Η παραοικονομία στο χώρο της υγείας στην Ελλάδα: τάσεις - εξελίξεις - προοπτικές

Abstract

Η παρούσα διδακτορική διατριβή διερευνά την στάση των χρηστών των υπηρεσιών υγείας απέναντι στις άτυπες (ανεπίσημες) πληρωμές που καταβάλλουν κατά την χρήση των υπηρεσιών υγείας. Αρχικά, γίνεται εκτενής αναφορά στο κοινωνικοοικονομικό πλαίσιο της ελληνικής οικονομίας μαζί με την συνεισφορά των άτυπων πληρωμών στις δαπάνες υγείας. Ακόμη, αναλύεται διεξοδικά το θεωρητικό πλαίσιο, οι προσδιοριστικοί παράγοντες και οι μέθοδοι εκτίμησης της παραοικονομίας. Η ανάλυση των άτυπων πληρωμών στην υγεία γίνεται ανά Περιφέρεια της ελληνικής επικράτειας βάσει δημογραφικών, εισοδηματικών, επαγγελματικών και οικογενειακών γνωρισμάτων και προτιμήσεων των χρηστών, αποτελώντας τον πυρήνα της διατριβής μας. Για να εκπληρωθεί ο στόχος μας διενεργήθηκε έρευνα πεδίου ανά την Ελλάδα σε ενήλικους χρήστες των υπηρεσιών υγείας, διαφορετικών ηλικιακών κατηγοριών, οικογενειακού και οικονομικού προφίλ. Το ερωτηματολόγιο εστίασε στο ύψος της άτυπης πληρωμής για την χρήση των υπηρεσιών υγείας στο σύνολο των περιστατικών. Η διεξαχθείσα έρευνα χρησιμοποίησε πρωτογενή στοιχεία χαρτογραφόντας την στάση των χρηστών απέναντι στις άτυπες πληρωμές. Εντάσσεται στις ποσοτικές έρευνες με χρήση ερωτηματολογίου (39 ερωτήσεων), εστιάζοντας στον βαθμό δυσκολίας του ερευνώμενου θέματος, την αξιοπιστία των ζητούμενων πληροφοριών, τον τύπο δειγματοληψίας, τον χρόνο διεξαγωγής και το κόστος της έρευνας. Προκειμένου να διεξαχθούν ασφαλή και αξιόπιστα συμπεράσματα εφαρμόσαμε μια σειρά από στατιστικές αναλύσεις. Σκοπός της μεθοδολογίας μας, μετά τους ελέγχους ανεξαρτησίας των μεταβλητών, είναι η στοχευμένη απάντηση συγκεκριμένων ερωτημάτων αναφορικά με τις άτυπες πληρωμές των χρηστών των υπηρεσιών υγείας. Διερευνήθηκαν τα προφίλ των χρηστών, τα χαρακτηριστικά του νοικοκυριού τους, η χρήση των υπηρεσιών υγείας το τελευταίο 4μηνο, το είδος του προβλήματος υγείας, οι υπηρεσίες υγείας, το ύψος και το είδος της άτυπης πληρωμής. Πρωτοπορούμε καθώς θεωρήσαμε τις άτυπες πληρωμές στην υγεία ως λανθάνουσα (μη ορατή) εξαρτημένη μεταβλητή (latent variable) συνδυαστικά με μια σειρά ανεξάρτητων μεταβλητών, διαχωριζόμενες σε προσδιοριστικούς παράγοντες (αιτίες) και δείκτες για την κατασκευή του μοντέλου μας. Οι ανεξάρτητες μεταβλητές του δείγματος μας έφθασαν τις 24. Διαχωρίστηκαν σε τέσσερις κατηγορίες εστιάζοντας στην ζήτηση των υπηρεσιών υγείας (8 μεταβλητές), στις συμπεριφορές για τις άτυπες πληρωμές (5 μεταβλητές), στην ετοιμότητα των ασθενών για καταβολή τους (4 μεταβλητές) καθώς και σε δημογραφικές μεταβλητές (7 μεταβλητές). Αρχικά, διεξάγαμε παλινδρομική ανάλυση για να εξετάσουμε την σχέση της εξαρτημένης και των ανεξάρτητων μεταβλητών. Χρησιμοποιήσαμε μονομεταβλητή ανάλυση (δηλαδή ξεχωριστή παρουσίαση κάθε μεταβλητής) στους χρήστες για να διερευνηθούν τα χαρακτηριστικά και οι απαντήσεις τους με χρήση ποιοτικών και κατηγορικών μεταβλητών. Στις ανοιχτές ερωτήσεις διεξήχθη ανάλυση περιεχομένου και ανάλυση περιγραφικών μέτρων των αξιοποιηθέντων ερωτήσεων με εφαρμογή του συντελεστή γραμμικής συσχέτισης Pearson (χ2) για έλεγχο της ύπαρξης ή απουσίας των σχέσεων μεταξύ μεταβλητών. Για την εξαγωγή ασφαλών συμπερασμάτων επιλέξαμε την πολλαπλή λογιστική παλινδρόμηση (conditional logistic regression) καθώς υπάρχει πάνω από μια ανεξάρτητη μεταβλητή προσδιορίζωντας τις επιπτώσεις τους που παρουσιάζονται ταυτόχρονα για να εκτιμηθεί η σχέση τους με την εξαρτημένη μεταβλητή. Επιλέξαμε το ευέλικτο μοντέλο πολλαπλών δεικτών – πολλαπλών αιτιών προσαρμοσμένο στις άτυπες πληρωμές στην υγεία. Βασιστήκαμε σε μια αρχική δομική εξίσωση η οποία περιλαμβάνει τρία διαφορετικά διανύσματα (Χ1, Χ2, Χ3) εσωκλείοντας τις προαναφερθείσες μεταβλητές. Μετέπειτα, αξιολογήθηκαν οι άτυπες πληρωμές μέσω του ευέλικτου μοντέλου και εκτιμήθηκε βάσει της ανάλυσης κύριων συνιστωσών και της παλινδρομικής ανάλυσης. Μέσα από την μοντελοποίηση εστιάσαμε στην κατασκευή ενός δείκτη άτυπων πληρωμών. Γι’ αυτό και εφαρμόσαμε τον έλεγχο Kaiser– Meyer–Olkin αποδεικνύοντας την στατιστική σημαντικότητα της ανάλυσης μας και βοηθώντας μας στην κατασκευή της αρχικής δομικής εξίσωσης. Η παλινδρομική ανάλυση εφαρμόστηκε για την μοντελοποίηση του δείκτη των άτυπων πληρωμών στην υγεία. Ακόμη, χρησιμοποιήσαμε την μέθοδο της εμπρόσθιας βηματικής παλινδρόμησης (forward stepwise regression method) εντοπίζοντας την βέλτιστη στατιστικά σχέση μεταξύ των ερωτήσεων του μοντέλου μας καταλήγοντας σε έξι μεταβλητές, αποκλείοντας εκείνες που καταστρέφουν την δυναμική του μοντέλου αλλά και την στατιστική σημαντικότητα του.