INTERIOR HP 196

Hacienda Pública Española / Review of Public Economics, 207-(4/2013): 71-99© 2013, Instituto de Estudios Fiscales

DOI: 10.7866/HPE-RPE.13.4.3

Valoración económica de los servicios sanitarios en la Comunidad Autónoma del País Vasco

WALESKA SIGÜENZA*Universidad del País Vasco (UPV/EHU)

PETR MARIEL**Universidad del País Vasco (UPV/EHU)

Recibido: Septiembre, 2013

Aceptado: Noviembre, 2013

Resumen

El objetivo de este trabajo ha sido asignar una valoración económica a los servicios sanitarios en la Co-munidad Autónoma de País Vasco. Con este fin se ha realizado una encuesta incluyendo un experi-mento de elección discreta. Para tratar las respuestas y obtener la valoración económica analizada, seha aplicado un Modelo Logit Mixto. Los resultados indican que el atributo más valorado de la sanidadpública actual es el trato médico y que existe heterogeneidad en las preferencias de los individuos res-pecto al tiempo de espera para especialista, intervención y confort hospitalario. Los grupos de indivi-duos con preferencias diferentes al resto que se han podido identificar son los autónomos, individuoscon estudios universitarios e individuos con ingresos elevados. La aportación principal del trabajo esla cuantificación en unidades monetarias de las preferencias de los individuos con respecto a los servi-cios sanitarios en la Comunidad Autónoma de País Vasco. Estas valoraciones podrían ser empleadastanto en el ámbito empresarial como en política de asignación de recursos públicos.

Palabras clave: servicios sanitarios, experimento de elección discreta.

Clasificación JEL: I11, I18, C35.

1. Introducción

La actual situación económica condiciona, entre muchos otros, el mercado de los servi-cios sanitarios. Los continuos recortes en la sanidad pública y las privatizaciones de la ges-tión de algunos hospitales, nos hace pensar cada vez más en un modelo de sanidad públicacofinanciada por el estado y por los perceptores de los servicios sanitarios. Un mercado que

* Departamento Economía Financiera I, Universidad Del País Vasco (UPV/EHU). Avenida Lehendakari Aguirre,83. 48015 Bilbao, ESPAÑA. E-mail: [email protected].** Departamento Economía Aplicada III, Universidad Del País Vasco (UPV/EHU). Avenida Lehendakari Aguirre,83. 48015 Bilbao, ESPAÑA. E-mail: [email protected].

WALESKA SIGÜENZA y PETR MARIEL72

recuerda al del seguro médico privado en el que individualmente se paga una cuota a cam-bio del derecho a recibir asistencia sanitaria.

Existen numerosos trabajos que analizan los factores que influyen en la decisión de con-tratar un seguro privado de enfermedad y asistencia sanitaria (Jofre, 2000; Propper et al.,2001; Ordaz et al., 2005; Rodríguez y Stoyanova, 2008). En la gran mayoría se encuentraque la suscripción de un seguro médico privado está muy condicionada principalmente porel nivel de ingresos familiar quedando relegadas a un segundo plano las demás característi-cas del individuo asegurado. Así lo recogen, junto con los autores ya citados, otros tantos au-tores como Costa y García (2003), Harmon y Nolan (2001) o López-Casasnovas et al.

(2005). En estos trabajos se pueden observar las características de los individuos que estándispuestos a adquirir un seguro médico privado para obtener una atención sanitaria de mayorcalidad. Sin embargo, no es posible interpretar en base a los resultados obtenidos de quéforma los individuos valoran una mejora concreta en la atención sanitaria y ello a pesar deque en algunos de estos estudios se incluye el coste de la prima del seguro médico privado.

La principal dificultad reside en que el seguro médico privado podría llevar a mejorasen un conjunto de servicios del ámbito sanitario, pero no existe un mercado de seguros mé-dicos que ofrezca mejoras parciales elegidas por el usuario para un determinado serviciocomo por ejemplo reducción de tiempo de espera para una intervención quirúrgica. Actual-mente resulta muy difícil determinar cómo valoran los individuos una mejora concreta en laatención sanitaria ya que los seguros médicos privados proponen un incremento de la cali-dad en la atención sanitaria en bloques de servicios y exigen a cambio un pago único, peroal no existir un mercado de mejoras parciales en servicios sanitarios, no hay un precio demercado para ellas. Por este motivo, surge la necesidad de establecer el valor monetario quelos individuos asignan a estas mejoras parciales.

Además, cualquier política sanitaria que emprendan las autoridades públicas debe bus-car la eficiencia, lo cual implica una correcta evaluación económica. Sin embargo, en el ám-bito de la sanidad es muy complicado medir los resultados de dichas políticas debido a su in-tangibilidad. En este sentido, la valoración monetaria de las intervenciones en atenciónsanitaria pública facilitaría su correcta evaluación económica. Con ello se podrían priorizarpolíticas de actuación y mejorar la eficiencia interna del Sistema Nacional de Salud (SNS)(García-Altés et al., 2011; Peiró et al., 2011; López-Casasnovas y Soley, 2012).

En la Economía de la Salud, como en la economía en general, se establece que la canti-dad óptima que el sector público debe proveer de servicios sanitarios públicos sería aquellapara la cual el último euro gastado en dichos servicios tuviera un beneficio o valor socialigual a su coste, medido por el valor que se obtendría de ese mismo euro gastado en cual-quiera de las mejores alternativas a las que pudieran dedicarse esos recursos. Sin embargo,al intentar aplicar este criterio nos encontramos con la dificultad de medir los beneficios o elvalor social de muchas de las actuaciones públicas. Tal y como indica Rodríguez (2001),esto ocurre porque no existen precios que nos sirvan de guía como en el mercado. Por ellola valoración monetaria de la salud cada día resulta más importante.

Valoración económica de los servicios sanitarios en la Comunidad Autónoma del País Vasco 73

Del mismo modo, es importante recordar que aunque la sanidad pública en el punto deconsumo es prácticamente gratuita desde un punto de vista individual, desde un punto devista social tiene un importante coste asociado puesto que es necesario asignar recursos parasu provisión. Además, como los recursos son escasos, una mala asignación de los mismospodría conllevar una pérdida de bienestar a nivel global. Esta pérdida se podría valorar cal-culando la diferencia entre el coste de proveer una determinada cantidad de servicios sanita-rios y lo máximo que los individuos estarían dispuestos a pagar por usar esos mismos servi-cios (Wolf, 1993). Dado que el coste, aunque sea difícil, puede establecerse con una correctacontabilidad, necesitaríamos conocer la disposición a pagar de los individuos para poder ele-gir la asignación de recursos que menor pérdida de bienestar a nivel global produzca.

La cuestión se centraría, por tanto, en determinar cuál es la asignación adecuada de re-cursos públicos entre los distintos programas sanitarios dependiendo del impacto que estostengan en el bienestar individual y social. Para ello resulta fundamental estimar, en unidadesmonetarias, las preferencias individuales con respecto a cambios en la provisión de serviciossanitarios. Pinto (2000) recuerda que, para maximizar el beneficio, se deben elegir los pro-gramas sanitarios según su razón coste-beneficio basando el sistema de medida en preferen-cias individuales. Con todo se buscaría conseguir que los programas sanitarios proporciona-sen una mayor ganancia total en cuanto a nivel de satisfacción o bienestar colectivo(Costa-Font, 2005).

La finalidad de nuestro estudio ha sido valorar económicamente los servicios sanitariosen la Comunidad Autónoma de País Vasco (CAPV). Para ello se ha llevado a cabo una en-cuesta que incluye un experimento de elección discreta (EED) para poder atribuir un valormonetario a determinados servicios sanitarios, ya que un modelo de elección discreta tienecapacidad y flexibilidad para poder tratar la naturaleza multidimensional de los servicios sa-nitarios (Louviere et al., 2000). Lancsar y Louviere (2008) también indican que los EED tie-nen un gran potencial para contribuir en la medición de resultados para su uso en la evalua-ción económica y que prácticamente son los únicos cuyos resultados podrían ser empleadosen los análisis coste-beneficio y coste-utilidad. Además, los EED son una herramienta po-tencialmente valiosa para la obtención y el análisis de preferencias y con ello para el análi-sis de la salud y los programas de salud (Viney et al., 2002).

El artículo está organizado de la siguiente manera. En las secciones 2 y 3 se describe elmétodo de experimento de elección y la estructura de la encuesta respectivamente. La sec-ción 4 explica el desarrollo de la encuesta y las variables utilizadas, mientras que en la sec-ción 5 se presenta la metodología aplicada. Por último en la sección 6 se analizan los resul-tados obtenidos y en la 7 se recogen las conclusiones del trabajo.

2. Experimentos de elección discreta en la economía de salud

Los EED pertenecen a la familia de los métodos de valoración basados en preferenciasdeclaradas que convierten las respuestas subjetivas de elección en parámetros estimados.


Estos métodos de valoración son empleados en el ámbito de la salud a partir de la década delos 90, aunque las aplicaciones en este campo han venido aumentando en los últimos años(Erdem et al., 2013; Huynh et al., 2013; Whitty et al., 2013).

Los experimentos de elección han sido utilizados en la economía de la salud para identifi-car preferencias frente a determinados programas (Johnson et al., 2000; Ryan y Wordsworth,2000; Hall et al., 2006; Araña et al., 2008), servicios, (Jan et al., 2000; Morgan et al., 2000;Ryan et al., 2006; Burge et al., 2010; Bansback et al., 2012) o seguros sanitarios (Krueger yKuziemko, 2013, Loewenstein et al., 2013). También se han publicado estudios en los que seofrece una mayor información sobre la estimación del valor monetario de reducir el tiempo deespera (Ryan et al., 2005), información sobre las expectativas de aceptación de nuevas políti-cas o productos (Hall et al., 2002; King et al., 2007; Lancsar et al., 2007; Sivey et al., 2012;Kesternich et al., 2012) o la correcta asignación de recursos sanitarios (Lancsar et al., 2011).

En España los primeros estudios de análisis de las preferencias se centraban en prioriza-ción de programas sanitarios (Costa y Rovira, 1999), preferencias por distintas prestacionessanitarias (Dalmau y Puig-Junoy, 1998; Pinto y Sánchez, 1999), preferencias con respecto aelección de proveedor de atención médica (Puig-Junoy et al., 1998) o valoración de los efec-tos de determinados fármacos (Pinto et al., 1998). Sin embargo, hay que esperar casi una dé-cada para encontrar trabajos que incluyan los EED como herramienta de valoración (Espa-llargués et al., 2003, Rivera et al., 2004, Abad et al., 2006, Sampietro-Colom et al., 2006 oSan Miguel et al., 2008). El objetivo principal de estos trabajos ha sido establecer mecanis-mos de priorización de pacientes en listas de espera sin ocuparse de la valoración económi-ca de los resultados.

Los EED pueden proporcionar información sobre las preferencias individuales y tienenun gran potencial para valorar bienes intangibles también en la economía de la salud (Lanc-sar y Louviere, 2008; Viney et al., 2002). Aplicados a servicios sanitarios consideran las pre-ferencias de los individuos sobre hipotéticos cambios en los factores que caracterizan el sis-tema sanitario, como por ejemplo cambios en los tiempos de espera, en el confort de lahospitalización o en la cobertura odontológica. Los EED son métodos de encuesta en la quese ofrecen a los individuos varias alternativas, cada una de ellas caracterizada por distintosniveles de los atributos del bien a valorar entre los que se incluye, como atributo, el costeasociado (Louviere et al., 2000; Hensher et al. 2005; Ryan et al., 2008). Los atributos sonlos mismos en todas las alternativas y la diferencia entre ellas reside en el nivel asignado acada uno de los atributos.

Las alternativas se agrupan en las denominadas tarjetas de elección las cuales son inde-pendientes entre sí. Cada tarjeta de elección ofrece un número limitado de alternativas entrelas que puede haber una que se toma como referencia y que describe el estado actual. Estaalternativa es conocida como statu quo y su atributo monetario asignado es habitualmentecero dado que esta alternativa no incluye ningún cambio en las características del bien ana-lizado. El individuo basa su elección, principalmente, en su experiencia y en la percepciónsubjetiva que tiene respecto a los atributos que definen el bien.


Para configurar las tarjetas de elección se utilizan diferentes técnicas basadas en diseñosexperimentales (Louviere et al., 2000; Hensher et al., 2005; Street et al., 2005). Por otrolado, la metodología econométrica a utilizar está basada habitualmente en modelos de varia-bles dependientes discretas. El modelo econométrico aplicado normalmente es el modelologit multinomial o alguna de sus generalizaciones como, por ejemplo, modelo de clases la-tentes, modelo logit de parámetros aleatorios o modelos de componentes de error (McFad-den y Train, 2000; Hensher y Greene, 2003a y 2003b; Hensher et al., 2005).

En los EED se recogen habitualmente variables socio-demográficas puesto que las mis-mas pueden ayudar a determinar cómo las características particulares del individuo influyenen las elecciones realizadas (Viney et al., 2002). Además, de esta forma se puede observarla heterogeneidad en las preferencias individuales (Louviere et al., 2000).

3. Estructura de la encuesta

La encuesta que se ha utilizado para valorar los servicios sanitarios en la CAPV, está di-vidida en cinco secciones: información básica, preguntas de calentamiento, informaciónsobre atributos, tarjetas de elección y variables socio-demográficas.

La información básica que se proporciona al comienzo de la encuesta describe la situa-ción actual en la CAPV en la que el acceso al especialista y a las pruebas de diagnóstico enel sistema sanitario público en ocasiones puede no resultar ágil. También se explica el pro-cedimiento utilizado en las visitas al especialista en el que el paciente debe acudir en primerlugar al médico de cabecera. De la misma forma se describe la situación actual de las listasde espera para intervenciones quirúrgicas.

En la segunda parte de la encuesta se incluyen las preguntas de calentamiento que sir-ven para que el individuo tome conciencia de la importancia de valorar los atributos de losservicios sanitarios. Concretamente se pregunta al encuestado si alguna vez ha estado en si-tuación de larga espera para prueba médica, visita a especialista o intervención quirúrgica.

En la tercera parte de la encuesta se explica al encuestado en qué consisten los escena-rios hipotéticos en los que tendrá que efectuar su elección. Los atributos que forman estosescenarios hipotéticos son la clave del experimento de elección ya que su correcta identifi-cación y fijación de sus niveles condiciona los resultados.

Los atributos relevantes susceptibles de mejora en los actuales servicios sanitarios en laCAPV, así como los niveles de cada uno de ellos han sido seleccionados mediante la técni-ca cualitativa de grupos de discusión (focus group). Se ha pretendido aunar la opinión deprofesionales sanitarios y usuarios del sistema sanitario por considerar fundamental la parti-cipación de ambos colectivos (O’Connel, 2002; Farell, 2004; Costa-Font, 2005; Abad, et al.,2006). De esta forma, se han realizado dos sesiones de trabajo de una hora y media con 15 in-dividuos en cada una de ellas 1. El objetivo de estas reuniones ha sido poner en común las


opiniones de los componentes de los grupos de discusión sobre cuáles deberían ser los atri-butos que caracterizan los servicios sanitarios.

Los integrantes de los grupos de discusión han puntuado de manera anónima cada unode los atributos seleccionados en función de su importancia. Los cinco atributos con mayorpuntuación agregada que han sido finalmente incluidos en la encuesta son: el tiempomedio de espera para atención de especialista y las pruebas médicas complementarias, eltiempo medio de espera para intervención quirúrgica no urgente, el confort en la hospita-lización, la calidad del trato médico 2 con posibilidad de elección del médico que ofreceuna atención continuada a medio-largo plazo, la cobertura odontológica y el coste mensualasociado.

Una vez realizada la identificación de los atributos, los integrantes de los grupos de dis-cusión han debatido sobre los posibles niveles para cada uno de ellos dependiendo del nivelde planificación, intervención y ampliación de los servicios sanitarios en la CAPV que se pu-diese dar en un marco hipotético. Para los atributos Confort hospitalario, Trato médico y Co-

bertura odontológica, se han considerado tres niveles: el correspondiente a la situación ac-tual en el servicio público y dos posibles niveles de mejora denominados nivel medio y alto.La tabla 1 presenta los distintos niveles para los cuatro atributos de servicio finalmente se-leccionados y el coste asociado para cada posible combinación de los mismos (alternativa)según los expertos del grupo de discusión.

Tabla 1ATRIbuTos y nIVElEs uTIlIzAdos En El ExPERImEnTo dE ElECCIón

tA ributos in veles

Tiempo espera especialista 1 mes 2 meses 3 mesesTiempo espera intervención 2 meses 3 meses 5 meses 8 mesesConfort en la hospitalización Bajo Medio AltoCalidad del trato médico Bajo Medio AltoCobertura odontológica Bajo Medio AltoCoste €0 €30 €60 €90

La cuarta parte de la encuesta consiste en las tarjetas de elección que constituyen laparte más importante del experimento de elección. En la encuesta cada individuo respon-de a 12 tarjetas de elección distintas. Las tarjetas recogen tres diferentes alternativas ycada alternativa está caracterizada por determinados niveles de actuación que implicandistintos valores de cada uno de los atributos. Las alternativas B y C recogen los efectosde distintas actuaciones en los servicios sanitarios en la CAPV y tienen asociado un costeque se traduce en un pago mensual para el individuo. La alternativa A representa la situa-ción actual (statu quo) con coste asociado cero. Un ejemplo de estas tarjetas, que repre-senta un mercado hipotético, se presenta en la figura 1. Las combinaciones de los diferen-tes niveles de los atributos en cada tarjeta de elección, se han generado con un diseñofactorial fraccional D-óptimo (Rose y Bliemer, 2005) y han sido obtenidas medianteNgene (Rose y Bliemer, 2013) consistiendo en cuatro bloques de 12 filas. El diseño expe-


rimental ha tenido en cuenta que en todas las tarjetas de elección debe estar incluida la si-tuación actual (statu quo).

Es importante destacar que antes de la serie de 12 tarjetas de elección presentadas, a cadaencuestado se le aclara que debe escoger su opción preferida en cada uno de los escenarioshipotéticos que aparecen representados en las tarjetas, que las elecciones son independientesunas de otras y que no hay opciones correctas ni incorrectas. También se le recuerda que encaso de que decida no pagar, está asumiendo la actual situación de la sanidad pública y quesi selecciona la alternativa B o C, el dinero que destine a mejorar la asistencia sanitaria reci-bida no podría utilizarlo para otros gastos.

Figura 1EjEmPlo dE unA TARjETA dE ElECCIón PREsEnTAdA

P14is tuación a ctual lA ternativa 1 lA ternativa 2

A b C

iT empo espera especialista 3 meses 1 mes 3 mesesiT empo espera intervención 8 meses 5 meses 8 mesesoC nfort en la hospitalización BAJO BAJO ALTOaC lidad del trato médico BAJO ALTO MEDIOoC bertura odontológica BAJO ALTO BAJOoC ste 0 €/mes 30 €/mes 90 €/mes

La opción elegida es: ❒ ❒ ❒

A B C

Finalmente, la última parte de la encuesta está dedicada a las características socio-demo-gráficas del encuestado. Se recoge información de variables habituales tales como edad,lugar de nacimiento y residencia, nivel de estudios, situación laboral, actividad y renta; ade-más consideramos la variable estado de salud cuya relevancia se indica por ejemplo en Ay-llón y Pérez (2012).

4. muestreo y resultados

Las encuestas se realizaron entre el último trimestre del 2011 y el primero del 2012 a untotal de 235 individuos seleccionados en la CAPV mediante un muestreo aleatorio simple.La muestra de la CAPV es representativa en términos de género, situación laboral y renta.

La literatura sobre los EED no da muchos detalles sobre el cálculo del tamaño muestralcon excepción de Louviere et al. (2000) que proporcionan una breve guía para el cálculo deltamaño muestral en los EED. De esta forma, un EED analiza la proporción de elección deuna determinada alternativa con un deseado nivel de precisión. Louviere et al. (2000) de-muestran que si se desea estimar la verdadera proporción p con la precisión a (medida comoporcentaje de la verdadera proporción) con probabilidad α o mayor, entonces el tamaño mí-nimo de la muestra debe satisfacer:


Tabla 2TAmAño muEsTRAl

p

a = 0,05 a = 0,10

nº d e rím

ensipmuoes

tas nº d e iín

m

ndimivi

oduos nº d e r

ím e

nsipmuoestas nº de i

ín

m

ndimivi

oduos

0,1 7.056 588 1.764 1470,3 1.829 152 457 380,5 784 65 196 160,7 336 28 84 7

Las verdaderas proporciones no son conocidas, pero las proporciones correspondientesa las tres alternativas de nuestra muestra son próximas a 0,3. Para proporciones con estevalor la muestra de 150 individuos corresponde a la precisión del 5% (a = 0,05) con proba-bilidad del 95% (α = 0,95). Si asumiésemos de forma conservadora que la verdadera propor-ción es más baja, por ejemplo de 0,1 (p = 0,1), entonces nuestra muestra aseguraría la preci-sión del 10% (a = 0,10) con probabilidad del 95% (α = 0,95).

La tabla 3 presenta los estadísticos descriptivos de las variables socio-demográficascuantitativas y la frecuencia de los valores de las cualitativas. Se observa, por ejemplo queel 48% de los encuestados son hombres, que la edad media se sitúa alrededor de los 40 añoso que el valor medio del número de adultos en el hogar es de 2,66. Además, los datos refle-jan la tradición deportiva que existe en la CAPV puesto que solamente el 16,6% de los en-cuestados declaran no practicar deporte.

Para la estimación se han definido las siguientes variables ficticias: Autónomo que re-presenta la categoría uno de la variable SitLaboral, Estudios universitarios que unifica lascategorías 4 y 5 de la variable NivelEstudios e Ingresos altos que incluye las categorías 3 y4 de la variable IngresoMes.

Antes de la estimación es fundamental identificar y excluir las respuestas no válidas. Ennuestra encuesta hemos aplicado varios filtros a los datos para lograr mayor fiabilidad de losresultados (Bateman et al., 2002). El primero de ellos se centra en la comprensión del obje-tivo de la encuesta. El segundo filtro elimina las elecciones no racionales y el tercero las res-puestas protesta.

− pn ≥ 1 1Φ−1 + α

,r p⋅ ⋅a2 2

donde F-1(∙) es la función inversa de la distribución normal acumulativa y r es el número derespuestas por individuo.

En la tabla 2 se presenta el tamaño muestral mínimo para nuestro caso de 12 respuestaspor individuo (r = 12) correspondiente a las precisiones del 5% (a = 0,05) y del 10% (a =0,10) y con probabilidad del 95% (α = 0,95).

sA

CIF

áR

go

mE3 da -l

b oa IT C

os

sE

lb

AIR

AV

énea rori

able

escr

ipci

óny

valo

res

edia

esíp

ínáx

Vd

%m

d. T

.m

.m

.

GG

éner

o (0

=muj

er, 1

=hom

bre)

0,48

0,50

0,00

1,00

dad

EE

dad

(cua

ntita

tiva)

39,9

713

,68

21,0

083

,00

dult

os

AN

º ad

ulto

s ≥

18 a

ños

en e

l hog

ar (

cuan

titat

iva)

2,66

2,66

0,00

30,0

0en

ore

sM

Nº

niño

s <

18 a

ños

en e

l hog

ar (

cuan

titat

iva)

0,67

0,91

0,00

3,00

S pe rig vu ar do o

méd

ico

Dis

pone

de

segu

ro m

édic

o pr

ivad

o (0

=No,

1=S

í)

0,25

0,43

0,00

1,00

Res

iden

cia

1= A

raba

33,6

2%R

esid

enci

a2=

Biz

kaia

37,8

7%H

abitu

al3=

Gip

uzko

a28

,51%

stado

ivil

1 =C

asad

o46

,81%

2=Pa

reja

hec

ho in

scri

ta1,

70%

3=Pa

reja

sin

reg

istr

ar17

,02%

EC

Est

ado

civi

l4=

Solte

ro27

,66%

5=Se

para

do o

div

orci

ado

5,53

%6=

Viu

do1,

28%

Sit

abora

l

1=A

utón

omo

8,94

%2=

Em

plea

do c

ompl

eta

50,2

1%3=

Em

plea

do p

arci

al

5,11

%Si

tuac

ión

4=D

esem

plea

do2,

55%

Lla

bora

l act

ual

5=L

abor

es d

el h

ogar

0,85

%6=

Jubi

lado

4,68

%7=

Est

udia

nte

22,1

3%8=

Otr

a5,

53%

ivel

studio

s

1=Si

n es

tudi

os/p

rim

ario

s1,

28%

Est

udio

s2y

3=Se

cund

ario

s34

,89%

NE

fina

lizad

os

4=U

nive

rsita

rio

med

io27

,23%

5= U

nive

rsita

rio

supe

rior

36,6

0%

Pra

ctep

1=N

o16

,60%

DPr

actic

a de

port

es2=

Esp

orád

icam

ente

36,1

7%3=

Hab

itual

men

te47

,23%

ngre

soes

€

€ € €

1= M

enos

de

1.00

04,

68%

2= d

e 1.

001

a 3.

000

43,4

0%In

terv

alo

ingr

esos

I

M3=

de

3.00

1 a

6.00

039

,15%

men

sual

es f

amili

ar4=

Más

de

6.00

03,

83%

5= N

s/N

c8,

94%



Para identificar problemas cognitivos se pregunta al individuo, antes de comenzar a pre-sentar las tarjetas, si entiende el objetivo y las consecuencias de pagar o no una prima men-sual. Los individuos que no comprenden estos términos se excluyen de la muestra. Del totalde nuestra muestra de 235 individuos, 31 individuos (13% de los encuestados) han declara-do no entender el objetivo.

Figura 2TEsT dE RACIonAlIdAd

P26is tuación a ctual lA ternativa 1 lA ternativa 2

A b C

iT empo espera especialista 3 meses 2 meses 1 mesesiT empo espera intervención 8 meses 5 meses 3 mesesoC nfort en la hospitalización BAJO MEDIO MEDIOaC lidad del trato médico BAJO MEDIO MEDIOoC bertura odontológica BAJO MEDIO ALTOoC ste 0 €/mes 60 €/mes 30 €/mes

La opción elegida es: ❒ ❒ ❒

A B C

En el segundo filtro de nuestra encuesta se ha incluido un test de racionalidad medianteuna tarjeta adicional a las 12 anteriores que se presentan a cada individuo, representada enla figura 2. En esta última tarjeta, la alternativa C es preferible a la alternativa B y su costees menor que el de la alternativa B por lo que el encuestado no debería elegir en ningún casola alternativa B. La elección de la alternativa B se interpreta como comportamiento irracio-nal y por este motivo han sido excluidos de la muestra 12 encuestados, lo que supone un5,11% del total de encuestados.

Después de eliminar los individuos que no entienden el objetivo de la encuesta y losencuestados con comportamiento irracional, se analiza la existencia de posibles respues-tas protesta. Con este fin, se solicita al individuo que ha escogido la opción A en algunade las 13 tarjetas de elección, que indique cual ha sido la razón de dicha elección. Las po-sibles respuestas a esta pregunta se presentan en la tabla 4. Los individuos identificadoscon respuesta protesta, asociados a la opción 3 y 4 de la tabla 4, no están dispuestos a de-clarar su disponibilidad a pagar (DAP) por actuaciones en los servicios sanitarios en laCAPV.

En definitiva, son individuos contrarios a realizar cualquier tipo de pago por el bien ana-lizado. En función de la razón por la que el encuestado indique que ha elegido la opción A,se le identificará como protesta o no y por tanto sus contestaciones se excluirán o no de lamuestra buscando mayor fiabilidad de los resultados. De los 149 individuos que eligieron laopción A en alguna o varias tarjetas, 60 fueron considerados como respuesta protesta lo quesupone un 25,53% de la muestra total. Este porcentaje está en consonancia con los nivelesde protesta encontrados, por ejemplo, en estudios de economía ambiental (Hoyos et al.,2012).


Tabla 4moTIVos dE ElECCIón dE lA AlTERnATIVA dE statu quo

om tivospeRrsoptueesstata

enúncmue

esrtoad

does

%

1. Porque las alternativas no eran suficientementeatractivas comparando con lo que costaban No 77 32,77%

2. Porque prefiero gastar

mi dinero en otras cosas No 4 1,70%3. Porque creo que las mejoras en la atención sanitaria

deberían ser f inanciadas por la dA ministración Sí 32 13,62%4. Porque c reo q ue s e p aga s uficiente a l a S eguridad S ocial Sí 28 11,91%5. Otra No 8 3,40%6. No ha elegido en ninguna tarjeta la alternativa A – 86 36,60%

ToTAl 235 100%

Tras realizar todos los filtros anteriores, el total de encuestas con elecciones válidas fren-te a las tarjetas de elección es de 150 con un total de 1.800 observaciones.

5. metodología

El modelo clásico utilizado para analizar las respuestas del EED es el Modelo LogitMultinomial (MNL) basado en la teoría de utilidad aleatoria. En el marco de estos modelosla utilidad indirecta del individuo depende de una parte determinista (atributos y parámetros)y un componente aleatorio (McFadden, 1974; Louviere et al., 2000). Este método fue utili-zado en las primeras aplicaciones en el campo de transporte, economía de la salud o medioambiente a pesar de sus supuestos restrictivos (independencia de alternativas irrelevantes –IIA), que habitualmente no se cumplen en los datos reales.

De esta forma, asumiendo una función de utilidad lineal, la utilidad de la alternativa co-rrespondiente al individuo i y su t-ésima elección se define en nuestro caso como:

U = x’ b + eit,j it,j it,j

= ASC + b Tiempo espera especialistaj 1 it,j

+ b Tiempo espera intervención + b Confort hospitalario2 it,j 3+ b Trato médico + b Cobertura odontológica b Coste + e4 it,j 5 it,j

+ 6 it,j it,j

donde xit,j

es un vector que contiene niveles de atributos de la alternativa j del individuo i ensu t-ésima tarjeta de elección, b es el vector de parámetros constantes para todos los indivi-duos y e iid

it,jes un término de error con distribución de valor extremo tipo I. El término

ASCjconstante es incluido solamente en dos de las tres alternativas por razones de identifi-

cación del modelo.

El Modelo Logit Mixto (MXL) (McFadden y Train, 2000; Hensher y Greene, 2003a) esprobablemente uno de los modelos más aplicados en la literatura empírica de experimentosde elección porque relaja el supuesto de IIA y su flexibilidad permite su uso en aplicaciones


muy variadas. Hess y Rose (2012) demuestran que un MXL con parámetros correlacionadospuede incluso representar la heterogeneidad en la escala y no es, por tanto, necesario utilizarespecificaciones más complejas como, por ejemplo, Logit Mixto Generalizado (G-MNL)(Fiebig, et al., 2010).

En el MXL los parámetros siguen una determinada distribución continua permitiendo deesta forma una heterogeneidad en las preferencias de los individuos. En el MXL la probabi-lidad de que un individuo i elija la alternativa j en su t-ésima tarjeta de elección se definecomo:

exp(x '

it , jβ )P i

it , j =∑ J ,

i exp(x '

j 1 it j, β )= i

donde, en general, xit,j

es un vector (K¥1) que contiene niveles de atributos de la alternativaj (de un total de J

ialternativas) del individuo i (de un total de N individuos) en su t-ésima

tarjeta de elección (de un total de Titarjetas de elección). El vector de parámetros (K¥1) se

distribuye de forma continua entre individuos según:

b = b + ∆z + Gv ,i i i

(1)

donde b es ahora un vector de parámetros que representan la media de distribución de losparámetros aleatorios, z

i es un vector de características individuales que afectan la media de

la distribución y ∆ es una matriz de parámetros asociados. El efecto aleatorio vi se caracteri-

za por:

E(vi) = 0, Var (v

i) = S = diag [s1,s2,...,sk].

Las varianzas y covarianzas de la distribución conjunta de bise parametrizan mediante

la matriz triangular G que debe ser estimada. Dado que G es desconocida, los parámetross1,i=1,2,...k, se asumen conocidos para la correcta identificación del modelo. De esta forma:

Var(b G Gi) = S ´.

Dado que se realizan Tielecciones, la verosimilitud condicionada de la serie de eleccio-

nes realizadas por el individuo es

P |v = ’Ti P v .i i

t=1 i t

|i

(2)

Para poder definir la verosimilitud incondicional, es necesario integrar a través de vi, es

decir:

P dvi= ∫ P v h v

v i|

i(

i)

i,

i

donde h(vi) es la densidad del vector aleatorio v

i. Esta integral no tiene forma cerrada y por

eso la estimación debe realizarse mediante simulaciones. El procedimiento de estimaciónmediante la maximización de función de verosimilitud simulada se lleva a cabo mediante lamaximización de la siguiente función (Hensher y Greene, 2003a y Hensher y Greene, 2003b)


∑ = N 1 Rln L ln

=1 ∑ ln ,i P v

R r=1 i i ir

donde vir

es una realización aleatoria de la distribución supuesta, R es el número de realiza-ciones y P v

i|

i está definido en (2).

La estimación de un MXL incluye algunos importantes puntos relacionados con la es-pecificación del modelo. El primer punto importante es determinar qué parámetros del mo-delo deben ser considerados aleatorios. McFadden y Train (2000) proponen un contraste ba-sado en la construcción de unas variables artificiales. En el primer paso se estima un MNLy se construye la siguiente variable artificial correspondiente a la l-ésima variable cuyo pa-rámetro se desea contrastar

z x= −1 J( )x 2 , x i

lij lij li li = ∑ x P ,m= lim im (3)

2 1

donde Pim

es la probabilidad de seleccionar la alternativa m por el individuo i obtenida delMNL anterior. El MNL se estima después incluyendo una o varias variables adicionales an-teriores y la hipótesis nula de coeficiente no aleatorio se rechaza si el coeficiente de la va-riable artificial es diferente de cero. El test se puede realizar para varios coeficientes conjun-tamente mediante el contraste de Wald o ratio de verosimilitudes (LR). La gran mayoría delos autores no aplica este test para contrastar la posible aleatoriedad de los parámetros y uti-liza en su lugar los estadísticos t de las desviaciones típicas de los parámetros aleatorios. Ma-riel et al. (2013), sin embargo, demuestran que la aplicación de este procedimiento debe evi-tarse porque presenta el error tipo I muy elevado y la aplicación del procedimiento propuestopor McFadden y Train (2000) se hace, por tanto, necesaria.

El segundo punto importante en la especificación del MXL es el supuesto de la distribu-ción de los parámetros. Las más populares y utilizadas distribuciones son la normal, unifor-me, triangular y Log-normal. En la literatura aparecen numerosos trabajos analizando ven-tajas y desventajas de estas distribuciones. Entre procedimientos que puedan arrojar luzsobre el tipo de distribución subyacente a los datos reales se pueden mencionar el contrastede Fosgerau y Bierlaire (2007), uso de coeficientes individuales (Hensher y Greene, 2003b)o mezcla de distribuciones (Fosgerau y Hess, 2009).

El tercer punto importante es la inclusión de interacciones de variables socio-demográfi-cas con las medias de las distribuciones de los parámetros. Estas interacciones indican la pre-sencia o falta de preferencias heterogéneas de los individuos. Si una interacción no es signi-ficativa podemos concluir que no existen preferencias heterogéneas debidas a las variablessocio-demográficas observadas. Eso no significa que no puedan existir preferencias heterogé-neas, ya que un parámetro aleatorio las puede indicar. Simplemente no se ha podido identifi-car la causa de esta heterogeneidad en base a las variables socio-demográficas observadas.

La medición estándar de bienestar en los modelos de utilidad aleatoria se atribuye aSmall y Rosen (1981) y a Hanemann (1982). En el caso de función de utilidad indirecta li-


nealmente aditiva, el excedente compensatorio para un logit de parámetros aleatorios sepuede obtener como (Train, 1998):

= − 1EC J oln∑ i e x β β− J

xp( ' ) ln∑ ii x '

it , eα it j xp( 1

it )j=1 j=1 , j

,

donde a es la utilidad marginal de la renta (habitualmente representada por el coeficiente delatributo de coste), b es el vector de parámetros del modelo de estimación y 0x

it jy 1x

, it,json los

vectores de atributos en el nivel inicial y después del cambio respectivamente. De esta formalas medidas de variación compensatoria miden el cambio en la utilidad esperada debida alcambio en el nivel de uno o varios atributos, ponderando este cambio con la utilidad margi-nal de la renta. Por ello la DAP por un cambio marginal en el nivel de cada atributo se ob-tiene mediante la división del coeficiente del atributo por el coeficiente del coste (Haab yMcConnell, 2002, p. 223).

6. Resultados

La tabla 5 presenta las estimaciones de los modelos MNL y MXL. Los resultados delMNL se incluyen solamente con el fin de obtener la primera aproximación a la informacióncontenida en los datos porque es de esperar que el supuesto IIA no se cumpla y además elMNL no tiene en cuenta que cada individuo responde a doce tarjetas de elección. Sin embar-go, como se puede observar en la segunda y tercera columna de la tabla 5, los signos de loscoeficientes estimados son los esperados. Así, un aumento de Tiempo de espera especialis-

ta o Tiempo de espera intervención disminuye la utilidad del individuo al igual que un in-cremento en el atributo Coste. Por otro lado un incremento en el nivel de Confort hospitala-

rio, Trato médico o Cobertura odontológica, aumenta esta utilidad.

Para la estimación de MXL presentada en la cuarta y quinta columna de la tabla 5 se hacontrastado en primer lugar la posible aleatoriedad de los seis atributos mediante el contras-te de McFadden y Train (2000). Para ello se han utilizado las variables artificiales definidasen (3) correspondientes a los seis atributos. Estas variables se han incluido individualmentede forma consecutiva en el modelo estimado. La significatividad individual de cada variableartificial ha sido contrastada mediante el contraste LR cuyo valor junto con su valor p se re-cogen en la tabla 6.

Como se puede ver en la tabla 6 la hipótesis nula de no aleatoriedad del parámetro co-rrespondiente se rechaza al 5% para los primeros tres atributos, es decir, para Tiempo de es-

pera especialista, para Tiempo de espera intervención y Confort hospitalario. Sin embargo,la misma hipótesis nula no se rechaza al 5% para los siguientes tres atributos: Trato médico,Cobertura odontológica y Coste.

La distribución de los tres parámetros aleatorios se ha seleccionado mediante el proce-dimiento propuesto por Hensher y Greene (2003a) que propone la estimación de N (númerode individuos en la muestra) modelos MNL con datos en los que se elimina un individuo.


Las diferencias entre los parámetros estimados de los N modelos y los parámetros del mo-delo base con todos los individuos proporcionan la contribución de cada individuo a la esti-mación del parámetro que representa el promedio. De esta forma, las diferencias deberían in-dicar la heterogeneidad de las preferencias de los individuos existente en la muestra. Lafigura 3 presenta las densidades de estas diferencias estimadas de forma no-paramétrica me-diante la función de kernel logística para los tres parámetros aleatorios.

Tabla 5EsTImACIón dE los modElos mnl y mxl

e

e

e

aV

riableoC

mnl mxl

eficiente ed sv. íT p. oC eficiente ed sv. íT p.

T

T

T

i

i

r

o

o

o

o

o

C

C

C

C

C

a

n

b

s

n

n

m

m

t

t

f

e

s

s

o

e

o

p

p

t

t

r

a

a

r

o

o

m

tu

t

n

n

é

e

e

r

t

t

h

e

e

d

a

s

s

o

p

p

i

s

c

o

e

e

p

A

B

o

d

r

r

i

a

a

o

ta

n

int

p

er

o

c

v

a i

ci

l

t

a

s

o

r

l

i

ó

e

g

i

i

e

c

n

l

a

st

ó

a

n

–0,155–0,2030,1930,5740,283

–0,029–0,2640,213

******************

***

0,0470,0160,0610,0540,0670,0020,1670,064

–––

0,7200,409

–0,042–0,0390,227

*********

**

–––

0,0720,0980,0030,2100,103

T

T

i

i

o

m

C

e

e

e

n

m

m

d

f

i

o

p

p

a

r

o

o

t

e

e

h

s

s

o

ip

p

(d

s

s

e

e

t

p

rr

r

i

a

a

i

t

b

a

i

e

ucip c

n

l

n

a

s

t

r

e

oi

e

ó

rv

i

e

a

n

l

li

c

ogs

i

t

ó

a

n

-normal)–––

–––

–0,689–1,505–1,748

*****

*

0,2810,1950,938

T

T

i

i

o

ed

C

e

e

e

p

s

n

t

m

m

e

e

v

fo

p

p

ia

r

o

o

c

t

gh

ei

ie

e

ós

s

o

np

p

s

e

e

p

i

r

r

i

a

a

ta

i(d

se

i

dl

t

n

a

tribs

t

e

p

n

r o

m

e

i

e

r

c

v

ui

e

a

c

n

il

m

i

ói

c

s

nt

ó

a

n

ol g n- ormal)–––

–––

1,6000,8771,406

******

*

0,1050,1230,752

n

n

n

s

s

s

o

o

o

HE

E

E

I

I

I

C

C

C

t

t

t

p

p

e

e

e

n

n

n

e

e

r

r

r

f

f

f

c

c

c

v

v

v

o

o

o

ri

i

i

e

e

e

o

r

r

r

a

a

a

n

n

n

t

t

t

l

l

l

c

c

c

i

i

h

h

h

s

s

s

i

i

i

n

o

o

o

ó

ó

ó

t

t

t

a

a

a

s

s

s

e

n

n

n

p

p

p

d

i

i

i

n

t

t

t

a

n

u

a

a

a

u

g

-A

-E.

-I

-A

-E.

-I g

l

l

l

U

t

U

r

ó

a

a

a

r

ó

e

n

e

r

r

r

n

n

s

n

i

i

i

s

i

o

i

o

o

o

o

o

v

o

v

m

s

e

l

s

e

a

r

o

r

a

n

o

a

s

u

s

-A

-E.

-I

l

g

i

l

i

t

t

U

t

t

t

o

ó

a

o

e

a

n

s

n

r

d

s

r

i

i

o

i

o

i

o

v

o

a

m

s

s

r

o

al

i

o

a

s

rios

–––––––––

–––––––––

–0,0970,250

–0,4651,5120,2280,028

–0,4470,282

–0,930

*********

0,3940,0950,0880,2800,1800,1761,3820,5580,636

n

o

o

oCI

C

C

te

n

n

rr

r

f

f

v

o

o

ee

r

r

lan

t

t

cc

h

h

ii

o

o

óó

s

s

nn

p

p

i

i

e

t

t

n

a

a

s

-E

l

l

tp

a

a

re

r

r

ec

i

i

i

o

o

pa

ali

r

n

s

s-E

-I

á

t

t

pe

e

a

mr

r

c

v

e

es

i

e

t

a

n

rs

e

l

s

s

t

t

o

c

is

ió

t

a

n

a(V lores d e Г)–––

–––

–0,346–0,834–0,249

*****

0,0810,4250,415

LogLAICObservacionesIndividuos

1.643,8123.303,624

1.800150

1.473,4902.992,991

1.800150

Significación: 1% ‘***’ 5% ‘**’ 10% ‘*’


Tabla 6ConTRAsTE dE AlEAToRIEdAd dE PARámETRos dE mCFAddEn

y TRAIn (2000)

Tiempo especialista

esperaintervención

Tiempo esperahospitalario

ConfortmédicoTrato

odontológicaCobertura Coste

lR 11,06 15,39 4,39 0,13 0,03 0,31Valor p < 0,01 < 0,01 0,04 0,72 0,87 0,58

Las tres densidades son relativamente apuntadas y asimétricas por lo que la distribuciónasumida para los tres parámetros aleatorios ha sido la Log-normal. Si se asumiese la distri-bución normal, como es lo habitual en la literatura, una de las colas de la distribución entra-ría en la zona del signo contrario al signo de la media de la distribución, indicando existen-cia de individuos con preferencias opuestas. Esto no es aceptable en nuestro caso porqueasumir que un aumento en el tiempo de espera para especialista u operación o una disminu-ción en el confort hospitalario afecta de forma positiva a la utilidad indirecta del individuo,no es realista. Además, este supuesto puede llevar a problemas en la computación de lasDAP como se indica en Daly et al. (2012).

La distribución Log-normal asegura el mismo signo del parámetro para todos los indi-viduos y su forma de campana asimétrica se acerca a la hipótesis que tenemos a priori sobrela distribución de las preferencias de los individuos. El MXL se ha estimado, por tanto, asu-miendo la distribución Log-normal para los tres coeficientes aleatorios. Dado que la distri-bución Log-normal está definida solamente sobre el subespacio de números reales positivosy los dos atributos Tiempo de espera especialista y Tiempo de espera intervención tienenefecto esperado negativo, se ha invertido el signo de los niveles correspondientes a esos dosatributos antes de la estimación.

El modelo se ha estimado asumiendo 1.900 secuencias de Halton para el cálculo de lafunción de verosimilitud simulada ya que el aumento de secuencias de Halton no llevaba aun cambio apreciable en el valor de logL. Para confirmar la validez de las estimaciones seha estimado el modelo con diferentes valores iniciales. Además, para dar mayor flexibilidadal modelo se ha supuesto que los tres coeficientes aleatorios están correlacionados (Hess yRose, 2012).

Las estimaciones de los coeficientes del modelo MXL se recogen en la cuarta y la quin-ta columna de la tabla 5. En el primer bloque se encuentran los coeficientes no aleatoriosjunto con dos términos independientes. El primer término independiente, Constante A, estáasociado a la alternativa statu quo y el segundo a la alternativa B. El signo negativo de laConstante A indica que, ceteris paribus, los individuos elegirían la alternativa B o C revelan-do, de esta forma que, frente a la situación actual, preferirían el conjunto de mejoras que in-cluyen las alternativas B o C incluso asumiendo el coste de las mismas. Igual que en el mo-delo MNL los coeficientes no aleatorios de Trato médico, Cobertura odontológica y Coste

presentan los signos esperados.

Figura 3. Estimaciones de las densidades de los parámetros aleatorios



El segundo y tercer bloque de la cuarta y quinta columna recoge los parámetros estima-dos de las distribuciones Log-normal de los tres atributos restantes. Dado que la distribuciónasumida es Log-normal, la interpretación de los signos y sus magnitudes no es directa.

El cuarto bloque presenta los coeficientes de la matriz D de la ecuación (1) que repre-sentan la heterogeneidad en media. Se puede observar que la media de la distribución del pa-rámetro del atributo Tiempo de espera especialista es diferente para individuos con Estudios

universitarios e individuos con Ingresos altos. Por otro lado la media de la distribución delparámetro del atributo Tiempo de espera intervención es diferente para Autónomos. Sin em-bargo, para el coeficiente del atributo Confort hospitalario no aparece ninguna interacciónsignificativa al 5% por lo que la heterogeneidad de este parámetro no se puede atribuir a lasvariables socio-demográficas incluidas en la encuesta. El último bloque presenta los elemen-tos de la matriz triangular Gde la ecuación (1).

La tabla 7 presenta las DAP calculadas a partir de los resultados del MXL de la tabla 5.Por esa razón las DAP asociadas a los atributos Tiempo de espera especialista, Tiempo de

espera intervención y Confort hospitalario son variables aleatorias con distribución no es-tándar. Las DAP han sido, por tanto, simuladas teniendo en cuenta tanto la heterogeneidadobservada como la no observada.

Los resultados de la tabla 7 se han obtenido mediante simulaciones incondicionadas delos individuos según Krinsky y Robb (1986). De esta forma, por ejemplo, la DAP para elatributo Tiempo de espera especialista de individuos que tienen Estudios universitarios

sería:

− −( exp(−= 0 6, 89 + 0 2, 50 +1,600 ⋅v))DAP ,

−0 0, 42

donde v~N(0,1). En el numerador aparecen la media y desviación típica de la distribuciónLog-normal del parámetro correspondiente y el parámetro de su interacción con la variablesocio-demográfica Estudios universitarios. En el denominador aparece el coeficiente no ale-atorio Coste.

Los resultados de la tabla 7 se han obtenido en cada caso mediante 10.000 realizacionesde la variable aleatoria v. Dado que la distribución de las DAP obtenidas no es estándar enla tabla 7 se presenta la mediana y los percentiles de 5% y 95%. Para eliminar los datos atí-picos que pueden aparecer por la forma de la distribución Log-normal, se han desestimadolos valores menores al resultado obtenido de multiplicar por 1,5 el rango interquartílico (Ab-dullah y Mariel, 2010). Las DAP para los dos restantes atributos con coeficientes aleatorios,Tiempo de espera intervención y Confort hospitalario, y sus correspondientes interaccionescon las variables socio-demográficas se han obtenido de forma similar.

Hay que destacar que las DAP para los atributos Tiempo de espera especialista y Tiem-

po de espera intervención son negativas por la definición del atributo por lo cual esos valo-res deben ser interpretados como disposición a pagar para evitar un incremento marginal de


los tiempos de espera. Para los atributos Confort hospitalario, Trato médico y Cobertura

odontológica, los valores de las DAP se interpretan como disposición a pagar para conseguirun incremento marginal en los niveles de dichos atributos. Finalmente, las DAP para Trato

médico y Cobertura odontológica no son aleatorias ya que están asociadas a coeficientesfijos.

Tabla 7dAP sImulAdAs En € PoR PERsonA y mEs

iT empo espera iT empo espera oC nfort aC lidad trato oC berturaespecialista intervención hospitalario médico odontológica

Individuo referencia

de –9,4(–56,6 ; –0,8)

–4,8(–16,3 ; –1,1)

4,2(0,2 ; 83,8) 17,0 9,6

uA tónomo –21,8(–73,8 ; –5,2)

Estudios –12,0Universitarios (–72,6 ; –1,021)

nI gresos altos –5,8(–35,6 ; –0,5)

ponPDAde rada –(

––

8,756,7 ; 0,7) –(

––

5,618,7 ; 1,2) (0,2

4,2; 83,8)

17,0 9,6

En la primera fila de la tabla 7 se presentan los resultados correspondientes a los atribu-tos con coeficientes aleatorios para un individuo de referencia. Dado que los parámetros aso-ciados al efecto de las características individuales recogidos en la matriz D de la ecuación (1)miden los efectos diferenciales, es necesario definir unas características de referencia (valo-res de las variables socio-demográficas que caracterizan un individuo de referencia) parapoder analizar un cambio en las mismas. Para el atributo Tiempo de espera especialista elindividuo de referencia se caracteriza por no tener Estudios universitarios y no tener Ingre-

sos altos. De esta forma el parámetro asociado, por ejemplo, a la variable Estudios universi-

tarios representa el efecto diferencial de tener o no Estudios universitarios suponiendo queel individuo tiene las características del individuo de referencia. Para el atributo Tiempo de

espera intervención el individuo de referencia incluye individuos no Autónomos. Para elresto de atributos en la primera fila de la tabla 7 se recogen los resultados para toda la po-blación porque para el atributo Confort hospitalario no se han encontrado variables socio-demográficas que afectasen a su media y los restantes dos atributos son fijos indicando pre-ferencias homogéneas de los individuos. Las siguientes líneas presentan valores para gruposde individuos caracterizados por ser Autónomo, tener Estudios universitarios o tener Ingre-

sos altos. Finalmente, la última fila de la tabla 7 presenta las DAP ponderadas para toda lapoblación calculadas de forma idéntica pero teniendo en cuenta las proporciones de los gru-pos (Autónomos, Estudios universitarios, Ingresos altos) que causan heterogeneidad en losparámetros aleatorios.

La mediana de la DAP para un individuo de referencia para evitar un aumento de un mesen Tiempo de espera especialista es de 9,4 € al mes. Como se puede observar en la prime-ra columna de la tabla 7, esta DAP para el grupo de individuos con Estudios universitarios,


aumenta (en valor absoluto) prácticamente en un 30% con respecto al individuo de referen-cia. Estos individuos, habitualmente, disponen de mayor cantidad de información y mayorcapacidad para gestionar el conocimiento. Este hecho suele propiciar que el grado de exigen-cia de estos individuos en la demanda de un bien sea muy elevado (González, 1995) y porello podrían tener mayor DAP para obtener dichos niveles de exigencia (Costa y García,2003; Ordaz et al., 2005; López y Vera-Hernández, 2008; Rodríguez y Stoyanova, 2008).Además, tal y como se recoge en algunos trabajos (Rodríguez y Stoyanova, 2004; Sáez et

al., 2006; Abásolo et al., 2008; González y Clavero, 2008), la probabilidad de acudir al es-pecialista aumenta con el nivel de estudios por lo que parece razonable que individuos conEstudios universitarios estén dispuestos a pagar más para conseguir una mejora marginal enel tiempo de espera para especialista. Por el contrario, el grupo de individuos con Ingresos

altos ven reducida su DAP probablemente por considerar sus recursos suficientes para resol-ver sus posibles cambios de salud futuros mediante consultas privadas.

En cuanto al Tiempo de espera intervención, la mediana de la DAP para un individuo dereferencia para evitar un aumento de un mes en este tiempo de espera es de 4,8 € mensua-les. En caso del Autónomo la DAP se incrementa notablemente hasta los 21,8 € al mes. Eltiempo de espera para los autónomos puede implicar pérdidas o reducción de ingresos en lamedida que su salud les impida atender su actividad económica. Por ello, este colectivo otor-ga un gran valor al tiempo productivo y tienen una mayor DAP que el resto de individuoscuando se trata de evitar largos periodos de espera. Este resultado coincide con el obtenidopor numerosos trabajos sobre el seguro médico privado (Jofre, 2000; Ordaz et al., 2005).Una de las razones por las que se contrata un seguro médico privado es reducir los tiemposde espera y en casi todos los estudios relacionados con dicho seguro se concluye que los au-tónomos tienen mayor probabilidad de contratar un seguro de estas características.

Si consideramos las medianas para las DAP simuladas, entre todas las DAP la menorestá relacionada con la mejora marginal del Confort hospitalario (4,2 €/mes) y la mayor conuna mejora marginal en el Trato médico (17 €/mes). Estos datos son llamativos ya que enlos análisis sobre la calidad de la hospitalización, la mayoría de los autores encuentran queuna de las principales quejas es el confort de las habitaciones (Donabedian, 2001; Santiñá et

al., 2002; Monteagudo et al., 2003; Herrera-Espiñeira et al., 2005; Herrera-Espiñeira et al.,2009). Sin embargo, a pesar de no estar satisfechos con el Confort hospitalario actual, no pa-rece que a los individuos una mejora marginal en el mismo les reporte gran utilidad puestoque no están dispuestos a pagar demasiado para que se produzca. Por lo que sí están dispues-tos a pagar una cantidad significativa es por elevar de bajo a medio o de medio a alto la ca-lidad del Trato médico recibido. Esta alta DAP muestra la importancia del factor humano enla atención sanitaria (Gimeno et al., 2006).

Como se puede observar la DAP por obtener una mejora marginal no depende exclusi-vamente de la satisfacción del individuo con respecto al atributo a mejorar, sino que tambiénes necesario considerar la importancia que el propio individuo otorga a dicho atributo. En elestudio de Murillo y Saurina (2013) se utiliza el análisis de valoración-importancia paraidentificar áreas de mejora en la provisión de servicios de salud en Cataluña. Destacan, entre


otras, la necesidad de mejorar con respecto al tiempo que el médico dedica a los pacientes ysu predisposición a escucharles. Se podría entender que este resultado es acorde con la DAPpor obtener una mejora marginal en la calidad del Trato médico recibido obtenida en estetrabajo y que resulta ser positiva.

Para el último atributo la DAP por incrementar el nivel de Cobertura odontológica sesitúa en torno a los 9,6 € mensuales. Esta DAP podría resultar sorprendente puesto que ac-tualmente en la sanidad pública sólo las extracciones están cubiertas y para el resto de trata-mientos el individuo debe acudir a una consulta odontológica privada. El coste de los trata-mientos odontológicos en la mayoría de los casos es bastante elevado por lo que cabríaesperar que la DAP para que los mismos estuviesen incluidos dentro de la sanidad públicafuese mayor. Sin embargo, no es un resultado alejado de la realidad, ya que la misma se apro-xima al coste de la póliza DKV Dentisalud (2013) cuya cobertura para determinados servi-cios odontológicos básicos asciende a 6,5 € al mes.

7. Conclusiones

El objetivo principal de este estudio ha sido analizar las preferencias de la ciudadaníavasca con respecto a la atención sanitaria que se ofrece en esta comunidad autónoma. Con-cretamente, se ha pretendido analizar económicamente el cambio en el bienestar de las per-sonas que se deriva de determinadas mejoras en la calidad del servicio sanitario recibido conrespecto al tiempo de espera para especialista y para intervención, el confort hospitalario, eltrato médico y la cobertura odontológica.

Con este fin, se ha empleado un EED fijando en primer lugar los atributos que mejor ca-racterizan la atención sanitaria y sus niveles. En el diseño del EED ha resultado fundamen-tal la participación de usuarios y de profesionales sanitarios, y se han establecido varios fil-tros para eliminar las respuestas no válidas que pudiesen sesgar los resultados. Además, sehan recogido variables socio-demográficas que han permitido analizar la heterogeneidad ob-servada en las medias de los parámetros aleatorios estimados asociada a algunas de estas va-riables.

Los resultados obtenidos muestran que la utilidad de los individuos aumenta si mejorael confort hospitalario, el trato médico y la cobertura odontológica, y que disminuye con elaumento de los tiempos de espera tanto para especialista como para intervención y confor-me aumenta el coste del programa. La heterogeneidad en las preferencias de los individuosse ve parcialmente explicada mediante algunas características socio-demográficas. Concre-tamente, encontramos que las preferencias de autónomos, personas con estudios universita-rios o con ingresos elevados son significativamente diferentes a las del resto de individuos.

El análisis de las medidas de bienestar obtenidas a partir de las preferencias individua-les muestra cómo la DAP por evitar que aumente el tiempo de espera especialista es cerca-na a 9 € al mes. En el caso de los individuos con estudios universitarios, su alta probabili-


dad de acudir al especialista junto con su nivel de exigencia en la demanda de servicios sa-nitarios podrían propiciar una mayor DAP para obtener una mejora marginal en el tiempo deespera para especialista. Sin embargo, los individuos con ingresos altos tienen menor DAPpara evitar que aumente el tiempo de espera para especialista, probablemente, porque supoder adquisitivo les permite evitar tiempos de espera acudiendo puntualmente a consultasprivadas. De manera similar, la DAP por evitar que aumente el tiempo de espera para inter-vención es aproximadamente 5 € al mes y aumenta considerablemente para los autónomosdebido a sus condiciones laborales.

Finalmente, la DAP marginal media por mejorar el confort hospitalario, calidad del tratomédico y cobertura odontológica es aproximadamente 4 €, 17 € y 10 € al mes respectiva-mente. Destaca la DAP por conseguir una mayor calidad de trato médico evidenciando quees el atributo más valorado en la asistencia sanitaria y que los individuos están dispuestos aafrontar un coste económico para lograr una mejora marginal en el mismo. No ocurre lomismo con el confort hospitalario puesto que éste no parece reportar gran utilidad a la po-blación de la CAPV. Por ello, se podría entender que los individuos, en general, dan mayorimportancia al trato médico en comparación con el confort hospitalario aunque ambos pare-cen tener un amplio margen de mejora. Respecto a la mejora marginal de la cobertura odon-tológica, su DAP obtenida no es tan elevada como se podría esperar a priori por no existirprácticamente en el sistema de cobertura pública, pero su valor se aproxima al coste de unapóliza de seguro dental privado que ofrece coberturas odontológicas básicas.

Estas DAP, declaradas por los individuos, son medidas del excedente compensatorio co-rrespondiente a un cambio marginal en el servicio sanitario valorado. Este excedente com-pensatorio refleja, en unidades monetarias comparables entre sí, la percepción de calidad delservicio sanitario y la valoración subjetiva que el individuo otorga al mismo. Además, lasmedidas de bienestar obtenidas se pueden utilizar directamente en herramientas de evalua-ción social de inversiones como, por ejemplo, el análisis coste-beneficio.

Por ello, los resultados obtenidos podrían ser fundamentales a nivel político en la asig-nación de recursos para mejorar el bienestar global. En la actual época de recortes en la sa-nidad pública (desde el statu quo) podría resultar de gran ayuda conocer las valoraciones quelos individuos realizan de los distintos servicios sanitarios para seleccionar aquellas restric-ciones que impliquen menor pérdida de bienestar global. Conociendo el valor económicootorgado por los individuos a algunos de los servicios sanitarios, se podría estimar el costesocial de los recortes en dichos servicios.

También, a nivel empresarial, los resultados del presente estudio se podrían tener encuenta para diseñar pólizas de seguro médico privado. En este trabajo se identifican cuálesson las mejoras en los servicios sanitarios más atractivas para los usuarios y cuanto estarí-an dispuestos a pagar para que se produjesen. Por tanto, en base a esta información, lascompañías aseguradoras podrían ofertar distintos paquetes de mejoras en servicios sanita-rios con cuotas variables que se ajustasen en mayor medida a las preferencias de los consu-midores.


Consideramos necesario resaltar que los resultados y las conclusiones a las quehemos llegado podrían estar condicionados por algunas limitaciones del presente trabajo.La encuesta ha sido realizada por los autores sin financiación externa lo que ha provoca-do que la muestra en algunos aspectos no sea todo lo representativa que los autores hu-biesen deseado. En próximos estudios se podría ampliar la muestra a nivel nacional e in-cluir variables de calidad subjetiva que pudiesen explicar las preferencias pordeterminados atributos.

notas

1. El primer grupo se ha formado con tres médicos, dos enfermeras y diez usuarios, mientras que el segundogrupo se componía de cuatro médicos, dos enfermeras y nueve usuarios. Los profesionales sanitarios han sidoseleccionados de dos ambulatorios elegidos aleatoriamente en Bilbao y Vitoria entre aquellos que estaban dis-puestos a participar de forma voluntaria. Por otro lado, el grupo de usuarios ha sido seleccionado aleatoria-mente en el barrio del ambulatorio correspondiente entre individuos que accedían a participar de manera des-interesada. La configuración final de los grupos aseguraba la participación de ambos sexos, de individuos condistintas edades y con diferentes niveles de educación.

2. El atributo “calidad del trato médico” pretende recoger el trato “humano” de la atención sanitaria. En el cues-tionario se describe como: “Trato médico personalizado, cercano y profesional. Con posibilidad de elección

del médico que ofrece una atención continuada a medio-largo plazo” (tal y como surgió en los grupos de dis-cusión). A pesar de ello cabría la posibilidad de que esta variable fuera mal interpretada en algunos casos como“calidad profesional o asistencial”. No creemos que este error haya aparecido en nuestro experimento dada laredacción del cuestionario, pero sería interesante para futuros estudios aclarar este aspecto con mayor detalle.Agradecemos a un evaluador anónimo esta puntualización.

Referencias

Abad, P.; Álvarez, B.; Rodríguez, E. y Rodríguez, A. (2006), “Preferencias sociales en las decisionespúblicas: priorización de pacientes en listas de espera quirúrgicas”, Hacienda Pública Española/Re-

vista de Economía Pública, 179 (4): 113-134.

Abásolo, I.; Pinilla, J. y Negrin, M. (2008), “Equidad en la utilización de servicios sanitarios públicospor Comunidades Autónomas en España: un análisis multinivel”, Hacienda Pública Española/Re-

vista de Economía Pública, 187 (4): 87-106.

Abdullah S. y Mariel, P. (2010), “Choice experiment study on the willingness to pay to improve elec-tricity services”, Energy Policy 38: 4570-4581.

Araña, J. E.; León, C. J. y Hanemann, M. W. (2008), “Emotions and decision rules in discrete choiceexperiments for valuing health care programmes for the elderly”, Journal of Health Economics, 27(3): 753-769.

Ayllón, S. y Pérez, C. B. (2012), “State Dependence in Self-Assessed Health in Spain”, Hacienda Pú-

blica Española/Revista de Economía Pública, 202 (3): 9-30.

Bansback, N.; Brazier, J.; Tsuchiya, A. y Anis, A. (2012), “Using a discrete choice experiment to es-timate health state utility values”, Journal of Health Economics, 31 (1): 306-318.


Bateman, I. J.; Carson, R. T.; Day, B. H.; Hanemann, W. M.; Hanley, N.; Hett, T. et al. (2002),Economic valuation with stated preferences techniques: A manual, Edward Elgar, Cheltenham.

Burge, P.; Netten, A. y Gallo, F. (2010), “Estimating the value of social care”, Journal of Health

Economics, 29 (6): 883-894.

Costa, J. (2005), “Participación colectiva y revelación de preferencias sobre programas sanitarios: unenfoque de sistema sanitario”, Gaceta Sanitaria, 19 (3): 242-252.

Costa, J. y García, J. (2003), “Demand for private health Insurance: how important is the quality gap?”,Health Economics, 12: 587-599.

Costa, J. y Rovira, J. (1999), Elicitation of health systems benefits: the willingness to assign approach,UK Health Economics Study Group Meeting, University of Birmingham, Birmingham.

Dalmau, E. y Puig-Junoy, J. (1998), “Market structure and hospital efficiency: evaluating potential ef-fects of deregulation in a National Health Service”, Review of Industrial Organization 13: 447-466.

Daly, A. J.; Hess, S. y Train, K. E. (2012), “Assuring finite moments for willingness to pay in randomcoefficients models”, Transportation, 39: 19-31.

DKV Dentisalud Disponible en: http://www.choice.dkvseguros.com [Acceso julio, 2013].

Donabedian, A. (2001), “Garantía de calidad en la atención de salud: el papel del consumidor”, Revista de Calidad Asistencial, 16: S102-6.

Erdem, S.; Campbell, D. y Hole, A. R. (2013), “Attribute-level non-attendance in a choice experiment

investigating preferences for health service innovations”, International Choice Modelling Confer-ence 3-5 de julio de 2013, Sydney, Australia.

Espallargués, M.; Sampietro, L.; Castells, X.; Pinto, J. L. y Rodríguez, E. (2003), “Elaboración de un

sistema de priorización de pacientes en lista de espera para cirugía de cataratas, artroplastia de ca-

dera y rodilla”, Barcelona, Agencià d’Avaluació de Tecnologia i Recerca Mèdiques, CatSalut, Departament de Sanitat i Seguretat Social, Generalitat de Catalunya.

Farell, C. (2004), “Patient and Public Involvement in health: the evidence for policy implementation,

Policy research Programme”, Policy research Programme, UK Department of Health.

Fiebig, D. G.; Keane, M.; Louviere, J. J. y Wasi, N. (2010), “The generalized multinomial logit: ac-counting for scale and coefficient heterogeneity”, Marketing Science, 29 (3): 393-421.

Fosgerau, M. y Bierlaire, M. (2007), “A practical test for the choice of mixing distribution in discretechoice models”, Transportation Research Part B: Methodological, 41 (7): 784-794.

Fosgerau, M. y Hess, S. (2009), “A comparison of methods for representing random taste heterogene-ity in discrete choice models”, European Transport-Trasporti Europei, 42: 1-25.

García-Altés, A.; Navas, E. y Soriano M. J. (2011), “Evaluación económica de intervenciones de saludpública”, Gaceta Sanitaria, 25 (Supl 1): 25-31.

Gimeno, J. A.; Repullo, J. R. y Rubio, S. (2006), Función directiva y recursos humanos en sanidad,Madrid, Ediciones Díaz Santos, S.A.

González, M. L. y Clavero, A. (2008), “Análisis de las desigualdades socioeconómicas en la utiliza-ción de asistencia sanitaria mediante modelos dinámicos”, Hacienda Pública Española/Revista de

Economía Pública, 186 (3): 9-42.


González, y. (1995), “La demanda de seguros sanitarios”, Revista de Economía Aplicada, 8 (III): 111-142.

Haab, T. C. y McConnell, K. E. (2002), Valuing environmental and natural resources: the economet-

rics of non-market valuation, Northampton, Edward Elgar Publishing.

Hall, J.; Fiebig, D. G.; King, M. T.; Hossain, I. y Louviere, J. J. (2006), “What influences participationin genetic carrier testing?: Results from a discrete choice experiment”, Journal of Health Econom-

ics, 25 (3): 520-537.

Hall, J.; Kenny, P.; King, M.; Louviere, J.J.; Viney, R. y yeoh, A. (2002), “Using stated preferencediscrete choice modelling to evaluate the introduction of varicela vaccination”, Health Economics,11: 457-465.

Hanemann, W. M. (1982), “Applied welfare analysis with qualitative response models”, University ofCalifornia, Berkley, Working Paper 241.

Harmon, C. y Nolan, B. (2001), “Health insurance and health services utilization in Ireland”, Health

Economics, 10: 135-145.

Hensher, D. A. y Greene, W. (2003a), “The mixed logit model: the state of practice”, Transportation,30 (2): 133-176.

Hensher, D. A. y Greene, W. (2003b), “A latent class model for discrete choice analysis: contrasts withmixed logit”, Transportation Research Part B, 37: 681-698.

Hensher, D. A.; Rose, J. M. y Greene, W. H. (2005), Applied Choice Analysis. A Primer, UK, Cam-bridge University Press.

Herrera-Espiñeira, C.; Rodríguez del Aguila, M. D. M.; Quero A.; Rodríguez del Castillo, M.; Martí-nez C. y Aguayo e Hoyos, E. (2005), “Relación del perfil sociodemografico de los pacientes con la

satisfacción por el medio hospitalario”, IX Encuentro de Investigación en Enfermería, 23-26 de no-viembre de 2005, Madrid.

Herrera-Espiñeira, C.; Rodríguez del Aguila, M. D. M.; Rodríguez del Castillo, M.; Valdivia, A. F. ySánchez, I. R. (2009), “Relationship between anxiety level of patients and their satisfaction with dif-ferent aspects of healthcare”, Health policy, 89 (1): 37-45.

Hess, S. y Rose, J. M. (2012), “Can scale and coefficient heterogeneity be separated in random coef-ficients models?”, Transportation, 39 (6): 1225-1239.

Hoyos, D.; Mariel, P.; Pascual, U. y Etxano, I. (2012), “Valuing a Natura 2000 network site to informland use options using a discrete choice experiment: An illustration from the Basque Country”, Jour-

nal of Forest Economics, 18: 329-344.

Huynh, E.; Flynn, T.; Louviere, J. y Corke, C. (2013), “Attitudes towards and preferences for end-of-

life care: results from discrete choice experiments in Australia”, International Choice ModellingConference 3-5 de julio de 2013, Sydney, Australia.

Jan, S.; Mooney, G.; Ryan, M.; Bruggemann, K. y Alexander, K. (2000), “The use of conjoint analy-sis to elicit community preferences in public health research: a case study of hospital services inSouth Australia”, Australian and New Zealand journal of public health, 24: 64-70.

Jofre, M. (2000), “Public health care and private insurance demand: The waiting time as a link”, Health

Care Management Science, 3: 51-71.


Johnson, F. R.; Banzhaf, M. R. y Desvousges, W. H. (2000), “Willingness to pay for improved respi-ratory and cardiovascular health: a multiple-format stated-preference approach”, Health Economics,9: 295-317.

Kesternich, I.; Heiss, F.; McFadden, D. y Winter, J. (2012), “Suit the action to the word, the word tothe action: Hypothetical choices and real decisions in Medicare Part D”, Journal of Health Economics,In press, Disponible en www.elsevier.com/locate/econbase.

King, M. T.; Hall, J.; Lancsar, E.; Fiebig, D.; Hossain, I.; Louviere, J. et al. (2007), “Patient prefer-ences for managing asthma: results from a discrete choice experiment”, Health Economics, 16 (7):703-717.

Krinsky, I. y Robb, A. L. (1986), “On approximating the statistical properties of elasticities”, The Re-

view of Economics and Statistics, 68: 715-719.

Krueger, A. B. y Kuziemko, I. (2013), “The demand for health insurance among uninsured Americans:Results of a survey experiment and implications for policy”, Journal of Health Economics, 32 (5):780-793.

Lancsar, E. J.; Hall, J. P.; King, M.; Kenny, P.; Louviere, J. J. y Fiebig, D. G. et al. (2007), “Using dis-crete choice experiments to investigate subject preferences for preventive asthma medication”,Respirology, 12 (1): 127-136.

Lancsar, E. y Louviere, J. (2008), “Conducting Discrete Choice Experiments to Inform Healthcare De-cision Making”, Pharmacoeconomics, 26 (8): 661-667.

Lancsar, E.; Wildman, J.; Donaldson, C.; Ryan, M. y Baker, R. (2011), “Deriving distributionalweights for QALys through discrete choice experiments”, Journal of Health Economics, 30 (2):466-478.

Loewenstein, G.; Friedman, J. y.; McGill, B.; Ahmad, S.; Linck, S.; Sinkula, S.; Beshears, J.; Choi, J.J.; Kolstad, J.; Laibson, D.; Madrian, B. C.; List, J. A. y Volpp, K. G. (2013), “Consumers’ misun-derstanding of health insurance”, Journal of Health Economics, 32 (5): 850-862.

López, A. y Vera-Hernández, M. (2008), “Are tax subsidies for private medical insurance self-financ-ing? Evidence from a microsimulation model”, Journal of Health Economics, 27: 1285-1298.

López-Casasnovas, G. y Sáez, M. (2005), “A vueltas con el aseguramiento sanitario privado” Gaceta

Sanitaria, 19: 59-64.

López-Casasnovas, G. y Soley, M. (2012), “The Economic Crisis and it Effects on the Social De-terminants of Health”, Hacienda Pública Española/Revista de Economía Pública, 201 (2):113-132.

Louviere, J.; Hensher, D. y Swait, J. (2000), Stated Choice Methods: Analysis and Applications, Cam-bridge, Cambridge University Press.

Mariel, P.; De Ayala, A.; Hoyos, D. y Abdullah, S. (2013), “Selecting random parameters in discretechoice experiment for environmental valuation: A simulation experiment”, Journal of Choice Mod-

elling, 7: 44-57.

McFadden, D. (1974), “Conditional Logit Analysis of Qualitative Choice Behaviour”, en Zarembka,P. (ed.), Frontiers in Econometrics, New york, Academic Press, 105-142.


McFadden, D. y Train, K. (2000), “Mixed MNL models for discrete response”, Journal of Applied

Econometrics, 15: 447-470.

Monteagudo, O.; Navarro, C.; Alonso, P.; Casas, R.; Rodríguez, L.; Gracia, J. et al. (2003), “Aplica-ción hospitalaria del SERVQHOS: factores asociados a la satisfacción e insatisfacción”, Revista de

calidad asistencial, 18 (5): 263-267.

Morgan, A.; Shackley, P.; Pickin, M. y Brazier, J. (2000), “Quantifying patient preferences for out-of-hours primary care”, Journal of health services research & policy, 5(4): 214-218.

Murillo, C. y Saurina, C. (2013), “Medida de la importancia de las dimensiones de la satisfacción enla provisión de servicios de salud”, Gaceta Sanitaria, 27 (4): 304-309.

O’Connel, M. (2002), “Appropriate waiting times: Who should decide?”, en Waiting Lists and waiting

times in health care-Managing demand and supply. Standing Committee of the Hospitals of theEuropean Union (HOPE).

Ordaz, J. A.; Guerrero, F. M. y Murillo, C. (2005), “Análisis empírico de la demanda de seguro priva-do de enfermedad en España”, Estudios de Economía Aplicada, 23: 303-329.

Peiró, S.; Artells, J. J. y Meneu, R. (2011), “Identificación y priorización de actuaciones de mejora dela eficiencia en el Sistema Nacional de Salud”, Gaceta Sanitaria, 25 (2): 95-105.

Pinto, J. L. (2000), “Calidad de vida y asignación de recursos sanitarios”, Gaceta Sanitaria, 14 (2):168-174.

Pinto, J. L.; Sánchez, F. I. y Rovira, J. (1998), “Medición de los beneficios intangibles de un tratamien-to médico a través de la valoración contingente”, Hacienda Pública Española/Revista de Economía

Pública, 147: 171-182.

Pinto, J. L. y Sánchez, J. (1999), Establecimiento de prioridades en las prestaciones sanitarias en base

a información sobre las preferencias sociales, ED: Ministerio de Sanidad y Consumo.

Propper, C.; Rees, H. y Green, K. (2001), “The demand for Private Medical Insurance in the UK: Acohort analysis”, The Economic Journal, 111: C180-C200.

Puig-Junoy, J.; Sáez, M. y Martínez-García, E. (1998),“Why do patients prefer hospital emergency vis-its? A nested multinomial logit analysis for patient-initiated contacts”, Health Care Management

Science, 1 (1): 39-52.

Rivera, A.; González, E.; Martín, M. A.; Oñate, J. L. y Sánchez, I. (2004), “Aplicación del análisis con-junto en la priorización de una lista de espera quirúrgica”, Cuadernos Económicos del ICE, 67: 93-106.

Rodríguez, M. (2001), “El espacio de los seguros privados en los sistemas sanitarios públicos: marcoconceptual y políticas”, Gaceta Sanitaria, 15: 527-537.

Rodríguez, M. y Stoyanova, A. (2004), “La influencia del tipo de seguro y la educación en los patro-nes de utilización de los servicios sanitarios”, Gaceta Sanitaria, 18: 102-111.

Rodríguez, M. y Stoyanova, A. (2008), “Changes in the demand for private medical insurance follow-ing a shift in tax incentives”, Health Economics, 17: 185-202.

Rose, J. M. y Bliemer, M. C. J. (2005), “Constructing Efficient Choice Experiments”, Institute ofTransport Studies, The University of Sydney, Working Paper ITLS-WP-05-07.


Rose, J. M.; Bliemer, M. C. J. y Ngene. Disponible en: http://www.choice-metrics.com/download.html.[Acceso Junio, 2013].

Ryan, M.; Gerard, R. K. y Amaya-Amaya, M. (2008), “Discrete choice experiments in a nutshell”, enM. Ryan, R. K. Gerard, M. Amaya-Amaya (eds.), Using discrete choice experiments to value health

and health care, Netherlands, Springer, 13-46.

Ryan, M.; Major, K. y Skåtun, D. (2005), “Using discrete patient choices to go beyond clinical out-comes when evaluating clinical practice”, Journal of Evaluation in Clinical Practice, 11: 328-339.

Ryan, M.; Netten, A.; Skåtun, D. y Smith, P. (2006), “Using discrete choice experiments to estimate apreference-based measure of outcome - An application to social care for older people”, Journal of

Health Economics, 25 (5): 927-944.

Ryan, M. y Wordsworth, S. (2000), “Sensitivity of willingness to pay estimates to the level of attrib-utes in discrete choice experiments”, Scottish Journal of Political Economy, 47: 504-524.

Sampietro-Colom, L.; Espallargues, M.; Comas, M.; Rodríguez, E.; Castells, X. y Pinto, J. L. (2006),“Priorización de pacientes en lista de espera para cirugía de cataratas: diferencias en las preferenciasentre ciudadanos”, Gaceta Sanitaria, 20: 342-51.

San Miguel, F.; Sánchez, E. y Cabasés, J. M. (2008), “Instrumentos económicos para la priorizaciónde pacientes en lista de espera: la aplicación de modelos de elección discreta”, Gaceta Sanitaria, 22(2): 90-7.

Santiñá, M.; Prat, A.; González, M.; Trilla, A. y Asenjo, M. A. (2002), “Calidad percibida y sexo de lospacientes atendidos en un hospital universitario”, Revista de Calidad Asistencial, 17 (4): 218-223.

Sivey, P.; Scott, A.; Witt, J.; Joyce, C. y Humphreys, J. (2012), “Junior doctors’ preferences for spe-cialty choice”, Journal of Health Economics, 31 (6): 813-823.

Small, K. A. y Rosen, H. S., (1981), “Applied welfare economics with discrete choice models”, Econo-

metrica, 49: 105-130.

Street, D. J.; Burgess, L. y Louviere, J. J. (2005), “Quick and easy choice sets: Contructing optimal and near-ly optimal stated choice experiments”, International Journal of Research in Marketing, 22: 459-470.

Train, K. E. (1998), “Recreation demand models with taste differences over people”, Land Economics,74 (2): 230-239.

Viney, R.; Lancsar, E. y Louviere, J. (2002), “Discrete choice experiments to measure consumer pref-erences for health and healthcare”, Expert Review of Pharmacoeconomics and Outcomes Research,2 (4): 319-326.

Whitty, J.; Ratcliffe, J.; Chen, G. y Scuffham, P. (2013), “A comparison of discrete choice and best

worst scaling methods to assess australian public preferences for the funding of new health tech-

nologies”, Ponencia del International Choice Modelling Conference, 3-5 de julio de 2013, Sydney,Australia.

Wolf, C. Jr. (1993), Markets or governments: choosing between imperfect alternatives (2.a ed.), Cam-bridge, Ma: MIT press.

summary

The aim of this work is to assign an economic value to health services in the Basque Country. For thispurpose, a survey was conducted including a discrete choice experiment. A Mixed Logit Model hasbeen specified in order to analyze stated responses and obtain economic values. The results indicatethat the highest valued attribute of current public health is medical care and that there is heterogeneityin the preferences of individuals with regard to the waiting time for specialist, intervention and hospi-tal comfort. Groups of individuals with different preferences have also been identified, namely self-employee, individuals with university degree and individuals with high income. The main contributionof this work has been to quantify in monetary terms the preferences of individuals with regard to healthservices in the Basque Country. This assessment could be used both in business and politics of publicresource allocation.

Keywords: Health services, discrete choice experiment.

JEL classification: I11, I18, C35.

99Valoración económica de los servicios sanitarios en la Comunidad Autónoma del País Vasco

INTERIOR HP 196

Documents

Transcript of INTERIOR HP 196