Bidrar förbättrad folkhälsa till ekonomisk tillväxt?: En studie av paneldata på länsnivå i Sverige

UPPSALA UNIVERSITET C-uppsats

Nationalekonomiska Institutionen Nationalekonomi C HT 2008

Johan Forsman

Bidrar förbättrad folkhälsa till ekonomisk tillväxt?

- En studie av paneldata på länsnivå i Sverige

Handledare: Erik Grönqvist Nationalekonomiska Institutionen

Sammanfattning

Människan är skapt för att vara fysiskt aktiv, men det är svårt att vara det i dagens samhälle där allting blir mer mekaniserat och datorstyrt. Målet med denna uppsats var att genom en undersökning av huruvida en förbättrad hälsa leder till ekonomisk tillväxt, belysa vikten av en god hälsa hos befolkningen. Jag började med att presentera nationalekonomisk teori om tillväxt och de olika mekanismer som hälsa antas påverka den ekonomiska aktiviteten med.

Sedan utvecklade jag en ekonometrisk modell och undersökte sambandet mellan Antal läkarbesök och Bruttoregionalprodukt (BRP) samt Ohälsotal och BRP. Resultaten gav inget stöd för att ökad ohälsa leder till en minskad ekonomisk tillväxt. I slutsatsen poängterar jag med stöd av teorin, vikten av folkhälsobefrämjande insatser och ytterligare forskning inom området.

Nyckelord

Endogen tillväxtteori, Hälsoekonomi, Ekonometri

Innehållsförteckning

1. Inledning ...4

2. Teoretisk bakgrund ...6

2.1 Exogen tillväxtteori ...6

2.2 Endogen tillväxtteori ...7

2.3 Hälsa i den endogena tillväxtteorin ...8

Produktivitet ...9

Arbetskraftsutbud ...9

Utbildning ... 10

Kapitalbildning ... 10

2.4 Tidigare empiriska studier ... 10

3. Empirisk metod och data ... 12

3.1 Hälsovariablerna och dess validitet och reliabilitet ... 12

3.2 Utförande ... 15

4. Resultat ... 17

5. Diskussion kring resultatet ... 21

6. Slutsats och förslag till fortsatta studier ... 23

7. Litteraturlista ... 24

Tryckta källor ... 24

Elektroniska källor ... 24

Statistik ... 25

1. Inledning

Ett av dagens största problem är den allt försämrade folkhälsan. Vi lever idag i en allt mer stressad värld där allt ska gå snabbt och där bekvämligheten blivit prioriterad. Med den tekniska utveckling som råder är det lätt att man blir fysiskt inaktiv. Fysisk inaktivitet anses vara minst lika farligt för hälsan som rökning, vilket innebär att det får effekter på människor i form av både försämrad arbetsförmåga och produktivitet.¹ I det långa loppet får detta även konsekvenser som blir mer konstanta, såsom långa sjukskrivingar och sjukpensionering.

Den allmänna folkhälsan har idag fått mycket mera fokus i media och vi får allt mer råd gällande kost och träning. Till följd av detta har befolkningen blivit allt mer medvetna om hälsan och betydelsen av fysisk aktivitet. Men trots att den genomsnittliga levnadslängden har ökat de senaste åren så visar samtidigt relativt nya undersökningar på en nedgång i antalet år som en människa idag lever som fullt frisk och är som mest produktiv.² Detta är ingen positiv trend och den visar samtidigt att det finns mycket kvar att undersöka och jobba på inom detta område.

Hur människors hälsa kan påverka samhällets utveckling har blivit en allt mer angelägen fråga genom det ökade behovet av att stärka svensk ekonomi i en allt mer globaliserad värld. Det är alltså viktigt att vi lyfter fram hälsobefrämjande insatser på nationell och regional nivå.

Många internationella studier har gjorts inom detta område och majoriteten av dessa ger stöd för att det finns ett samband mellan en god folkhälsa och ekonomisk tillväxt.

Folkhälsans roll i samhället är mycket intressant och viktigt att undersöka. Jag vill därför med denna uppsats undersöka om det finns ett kausalt samband mellan en förbättrad folkhälsa och ekonomisk tillväxt i Sverige. Dvs. målet är att alltså att se om en förbättrad folkhälsa leder till en ekonomisk tillväxt och därigenom visa på vikten av en god folkhälsa och välmående befolkning. Min frågeställning för denna uppsats blir således:

- Bidrar en förbättrad folkhälsa till ekonomisk tillväxt?

1 http://www.halsolots.se/artiklar/artikelarkiv/doktorn-ordinerar-motion.aspx?size=normal (25.03.2008)

2 European Commision, The contribution of health to the economy in the European Union, (25.08.2005) s.16

Denna uppsats har jag valt att avgränsa genom att bara titta på data ifrån Sverige. I uppsatsen kommer jag att göra en regressionsanalys på paneldata för Sveriges 21 län och använda mig av tre stycken variabler; Det ekonomiska läget mäts i Bruttoregionalprodukt samt hälsa som mäts genom Antal Läkarbesök och Ohälsotalet. En längre diskussion och argument för val av dessa variabler kommer att presenteras senare. Det finns många andra faktorer som påverkar hälsa och ekonomisk tillväxt, men dessa ämnar jag inte att ta med utan lämnar dem utanför.

Anledningen till detta beror till största delen på tidsbrist. Att försöka ta med alla variabler som kan tänkas påverka hälsa och ekonomisk tillväxt skulle kräva mer tid än vad som ligger inom ramen för denna c-uppsats.

Inledningsvis kommer jag att ge en översiktlig, teoretisk genomgång över vad tillväxt är och genom vilka mekanismer hälsan anses påverka ekonomisk tillväxt. Denna teori kommer sedan att ligga till grund för den ekonometriska modell som jag presenterar i kapitel tre. Modellen utvecklas i olika delmodeller för att jag ska kunna analysera förhållandet mellan den

förklarande variabeln, hälsa, och den beroende variabeln, BRP, mera exakt. I kapitel fyra presenteras resultaten av den empiriska undersökning som genomförts på de olika modellerna.

Detta analyseras sedan i kapitel fem och det hela avslutas sedan med en slutsats i kapitel sex.

2. Teoretisk bakgrund

Vad är egentligen ekonomisk tillväxt? Ja, kortfattat kan man säga att när man talar om

ekonomisk tillväxt så menar man den relativa produktionsökningen i ett land. Vanligtvis mäts detta på årsbasis i enheten bruttonationalprodukt (BNP) eller BNP per capita, i en jämförelse med föregående tidsperiod, oftast föregående år. I och med att jag i denna uppsats undersöker tillväxten i Sveriges län så kommer jag att istället använda mig av enheten BRP,

bruttoregionalprodukt.³ 2.1 Exogen tillväxtteori

För att mer utförligare kunna redogöra för ekonomisk tillväxt använder man sig inom nationalekonomin av ett antal olika teorier och modeller som speglar verkligheten. Dessa modeller är inte exakta, men genom att man gör en rad olika antaganden så ser man ändå dem som en representativ bild av mekanismerna kring ekonomisk tillväxt. Det finns två teorier som fått stor genomslagskraft och är idag egentligen de enda teorierna som förklarar den ekonomiska tillväxten. Dessa två är exogen och endogen tillväxtteori. En av de stora pionjärerna inom den exogena teorin är amerikanen Robert Solow som under 1950-talet publicerade en modell som kom att bli grunden för forskningen kring ekonomisk tillväxt. ⁴

Y = AK^αL^1-α (ekvation 1)

Denna modell är mest känd under namnet den neoklassiska tillväxtmodellen och betonar betydelsen av kapitalet (K) och arbetskraften (L). Dessa variabler påverkas sedan av en faktor som bestämmer nivån på tekniken och arbetskraftens produktivitet, den så kallade

faktorproduktiviteten (A). Allt detta mynnar sedan ut i total produktion (Y). Solow hävdar med sin teori att den ekonomiska tillväxten beror på två saker: Ackumulering av kapitalet, dvs. sparandet, samt den teknologiska utvecklingen. Men samtidigt säger denna teori även att alla ekonomier efter en viss tid uppnår långsiktig jämvikt, så kallad steady-state. Detta innebär att produktion, konsumtion och kapital per arbetare är konstant. I jämvikten så är sparandet per arbetare lika stort som deprecieringen av kapital per arbetare. Detta innebär alltså att det är enbart tekniska framsteg som skapar en ekonomisk tillväxt på lång sikt.Man ökar antalet ”effektiva arbetare”⁵

3 Klas Eklund, Vår Ekonomi, (2004), s. 205-207

4 Folkhälsoinstitutet, Hälsa och ekonomisk tillväxt, (2008), s. 14

5 Olivier Blanchard, Macroeconomics, 2006, s.229

Problemet med den exogena tillväxtteorin är att den inte förklarar den tekniska utvecklingen utan endast tar den som exogent given utanför modellen. All tillväxt sker då genom olika chocker som drabbar ekonomin och man kan endast analysera dess konsekvenser. För att finna en bättre förklaring på tillväxten har forskare undersökt detta och tagit fram ny teori som på ett bättre sätt förklarar vad som händer.

2.2 Endogen tillväxtteori

1992 presenterade Gregory Mankiw, David Romer och David Weil en studie där man gjorde en empirisk undersökning på multinationell basis där man fann bevis på det som Solow förutsäger med sin modell. D.v.s. att i den långsiktiga jämvikten, steady-state, bör produktionen per arbetare vara positivt korrelerad med nivån på sparandet och negativt korrelerad med takten på arbetskrafttillväxten. ⁶

Men samtidigt såg man att kapitaldelen av faktorinkomsten var mycket högre än vad den borde vara enligt standardiserad data. Slutsatsen man drog av detta var att det fanns fler faktorer än den teknologiska utvecklingen som hade en avgörande roll i förklaringen av tillväxt. För att beskriva den teknologiska utvecklingen och andra variabler som påverkar den ekonomiska utvecklingen utvecklade Mankiw, Romer och Weil en modifikation av Solow modellen där man lägger till humankapital (H) som en faktor på den totala produktionen. ⁷

Y = K^α H^β (AL)^1-α-β (ekvation 2)

Denna modell kom att kallas för MRW-modellen och den har haft stort inflytande på forskningen. Många studier har utgått ifrån denna när man studerat signifikansen av ytterligare påverkningsfaktorer. Ur detta växte nu en ny tillväxtterori fram, den endogena tillväxtteorin. Fokus i denna teori ligger på att det är vi människor som bidrar till en ökad tillväxt. Detta gör vi genom att ta fram nya studier och forskning som ger oss ny kunskap inom områden som teknik och utbildning. Humankapitalet spelar alltså en mycket viktig roll och man fokuserar även på ackumuleringen av human och fysiskt kapital.

Dessa modeller ger dock inget definitivt svar på varför det finns skillnader i tillväxt mellan olika länder och regioner och den endogena tillväxtteorin är idag långt ifrån komplett. Och det

6 Ben S Bernanke, Refet S Gürkaynak, Is growth exogenous? Taking Makiw, Romer and Weil seriously, s. 1

7 ibid.

finns delvis outforskade förklaringsfaktorer som har potential att bidra med ny kunskap. Ett av dessa områden är hur folkhälsan påverkar produktiviteten och effektiviteten hos

arbetskraften.

2.3 Hälsa i den endogena tillväxtteorin

Hälsa har sedan en längre tid tillbaka uppmärksammats i en rad olika studier där man har tittat på hur viktig den är och hur den påverkar ekonomiska tillväxten i ett land. Beroende på hur den teoretiska modellen för tillväxten ser ut så antas hälsa påverka tillväxten på olika sätt.

Men ett gemensamt drag för dessa modeller är att de utgår från den endogena tillväxtterorin.

Skillnaden mellan dem ligger som sagt i hur författarna till studierna valt att föra in hälsa som variabel och på grund av detta uppnår man olika skattningar och resultat på de samlade effekterna av insatser på folkhälsan.

(Figur 1)

Schema över mekanismerna kring hälsa och ekonomisk tillväxt

Källa: European Commision, The contribution of health to the economy in the European Union, s. 21

Som man kan se i modellen ovan är det många faktorer som påverkar hälsan för varje individ.

En förbättrad hälsa antas sedan påverka produktivitet, arbetskraftsutbud, utbildning och kapitalbildning som i sin tur ger ekonomisk tillväxt. Dessa fyra mekanismer är de som man vanligtvis talar om när man vill visa hur en förbättrad hälsa genererar positiv effekt på ekonomin. Viktigt att ha i åtanke är också att en förbättrad ekonomi också i sig leder till

Genetik Livsstil

Utbildning

Hälsovård

Välstånd

Andra socioekonomiska

faktorer Miljö

Hälsa

Produktivitet

Utbildning

Arbetskraftsutbud

Ekonomisk tillväxt Kapitalbildning

förbättrad hälsa genom materiella förbättringar och högre kontroll och säkerhet av vår omgivning. ⁸ I denna uppsats ämnar jag endast att undersöka det enväga sambandet för hur hälsa påverkar tillväxten och inte vice versa.

Produktivitet

För det första kommer en friskare arbetare att vara mera produktiv och följaktligen producera mer per arbetad timme. Detta genom att arbetaren med förbättrad fysisk och psykisk förmåga utför sitt jobb snabbare. Samtidigt har denna arbetare bättre möjligheter att på ett mer effektivt sätt utnyttja teknologin i nya datorer och maskiner. En fullt frisk arbetare har även lättare att anpassa sig till nya uppgifter och omstruktureringar på arbetsplatsen som hos andra kan framkalla stress. En god hälsa kan även sammankopplas med en högre lön. Om lönen på arbetet bestäms av produktiviteten innebär det att en arbetare som är frisk och kan jobba mer med högre produktivitet, har en högre lön.⁹

Arbetskraftsutbud

Den mest naturliga mekanismen är att en god hälsa resulterar i färre sjukdagar och följaktligen fler dagar tillgängligt för arbete och fritid. Man kan även se det som att

deprecieringen av humankapitalet minskar. En förbättrad hälsa genererar i fler hälsosamma levnadsår och ofta kan man arbeta fullt ut tills dess att man går i pension. Många av de arbetare som befinner sig i fyrtio- och femtioårsålders har under sina år utvecklat viktiga kunskaper och erfarenheter som har stor betydelse för organisationen. När dessa personer drabbas av försämrad hälsa och tvingas till sjukskrivningar och sjukpension får det negativa konsekvenser på produktionen.En annan viktig punkt att tänka på är det som professor Bo Malmberg konstaterade i sin studie om hur sjukdomar påverkar individens och dess närståendes ekonomi. Sjukdom och allmän ohälsa resulterar i minskad arbetsförmåga och frånvaro från jobbet. Detta påverkar individens löneutveckling negativt på både kort och lång sikt, men det har även en viss påverkan på personer i närheten, som ex. partner, barn och kollegor¹⁰. Utöver detta så har även miljön en stark påverkan på arbetskraftsutbudet. Med låg halt av luftföroreningar får varje individ längre livslängd och färre sjukdagar vilket resulterar i fler dagar till effektivt arbete. ¹¹

8 European Commision, The contribution of health to the economy in the European Union, (2005)

9 Ibid.

10 Statens folkhälsoinstitut, Hälsans betydelse för individens och samhällets ekonomiska utveckling, (2007)

11 Folland, Goodman, Stano, The Economics of Health and Healthcare, (2001), s 115

Utbildning

Enligt vedertagen teori för humankapital så resulterar mer utbildade människor i högre produktivitet. Det har visat sig att barn med bättre hälsa och kosthållning under skolåren skaffar sig själva en längre och bättre utbildning än de med sämre hälsa. Generellt sett resulterar en högre utbildning i högre lön och produktivitet. Detta ger alltså incitament till att man bör lägga vikt vid barns och ungdomars hälsa under skolgången. Genom att man sedan under livet bibehåller samma goda hälsostatus åldras man långsammare och kan arbeta fullt frisk under en längre tid. Detta innebär att de investeringar som man gör i utbildning och kunskap under skolåren blir mer lönsamma.¹²

Kapitalbildning

Individer med god hälsa förväntas leva längre och därmed ha ett högre sparande i förberedande syfte eftersom de nu kommer att leva under en längre tid. När det privata sparandet ökar blir det mer fysiskt kapital tillgängligt för investeringar. Detta medför alltså mer fysiskt kapital i omlopp, vilket ger högre produktivitet och medelinkomst. En annan följd av en förbättrad hälsa är att kostnaderna för hälso- och sjukvård minskar. Domineras hälso- och sjukvårdssektorn av offentliga utgifter så kommer man att kunna göra stora ökningar i det offentliga sparande. Det privata sparandet bör även minska i och med att sänkta omkostnader för hälsa och sjukvårdskatterna leder till lägre skatt.¹³

2.4 Tidigare empiriska studier

Det har tidigare gjorts många internationella undersökningar och studier inom sambandet mellan hälsa och ekonomisk aktivitet. Det vanligaste är att man gjort utvecklingar av den endogena tillväxtteorin i ett försök att använda hälsa som en variabel och sedan applicerat detta på förhållanden som råder i låginkomst- och utvecklingsländer. I de flesta av dessa rapporter använder man sig av förväntad livslängd och dödlighet som variabler för hälsan.

Visserligen är detta en bra variabel att undersöka men eftersom levnadsstandarden kan skilja relativt mycket mellan den fattiga och rikare delen av världen så är dessa undersökningar inte direkt applicerbara på västvärlden.

2004 presenterade Rivera och Currais en rapport där man gjort en undersökning på 17 regioner i Spanien. De ansåg att investeringar i hälsa bör få lika stor vikt som investeringar i utbildning när man tittar på produktivitetsökningar och ekonomisk tillväxt. Med hjälp av en

12 European Commision, The contribution of health to the economy in the European Union, (2005) s. 22

13 Statens folkhälsoinstitut, Hälsans betydelse för individens och samhällets ekonomiska utveckling, (2007)

statistisk undersökning där man tittade på hur kostnader för hälso- och sjukvård påverkade den ekonomiska aktiviteten kunde man stödja detta antagande. Slutsatsen som man drog av detta var att statens utgifter på att främja folkhälsan hade bestående positiva effekter.¹⁴

Inom Sverige har det publicerats ett antal rapporter som behandlar ämnet hälsa och ekonomisk tillväxt. I en rapport som publicerades under 2007 av Statens folkhälsoinstitut, Hälsans betydelse för individens och samhällets ekonomiska utveckling, redogör man för tre studier gjorda inom området. I den första studien så undersöker Bo Malmberg den

ekonomiska effekten av sjukdom på individ, familj och arbetskamrater. Genom att år 1996 dela upp personer födda år 1945 i två grupper, de som blev sjuka 1996 och de som var friska, gör han en jämförelse i löneutveckling. Resultaten av detta visar att en person som drabbas av sjukdom halkar efter i löneutvecklingen i jämförelse med friska personer i samma ålder. Det visar sig även att deras familjers och kollegors inkomstsituation drabbas negativt av personens sjukdom. Bo hävdar också i sin slutsats att sambandet mellan hälsa och ekonomi med stor sannolikhet är dubbelriktat.

I sin studie, Ohälsans landskap och regional utveckling, undersöker Eva Andersson om förbättrad hälsa kan stärka regioners konkurrenskraft. Först tittar hon på hälsostatusen i en kommun och sedan på den ekonomiska situationen för att slutligen jämföra dessa och se hur de samvarierar. Testerna visar på att kommuner med dålig hälsa hos befolkningen har svårt att få en stadig ekonomisk utveckling men samtidigt visar testerna inte i vilken riktning som sambandet gäller. I den sista studien så presenterar Mats Johansson slutsatser om att folkhälsan har spelat en betydande roll i den svenska ekonomiska utvecklingen mellan år 1800 och år 2000. Detta kommer han fram till genom att studera orsakssambandet mellan folkhälsa och ekonomisk utveckling.

Den gemensamma slutsatsen för dessa studier gjorda på Sverige är alltså att det finns ett samband mellan hälsa och ekonomisk tillväxt. Problemet med dessa är dock att ingen av dem ger något direkt stöd för att hälsa påverkar tillväxten och inte tvärtom. Detta är något som jag ämnar utreda i min empiriska undersökning.

14Berta Rivera, Luis Currais, (2004), Public Helath Capital and productivity in the spanish regions: A dynamic panel data model

3. Empirisk metod och data

Med bakgrund av den presenterade teorin bör det vara klart hur hälsan kan påverka den ekonomiska tillväxten genom olika mekanismer. För att empiriskt kunna undersöka min frågeställning kommer jag nu att applicera teorin på inhämtad data och testa om hälsa påverkar den ekonomiska tillväxten. De ultimata scenariot vore att använda sig av uppmätta värden ifrån ett experiment mellan ett antal slumpvist valda län/regioner i Sverige. Sedan genom slantsingling skulle det ena länet fått införa en hälsofrämjande åtgärd på befolkningen medan det andra länet inte utsattes för något under en längre tidsperiod. Det ekonomiska utfallet för de båda länen skulle sedan mätas över en period. Dessa resultat kunde man sedan jämföra med varandra och finna eventuellt skillnader.

Tyvärr går inte detta experiment att utföra inom ramen för denna c-uppsats, därför har jag valt en annan undersökningsmetod. Jag kommer att konstruera en ekonometrisk modell som sedan kommer att användas för att studera sambandet mellan olika hälsoindikatorer och den

ekonomiska aktiviteten. Jag anser att de valda variablerna representerar det som jag ämnar undersöka och det som jag vill ha svar på. Data på den ekonomiska tillväxten kommer att vara bruttoregionalprodukten per capita för varje län beräknad på årsbasis under perioden 1997- 2006. Siffrorna är hämtade ifrån SCB vilket innebär att de är pålitliga och representativa 3.1 Hälsovariablerna och dess validitet och reliabilitet

Ett stort problem som alla forskare inom national- och hälsoekonomi stöter på är hur man ska kunna mäta nivån på hälsan och samtidigt få hög validitet och reliabilitet på sin studie. D.v.s.

det är svårt att hitta variabler som exakt speglar befolkningens hälsa. Som jag nämnde tidigare så har man i de flesta tidigare undersökningar använt sig av medellivslängden som ett mått på folkhälsan då man anser att den har hög reliabilitet vid jämförelser över långa tidsperioder.

Vid valet av mina variabler ville jag både använda hälsoindikatorer som kunde spegla de olika mekanismerna som jag redogjorde för i teorin, samt att de skulle vara relativt enkla att

förändra genom policyinsatser exempelvis med att stödja regelbunden fysisk träning och bra kosthållning. Nedan följer en förklaring för de hälsoindikatorer som används som variabler.

Den första indikatorn är Antal läkarbesök per 1000 invånare i länet på den offentligt

finansierade vården. All data är hämtad ifrån databasen ”Sjukvårdsdata i fokus” från Sveriges kommuner och landstings hemsida. Att min undersökning endast baseras på data ifrån

perioden 1997 till 2007 öppnar upp möjligheten för kritik och argument för att hälsan inte hinner påverka ekonomin så pass mycket. Men jag anser dock att hälsofrämjande åtgärder påverkar befolkningen så pass snabbt att det inom något år finns en markant skillnad i hälsa och dess påverkan på den ekonomiska aktiviteten. Man bör även ta i beaktande att vården kan skilja sig mellan olika län p.g.a. variationer i tillgängliga vårdresurser eller medicinsk praxis.

Skillnader i hur vården är uppbyggd kan också påverka måttet. Vissa län har en mer utbyggd öppenvård medan andra har en mer specialiserad äldreomsorg. Denna problematik kommer jag att försöka tona ner genom att använda mig av en länsspecifik dummyvariabel i modellen för mina beräkningar.

Den andra indikatorn är Ohälsotalet och är framräknad av försäkringskassan. Detta mått används av försäkringskassan för att få en bild av hur antalet utbetalade sjukdagar förhåller sig till antalet som är försäkrade och registrerade hos försäkringskassan. Rent tekniskt räknas detta ut genom att man summerar antalet dagar man har betalat ut sjukpenning,

arbetsskadesjukpenning, rehabiliteringssjukpenning, hel sjukersättning och

aktivitetsersättning. Detta divideras sedan med antalet som är registrerade och försäkrade mellan 20 och 64 år.¹⁵ Den statistik på ohälsotalet som jag kommer att använda mig av är mellan 1998 och 2006. Data från tidigare år finns tillgänglig men på grund av ny definition 1998 så kommer jag endast att använda mig av statistik från 1998 och framåt. En stor faktor som påverkar denna variabel är regelsystemet som styr socialförsäkringarna. Om den ändras innebär det förändring i statistiken mellan åren och gör den oanvändbar i jämförelse med varandra. Samtidigt kan det även förekomma skillnader i regional sjukskrivningspraxis. Likt tidigare problematik med Antal Läkarbesök så kommer jag att ta detta i beaktande när jag gör mina tester genom att använda en länsspecifik dummyvariabel.

För att få en bild av hur dessa två variabler varierar mellan län och över tid presenteras i Figur 3.1 och Figur 3.2 en plottning av dem. Som man kan se i de båda graferna så är variationen relativt stor både mellan länen och över tiden. Detta är något som jag kommer att ta i beaktande och använda läns- och tidsspecifika dummyvariabler när jag utför

regressionsanalysen. Observera att statistiken för norrbotten inte finns med i graferna. Detta endast på grund av platsbrist i statistikprogrammet.

15 http://www.scb.se/statistik/SF/5457/_dokument/SF0202_BS_2004.doc

(Figur 3.1)

Antal läkarbesök

År

4000 3500

3000 2500

2000 2006

2004

2002

2000

1998

1996

Variable

Jönk öpings län Kronobergs län Kalmar län Gotland Blek inge Sk åne Halland Västra götaland Värmland Örebro Stock holms län

Västmanland Dalarna Gäv leborg Västernorrland Jämtland Västerbotten Uppsala län Södermanland Östergötland

Plottad data för Antal läkarbesök med avseende på år

(Figur 3.2)

Ohälsotalet

År

55 50

45 40

35 30

25 2006 2005 2004 2003 2002 2001 2000 1999 1998 1997

Variable

Jönk öpings län Kronobergs län Kalmar län Gotland Blek inge Sk åne Halland Västra götaland Värmland Örebro Stock holms län

Västmanland Dalarna Gäv leborg Västernorrland Jämtland Västerbotten Uppsala län Södermanland Östergötland

Plottad data för Ohälsotalet med avseende på år

3.2 Utförande

För att kunna utreda statistiskt huruvida min frågeställning är sann eller ej så kommer jag att börja med att utgå ifrån en enkel statistisk modell. Denna kommer jag sedan att modifiera för att om möjligt, försöka räkna bort de olika faktorerna som påverkar mitt resultat på olika sätt.

I min presentation av resultatet kommer jag sedan att presentera resultatet för dessa olika modeller och analysera skillnaderna. Den första modellen är följande:

ln yti = α + βHt,i + εti (modell 1)

där ln y_ti är den beroende variabeln och motsvarar det logaritmerade värdet av BRP/capita för län i, i tidpunkt t. H_ti är den förklarande hälsovariabeln och där koefficienten β är av intresse.

Anledningen till att jag tar den naturliga logaritmen av BRP/capita är för att jag ska få fram tillväxttakten. Modellen är alltså av typen semi-logaritmisk funktion vilket innebär att β tolkas som den procentuella förändringen av yti för varje enhet som Hti ökar med, dvs. tillväxten. Om det totala antalet läkarbesök ökar med en enhet så ökar eller minskar BRP med 100 x β %. ¹⁶

Ett av de problem som man stöter på när man jämför paneldata av detta slag är de

systematiska skillnaderna som finns mellan länen. Detta innebär att varje län har andra, unika faktorer som är konstanta över tiden och som påverkar både hälsan och den ekonomiska aktiviteten. Det kan skilja mycket mellan länen. Tag t.ex. Stockholm och Norrbotten. För det första ser samhällena ut på olika sätt, sedan finns det i de båda länen olika förutsättningar och socioekonomi som påverkar hälsan och välbefinnandet. För att fånga upp detta i modellen kommer jag att använda mig av ”Fixed Effect”- estimering. Ett alternativ hade varit att använda ”Random Effect”- estimering, men detta förutsätter att skillnaden mellan länen sker slumpvis och inte korrelerar med hälsovariabeln. Detta kan jag inte anta och därför använder jag mig av Fixed Effect. Vad detta innebär rent tekniskt är att jag inför en dummyvariabel, γ_i, som håller koll på varje läns individuella icke observerbara effekter. Jag minskar därmed riskerna för felaktiga skattningar av modellen pga. utelämnande av andra variabler.¹⁷ Modellen ser då ut enligt följande:

ln y_ti = α + βH_ti + γ_i + ε_ti (modell 2)

16 James H Stock, Mark W. Watson, Introduction to Econometrics, 2003

17 Wooldridge, Introductionary Econometrics – A modern approach, 2003

Samma typ av problem som för de länsspecifika faktorerna får man när man tittar på tidsperioden. Hela tiden drabbas landet av olika chocker som påverkar både hälsan och ekonomin. För att få med detta i ekvationen använder jag mig av en till dummyvariabel, tt, som är konstant för alla län men varierar över tiden. För att göra analysen enklare antar jag att dessa chocker drabbar alla län lika mycket.

ln yti = α + βHti + tt + εti (modell 3)

Dessa två olika dummyvariabler som jag använt mig av kan även läggas in i samma modell för att få den totala effekten av de icke observerbara effekterna som påverkar min analys.

ln yti = α + βHti + γi + tt + εti (modell 4)

Den sista effekt som jag vill fånga upp är det omvända sambandet. D.v.s. att en ökning i tillväxten och ekonomin påverkar hälsan i samma riktning. För att undvika detta kommer jag att ”lagga” hälsovariabeln med två år. Det innebär alltså att jag exempelvis kommer att använda mig av värdet för hälsovariabeln år 1997 och BRP för år 1999.

ln y_ti = α + βH_t-2,i + γ_i + t_t + ε_ti (modell 5)

4. Resultat

För att se huruvida det finns ett kausalt samband mellan hälsovariabeln och tillväxten har jag gjort en regressionsanalys utifrån de modeller som jag skapade i föregående kapitel. Det enda undantaget som jag gör är att jag inte använder mig direkt av modell 5 utan skapar en egen tabell för den ”laggade” hälsovariabeln och testar den i de andra modellerna. Själva modellen måste ha ett intercept, ett startvärde. Till detta kommer jag använda Stockholms län som referenslän och år 1997 som referensår. Det spelar ingen roll vilket år eller län som används, utan jag använder det bara för att undvika problem med multikollinaritet. Rent tekniskt är det OLS-estimation, minsta kvadratmetoden, som jag har använt mig av. När jag gjort denna skattning får jag fram ett värde på koefficienten, β, som anger hur hälsovariabeln påverkar tillväxten. Jag har även valt att kolla på modellens p- och t-värde. Med hjälp av p-värdet kan jag se hur stor sannolikheten att den koefficient som jag har fått skulle uppstå även om det inte fanns något samband. Idealiskt är att få ett så lågt p-värde som möjligt då det visar på starkare samband än ett högt p-värde. Vid exempelvis signifikansnivån 95% ska p-värdet vara lägre än 0,05 för att resultatet ska anses som signifikant. Om t-värdets absoluta värde är större än två kan man anta att det finns ett samband mellan de undersökta variablerna. Som i det här fallet är tillväxt och läkarbesök eller ohälsotal. Slutligen kommer jag även att ange modellens förklaringsgrad, R²-värdet. Detta visar hur stor del av variationen i den beroende variabeln, yti, som förklaras av variationen i regressionsekvationens variabler. Ett högt värde tyder på stark korrelation mellan variablerna.¹⁸

I det första testet kollar jag på hälsovariabeln Antal läkarbesök/1000 invånare på den

offentligt finansierade vården. De uppnådda resultaten visar som förväntat att det finns stora skillnader mellan olika faktorer som påverkar sambandet mellan hälsa och ekonomisk tillväxt.

Som jag tidigare redogjort för så är modellerna av typen semilogaritmisk funktion vilket innebär att en enhets förändring i hälsovariabeln ger en procentuell ökning av BRP, dvs.

tillväxten. Resultaten från de fyra testen presenteras nedan i Tabell 3.1. Av resultaten att döma kan man säga att ju fler variabler som inkluderas desto högre blir modellens förklaringsgrad samtidigt som signifikansen för den förklarande variabeln avtar. Intressant att notera är att när jag tar hänsyn till länseffekten i modell 2 får jag en negativ koefficient och i modell 3 när jag använder tidseffekten uppnår jag en positiv effekt. Båda dessa är signifikanta och ger en relativt hög förklarandegrad. Bäst resultat får vi när båda dummyvariablerna inkluderas i

18 Newbold, Carlson, Thorne, Statistics for Business and Economics 6^th edition, 2003

modell 4, som ger en mycket hög förklaringsgrad, (97,5%). Vad som bör poängteras är att denna modell endast säger att det finns ett samband, men inte i vilken riktning. Den totala koefficienten blir negativ men är inte signifikant vilket medför att vi inte kan göra några större analyser med hjälp av den.

Tabell 4.1. Resultat för analys av antal läkarbesök

Variabel Modell 1 Modell 2 Modell 3 Modell 4

Läkarbesök 0,00016734 (0,000)

- 0,000439 (0,000)

0,000021 (0,000)

- 0,000003 (0,879)

T-värde 4,94 -6,20 11,15 - 0,15

FE Län Nej Ja Nej Ja

FE Tid Nej Nej Ja Ja

Observationer 210 210 210 210

R² 14.7 % 56,1 % 69,5 % 97.5 %

Modellens p-värde anges inom parentes.

Modell 1: Enkla sambandet, Modell 2: Länsspecifik dummyvariabel, Modell 3: Tidsspecifik dummyvariabel, Modell 4: Länsspecifik och Tidsspecifik dummyvariabel

I tabell 4.2 presenteras de resultat som jag fick när jag använde mig av samma hälsovariabel som i det föregående testet men med skillnaden att jag nu ”laggar” den med två år. Värdet för antal läkarbesök 1997 jämförs alltså med BRP/capita för år 1999. Testet ger i stort sett samma resultat för modell 1 och 2. Det är först när jag tar hänsyn till tidseffekten som det blir

skillnad. Som vi ser så har koefficienten, β, fått ett mycket högre värde i modell 3 och 4 jämfört med det förra testet. Anledningen till detta beror med stor sannolikhet på hur denna variabel varierar över tiden. (Se Figur 3.1). När jag laggar hälsovariabeln försvinner

observationerna för år 2005 och 2006 vilket ger en mer linjär linje. Modell 4 ger hög förklaringsgrad samt signifikans på 15% nivån. Läkarbesöken har alltså en påverkan på den ekonomiska tillväxten. Till exempel om antalet läkarbesök ökar med ett besök/person så medför det en sänkning av tillväxten med 3,5% enligt dessa skattade resultat.

Tabell 4.2 Resultat för analys av antal läkarbesök med ”laggning” på två år

Variabel Modell 1 Modell 2 Modell 3 Modell 4

Läkarbesök laggad 2 år

0,000177 (0,000)

- 0.000417 (0,000)

0,000227 (0,000)

- 0.000035 (0,146)

T-värde 5,35 -6,09 9,86 -1,42

FE Län Nej Ja Nej Ja

FE Tid Nej Nej Ja Ja

Observationer 168 168 168 168

R² 14.7 % 66.8 % 62.1 % 97.5 %

Modellens p-värde anges inom parentes.

Modell 1: enkla sambandet, Modell 2: Länsspecifik dummyvariabel, Modell 3: Tidsspecifik dummyvariabel, Modell 4: Länsspecifik och Tidsspecifik dummyvariabel

I nästa test av samband använder jag Ohälsotal som hälsovariabel och förklarande variabel.

Resultatet ifrån detta visas nedan i tabell 4.3. Tyvärr finns det inga data på Ohälsotalet år 1997 och därför faller detta år ut ur analysen. 189 observationer kommer därmed att

användas. I modell 1 testas den enkla regressionen utan att ta hänsyn till några andra variabler eller omständigheter. Resultatet ger mycket låga värden och sambandet är nära noll. Men när man tar hänsyn till läns- och tidsvariablerna i test av modell 2 och 3 så uppvisar resultatet både högre förklaringsgrad och signifikanta samband mellan variablerna. Koefficienterna för modell 2 samt 3 fick omvänt tecken i detta test i jämförelse med analysen av läkarbesök. Dvs.

positivt när man tar hänsyn till länsvariabeln och negativt när man ser på tidsvariabeln.

Anledningen till skillnaden beror med stor sannolikhet på att mätningarna av

hälsoindikatorerna skiljer sig åt och drabbas inte av samma chocker. Men vad som däremot är intressant är att testet med modell 4 även här uppvisar ett negativt resultat. Dock bör det poängteras att detta test endast säger att det finns ett samband mellan dessa variabler i endera riktningen. Inte om det finns ett kausalt samband mellan förbättrad hälsa och ekonomisk tillväxt.

Tabell 4.3 Resultat av analys för Ohälsotalet

Variabel Modell 1 Modell 2 Modell 3 Modell 4

Ohälsotal 0,00298

(0,090)

0,0184 (0,000)

- 0,00664 (0,000)

- 0,008149 (0,000)

T-värde 1,70 12,06 -4,19 -4,84

FE Län Nej Ja Nej Ja

FE Tid Nej Nej Ja Ja

Observationer 189 189 189 189

R² 1,5% 74,5% 50,1% 97,8%

Modellens p-värde anges inom parentes.

Modell 1: enkla sambandet, Modell 2: Länsspecifik dummyvariabel, Modell 3: Tidsspecifik dummyvariabel, Modell 4: Länsspecifik och Tidsspecifik dummyvariabel

Enligt tidigare utförande gjorde jag även ett test på en ”laggning” av hälsoindikatorn.

Ohälsotalet för ett år jämförs med BRP två år senare. Eftersom det inte finns någon data för 1997 faller nu ännu fler observationer bort och jag har nu bara 147 stycken. För test av modell 1-3 uppnås i stort sett samma resultat som jag fick i det förra testet, med enda skillnaden i en väsentligt högre förklaringsgrad för modell 2. För modell 4 blir det en ganska stor skillnad i koefficienten när jag laggar med två år. Den ger fortfarande en negativ effekt men

förändringsfaktorn blir avsevärt mycket mindre samt så är den inte signifikant. Modellen får en förklaringsgrad på 97,5%

Tabell 4.4 Resultat av analys för Ohälsotalet med ”laggning” på två år.

Variabel Modell 1 Modell 2 Modell 3 Modell 4

Ohälsotal (laggad 2 år)

0,00297 (0,078)

0,0158 (0,000)

- 0,00604 (0,001)

- 0,00107 (0,640)

T-värde 1,77 18,86 -3,41 -0,47

FE Län Nej Ja Nej Ja

FE Tid Nej Nej Ja Ja

Observationer 147 147 147 147

R² 2,1% 91,2% 36,7% 97,5%

5. Diskussion kring resultatet

I teoridelen presenterade jag de olika mekanismer som hälsa påverkar tillväxten med. Den generella slutsatsen som man kan dra av detta var att fysisk aktivitet såsom motion och friskvård bidrar till att öka den allmänna folkhälsan. Arbetaren blir nu mera effektiv och kan producera mer vilket leder till ekonomisk tillväxt. För att testa detta statistiskt använde jag mig av två variabler, Läkarbesök och Ohälsotalet. Anledningen till att jag använder variabler som mäter ohälsa istället för att direkt se på det rådande hälsoläget är att det var mycket svårt att finna variabler som enbart mäter hälsan. Därför använde jag mig istället av variabler som mäter ohälsa och gör sedan det ganska självklara antagandet att om ohälsan sjunker så innebär det att hälsan ökar och vice versa.

Modelltesterna på mina två variabler gav som förväntat, varierande resultat. Alla de fyra variablertesterna visar upp ett negativt samband när jag använder de båda dummyvariablerna.

De mest intressanta testerna som jag gjorde var test av modell fyra då jag räknade med både de länsspecifika och tidsspecifika effekterna samt använde ”laggad” hälsovariabel. För båda dessa tester erhölls ett negativt samband. Men dessvärre så är dessa resultat inte signifikanta vilket innebär att jag inte kan använda dem för att dra någon slutsats om det kausala

sambandet mellan hälsa och ekonomisk tillväxt. Anledningen till att det inte blir signifikanta resultat beror en rad olika saker.

För det första så är mina hälsoindikatorer, Antal läkarbesök och Ohälsotalet, inte tillräckligt exakta. Detta visar på den problematik som man stöter på när man gör tester på hälsa. Det är mycket svårt att få fram variabler som exakt speglar verkligheten och visar det rådande hälsoläget. Samtidigt är det många andra indirekta faktorer som kan påverka en persons läkarbesök och ohälsotal. Det är svårt att helt isolera en variabel och analysera dess effekter.

Att göra mätningar på hälsa är relativt nytt, vilket innebär att det inte finns så mycket data inom området. Och eftersom det är så pass nytt så ändrar man hela tiden definitioner av olika faktorer som spelar in och gör därmed att viss data blir ojämförbar mellan olika tidsperioder.

Detta resulterade i att antalet observationer blev relativt lågt och därmed så blev precisionen i den statistiska analysen inte blir lika skarp.

Sedan finns det en del kritik som kan riktas på valet av Ohälsotalet som variabel. Eftersom dessa siffror grundar så på de olika ersättningar som betalas ut av försäkringskassan i de olika länen kan det bidra till fluktuationer som jag inte lyckades fånga upp med mina modeller.

Den teori som jag presenterade och de ekonometriska modeller som jag utvecklat är av den enklare linjära formen. Verkligheten är dock mer komplex och osymmetrisk. Det finns många andra faktorer som kan påverka hälsa och tillväxt tillsammans. I de modeller som jag

använder mig av gör jag även en del antaganden om verkligheten som egentligen inte stämmer. Jag antar till exempel att både de länsspecifika och tidsspecifika effekterna är linjära. Sedan har tidsperspektivet en avgörande roll. Även om man kan se märkbara förändringar efter sex månader hos en person som har börjat vara fysiskt aktiv, så kan det däremot ta längre tid innan det ger utslag på mina hälsoindikatorer. Hälsan är relativt

trögrörlig och till exempel så kan vissa regionala och nationella insatser för en bättre folkhälsa få genomslag på den ekonomiska aktiviteten efter 5-10 år. På kort sikt kan det till och med vara så att en ökad ekonomisk aktivitet leder till försämrad hälsostatus.

Något annat som är intressant att analysera efter dessa tester är varför det blir så pass stora skillnader när man tar hänsyn till olika utomstående faktorer. För det första så ser man en skillnad i den länsspecifika och tidsspecifika variabeln för de två olika variablerna. Orsaken till detta är förmodligen att dessa inte korrelerar med varandra och rör sig därmed i olika cykler. När jag plottade de olika variablerna i kapitel tre så kunde jag konstatera att det inte sker någon större förändring av läkarbesöken över tid, med undantag för Stockholm och Skåne. Samtidigt stiger ohälsotalet ganska kraftigt fram till början av 2000-talet för att sedan avta. Detta är nog alltså förklaringen till varför den länspecifika variabeln ger en positiv koefficient för ohälsotalet och negativ för läkarbesöken.

6. Slutsats och förslag till fortsatta studier

Ger då resultaten i min undersökning stöd för om en förbättrad folkhälsa bidrar till ekonomisk tillväxt? Svaret på denna fråga blir nej. Som vi ser så ger de tester som var av största intresse icke signifikanta resultat. Detta innebär alltså att jag inte kan dra några exakta slutsatser om huruvida en förbättrad folkhälsa bidrar till ekonomisk tillväxt. Anledningen till detta är bland annat att de variabler som jag använde mig av inte är tillräckligt exakta samtidigt som det endast sträcker sig över en kortare tidsperiod. Som jag sa tidigare i analysen av resultatet så stöter jag på samma problem i denna uppsats som de flesta nationalekonomiska

undersökningar gör. Nämligen att man skapar modeller som antar att verkligheten ser ut och fungerar på ett speciellt sätt. Naturligtvis är det inte så och det bidrar till ett mörkertal. Det är omöjligt att fånga in allt i modeller och det finns till exempel många olika delar av samhället som samvarierar och påverkar både hälsan och den ekonomiska tillväxten.

Men jag vill dock poängtera att med stöd av teorin om de mekanismer som hälsa antas påverka den ekonomiska aktiviteten med och de tidigare studierna, att hälsan har en

betydande roll i samhället. Vi bör lägga lika stor vikt på att förbättra befolkningens hälsa som vi gör på andra sektorer i samhället. Vad man bör ha i åtanke är att en bättre hälsa inte bara bidrar till en förbättrad produktion utan det har även många andra positiva effekter på samhället som bidrar till en ökad välfärd.

Det finns mycket intressant forskning inom detta område. Något som skulle vara intressant är det som jag nämnde i mitt metodstycke. Dvs. att man slumpvis väljer två län där den ena av dem får genomgå en hälsofrämjande behandling medan den andra lever som vanligt. Sedan gör man mätningar på dem båda och jämför med tillväxten och ser hur ökad folkhälsa och den ekonomiska tillväxten samvarierar. Men vad man främst behöver jobba med är att ta fram en hälsoindikator som väl speglar verkligheten. Idag får man oftast använda en godtycklig variabel och sedan göra en undersökning på ett mindre område som på något sätt anknyter till det som man egentligen vill undersöka. För att sedan kunna dra paralleller och slutsatser. En annan sak som är viktig och som man bör fokusera på är att ta fram bättre hälsoindikatorer i varje land som man sedan kan använda för att jämföra med andra länder. Något som slog mig när jag grävde i materialet inför denna uppsats var att det inte finns så mycket data som är jämförbara för alla länder i EU-området.

7. Litteraturlista

Tryckta källor

Folland, Goodman, Stano, (2001), The Economics of health and healthcare 3^rd edition, New Jersey, Prentice Hall

Olivier Blanchard, (2006), Macroeconomics 4^th edition, New Jersey, Prentice Hall

Klas Eklund, (2004), Vår Ekonomi 10:e upplagan, Stockholm, Prisma

Jeffrey M, Wooldridge, (2001), Introductory Econometrics – A modern Approach, Ohio, Thomson Learning

James H. Stock, Mark W. Watson, (2003), Introduction to Econometrics, Boston, Pearson Education

Newbold, Carlson, Thorne, (2003), Statistics for Business and Economics 6^th edition, New Jersey, Prentice Hall

Elektroniska källor

Folkhälsoinstitutet, Regeringsuppdrag, (2007), Samband hälsa och ekonomisk utveckling http://www.fhi.se/upload/ar2007/Regeringsuppdrag/Regeringsuppdrag_halsa_ek_countrywor k_071217.pdf

European Commision, (2005), The contribution of health to the economy, http://ec.europa.eu/health/ph_overview/Documents/health_economy_en.pdf

Folkhälsoinstitutet, (2008), Hälsa och ekonomisk tillväxt

http://www.fhi.se/upload/ar2008/rapporter_2008/a200802_Halsa_och_ekonomisk_tillvaxt080 5.pdf

Statens folkhälsoinstitut, (2007), Hälsans betydelse för individens och samhällets ekonomiska utveckling

www.fhi.nu/upload/ar2007/Rapporter%202007/R200708_Halsans_betydelse0707.pdf

Berta Rivera, Luis Currais, (2004), Public Helath Capital and productivity in the spanish regions: A dynamic panel data model

http://www.sciencedirect.com/science/article/B6VC6-4BYJW29- 1/2/56b7af8488c954a1c58fc840e5c96266

Ben S Bernanke, Refet S Gürkaynak, (2001), Is growth exogenous? Taking Makiw, Romer and Weil seriously

http://www.princeton.edu/~bernanke/exogenous.pdf

Statistik

SCB, Bruttoregionalprodukt www.scb.se

Sveriges kommuner och landsting, Sjukvårdsdata i fokus, Totalt antal läkarbesök på offentligt finansierad vård.

http://sjvdata.skl.se/sif/start

Försäkringskassan, Ohälsotalet

http://statistik.forsakringskassan.se/portal/page?_pageid=93,233100&_dad=portal&_schema=

PORTAL