerd zijn voor ziektekosten. De hoofdvraag luidt: Hoe verschillen de determinanten van de hoogte van ziektekosten voor verzekerden en onver-zekerden? Om deze vraag te beantwoorden wordt data gebruikt van het Medical Expenditure Panel Survey over de jaren 2000-2012. De steekproef wordt in twee groepen verdeeld, namelijk personen die wel en niet verzekerd zijn voor ziektekosten. Voor beide groepen wordt afzonderlijk een model geschat met totale ziektekostenuitgaven als de te verklaren variabele.
In het volgende hoofdstuk wordt literatuur inzake dit onderwerp beschouwd en vergeleken. In hoofd-stuk 3 wordt de onderzoeksopzet uitgelegd en een beschrijving gegeven van de dataset. Hoofdhoofd-stuk 4 specificeert vervolgens het model. Hoofdstuk 5 geeft de onderzoeksresultaten weer en hoofdstuk 6 bevat ten slotte de conclusie.
2
Theoretisch kader
In voorgaand onderzoek is uitgebreid ingegaan op factoren die van invloed zijn op de beslissing om wel of geen zorgverzekering te nemen. In Markowitz et al. (1991) wordt onderzocht welke factoren be-palend zijn voor verzekeringsdekking onder Amerikanen tussen 18 en 24 jaar. Uit de resultaten blijkt dat gebrek aan verzekering vooral voorkomt onder personen met lage inkomens, laagopgeleiden, etni-sche minderheden, werklozen en jongvolwassenen. 13 procent van de ondervraagden bleek gedurende het hele onderzoekjaar onverzekerd te zijn, terwijl 24 procent slechts een deel van het onderzoekjaar verzekerd was. Redenen voor niet verzekerd zijn bleken onder andere hoge premies (40 procent van de respondenten), werkloosheid (12 procent), en geen verzekering nodig denken te hebben (9 procent) te zijn. In een latere studie van Ward en Franks (2007) worden de conclusies van Markowitz et al. (1991) bevestigd. Onverzekerde personen zijn naar grotere waarschijnlijkheid jongvolwassen, deel van een etnische minderheid en zijn vaker arm en laagopgeleid. In een recente studie van Shen (2013) wordt een steekproef beschouwd van Amerikanen tussen 22 en 64 jaar met obesitas. In overeenstemming met eerdere resultaten wordt hier gevonden dat inkomen en onderwijs beide een significant positief effect hebben op verzekeringsdekking. Personen die meer verdienen en hoger zijn opgeleid zijn dus naar gro-tere waarschijnlijkheid verzekerd voor ziektekosten. Dit resultaat lijkt de stelling te ondersteunen dat onbetaalbaarheid de voornaamste reden is voor het niet hebben van een zorgverzekering (NCHS, 2014).
De beslissing van een individu om wel of geen gebruik te maken van gezondheidszorg is afhanke-lijk van of hij/zij is verzekerd. Volgens Shen (2013) is de kans dat een verzekerde gebruikmaakt van zorgfaciliteiten 14 tot 15 procentpunt hoger dan de kans dat een onverzekerde dit doet. Ook Ward en Franks (2007) concluderen dat onverzekerden minder toegang hebben tot gezondheidszorg. Een hoger gebruik van zorgfaciliteiten zal over het algemeen leiden tot een stijging in de ziektekosten. Op deze manier kan het hebben van een zorgverzekering indirect tot hogere ziektekosten leiden, welke (gedeeltelijk) afgewenteld zullen worden op de verzekeringsmaatschappij. Het positieve effect van ver-zekerd zijn op ziektekostenuitgaven wordt in Shen (2013) geschat op 48 procent. Wanneer iemand zich verzekert voor ziektekosten leidt dit dus gemiddeld tot een stijging in de ziektekostenuitgaven van 48 procent. Dit resultaat wordt vergeleken met schattingen uit voorgaand onderzoek en blijkt hiermee in overeenstemming te zijn. Zoals men zou verwachten zijn ook lichamelijke en geestelijke ziekten van invloed op de hoogte van zorgkosten. Er wordt aangetoond dat lichamelijke ziekten tot een kosten-verhoging van gemiddeld 35 procent leiden, terwijl de stijging bij geestelijke ziekten op gemiddeld 45 procent ligt (Shen, 2013).
Shen (2013) beredeneert dat personen die meer medische hulp nodig hebben een grotere stimulans hebben om zich te verzekeren. Des te meer ziektekosten een persoon verwacht te maken, des te groter
zal de behoefte zijn zich voor deze kosten te verzekeren. Hetzelfde geldt voor oudere personen, omdat het medische risico over het algemeen stijgt met de leeftijd (Cutler en Zeckhauser, 1998). Als gevolg trekken zorgverzekeringsmaatschappijen naar grotere waarschijnlijkheid mensen aan met relatief hoge gezondheidsrisico’s. Dit adverse-selectieprobleem is algemeen erkend en veelbesproken in de literatuur (Cutler en Zeckhauser, 1998). De implicatie is dat de zorgbehoevendheid binnen de groep verzekerden mogelijk groter is, wat zou kunnen betekenen dat de algehele gezondheid van de groep verzekerden op een lager niveau ligt dan dat van de groep onverzekerden. Aan de andere kant voeren verzeke-ringsmaatschappijen hun eigen selectiebeleid, en zijn zij in mindere mate bereid verzekeringen aan te bieden aan personen in de hoge-risicogroep (Cutler en Zeckhauser, 1998). Dit zou er juist toe kunnen leiden dat zorgverzekeringen niet toegankelijk zijn voor degenen met de grootste behoefte eraan. In een oudere studie van Akerlof (1970) wordt gevonden dat het percentage verzekerden substantieel lager is voor personen boven 65 jaar (31 procent) dan voor personen tussen 45 en 54 jaar (63 procent), terwijl het gezondheidsrisico voor de eerstgenoemde groep hoger ligt. Dit resultaat lijkt inderdaad te wijzen op selectie door verzekeringsmaatschappijen. Hoewel met de introductie van Medicare1 de
mo-gelijkheden tot discriminatie door verzekeringsmaatschappijen zijn ingeperkt, is er nog steeds sprake van zogenaamde ‘risk selection’ op basis van gezondheidskenmerken (Cutler en Zeckhauser, 1998). Als ziektekostenverzekeringen hierdoor meer toegankelijk zijn voor mensen met lage gezondheidsrisico’s, impliceert dit juist dat de gezondheid van de groep verzekerden op een hoger niveau ligt dan dat van de groep onverzekerden.
De relatie tussen het al dan niet verzekerd zijn voor ziektekosten en de gezondheid van een persoon wordt ook onderzocht door Franks et al. (1993). De steekproef bestaat uit Amerikaanse volwassenen tussen 25 en 64 jaar. Gezondheid wordt gemeten aan de hand van ‘subjective health status’, oftewel iemands eigen perceptie van zijn gezondheidstoestand. De hypothese is dat onverzekerden in slech-tere gezondheidstoestand verkeren dan verzekerden, en dat dit geldt voor personen met zowel lage als hoge inkomens. Dit staat dus in contrast met wat men zou verwachten op basis van adverse selec-tie. De gedachte hierachter is dat onverzekerden minder gebruikmaken van zorgfaciliteiten en minder snel medische hulp zoeken, een bevinding die overeenkomt met eerder genoemde resultaten van Shen (2013). Voorgaande studies beredeneren dat het positieve gezondheidseffect van verzekerd zijn zich beperkt tot personen met een laag inkomen, omdat laag inkomen op zich verband houdt met een slechtere gezondheid en laag inkomen gecorreleerd is met niet verzekerd zijn. Op deze manier zou het lage inkomen dus een slechtere gezondheid veroorzaken, en niet het gebrek aan verzekering op zich. In Franks et al. (1993) wordt de door hen gestelde hypothese echter bevestigd: het niveau van de gezondheidstoestand van onverzekerden blijkt significant lager dan dat van verzekerden. Er worden
1
Een sociaal verzekeringsprogramma dat instaat voor toegang tot gezondheidsverzekeringen voor personen boven 65 jaar en jongere personen met een handicap of terminale nierziekte, ingevoerd in 1965 (Medicare, 2014).
afzonderlijke analyses uitgevoerd voor de lage- en hoge-inkomensgroep (inkomen respectievelijk lager en hoger dan 200 procent van de armoedegrens), en hoewel het negatieve verband tussen gezondheid en onverzekerd zijn groter is voor de lage-inkomensgroep, wordt ook in de hoge-inkomensgroep gebrek aan verzekering geassocieerd met een lager gezondheidsniveau. Ook buiten de invloed van laag inko-men om lijken verzekeringsdekking en gezondheid dus negatief gecorreleerd te zijn.
Een andere factor die in beschouwing moet worden genomen bij het analyseren van het verband tus-sen ziektekostenverzekering en gezondheid is het zogenaamde ‘moral hazard’ effect. Moral hazard wil zeggen dat partijen zich anders gaan gedragen indien zij niet het direct risico lopen voor hun daden. In de huidige context kan dit twee dingen betekenen. Ten eerste kan het afsluiten van een zorgverzekering leiden tot een toename in ongezonde gewoonten, omdat de eventueel resulterende ziektekosten gedekt zullen worden door de verzekeringsmaatschappij. Dave en Kaestner (2009) benadrukken de theorie dat zorgverzekering ertoe kan leiden dat iemand minder gebruikmaakt van preventieve zorg, omdat de kosten bij eventuele ziekte niet voor eigen rekening zullen zijn. Om dezelfde reden kan verzekering een stijging in ongezond gedrag, zoals roken en drinken, tot gevolg hebben. Ten tweede kan het afsluiten van een zorgverzekering tot gevolg hebben dat iemand eerder en vaker naar een dokter stapt, opnieuw omdat de kosten hiervan gedekt zullen worden. Zoals gevonden in Shen (2013) stijgt het aantal dok-tersbezoeken aanzienlijk als iemand zich verzekert. Dave en Kaestner (2009) stellen dat in voorgaand onderzoek niet veel bewijs is gevonden voor de moral hazard theorie. Dit komt volgens hen doordat de twee genoemde moral hazard effecten tegengestelde invloeden hebben op de gezondheid. Een toename in ongezonde gewoonten zal een negatief effect op de algehele gezondheid hebben, terwijl een toename in het aantal doktersbezoeken van positieve invloed is. Dave en Kaestner (2009) trachten de twee effecten van elkaar te scheiden door een model te schatten dat controleert voor doktersbezoeken. Er wordt bewijs gevonden voor het bestaan van het eerstgenoemde, negatieve moral hazard effect onder Amerikaanse mannen jonger dan 65 jaar. Voor de personen in die groep geldt dat het hebben van een zorgverzekering geassocieerd wordt met een 39.7 procent lagere kans dat iemand intensief sport, een 15.8 procent hogere kans dat iemand dagelijks rookt en een 14.8 procent hogere kans dat iemand dage-lijks alcohol drinkt. Onder vrouwen blijken de cijfers niet significant. Tevens wordt er bewijs gevonden voor het tweede, positieve moral hazard effect. Het hebben van een zorgverzekering wordt geassocieerd met een hoger aantal doktersbezoeken, met een significante verbetering van de gezondheid als gevolg.
Hoe het al dan niet hebben van een ziektekostenverzekering zich verhoudt tot de hoogte van de zorgkosten is afhankelijk van verschillende factoren. Aan de ene kant lijkt het hebben van een zorgver-zekering op zich te leiden tot hogere kosten, doordat de waarschijnlijkheid dat men een dokter bezoekt stijgt. Aan de andere kant lijkt gezondheid van invloed te zijn. Zoals genoemd zal een slechtere ge-zondheid over het algemeen leiden tot hogere ziektekosten. Uit de literatuur blijkt echter dat de relatie
tussen verzekering en gezondheid niet eenduidig is. Meerdere factoren spelen hier een rol, die beide kanten op kunnen werken. In het vervolg van deze studie zal nader onderzoek worden gedaan naar de totstandkoming van het ziektekostenniveau en zal getracht worden duidelijkheid over het effect van verzekering hierop te vergroten.
3
Onderzoeksopzet
De dataset die gebruikt wordt voor deze studie is afkomstig van het Medical Expenditure Panel Sur-vey (MEPS). Het MEPS is een verzameling van grootschalige, jaarlijkse enquˆetes in de Verenigde Staten beginnend in 1996. In het huidige onderzoek wordt gebruikgemaakt van gegevens over de jaren 2000-2012 met sprongen van drie jaar. De enquˆetes bestaan uit meerdere componenten, maar voor deze studie wordt alleen het gedeelte gebruikt dat betrekking heeft op huishoudens. Het ‘household component’ bevat gedetailleerde gegevens van Amerikaanse families en individuen over demografische karakteristieken, gezondheid, gebruik van en toegang tot medische faciliteiten, zorgverzekering, ziekte-kostenuitgaven, werk en inkomen. De ondervraagde huishoudens zijn getrokken uit een representatieve sub-steekproef van de populatie, namelijk huishoudens die deelgenomen hebben aan het National He-alth Interview Survey, uitgevoerd door het NCHS (MEPS, 2014).
Ieder jaar wordt er een nieuwe steekproef getrokken. Huishoudens zijn dus niet herhaaldelijk on-dervraagd. Er is daarom sprake van een reeks cross-secties, oftewel een pseudopanel. Deaton (1985) gaat in op technieken die toepasbaar zijn op pseudopaneldata. Er moeten cohorten ge¨ıdentificeerd worden bestaande uit individuen die over de tijd hetzelfde gedrag vertonen. De cohorten moeten zo gedefinieerd zijn dat iedere persoon bij een ander onderzoek, ongeacht de aard ervan, bij hetzelfde cohort zou horen. Er moeten genoeg cohorten zijn om betrouwbaar te schatten, maar tegelijkertijd moeten cohorten voldoende groot zijn om meetfouten te beperken. In deze studie wordt gebruikge-maakt van cohorten gebaseerd op geslacht en geboortejaar, dus bijvoorbeeld mannen geboren in 1950 of vrouwen geboren in 1975. Respondenten die na 1990 geboren zijn worden buiten beschouwing ge-laten. Aangezien de dataset na het uitsluiten van deze jongeren gemiddeld rond de 25.000 observaties per jaar bevat met zo’n 70 verschillende geboortejaren, leveren de combinaties van geboortejaren en geslacht rond de 70*2=140 cohorten op en een gemiddelde cohortgrootte van 25.000/140=178,6.
In deze studie worden twee modellen geschat, een voor de groep respondenten die verzekerd zijn voor ziektekosten (zowel publieke als private verzekeringen) en een voor de groep respondenten die niet verzekerd zijn. In beide modellen wordt gebruikgemaakt van dezelfde variabelen. De afhankelijke variabele is totale ziektekostenuitgaven in een jaar, afgekort als T OT EXP . Hiervan zal de logaritme worden genomen, zoals later wordt gemotiveerd. De verklarende variabelen kunnen onderverdeeld worden in drie categorien: demografische kenmerken, socio-economische variabelen en variabelen ge-relateerd aan de gezondheid van de respondent. Hieronder volgt een overzicht van de verklarende variabelen en de operationalisering ervan.
Tabel 1: Verklarende variabelen
Variabele Uitleg Waarden Demografisch
DOBYY Geboortejaar discreet
SEX Dummy voor geslacht 0=man, 1=vrouw RACE1* Dummy voor etniciteit 1 0=niet-blank, 1=blank RACE2* Dummy voor etniciteit 2 0=niet-zwart, 1=zwart RACE3* Dummy voor etniciteit 3 0=niet-hispanic, 1=hispanic RACE4* Dummy voor etniciteit 4 0=niet-Aziatisch, 1=Aziatisch MARRY1* Dummy burgerlijke staat 1 0=niet getrouwd, 1= getrouwd
MARRY2* Dummy burgerlijke staat 2 0=geen weduwe/weduwnaar, 1=we-duwe/weduwnaar
MARRY3* Dummy burgerlijke staat 3 0=niet gescheiden, 1=gescheiden REGION1* Dummy regio woonplaats 1 0= niet noordoost, 1=noordoost REGION2* Dummy regio woonplaats 2 0= niet midwest, 1=midwest REGION3* Dummy regio woonplaats 3 0= niet zuid, 1=zuid
NUMFAM Aantal familieleden discreet Socio-economisch
EDUC Jaren opleiding genoten discreet INCOME Individueel jaarinkomen continu FAMINC Jaarinkomen familie als percentage van
armoedegrens
1=arm/negatief, 2=bijna arm, 3=laag inkomen, 4=middeninkomen, 5= hoog inkomen
WORK Arbeidspositie 0=werkloos, 1=werkend Gezondheid
HEALTH Eigen perceptie van gezondheid 1=uitstekend, 2=heel goed, 3=goed, 4=redelijk, 5=slecht
MHEAL Eigen perceptie van mentale gezond-heid
1=uitstekend, 2=heel goed, 3=goed, 4=redelijk, 5=slecht
SMOKE Dummy voor roken 0=niet-roken, 1=roken DOCVIS Aantal doktersbezoeken in jaar discreet
ILLNS Telt hoeveel van de volgende aandoe-ningen individu heeft (gehad): kanker, artritis, astma, diabetes, beroerte, hart-en vaatziekthart-en, emfyseem
discreet
etniciteit waren vijf antwoorden mogelijk: blank, zwart, hispanic, Aziatisch en anders. Er zijn daarom vier dummyvariabelen gecre¨eerd. Als voor een respondent de vier dummywaarden 0 zijn, betekent dit dus dat de respondent een andere etniciteit heeft dan de vier genoemde. Op de surveyvraag over burgerlijke staat waren vier antwoorden mogelijk: getrouwd, weduwe/weduwnaar, gescheiden en nooit getrouwd geweest. Als voor een respondent alle drie de dummywaarden 0 zijn, betekent dit dus dat de respondent nooit getrouwd is geweest. Op de surveyvraag over de regio van de woonplaats waren vier antwoorden mogelijk: het noordoosten, het midwesten, het zuiden en het westen van de Verenigde Sta-ten. Als voor een respondent de drie dummywaarden 0 zijn, is de persoon dus woonachtig in het wesSta-ten.
De modellen worden geschat met behulp van Stata. De respondenten waarvoor de waarde van de afhankelijke variabele mist worden uitgesloten van analyse. In verband met het pseudopanel heeft iedere variabele 2 dimensies, te zien aan het dubbele subscript. Hierin verwijst i naar het betreffende cohort en t naar het jaar waarin wordt gemeten. Per variabele worden de cohortgemiddelden bepaald, waardoor T OT EXPit bijvoorbeeld verwijst naar het gemiddelde van totale ziektekostenuitgaven van
cohort i, gemeten in jaar t. Voor dummyvariabelen betekent het cohortgemiddelde het percentage van de individuen in het cohort dat een bepaalde eigenschap bezit. Als M ARRY 1it bijvoorbeeld waarde
4
Het model
Bij het schatten van modellen op basis van paneldata moet er onderscheid worden gemaakt tussen zogeheten ‘fixed effects’ en ‘random effects’. Fixed effects zijn eigenschappen die specifiek zijn voor het cohort en die constant zijn over de tijd. Hierbij wordt aangenomen dat deze effecten gecorreleerd zijn met de regressoren. Bij random effects wordt juist aangenomen dat de verschillen tussen cohorten willekeurig zijn, en dat deze niet gecorreleerd zijn met de regressoren (Baltagi, 2007, p. 306). Afhan-kelijk van welke effecten in de data bestaan, moet gekozen worden voor het fixed effects model of het random effects model. Die keuze kan gemaakt worden met behulp van statistische toetsen.
Deaton (1985) beschouwt het volgende paneldata-model: yit= βxit+ νi+ εit
Hierin wordt het cohort-fixed effect gegeven door νi, omdat het model verschillende waarden voor ν
toestaat per cohort - te zien aan subscript i - maar νi wel constant is over de tijd. Om te testen of
er fixed effects zijn, kan er na het schatten van het fixed effects model een F-toets worden gedaan die de gezamenlijke significantie van de νi’s toetst. De nulhypothese is dat νi=0 voor alle i (Heij et
al., 2004, p. 168). Bij verwerping van deze hypothese kan worden aangenomen dat de νi’s gezamenlijk
significant zijn, en dat er dus wel fixed effects zijn. Na het schatten van het random effects model kan de aanwezigheid van random effects worden getoetst met behulp van de Breusch-Pagan LM-toets. Hiermee wordt de nulhypothese getoetst dat V ar(ν) = 0 (Baltagi, 2007, p. 319). Onder H0 bestaat
er geen significant verschil tussen cohorten, en zijn er dus geen random effects. Het verwerpen van de nulhypothese betekent dat er voldoende bewijs is om aan te nemen dat er wel random effects zijn. De Breusch-Pagan LM-toets doet geen uitspraak over het al dan niet bestaan van fixed effects, omdat de toets enkel gebaseerd is op de schatting van het random effects model. In het geval dat er zowel fixed als random effects in de data bestaan, kan er een Hausman-test worden uitgevoerd om een keuze te maken tussen de twee modellen. De Hausman-test toetst de nulhypothese dat de cohort-fixed effects νi niet gecorreleerd zijn met de regressoren xit. In dat geval zou het random effects model gebruikt
moeten worden. Het verwerpen van H0 betekent dat νi wel gecorreleerd is met xit, waardoor het fixed
In dit onderzoek wordt het model als volgt gespecificeerd:
log(T OT EXPit) = β0+β1DOBY Yi+β2SEXi+β3RACE1it+β4RACE2it+β5RACE3it+β6RACE4it
+β7M ARRY 1it+β8M ARRY 2it+β9M ARRY 3it+β10REGION 1it+β11REGION 2it+β12REGION 3it
+β13N U M F AMit+ β14EDU Cit+ β15log(IN COM Eit) + β16log(F AM IN Cit) + β17W ORKit
+β18HEALT Hit+ β19M HEALit+ β20SM OKEit+ β21DOCV ISit+ β22ILLN Sit+ νi+ εit
Van de variabelen T OT EXP, IN COM E en F AM IN C worden logaritmen genomen. Omdat dit alleen mogelijk is wanneer de variabelen enkel positieve waarden aannemen, worden de observaties waarvoor geldt dat T OT EXP, IN COM E of F AM IN C = 0 met 1 verhoogd. Er wordt hierbij verondersteld dat iedere persoon wel iets van ziektekosten of inkomen heeft (zoals een doosje aspirine of een gevon-den euro op straat). Door de logaritmische transformatie kunnen de co¨efficienten van IN COM E en F AM IN C nu worden ge¨ınterpreteerd als de elasticiteit van ziektekostenuitgaven met betrekking tot inkomen en familie-inkomen. De keuze voor het gebruik van logaritmen van variabelen zoals uitgaven en inkomen is veelvoorkomend in de literatuur (Deaton, 1985; Shen, 2013).
Door nulwaarnemingen met 1 te verhogen wordt de data gecensureerd. Omdat het inkomen en de uitgaven positief worden verondersteld, geldt niet meer de standaard kleinste-kwadraten-aanname E(ε|X) = 0, maar wordt aangenomen dat E(ε|X, T OT EXP > 0, IN COM E > 0, F AM IN C > 0) = 0. Op gecensureerde data zijn alternatieve schattingsmethoden van toepassing, zoals de Heckman twee-staps-procedure (Heij et al., 2004, p. 495). In dit onderzoek wordt echter geen rekening gehou-den met de censuur in de data, wat als beperking kan worgehou-den aangemerkt. Een soortgelijk probleem ontstaat met het scheiden van de groepen verzekerden en onverzekerden. Door deze selectiviteit wordt de aanname op de verwachte waarde van de storingsterm nu ook geconditioneerd op de verzekerings-beslissing (hier I genoemd; 0=niet verzekerd, 1=wel verzekerd) van de individu. Er wordt dus - ten onrechte - aangenomen dat E(ε|X, T OT EXP > 0, IN COM E > 0, F AM IN C > 0, I = 0) = 0 en E(ε|X, T OT EXP > 0, IN COM E > 0, F AM IN C > 0, I = 1) = 0. Een andere beperking van dit onderzoek is dat er geen rekening wordt gehouden met de mogelijke endogeniteit van de verzekeringsbeslissing van een individu. Personen met een verzekering zijn zoals in hoofdstuk 2 beredeneerd -eerder geneigd gebruik te maken van gezondheidszorg, omdat de kosten ervan worden gedekt. Aan de andere kant zijn personen met een hoge vraag naar gezondheidszorg ook eerder geneigd zich voor ziektekosten te verzekeren (Shen, 2013). Een manier om met deze mogelijke endogeniteit om te gaan, is door het gebruiken van instrumentele variabelen (Heij et al., 2004, p. 396). Vanwege de reikwijdte van dit onderzoek is deze aanpak achterwege gelaten.
Het model zal voor de groep verzekerden en de groep onverzekerden afzonderlijk worden geschat. Met de genoemde toetsen zal voor beide groepen apart worden bepaald of het fixed- of random effects model geschikt is. Mocht het fixed effect model de uitkomst zijn, dan worden de variabelen DOBY Y en SEX ge¨elimineerd omdat die voor ieder cohort elk jaar dezelfde waarde hebben en dus tijdinvariant zijn. Geboortejaar en geslacht kunnen verschillen in de tijd van de afhankelijke variabele dan niet ver-klaren. Dit geldt niet voor de dummyvariabelen RACE. Ondanks dat etniciteit voor een individu ook een tijdinvariante karakteristiek is, kan binnen het cohort het percentage blanken, zwarten et cetera per jaar verschillen. Ook in het fixed effects model kunnen de RACE-dummy’s dus als regressoren fungeren.
5
Resultaten en analyse
Op basis van het eerder gedefinieerde model is voor de groep verzekerden en de groep onverzekerden getoetst op fixed en random effects. Dit is gedaan nadat beide varianten van het model geschat zijn. De toets voor fixed effects is gebaseerd op de schatting van het fixed effects model, en de Breush-Pagan LM- toets voor random effects is gebaseerd op de schatting van het random effects model. De Hausman-toets gebruikt de schattingen van beide modellen. De resultaten zijn weergegeven in onder-staande tabellen.
Tabel 2: Toetsen fixed- en random effects verzekerden
Toetsingsgrootheid p-waarde Conclusie Breusch-Pagan LM-toets.
H0: geen random effects
LM = 8.18 0.0021 H0 verwerpen; er zijn random
effects F-toets voor gezamenlijke
signifi-cantie νi.
H0: geen fixed effects
F (g∗−1, n−g−k) = F (161, 518) = 1.93
0.0000 H0 verwerpen; er zijn fixed
ef-fects
Hausman-toets.
H0: gebruik random effects model
χ2(k) = χ2(20) = 101.40
0.0000 H0 verwerpen; gebruik fixed
effects model
* g= aantal groepen, zie Tabel 4.
Tabel 3: Toetsen fixed- en random effects onverzekerden
Toetsingsgrootheid p-waarde Conclusie Breusch-Pagan LM-toets.
H0: geen random effects
LM = 0.16 0.3439 H0 niet verwerpen; er zijn
geen random effects F-toets voor gezamenlijke
signifi-cantie νi.
H0: geen fixed effects
F (g∗−1, n−g−k) = F (133, 412) = 2.02
0.0000 H0 verwerpen; er zijn fixed
ef-fects
Hausman-toets.
H0: gebruik random effects model
χ2(k) = χ2(20) = 94.87
0.0000 H0 verwerpen; gebruik fixed
effects model
Uit de tabellen blijkt dat voor zowel de groep verzekerden als de groep onverzekerden het fixed effects model geschat moet worden. Zoals toegelicht in het vorige hoofdstuk betekent dit dat de tijdinvariante variabelen DOBY Y en SEX niet worden meegenomen als verklarende variabelen. Het te schatten model wordt dus
log(T OT EXPit) = β0+ β1RACE1it+ β2RACE2it+ β3RACE3it+ β4RACE4it+ β5M ARRY 1it
+β6M ARRY 2it+β7M ARRY 3it+β8REGION 1it+β9REGION 2it+β10REGION 3it+β11N U M F AMit
+β12EDU Cit+ β13log(IN COM Eit) + β14log(F AM IN Cit) + β15W ORKit+ β16HEALT Hit
+β17M HEALit+ β18SM OKEit+ β19DOCV ISit+ β20ILLN Sit+ νi+ εit
5.1 Beschrijvende statistieken
In figuren 1 tot en met 3 zijn de gemiddelden per jaar weergegeven van de totale ziektekostenuitgaven, het inkomen en het aantal doktersbezoeken voor de groep verzekerden en de groep onverzekerden. Het gemiddelde van de ziektekostenuitgaven van de verzekeren vari¨eert per jaar tussen 3000 en 6000, terwijl het gemiddelde van de vijf gemeten jaren 4878 dollar is. Voor de onverzekerden schommelt het gemiddelde van de ziektekostenuitgaven tussen 800 en 1500, en het gemiddelde over de vijf jaren is gelijk aan 1204 dollar. Dit bedrag is dus meer dan vier keer zo laag als dat van de groep verzekerden. Het door Shen (2013) beschreven positieve effect van verzekerd zijn op de hoogte van de ziektekosten lijkt door deze uitkomst ondersteund.
Voor zowel de verzekerden als de onverzekerden stijgt het gemiddelde inkomen over de jaren. Het gemiddelde inkomen van de verzekerden stijgt van 23313 dollar in 2000 naar 34816 dollar in 2012, terwijl dat van de onverzekerden stijgt van 12702 dollar in 2000 naar 16070 dollar in 2012. Over alle vijf jaren genomen ligt het gemiddelde inkomen van de verzekerden ongeveer twee keer zo hoog als dat van de onverzekerden (28959 dollar ten opzichte van 14481 dollar). Deze observatie stemt overeen met de bevinding van Markowitz et al. (1991), Ward en Franks (2007) en Shen (2013) dat niet verzekerd zijn geassocieerd is met een lager inkomen.
Het gemiddeld aantal doktersbezoeken per jaar van verzekerden ligt in alle vijf gemeten jaren tussen 4 en 5, terwijl het gemiddelde voor de onverzekerden steeds tussen 1 en 2 ligt. Deze waarneming is opnieuw in lijn met wat verwacht wordt op basis van de resultaten van Shen (2013), namelijk dat het gebruik van zorgfaciliteiten stijgt wanneer men een verzekering afsluit.
Figuur 1: Gemiddelde ziektekostenuitgaven 0 1,000 2,000 3,000 4,000 5,000 6,000 mean of TOTEXP 2000 2003 2006 2009 2012 Verzekerden 0 1,000 2,000 3,000 4,000 5,000 6,000 mean of TOTEXP 2000 2003 2006 2009 2012 Onverzekerden
Figuur 2: Gemiddeld inkomen
0 10,000 20,000 30,000 40,000 mean of INCOME 2000 2003 2006 2009 2012 Verzekerden 0 10,000 20,000 30,000 40,000 mean of INCOME 2000 2003 2006 2009 2012 Onverzekerden
Figuur 3: Gemiddeld aantal doktersbezoeken
0 1 2 3 4 5 mean of DOCVIS 2000 2003 2006 2009 2012 Verzekerden 0 1 2 3 4 5 mean of DOCVIS 2000 2003 2006 2009 2012 Onverzekerden
In figuur 4 zijn de groep verzekerden en de groep onverzekerden onderverdeeld in etniciteiten. Terwijl de percentages Aziaten, zwarten en overige etniciteiten voor beide groepen dicht bij elkaar liggen, is het percentage blanken binnen de groep verzekerden aanzienlijk groter dan binnen de groep onverze-kerden (62 procent ten opzichte van 39 procent). Het percentage hispanics binnen de groep verzeonverze-kerden
is met 18 procent juist lager dan binnen de groep onverzekerden, waar zij 42 procent van het totaal uitmaken. De bevinding dat onverzekerden vaker deel zijn van een etnische minderheid (Markowitz et al., 1991; Ward en Franks, 2007) lijkt in dit onderzoek dus op te gaan voor een bepaalde etnische minderheid, namelijk de hispanics.
Figuur 4: Etniciteit blank zwart hispanic Aziatisch overig Etniciteit verzekerden blank zwart hispanic Aziatisch overig Etniciteit onverzekerden
De gemiddelde beoordeling van de gezondheid van verzekerden ligt hoger dan die van onverzekerden. Voor de algehele gezondheid is de gemiddelde score 2.43 (met een standaardfout van 0.013) voor verze-kerden en 2.54 (met een standaardfout van 0.024) voor onverzeverze-kerden. Hierbij staat 2 voor ‘heel goed’ en 3 voor ‘goed’, waardoor het gemiddelde van de verzekerden dichterbij ‘heel goed’ ligt. De gemiddelde beoordeling van de mentale gezondheid is voor verzekerden gelijk aan 2.05 (met een standaardfout van 0.009) en voor onverzekerden gelijk aan 2.14 (met een standaardfout van 0.020). Opnieuw betekent 2 ‘heel goed’ en 3 ‘goed’. Hoewel er op basis van deze cijfers geen conclusies kunnen worden getrokken, wordt de stelling van Franks et al. (1993) dat de gezondheid binnen de groep verzekerden op een hoger niveau ligt erdoor ondersteund. De implicatie van adverse selectie dat de gezondheid binnen de groep verzekerden juist lager ligt wordt tegengesproken.
Ook het gemiddeld aantal jaren opleiding genoten blijkt in dit onderzoek hoger onder verzekerden. Onverzekerden hebben gemiddeld 10.25 jaar gestudeerd (met een standaardfout van 0.114), terwijl dit gemiddelde onder verzekerden gelijk is aan 12.40 jaar (met een standaardfout van 0.054). Het negatieve verband tussen verzekeringsdekking en opleidingsniveau (Markowitz et al., 1991; Ward en Franks, 2007; Shen, 2013) is dus ook in dit onderzoek waarneembaar.
5.2 Regressieresultaten en interpretatie
De resultaten van de fixed effect schatting in Stata zijn weergegeven in Tabel 4. Omdat de Wald-toets voor groepsgewijze heteroskedasticiteit aangeeft dat er sprake is van heteroskedastische residuen (output niet weergegeven), worden er robuuste standaardfouten (SE) gebruikt die hiervoor corrigeren (Torres-Reyna, 2007).
Tabel 4: Regressieresultaten
Verzekerden Onverzekerden
Variabele Co¨efficient SE, robuust p-waarde Co¨efficient SE, robuust p-waarde constante 4.7152 .736 0.000*** 1.4618 1.296 .262 RACE1 .1072 .066 .107 .1332 .257 .605 RACE2 1.2785 .256 .000*** -2.1620 .909 .019** RACE3 .4150 .352 .240 -1.3100 .814 .110 RACE4 .7812 .400 .053 -1.9922 1.229 .107 MARRY1 1.0293 .205 .000*** -.0038 .769 .996 MARRY2 1.0392 .322 .002*** .7118 1.098 .518 MARRY3 1.1133 .349 .002*** .5631 .900 .533 REGION1 -.2920 .391 .456 2.4658 .671 .000*** REGION2 .4344 .394 .272 2.5722 1.113 .022** REGION3 -.0776 .288 .788 1.1764 .694 .093 NUMFAM -.1321 .052 .013** -.0346 .135 .798 EDUC -.0028 .033 .933 .0677 .076 .373 log(INCOME) 0.1218 .068 .074 .1874 .080 .021** log(FAMINC) .1070 .281 .704 .4989 .627 .428 WORK -.6240 .229 .007*** -.4268 .648 .511 HEALTH .5818 .108 .000*** .8865 .377 .020** MHEAL .0653 .134 .628 -.0077 .326 .981 SMOKE -.3774 .375 .316 -2.4522 .849 .005*** DOCVIS .0805 .016 .000*** .2226 .067 .001*** ILLNS .0992 .055 .075 1.4618 1.296 .262
Aantal waarnemingen: 700 Aantal waarnemingen: 566 Aantal cohorten: 162 Aantal cohorten: 134 F-statistic= 57.36 F-statistic= 20.12 Prob > F=0.000 Prob > F=0.000 R2=0.8226 R2=0.4464
De verklarende variabelen zijn gezamenlijk significant voor beide modellen, te zien aan de uitkomst van de F-test onderaan de tabel. Deze F-test toetst de nulhypothese dat alle co¨effici¨enten gelijk zijn aan nul. Met een p-waarde van 0.000 wordt de hypothese voor beide groepen verworpen. Het voor de verzekerden geschatte model heeft een R2 van 0.8226, terwijl de R2 van het model voor de onver-zekerden gelijk is aan 0.4464. Het deel van de variantie in de totale ziektekostenuitgaven dat wordt verklaard door de onafhankelijke variabelen is dus aanzienlijk groter in het model voor de verzekerden.
5.2.1 Demografische variabelen
Voor zowel verzekerden als onverzekerden geldt dat RACE1 een positieve co¨effici¨ent heeft, maar dat de p-waarde groter is dan 0.05. Het positieve effect van blank zijn op ziektekostenuitgaven is voor beide groepen dus niet significant. Het effect van zwart zijn op ziektekostenuitgaven is voor beide groepen wel significant, maar werkt verschillende kanten op. Voor verzekerden heeft RACE2 een co¨effici¨ent van 1.2785, dus log(T OT EXP ) is voor zwarten gemiddeld 1.2785 keer zo groot als voor personen met ‘overige etniciteiten’ (gedefinieerd als niet-blank, niet-zwart, niet-hispanic en niet-Aziatisch, zie Tabel 1). We zijn echter meer ge¨ınteresseerd in het effect van de variabele op de totale ziektekosten (=exp(log(T OT EXP ))), en dus analyseren we de e-macht van de co¨efficient. De totale ziektekos-tenuitgaven voor zwarten die verzekerd zijn, zijn gemiddeld exp(1.2785) ≈3.6 keer zo hoog als voor verzekerden met overige etniciteiten. Voor onverzekerden is de co¨effici¨ent van RACE2 echter nega-tief, namelijk -2.1620. Hier geldt dus dat zwarten gemiddeld exp(−2.1620) ≈0.11 keer de ziektekosten hebben van de ‘overige etniciteiten’-groep, oftewel 89 procent lager. Gezien de positieve co¨effici¨ent van RACE1 is het verschil tussen blanken en zwarten in termen van ziektekosten voor onverzekerden aanzienlijk. Blanke onverzekerden hebben gemiddeld exp(0.1332) − 1 ≈ 14 procent hogere ziektekosten dan personen met overige etniciteiten, waardoor de kosten gemiddeld meer dan tien keer zo hoog zijn als voor zwarte onverzekerden. Het effect van hispanic of Aziatisch zijn op de hoogte van zorgkosten is voor beide groepen niet significant.
De co¨effici¨enten van de burgerlijke staat-dummy’s zijn voor de groep verzekerden allen significant, terwijl ze voor de groep onverzekerden allemaal niet significant zijn. Voor verzekerden geldt dat perso-nen die getrouwd, weduwe/weduwnaar of gescheiden zijn allen significant hogere ziektekosten hebben dan personen die nooit getrouwd zijn geweest. Ziektekosten van getrouwde verzekerden en wedu-wes/weduwnaars zijn gemiddeld exp(1.0293) ≈ exp(1.0392) ≈ 2.8 keer zo hoog, terwijl de kosten van verzekerden die gescheiden zijn gemiddeld exp(1.1133) ≈ 3 keer zo hoog zijn als van personen die nooit getrouwd zijn geweest.
De regio waarin een ondervraagde woont heeft alleen een significant effect op de hoogte van de zorgkos-ten voor niet-verzekerden. Niet-verzekerden die woonachtig zijn in het noordooszorgkos-ten en midweszorgkos-ten van de Verenigde Staten hebben respectievelijk gemiddeld exp(2.4658) ≈11.8 keer en exp(2.5722) ≈13.1 keer zoveel ziektekosten dan niet-verzekerden die in het westen wonen. De co¨effici¨ent van REGION 3 is ook positief maar heeft een p-waarde van 0.093. De ziektekosten van niet-verzekerden die in het zuiden wonen verschillen dus niet significant van die van onverzekerden woonachtig in het westen. Aangezien in de literatuurstudie niets gebleken is over het effect van de woonplaats op ziektekosten terwijl de verschillen bij de onverzekerden groot blijken, is nader onderzoek vereist om meer inzicht te verkrijgen.
Het aantal familieleden blijkt een negatieve invloed te hebben op de hoogte van de ziektekosten. Dit ligt in de lijn der verwachting, omdat de financi¨ele last van een familie waarschijnlijk maar bij een of twee leden (ouders) ligt. De totale ziektekosten die ouders moeten betalen zullen stijgen met het aantal kinderen, waardoor er mogelijk getracht zal worden te besparen en de ziektekosten per familielid zullen dalen. Wat wel opmerkelijk is, is dat het negatieve effect alleen voor de groep verzekerden significant is, terwijl juist voor deze groep ziektekosten (gedeeltelijk) worden vergoed en de financi¨ele lastenstijging door extra familieleden lager zal zijn. Ieder extra familielid leidt voor verzekerden gemiddeld tot een daling van de individuele ziektekosten van 1 − exp(−0, 1321) ≈ 12.4 procent. Voor onverzekerden is de daling per familielid gemiddeld 1 − exp(−0, 0346) ≈ 3.4 procent, maar met een p-waarde van 0.798 is dit effect verre van significant.
5.2.2 Socio-economische variabelen
Voor beide groepen blijkt dat het aantal jaren opleiding genoten geen significant effect op de hoogte van ziektekosten heeft. Omdat van de inkomensvariabelen de logaritmen zijn genomen, kunnen de co¨effici¨enten van deze variabelen worden opgevat als de elasticiteit van totale zorgkosten met betrek-king tot inkomen en familie-inkomen (Heij et al, 2004, p. 296). Voor verzekerden zijn deze elasticiteiten gelijk aan 0.1218 en 0.1070 respectievelijk, maar deze effecten zijn niet significant. Voor onverzekerden is het effect van het inkomen op totale ziektekosten wel significant. Een procent stijging van het inko-men leidt gemiddeld tot een stijging van 0.1874 procent in de ziektekostenuitgaven. Het effect van het familie-inkomen is opnieuw niet significant. Dat het inkomen voor onverzekerden wel een significant positief effect op de ziektekosten heeft maar voor verzekerden niet, is in lijn met de verwachting op basis van het literatuuronderzoek. Het beschreven ‘moral hazard’ effect kan betekenen dat mensen die verzekerd zijn bij relatief weinig klachten al naar een dokter gaan, omdat de kosten toch gedekt worden. Dat het gemiddelde aantal doktersbezoeken onder verzekerden hoger ligt dan onder niet-verzekerden blijkt ook uit de vorige paragraaf (Figuur 3). Wanneer de kosten gedekt worden, is het inkomen niet
-of minder - relevant bij de beslissing om wel -of niet naar een dokter te gaan. Iemand die niet verzekerd is en de kosten van doktersbezoeken wel voor eigen rekening krijgt, zal er bij kleine klachten wellicht eerder voor kiezen geen medische hulp te zoeken. Het inkomen zal bij dit besluit wel relevant zijn. Een hoger inkomen verhoogt dan de betaalbaarheid van medische hulp en kan ertoe leiden dat er meer gebruik wordt gemaakt van zorg, resulterend in hogere ziektekosten.
De variabele W ORK heeft voor beide groepen een negatieve co¨effici¨ent. Voor zowel verzekerden als on-verzekerden zijn ziektekosten voor personen die werken dus gemiddeld lager dan voor niet-werkenden. Alleen voor de groep verzekerden is het effect significant. Een werkende heeft dan gemiddeld 1-exp(−.6240) ≈46 procent lagere ziektekosten dan een niet-werkende.
5.2.3 Gezondheidsvariabelen
Wat betreft de gezondheidsvariabelen geldt voor alle twee de groepen dat de algehele gezondheid (HEALT H) van significante invloed is op de ziektekostenuitgaven. De co¨efficient is in beide gevallen positief als gevolg van de operationalisering van de variabele; mogelijke waarden zijn 1 tot en met 5, waarbij 1 voor ‘uitstekend’ staat en 5 voor ‘slecht’. Des te slechter de gezondheid wordt beoordeeld, des te hoger zijn dus de ziektekosten. Voor iedere stap naar beneden (bijvoorbeeld van ‘uitstekend’ naar ‘heel goed’ of van ‘redelijk’ naar ‘slecht’) worden de ziektekosten vermenigvuldigd met gemiddeld exp(0.5818) ≈ 1.8 bij verzekerden en exp(0.8865) ≈2.4 bij onverzekerden. Dit resultaat is in lijn met de bevinding van Shen (2013) dat een slechte fysieke gezondheid leidt tot een stijging in de ziektekosten. Het effect van de mentale gezondheid blijkt voor beide groepen echter verre van significant (p-waardes van 0.628 en 0.981 voor verzekerden en onverzekerden respectievelijk). Dit in tegenstelling tot Shen (2013), die vond dat geestelijke ziekten een gemiddelde kostenstijging van 45 procent tot gevolg hebben.
Opvallend is dat voor beide groepen de variabele SM OKE een negatieve co¨effici¨ent heeft. Roken heeft dus een negatief effect op de hoogte van zorgkosten. Voor verzekerden is dit effect niet signi-ficant, maar voor onverzekerden wel (p-waardes van 0.316 en 0.005 respectievelijk). De ziektekosten zijn voor onverzekerde rokers gemiddeld exp(−2.4522) ≈ 0.09 keer zo groot - oftewel 11 keer zo klein - als voor onverzekerde niet-rokers. Een mogelijke verklaring hiervoor is dat rokers wellicht minder voorzichtig met hun gezondheid omgaan, en minder snel een dokter bezoeken zolang er geen hoge nood is. Een andere oorzaak kan zijn dat rokers vermoedelijk op jongere leeftijd sterven, waardoor er vanaf dat moment helemaal geen ziektekosten meer gemaakt worden. Dit terwijl over het algemeen juist de meeste ziektekosten worden gemaakt op hoge leeftijd.
Het aantal doktersbezoeken heeft voor beide groepen een significant positief effect op de hoogte van de zorgkosten. Voor verzekerden levert ieder extra doktersbezoek een gemiddelde kostenstijging op van exp(0.0805) − 1 ≈ 8.4 procent. Voor onverzekerden is de gemiddelde stijging in de kosten gelijk aan exp(0.2226)−1 ≈ 24.9 procent per bezoek. Dat de stijging per bezoek voor onverzekerden groter wordt geschat, zou het gevolg kunnen zijn van de moral hazard theorie. Verzekerden zijn daardoor eerder geneigd om naar een dokter te gaan voor kleine problemen of behandelingen, terwijl onverzekerden het doktersbezoek wellicht liever uitstellen of bewaren voor serieuzere klachten of behandelingen. In het laatste geval is het aannemelijk dat de kosten van de medische hulp hoger zullen uitvallen, waardoor de kostenstijging per bezoek hoger zal zijn binnen de laatste groep.
Ten slotte is het opmerkelijk dat de variabele ILLN S, die het aantal ziektes/aandoeningen van de individu telt, in beide groepen geen significant effect heeft op de hoogte van de ziektekosten. Dit resultaat staat in contrast met bevindingen van Shen (2013), die het (positieve) effect van lichamelijke ziekten op zorgkosten op 35 procent schat.
6
Conclusies
In dit onderzoek is ingegaan op de verschillende factoren die de keuze van een individu be¨ınvloeden tussen wel of niet verzekerd zijn voor ziektekosten. De hoofdvraag luidde: Hoe verschillen de determi-nanten van de hoogte van ziektekosten voor verzekerden en onverzekerden? Het onderzoek is gericht op de Verenigde Staten, waar ziektekosten 90 procent hoger liggen dan in andere welvarende landen en er geen universeel zorgstelsel bestaat. Het deel van de bevolking dat onverzekerd is, is dan ook relatief groot.
Eerdere studies toonden aan dat gebrek aan verzekering vooral voorkomt onder personen met lage inkomens, laagopgeleiden en etnische minderheden. Ook bleek dat onverzekerden minder toegang heb-ben tot zorgfaciliteiten. Verzekerden zijn geneigd meer gebruik te maken van zorg, omdat de kosten ervan worden gedekt. Dit verschijnsel staat bekend als moral hazard, en kan ertoe leiden dat ziekte-kosten voor verzekerden hoger uitvallen dan voor onverzekerden. Een andere factor die bepalend is voor de hoogte van ziektekosten is de gezondheid. Het is aannemelijk dat iemand die gezond is minder zorgkosten maakt dan iemand die ongezond is. Over het verband tussen al dan niet verzekerd zijn en de gezondheid is in de literatuur echter geen consensus.
In dit onderzoek is gebruikgemaakt van gegevens van het MEPS over de jaren 2000-2012, met spron-gen van drie jaar. Het MEPS levert pseudopaneldata. Daarom zijn er cohorten gevormd op basis van geslacht en geboortejaar. Voor de groepen verzekerden en onverzekerden zijn afzonderlijke modellen geschat. Totale ziektekostenuitgaven was in beide gevallen de te verklaren variabele. Verschillende demografische-, socio-economische- en gezondheidsvariabelen zijn gebruikt als onafhankelijke variabe-len.
Voor zowel verzekerden als onverzekerden bleken de algehele gezondheidstoestand en het aantal dok-tersbezoeken van significant positieve invloed op de hoogte van de ziektekosten. Ook bleek voor beide groepen niet-werkend zijn tot significant hogere zorgkosten te leiden. De burgerlijke staat bleek alleen van invloed bij verzekerden; daar geldt dat personen die getrouwd, weduwe/weduwnaar of geschei-den zijn ongeveer drie keer zoveel ziektekosten hebben als personen die nooit getrouwd zijn geweest. Bij de onverzekerden is een aanzienlijk verschil waargenomen tussen blanken en zwarten. Gemiddeld zijn de kosten voor blanken meer dan tien keer zo hoog als voor zwarten. Voor verzekerden is er geen dergelijk verschil waargenomen tussen etniciteiten. Ook de regio waarin iemand woont is alleen voor onverzekerden van significante invloed op de ziektekosten. Verder heeft het inkomen een posi-tief effect op de hoogte van de ziektekosten. Opnieuw is dit effect alleen voor onverzekerden significant.
Er is een aantal extreme bevindingen gedaan. Zo is gebleken dat onverzekerde rokers gemiddeld 91 procent lagere ziektekosten hebben dan onverzekerde niet-rokers. Ook bleek het woongebied van de respondent van zeer sterke invloed te zijn onder de onverzekerden. Inwonenden van het noordoosten en midwesten van de Verenigde Staten hadden gemiddeld zo’n 12.5 keer zoveel zorgkosten als personen die in het westen wonen. De oorzaak hiervoor is onduidelijk. Toekomstig onderzoek zou zich kunnen toespitsen op het verklaren van deze opvallende resultaten, evenals op het construeren van een model voor de onverzekerden dat de variantie in de totale ziektekostenuitgaven beter verklaart. Het huidige model lijkt er met een R2 van 0.4464 op te wijzen dat er ruimte is voor verbetering. Een andere toevoeging op het huidige onderzoek zou het opnemen van tijdsvariabelen zijn, bijvoorbeeld door dummy’s toe te voegen voor ieder (op een na) geobserveerd jaar. Hiermee zou de ontwikkeling van ziektekosten in de tijd bestudeerd kunnen worden.
7
Bibliografie
Akerlof, G., 1970. The market for “lemons”: quality uncertainty and the market mechanism. The Quarterly Journal of Economics, vol. 84, pp. 488-500.
Baltagi, B., 2007. Econometrics. Springer Texts in Business and Economics.
Cutler, D. en Zeckhauser, R., 1998. Adverse selection in health insurance. Forum for Health Economics and Policy, vol. 1.
Dave, D. en Kaestner, R., 2009. Health insurance and ex ante moral hazard: evidence from Medicare. International Journal of Health Care Finance and Economics, vol. 9, pp. 367-390.
Deaton, A., 1985. Panel data from time series of cross sections. Journal of Econometrics, vol. 30, pp. 109-126.
Franks, P.; Clancy, C.; Gold, M.; Nutting, P., 1993. Health insurance and subjective health status: data from the 1987 National Medical Expenditure Survey. The American Journal of Public Health, vol. 83, pp. 1295-1299.
Gerdtham, U.; Sgaard, J.; Andersson, F.; Jnsson, B., 1992. An econometric analysis of health care expenditure: a cross-section study of the OECD countries, Journal of Health Economics, vol. 11, pp. 63-84.
Heij, C.; de Boer, P.; Franses, P.H.; Kloek, T.; van Dijk, H.K., 2004. Econometric methods with applications in business and economics. Oxford University Press.
Markowitz, A.; Marsha Gold, M.; Rice, T., 1991. Determinants of health insurance status among young adults. Medical Care, vol. 29, pp. 6-19.
Medicare, 2014. http://www.medicare.gov.
MEPS, 2014. http://meps.ahrq.gov/mepsweb/aboutmeps/surveyback.
NCHS, 2007. http://www.cdc.gov/nchs/pressroom/07newsreleases/hus07.htm. NCHS, 2014. http://www.cdc.gov/nchs/data/hus/hus13.pdf, pp. 5-15.
Shen, C., 2013. Determinants of health care decisions: insurance, utilization, and expenditures. Review of Economics and Statistics, vol. 95, pp. 142-153.
Torres-Reyna, O., 2007. Panel data analysis, fixed and random effects. Princeton University.
US Census Bureau, 2012. http://www.census.gov/hhes/www/hlthins/data/incpovhlth/2012/highlights.html. Ward, L. en Franks, P., 2007. Changes in health care expenditure associated with gaining or losing health insurance. Annals of Internal Medicine, vol. 146, pp. 768-774.
Wilper, A.; Woolhandler, S.; Lasser, K.; Mccormick, D.; Bor, D.; Himmelstein, D., 2009. Health insurance and mortality in US adults. The American Journal of Public Health, vol.99, pp. 228-335.
