Effekten av folkhälsa på ekonomisk tillväxt

 

Nationalekonomen David N. Weil, verksam vid Brown-universitetet, börjar en artikel från 2007 mycket effektivt:

"People in poor countries are, on average, much less healthy than their counterparts in rich countries. How much of the gap in income between rich and poor countries is accounted for by this difference in health? The answer to this question is important both for evaluating policies aimed at improving health in developing countries and more generally for understanding the reasons why some countries are rich and some poor." (s. 1265)

Man blir övertygad: folkhälsan spelar roll för den ekonomiska utvecklingen, och det är intressant att veta hur stor roll och på vilket sätt. Folkhälsan (Weil säger bara "health" men jag översätter det till "folkhälsa" eftersom det handlar om befolkningen i stort, makro-effekterna) påverkar ett samhälles inkomstnivå på flera sätt, säger Weil. Den första är den direkta effekten: när man är frisk och mår bra kan man arbeta hårdare och tänka klarare. Bortom denna direkta effekt finns det också en rad indirekta kanaler. Om folk blir friskare och lever längre får de starkare skäl att investera i sin utbildning, eftersom avkastningen kommer ges över ett längre liv. När man är frisk i sin skolgång får man också mer ut av denna eftersom man kan vara närvarande och pigg. Längre livslängd kan också få folk att spara mer för sin ålderdom vilket hjälper samhället med kapitalförsörjningen. Och så vidare. Weil kollar i sin artikel dock bara på den direkta effekten.

Det stora problemet med att undersöka folkhälsans implikationer för ekonomisk utveckling är så klart att den ekonomiska utvecklingen också påverkar folkhälsan: rikare länder får friskare befolkningar. för att undvika detta problem använder Weil "strukturella mikroekonomiska beräkningar" av effekten av hälsa på inkomst på individnivå, och förenar dessa med makrodata.

En rad studier (t ex Alderman et al 2006, OEP) med kvasi-experimentella metoder på vad folk fick för mat och näring när de var barn, visar att bättre näring i barndomen ger goda utfall i form av chansen att gå ut skolan, högre IQ, längre kropp, och bättre lön. Liknande så visar studier av tillgång till avmaskningsmedicin, att barn som får medicinen får bättre skolutfall.

Hans diskussion av det det empiriska ramverk som han ska använda för att röra sig från mikro-estimat till makro-dito börjar med en Cobb-Douglas-produktionsfunktion:
Y_i = Ai_ * K_i^α * (H_i)^1-α
där Y är output, K är fysiskt kapital, A är en "country-specific productivity term" och H är arbetskraften. H ges i sin tur av h_i * v_i * L_i där h är utbildning per arbetare, v är (produktivitetsrelevant) hälsa per arbetare, och L är antalet arbetare. Lönen för en arbetsenhet ges av marginalprodukten dY/dH som är = (1-α) * A_i [Ki / Hi]^α. En friskare arbetare, med högre värde på H eftersom värdet på v är högre, kommer alltså få en högre lön.

Det finns förstås inte några mått från en massa olika länder på hur hälsosam -- hälsa på ett sätt som är relevant för ens produktivitet -- arbetskraften är. Därför använder Weil proxies, t ex kroppslängd som kan ses som en proxy (I) för underliggande hälsa (z) som i sin tur är starkt korrelerad med den teoretiserade produktivitetsrelevanta hälsan (v). Den perfekta proxyn/indikatorn, säger Weil, har tre egenskaper. Först, den är nära relaterad med de aspekter av en persons hälsa som verkligen påverkar personens arbetsproduktivitet. Två, det finns estimat av hur fenomenet påverkar folks produktivitet. Tre, det finns data för indikatorn för en mängd länder. (s. 1276-1277)

Weil använder tre indikatorer: mäns genomsnittliga kroppslängd, mäns adult servival rate (ASR), och genomsnittlig ålder för första menstruationen för kvinnor. Kroppslängd är en bra indikator på den hälsomiljö som en person växte upp i, fenomen som tillgång till mat och sjukdomsläge i barndomen och i mammas mage. Mellan individer påverkas kroppslängd förstås också av en massa andra faktorer, men de skillnaderna jämnas ut när man kollar på en hel befolkning, och om man ser på utvecklingen inom ett land över tid kan man alltså tolka stigande kroppslängd som en förbättring av hälsan. Däremot säger måttet mer om ens hälsa och miljö när man var barn och upp till tjugo år, än ens vuxna hälsa. [1] Kroppslängd är ofta en ofta använd indikator i mikrostudier, men det finns inte befolkningsdata för någon större mängd länder. Däremot data över tid för ett mindre antal länder. Det andra måttet är andelen av 15-åringar som överlever till att bli 60 år, och är alltså ett (grovt) mått på vad som händer när man är i arbetsför ålder. Det finns data för ASR för en mängd länder, men däremot inga mikroestimat av betydelsen av ASR för en persons lön. Det tredje måttet, menarche, är en indikator på flickors näringsläge när de är barn; undernärda flickor menstruerar senare. De tre länder i Weils dataset som har högst genomsnittlig menarche är därför Papua Nya Guinea (15,8 år), Haiti (15,4 år) och Nigeria (15,0 år). Korrelationen mellan ASR och BNP per capita är 0.773, mellan menarche och BNP per capita -0.494, och mellan ASR och menarche -0.495. Måtten ger också rimliga utfall över tid. Weil tar Sverige som representativt för Europa och i Sverige så ökade den genomsnittliga kroppslängden med män med 5,5 centimeter från 1820 till 1900, och med ytterligare 6,8 centimeter från 1900 till 1965. (s. 1281)

Ett naivt sätt att beräkna avkastningen av en hälsoindikator vore en regression med logaritmerad lön som utfallsvariabel. Denna metod har två problem. Ett, feltermen har en stor varians, eftersom indikatorn -- t ex kroppslängd -- är så svagt korrelerad med den hälsoaspekt för produktiviteten som man egentligen vill fånga upp. Två, det finns antagligen en positiv korrelation mellan en persons hälsa och bestämningsfaktorer bakom hans lön, som inte fångats upp av modellen. Till exempel att de som växte upp i rika familjer har bättre hälsa, men också andra fördelar för att få högre inkomster. Weil använder tre metoder för att "deriving unbiased estimates of the return to health, ρ". (s. 1282) Han söker först efter instrument, faktorer som påverkar hälsan men inte påverkar ens inkomst genom några andra kanaler än just hälsan. Det handlar då t ex inputs i ens barndom som påverkade ens hälsa: nyöppnade hälsokliniker, tillgången till hälsosam mat i området, och så vidare. Problemet med instrumenten är att bra inputs kan vara korrelerade med i övrigt gynnsamma familjeförhållanden och i så fall överskattar en instrumentskattning effekten av insatsen. (s. 1284) Därför föredrar Weil de andra två metoderna. Den andra metoden är att använda variationer i födelsevikt mellan enäggstvillingar. Enäggstvillingar delar gener och växer också upp och delar familjeomständigheter; om en av tvillingarna blir lite tyngre så tyder det på en fördelaktig slump till fördel för den lite tyngre tvillingen. Behrman och Rosenzweig (2004, Restat) visar för USA att den lite tyngre tvillingen, bland flickor, får högre inkomster som vuxen, och Black, Devereaux och Salvanes (2007, QJE) visar motsvarande resultat för norska män: för varje centimeter längre ökade inkomsten med 4,2 procent. Den tredje approachen är att använda historiska data, närmare bestämt Fogels (1997) data på tillgången till kalorier för britter de senaste två hundra åren. Här räknar han ρ som γv/γI eller (ln(v_t+1)-ln(v-t))/(I_t+1 - I_t). Enligt Fogels estimat ökade v i Storbritannien med en faktor om 1,95 eller logaritmerat 0,668. Delar man 0,668 med tillväxten i kroppslängd (I) som var 9,1 centimeter så blir den beräknade ökningen i logaritmerad arbetsproduktivitet per extra centimeter i befolkningen 0,073. Med samma teknik blir den genomsnittliga löneökningen 0,281 per års sänkning av menarche.

Med de tre metoderna får Weil fram sex estimat av ρ vad gäller kroppslängd: de tre från barndomsinsatser varierar mellan 0,078 och 0,94, de två från tvillingstudier varierar mellan 0,033 och 0,035, och den med historiska data ger 0,073. ρ vad gäller menarche är 0,281 och 0,261. (s. 1288) Tvillingstudieestimaten är mycket lägre än de från kroppslängd, kanske eftersom tvillingstudierna kommer från rika länder (USA och Norge) och variationen är mindre där. I det följande använder Weil genomsnittet av tvillingstudiernas estimat som mått på avkastningen på kroppslängd, och genomsnittet av menarche-studier för avkastningen på menarche. För avkastningen på ASR gör han helt enkelt antagandet att koefficienten för ASR kan beräknas utifrån koefficienten för kroppslängd. (s. 1290-1292)

När han går tillbaka till makroberäkningarna börjar han med en logaritmerad version av produktionsfunktionen som introducerats ovan:  ln(y_i) =  ln(A_i) +  α ln(k_i) + (1-α ) ln(h_i) + (1-α) ln(v_i). Alla variabler i ekvationen förutom produktivitet, A, är observerade så produktiviteten kan backas ut ur ekvationen som en residual. Data för real BNP per anställd, fysiskt kapital och humankapital (utbildning) kommer från Caselli (2005) och gäller åren 1995 eller 1996, och baserat på Gollin (2002) så antar Weil att kapitalandelen α är 0,33.

Med olika dekomponeringar beräknar Weil att en eliminering av hälsoskillnaden mellan rika och fattiga länder skulle minska variansen i logaritmerad BNP per capita med 9,9 till 12,3 procent. (s. 1294-1295) Weil tolkar detta som att " health has an economically important effect in determining income differences among countries but that this effect is far from the dominant source of cross-country income variation." (s. 1295) Hälsoskillnader är inte så viktiga för skillnaden mellan rika och fattiga länder som WHO (2001) säger, menar Weil. (s. 1301)

referens

David N. Weil (2007) "Accounting for the Effect Of Health on Economic Growth", The Quarterly Journal of Economics, Volume 122, Issue 3, s. 1265–1306.

fotnoter

[1] Dock så refererar Weil Fogel (1994) som menar att de som var sjuka mycket och kanske undernärda när de var barn också tenderar att oftare bli sjuka som vuxna, och oftare drabbas av kroniska sjukdomar.