[論文レビュー] Spatial Discrete Choice and Spatial Limited Dependent Variable Models: a review with an emphasis on the use in Regional Health Economics

Anna Gloria Billé, Giuseppe Arbia|arXiv (Cornell University)|Feb 9, 2013

Spatial and Panel Data Analysis参考文献 202被引用数 14

ひとこと要約

本稿は、地域保健経済学における応用を重視しながら、空間的離散選択および制限付き従属変数モデルをレビューする。二値およびカテゴリカルな結果に対する空間計量経済学分野における手法の進展を統合し、健康関連意思決定における空間的依存性および異質性を考慮するモデルの重要性を強調する。空間相関データにおける政策関連の推論を改善することを目的とする。

ABSTRACT

Despite spatial econometrics is now considered a consolidated discipline, only in recent years we have experienced an increasing attention to the possibility of applying it to the field of discrete choices (e.g. Smirnov, 2010 for a recent review) and limited dependent variable models. In particular, only a small number of papers introduced the above-mentioned models in Health Economics. The main purpose of the present paper is to review the different methodological solutions in spatial discrete choice models as they appeared in several applied fields by placing an emphasis on the health economics applications.

研究の動機と目的

• 健康経済学における離散的および制限付き従属変数への空間計量モデルの応用におけるギャップを埋めるため。
• さまざまな応用分野における空間的離散選択モデルの手法的進展をレビューすること。
• これらのモデルの地域保健経済学研究への関連性と適合性を強調すること。
• 二値およびカテゴリカルな健康結果における空間的依存性モデリングの包括的概要を研究者に提供すること。
• 医療サービス利用や提供者選択などの空間的に相関する健康意思決定のモデリングを改善すること。

提案手法

• 空間誤差または空間ラグ構造を用いて空間的依存性を組み込む空間 probit および logit モデルをレビューする。
• 離散結果のための条件付きおよび同時空間モデルを検討し、空間自己回帰および空間誤差成分の使用を含む。
• さまざまな分布仮定下での空間的離散選択モデルにおける最尤推定の使用を紹介する。
• 空間設定における高次元積分を扱うために、シミュレーションベースの推定技術（例：GHK シミュレータ）を検討する。
• 空間フィルタリングおよび空間固有ベクトル法の使用を、離散選択フレームワークにおける空間的依存性の捉え方に活用する。
• 特に小標本設定において、頻度的およびベイズ的アプローチの推論を比較する。

実験結果

リサーチクエスチョン

• RQ1 空間的依存性が健康データに存在する場合、偏りのない推論を避けるために、離散的健康結果における空間的依存性を適切にモデリングする方法は何か？
• RQ2 地域保健経済学における空間 probit モデルと logit モデルの主な手法的差異は何か？
• RQ3 空間ラグおよび空間誤差構造は、健康関連の離散選択モデルの適合度および解釈性をどのように向上させるか？
• RQ4 制限付き従属変数のための空間計量モデルは、地域保健制度における政策評価をどのように強化するか？
• RQ5 実世界の健康データを用いた空間的離散選択モデルの推定における実務的課題とその解決策は何か？

主な発見

• 空間的依存性が健康データに存在する場合、非空間的代替モデルと比較して、空間的離散選択モデルはモデル適合度を著しく向上させ、バイアスを低減する。
• 空間誤差または空間ラグ成分を含めることで、医療サービス利用モデルにおける限界効果の推定がより正確になる。
• 多変量正規確率における扱いが困難な積分を処理するために、GHK シミュレータなどのシミュレーションベースの推定手法は不可欠である。
• 空間フィルタリング技術は、特に大規模データセットにおいて、従来の空間自己回帰モデルに対する計算効率の高い代替手段を提供する。
• ベイズ的推定アプローチは、特に空間的依存性が弱いか複雑な場合に、小標本設定でのより信頼性の高い推論を提供する。
• これらのモデルを地域保健データに適用することで、医療サービスの採用および提供者選択パターンにおける顕著な空間的効果（スプライバー）が明らかになった。