Är rika områden friskare än fattiga?: en studie av sambandet mellan ett områdes ekonomiska nivå och dess invånares hälsa

Författare: Tove Eliasson

Är rika områden friskare än fattiga?

En studie av sambandet mellan ett områdes ekonomiska nivå och dess invånares hälsa

Handledare: Matz Dahlberg Nationalekonomiska institutionen Datum: 2009-01-18

Sammanfattning

En jämlikt fördelad hälsa är ett mål för den svenska folkhälsopolitiken, och därför är det viktigt att studera de sociala och ekonomiska faktorer som påverkar hälsan. Den här uppsatsen undersöker om det går att fastställa ett samband mellan medelinkomst och allmän hälsonivå i Sveriges församlingar. Tidigare studier visar att hälsan påverkas negativt av att leva under sämre ekonomiska förhållanden. Jag använder data från Socialstyrelsens patientregister från slutenvården samt IFAU-databasen och genomför en regression med hjälp av en fix effekt modell som rensar för områdesspecifika fixa effekter. Resultaten visar på ett negativt signifikant samband mellan medelinkomst och antalet inläggningar per capita i församlingarna. Jag testar även hur sambandet ser ut mellan medelinkomsten i ett område och tre specifika sjukdomsgrupper. Det verkar finnas negativa samband mellan medelinkomst och antalet inläggningar för mental ohälsa och hjärtkärlsjukdomar, men resultaten är inte robusta för modellens specifikationsform. Jag kan inte fastställa något samband mellan en församlings medelinkomst och antalet inläggningar för infektionssjukdomar.

Nyckelord: medelinkomst, folkhälsa, regression, fix effekt modell, livsstil, nätverkseffekter, hälsans sociala bestämningsfaktorer

1. Introduktion ... 1

2. Teori ... 2

3. Tidigare forskning ... 4

4. Data ... 7

4.1 Beroende variabel ... 7

4.2 Förklarande variabler ... 8

4.3 Deskriptiv statistik ... 10

5. Metod ... 11

5.1 . Ekonometrisk specifikation ... 11

5.2 Modellspecifikation ... 13

6. Resultat ... 14

6.1 Totala antalet inläggningar i slutenvården ... 14

6.2 Inläggningar för de olika sjukdomsgrupperna ... 16

7. Känslighetsanalys ... 17

7.1 Linjär modell ... 17

7.2 Kvadratiskt samband ... 18

7.3 Är multikollinjäriteten ett problem? ... 19

8. Slutsatser ... 21

9. Diskussion ... 23

Tack till ... 24

Referenser ... 25

Appendix... 27

1. Introduktion

Vår hälsa är något av det viktigaste vi har, utan den kan vi varken stiga upp på morgonen, gå till jobbet eller ta hand om vår familj. Den är en grundläggande förutsättning för allt i våra liv.

Insikten om att det inte bara är våra givna fysiska förutsättningar som avgör hur vår hälsa utvecklas har banat väg för ett växande forskningsfält kring vilka faktorer som egentligen påverkar hälsan. Folkhälsoinstitutet räknar upp sex påverkbara målområden som de menar är centrala för hälsoutvecklingen:

• ekonomisk och social trygghet

• delaktighet och inflytande i samhället

• trygga och goda uppväxtvillkor

• arbetslivet

• sunda och säkra miljöer

• levnadsvanor

(Melinder 2003, s. 4)

Det framgår tydligt att ekonomiska förutsättningar har betydelse för hälsans utveckling. En viss lägsta ekonomisk nivå, både privat och i samhället i övrigt, är en förutsättning för grundläggande social och fysisk trygghet. I Sverige, precis som i de flesta andra utvecklade länder, har vi en hög ekonomisk standard och folk lider inte längre av fattigdomssjukdomar som tuberkulos och undernäring. Men inom Sverige finns stora sociala hälsoskillnader ändå.

Författarna till rapporten Utjämna hälsoskillnaderna inom en generation menar att hur hälsan är fördelad mellan och inom samhällen i det yttersta bygger på hur makten och resurserna är fördelade (Statens folkhälsoinstitut 2008, s. 8-11). Riksdagen har antagit som mål för folkhälsan ”Att skapa samhälleliga förutsättningar för en god hälsa på lika villkor för hela befolkningen” (Persson 2005, s. 24).

Det är alltså viktigt att studera hur hälsan är fördelad längs ekonomiska skiljelinjer i samhället, då en alltför ojämlikt fördelad hälsa strider mot de nationella folkhälsomålen.

Syftet med uppsatsen är att bidra till kunskapen om hälsans sociala bestämningsfaktorer genom att studera sambandet mellan ett områdes medelinkomst och dess allmänna hälsonivå.

Min frågeställning blir därför: är rika områden friskare än fattiga?

Jag kommer i min uppsats att med hjälp av datamaterial från IFAU (Institutet för arbetsmarknadspolitisk utvärdering) och Socialstyrelsens patientregister (diagnoser inom slutenvården) undersöka om inkomstnivån i ett område samvarierar med områdets allämna hälsoläge. Jag kommer även att utföra skattningar för de enskilda diagnostyperna

hjärtkärlsjukdomar, infektionssjukdomar och mental ohälsa. Datamaterialet som jag använder innefattar hela Sverige uppdelat i församlingar och är konstruerat som paneldata. Det innebär att samma församlingar har observerats vid upprepade tillfällen, här under åren 2001-2004.

Jag kommer även att inkludera ett antal observerbara varierande faktorer, som områdets ålders- och könsfördelning i modellen. Modellen estimeras i form av en fix effekt modell för att kunna kontrollera för församlingsspecifika faktorer som inte ändras över tiden.

Den forskning som gjorts på sambandet mellan ekonomiska förutsättningar och hälsa har främst använt sig av tvärsnittsdata över specifika städer eller områden, men det har även gjorts kartläggande studier över hela Sverige där man har studerat variation i hälsa mellan kommunerna. Det har inte tidigare utförts någon studie över hela Sverige där man har studerat sambandet mellan medelinkomstnivå i ett område och sjukdomsfrekvens på församlingsnivå.

De tidigare studierna har inte heller kontrollerat för församlingsspecifika fixa effekter, vilket jag gör i den här studien. Uppsatsen kommer därmed att bidra med ny kunskap om hur sociala skillnader i hälsa är spridda i Sverige.

Det tydligaste resultatet i undersökningen är att det finns ett negativt samband mellan medelinkomsten i ett område och antalet inläggningar på sjukhusen per capita. Sambandet kan tolkas som att en ökning av medelinkomsten i området med 10 % ger upphov till en minskning i antalet inläggningar med 7,62 %. Jag har även estimerat negativa samband mellan medelinkomsten och inläggningsgraden för mental ohälsa och hjärtkärlsjukdomar i församlingarna, men då de resultaten är känsliga för modellens specifikationsform ska de behandlas med en viss försiktighet.

Uppsatsens kommer att inledas i avsnitt två med en redogörelse för den teori som förs fram för att förklara sambandet mellan hälsa och ekonomiska förutsättningar. Avsnitt tre ägnas åt tidigare forskning inom området och i avsnitt fyra beskrivs det dataset och de variabler jag analyserar. Avsnitt fem består av en ekonometrisk specifikation av modellen och i avsnitt sex presenteras resultaten. I avsnitt sju genomförs en känslighetsanalys av sambandet och därefter följer slutsatser och diskussion i avsnitt åtta och nio.

2. Teori

Människors hälsa påverkas både av sina egna individuella förutsättningar samt de förutsättningar som omgivningen man lever i har. Därför redogör jag både för den teori som syftar till att förklara hur människors hälsa påverkas av sina egna ekonomiska förutsättningar,

samt de teorier som betonar hur sammansättningen av området man bor i ger upphov till områdeseffekter som påverkar människors hälsa.

Många menar att en ohälsosam livsstil är grunden till skillnader i hälsa mellan olika socioekonomiska grupper. Till ohälsosam livsstil räknas sådant som rökning, överdriven alkoholkonsumtion och missbruk av narkotika. Till en hälsosam livsstil räknas tvärtom sådant som en god kosthållning och fysisk aktivitet (Boström 2005). Grossman har skapat en mikroekonomisk modell om efterfrågan på hälsa som syftar till att förklara skillnader i hälsobeteende. Han menar att man föds med en viss hälsa vilken deprecieras ju äldre man blir.

Hälsan kan ses som ett slags humankapital på så sätt att investeringar i hälsan påverkar det totala antalet dagar man kan leva, jobba eller vara ledig. En investering i hälsan ska här förstås som insatser för en hälsosam livsstil. Beslutet baseras på den nytta man tycker sig uppleva av själva investeringen samt de kostnader som den innebär, givet en viss diskonteringsränta för framtiden. Högre inkomst och utbildning förväntas ge större incitament till investeringar i hälsan då man får en högre alternativkostnad för sjukfrånvaro vid högre inkomster, samt att utbildningen i sig antas ligga till grund för att investeringarna i hälsan blir mer effektiva (Grossman 1972). Trots att modellen kan tyckas betona att individen själv väljer sin hälsa gör den klart att valet av livsstil beror på en mängd omgivande faktorer, såsom inkomster, framtidsutsikter, utbildning och social kontext. Beslutet kan även påverkas av lagar, information och tillgänglig teknologi (Lindgren 2003).

De ohälsosamma levnadsvanorna, menar epidemiologen Marmot, uppstår som en effekt av avsaknaden av möjligheter. I ett utvecklat land som Sverige kan relativ fattigdom generera absoluta skillnader i möjligheter eller förmåga att leva det liv man skulle vilja leva. Tror man inte att man kommer att kunna leva ett liv som man har möjlighet att påverka är långsiktiga investeringar i sin egen hälsa som träning och rätt kost inte mycket värt jämfört med en kortsiktig belöning i form av t.ex. ett paket cigaretter. Marmot menar också att den relativa oförmågan skapar en icke-kontroll över levnadssituationen som leder till en kronisk stress och därigenom försämrad hälsa (Marmot 2006, s. 33-36, 94-103). Även Wilkinson, som länge har studerat hälsan och dess påverkan av ekonomiska förutsättningar, betonar att i utvecklade samhällen är det relativ inkomst som påverkar hälsostatus, inte absoluta materiella omständigheter. Han menar, i linje med Marmot, att det främst är kroppens stressnivåer som påverkas av ens relativa position i det samhälle man lever i (Wilkinson 1997).

De teoretiska modeller som behandlar omgivningens påverkan på hälsan kan delas in i två huvudgrupper, de som betonar den fysiska miljön och de som betonar det sociala sammanhanget. I den fysiska ansatsen pekar man på att faktorer som föråldrade byggnadsmaterial i gamla hus, trångboddhet, nedgångna och förfallna utomhusmiljöer i fattigare områden kan ge upphov till dålig hälsa. Man betonar även sådana faktorer som områdets institutionella struktur och organisering av samhällsfunktioner och vård. Man menar att närhet till vårdinrättningar är förknippat med bättre hälsoutfall (Gould Ellen et al. 2001).

Teorin om nätverkseffekter är en strukturell teoriansats som menar att det sociala sammanhanget påverkar individens beteende genom att det skapar normer för hur man bör och kan leva. Informationsflöden och kontakter i området påverkar individers val, och därmed också individens hälsobeteende. Man menar att i fattigare områden är sociala nätverk mer geografiskt begränsade än de nätverk som mer resurskraftiga människor har, vilket betyder att människorna i närområdet får en stor inverkan på varandras liv (Gould Ellen et al. 2001). Det är nära förknippat med förståelsen att människor med mindre socioekonomiska resurser har färre möjligheter att delta på samma sätt i samhället som de med mer resurser.

Ytterligare strukturella teorier betonar det sociala kapitalets roll i hälsoutvecklingen. Socialt kapital kan definieras som summan av människors delaktighet i samhället, sociala kontakter, den sociala och politiska tilltron, samt en institutionell organisering. Samhörighet och delaktighet anses påverka den allmänna hälsonivån i ett område positivt (Bolin et al. 2003).

Det främsta argumentet för detta ligger i att man förutsätter att den psykiska stressnivån blir lägre då man känner sig delaktig och tillhörande i det samhälle man verkar. Men vad gör att ett område har högre socialt kapital än ett annat? Wilkinson menar att områdets ekonomiska standard i relation till samhället i övrigt är avgörande för skapandet av det sociala kapitalet, och att mindre rika områden generellt sätt har t.ex. en högre kriminalitet vilket är ett tecken på lägre socialt kapital (Wilkinson 1997). Det påverkar hälsan genom att det ökar den vardagliga stressen och minskar incitamentet till ett långsiktigt tänkande kring sin egen hälsa (Gould Ellen et al. 2001).

3. Tidigare forskning

Folkhälsoinstitutet och Socialstyrelsen sammanställer återkommande rapporter över hur svenskarna mår. Statistiken visar tydligt att det finns skillnader i sjukdomsfrekvens mellan olika typer av kommuner i Sverige. Kommuner med högre inkomstnivåer har lägre ohälsotal

än kommuner med lägre inkomstnivåer. De använder ett flertal olika mått på ohälsa för de jämförande studierna mellan kommunerna, varav ohälsotalet är ett. Måttet bygger på antalet ohälsodagar per person och år för personer mellan 20-64 år (Melinder 2003).

Folkhälsoinstitutets livsstilsrapport från 2008 slår fast att en allt större del i den totala sjukdomsbördan i Sverige utgörs av kroniska, icke-smittsamma sjukdomstillstånd som ofta härrör från livsstil. Till sjukdomar som påverkas av levnadsvanor räknas ofta diabetes, hjärtkärlsjukdomar och psykisk ohälsa, medan infektionssjukdomar inte räknas till livsstilssjukdomarna (Statens folkhälsoinstitut 2008:05).

Flera studier har visat att en mängd sjukdomstillstånd i större utsträckning drabbar människor lägre ner på den sociala skalan än de högre upp och fenomenet har fått namnet den sociala hälsogradienten. Marmot var en av de första som kunde belägga detta, då han i sin berömda Whitehallstudie, där han under många år studerade hälsan hos regeringstjänstemän i London, kunde visa att hälsan är beroende av social position. I den första Whitehallundersökningen som gjordes inkluderades bara män. Resultaten visade att de män mellan 40 och 64 år som innehade de lägst ansedda jobben löpte en fyra gånger så stor risk att dö som deras chefer gjorde. I undersökningen studeras utöver bara den ekonomiska ställningens påverkan på hälsan även faktorer som utbildning, inflytande och status (Marmot 2006, s. 11-20, 56-63).

Studien av ett utplaceringsprogrammet Moving to Opportunity i USA har varit inflytelserik i fråga om att undersöka vilken inverkan området har på individens hälsa. Programmet gick ut på att jämföra hälsan hos en grupp människor som deltog i ett lotteri där vinsten var att få flytta till ett område med högre ekonomisk status. De människor som vann och alltså flyttade blev experimentgrupp medan de som inte fick flytta användes som kontrollgrupp. Den grupp som fick flytta från ett fattigt område till ett mindre fattigt område uppvisade statistiskt signifikanta positiva mentala hälsoeffekter och en kraftig minskning av fetma men andra hälsoeffekter var svårare att fastställa (Katz et al. 2004).

Det har gjorts en mängd studier där epidemiologer har behandlat insjuknande i hjärtkärl sjukdomar eller dödlighet i relation till socioekonomiska faktorer. Baserat på SHEEP- databasen¹ har forskare undersökt hur hjärtkärlsjukdomar påverkas av den socioekonomiska kontexten. Databasen består av tvärsnittsdata över personer som har insjuknat i hjärtsjukdomar i Stockholms län samt kontrollpersoner. Stjärne et al. har studerat hur frekvensen av insjuknande i hjärtinfarkter påverkas av den individuella inkomsten samt

1 Stockholm Heart Epidemiology Program.

områdets ekonomiska nivå. Resultaten visar att områdets ekonomiska nivå har en effekt på insjuknandet i hjärtsjukdomar utöver den påverkan som den individuella inkomsten har. För kvinnor verkar effekten av att leva i ett låginkomstområde vara större än effekten för män (Stjärne et al. 2006).

I ytterligare en studie används materialet för att undersöka om områdets socioekonomiska karaktär påverkar incidensen av hjärtkärlsjukdomar. För att göra detta väger epidemiologerna ihop ett index på socioekonomisk nivå utifrån 21 olika indikatorer för de församlingar de undersöker. De studerar här enbart Stockholms län. Resultaten visar att det innebär en ökad risk för hjärtinfarkt både för män och för kvinnor att leva i utsatta områden, även när de kontrollerar för individens ekonomiska förutsättningar (Kölegård Stjärne et al. 2002). Den främsta styrkan med dessa studier är att de har inkluderat både områdes- och individdata och därmed kunnat isolera effekten av områdets inverkan på hälsoutfallet från individens egna förutsättningar. Däremot är studierna geografiskt begränsade och kan därför bara ge en bild av hur sambanden ser ut inom ett avgränsat område eller stad. Då de inte har paneldata har de inte heller kunnat rensa bort effekten av områdesspecifika fixa egenskaper, som närhet till vårdcentraler eller geografiskt placering, från områdets tidsvarierande faktorer som den demografiska sammansättningen.

Malmström et al. undersöker hur dödligheten har förändrats under en tioårsperiod i olika slags områden genom att studera en stor svensk stad och göra en jämförelse mellan dess områden på SAMS- nivå². De definierar områdena i analysen utifrån två olika index som mått på materiell nedgångenhet och områdets socioekonomiska status. Deras resultat visar att i de områden som klassificerats som rikast skedde den största minskningen i dödlighet under de observerade åren medan det inte hade skett samma stora förändring i de områden som klassificerats som fattigast (Malmström 1999).

Den svenska forskning som direkt har avhandlat ett områdes ekonomiska status i relation till hälsan har varit geografiskt avgränsade. Många studier är också avgränsade till att antingen studera hjärtkärlsjukdomar eller dödlighet, medan jag i min undersökning kommer att inkludera alla inläggningar på svenska sjukhus under undersökningsperioden. Bredden på observerade diagnoser gör att min studie bidrar med ett helhetsperspektiv på hur hälsan är fördelad efter ekonomiska skiljelinjer i Sverige. Genom användningen av paneldata kan jag

2 Small Area Market Statistics, indelningar från SCB.

också särskilja effekten av områdets ekonomiska nivå från områdets specifika fixa egenskaper som geografisk belägenhet eller bebyggelse.

4. Data

För min analys använder jag Socialstyrelsens data över diagnoser i slutenvården i Sverige för åren 2001-2004. I slutenvårdsregistret klassificeras alla inläggningar i svensk slutenvård enligt diagnoskoder för att särskilja de sjukdomstillstånd som orsakar inläggningarna. I materialet som jag använder anges antalet inläggningar i slutenvården på församlingsnivå och materialet innefattar alla församlingar i hela Sverige. Populationen i församlingarna innefattar alla individer mellan 16 och 74 år. Datasetet kompletteras också med ett antal demografiska variabler från IFAU-databasen, andel invandrare, andel kvinnor, andel med universitetsutbildning, medelålder och medelinkomst i församlingen. Då jag använder svenskt registerdata förutsätter jag att materialet inte lider av några direkta rapporteringsproblem och att det därför har en hög reliabilitet. På samma sätt antar jag att sjukhusens rapportering av inläggningar i slutenvården och dess orsaker är i hög grad tillförlitliga.

4.1 Beroende variabel

Som utfallsvariabel, eller beroende variabel, i min modell använder jag antal sjukhusinläggningar per capita (I) inom området. Världshälsoorganisationen har klassificerat alla sjukdomstillstånd under ICD-koder vilka ligger till grund för Socialstyrelsens patientregister³. I variabeln antal sjukhusinläggningar per capita inkluderas alla sjukhusinläggningar förutom de som är förknippade med graviditet, då graviditet inte innebär ohälsa på samma sätt som sjukdom gör.

Jag studerar även specifikt hur inläggningar i slutenvården för mental ohälsa, hjärtkärlsjukdomar och infektionssjukdomar samvarierar med områdets ekonomiska nivå. Till hjärtkärlsjukdomar räknas t.ex. slaganfall och hjärtinfarkter (Rosén 2005). Bland de allvarligare infektionssjukdomarna brukar räknas infektioner av antibiotikaresistenta bakterier, vissa sexuellt överförbara sjukdomar och infektioner som drabbar barn (Carlson 2005). De mentala problem som behandlas inom slutenvården är allvarligare natur, som t.ex.

schizofreni och psykossjukdomar (Stefansson 2005). Jag har valt att undersöka de här tre sjukdomsgrupperna därför att hjärtkärlsjukdomar och psykisk ohälsa anses följa en social

3 Se www.socialstyrelsen.se/statistik/statistikdatabas

gradient medan förekomsten av infektionssjukdomar i rikare länder inte verkar vara direkt beroende av social position (Marmot 2006, s. 17-18).

Svensk sjukvård består av slutenvård och öppenvård, där öppenvård är all kontakt med sjukvården som inte innebär inläggning. Det gör att i slutenvården hanteras mer allvarliga sjukdomstillstånd, vilka alltså bara är en del av det totala vårdbehovet. Min beroende variabel fångar inte heller längden på sjukhusvistelsen, vilket betyder att analysen inte tar hänsyn till skillnader i tillfrisknande. Då måttet antal inläggningar baseras på populationen mellan 16-74 år kan det tänkas att ett relativt stort antal hjärtkärlsjukdomar missas. Risken för insjuknande i hjärtkärlsjukdomar ökar dramatisk med åldern och personer äldre än 74 är utsatta för en långt större risk än yngre människor (Rosén 2005). Även för mental ohälsa kan måttet vara smått missvisande, då nedskärningar i den psykiatriska slutenvården under 90-talet har lett till att många allvarliga psykiska problem omhändertas i öppenvården, och därför inte registreras i slutenvårdsregistret (Stefansson 2005). Det finns inte något entydigt ohälsobegrepp som innefattar alla aspekter av icke-hälsa men för den här analysen anser jag att slutenvårdsregistret fungerar väl som proxy för att mäta den allmänna ohälsonivån (Persson 2005).

4.2 Förklarande variabler

Som oberoende variabel använder jag genomsnittlig inkomstnivå (Y) i församlingen. Jag antar alltså att förändringar i medelinkomsten för församlingarna påverkar församlingarnas ohälsofrekvens. Variabeln medelinkomst är baserat på bruttolön per person och år, och inkluderar bara inkomst av lönearbete. Då församlingens population är baserad på personer mellan 16-74 år är medelinkomsten också beräknad för dessa individer.

Variabeln medelinkomst per capita för en församling kan antas fungera bra för jämförande analys. Men då variabeln bara inkluderar löneinkomster tar den inte hänsyn till övriga inkomster som pensioner, sjukpenning och studiemedel. Medelinkomsten säger inte heller något om hur inkomstspridningen ser ut inom området, och då invånarantalet i församlingarna sträcker sig mellan 4 och 43 358 personer (se tabell 2) kan församlingarnas invånare vara en mycket heterogen skara. Av den anledningen kan man hysa farhågan att medelinkomsten inte beskriver den ekonomiska nivån i ett område på ett tillförlitligt sätt. Men då jag utför min analys på församlingsnivå är sannolikheten för stora inkomstskillnader inom området mindre än om jag skulle studera sambandet på kommunnivå.

Utöver medelinkomsten som förklarande variabel inkluderar jag ytterligare några relevanta variabler som kan tänkas påverka förhållandet mellan medelinkomsten och antalet inläggningar i slutenvården. Jag inkluderar de variablerna för att försäkra mig om att skattningen för medelinkomstens påverkan på antalet inläggningar inte fångar effekten av någon utelämnad variabel och därför blir missvisande.

Medelålder

Jag använder variabeln medelåldern i församlingen därför att det är välkänt att människors hälsa förändras under livets gång, och att den försämras med högre ålder. Det är framförallt förekomsten av cancer, åldersdiabetes, syn- och hörselproblem som ökar med medelåldern i befolkningen (Alfredsson 2005).

Andel med universitetsutbildning

Variabeln andel med universitetsutbildning bygger på SCB:s indelning efter Sun-koder⁴. Det finns studier som tyder på att människors hälsa följer en social gradient även när det gäller utbildningsnivån, alltså att människor med högre utbildning skulle ha en bättre hälsa än de mer lågutbildade (Marmot 2006, s. 103-107). Därför inkluderar jag variabeln andel med universitetsutbildning, då utbildningsnivån mycket väl kan tänkas påverka både medelinkomsten och sjukdomsfrekvensen i ett område.

Andel kvinnor

Kvinnor och män har olika fysiologi och deras hälsa utvecklas på olika sätt. Kvinnor lever generellt sett längre än vad män gör men de lider däremot av mer långvariga kroniska sjukdomar och såväl psykiska och fysiska besvär (Alfredsson 2005). På grund av de stora hälsoskillnaderna mellan könen är det relevant att kontrollera för församlingens könsfördelning.

Andel invandrare

Det är sedan tidigare känt att det existerar skillnader i hälsan mellan de som invandrat till Sverige och de som är födda här. Skillnaderna varierar förstås och ser olika ut för olika etniciteter och ursprungsland, men de beror till största del av skillnader i levnadsvanor, påfrestningar under migrationen och en många gånger marginaliserad social position i Sverige. De främsta hälsoskillnaderna mellan invandrare och svenskar gäller mental ohälsa och hjärtkärlsjukdomar (Statens folkhälsoinstitut 2002, s. 11-13).

4 Svensk utbildningsnomenklatur, klassificering från SCB.

4.3 Deskriptiv statistik

Åren 2001-2004 var Sverige indelat i mellan 2223 och 2211 församlingar (se tabell 1). Det minsta antalet invånare i någon av Sveriges församlingar under de här åren var 4 personer och det största antalet ca 43000 med ett medelvärde på ca 2900 personer (se tabell 2).

Tabell 1. Antal församlingar i Sverige under de observerade åren

2001 2002 2003 2004

Antal församlingar 2223 2218 2214 2211

I tabell 2 framgår att församlingen med lägst medelinkomst per capita har en medelinkomst (bruttolön av arbete) per person och år på 25 721 kr, medan den församling som har högst medelinkomst har en medelinkomst på 280 950 kronor. Det finns församlingar där andelen med universitetsutbildning är noll och de som har upp till 75 % universitetsutbildade. Andelen invandrare i församlingarna rör sig också mellan noll och ca 68 %. Könsfördelningen i områdena ligger mellan 35 % kvinnor och upp till 58 % kvinnor. Medelåldern i församlingarna sträcker sig mellan 32,7 och 56,6 år. Sammantaget kan man säga att Sveriges församlingar skiljer sig mycket åt vad gäller den demografiska sammansättningen.

Tabell 2. Demografisk beskrivning av församlingarna

Medelvärde Minvärde Maxvärde Standardavvikelse

Antal invånare 2 908 4 43 358 4957

Medelinkomst kr/år 131 995 25 721 280 950 25 827

Andel med

universitetsutbildning

0,205 0 0,752 0,087

Andel invandrare 0,074 0 0,681 0,063

Andel kvinnor 0,482 0,352 0,582 0,021

Medelålder 45,1 32,7 56,6 2,2

Not. Värden för antal invånare och medelinkomst avrundade till heltal, värden för andel med

universitetsutbildning, andel invandrare och andel kvinnor avrundade till tre decimaler, värden för medelålder avrundade till en decimal.

Det totala antalet inläggningar på de svenska sjukhusen under de fyra studerade åren är rätt stabilt och varierar mellan ca 520 000 och 530 000 inläggningar, vilket tyder på att det under de observerade åren inte har skett någon tydlig förändring i inläggningsgrad (se tabell 3).

Bland de sjukdomsgrupper som jag studerar är hjärtkärlproblem den vanligaste orsaken till

inläggning i slutenvården, då det varje år läggs in ungefär sex gånger fler personer för hjärtkärlsjukdomar än infektionssjukdomar.

Tabell 3. Antal inläggningar uppdelat efter sjukdomsklassifikationer för de observerade åren (totalt för alla församlingar i Sverige)

2001 2002 2003 2004

Totalt antal inläggningar 532 905 519 753 517 752 521 398 Infektionssjukdomar 16 913 17 364 16 623 16 676

Mental ohälsa 76 449 73 449 74 145 76 158

Hjärtkärlsjukdomar 112 496 109 96 108 276 110 105

Tabell 4 visar hur fördelningen av sjukhusinläggningar per capita har sett ut för församlingarna under de observerade åren. Inläggningsfrekvensen varierar kraftigt mellan församlingarna. Det finns församlingar som något år har haft noll antal inläggningar per person och de som under något år har haft upp till 0,3646 antal inläggningar per person.

Maxvärdet betyder alltså att för församlingen med högst antal inläggningar har under något av de observerade åren 36,46 % av invånarna lagts in på sjukhus. Variationen är minst för inläggningar för infektionssjukdomar, vilket hänger ihop med att antal inläggningar för infektionssjukdomar är färre än de för andra sjukdomsgrupperna.

Tabell 4. Antal inläggningar per capita i församlingarna

Medelvärde Minvärde Maxvärde Standardavvikelse

Totalt antal inläggningar/capita 0,0819 0 0,3646 0,0256 Antal inläggningar/ capita,

infektionssjukdomar

0,0027 0 0,0734 0,0031

Antal inläggningar/ capita, mental ohälsa

0,0080 0 0,1176 0,0072

Antal inläggningar/ capita, hjärtkärlsjukdomar

0,0186 0 0,1268 0,0111

Not. Värden avrundade till fyra decimaler.

5. Metod

5.1 . Ekonometrisk specifikation

Jag utför en regression för att undersöka om det existerar ett negativt samband mellan ett områdes genomsnittliga inkomstnivå och antalet inläggningar på sjukhus i området. Som förklarande variabel använder jag medelinkomsten i en församling (Y) och som beroende

variabel använder jag antalet inläggningar på sjukhuset/capita i församlingen (I). Den enkla regressionen tar den här formen:

jt jt

jt Y

I =β +ε ( 1 )

där indexeringen j står för församling och t för år och ε_jt är en slumpterm. När man skattar en sådan här modell kan det finnas utelämnade variabler som påverkar både I_jt och Y_jt, vilket leder till en felaktig skattning av β. För att undvika det inkluderar man de variabler som kan vara relevanta för att förklara sambandet i modellen. De faktorer som kan observeras används som kontrollvariabler i modellen, och här inkluderar jag kontrollvariablerna andel kvinnor, andel invandrare, andel med universitetsutbildning och medelålder i området.

De variabler som kan tänkas påverka skattningen men som inte går att observera är svårare att kontrollera för, och det är därför det är viktigt att jag har ett longitudinellt paneldataset.

Faktorer som inte varierar över tiden kallas för fixa effekter. En församlingsspecifik fix effekt i den här modellen kan vara t.ex. avstånd till sjukvårdsinrättningar eller geografisk belägenhet (stad/glesbygd) osv. Närheten till sjukhus förändras självklart över tiden, då nya byggs och gamla rivs, men under den korta tid jag studerar förutsätter jag att antalet sjukhusbyggen är försumbart. De här icke-tidsvarierande effekterna observerar jag inte i mitt material, och därför får jag kontrollera för dem på annat vis, nämligen genom att estimera en fix effekt modell (se transformationen i modell 3 nedan). Utöver de församlingsspecifika fixa effekterna finns det andra icke-observerbara faktorer som kan påverka skattningen, sådana faktorer som varierar över tiden men inte mellan församlingarna. De kan vara t.ex. förändringar i konjunkturen och makroekonomiska trender som simultant påverkar alla områden, vilket betyder att de samband jag estimerar i min modell skulle kunna vara biased. För att kontrollera för de här makroeffekterna inkluderar jag tidsdummys för de år jag studerar. Då alla dessa hänsyn är tagna kommer modellen att anta den här formen:

jt j jt

jt jt

jt jt

jt

a D

D D

kvinnor andel

invandrare andel

t universite andel

medelålder Y

I

ε δ

δ δ

β

β β

β β

+ + +

+ +

+

+ +

+

=

2004 2003

2002 5

4 3

2 1

3 2

1 _

_ _

( 2 )

där δ1D²⁰⁰² är en dummyvariabel för år 2002 som antar värdet ett om det är 2002 och värdet noll i annat fall. Detsamma gäller för de två övriga dummyvariablerna. År 2001 är referensår som de övriga dummysarna definierar en avvikelse från. a_j är den församlingsspecifika fixa

effekten, alltså de egenskaper som församlingen har men som inte varierar med tiden. I den fixa effektmodellen ovan kontrolleras för den fixa effekten genom att varje församlings värde för vart och ett av de observerade åren subtraheras från församlingens tidsmedelvärde. Så här ser fix effekt transformationen ut:

) (

) (

) (

)

(I_jt −I_j =β₁ Y_jt −Y_j + a_j −a_j + ε_jt−ε_j ( 3 )

Där I är tidsmedelvärdet för antal inläggningar per capita i församling j. För enkelhetens _j skull visar jag här hur transformationen ser ut på den enkla modellen jag först presenterade, utan tidsdummys och kontrollvariabler. Församlingarnas medelinkomst och antal inskrivningar varierar över tiden och fix effekt modellen använder sig av differenserna över tid för att estimera sambandet. Det betyder att jag analyserar förändringar i mina variabler över tid, alltså hur förändringar i församlingarnas medelinkomst samvarierar med förändringar i antalet inläggningar. Då a_j inte förändras över tid kommer differenserna från dess tidsmedelvärde att vara noll och den tidsfixa effekten att rensas bort ur modellen (Wooldridge 2006, s. 485-489).

Jag kommer att estimera modellen med robusta standardfel för att försäkra mig om att min skattning inte lider av problem med heteroskedasticitet.

5.2 Modellspecifikation

Jag utför min regression som en linjär-log modell, vilket betyder att jag använder den naturliga logaritmen av medelinkomsten som förklarande variabel. Jag logaritmerar enbart den förklarande variabeln som jag är intresserad av, alltså medelinkomsten, och låter övriga förklarande variabler stå i ursprunglig form⁵.

jt j jt

jt jt

jt jt

jt

a D

D D

kvinnor andel

invandrare andel

t universite andel

medelålder Y

I

ε δ

δ δ

β

β β

β β

+ + +

+ +

+

+ +

+

=

2004 2003

2002 5

4 3

2 1

3 2

1 _

_ _

) ln(

( 4 )

Här är ln(Y_jt) den naturliga logaritmen av medelinkomsten. Jag använder mig av den naturliga logaritmen av medelinkomsten för att kunna analysera hur relativa förändringar i medelinkomsten i ett område samvarierar med variationer i antalet inläggningar på sjukhus i

5 Det samband som jag estimerar mellan medelinkomst och antal inläggningar per capita påverkas inte avsevärt av logaritmerandet av kontrollvariablerna, varför jag väljer att använda mig av dem i ursprunglig form. Resultat för den modell där alla de förklarande variablerna är logaritmerade finns i appendix, tabell 1.

området. I den linjära-log modellen tolkas koefficienten för ln(medelinkomsten), β₁, som hur stor absolut förändring i antalet inläggningar i slutenvården som en hundra procents ökning av medelinkomsten skulle ge upphov till. Dividerar man estimatet med tio kan det tolkas som hur stor förändring i antalet inläggningar som en ökning av medelinkomsten med tio procent genererar. I praktiken betyder det att den effekt av medelinkomstförändringar på antalet inläggningar i slutenvården som estimeras är olika stor beroende på församlingarnas ursprungliga ekonomiska nivå. Samma medelinkomstökning ger enligt det här icke-linjära sambandet större reducering av antalet inläggningar i en fattig församling än i en rik.

Det finns inget entydigt svar till varför man bör välja att specificera en modell på ett visst sätt, men teori kring hur sambandet kan se ut kan hjälpa till att motivera valet av funktionsform.

Vissa folkhälsoteoretiker menar att hälsan påverkas av relativ fattigdom, alltså en ojämlik fördelning av de ekonomiska resurserna i samhället (Marmot 2006, s. 96-103, Wilkinson 1997). Det innebär att inkomstförändringar som minskar på klyftorna skulle leda till större hälsovinster än inkomstökningar som förstärker de sociala skillnaderna. En icke-linjär modellform som den linjära-log modellen som jag beskriver ovan kan då vara passande för att estimera sambandet mellan ohälsa och ekonomiska förutsättningar. Då teorin bara är en vägledning för valet av specifikationsform genomför jag även en känslighetsanalys på materialet och undersöker om ändrad specifikation på modellen påverkar de skattade resultaten.

6. Resultat

6.1 Totala antalet inläggningar i slutenvården

Jag skattar ett negativt signifikant samband mellan församlingens medelinkomst och antalet inläggningar i slutenvården. Resultatet är signifikant på 1 % nivån. I tabell 5 redovisas hur estimatet för ln(medelinkomst) förändras då modellen utökas och fler faktorer kontrolleras för. Den nedersta raden är alltså den skattning där alla kontrollvariabler är inkluderade och här är estimatet för ln(medelinkomst) -0,0624. Det kan tolkas som att om medelinkomsten ökar med 100 % reduceras antalet inläggningar per person med 0,0624 gånger. En tioprocentig ökning av medelinkomsten leder till en reducering av inläggningstalet med 0,00624 gånger per person. Det kan jämföras med medelvärdet för antal inläggningar per person i församlingarna, 0,0819 (se tabell 4), och då innebär en ökning av medelinkomsten med tio

procent en minskning av medelvärdet för antalet inläggningar per capita med 7,62 % (0,00624/ 0,0819).

När resultaten redovisas som här i tabell 5 kan man tydligt se hur inkluderandet av ytterligare kontrollvariabler påverkar modellens estimering av det relevanta sambandet. Då modellen kontrollerar för de områdesspecifika fixa effekterna och tidseffekterna påverkas inte estimatet för ln(medelinkomst) nämnvärt av inkluderandet av de övriga kontrollvariablerna⁶. De kontrollvariabler som jag här har inkluderat är sådana som jag förväntar mig har stor inverkan både på sjukdomsfrekvensen och medelinkomsten och därför är det förvånande hur lite de påverkar estimatet för medelinkomsten. En tolkning av detta är att när modellen är specificerad som en fix effekt modell beskriver den väl sambandet mellan medelinkomsten och antal inläggningar per capita i församlingarna. Då estimatet för medelinkomsten är så här stabilt kan inte ytterligare kontrollvariabler väntas förbättra skattningen.

Tabell 5. Samband mellan ln(medelinkomst) och antal inläggningar i slutenvården per capita

Estimat för ln(medelinkomst)

Enkel modell (estimerad som modell 1) -0,0380 ^*** (0,0016) + kontroll för tidseffekter -0,0377 ^*** (0,0017) + kontroll för områdesspecifika fixa effekter -0,0610 ^*** (0,0148)

+ medelålder -0,0587 ^*** (0,0145)

+ andel med universitetsutbildning -0,0600 ^*** (0,0145)

+ andel invandrare -0,0623 ^*** (0,0147)

+ andel kvinnor

(alla kontrollvariabler är inkluderade)

-0,0624 ^*** (0,0147)

Not. Varje rad är en unik regression, där nya faktorer adderas efter hand. Sista raden representerar den regression då modellen kontrollerar för alla observerade och icke-observerbara effekter.^*** betyder att resultatet är

signifikant på 1 % nivån, siffror i parentes är robusta standardfel. R² overall: 0,0698

I en modell med en logaritmerad förklarande variabel framgår det hur effekten av medelinkomstförändringar på antalet inläggningar varierar för församlingar med skilda ekonomiska förutsättningar. I den fattigaste församlingen ger ca 2500 kr ökning av medelinkomsten en 7,62 % minskning av inläggningstalen, medan i den rikaste församlingen

6 Estimat för kontrollvariablerna finns i appendix, tabell 2.

krävs det ca 28 000 kronors ökning i medelinkomst för samma minskning av antalet inläggningar.⁷

6.2 Inläggningar för de olika sjukdomsgrupperna

Jag genomför tre enskilda skattningar för sambandet mellan ln(medelinkomst) och antal inläggningar för hjärtkärlsjukdomar, antal inläggningar för infektionssjukdomar samt antal inläggningar för mental ohälsa.

Tabell 6. Samband mellan ln(medelinkomst) och antal inläggningar för de olika sjukdomsgrupperna per capita

Estimat för ln(medelinkomst)

Hjärtkärlsjukdomar -0,0120 ^** (0,0057) Infektionssjukdomar -0,0012 (0,0020) Mental ohälsa -0,0111 ^*** (0,0041)

Not. Skattningarna för de olika hälsoutfallen då de är kontrollerade för områdesspecifika fixa effekter,

tidseffekter och övriga kontrollvariabler. ^***betyder att resultatet är signifikant på 1 % nivån,^{* *} att resultatet är signifikant på 5 % nivån, siffror i parentes är robusta standardfel.

I tabell 6 visas sambandet mellan ln(medelinkomst) och antal inläggningar för hjärtkärlsjukdomar, infektionssjukdomar och mental ohälsa. Här framgår tydligt att medelinkomsten inte samvarierar på likartat sätt med insjuknande i alla tre sjukdomsgrupperna. Sambanden mellan medelinkomsten i ett område och hjärtkärlsjukdomar samt mental ohälsa är signifikanta, medan det inte kan fastställas något samband mellan medelinkomsten och insjuknandet i infektionssjukdomar. För hjärtkärlsjukdomar är sambandet signifikant på 5 % nivån och negativt. En tolkning av sambandet är att en ökning av medelinkomsten med tio procent ger en reducering av inläggningar för hjärtkärlsjukdomar med 0,0012 gånger per person. Som andel av medelvärdet för antal inläggningar för hjärtkärlsjukdomar är det 6,45 % (0,0012/0,0186)⁸. Sambandet mellan områdets medelinkomst och antal inläggningar på sjukhus för mental ohälsa är statistiskt signifikant på 1 % nivån och negativt. På samma sätt som ovan kan det tolkas som att en tioprocentig ökning av medelinkomsten ger en minskning av antalet inläggningar med 0,00111 gånger per person. Som andel av medelvärdet för den beroende variabeln innebär det en minskning med 13,88 % (0,00111/ 0,008).

7 Här använder jag min- och maxvärdena från tabell 2 för att beräkna en ökning av medelinkomsten med tio procent i de fattigaste och i de rikaste församlingarna var för sig.

8 Medelvärdena för antalet inläggningar för de olika sjukdomsgrupperna hämtas ur tabell 4.

Sammanfattningsvis kan jag konstatera att det finns ett starkt negativt samband mellan områdets medelinkomst och det totala antalet inläggningar per person. Även sambanden mellan medelinkomsten och inläggningar för de diagnoser som klassas som hjärtkärlsjukdomar och mentala problem är signifikanta och negativa. För diagnoser som klassas som infektionssjukdomar kan inget samband med medelinkomsten i ett område fastställas.

7. Känslighetsanalys

Det finns inget som säger att sambandet mellan medelinkomsten i en församling och antalet inläggningar på sjukhus ser ut på ett visst sätt, och därför är det viktigt att undersöka om de samband som jag har estimerat är robusta för ändrad specifikationsform på modellen. Jag genomför en känslighetsanalys där jag testar mina skattade samband i linjär och kvadratisk form. Dessutom skattar jag även min ursprungliga linjära-log modell utan vissa av kontrollvariablerna för att utesluta att de påverkar skattningen av sambandet.

7.1 Linjär modell

Jag estimerar ett linjärt samband mellan medelinkomst och antalet inläggningar i slutenvården, vilket betyder att jag använder medelinkomsten i ursprunglig form som förklarande variabel (se specificerad modell 2).

Även i den linjära modellen är sambandet mellan medelinkomsten och antalet inläggningar i slutenvården per capita statistiskt signifikant på 1 % nivån och estimatet är -0,0046 (se tabell 7). Estimatet i den linjära specifikationen kan tolkas som att en absolut medelinkomstökning med tiotusen kronor skulle minska inläggningsantalet med 0,0046 gånger per person (medelinkomsten är angiven i tiotusentals kronor), eller 5,62 % av medelvärdet för antalet inläggningar (0,0046/0,0819)⁹. I den linjära modellen är sambandet mellan antalet inläggningar för hjärtkärlproblem och medelinkomst inte signifikant (se tabell 7). Då sambandet var signifikant när det estimerades i linjär-log specifikationsform reser det här resultatet frågan om hur säkert det samband som jag tidigare estimerat är. De motstridiga resultaten för de olika specifikationsformerna gör att slutsatser om hur medelinkomsten och insjuknandet i hjärtkärlsjukdomar samvarierar inte är lika säkra. Inte heller med en linjär specifikationsform på modellen kan jag fastställa något samband mellan antalet inläggningar för infektionssjukdomar och medelinkomsten i ett område. Sambandet mellan medelinkomst

9 Siffran 0,0819 är medelvärdet för antalet inläggningar i slutenvården per capita och hämtas ur tabell 4.

och antal inläggningar för mental ohälsa är negativt och signifikant på 1 % nivån i den linjära modellen, vilket ligger i linje med det tidigare estimerade sambandet.

Tabell 7. Linjärt samband mellan medelinkomst och antalet inläggningar per capita samt för inläggningar för de olika sjukdomsgrupperna per capita

Estimat för medelinkomst

Totalt antal inläggningar/capita -0,0046^*** (0,0011) Antal inläggningar för hjärtkärlsjukdomar/capita -0,0006 (0,0005) Antal inläggningar för infektionssjukdomar/capita -0,0001 (0,0001) Antal inläggningar för mental ohälsa/capita -0,0008 ^*** (0,0003)

Not. Skattningarna för de olika hälsoutfallen då de är kontrollerade för områdesspecifika fixa effekter, tidsvarierande effekter och kontrollvariablerna. ^*** betyder att resultatet är signifikant på 1 % nivån. Siffror i parentes är robusta standardfel.

7.2 Kvadratiskt samband

Jag skattar även sambandet i kvadratisk form där jag inkluderar både medelinkomsten och dess kvadrat som förklarande variabler. Då ser modellen ut så här:

jt j jt

jt jt

jt jt

jt jt

a D

D D

kvinnor andel

invandrare andel

t universite andel

medelålder Y

Y I

ε δ

δ δ

β

β β

β β

β

+ + +

+ +

+

+ +

+ +

=

2004 2003

2002 6

5 4

3 2 2 1

3 2

1 _

_ _

( 5 )

där Y_jt är medelinkomst och Y_jt² är medelinkomst i kvadrat. Då man estimerar modellen kvadratiskt tar man hänsyn till att förändringar i olika segment av fördelningen av den förklarande variabeln kan ha olika inverkan på den beroende variabeln. Det innebär att effekten av en medelinkomstförändring på antalet inläggningar på sjukhusen är antingen ökande eller avtagande med medelinkomsten i ett område (Wooldridge 2006, s. 200-204).

I den här modellen där både medelinkomsten och den kvadrerade medelinkomsten är förklarande variabler är sambandet mellan medelinkomsten och det totala antalet inläggningar signifikant på 1 % nivån. Estimaten tyder på ett avtagande negativt samband där effekten av en medelinkomstökning på antalet inläggningar i slutenvården avtar med medelinkomsten (se tabell 8)¹⁰.

10 Beräkning av sambandet ger att minimipunkten är vid en medelinkomst på ca 186 250 kr. För det värdet deriverar jag sambandet för medelinkomsten och det totala antalet inläggningar (första raden i tabell 8) och räknar ut hur stor medelinkomsten är då derivatan av funktionen är lika med noll. Då 95 % av församlingarna

Tabell 8. Kvadratiskt samband mellan medelinkomst och antalet inläggningar per capita samt inläggningar för de olika sjukdomsgrupperna per capita

Estimat för medelinkomst

Estimat för

medelinkomst i kvadrat

Totalt antal inläggningar/capita -0,0149 ^*** (0,0036) 0,0004 ^*** (0,0001) Antal inläggningar för

hjärtkärlsjukdomar/capita

-0,0053^*** (0,0014) 0,0002 ^*** (0,0000)

Antal inläggningar för infektionssjukdomar/capita

-0,0017

(0,0011) 0,0000 (0,0000)

Antal inläggningar för mental ohälsa/capita

-0,0017

(0,0011) 0,0000 (0,0000)

Not. Skattningarna för de olika hälsoutfallen då de är kontrollerade för områdesspecifika fixa effekter,

tidseffekter och övriga kontrollvariabler.^*** betyder att resultatet är signifikant på 1 % nivån. Siffror i parentes är robusta standardfel.

Jag estimerar även ett kvadratiskt samband mellan medelinkomst och hjärtkärlsjukdomar och finner att sambandet är negativt men avtagande även här. Sambandet är signifikant på 1 % nivån (se tabell 8). Varken sambandet mellan infektionssjukdomar och medelinkomst eller mental ohälsa och medelinkomst är signifikant då det skattas i kvadratisk form. Det väcker funderingar om tillförlitligheten i skattningen av sambandet mellan ett områdes medelinkomst och antalet inläggningar för mental ohälsa, då det var signifikant i tidigare testade specifikationsformer men inte är det i den här formen.

Oavsett specifikationsform estimeras ett statistiskt signifikant negativt samband mellan medelinkomst och totalt antal inläggningar per capita för Sveriges församlingar. Sambandet verkar därför inte vara känsligt för modellens form. Hur förändringar i medelinkomsten samvarierar med insjuknande i de särskilda sjukdomsgrupperna som jag har undersökt är däremot mindre säkert, då de sambanden visar sig vara känsliga för i vilken form de skattas.

Det gäller inte för sambandet mellan medelinkomst och infektionssjukdomar som inte är signifikant oavsett vilken specifikationsform som har använts.

7.3 Är multikollinjäriteten ett problem?

I min skattning av sambandet mellan ohälsa och ekonomisk nivå på områdesnivå är det relevant att fråga sig huruvida min oberoende variabel, ln(medelinkomst), är korrelerad med kontrollvariablerna. Om det finns ett linjärt samband mellan dem lider modellen av

som observerats har en medelinkomst på 176 246 kr eller mindre innebär det att de allra flesta församlingarna upplever ett negativt samband mellan medelinkomsten och antalet inläggningar på sjukhus.