Η παραοικονομία στο χώρο της υγείας στην Ελλάδα: τάσεις - εξελίξεις - προοπτικές
| dc.contributor.advisor | Βοζίκης, Αθανάσιος | |
| dc.contributor.author | Κουφοπούλου, Παρασκευή | |
| dc.date.accessioned | 2021-09-20T07:16:03Z | |
| dc.date.available | 2021-09-20T07:16:03Z | |
| dc.date.issued | 2021 | |
| dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/13675 | |
| dc.identifier.uri | http://dx.doi.org/10.26267/unipi_dione/1098 | |
| dc.description.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. | el |
| dc.format.extent | 266 | el |
| dc.language.iso | el | el |
| dc.publisher | Πανεπιστήμιο Πειραιώς | el |
| dc.rights | Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/gr/ | * |
| dc.title | Η παραοικονομία στο χώρο της υγείας στην Ελλάδα: τάσεις - εξελίξεις - προοπτικές | el |
| dc.title.alternative | Shadow economy in Greek healthcare sector: trends - evolutions - perspectives | el |
| dc.type | Doctoral Thesis | el |
| dc.contributor.department | Σχολή Οικονομικών, Επιχειρηματικών και Διεθνών Σπουδών. Τμήμα Οικονομικής Επιστήμης | el |
| dc.description.abstractEN | This dissertation investigates health service users' attitudes towards informal payments, regarding the greek socio-economic context and vicious cycle, as informal payments’ contribution to health expenditures. We develop shadow economy’s theoretical framework and explain estimation methods. Our analysis took place in 13 Greek Regions related to demographic, income, professional, family, and other users’ characteristics. The aim of our dissertation is informal payments’ analysis for health services users in Greece. We conducted field research to fulfill our goal. Participants were adults rejecting parents who answered for their children in different age categories, family, and financial profiles. The questionnaire focused on informal payment amounts for health incidents. We use primary data via a quantitative survey considering the questionnaire (with 39 questions), difficulty, requested information, their reliability, convenience sampling, time, and cost of the research. We apply statistical analyzes for reliable conclusions. Besides variables independence control, we focused on specific answers regarding users’ informal payments for health services. We investigate users’ profiles, households characteristics, health care services utilization during the last 4 months, health care problem type, specific health care services, and informal payment amount. Our research innovates as informal payments are latent (non-observable) variables operating based on independent variables, divided into causes and indicators. Independent variables were 24, divided into four categories focusing on health service demand (8 variables), informal payment behaviors (5 variables), patients' willingness to pay informally (4 variables), and demographic variables (7 variables). We performed regression analysis to examine the relationship between dependent and independent variables. Univariate analysis of the respondents is used to investigate users’ characteristics and responses via qualitative and categorical variables. In open questions, we conducted the content analysis and descriptive analysis measures of the used questions and Pearson linear correlation coefficient (χ2) applied to check variables’ relationships. We choose the conditional logistic regression method to assess the relationship between the dependent and independent variables. We choose multiple indicators-multiple causes flexible model adapted to informal health care payments requirements. We relied on the initial structural equation, including different vectors enclosing the previous variables. I used the aforementioned model for informal health payments assessment and estimation of principal component and regression analysis application. During the modeling process, we focused on informal health payments index construction and the Kaiser - Meyer - Olkin test, confirming our analysis’s statistical significance and helping us to construct the initial structural equation. Regarding index modeling about informal health payments, we implement regression analysis. Next, we identify the statistical relationship between our model’s questions, excluding variables that destroy our model’s dynamics and statistical significance, using the forward stepwise regression method. Based on the acceptable change R2 = 0.417 of our model, we chose six variables. | el |
| dc.subject.keyword | Παραοικονομία | el |
| dc.subject.keyword | Υγεία | el |
| dc.subject.keyword | Άτυπες πληρωμές | el |
| dc.subject.keyword | Ασθενείς | el |
| dc.subject.keyword | Ελλάδα | el |
| dc.date.defense | 2021-07-20 |
Αρχεία σε αυτό το τεκμήριο
Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές
Εκτός από όπου διευκρινίζεται διαφορετικά, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα