Bachelorseminar Statistik und Ökonometrie Gesundheitsökonomie Wintersemester 2016/2017 Motivation: Ständig steigende Gesundheitskosten, vor allem bei älteren Menschen, sind eine weltweite Herausforderung für Gesundheitssysteme. Dieses Problem wird durch den demographischen Wandel verstärkt, der zur Folge hat, dass der Anteil der älteren Menschen in unserer Gesellschaft immer größer wird. Dieser Wandel wird durch eine höhere Lebenserwartung, gekoppelt mit einer schwindenden Geburtsrate, verursacht. Deswegen wird es immer wichtiger die Determinanten der Gesundheit von älteren Menschen zu verstehen. Ein besseres Verständnis ist sowohl aus Sicht der Vorhersage von zukünftigen Kosten und Trends im Gesundheitswesen als auch aus der interventionistischen Perspektive wichtig. Ohne die Determinanten zu verstehen ist es unklar, welche Lösungen helfen werden. Ein Versuch vieler Länder besteht daraus, das Rentenalter zu erhöhen und Anreize zu setzen sodass Menschen länger berufstätig bleiben, um eine Überlastungen des Rentensystems zu vermeiden. Ob dies jedoch der richtige Weg ist können wir erst dann feststellen, wenn wir wissen, welche Determinanten der Gesundheit im Alter wichtig sind, z.b. welche Auswirkungen der Ruhestand bzw. der Wechsel in den Ruhestand für Auswirkungen auf die Gesundheit hat. Um mehr über das Altern zu lernen wurde in 2002 SHARE etabliert Survey of Health, Ageing and Retirement in Europe (Umfrage über Gesundheit, Altern und Ruhestand in Europa). SHARE ist eine Datenbank, die Mikrodaten über Gesundheit, sozioökonomischen Status sowie soziale und familiäre Netzwerke von über 85.000 Personen ab 50 Jahren enthält. Es ist eine Längsschnitterhebung die alle 2-3 Jahre stattfindet. Die erste Erhebung, Wave 1, fand hauptsächlich in 2004-2005 statt, gefolgt von Wave 2 im Jahr 2006-2007, Wave 4 in 2011 und Wave 5 in 2013. Wave 3 wurde in 2008-2009 erhoben, ist jedoch anders als die restliche Erhebung, da der Fokus auf den Lebensgeschichten lag. In diesem Seminar werden Sie sich mit diesem Datensatz beschäftigen und sowohl ein bestehenden publizierten Artikel analysieren als auch eine eigene Datenauswertung vornehmen. Ablauf: (Termine tbd.) Das Seminar wird folgenden Zeitplan haben: 09.12.2016 Allgemeine Informationen (verpflichtend) 12.12.2016 Themenvergabe 09.01.2016 Abgabe Exposé
13.01.2016 Präsentation des Exposés 25.01.2016 Auslösung der Bachelorarbeit 22.03.2017 Abgabe der Bachelorarbeit Themen: Die Teilnehmerinnen und Teilnehmer wählen jeweils eins der unten aufgelistet Themen (Details zu jedem Thema finden Sie im Anhang). Jedes Thema beinhaltet zwei Teile zum einen sollen Sie den ausgewählten Artikel kritisch lesen und analysieren (nicht nur zusammenfassen). Hierfür wird auch erwartet, dass Sie weitere Literatur zu dem Thema lesen und miteinbeziehen, damit Sie sich besser mit Themen wie Relevanz, Validität und Auswirkungen auseinandersetzen können. Zum anderen sollen Sie selbst sich mit einem Datensatz auseinander setzen (diesen werde ich Ihnen zur Verfügung stellen). Dieser Datensatz soll mit STATA analysiert werden. Vorkenntnisse zu diesem Programm sind nicht erforderlich Sie werden ein kurzes Handbuch für STATA erhalten, welches die wichtigsten Informationen enthält. Mit dieser Einführung sollten Sie in der Lage sein, mit dem Programm zu arbeiten. Sie dürfen in Teams von 2 (bis maximal 3) an einem Thema zusammen arbeiten hier gilt jedoch, dass jeder ein eigenes Exposé und eine eigene Bachelorarbeit abgeben muss. Die Präsentation halten Sie bitte gemeinsam. Bitte beachten Sie auch weitere Hinweise in den einzelnen Themen, was die Aufteilung betrifft, wenn ein Thema von zwei (oder drei) Teilnehmer(innen) bearbeitet wird. 1. Macht Ruhestand dick? 2. Auswirkung von Ausbildung auf Gesundheit 3. Auswirkung von Ruhestand auf kognitive Fähigkeiten 4. Führt eine feste Beziehung zu einer verbesserten Gesundheit? 5. Auswirkungen von Ruhestand auf Gesundheit Ansprechpartner: Birgit Leimer Raum 00-126 (ReWi alt) Sprechstunde nach Vereinbarung bleimer@uni-mainz.de Sonja Settele Raum 00-122 (ReWi alt) Sprechstunde nach Vereinbarung ssettele@uni-mainz.de
Anhang In jedem Thema sollen Sie ein multiples Regressionsmodell aufsetzen. Bitte beachten Sie, dass Sie weder nur eine einzige unabhängige Variable im Model haben sollten, noch sollten Sie alle Variablen aus dem Datensatz hinzufügen. Denken Sie darüber nach, welche Variablen notwendig sind, um Probleme wie eine Verzerrung aufgrund von ausgelassenen Variablen zu vermeiden. Beachten Sie, dass self-rated health üblicherweise zu einer dichotomen Variable geändert werden sollte. Diese Variable müssen Sie selbst generieren. Der bereitgestellte Datensatz beinhaltet Paneldaten, somit sollten Sie sich mit Methoden für Paneldaten vertraut machen. Eine Gute Ressource für Hintergrundinformationen zu den Methoden ist Stock & Watson, welches Sie in der Lehrbuchsammlung finden können. 1. Macht Ruhestand dick? Godard, Mathilde (2016). Gaining weight through retirement? Results from the SHARE survey, Journal of Health Economics 45, 27-46. ii. Methoden: wie gehen die Autoren vor um Kausalität zu etablieren? Was erschwert die Identifizierung des Effekts, weswegen eine IV-Schätzung notwendig ist? i. Aufsatz Modell / Methodik: Setzen Sie ein multiples Regressionsmodell auf, um den Effekt von Ruhestand auf den BMI und / oder die Wahrscheinlichkeit in die Kategorie Übergewicht und Adipositas (BMI Kategorien) selbst zu messen. Entscheiden Sie selbst, welche Variablen Sie mit in das Modell nehmen und erklären Sie Ihre Entscheidung aus statistischen/ökonomischen Gründen. Beschreiben Sie zusätzlich, warum eine IV-Schätzung notwendig ist. Beachten Sie, dass wir Paneldaten haben und somit Paneldaten- Methoden (Hinweis: In STATA müssen Sie hierfür die Befehle xtset und xtreg/ xtivreg verwenden.) ii. Umsetzung Datenanalyse: Lassen Sie die Regression in STATA laufen. Bitte lassen Sie ihr Modell sowohl mit als auch ohne Instrument laufen. Gibt es einen Unterschied? Wenn ja, warum? In einem zweiten Durchlauf der Regression, betrachten Sie bitte ob es einen heterogenen Effekt gibt (z.b.
Geschlecht, Familienstand, Ursprüngliche Gewichtskategorie, oder ähnliches). ein, diskutieren Sie ob diese signifikant sind (und warum). 2. Auswirkung von Ausbildung auf Gesundheit Silles, Mary A. (2009). The causal effect of education on health: Evidence from the United Kingdom, Economics of Education Review, 28, 122-128. ii. Methode: (RD Ansatz für Robustheits-Check kann übersprungen werden) wie gehen die Autoren vor um Kausalität zu etablieren? Was erschwert die Identifizierung des Effekts, weswegen eine IV-Schätzung notwendig ist? i. Aufsatz Modell / Methodik: Setzen Sie ein multiples Regressionsmodell auf, um den Effekt von Ausbildung auf Gesundheit selbst zu messen. Entscheiden Sie selbst, welche Variablen Sie mit in das Modell nehmen und erklären Sie Ihre Entscheidung aus statistischen/ökonomischen Gründen. (Hinweis: anders als in dem Artikel unter Punkt a, werden Sie keine IVschätzung machen können.) ii. Umsetzung Datenanalyse: Lassen Sie die Regression in STATA laufen. (Hinweis: In STATA müssen Sie hierfür die Befehle xtset und xtreg verwenden.) ein, diskutieren Sie ob diese signifikant sind (und warum).
3. Auswirkung von Ruhestand auf kognitive Fähigkeiten Bonsang, Eric, Adam, Stéphane and Perelman, Sergio (2012). Does retirement affect cognitive functioning?, Journal of Health Economics 31, 490-501. ii. Methode: wie gehen die Autoren vor um Kausalität zu etablieren? Was erschwert die Identifizierung des Effekts, weswegen eine IV-Schätzung notwendig ist? i. Aufsatz Modell/ Methodik: Setzen Sie ein multiples Regressionsmodell auf, um den Effekt von Ruhestand auf kognitiven Fähigkeiten selbst zu messen. Entscheiden Sie selbst, welche Variablen Sie mit in das Modell nehmen und erklären Sie Ihre Entscheidung aus statistischen/ökonomischen Gründen. Bitte versuchen Sie sowohl eine OLS-Schätzung (Hinweis: hierfür benötigen Sie eine Dummy-Variable für Ruhestand) als auch eine IV-Schätzung (Hinweis: hierfür brauchen Sie eine Dummy-Variable die gleich 1 ist, wenn das Alter über dem normalen Alter für Beginn des Ruhestands ist). ii. Umsetzung Datenanalyse: Lassen Sie die Regression in STATA laufen. (Hinweis: In STATA müssen Sie hierfür die Befehle xtset und xtreg/ xtivreg verwenden.) ein, diskutieren Sie ob diese signifikant sind (und warum). Diskutieren Sie den Unterschied zwischen Ihren OLS und IV Ergebnissen.
4. Führt eine feste Beziehung zu einer verbesserten Gesundheit? Averett, Susan L., Argys, Laura M. and Sorkin, Julia (2013). In sickness and in health: an examination of relationship status and health using data from the Canadian National Public Health Survey, Review of Economics of the Household 11, 599-6333. ii. Methode: wie gehen die Autoren vor um Kausalität zu etablieren? i. Aufsatz Modell/ Methodik: Setzen Sie ein multiples Regressionsmodell auf, um den Effekt von Beziehungsstatus auf die Gesundheit selbst zu messen (Hinweis: Generieren Sie eine dichotome Variable pro möglichem Status, sprich: verheiratet, single, geschieden, zusammen lebend, verwitwet, etc.). Entscheiden Sie selbst, welche Variablen Sie mit in das Modell nehmen und erklären Sie Ihre Entscheidung aus statistischen/ökonomischen Gründen. ii. Umsetzung Datenanalyse: Lassen Sie die Regression in STATA laufen. (Hinweis: in STATA brauchen Sie hierfür den Befehl xtset und xtreg.) Führen Sie die Regression auch separat für Männer und Frauen durch. ein, diskutieren Sie ob diese signifikant sind (und warum). 5. Auswirkungen von Ruhestand auf Gesundheit Coe, Norma B. and Zamarro, Gema (2011). Retirement effects on health in Europe, Journal of Health Economics 30, 77-86.
ii. Methode: wie gehen die Autoren vor um Kausalität zu etablieren? Was erschwert die Identifizierung des Effekts, weswegen eine IV-Schätzung notwendig ist? i. Aufsatz Modell: Setzen Sie ein multiples Regressionsmodell auf, um den Effekt von Ruhestand auf die Gesundheit selbst zu messen. Entscheiden Sie selbst, welche Variablen Sie mit in das Modell nehmen und erklären Sie Ihre Entscheidung aus statistischen/ökonomischen Gründen. Bitte versuchen Sie sowohl eine OLS Schätzung (Hinweis: hierfür benötigen Sie eine Dummy- Variable für Ruhestand) als auch eine IV-Schätzung (Hinweis: hierfür brauchen Sie eine Dummy-Variable die gleich 1 ist, wenn das Alter über dem normalen Alter für Beginn des Ruhestands ist). ii. Umsetzung Datenanalyse: Lassen Sie die Regression in einem Programm wie STATA laufen. Benutzen Sie self-perceived health, number of chronic diseases und maxgrip als abhängige Variablen. (Hinweis: in STATA brauchen Sie hierfür den Befehl xtset und xtivreg/ xtreg.) ein, diskutieren Sie ob diese signifikant sind (und warum). Diskutieren Sie den Unterschied zwischen Ihren OLS und IV Ergebnissen. Erklären und kommentieren Sie den Selektionsbias, der die Ergebnisse Ihrer Analyse im Vergleich zu dem oben genannten Artikel verzerrt.