gono presentati i risultati di un'analisi econometrica. La stima si basa su una metodologia frequente-
mente applicata nelle analisi empiriche, chiamata "Regression Based Cost apporach". Questa tecnica
ha come scopo principale la stima dell'impatto sulla spesa delle sue varie determinanti, misurando
per ciascuna determinante un "peso" (parametro). Inoltre, poiché i dati HS-SiSSI sono longitudinali,
utilizzando metodologie statistico-econometriche che fanno uso di stimatori panel, è possibile cattu-
rare l'eterogeneità individuale non osservata di ogni paziente, ottenendo così una stima più accurata
degli effetti che si vogliono analizzare.
Nella scelta tra modelli panel a effetti fissi o effetti casuali, la scelta è ricaduta su quest'ultima ca-
tegoria, che permette di valutare l'effetto delle caratteristiche dei pazienti osservabili, ma invarianti
nel tempo, che per noi rappresentano un aspetto fondamentale dell'analisi. Infatti, il metodo panel
a effetti casuali permette di catturare la variabilità cross-section tra individui, dove le caratteristiche
fisse individuali possono essere trattate come errori idiosincratici e dove possiamo utilizzare tra i
regressori delle dummy relative a fattori demografici e clinici che con cambiano nell'arco temporale
oggetto dell'analisi.
Nel modello da stimare sono incluse inoltre tutte le informazioni cliniche del paziente registrate dal
medico. L'importanza di questo tipo di informazioni è data dalla possibilità di controllare in modo
molto dettagliato per l'eterogeneità relativa all'assorbimento delle risorse sanitarie (fabbisogno sani-
tario) e quindi isolare o ricondurre determinate parti della spesa individuale e particolari condizioni
cliniche. Tra i regressori utilizzati per questo scopo, sono state incluse le informazioni sul sesso e l'età
degli individui, l'indice di comorbidità di Charlson, una lunga serie degli indicatori di diagnosi cliniche
e abitudini di fumo.
In modo più formale, un modello panel con effetti casuali può essere specificato nel seguente modo:
mentre
te, I individui, R regioni di appartenenza e T il tempo (in anni). Gli errori standard sono "clusterizzati"
a livello di individuo, correggendo in questo modo le stime per l'autocorrelazione "within" pazienti.
Infine, per verificare la robustezza dei risultati, vengono stimate due versioni del modello, una con il
BMI e età dei pazienti espresse come variabili continue (in forma di polinomio di secondo grado), e
l'altra come variabili categorizzate, che racchiudono nelle diverse classi i vari livelli di età e BMI.
fanno riferimento a due diverse specificazioni, dove la prima include l'età e la misura di BMI sotto
forma di polinomio di secondo grado, mentre nella seconda le stesse variabili sono espresse come
dummy indicative di 7 classi di età e 7 classi di BMI.