ترجمه فارسی عنوان مقاله

تجزیه و تحلیل تعداد چند ملیتی با تورم صفر با استفاده از نرم افزار در اقتصاد سلامت

عنوان انگلیسی

Analysis of multinomial counts with joint zero-inflation, with an application to health economics

کد مقاله	سال انتشار	تعداد صفحات مقاله انگلیسی
99645	2018	21 صفحه PDF

منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Journal of Statistical Planning and Inference, Volume 194, March 2018, Pages 85-105

ترجمه چکیده

مدل های رگرسیون صفر برای داده های شمارش اغلب در اقتصاد سلامت برای تحلیل تقاضا برای مراقبت های پزشکی مورد استفاده قرار می گیرند. در واقع، بیش از صفر اغلب اطلاعات مربوط به استفاده از مراقبت های بهداشتی را تحت تاثیر قرار می دهد. بخش عمده ای از ادبیات اقتصادسنجی اخیر در مورد این موضوع بر اقدامات استفاده از مراقبت های بهداشتی یکسان نظیر تعداد بازدیدکنندگان پزشک متمرکز شده است. با این حال، استفاده از خدمات بهداشتی معمولا توسط تعدادی از شمارش های مختلف (به عنوان مثال تعداد دفعات مشاهده شده به ارائه دهندگان مراقبت های بهداشتی مختلف) اندازه گیری می شود. در این مورد، تورم صفر ممکن است به طور مشترک بر چندین معیار استفاده قرار گیرد. در این مقاله، یک مدل رگرسیون صفر بر روی تعداد چندجملهای با تورم ناخالصی مشترک پیشنهاد شده است. حداکثر برآورد کننده احتمال در این مدل ساخته شده است و خواص آنها از لحاظ نظری و عددی مورد بررسی قرار می گیرد. ما مدل پیشنهادی را برای تجزیه و تحلیل استفاده از مراقبت های بهداشتی مورد استفاده قرار می دهیم.

دانلود رایگان 2 صفحه اول مقاله لاتین (PDF)

پیش نمایش مقاله

چکیده انگلیسی

Zero-inflated regression models for count data are often used in health economics to analyze demand for medical care. Indeed, excess of zeros often affects health-care utilization data. Much of the recent econometric literature on the topic has focused on univariate health-care utilization measures, such as the number of doctor visits. However, health service utilization is usually measured by a number of different counts (e.g., numbers of visits to different health-care providers). In this case, zero-inflation may jointly affect several of the utilization measures. In this paper, a zero-inflated regression model for multinomial counts with joint zero-inflation is proposed. Maximum likelihood estimators in this model are constructed and their properties are investigated, both theoretically and numerically. We apply the proposed model to an analysis of health-care utilization.