Working Paper. Szerző: Dr. Egri Zoltán

Az egészségi állapot szerepe a gazdasági fejlettség területi egyenlőtlenségében Térségi sajátosságok a regionális Európában és Magyarországon c. posztdoktori pályázat keretében végzett kutatások I. Working Paper Szerző: Dr. Egri Zoltán 2016.12.02.

Bevezetés Jelen kiadvány "Az egészségi állapot szerepe a gazdasági fejlettség területi egyenlőtlenségében - Térségi sajátosságok a regionális Európában és Magyarországon" c. posztdoktori kutatás első szemeszterében készült eredményeit közli. A kutatás témaválasztásának indoklása két irányból közelíthető meg. Egyrészt a kelet-középeurópai, benne pedig a magyar idő előtti halálozás népegészségügyi problémája miatt fontos a téma kifejtése. Másrészt pedig a humán tőke-jellemzők közül az egészségi állapot önálló szerepe igencsak elhanyagoltnak tekinthető a gazdasági növekedés és -fejlődés magyarázatában napjainkban is, főként térgazdasági körülmények között. Barro (1996, 2013) és Tompa (2002) kiemelik, hogy a gazdasági növekedést magyarázó elméletekben (új növekedési elméletek, Romer 1986, Lucas 1988; regionális endogén növekedési elmélet, Lengyel 2003) az emberi tőkével kapcsolatban a tudás és a technológia szempontjai kerültek alapvetően előtérbe. Kelet-Közép-Európa és hazánk fejlődését, fejlettségét, versenyképességét magyarázó területi kutatásokban, például a területi tőke-, vagy versenyképességi vizsgálatok esetében (Nemes Nagy-Németh 2003, Lukovics-Kovács 2008, Lengyel-Szakálné Kanó 2012, Jóna 2013, Lengyel 2016, Rechitzer 2016) is érezhető ez a trend. Ha meg is jelenik az egészség valamilyen formában, az inkább az infrastruktúra elérhetőségére vonatkozik, csekélynek mondható az egészségi állapot korrekt szerepeltetése a különböző modellekben. A kutatás célja éppen ezért az egészségi állapot (különös tekintettel a korai halálokokra), mint humán erőforrás (termelési) tényező hatásának feltérképezése, ismertetése a térségi (regionális, települési) gazdasági fejlettség összefüggésében. A posztdoktori kutatás munka- és időbeosztása két nagy blokkra bontható, a területi szinteknek megfelelően. Az első szemeszterben az európai (EU) regionális terében, míg a második szemeszterben Magyarország települési szintjén vizsgálom meg a fentebb ismertetett célokat. A kiadvány az első szemeszter főbb eredményeit közli rendszerbe szedve. A "Regionális egészségegyenlőtlenségek, főbb törésvonalak Európában (Területi elemzés kelet-középeurópai szemszögből)" c. tanulmány megalapozza a kutatási témát. A dokumentum az európai makrotérség regionális egészség-egyenlőtlenségeit veszi górcső alá, kiemelten kezelve a kelet-közép-európai halandósági folyamatokat. A tanulmány ezen kívül a korai halálozás jelentőségét kívánja kiemelni, illetve az egészségi állapot regionális egyenlőtlensége mögött meghúzódó elkerülhető társadalmi-gazdasági determinánsok beazonosítására vállalkozik. "A társadalmi szelekciós hipotézisen alapuló regionális egészség-egyenlőtlenségek Európában" c. dolgozat a téma térbeli keretek közötti értelmézéséhez járul hozzá. Dolgozatunk az ún. (kiegészített) társadalmi szelekciós hipotézis alapján célozza meg az egészségegyenlőtlenségek spaciális (területi autkorrelációs) vizsgálatát a regionális Európában. Végül, de nem utolsósorban "Az európai gazdaság regionális egyenlőtlenségei az egészségi állapot tükrében" c. dolgozat komplexebb módszertan (térbeli regressziók) segítségével mutat rá az egészségi állapot szerepére a gazdasági fejlettség alakulásában. Emellett a tanulmányban a térbeli függőség jelensége is beigazolódott, vagyis a szomszédság aktív szereplőként járul hozzá az egészségi állapot és a gazdasági fejlettség fenti, a társadalmi szelekciós hipotézisen alapuló kapcsolatához.

A kutatás főbb eredményei több magyar és egy idegen nyelvű tudományos konferencián kerültek bemutatásra, ill. lektorált tudományos folyóiratban és kiadványokban jelentek meg, vagy éppen megjelenés alatt vannak. (Erről információ az egyes dolgozatok után található. A dolgozatok formába öntése a befogadó kiadványok követelményrendszere alapján történt, a tanulmányok ennek megfelelően jelennek meg ezen kiadványban is.)

A KIADVÁNY AZ EMBERI ERŐFORRÁSOK MINISZTÉRIUMA ÚNKP-16-4 KÓDSZÁMÚ ÚJ NEMZETI KIVÁLÓSÁG PROGRAMJÁNAK TÁMOGATÁSÁVAL KÉSZÜLT.

Regionális egészségegyenlőtlenségek, főbb törésvonalak Európában (Területi elemzés kelet-közép-európai szemszögből) Egri Zoltán, Szent István Egyetem E-mail: [email protected] Absztrakt Tanulmányunk az európai makrotérség regionális egészség-egyenlőtlenségeit veszi górcső alá, kiemelten kezelve a kelet-közép-európai halandósági folyamatokat. Kutatási kérdéseink egyrészt a vizsgált térség területi megosztottságára, a térbeli törésvonalak beazonosítására, valamint a differenciáltságot befolyásoló halandósági tényezőkre koncentrálnak. Másrészt az egészségi állapot regionális egyenlőtlensége mögött meghúzódó elkerülhető társadalmigazdasági determinánsok beazonosítására vállalkozunk. Eredményeink alapján Európa hagyományos kelet-nyugat irányú megosztottságán túl további "mikrorepedések" is felfedezhetők a különböző egészségi állapotot leíró mutatók mentén. A korábban többé-kevésbé egyöntetűen hátrányos helyzetű kelet-közép-európai térség ma már korántsem tekinthető egységesnek. A regionális megosztottság mozgatórugói továbbra is a nem fertőző krónikus megbetegedések, ezek közül egyértelmű elsőbbséget élveznek a szív- és érrendszeri megbetegedések. Eredményeink szerint a halandósági lejtő mellett párhuzamosan a gazdasági teljesítmény grádiense is megfigyelhető. Kulcsszavak: regionális egészség-egyenlőtlenségek, Kelet-Közép-Európa, halandósági válság

Abstract In our study we analyze the regional health inequalities of the european macro-region, with particular emphasis on Central and Eastern European mortality trends. On the one hand our research questions focus on the territorial fragmentation of the examined area, the identification of the spatial breaklines and as well as the mortality factors affecting the differentation. On the other hand we undertake the identification of the avoidable socioeconomic determinants underlying behind the regional disparities of the health status. According to our results beyond the traditional east-west division of Europe additional "micro-cracks" can be detected by the different variables describing the health status. Previously the CEE region was more or less unanimously disadvantaged, now it's far from being uniform. The main drivers of the regional divide are still the noncommunicable chronical diseases, the cardiovascular diseases take precedence from all of them. Our results suggest that beside the mortality slope a parallel economic performance gradient can be observed. Keywords: regional health inequalities, Central and Eastern Europe, mortality crisis

Bevezetés A II. világháború után kialakuló – az európai kettéosztottság politikai metaforájának is tartott – vasfüggöny keleti és nyugati oldalán sajátos társadalmi – gazdasági rendszer épült ki. A két tömb közötti határvonal epidemiológiai (Boncz-Sebestyén 2006), vagy más néven egészségügyi vasfüggönyt (EC 2008) is eredményezett. Az egészségi állapot térbeli mintázatában napjainkban is él a perzisztens kelet-nyugat megosztottság (Mackenbach et al. 2013). A keleti térfelet egy speciális jelenség, az ún. egészségparadoxon jellemezte. A paradoxon lényege abban áll, hogy rendkívül magas az idő előtti halálozások aránya ezen országokban, a térség egészségi kondíciója kedvezőtlenebb, mint amelyet a gazdasági mutatók predesztinálnak1 (Cornia-Paniccia 2000, Kopp-Skrabski 2001, Kopp-Réthelyi 2004). Az egészségparadoxon sajátosságait a következőkben lehet összefoglalni. Békeidőben történt, nem volt világszintű és regionális fertőzés vagy éhínség, sem pedig természeti katasztrófa (Cornia-Paniccia 2000). A keleti és a nyugati blokkban az 1960-as évekig hasonló volt a születéskor várható élettartam szintje, 1965-től kezdve stagnálás és csökkenés jellemző a szocialista térségben (Cornia-Paniccia 2000). A szocialista blokk belül sem volt egységes, eltérő trendek figyelhetők meg a halandóság terén. A társadalmi-gazdasági átmenet előtt Magyarország egyike a legrosszabb halandósági állapottal és trenddel jellemezhető országoknak, súlyosabb krízis Oroszországot, Ukrajnát és a Balti országokat érintette (KoppSkrabski 2007). A mortalitási válság főként a munkaképes, gazdaságilag aktív korcsoportokat érintette, nem pedig a sérülékeny csoportokat (gyermekek, idősek). További jellegzetesség a férfiak kiemelt érzékenysége, elsődlegesen ezen nem érintett a többlethalandóság által (Meslé 2001, Meslé 2004, Weidner–Cain 2003). Az epidemiológiai krízis fő tényezője az „elmaradt szív- és érrendszeri forradalom”2 (Daróczi 2004), de jelentős a daganatos elhalálozások (Daróczi 2004, Meslé 2004), valamint az emésztőrendszeri és az „embercsinálta”3 halálokok hatása is (Caselli et al. 2002, Ruminska-Zimny 1997, Meslé 2002). Caselli et al. (2002) a halandóság rendszerszemléletű megközelítésével, Omran (1971) epidemiológiai átmenet elméletével próbálják megmagyarázni a vasfüggöny keleti felén megfigyelhető halandósági válságot, de egyértelműen kivételként aposztrofálják a jelenséget. A térség túllépett a visszavonuló járványok korszakán, de megrekedt a degeneratív és a civilizációs betegségek korában, nem képes azon továbblépni. Daróczi (2013) és Simonyi (2015) összegzése szerint a többlethalandóság a korszakra jellemző erőltetett folyamatokhoz (gazdasági szerkezetváltás, társadalmi és politikai változások és a szimultán megjelenő informális gazdaság, valamint az önpusztító életmód), illetve az alkalmazkodás terheihez köthető. Ennek összefüggésében is fontos megjegyezni, hogy a magas korai halandóságban a stressznek (mint láthatatlan kéznek) és a lelki, magatartási tényezőknek lényeges szerepük van (Cornia-Paniccia 2000, Kopp et al. 1

A viszonyítást Magyarországra vonatkozóan Kopp-Skrabski (2001) annak függvényében teszik meg, hogy az 1930-as években volt akkora férfi korai mortalitási arány, mint az ezredfordulón. Ádány (2011) szerint a 45-64 éves férfiak halálozási aránya magasabb volt 1991-1995 között, mint 1920-21-ben, és csak 2006-ra csökkent le az 1930-31-es szintre. 2 Józan szerint (2006) a kommunista hatalomátvétel idején más betegségtípusokkal kellett megküldeni (fertőző betegségek, csecsemőhalandóság), ezt kis ráfordítással lehetett kivitelezni. A későbbiekben fellépő keringési és daganatos betegségekre nem tudott hatékony választ adni a rendszer. 3 Napjainkban főként a külső okok által bekövetkezett halandóságot jelenti. (Pl. gyilkosság, öngyilkosság, közúti balesetek.) Korábban - főleg a Szovjetunióban - ide sorolták az alkoholos eredetű betegségeket (Daróczi 2004).

2007, Kopp-Skrabsi 2009, Cornia 2016). Leon (2011) Preston-ra (1975) és Vagero-ra hivatkozva (2010) megjegyzi, hogy a vasfüggöny a tudás diffúzióját is megakadályozta, főként a nem fertőző krónikus megbetegedéseket érintő megelőzéssel és kezeléssel kapcsolatban. Véleménye szerint ezen szükséges képességek és stratégiák hiányának tudható be Európa keleti felének egészségi elmaradottsága. Az addig sem túl rózsás egészségi helyzetet tovább rontotta a transzformációs, az ún. adaptációs krízis. Mackenbach et al. (2013) szerint (Rudolf Virchow gondolataira alapozva4) a napjainkban fennálló kelet-nyugati differenciáltság a különböző, tágabban értelmezett egészségpolitikák (pl. dohányzással, alkoholfogyasztással, közúti biztonsággal kapcsolatos, ill. az egészségügy) kudarcára vezethetők vissza. A WHO (2013) napjainkban két nagy tényezőcsoport szerint magyarázza az európai régió egészségi megosztottságát. Egyrészt az egészségi állapotot veszélyeztető, elkerülhető tényezők különbségeire: az egészség társadalmi determinánsaira és az életmódra, az egészség-magatartásra (pl. az egészségtelen táplálkozás, a magas vérnyomás, veszélyes és stresszes munkakörülmények, légszennyezés). Másrészt pedig az egészségügyi infrastruktúra minősége és elérhetősége befolyásolja a térség kelet-nyugat irányú differenciáltságát. Az európai térség makroszintű egészségegyenlőtlensége szempontjából nem elhanyagolható az útfüggőség jelensége, vagyis az, hogy "a múltban meghozott döntések alapvetően meghatározzák a jelenben és a jövőben meghozható döntések körét" (Lengyel B.-Bajmóci 2013). Simonyi (2015) rámutat arra, hogy napjaink Kelet-Közép-Európát érintő társadalmi és egészségi problémák jelentős mértékben a szocialista korszak örökségének tudhatók be. A rendszerváltoztatást követően érintőlegesen már az útteremtés is megfigyelhető (Simonyi 2015) az egészséget közvetlenül és közvetve érintő szakpolitikák által, a különböző társadalmi kihívásokra adott politikai válaszok függvényében. Bálint (2010) a térbeli dependencia erős jelenlétével is kiegészíti az egészségi állapotban megfigyelhető kedvezőtlen mennyiségi és minőségi változásokat, ezzel területi dimenziót ad az útfüggésnek.

Kutatási kérdések, felvetések Jelen tanulmányunk általános célja az európai regionális egészségegyenlőtlenségek elemzése kelet-közép-európai szemszögből, ezen térség folyamatait, jellemzőit kiemelve. Az alábbi kutatási kérdéseket fogalmazzuk meg, ill. feltételezésekkel élünk. Létezik-e napjainkban az epidemiológiai vasfüggöny, a kelet-nyugat megosztottság a regionális Európában? Az egészségi állapot makroregionális különbségei fennállnak a két blokk között. Egy-egy kiemelt mutató (születéskor várható élettartam, csecsemőhalandósági ráta, korstandardizált mortalitási ráta, stb.) esetében találunk egyértelmű vizuális bizonyítékot az Európában meglévő kettősségre (Boncz-Sebestyén 2006, Richardson et al. 2013, Marmot 2013, Jaworska 2014, Maynou et al. 2015), némely esetben egy-egy érintett országon belüli regionális keletnyugati differenciáltság is megjelenik (Kibele 2012, Marmot 2013). Ugyanakkor - mivel a 4

“Medicine is a social science, and politics is nothing more than medicine on a grand scale.” (Virchow n.d.) Az orvostudomány társadalomtudomány, és a politika nem más, mint az orvostudomány nagyobb léptékben. (Saját fordítás.)

megosztottság mögötti halandósági krízis soktényezős összefüggések eredménye - fontos kérdés, hogy több vizsgálati dimenzió mentén és regionális szinten is fennáll-e ezen típusú differenciálódás az európai térségben?

További törésvonalak értelmezhetőek-e az európai vizsgált térségben? Regionális vagy országos szinten jelennek meg ezek törésvonalak? A korábbi vizsgálatok elsődlegesen a kelet-nyugat különbségekre mutatnak rá, ill. földrajzilag összefüggő és történelemi, politikai és kulturális szempontból összetartozó országcsoportonként értelmezik az egészségi állapot különbségeit (Meslé 2001, Meslé 2004, Daróczi 2004, Avdeev et al. 2011, Sírová 2011, Mackenbach et al. 2013, WHO 2013). Az egészséget és az egészségegyenlőtlenségeket befolyásoló tényezők a térben egyenlőtlen eloszlással jellemezhetők (CSDH 2008), emellett az egyes térbeli szintek más és más kompetenciával bírnak. Az egészségügy szervezése általában nemzeti feladatkör, de nagyobb méretű országokban területi megközelítéssel is élnek (pl. Egyesül Királyság, Spanyolország) (Mackenbach et al 2013), emellett például az EU tagállamaiban a regionális fejlesztéspolitika közösségi, a mezőgazdaság közös politikának számít. A szubnacionális szintek ugyanakkor egyre nagyobb autonómiával bírnak a társadalmi és gazdasági döntésekben, amelyek számos része kapcsolódik az egészség társadalmi determinánsaihoz, ill. az egészségegyenlőtlenségekhez (WHO 2013). Ezért azt feltételezzük, hogy ezen különböző hatások eredményeként sokszínű térstruktúra jellemző az általunk felvázolt egészségi dimenziók mentén.

Melyek azok a főbb egészségjellemzők amelyek determinálják a térbeli különbségeket? Az kelet-nyugat között fennálló megosztottság esetében egyértelműen megfogalmazott jellemzők és betegségek, betegségcsoportok (elsődlegesen a nem fertőző krónikus megbetegedések) kerültek beazonosításra (Meslé 2002, Meslé 2004). Dolgozatunkban haláloki megközelítéssel élünk, matematikai-statisztikai módszerek segítségével keressük a választ arra, hogy mely(-ek)nek a szerepe élvez elsődlegességet a mortalitás területi különbségeiben. Hipotézisünk szerint - csakúgy mint az országos szintű differenciák esetén a nem fertőző krónikus megbetegedések alakítják jellemzően a regionális Európa halandósági térszerkezetét.

Az egészségi állapot regionális törésvonalai mögött milyen mértékű társadalmi-gazdasági differenciáltság figyelhető meg? Az elkerülhető egészségegyenlőtlenség definíciója számos tényező összefüggéseként fogalmazható meg. A CSDH (2008) és a WHO (2013) szerint alapvető fontossággal bír a társadalmi-gazdasági környezet, amelyben az emberek születnek, fejlődnek, élnek és dolgoznak. Az egészségi állapot társadalmi-gazdasági egyenlőtlenségeinek magyarázatára számos elmélet és modell született (Preston 1975, DHHS 1980, Acheson 1998, WilkinsonMarmot 2003, CSDH 2008, Mackenbach 2012). A téma tárgyalásakor szükséges figyelembe

venni az életpálya megközelítést5, az egészség társadalmi grádiensét6, az egyének és a közösségek képességeit, erősségeit, ellenálló képességét, a társadalmi kirekesztés folyamatait, a nemi- és a generációk közötti esélyegyenlőtlenségeket, valamint a szakpolitikai válaszokat is (WHO 2013). Ezen összefüggések alapján tanulmányunkban megcélozzuk Európa mezoregionális szintű egészségegyenlőtlenségei mögött meghúzódó társadalmi-gazdasági differenciáltság kimutatását. Elemzésünk eredményeként azt feltételezzük, hogy a fenti jellemzőket kifejező indikátorok hatással lesznek az egészségi állapot területi megosztottságára. Kutatás-módszertani felvetések Térbeli egyenlőtlenségi vizsgálatainkat öt lépésben végezzük el, ennek megfelelően ismertetjük a kutatás logikai felépítését, a főbb kutatás-módszertani megfontolásokat, ezt követően az elemzés módszertanát (területi szintek, adatbázisok) mutatjuk be. 1. A területi megosztottságot kifejező/okozó indikátorok operacionalizálása. A kiemelt mutatószámok (pl. születéskor várható élettartam, halálozási arányok, csecsemőhalandóság) a területi (szubnacionális) egészségi állapot nagyon fontos indikátorai, de véleményünk szerint a kutatás során árnyaltabb megközelítés szükséges. A halandósági egyenlőtlenségek kifejezésére több kitételnek kívánunk eleget tenni. Egyrészt haláloki megközelítéssel szükséges élni, mivel bizonyos betegségek szerepe (pl. szív- és érrendszeri megbetegedések, rosszindulatú daganatok, külső okok, stb.) egyértelműen kimutatható az egészségromlásban, az alacsonyabb várható élettartamban. Józan (2000) szerint "a halálokok viszonylagos jelentőségét nemcsak az határozza meg, hogy hány ember halálát okozzák, hanem az is, hogy hány éves korban oltják ki az ember életét". Mivel a halandósági krízis a gazdaságilag aktív korosztályt érintette, ezért az idő előtti halandóság mutatóit alkalmazzuk. A témában megjelenő szakirodalmi források rámutatnak arra, hogy a mortalitási krízis tekintetében a férfi a gyengébbik nem, emiatt a férfi halálozást központi kategóriaként szükséges kezelni a vizsgálatok során. Az egészségkárosító magatartás operacionalizálását is szintén a releváns halálokokon keresztül ragadjuk meg. 2. A szükséges adatbázis összeállítása, feltöltése releváns és megfelelő mennyiségű információval. Az adatok fontosságát és alkalmasságát számos, a témához kötődő irodalmi forrás, kutatási jelentés (Meslé 2002, Daróczi 2004, Meslé-Vallin 2002, Leon 2011, Sírová 2011 Marmot 2013) feldolgozásával alapoztuk meg, majd adatbázist hoztunk létre. 3. A halandósági mutatók szelektálása, majd egyenlőtlenségi tendenciáinak feltérképezése. Elsőként a terjengősség és multikollinearitás elkerülése végett a változók számát szűkítettük le korrelációelemzés segítségével. Szakmai, ill. statisztikai szempontból kívánatos a mortalitási krízist leíró változókról egyenként is átfogó képet kapni - így előzetes helyzetjelentéshez jutunk a regionális egészségegyenlőtlenségek tekintetében. Ehhez a leíró statisztikák kalkulálása mellett a Pearson- és a Spearman-féle korrelációs-, és egyváltozós globális területi autokorrelációs vizsgálatokat hajtottunk végre. 5

A megközelítés szerint az egyéneket érő előnyök és hátrányok felhalmozódnak az élet során, és így hatással vannak az egészségegyenlőtlenségekre (WHO 2013). 6 A magasabb szocioökonómiai státus kedvezőbb egészségi állapotot eredményez.

4. Az egészségi állapot terén meglévő területi egyenlőtlenségek vizsgálatát két irányból közelítjük meg. Ezen lépés az első és a második kutatási kérdésre adja meg a választ. Mivel a különböző empirikus források Európa országcsoportjainak (vagy az azokat képviselő országoknak) összehasonlítását végzik el (pl. Meslé-Vallin 2002, Nolte et al. 2004, Leon 2011), ezért ennek megfelelően elsőként az előre definiált makroblokkok mentén értelmezzük az országcsoportokon belüli és azok közötti regionális egészségegyenlőtlenségek alakulását. Ezt követően a régiók adják a európai töredezettség-vizsgálat elemi területi szintjét, homogén csoportokba soroljuk a hasonló egészségi állapottal jellemezhető (NUTS2) térségeket. A vizsgálatok módszertana a makrorégiók esetében az általános lineáris modell, a mezoregiók csoportosításához számos előnye miatt (alkalmazhatóság, interpretáció) a kétlépcsős klaszteranalízist alkalmazzuk (Sajtos-Mitev 2007). A létrejött klasztereket térképre visszük. E lépés során reflektálunk a harmadik kutatási kérdésre is, rámutatunk, hogy mely egészségjellemzők determinálják az európai térbeli különbségeket. 5. Végül az egészségi állapot terén megfigyelhető regionális differenciáltságot összevetjük a társadalmi-gazdasági egyenlőtlenségek alakulásával. Az elemzés során az elkerülhető egészségegyenlőtlenségek jellegzetességeit figyelembe véve, a halandósági differenciáltság mögött fennálló társadalmi-gazdasági jellegű törésvonalakat ismertetjük. Így választ kapunk a negyedik kutatási kérdésre, ill. annak hipotézisére. A vizsgálat módszertana a diszkriminancia elemzés. Területi lehatárolás Az általunk alkalmazott területi lehatárolás nem feleltethető meg a földrajzi, kulturális, vagy a téma szempontjából kézenfekvő, a WHO alapján meghatározott Európának, vagy európai régiónak. Vizsgálataink során a halandóság térbeli egyenlőtlenségeit szűkebb térben mutatjuk be, a Norvégiával kiegészített 28 tagú Európai Unióra vonatkozóan. Vagyis a megállapításainkban szereplő Európa csupán ezen térségre értendő. Ennek oka az, hogy tudományos szempontból korrekt és megbízható, valamint diverz indikátorkészlet elérhetősége ezen entitás esetében biztosított. Ugyanakkor az egészségügy az Európai Unióban nem tekinthető közös vagy közösségi politikának, de a szakpolitika szintjén megjelenik a nemzetek feletti szint, valamint az egészségegyenlőtlenségek csökkentésének igénye számos - az Európai Gazdasági Térséget is érintő - szakpolitikai dokumentumban és stratégiában előfordul (EC 2007, EC 2009, WHO 2013). Így a makrotérség vizsgálata szakmai szempontból relevánsnak tekinthető, közösségi fejlesztés megalapozásához járulhat hozzá. Mind az országcsoportonkénti, mind a regionális szintű elemzések esetében a vizsgálat területi egysége a NUTS2 régió. A besorolás a 2015-tól életbe lépő NUTS2013 módosítás alapján történt. A vizsgálatból elhagytuk Franciaország tengerentúli megyéit, Portugália autonóm körzeteit (Azori szigetek, Madeira), ill. Spanyolország autonóm városait (Ceuta, Melilla), valamint a Kanári-szigeteket.

Adatbázis Az adatbázis összeállítása során igyekeztünk a korábban megfogalmazott, kutatásmódszertani kitételeknek megfelelni. Ezek alapján az alábbi mutatókat választottuk KeletKözép-Európa halandósági folyamait figyelembe vevő, de ugyanakkor európai léptékű regionális egészségegyenlőtlenségek tanulmányozásához. a) Korstandardizált halandósági ráták, nemenként és összesítve a 0-64 korcsoportra vonatkoztatva: − összes (A00-Y89, kivéve S00-T98), − a keringési rendszer betegségei (I00-I99), − daganatok (C00-D48), − a morbiditás és a mortalitás külső okai (V01-Y89), − az emésztőrendszer betegségei (K00-K93); b) a születéskor-,a 35-, ill. az 50 éves korban várható élettartam mutatók (nemenként és összesítve); c) standardizált potenciális elvesztett életévek (nemenként és összesítve); d) csecsemőhalandósági ráta; e) a születéskor várható élettartam nemenkénti különbsége.

A korstandardizált halálozási mutatók esetén a súlyozást az európai standard népesség kormegoszlása adja (Eurostat 2013). A standardizálás direkt módon történt az Eurostat által. A haláloki indikátorok a betegségek nemzetközi osztályozásának (BNO) kódrendszere (10. revízió) alapján kerültek letöltésre. Zárójelben a BNO kódok láthatók. A stabilitás hiánya miatt - az adatbázis egyelőre egy évre (2013) biztosítja az elérhetőséget - az alacsony gyakoriságú halálokokat elhagytuk, ill. a haláloki főcsoportokat nem bontottuk tovább. Az egészségi állapot társadalmi-gazdasági egyenlőtlenségeinek regionális vizsgálatát az elkerülhető egészség-egyenlőtlenségek és a területi relevanciával bíró szakpolitikák (regionális politika, Európa 2020 stratégia) közös metszetében értelmezzük. A társadalmigazdasági környezetet a gazdasági teljesítmény, ill. a munkaerő-piaci helyzet mutatói indikálják. A gazdasági értéktermelés (jövedelmi helyzet, termelékenység) jellemzésére regionális szinten az egy főre jutó GDP-t (euroban, ill. vásárlóerő-paritáson), az egy főre jutó háztartási jövedelmet és a termelékenységi rátát (bruttó regionális termék/foglalkoztatottak száma) alkalmaztuk. A munkaerő-piacon való részvételt a foglalkoztatási és a gazdasági aktivitási (20-64 korosztály), ill. a munkanélküliségi ráták (15 feletti korcsoportban) fejezik ki. Az életpálya megközelítéshez járul hozzá a nem foglalkoztatott, oktatásban és képzésben nem részesülő fiatalok aránya (18-24 korosztályban) mutató bevonása. Az elmaradottság térségi operacionalizált indikátora a szegénységben és társadalmi kirekesztettségben élők aránya. Az adatok forrása az Eurostat és az ESPON (European Spatial Planning Observation Network) online adatbázisa. A megfigyelés ideje a 2012-2014 közötti időszakra vonatkozik. A vizsgálatokat az SPSS for Windows 20.0 és a Geoda 1.6.7 programokkal végeztük el, az ábrákat ArcMap 10.1 szoftverrel készítettük el.

Eredmények Vizsgálataink első lépéseként az adatbázist alkotó változók szelekcióját végeztük el. Mivel a szakirodalmi elemzések (Meslé 2001, Bobak-Marmot 1996, Kopp-Skrabski 2001) rámutattak arra, hogy a mortalitási krízis, a várható élettartam válsága főként a férfiakat érintette, ezért e művelet során kulcsváltozókként ezen nem idő előtti haláloki mutatóit alkalmaztuk. A korrelációanalízis eredményei alapján azt tapasztaltuk, hogy a férfiak standardizált haláloki rátái szoros kapcsolatban állnak a nőkre és a teljes népességre vonatkozó mortalitási jellemzőkkel, valamint a várható élettartam- és a potenciális életév mutatókkal. Emiatt ezen, utóbbi indikátorokat elhagytuk a további matematikai-statisztikai vizsgálatokból. A női nem ugyan kevésbé érintett halandósági krízisben, de fontosnak tartottuk ezen dimenzió beemelését is. Mivel a múlt század második felében nagymértékben nőtt a differencia a két nem várható élettartama között (Daróczi 2004), és ezen egyenlőtlenségek napjainkban is hangsúlyosak (Bálint 2010), ezért a női és a férfi születéskor várható élettartamok közötti különbséget vontuk be. Emellett a csecsemőhalandósági ráta alkalmazását is relevánsnak tartjuk, az európai egészségegyenlőtlenségek alakításában Marmot (2013) Avdeev et al. (2011) lényegi tényezőként tartja számon. Továbbiakban a szűkített adatbázis, vagyis a hat egészségi állapotot kifejező indikátor egyenlőtlenségi jellegzetességeit ismertetjük a helyzet- és alakmutató számok, a szóródási és az egyéb mutatószámok, valamint a globális területi autokorrelációs teszt segítségével. (1. táblázat.) 1. táblázat

Halandósági egyenlőtlenségek főbb mutatószámai Európában The main indicators of the european health inequalities Morbiditás és a Emésztőrendszer Daganatok mortalitás betegségei külső okai Minimum 27,65 49,07 12,24 4,00 Maximum 267,22 208,26 193,70 73,98 Terjedelem 239,57 159,19 181,46 69,98 Átlag 72,49 93,83 44,77 21,94 Medián 52,55 86,59 37,72 18,32 Szórás 49,56 28,72 22,21 13,45 Relatív szórás 68,36 30,61 46,61 61,32 Ferdeség 1,98 1,36 2,22 1,54 Csúcsosság 3,47 2,21 8,57 2,36 Kiugró értékek száma 42 10 8 19 Moran I 0,83 0,80 0,76 0,79 A ferdeség standard hibája 0,147. A Moran I esetében a szomszédsági mátrix a 4 távolságmátrixon alapul. Keringési rendszer betegségei

Várható élettartam különbség

Csecsemőhalandóság

3,27 0,00 11,07 10,97 7,80 10,97 5,42 3,65 5,13 3,37 1,48 1,52 27,21 41,76 0,75 2,23 0,35 6,53 2 18 0,84 0,70 legközelebbi szomszéd

Az átlag és a medián különbsége is rámutat, de az egyes adatsorok relatív szórása és a terjedelem kiválóan jelzi a területi különbségek nagyfokú létét a vizsgálat térségben. Különösen a korai halálokok esetében figyelhetünk meg szélsőséges mértékű variabilitást. A

bevont mutatók eloszlása a ferdeségi és a csúcsossági értékek alapján egy kivétellel (a születéskor várható élettartam nemenkénti különbsége) nem tekinthetők normálisnak, a többi megfigyelési változó esetén az értékek meghaladják a +1 határértéket. A korai haláloki indikátorok és a csecsemőhalandóság jelentős mértékű pozitív ferdeségéből következtethetünk arra, hogy a vizsgált térségben markáns különbségek rajzolódnak ki. Mivel a ferdeség értéke meghaladja a standard hiba kétszeresét, ezért az adatsorok szimmetriája sem feltételezhető. A csúcsossági értékek tanulmányozása során pozitív és magas értékek jellemzik az idő előtti halálokokat (főként a keringési és a külső oki betegségeket) és a csecsemőhalandósági rátát, melyek szintén jelzik a normális eloszlástól való jelentős eltérést. A bevont egészségi állapotot leíró változók esetében látnunk kell azt is, hogy a normalitás feltételének nem teljesülése kiugró értékekkel jár együtt. Szükséges kiemelni, hogy megállapításainkat a korábban definiált szűkített európai térségre vonatkoztatjuk, vagyis nem véletlen mintaként kezeljük a térséget, ez tekinthető a sokaságnak. A kiugró értékek ezen sokaság integráns részei, annak valódi szegmensét képviselik és többletinformációt közölnek. Így eltávolításukat, ill. - mivel az egyenlőtlenségek kimutatása a célunk - egyéb transzformációjukat egyelőre nem tartjuk indokoltnak. A globális autokorrelációs teszt (Moran-féle I) a vizsgálatba vont mutatók igen erőteljes térbeli függőségéről ad információt, azok szabályszerű elrendeződéséről ad tanúbizonyságot. Vagyis a térbeliség, a szomszédsági hatások szerepe is jelentősnek számít a halandósági krízis regionális megosztottságában.

2. táblázat

A mortalitási mutatók7 korrelációs kapcsolatai Európában Correlation coefficients of the mortality variables keringés daganat külső emésztő vé_diff csecsemő keringés 0,756** 0,682** 0,790** 0,662** 0,684** daganat 0,552** 0,587** 0,798** 0,778** 0,569** külső 0,538** 0,498** 0,666** 0,763** 0,321** emésztő 0,720** 0,644** 0,601** 0,646** 0,584** vé_diff 0,440** 0,827** 0,601** 0,583** 0,319** csecsemő 0,463** 0,397** 0,246** 0,392** 0,158** A főátló fölött a Pearson-féle, alatt a Spearman-féle (rangkorrelációs) együttható értékei láthatók. A ** az 1%-os szignifikanciát jelöli.

Az elemzésben maradt indikátorok közötti kapcsolatok feltérképezésére a Pearson- és a Spearman-féle korrelációs együtthatókat alkalmaztuk. Az egészségi állapotot kifejező mutatók összefüggései szignifikáns eredményeket jeleznek, azok erőssége szerint viszont diverz képet kapunk. (2. táblázat) Általánosságban kijelenthető, hogy az egyes halálokok egymást erősítik. Azon régiókban, ahol átlag feletti a keringési betegségekben idő előtt elhunytak aránya, ott nagymértékű az emésztőrendszeri-, a daganatos- és a külső okok miatti 7

Az alkalmazott halandósági mutatók rövidítésének feloldása: keringés - keringési rendszer betegségei, daganat - daganatok, külső - a morbiditás és a mortalitás külső okai, emésztő - az emésztőrendszer betegségei, vé_diff - a születéskor várható élettartam nemenkénti különbsége, csecsemő - csecsemőhalandóság.

korai mortalitás, kiterjedtek a születéskor várható élettartam nemenkénti különbségei, ill. a csecsemőhalandóság is többé-kevésbé magas értéket vesz fel. (És vica versa.) Mindezen relációk előrevetítik azt, hogy bizonyos térségeket komplex elmaradottság jellemzi az egészségi állapot terén, míg mások kedvező állapottal bírnak a kiválasztott indikátorok alapján. Véleményünk szerint a szűkített változóstruktúrán elvégzett vizsgálatok (deskriptív statisztikák, területi autokorrelációs teszt, korrelációanalízis) megfelelő alapot adnak Európa halandósági térbeli megosztottságának vizsgálatára. A következőkben áttekintjük a makroregionális és a mezoregionális egyenlőtlenségek alakulását a vizsgált térségben.

A térbeli differenciáltság makroregionális vizsgálata Az országcsoportonkénti különbségek kimutatását több szerző is elvégzi, a törésvonalak Európában forrásonként (Vallin-Meslé 2001, Meslé-Vallin 2002, Meslé 2004, Nolte et al. 2004, Avdeev et al. 2011) eltérőek. A vizsgálati terület és a különböző eredmények összehangolására Vallin-Meslé (2001) megoldása áll a legközelebb. 3. táblázat

Az országcsoportok szerinti területi egyenlőtlenségek vizsgálati terei Examination areas of the territorial differences by country groups Makroterek Észak-Európa Északnyugat-Európa Középnyugat Európa Dél-Európa

Kelet-Közép-Európa8

Vallin-Meslé (2001)besorolása Dánia, Finnország, Izland, Norvégia, Svédország Belgium, Egyesült Királyság, Franciaország, Hollandia, Írország Ausztria, Luxemburg, Németország, Svájc Görögország, Málta, Olaszország, Portugália, Spanyolország Csehország, Bulgária, Lengyelország, Magyarország, Románia, Szlovákia

Észtország, Fehéroroszország, Lettország, Litvánia, Moldova, Oroszország és Ukrajna Albánia, Bosznia és Hercegovina, Albánia és a korábbi Jugoszlávia Horvátország, Jugoszlávia, Macedónia és Szlovénia A kelet-mediterrán és a kaukázusi Azerbajdzsán, Ciprus, Grúzia, országok Örményország és Törökország Forrás: Vallin-Meslé (2001) alapján saját szerkesztés A FÁK európai része és a balti országok

8

Adaptált besorolás Dánia, Finnország, Norvégia, Svédország Belgium, Egyesült Királyság, Franciaország, Hollandia, Írország Ausztria, Luxemburg, Németország Görögország, Málta, Olaszország, Portugália, Spanyolország, Ciprus Csehország, Bulgária, Lengyelország, Magyarország, Románia, Szlovákia, Észtország, Lettország, Litvánia, Horvátország, Szlovénia -

-

Az eredeti műben (Vallin-Meslé 2001) Közép-Európa szerepel. Rechnitzer János (2013) érvelését magunkénak vallva, pontosabbnak tartjuk ezen elnevezést.

Az elemzés terét figyelembe véve, megállapítható, hogy a FÁK európai része és a balti országok, Albánia és a korábbi Jugoszlávia, valamint a kelet-mediterrán és kaukázusi országok regionális szinten túlságosan alulreprezentáltak, ezért az ide tartozó országokat más makrotérségekhez soroltuk át. (3. táblázat) A balti államokat, Horvátországot és Szlovéniát egyrészt szocialista örökségük, másrészt "új" tagállami státuszuk miatt Kelet-KözépEurópához csoportosítottuk át. Ciprust földrajzi elhelyezkedése és kedvező hasonló egészségi állapota végett dél-európai országgá minősítettük át. Az országcsoportok közötti különbségek kimutatását az általános lineáris modell (General Linear Model, GLM) segítségével végeztük el. A módszer a hagyományos variancia-analízis és a lineáris regresszió analízis ötvözete (Huzsvai-Vincze 2012). A függő változókat a korábban ismertetett halandósági mutatók, a fix (független) faktort az egyes országcsoportokhoz rendelt numerikus változó jelenti. Itt szükséges megjegyezni, hogy az egyes makrorégiók elemszáma eltérő9, ill. a Levene teszt szerint a csoportokon belüli varianciák nem egyenlők a megfigyelési változók esetében. Az egy szempontos varianciaanalízis (ANOVA) alkalmazása mellett a középértékek összehasonlítására alkalmas, az ún. Games Howell post-hoc tesztet alkalmaztuk. Az eljárás nem érzékeny a varianciaegyenlőségre, ill. az azonos csoportméret kritériumokra (ShingalaRajyaguru 2015). Az eredményeket az 4. táblázat közli, ebben a különböző földrajzilag egybefüggő és történelemi, politikai, valamint kulturális szempontból összetartozó entitások átlagai, az átlagok közötti szignifikáns különbségek száma, ill. az elkülönülést magyarázó parciális eta-négyzet értékei találhatók. 4. táblázat

Makroregionális halandósági törésvonalak Európában European macroregional mortality breaklines Parciális etanégyzet keringés 48,65(2) 47,37(2) 58,55(3) 51,27(1) 155,73(4) 0,737 (4) (2) (2) (2) daganat 62,45 84,37 84,97 88,56 135,49(4) 0,602 külső 45,89(3) 40,62(3) 33,34(3) 30,55(3) 74,97(4) 0,525 (1) (3) (3) (3) (4) emésztő 15,08 17,45 20,76 13,19 41,89 0,602 vé_diff 4,28(3) 4,69(2) 4,98(3) 5,44(4) 7,43(4) 0,528 csecsemő 2,59(3) 3,65(4) 3,17(3) 2,97(2) 5,21(4) 0,320 Megjegyzés: zárójelben az adott országcsoporthoz tartozó szignifikáns átlagos különbségek számai láthatók. ÉszakEurópa

ÉszaknyugatEurópa

Középnyugat -Európa

Dél-Európa

Kelet-KözépEurópa

Az ANOVA elemzés alapján megállapíthatjuk, hogy az egyes csoportátlagok szignifikánsan különböznek egymástól, vagyis értelmezhető az országblokkok közötti térbeli megosztottság az egészségi állapot esetén. A parciális eta-négyzet szerint a területi különbségek mértéke bevont változónként eltérő. A csecsemőhalandóság esetében a legkisebb a blokkok közötti 9

Észak-Európa: 25, Északnyugat-Európa 87, Középnyugat-Európa 48, Dél-Európa 57, Kelet-Közép-Európa 56 régióból áll.

differenciáltság mértéke (0,320), míg az idő előtti keringési halandóság esetében a legnagyobb (0,737). Az eredmények alapján az általunk definiált Kelet-Közép-Európa kedvezőtlen helyzete az országcsoportok szerinti térbeli megosztottság kelet-nyugati értelmezését egyértelműen megerősíti. A kelet-közép-európai átlagértékek igen kedvezőtlennek tekinthetők a többi területegység átlagaihoz képest, azoktól minden esetben szignifikánsan különbözik a térség. Az összehasonlítást a mortalitási szakirodalomban használatos relatív halálozási kockázat10 (Sándor 2004, Ádány, 2011) mutatójával is elvégeztük. Elsőként Kelet-Közép-Európa mutatónkénti differenciálódását vizsgáljuk a második legrosszabb teljesítmény összefüggésében, majd a második és a harmadik legkedvezőtlenebb halandósági változó átlagát hasonlítjuk össze a relatív kockázat segítségével. (5. táblázat.) 5. táblázat

A relatív halálozási kockázat alakulása a vizsgált térségben The values of the relative mortality risk in the examined area A második legrosszabb érték relatív halálozási kockázata keringés 2,66 1,14 daganat 1,53 1,04 külső 1,63 1,13 emésztő 2,02 1,19 csecsemő 1,43 1,15 Megjegyzés: Kelet-Közép-Európa esetében a viszonyítási alapot a második legrosszabb érték jelenti, utóbbi esetében pedig a harmadik legkedvezőtlenebb jellemzővel leírható országcsoport adja. KeletKözép-Európa

Az eredmények kelet-nyugati megosztottság mértékéről nyújtanak információt. A mortalitás egyenlőtlensége igen jelentősnek tekinthető, a kelet-közép-európai férfiak idő előtti keringési halálozásának valószínűsége például 2,66-szor nagyobb, mint a középnyugat-európai férfiak esetében. Kelet-Közép-Európában a többi változó esetében is jókora változékonyságot mutat a relatív kockázat, főként ha a második és a harmadik legrosszabb érték összefüggéseit is figyelembe vesszük. A továbbiakban megvizsgáltuk azt is, hogy az országcsoportok egyenként mekkora hatással bírnak Európa területi megosztottságára a kiválasztott egészség változók alapján. Ehhez az általános lineáris modell regressziós paraméterbecslő táblázatait alkalmaztuk. (6. táblázat.)

10

Képlete:

, ahol i és j a megfigyelési egységeket, t a megfigyelés időpontját jelzi.

6. táblázat

Az általános lineáris modell regressziós paraméter-becslése a keringési halandóság esetében The regression parameter estimation of the general linear model (circulatory mortality) paraméterek Konstans Észak-Európa Északnyugat-Európa Középnyugat-Európa Dél-Európa

Béta együttható

t-statisztika

Szignifikancia

155,73 -107,08 -108,36 -97,17 -104,46

45,45 -17,37 -24,69 -19,28 -21,67

0,000 0,000 0,000 0,000 0,000

Parciális etanégyzet 0,885 0,530 0,695 0,581 0,637

A regressziós egyenletben szereplő konstans a legmagasabb számú kategória átlagát (jelen esetben Kelet-Közép-Európáét) jelzi, ezt kihagyott- (omitted) vagy referenciacsoportnak nevezi a szakirodalom (UCLA 2007, Taylor 2011). Ezen értékhez viszonyítva határozhatók meg az egyes csoportátlagok a területegységekhez tartozó béta-együtthatók segítségével11. A regressziós összefüggések természetszerűleg a 4. táblázatban látható keringési halálozásra vonatkozó értékeket erősítik meg. A táblázatban regressziós tagonként a t-statisztika értékei és a szignifikanciaszintek mellett a parciális eta-négyzet értékek találhatók. Utóbbi jelen esetben változó rámutat az egyes országcsoportok térbeli egyenlőtlenségeket befolyásoló szerepére. A keringési mortalitás esetében a referenciacsoport (Kelet-Közép-Európa) mellett Északnyugat-Európa jelez számottevő differenciáló hatást az vizsgálat térben. (6. táblázat.) 7. táblázat

Az országcsoportok parciális eta-négyzetei a GLM regressziós egyenletei alapján The partial eta-squared values of the country groups by the GLM regressions

keringés daganat külső emésztő vé_diff csecsemő

ÉszakEurópa 0,530 0,508 0,187 0,388 0,379 0,217

ÉszaknyugatEurópa 0,695 0,499 0,387 0,510 0,476 0,163

Középnyugat -Európa 0,581 0,425 0,413 0,371 0,354 0,201

Dél-Európa 0,637 0,410 0,466 0,543 0,285 0,249

Kelet-KözépEurópa 0,885 0,920 0,832 0,834 0,917 0,780

Ezt kiegészítve közöljük az összes változó regressziós egyenletében fellelhető parciális etanégyzet értékeket területegységenként. (7. táblázat.) Számításaink alapján Kelet-KözépEurópán kívül Dél-, ill. Északnyugat-Európa mutatkozik jelentős térszerkezet-alakító entitásnak a bevont változók esetében. Előbbi a külső okok, az emésztőrendszeri betegségek és a csecsemőhalandóság, míg utóbbi a már említett keringési betegségek és a várható élettartam-különbségek esetében tekinthető determináns szereplőnek az 11

A becslés jellegzetessége az, hogy minden csoportot dummy-változóként definiál az eljárás. Ha például ÉszakEurópa átlagos keringési halandóságát becsüljük, akkor ezen területi egység kapja az 1-et, a többi pedig a 0-t. Ekkor a következőképpen értelmezhető az egyenlet: y = 155,73 - 1*107,08 - 0*108,36 - 0*97,17 - 0*104,46. Vagyis Észak-Európa a 48,65 értéket veszi fel.

egészségegyenlőtlenségek terén. Észak-Európa a korai daganatos halálozás és a csecsemőhalandóság, Középnyugat-Európa pedig a külső mortalitás mentén jelez kismértékű differenciáltságot.

A térbeli differenciáltság mezoregionális vizsgálata A halandósági krízis mezoregionális megközelítése során a térbeli megosztottság főbb határvonalait mi kívánjuk beazonosítani és homogén csoportokba sorolni az egyes, hasonló halandósági jellemzőkkel bíró NUTS2 régiókat. Ehhez az ún. kétlépcsős klaszterelemzés algoritmusát alkalmaztunk. Azt láthattuk korábban (2. táblázat), hogy páronként túl szoros korreláció (0,9 feletti) nem figyelhető meg, vagyis a túlzott terjengősség, ill. torzítás nem jellemző a szűkített adatbázisra vonatkozóan. Viszont a szűkített változócsoportról összességében nincs információnk. Erre ad választ a főkomponens elemzés során a bevont változók alkalmasságát kifejező index. (8. táblázat.) A Kaiser-Meyer-Olkin mutató szerint a bevont indikátorok között létezik a redundancia, de annak mértéke közepesnek tekinthető. (Füstös 2009). A korábbi eredmények (deskriptív statisztikák, globális területi autokorrelációs teszt, makroregionális megközelítés), ill. a korrelációs összefüggések alapján feltételezzük, hogy regionális szinten is egyértelmű a térbeli elkülönülés a vizsgált vektorok mentén.

8. táblázat

A halandósági mutatók redundanciájának vizsgálata Redundancy test of the morality variables Kaiser-Meyer-Olkin Measure of Sampling Adequancy Approx. Chi-Square Bartlett's test of df Sphericity Sig.

,789 1367,33 15 ,000

A változókat standardizált formában vittük be a kétlépcsős klaszterelemzés algoritmusába, majd mindkét távolságmértékkel (euklidészi, log-likelihood) külön-külön lefuttattuk a vizsgálatot. A létrejött eredmények megfelelő szakmai interpretációja végett az utóbbi mérték mellett döntöttünk. Mivel a módszer automatikusan képes javaslatot tenni az optimális klaszterszámra (Sajtos-Mitev 2007), ezért először ezen automatic clustering módszert választottuk, majd a további törésvonalak kimutatása érdekében a klaszterek számát mi definiáltuk. A létrehozott homogén csoportok minőségét kifejező kritériumként a különböző klasztermegoldásokhoz (klaszterek számához) kötődő BIC értéket (Schwarz's Bayesian Information Criterion), annak változását, valamint a változás- és a távolságmértékek arányát alkalmaztuk (Trpkova-Tevdovski, 2009). A létrehozott klasztereket az egy szempontos varianciaanalízissel ellenőriztük, illetve ahol lehetséges (három , vagy több csoport esetében), az átlagok összehasonlítására a Games Howell post-hoc tesztet alkalmaztuk.

A létrehozott eredményeket annak függvényében is értelmeztük, hogy mely változók és milyen mértékben játszanak szerepet a klaszterek képződésében. A változók fontosságának (Predictor importance) értékelése az F-próbán alapul, az index 0 és 1 közötti értéket vehet fel. Ha egy változó esetében ez közelebb van az egyhez, annál kisebb a valószínűsége, hogy a véletlennek köszönhető a klaszterek közötti elkülönülés, és nagyobb valószínűsége a változó hatásának (IBM 2012). Az auto-clustering módszer alapján két homogén klasztert hozott létre a program. A létrejött klaszterek markáns kelet-nyugat differenciáltságot jeleznek. (1. ábra.) A kedvezőtlen egészségjellemzőkkel bíró térség (2. klaszter) lefedettsége jelzi azt, hogy a probléma elsődlegesen kelet-közép-európai hatókörrel jellemezhető. 9. táblázat

Átlagos mortalitási különbségek Európa kettős megosztottsága esetében Average mortality gap in the divided Europe (2 clusters) keringés daganat külső emésztő vé_diff csecsemő Klaszter 1. 51,93 83,11 37,25 16,92 4,93 3,21 Klaszter 2. 164,20 141,65 78,27 44,32 7,65 5,61 Átlag (Európa) 72,50 93,83 44,77 21,94 5,42 3,65 Megjegyzés: az ANOVA eredmények alapján szignifikánsan különböznek egymástól a klaszterátlagok.

A szomszédsági relációk kifejezése nélkül előállított földrajzilag összefüggő blokkot alkot Észtország, Lettország, Litvánia, Lengyelország, Szlovákia, Magyarország, Románia és Bulgária régiói mellett a Kontinentális-Horvátország, valamint Csehország ipari átalakulásával leginkább érintett keleti terei (Stredni Morava, Moravskoslezsko). Részben hasonló társadalmi-gazdasági jellemzőkkel (kedvezőtlen hatású ipari rekonstrukció, OECD 2004, Ministry of Employment and Solidarity High Committee of Public Health 2002) bírnak a közelebbről, ill. a távolabbról csatlakozó magas halandóságú régiók (Severozápad, NordPas-de-Calais) . Az észak-francia régióval határos belga Hainaut tartomány (kelet-középeurópai jellegű) többlethalandóságát és mortalitási profilját a vallon régió hosszú távú gazdasági leszakadásával, valamint a regionális közpolitikák eredménytelenségével magyarázza Renard et al. (2015). Jelen vizsgálati keretek között nem tagjai a klaszternek olyan korábban köztes jellemzőkkel bíró terek, mint Kelet- és Nyugat-Szlovénia, az Adriai Horvátország, Csehország központi része, illetve a kelet-német (ex-NDK) tartományok. Meslé (2002, 2004), Meslé-Vallin (2002) európai összehasonlító elemzése alapján ezen régiók országai 1995-ben Európa keleti, de annak relatíve fejlettebb feléhez tartoztak az egészségi állapot tekintetében.

1. ábra

Európa térbeli differenciáltsága két klaszter esetében Spatial differentiation of Europe in case of two clusters

Megjegyzés: a BIC értéke: 676,6; a BIC változása -523,0; a változás aránya: 1,0; a távolságmérték aránya: 5,8.

A két blokk közötti differencia minden mortalitási indikátor esetében igen jelentőségteljesnek mondható (9. táblázat), a vizsgált térség keleti felén az idő halandósági okok relatív kockázata a következőképpen alakul (az 1. klaszterhez viszonyítva): keringési betegségek 3,16; daganatos betegségek 1,70; a morbiditás és a mortalitás külső okai 2,10; emésztőrendszeri betegségek 2,60. A nemek közötti születéskor várható élettartam különbsége 2,7 évvel magasabb a 2. klaszterben, míg a csecsemőhalandóság mértéke 74 százalékkal haladja meg a referenciatérségét. A következőkben a további törésvonalak kimutatása érdekében a klaszterek számát háromban, majd négyben definiáltuk. A háromklaszteres megoldás továbbra is megerősíti a mortalitási krízis kelet-közép-európai jellegét. (2. ábra.) A térség jelentős átrendeződése nem figyelhető meg, a cseh Közép-Morvaország (Stredni Morava), ill. Nord-Pas-de-Calais és Hainaut válik le, és csatlakozik az újonnan kialakuló köztes mortalitási mutatókkal bíró csoporthoz (2. klaszter, 10. táblázat). 10. táblázat

Halandósági jellemzők Európában (három klaszter) Mortality features in Europe (3 clusters) keringés daganat külső emésztő vé_diff csecsemő Klaszter 1. 49,96 75,58 32,49 14,92 4,32 3,42 Klaszter 2. 56,42 97,58 46,48 21,03 6,05 2,85 Klaszter 3. 169,45 142,73 79,08 44,89 7,69 5,75 Átlag (Európa) 72,50 93,83 44,77 21,94 5,42 3,65 Megjegyzés: az ANOVA eredmények alapján (általában) különböznek egymástól a klaszterátlagok, a post-hoc teszt szerint mindhárom klaszter átlaga között szignifikáns az eltérés.

Ez egyrészt a legkedvezőtlenebb jellemzőkkel bíró klaszter mentén terül el, azzal szomszédos terek, valamint Európa nyugatabbi felén (Portugália, Spanyolország, Franciaország, stb.) található a csoport másik jókora alkotórésze. A legtöbb vektor esetében átlagos teljesítményt nyújtó 2. klaszter szerveződése számos esetben a jelenlegi (Finnország, Szlovénia, Franciaország, Portugália, valamint Spanyolország és Csehország jelentős része) vagy a korábbi (NDK) nemzeti határokhoz is igazodik. Több ország esetében (pl. Belgium, Ausztria, Horvátország, Görögország) viszont regionális töredezettség figyelhető meg az adott országon belül. A klaszterek számozásának megfelelően egyfajta halandósági lejtő tapasztalható a vizsgált európai térségben. Egyedül a csecsemőhalandóság mentén fedezhetünk fel némi disszonanciát, a 2. klaszter jobb teljesítményt ér el, mint az 1. csoport. 2. ábra

Európa területi különbségei a halandóság bizonyos mutatói alapján (3 klaszter) Regional differences of Europe by certain indicators of mortality (3 clusters)

Megjegyzés: a BIC értéke: 641,9; a BIC változása -34,7; a változás aránya: 0,066; a távolságmérték aránya: 1,6.

Négy klaszter definiálása esetében kisebb-nagyobb átrendeződés figyelhető meg az egyes csoportok esetében. (3. ábra.) A legszámottevőbb mozgás a kelet-közép-európai térséget érinti, észak-dél irány mentén kettéválik az eddig a legrosszabb jellemzőkkel leírható klaszter. Északon a balti államok, Lengyelország, Szlovákia középső és nyugati NUTS2 térségei (Stredné Slovensko, Západné Slovensko, Bratislava), valamint Csehország periférián elhelyezkedő régiói Közép-Magyarországgal és a Kontinentális-Horvátországgal forrnak egybe, többé-kevésbé egymással határos tömbbe. Nord Pas-de-Calais is csatlakozik ezen blokkhoz.

11. táblázat

Területi egyenlőtlenségek Európában négy klaszter esetén Regional disparities in Europe in case of 4 clusters keringés daganat külső emésztő vé_diff csecsemő Klaszter 1. 49,96 75,58 32,49 14,92 4,32 3,42 Klaszter 2. 55,70 96,83 46,05 20,64 6,02 2,85 Klaszter 3. 144,71 129,78 88,31 38,88 8,03 4,14 Klaszter 4. 194,44 158,57 65,34 52,12 7,19 7,64 Átlag (Európa) 72,50 93,83 44,77 21,94 5,42 3,65 Megjegyzés: az ANOVA eredmények alapján (általában) különböznek egymástól a klaszterátlagok, a post-hoc teszt szerint az összes klaszter átlaga között szignifikáns az eltérés.

Délen Bulgária és Románia egésze, valamint a központi régió nélküli Magyarország és KeletSzlovákia áll össze. A megfigyelési változók többségében a déli (4.) klaszter az előnytelenebb adottságú (11. táblázat), a leváló északi csoport viszont az idő előtti külső oki mortalitás és a nemenkénti várható élettartam különbsége mutatók esetében mutat jelentős többlethalálozást mind a déli terek, mind az átlagos értékek összefüggésében. A halandósági lejtő e két jelenség kivételével továbbra is fennáll a vizsgált térségben. 3. ábra

A vizsgált térség főbb törésvonalai a négyklaszteres megoldás esetén The main breaklines of the examined area by the four cluster solution

Megjegyzés: a BIC értéke: 624,5; a BIC változása 3,2; a változás aránya: -0,06; a távolságmérték aránya: 2,0.

A klaszterképző változók fontossága (12. táblázat) mutat rá arra, hogy a vizsgálatba vont egészségi állapotot kifejező indikátorok milyen mértékben differenciálják az európai teret. Jelen elemzési keretek között minden klasztermegoldás esetében az idő előtti szív- és érrendszeri halandóság az regionális egészségegyenlőtlenségek fő determinánsa. Ezt követően a születéskor várható élettartam nemenkénti különbségei okoznak jelentős mértékben regionális töredezettséget, majd a korai rákhalandóság, az emésztőrendszeri betegségek, ill. a

külső okok miatti mortalitás, végül pedig a csecsemőhalandóság. Vagyis - hipotézisünknek megfelelően - a nem fertőző krónikus megbetegedések, ezen belül pedig a szív- és érrendszeri betegségek elsődlegessége mezoregionális megközelítésben is megállja a helyét.

12. táblázat

Az európai térség töredezettségét befolyásoló tényezők hatása The impact of factors affecting the fragmentation of the European area Klasztermegoldás 2 3 4

Európa regionális determinánsai

keringés 1,0 1,0 1,0

vé_diff 0,49 0,87 0,84

emésztő 0,67 0,64 0,67

daganat 0,67 0,78 0,83

egészségegyenlőtlenségeinek

külső 0,49 0,53 0,55

elkerülhető

csecsemő 0,33 0,34 0,57

társadalmi-gazdasági

Végül diszkriminanciaelemzés segítségével arra keressük a választ, hogy az elkerülhető egészségegyenlőtlenségeket mely tényezők befolyásolják, mely társadalmi-gazdasági mutatók alapján különböznek a korábban definiált halandósági klaszterek egymástól. Ezen vizsgálathoz a mortalitás négyklaszteres megoldását választottuk. Az alkalmazott módszer feltételeinek (változók mérési szintjei, a csoportok kizárólagossága, csoportnagyság, normalitás, varianciahomogenitás) két független változó felel meg. A gazdasági értéktermelést kifejező, a vásárlóerő-paritáson számolt termelékenységi ráta és egy főre jutó GDP logaritmizált értékei jeleznek a halandósági lejtőnek megfelelő, parallel egyenlőtlenséget. 13. táblázat

Az elkerülhető egészségegyenlőtlenségek társadalmi-gazdasági determinánsai Socio-economic determinants of the avoidable health inequalities Klaszterszám 1. 2. 3. 4. Box's M sig. Wilks' Lambda F Sig.

Termelékenység 11,07 (66.760) 10,99 (61.189) 10,67 (44.720) 10,34 (32.604) 0,558 0,585 63,63 0,000

GDP/fő 10,30 (31.369) 10,11 (25.325) 9,82 (19.329) 9,48 (13.952) 0,152 0,607 58,12 0,000

Megjegyzés: a táblázat felső felében az egyes klaszterekhez tartozó átlagos logaritmizált értékek találhatók, valamint zárójelben PPP mértékegységben. A táblázat alsó fele a diszkriminancia elemzés főbb eredményeit közli.

A független változók hatása szignifikáns, hatásukat tekintve gyenge-közepesnek számítanak a csoportok elkülönülése szempontjából. Vagyis összességében egy, a Preston-görbéhez12 (Preston 1975) hasonlatosan interpretálható kapcsolat fedezhető fel: a magasabb gazdasági teljesítményhez kedvezőbb egészségi állapot társul. Szükséges megjegyeznünk azt, hogy elemzésünk során csupán a megfelelő beavatkozásokkal elkerülhető társadalmi-gazdasági determinánsokra koncentráltunk, mindezt regionális (NUTS2) megközelítésben. A halandósági klaszterek kialakulása több esetben az egyes országok határait is követte, az ezen szinthez kapcsolódó vélhetően befolyásoló országspecifikus tényezőket (szakpolitikák, étkezési szokások, életmód, stb.) nem vettünk figyelembe. Az elhibázott, alkoholfogyasztással kapcsolatos szakpolitikai tevékenységre hozza példaként Mackenbach et al. (2013) Finnország esetét, amely elemzésünkben egész területét tekintve nem tartozik a legjobban teljesítő térségekhez, a halandósági lejtő második fokán áll. (3., 4. ábra.) Finnország a szomszédos Észtország Európai Unióhoz való csatlakozásakor - mivel a balti országban jóval olcsóbb volt az alkohol - jelentősen és folyamatosan csökkentette az alkoholtermékek adóját. Ezzel párhuzamosan az alkoholfogyasztással összefüggésbe hozható halálozások száma folyamatosan nőtt, egészen addig, amíg adónövelés nem történt. Emellett szükséges újra kiemelnünk az útfüggőség jelenségét, vagyis a szocialista korszak örökségének (természetesen) nem elkerülhető hatását. Ezt értelemszerűen ezen vizsgálat során nem tárgyaltunk, nem vontuk be a csoportok elkülönítését magyarázó tényezőként. A halandóság regionális megosztottságában viszont egyértelműen érzékelhető a történelmi örökség hatása (1., 2. és 3. ábrák), valamint napjaink egészségi kondíciójának társadalmigazdasági és egyéb determinánsait (társadalmi problémák, életmód, stb.) jellemzően befolyásolják a szocialista korszak folyamatai, annak máig ható következményei (Simonyi 2015).

Összefoglalás Dolgozatunkban Európa regionális egészségegyenlőtlenségeit vettük górcső alá, kiemelten kezelve a kelet-közép-európai halandósági folyamatokat. Kutatási kérdéseink egyrészt az európai makrorégió területi megosztottságára, a térbeli törésvonalak beazonosítására, valamint a differenciáltságot befolyásoló halandósági tényezőkre koncentráltak. Másrészt pedig az egészségi állapot regionális egyenlőtlensége mögött meghúzódó elkerülhető társadalmi-gazdasági determinánsok beazonosítására vállalkoztunk. Akár országcsoportok mentén vizsgálódtunk, akár mezoregionális megközelítéssel éltünk, a vizsgált térségben fellelhető többlethalandóság egyértelműen Kelet-Közép-Európát érinti napjainkban is. A probléma a korábban ismertetett sajátosságok mentén (nem fertőző 12

Preston (1975, 2007) az egy főre jutó nemzeti jövedelem és a születéskor várható élettartam kapcsolatát írta fel egy regressziós függvény segítségével. Ez alapján a gazdasági teljesítmény jelentős és pozitív hatással bír az egészségi állapotra.

krónikus megbetegedések kiemelt szerepe, a férfiak érintettsége, a gazdaságilag aktív korcsoport sérülékenysége) továbbra is értelmezhető, és jelentős törésvonalat eredményez a vizsgált európai térben. Európa kelet-nyugat irányú megosztottságán túl további "mikrorepedések" is felfedezhetők a különböző egészségi állapotot leíró vektorok mentén. A klaszterek jelentős része az országhatárok alapján szerveződik, amely eredmények véleményünk szerint visszatükrözik a különböző nemzeti szintű szabályozórendszerek, a társadalom, a politika, a gazdaság és a kultúra komplex hatását. Jelen elemzés alapján a korábban többé-kevésbé egyöntetűen hátrányos helyzetű kelet-középeurópai térség ma már korántsem tekinthető egységesnek. A rendszerváltoztatás időszakában relatíve jobb egészségi kondícióban lévő térségek (pl. Kelet-Németország, Csehország), ill. Szlovénia és Horvátország nyugati régiója leválik az egybefüggő kelet-közép-európai blokkból. A vasfüggöny keleti felén lévő régiók észak-dél mentén tovább differenciálódnak, északon a mutatók többsége valamivel kedvezőbb mint a déli régiókban. A kutatás során felhasznált módszerek alapvetően nem, vagy csak kismértékben veszik figyelembe a térbeli hatásokat, a szomszédsági relációkat. Ugyanakkor az eredmények e nélkül is indikálják a jelenség fontosságát a különböző mortalitási klaszterek kialakulásában. Európában területileg egybefüggő klaszterek, ill. összefüggő centrum-periféria térségek rajzolódnak ki a vizsgált problémakör tekintetében. A regionális megosztottság mozgatórugói továbbra is a nem fertőző krónikus megbetegedések, ezek közül egyértelmű elsőbbséget élveznek a szív- és érrendszeri megbetegedések. Egy, a jövőbeli tendenciákat vizsgáló jelentés (Bloom et al. 2011) a nem fertőző betegségeknek tulajdonítható gazdasági veszteségek szempontjából a Kelet-KözépEurópa jövedelmi kategóriájába (magas és felső-közép) is tartozó országokat tekinti a legveszélyeztetettebbeknek. Globális szinten 2030-ig a szív- és érrendszeri betegségek és a rákhalandóság hozzávetőlegesen 24 milliárd USD-t, vagyis a 2010. évi globális GDP 38%-át kitevő veszteséget generálnak. Ebből az érintett jövedelmi kategóriát képviselő országokra 21 milliárd USD kumulált veszteség jut, ami az összes 88%-a. Ugyan a kategóriában igen nagy szóródás figyelhető meg mind a jövedelmek, mind a népesség esetében, de figyelembe véve Kelet-Közép-Európa igencsak kedvezőtlen demográfiai és népegészségügyi kondícióját, vélhetően az átlag feletti veszteségű országok sorát gyarapítja a fenti időszakban. Dolgozatunkban az európai térség mezoregionális szintű egészségegyenlőtlenségei mögött meghúzódó elkerülhető társadalmi-gazdasági differenciáltság kimutatását is megcéloztuk. Eredményeink szerint a halandósági lejtő mellett párhuzamosan a gazdasági teljesítmény (GDP, termelékenység) grádiense is megfigyelhető. Elemzésünk nem tesztelte sem az ország szintű determinánsok (pl. az egészségi állapotot befolyásoló nemzeti szakpolitikákat), sem pedig a szocialista örökség hatását, ugyanakkor a szakirodalmi eredmények (Mackenbach et al. 2013, Simonyi 2015) rámutatnak ezen tényezők fontosságára. Utóbbi ugyan nem tekinthető elkerülhető determinánsnak, de megkerülhetetlen háttér-változóként kezelendő a téma ez irányú vizsgálataiban.

Köszönetnyilvánítás AZ EMBERI ERŐFORRÁSOK MINISZTÉRIUMA ÚNKP-16-4 KÓDSZÁMÚ ÚJ NEMZETI KIVÁLÓSÁG PROGRAMJÁNAK TÁMOGATÁSÁVAL KÉSZÜLT.

Irodalomjegyzék Acheson, D (1998): Independent inquiry into inequalities in health report The Stationary Office, London. Bálint, L. (2010): A területi halandósági különbségek Magyarországon 1980-2006 KSH Népességtudományi Kutató Intézet, Budapest. Bloom, D.E. - Cafiero, E.T. - Jané-Llopis, E. - Abrahams-Gessel, S. - Bloom, L.R. - Fathima, S. - Feigl, A.B. Gaziano, T. - Mowafi, M. - Pandya, A. - Prettner, K. - Rosenberg, L.- Seligman, B. - Stein, A.Z. Weinstein, C. (2011): The Global Economic Burden of Noncommunicable Diseases World Economic Forum: Geneva. Bobak, M. – Marmot, M. (1996): East-West mortality divide and its potential explanations: proposed research agenda British Medical Journal 312: 421–425. Boncz, I. – Sebestyén, A. (2006): Economy and mortality in Eastern and Western Europe between 1945 and 1990: the largest medical trial of history International Journal of Epidemiology 35 (3): 796-797. Caselli, G. - Meslé, F. - Vallin, J. (2002): Epidemiologic transition theory exceptions Genus 58 (1): 9-52. Commission on Social Determinants of Health (CSDH) (2008): Closing the gap in a generation: health equity through action on the social determinants of health. Final Report of the Commission on Social Determinants of Health World Health Organization, Geneva. Cornia, G. A. - Paniccia, R. (2000): The Transition Mortality Crisis: Evidence, Interpretation and Policy Responses Oxford University Press,New York. Daróczi, E. (2003): A középkorúak halandósága nemek és főbb halálokok szerint Az epidemiológiai átmenet sajátosságai Magyarországon In Daróczi E. (eds.): Kettős szorításban A középgenerációk élete és egészsége pp. 105-124., KSH-NKI, Budapest. Daróczi, E. (2004): Európa kelet–nyugati megosztottsága az életesélyek terén In Daróczi, E. – Kovács, K. (eds.): Halálozási viszonyok az ezredfordulón: társadalmi és földrajzi választóvonalak pp.11-40., KSH-NKI, Budapest. Department Of Health And Human Services (DHHS) (1980): Inequalities in health: report of a research working group (The Black Report) HMSO, London. Eurostat (2013): Revision of the European Standard Population Report of Eurostat's task force Publications Office of the European Union, Luxembourg. Füstös, L. (2009): A sokváltozós adatelemzés módszerei In Füstös L. – Szalma I. (eds.): Módszertani füzetek 2009/1 MTA Szociológiai Kutatóintézete Társadalomtudományi Elemzések Akadémiai Műhelye (TEAM), Budapest. Jaworska, R. (2014): Health Inequalities Across The European Union Regions: A Beta-Convergence Approach Comparative Economic Research 17 (4): 71-86. Józan, P. (2000): A századvég halálozási viszonyainak néhány jellegzetessége Magyarországon Századvég 5 (16): 29-44. Józan, P. (2006): Jelentés a demográfia állapotáról és a népesedési viszonyokról In Vizi, E. Sz. - Teplán, I. Szentpéteri, J. (eds.): Előmunkálatok a társadalmi párbeszédhez pp.159-172., Gazdasági és Szociális Tanács, Budapest. Kibele, E. U. B. (2012): Regional Mortality Differences in Germany Springer Science+Business Media, Dordrecht. Kopp, M. - Réthelyi, J. (2004): Where psychology meets physiology: chronic stress and premature mortality- the Central-Eastern european health paradox Brain Research Bulletin 62 (5): 351-367. Kopp, M. - Skrabski Á. (2009): Nők és férfiak egészségi állapota Magyarországon In Nagy, I. - Pongrácz, T.-né (eds.): Szerepváltozások. Jelentés a nők és férfiak helyzetéről 2009 pp. 117-136., TÁRKI - Szociális és Munkaügyi Minisztérium, Budapest.

Kopp, M. - Skrabski, Á. - Székely, A. - Williams, R. (2007): Chronic stress and social changes, socioeconomic determination of chronic stress Annals of the New York Academy of Sciences 1113 (1): 325-338. Kopp, M. - Skrabski, Á. (2007): A magyar népesség életkilátásai Magyar Tudomány 168 (9): 1149-1153. Lengyel, B. - Bajmócy, Z. (2013): Regionális és helyi gazdaságfejlesztés az evolúciós gazdaságföldrajz szemszögéből Tér és Társadalom 27 (1): 5-29. Leon, D. A. (2011): Trends in European life expectancy: a salutary view International Journal of Epidemiology 40 (2):271-277. Mackenbach, J. (2012): The persistence of health inequalities in modern welfare states: The explanation of a paradox Social Science & Medicine 75 (4): 761–769. Mackenbach, J. P. - Karanikolos, M. - McKee, M. (2013): The unequal health of Europeans: successes and failures of policies Lancet 381: 1125-1134. Marmot, M. (2013): Health inequalities in the EU - Final report of a consortium European Commission Directorate-General for Health and Consumers, Brussels. Maynou, L. - Saez M. - Bacaria, J. - Lopez-Casasnovas G. (2015): Health inequalities in the European Union: an empirical analysis of the dynamics of regional differences The European Journal of Health Economics 16 (5): 543-559. Meslé, F. - Vallin, J. (2002): Mortality in Europe: the Divergence Between East and West Population 57 (1): 157-197. Meslé, F. (2001): Halandóság Kelet- és Nyugat-Európában: növekvő különbségek Regio: Kisebbség, Politika, Társadalom 12 (1): 163-176. Omran, A. (1971): The Epidemiologic Transition A Theory of the Epidemiology of Population Change The Milbank Memorial Fund Quarterly 49 (4): 509-538. Preston, S. H. (1975, 2007): The changing relation between mortality and level of economic development. Reprinted International Journal of Epidemiology (2007) 36 (3): 484–490. Rechnitzer, J. (2013): Adalékok Kelet-Közép-Európa térszerkezetének felrajzolásához Közép-Európai Közlemények 6 (1-2): 238-250. Richardson, E. A. - Pearce1, J. - Mitchell, R. - Shortt, N. K. - Tunstall, H. (2013): Have regional inequalities in life expectancy widened within the European Union between 1991 and 2008? European Journal of Public Health (24 (3): 357–363. Sajtos L. - Mitev, A. (2007): SPSS kutatási és adatelemzési kézikönyv Alinea Kiadó, Budapest. Sándor, J. (2004): Mortalitás In: Bakacs M. - Vitray J. (eds.): Népegészségügyi jelentés pp. 1-67., Országos Epidemiológiai Központ, Budapest. Shingala, M. C. - Rajyaguru, A. (2015): Comparison of Post Hoc Tests for Unequal Variance International Journal of New Technologies in Science and Engineering 2 (5): 22-33. Šírová, S. (2011): The development of cardiovascular mortality in selected European countries AUc Geographica, 46 (1): 53–69. Trpkova1, M. - Tevdovski, D. (2009): Twostep cluster analysis: Segmentation of largest companies in Macedonia In Kovács, P. - Szép, K. - Katona, T. (eds.): Challenges for Analysis of the Economy, the Businesses, and Social Progress pp. 302-320., Universitas Szeged Press, Szeged. Vagero, D. (2010): The East-West health divide in Europe: growing and shifting Eastwards European Review 18 (1): 23–34. Vallin, J.–Meslé, F. (2001): Trends in mortality in Europe since 1950: age-, sex- and causespecific mortality In Vallin, J.–Meslé, F.–Valkonen, T. (eds.): Trend in mortality and differential mortality pp. 31-184. Council of Europe, Brussels. Weidner, G. – Cain, V. (2003): The Gender Gap in Heart Disease: Lessons From Eastern Europe American Journal of Public Health 93 (5): 768-770. WHO (2013): Review of social determinants and the health divide in the WHO European Region: final report WHO Regional Office for Europe, Copenhagen. Wilkinson, R. – Marmot, M. (2003): Social determinants of health: the solid facts WHO Press, Copenhagen.

Internetes hivatkozások Ádány,

R. (2011): Megelőző orvostan és népegészségtan Debreceni Egyetem, Debrecen. http://www.tankonyvtar.hu/hu/tartalom/tamop425/0019_1A_Megelozo_orvostan_es_nepegeszsegtan/ adatok.html (letöltve: 2016.02.21.) Avdeev, A. - Eremenko, T. - Festy, P. - Gaymu, J. - Le Bouteillec, N. - Springer, S. (2011): Populations and Demographic Trends of European Countries, 1980-2010 Population 66 (1): 9-133. http://www.cairnint.info/abstract-E_POPU_1101_0009--populations-and-demographic-trends-of-eu.htm (letöltve: 2016.10.01.) Cornia, G. A. (2016): The mortality crisis in transition economies IZA World of Labor, Institute for the Study of Labor. http://wol.iza.org/articles/mortality-crisis-in-transition-economies-1.pdf (letöltve: 2016.07.23.) EC (2009): Szolidaritás az egészségügyben: Az egészség terén mutatkozó egyenlőtlenségek csökkentése az Európai Unióban http://ec.europe.eu/health/ph_determinants/socio_economics/documents/com2009_hu.pdf (letöltve: 2015.10.22.) European Commission (2007): White Paper Together for Health: A Strategic Approach for the EU 2008-2013 http://ec.europa.eu/health/ph_overview/Documents/strategy_wp_en.pdf (letöltve: 2015.10.22.) European Communities (2008): Egészségügyi vasfüggöny Európában? Sajtóközlemény. http://www.europarl.europa.eu/sides/getDoc.do?language=hu&type=IMPRESS&reference=20081009IPR39072 (letöltve: 2011.08.19.) Huzsvai, L. – Vincze, Sz.: SPSS-könyv Seneca Books 2012. http://seneca-books.hu/doc/spsskonyv.pdf (letöltve: 2015.10.22.) IBM (2012): IBM SPSS Modeler 15 Algorithms Guide IBM Corporation. ftp://public.dhe.ibm.com/software/analytics/spss/documentation/modeler/15.0/en/AlgorithmsGuide.pd f (letöltve: 2016.07.12.) Kopp, M. – Skrabski, Á. (2001): Pszichoszociális tényezők és egészségi állapot A Népesedéspolitikai ad-hoc Munkabizottság számára készített tanulmány. demografia.hu/kiadvanyokonline/index.php/demografia/article/download/200/326 (letöltve: 2014.10.20.) Meslé, F. (2002): Mortality in Eastern Europe and the former Soviet Union : longterm trends and recent upturns IUSSP/MPIDR Workshop "Determinants of Diverging Trends in Mortality." http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.565.6610&rep=rep1&type=pdf (letöltve: 2015.11.12.) Meslé, F. (2004): Mortality in Central and Eastern Europe: long-term trends and recent upturns Demographic research Special Collection 2. http://www.demographic-research.org/special/2/3/s2-3.pdf (letöltve: 2014.10.20.) Ministry of Employment and Solidarity High Committe on Public Health (2003): Health in France. John Libbey Eurotext, Paris. www.hcsp.fr/Explore.cgi/Telecharger?NomFichier=hc001521.pdf (letöltve: 2015.10.23.) Nolte, E. - McKee, M. - Gilmore, A. (2004): Morbidity and mortality in transition countries in the European context Background paper for the thematic session “Morbidity, mortality and reproductive health: Facing challenges in transition countries” at the European Population Forum 2004., UK http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.133.7041&rep=rep1&type=pdf (letöltve: 2016.09.10.) OECD (2004): OECD Territorial Reviews: Czech Republic 2004 OECD Publishing, Paris. http://www.keepeek.com/Digital-Asset-Management/oecd/urban-rural-and-regionaldevelopment/oecd-territorial-reviews-czech-republic-2004_9789264106413-en#page1 (letöltve: 2015.10.23.) Renard, F. - Tafforeau, J. - Deboosere, P. (2015): Mapping the cause-specific premature mortality reveals large between-districts disparity in Belgium, 2003–2009 Archives of Public Health 73 (13): 1-18. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4412101/pdf/13690_2015_Article_60.pdf (letöltve: 2016.08.18.)

Ruminska-Zimny, E. (1997): Human Poverty in Transition Economies: Regional Overview for HDR 1997. http://hdr.undp.org/en/reports/global/hdr1997/papers/ewa_ruminska.pdf (letöltve: 2011.03.02.) Simonyi, A. (2015): Synthesis Report: Social Cohesion and Social Policies Growth-Innovation-Competitiveness Fostering Cohesion in Central and Eastern Europe. Grinkoh Working Papers, Series 5. http://www.grincoh.eu/media/syhtnesis_reports/grincoh_wp5_synthesis_report_simonyi.pdf (letöltve: 2016.02.21.) Taylor, A. (2011): Using the GLM Procedure in SPSS. www.psy.mq.edu.au/psystat/documents/GLMSPSS.pdf (letöltve: 2015.10.22.) UCLA Statistical Consulting Group (2007): Introduction to SPSS. http://www.ats.ucla.edu/stat/spss/faq/dummy.htm (letöltve: 2016.03.24.)

Megjelenés: Területi Statisztika ISSN 0018-7828. (A tanulmány a lektorálás utáni állapotot tükrözi, befogadó nyilatkozattal rendelkezik. A megjelenés várható időpontja: 2017. évi első szám.)

A TÁRSADALMI SZELEKCIÓS HIPOTÉZISEN ALAPULÓ REGIONÁLIS EGÉSZSÉGEGYENLŐTLENSÉGEK EURÓPÁBAN REGIONAL HEALTH INEQUALITIES BASED ON THE SOCIAL SELECTION HYPOTHESIS IN EUROPE Dr. Egri Zoltán 1,13, Kőszegi Irén Rita 2 1

Agrártudományi és Vidékfejlesztési Intézet, Gazdasági, Agrár- és Egészségtudományi Kar, Szent István Egyetem, Magyarország 2 Kertészeti Tanszék, Kertészeti és Vidékfejlesztési Kar, Pallasz Athéné Egyetem, Magyarország

Kulcsszavak: egészség-egyenlőtlenségek térbeliség területi autokorreláció gazdasági fejlettség

Keywords: health inequalities spatiality spatial autocorrelation economic development

Cikktörténet: Beérkezett Átdolgozva Elfogadva

Összefoglalás Az egészség és a társadalmi-gazdasági fejlettség kapcsolatával, azok egyenlőtlenségével foglalkozó szakirodalom alapján a két jelenség közötti összefüggés kétirányú, azokra kettős ok-okozati, egymást erősítő kapcsolat jellemző. Dolgozatunk az ún. társadalmi szelekciós hipotézis térbeli összefüggéseit ismerteti a regionális Európában. Abstract According to literature discussing the link and inequalities between health and socio-economic development, there is a synergistic interrelationship between these two phenomena coupled with a double cause-and-effect mechanism. In our study we describe the spatial correlations of the so-called social selection hypothesis in the regional Europe.

1. Bevezetés Richardson et al. [1] vizsgálatukban jelzik, hogy az Európa szintű egészségegyenlőtlenségi munkákból nagymértékben hiányzik a földrajzi szemlélet. A szerzők azt feltételezik, hogy az egészségi állapot alakulásában fontos szereplő a térbeliség. Az egészségi állapot Európán belüli térbeli megosztottságára ugyanakkor számos vizsgálat rámutat. Általában a kelet-nyugati differenciálódás került kimutatásra az európai országok, vagy történelemi, politikai és kulturális szempontból összetartozó országcsoportok, ill. szubnacionális régiók között [2], [3], [4], [5]. Az egészségi állapot térbeli különbségei egyrészt világos haláloki (szív- és érrendszeri betegségek, daganatok, külső okok, stb.) és egyéb hagyományos halandósági mutatók (pl. születéskor várható élettartam) mentén rajzolódnak ki. Másrészt a fennálló térbeli differenciáltság, az egészség-egyenlőtlenségek mintái gyakran tükrözik a társadalmi-gazdasági körülmények területi különbségeit is [1], [6]. Az egészségi állapot társadalmi-gazdasági egyenlőtlenségeinek magyarázatára számos elmélet és modell született [7], [8], [9]. Kijelenthető - az egészség és a társadalmigazdasági fejlettség egyenlőtlenségével foglalkozó szakirodalmi források alapján -, hogy a két jelenség közötti összefüggés kétirányú, azokra kettős ok-okozati, egymást erősítő kapcsolat jellemző [10], [11]. Ugyan számos kritika érte, de jelen témájú és irányú dolgozatunk esetében a társadalmi szelekciós hipotézist tekintjük relevánsnak [9], [12]. Az elmélet direkt változata szerint nem az egyén szocio-ökonómiai státusza hat az egészségi 13

Kapcsolattartó szerző. Tel.: +36 66 312-774/2230 E-mail cím: [email protected]

állapotra, hanem fordított oksági kapcsolat figyelhető meg. Vagyis az egyén nem azért kevésbé egészséges, mert alacsonyabb társadalmi-gazdasági státusszal bír, hanem rosszabb egészségi állapota determinálja az alacsonyabb társadalmi pozíciót. Míg a direkt szelekció a társadalmi hierarchiában lefelé irányít, addig az indirekt szelekció felfelé mozdítja az egyént. Ez utóbbi, felfelé történő mobilitás valószínűbb azon egyének számára, akik olyan személyes adottságokkal is rendelkeznek (pl. kognitív képességek), amelyek támogatják mind az egészségi állapotot, mind a szocio-ökonómiai státuszt [9]. Számos tanulmány makroszintű összefüggésekkel kiegészítve a társadalmi szelekciós hipotézist, rámutat arra, hogy az egyén egészségi kondíciója a gazdaság egészére, annak növekedésére is hat, számos csatornán keresztül [10], [13], [14], [15]. A jobb egészségi állapot egyrészt közvetlenül a munkaerő-piac kínálati oldalát befolyásolja: az egyén részvétele, (esetleges) idő előtti nyugdíjazása és a beteg egyént ápoló családtag helyzetének változása révén. Az egészségesebb egyén termelékenysége, bére, jövedelme és megtakarítási, befektetési hajlandósága is magasabb lesz. Az oktatás révén közvetve hat a jobb egészségi állapot. Azon gyermekek, akik többször betegebbek vagy táplálkozási hiánybetegségekben szenvednek, hiányzásuk megnő, ezzel együtt a lemorzsolódás esélye is reálissá válik. Dolgozatunk ezen kiegészített társadalmi szelekciós hipotézis alapján célozza meg az egészség-egyenlőtlenségek térbeli vizsgálatát a regionális Európában. Első kutatási kérdésünk arra irányul, hogy (általában) milyen összefüggés jellemzi a térségi egészségi állapot és a társadalmi-gazdasági fejlettség14 főbb indikátorait? Egy-egy mutató (várható élettartam-jövedelem) esetében találunk bizonyítékot az egymást erősítő kapcsolatra [1], [5] regionális szinten. Elemzésünkben viszont mind az egészségi állapot-, mind a társadalmigazdasági fejlettség jelenségeit a fentebb ismertetett elméletnek megfelelően diverzen értelmezzük. További vizsgálataink a térbeliséghez kapcsolódnak, annak szerepét kívánjuk értelmezni az egészségegyenlőtlenségek ez irányú összefüggésében. Feltételezzük a spacialitás aktív részvételét az egészség - társadalmi-gazdasági fejlettség ok-okozati relációjában.

2. Anyag és módszertan 2.1. Adatbázis és területi keretek Az elemzés mutatóit a kiegészített társadalmi szelekciós hipotézis alapozta meg. A munkaerő-piacon való részvételt a foglalkoztatási (20-64 korosztály), ill. a munkanélküliségi ráta (15 feletti korcsoportban) fejezi ki. A gazdasági értéktermelés (jövedelmi helyzet, termelékenység) jellemzésére regionális szinten az egy főre jutó GDP-t (euroban, ill. vásárlóerő-paritáson), az egy főre jutó háztartási jövedelmet és a termelékenységi rátát (bruttó hozzáadott érték/foglalkoztatott) alkalmaztuk. A fiatalok esélyeit a nem foglalkoztatott, oktatásban és képzésben nem részesülő fiatalok arányával (18-24 korosztályban) fejezzük ki. Az elmaradottság térségi operacionalizált indikátora a szegénységben és társadalmi kirekesztettségben élők aránya. Az alkalmazott változók egy részének területi szintű szakpolitikai kapcsolódása is van, a regionális politika, ill. az Európa 2020 stratégia intelligens és az inkluzív növekedési célkitűzéseit érintik. A területi egészségi állapot operacionalizálása során több megfontolást szükséges figyelembe vennünk. A hagyományosnak tekinthető mortalitási mutatók közül a születéskor-, ill. a 35 éves korban várható élettartamokat, valamint a csecsemőhalandóságot, ill. a potenciálisan elvesztett életévek változót vontuk be. Emellett számos forrás [11], [17], [18] ajánlása alapján olyan egészségváltozókat alkalmazunk, amelyek az egyes betegségekre is utalnak. A nem fertőző krónikus megbetegedések a fejlett világot kiemelten érintik [19], így a szív- és érrendszeri- és a daganatos halálozás standardizált arányait (SHA) vontuk be. A kelet-nyugat megosztottság korábbi és mai okai is ezen betegségcsoportokhoz kötődnek [2], [20], valamint lényeges

14

A társadalmi-gazdasági fejlettség alatt a munkaerő-piaci és szegénységi mutatókat, ill. a gazdasági értéktermelés indikátorait értjük. Ugyan a fejlettség esetében "nem egy könnyen mérhető mennyiségi, hanem soktényezős minőségi fogalomról van szó" [16], az alkalmazott mutatókat a főbb európai szakpolitikák és stratégiák alapján határoztuk meg. (Lásd a szövegben.)

sajátosság, hogy a gazdaságilag aktív férfiakat érintettek. Ennek megfelelően ehhez e nemhez és korcsoporthoz (0-64) tartozó SHA-kat gyűjtöttük le. Vizsgálataink során a halandóság és a társadalmi-gazdasági fejlettség térbeli egyenlőtlenségeit a Norvégiával kiegészített (28 tagú) Európai Unióban mutatjuk be. Ennek oka az, hogy a tudományos szempontból korrekt, megbízható, sokszínű indikátorkészlet elérhetősége ezen entitás esetében biztosított. Az Európai Unióban az egészségügy nem tekinthető közös vagy közösségi politikának, de a szakpolitika szintjén megjelenik a nemzetek feletti szint, az egészségegyenlőtlenségek csökkentésének igénye számos - az Európai Gazdasági Térséget is érintő - szakpolitikai dokumentumban és stratégiában megjelenik [21], [22]. Így a makrotérség vizsgálata relevánsnak tekinthető, közösségi fejlesztést alapozhat meg. A mezoszintet a NUTS2 régiók képviseli a NUTS2013 besorolás alapján. A vizsgálatból elhagytuk Franciaország tengerentúli megyéit, Portugália autonóm körzeteit (Azori szigetek, Madeira), ill. Spanyolország autonóm városait (Ceuta, Melilla) és a Kanári-szigeteket. 2.2. Módszertan Az egészségi állapotot kifejező mutatók és a munkaerő-piaci, gazdasági értéktermelési és elmaradottsági indikátorok kapcsolatát a lineáris korrelációs (vagy Pearson-féle) együtthatóval jellemezzük.

(1) ahol az x az xi értékek, az ȳ az yi értékek átlagait jelöli. Az "r" értéke -1 és +1 között mozoghat. A korrelációs együttható abszolút értéke a kapcsolat szorosságát, előjele a kapcsolat irányát mutatja. Minél erősebb két változó között a kapcsolat, a korrelációs együttható abszolút érték annál közelebb esik 1-hez. Ha az r = 0, a vizsgált két változó kapcsolatát korrelálatlannak (de nem függetlennek) nevezzük [23]. A további alkalmazott módszertan a térbeliséghez, a spaciális interakciók kifejezéséhez kapcsolódik: a területi adatok feltáró módszerét (ESDA – Explanatory Spatial Data Analysis) használtuk. A fejlettségi-, valamint a vizsgálatba vont egészségváltozók térbeli függőségéről ad információt az egyváltozós globális autokorrelációs teszt. Az egyik leggyakrabban használt típusa a Moran-féle I. (2) ahol n a területegységek száma, yi és yj a vizsgálni kívánt változó értéke az egyes területegységekben, a ȳ a vizsgált mutató számtani átlaga, A a szomszédsági kapcsolatok száma, a δij együttható értéke pedig 1, ha i és j szomszédosak, egyébként pedig 0 [24]. Maximuma az 1-hez, míg minimuma a -1-hez közelít, az értékek függnek a szomszédsági mátrixtól és a területi egységek számától [25]. Az egy- és kétváltozós Local Moran I teszt segítségével az elemzésbe vont változók saját és egymás közötti területi összefüggéseit és a térbeli mintáit kívánjuk bemutatni. A Local Moran I képlete az alábbi. (3) ahol zi,t és zj,t a megfigyelési egységek standardizált értékei t időpontban. Az egyváltozós Local Moran esetében zi,t és zj,t ugyanarra az adatbázisra vonatkozik. A kétváltozós Local Moran esetében két adatbázis vagy két időpont alkalmazásáról van szó. Wij a területi súlymátrix ([26]). (Ez utóbbi vizsgálat hivatott az ok-okozati kapcsolatok térbeli relációiról információt szolgáltatni.) A lokális Moran népszerűsége mögött az a tény áll, hogy a térbeli (szomszédsági) kapcsolat dekomponálható négy szignifikáns kimenetre: magasmagas (HH), alacsony-alacsony (LL), magas-alacsony (HL) és alacsony-magas (LH) klasztereket különböztethetünk meg ([27]).

3. Eredmények Az egészségi állapotot és a társadalmi-gazdasági fejlettséget kifejező mutatók közötti összefüggések erősségüket tekintve széles skálán mozognak. (1. táblázat.) A kapcsolatok iránya a feltételezéseknek megfelelően alakul, a jobb egészségi állapot kedvezőbb gazdasági teljesítménnyel, valamint munkaerő-piaci és szegénységi kondíciókkal társulnak. A legerősebb korrelációs kapcsolat a keringési halálozás és a termelékenységi ráta között fedezhető fel, igen szoros és ellentétes irányú kapcsolatot mutatva. 1. Táblázat. Az egészségi állapot és a társadalmi-gazdasági fejlettségi mutatók korrelációs kapcsolatai Csecsemőhalandóság

Várható élettartam (0)

Várható élettartam (35)

Keringés

Daganat

Életévveszteség

GDP/fő (EUR)

-0,787**

-0,694**

-0,754**

-0,605**

0,721**

0,710**

GDP/fő (PPP)

-0,628**

-0,545**

-0,624**

-0,537**

0,581**

0,564**

Termelékenység

-0,859**

-0,700**

-0,797**

-0,642**

0,798**

0,789**

Jövedelem/fő

-0,849**

-0,741**

-0,794**

-0,619**

0,789**

0,783**

Foglalkoztatás

-0,287**

-0,346**

-0,267**

-0,257**

0,192**

0,185**

Munkanélküliség

0,073

0,093

0,015

0,012

0,049

0,051

Fiatalok esélyei

0,288**

0,194**

0,211**

0,297**

-0,155**

-0,139**

Szegénység 0,252** 0,093 0,213** 0,331** -0,177** -0,160** Megjegyzés: A gazdasági értéktermelés mutatóit logaritmizált formában vittük be az elemzésbe. A ** 0,01 szintű szignifikanciát jelez.

A leggyengébb korreláció a munkanélküliség és a csecsemőhalandóság, valamint a potenciális életév-veszteség között jellemző, ezen változók között nincs értékelhető együttmozgás. Megjegyzendő, hogy a gazdasági értéktermeléshez kapcsolódó indikátorok esetén szorosabb (erős, vagy erős-közepes), és minden esetben szignifikáns korreláció tapasztalható. A munkaerő-piaci és a szegénységi indikátorok esetében jóval gyengébb a Pearson-féle együttható mértéke.

Megjegyzés:a permutációk száma: 999, 0,05 pseudo-p érték mellett.

1. ábra. A korai halandóság (keringési betegségek) és a termelékenység lokális térstruktúrai (70 legközelebbi szomszéd esetében)

Ezt követően a térbeli függőség tesztelésére a globális Moran I mutatót számoltuk ki a bevont mutató esetében. Az egyváltozós globális autokorrelációs teszt értékei - az öt legközelebbi szomszédon alapuló súlymátrix esetében - +0,532 (a szegénységben és társadalmi kirekesztettségben élők aránya) és +0,832 (35 éves korban várható élettartam) között szóródik, vagyis a regionalizálódás mértéke összességében jelentősnek mondható. A nagyobb mértékű szomszédság esetében a lokális Moran I teszt alapján kirajzolódik a "hagyományos" kelet-nyugat megosztottság mind az egészségi állapot, mind a gazdasági fejlettség tekintetében. (1. ábra.) A két változó térbeli mintái többé-kevésbé megegyeznek, a gazdaságilag jobban teljesítő térségek egészségesebbek, és vica versa. Elemzésünk következő lépésében a két tényezőcsoport együttes - a társadalmi szelekciós hipotézisnek megfelelő ok-okozati - térbeli konfigurációit ismertetjük a Local Moran I teszt alkalmazásával. (2. ábra.) Az egészségegyenlőtlenségi irányzatnak megfelelően az x (független) változó minden esetben az egészségi állapotot kifejező mutató, míg a térben késleltetett y (függő változó) a gazdasági fejlettség valamely indikátora. A kétváltozós Moran I statisztika a magyarázó változó és az eredményváltozó szomszédjainak átlaga közötti regressziós egyenes meredekségét fejezi ki. (Lásd az ábra alatti megjegyzésben.) A legmagasabb Moran I értékhez kapcsolódó lokális mintázatokat közöljük.

15

Megjegyzés: a bal oldalon a keringési mortalitás - termelékenység (Moran I = 0,765), a jobb oldalon a születéskor várható élettartam - egy főre jutó háztartási jövedelem (Moran I = 0,595) kétváltozós térbeli mintái láthatók. A permutációk száma: 999, 0,05 pseudo-p érték mellett.

2. ábra. Az egészségváltozók és a gazdasági fejlettség közös térbeli konfigurációi Mindkét ábra világosan kifejezi a két jelenség jelentős térbeli egyezőségét, klasztereződését. Figyelemreméltó a kelet-közép-európai térség együttes elmaradottsága mind a keringési mortalitás - termelékenység, mind a születéskor várható élettartam - jövedelem relációjában. A magas-magas terek előbbi esetben Norvégia és Svédország egészében, Londonban és tágabb hinterlandjában, ill. az Ile-de-France-szal szomszédos terekben, Flandriában, Hollandia déli részén, valamint az EU nyugati felén sporadikusan lelhetők fel. A várható élettartam - jövedelem egyezősége, a HH klaszterek többségében az ún. Pentagon térségben találhatók, a sarokpontok egyértelműen beazonosíthatók (London-PárizsMünchen-Milánó-Hamburg). E térségen belül egy markáns egybefüggő tér is kirajzolódik, amely valamelyest a Kék banán [28] fejlett övezet déli és középső részét fedi le. A banán Délkelet-Angliától a Benelux államokon, a Rajna-völgyén és Svájcon keresztül ÉszakOlaszországig nyúlik. Kiemelendő a görög régiók összessége, amelyek együttesen magasalacsony kategóriát képviselnek. Vagyis az előnyös egészségi állapot nem jár feltétlenül együtt kedvező térbeli gazdasági helyzettel. Más módszertannal ugyan, de részben 15

A keringési halálozás esetében a térbeli egyezőség megfelelő vizuális reprezentáció érdekében fordított formulát alkalmazunk. (Normalizálás elvégzése után kivontuk egyből az adott területi egység értékét)

kimutatásra kerültek ezen ellentétes irányú eredmények [29]. A görög régiók esetében vélhetően országspecifikus tényezők (pl. a mediterrán étrend) "zavarják" az összefüggéseket [29]16, amelyet természetszerűleg ezen vizsgálati módszer nem képes kezelni. Akár nagyobb vagy kisebb rangú szomszédsági relációkat, ill. egy- vagy kétváltozós területi autokorrelációs módszereket (1. ábra, 2. ábra) alkalmazunk, jellegzetes területi egyenlőtlenségeket figyelhetünk meg. Mindez arra utal, hogy a térbeliségnek (szomszédságnak) komoly szerepe van az egészségegyenlőtlenségek társadalmi-gazdasági jellegű regionális differenciálódásában. Ennek függvényében érdemes a globális és a lokális statisztikákat közösen is értékelni. Míg a korrelációs koefficiensek az egészségi állapot és a gazdasági fejlettség közötti igen szoros (általános) összefüggéseket mutatják, addig a Local Moran I tesztek a szignifikáns területi azonosságokra és különbségekre mutatnak rá.

4. Összefoglalás Tanulmányunkban a regionális léptékű egészségegyenlőtlenségeket vettük górcső alá a Norvégiával kiegészített Európai Unióban. Elsőként ismertettük a főbb egészségváltozók és a társadalmi-gazdasági indikátorok korrelációs összefüggéseit, amelyek rámutattak a két jelenség egymást erősítő kapcsolataira. Dolgozatunk második felében egyrészt az egészségi állapot és a társadalmi-gazdasági fejlettség spaciális jellegzetességeit vizsgáltuk különkülön, kimutatva azt, hogy az egészségesebb régiók általában kedvezőbb gazdasági teljesítménnyel bírnak és vica versa. Másrészt a regionális szinten értelmezett társadalmi szelekciós elmélet ok-okozati összefüggéseinek térbeli vonatkozásait ismertettük. Utóbbi (kétváltozós autokorrelációs) vizsgálat rámutatott az aggregált egészség és a gazdasági fejlettség közös lokális kapcsolataira, amelyek egyfajta vizuális kiegészítését adják a globális statisztikának (korrelációelemzésnek). Véleményünk szerint igazolást nyert a földrajz első törvénye, miszerint „minden mindennel összefügg, de a közelebbi dolgok erősebben hatnak egymásra” [30]. Ezen összefüggés nemcsak egy-egy mutató esetében, hanem kettő (egészségi állapot-gazdasági fejlettség) térbeli relációjában is megállja a helyét. Végül, de nem utolsósorban megjegyezzük, hogy dolgozatunk csupán a megfigyelt jelenség térbeli összefüggéseire kívánt rámutatni. Teljes körű, korrekt válasz kiegészített módszertan (pl. regresszióelemzés, ill. Markov-lánc módszer) segítségével adható.

Köszönetnyilvánítás AZ EMBERI ERŐFORRÁSOK MINISZTÉRIUMA ÚNKP-16-4 KÓDSZÁMÚ ÚJ NEMZETI KIVÁLÓSÁG PROGRAMJÁNAK TÁMOGATÁSÁVAL KÉSZÜLT. Irodalomjegyzék [1]

[2]

[3]

[4] [5]

RICHARDSON, E. A.. - PEARCE, J. - MITCHELL, R. - SHORTT, K. N. - TUNSTALL, H. (2013): Have regional inequalities in life expectancy widened within the European Union between 1991 and 2008? European Journal of Public Health 24 (3): 357–363. MESLÉ, F. (2004): Mortality in Central and Eastern Europe: long-term trends and recent upturns Demographic research Special Collection 2. http://www.demographic-research.org/special/2/3/s2-3.pdf (letöltve: 2009. január) DARÓCZI, E. (2004): A várható élettartam Magyarországon európai összehasonlításban. In Daróczi, E. – Kovács, K. (eds.): Halálozási viszonyok az ezredfordulón: társadalmi és földrajzi választóvonalak pp. 41-74., KSH Népességtudományi Kutató Intézet, Budapest BONCZ, I. – SEBESTYÉN, A. (2006): Economy and mortality in Eastern and Western Europe between 1945 and 1990: the largest medical trial of history International Journal of Epidemiology (35) 3: 796-797. MARMOT, M. (2013): Health inequalities in the EU — Final report of a consortium. European Commission Directorate-General for Health and Consumers.

16 Mackenbach és Looman (1994) "zavaró" faktorként definiálják az országspecfikus tényezőket amikor az Európai Közösség régiói közötti egészség-egyenlőtlenségeket vizsgálják. [29] Jelen esetben a magas várható élettartam esetében a mediterrán étrend egészségvédő hatása figyelhető meg, amelyhez (európai viszonylatban) alacsony jövedelmi szint párosul szignifikáns módon.

[6]

[7] [8] [9] [10]

[11] [12] [13] [14] [15] [16] [17]

[18] [19] [20] [21]

[22]

[23] [24] [25]

[26] [27] [28] [29] [30]

CSDH (2008): Closing the gap in a generation: health equity through action on the social determinants of health Final Report of the Commission on Social Determinants of Health World Health Organization, Geneva. PRESTON, S. H. (1975): The changing relation between mortality and level of economic development Reprinted International Journal of Epidemiology 2007 36 (3): 484–490. DEPARTMENT OF HEALTH AND HUMAN SERVICES (DHHS) (1980): Inequalities in health: report of a research working group (The Black Report) HMSO, London. MACKENBACH, J. (2012): The persistence of health inequalities in modern welfare states: The explanation of a paradox Social Science & Medicine 75: 761-769. VANICSEK M. - AKAR L. - ADLER J. - BOROS J. - BORBÉLY SZ. - BARTA J. - FEKETE GYŐR L. POGÁNY CS. - RIGLER A. - TOMPA T. (2003): Az egészségügy makrogazdasági összefüggésrendszere GKI Gazdaságkutató Rt., Budapest. WHO (2002): Health, Economic Growth, and Poverty Reduction The Report of Working Group 1 of the Commission on Macroeconomics and Health WHO, Geneva. BOSSUYT, N. – VAN OYEN, H. (2003): Health Expectancy by socio-economic status in Belgium Scientific Institute of Public Health Unit of Epidemiology, Brussels. GUSTMAN, A. L.–STEINMEYER, T. L. (2004): A Disaggregated, Structural Analysis of Retirement by Race, Difficulty of Work and Health The Review of Economics and Statistics 68 (3): 509–513. SCHULTZ, P. (2002): Wage gains associated with height as a form of health human capital Economic Growth Center, Yale Economic Growth Center Discussion Paper No 841.Yale University, New Haven, CT. STRAUSS, J.–THOMAS, D. (1998): Health, nutrition and economic development Journal of Economic Literature 36 (2): 766–817. NEMES NAGY, J. (1998): A tér a társadalomkutatásban Hilscher Rezső Szociálpolitikai Egyesület, Budapest. TOMPA, E. (2002): The Impact of Health on Productivity: Empirical Evidence and Policy Implications In: SHARPE, A.–ST-HILAIRE, F.–BANTING, K. G. (eds.): The Review of Economic Performance and Social Progress, 2002: Towards a Social Understanding of Productivity pp. 181-202., Institute for Research on Public Policy, Canada. BARRO, R. J. (2013): Health and Economic Growth Annals of Economics and Finance 14 (2): 305–342. WORLD ECONOMIC FORUM - HARVARD SCHOOL OF PUBLIC HEALTH (2011): The Global Economic Burden of Non-communicable Diseases World Economic Forum, Geneva. EGRI, Z. (2016): Európai halandósági krízis a múltban és napjainkban. Kézirat. EUROPEAN COMMISSION (2007): Together for Health Health Programme 2008-2013. Health & Consumer Protection Directoriate-General. Available: http://ec.europa.eu/health/ph_programme/documents/prog_booklet_en.pdf [Megtekintés: 25-09-2015]. COMMUNICATION FROM THE COMMISSION TO THE EUROPEAN PARLIAMENT, THE COUNCIL, THE EUROPEAN ECONOMIC AND SOCIAL COMMITTEE AND THE COMMITTEE OF THE REGIONS (2009): Solidarity in health: Reducing health inequalities in the EU. Brussels, 20.10.2009. Available: http://ec.europa.eu/health/ph_determinants/socio_economics/documents/com2009_en.pdf [Megtekintés: 2509-2015]. SAJTOS, L. - MITEV, A. (2007): SPSS kutatási és adatelemzési kézikönyv Alinea Kiadó, Budapest. TÓTH, G. (2014): Térinformatika a gyakorlatban közgazdászoknak Miskolci Egyetem, Miskolc. DUSEK, T. (2004): A területi elemzések alapjai ELTE TTK Regionális Földrajzi Tanszék Regionális Tudományi Tanulmányok 10., Budapest. Available: http://rs1.szif.hu/~dusekt/dusektamasateruletielemzesekalapjai.htm [Megtekintés: 15-12-2012] ANSELIN, L. (1995): Local Indicators of Spatial Association - LISA Geographical Analysis 27 (2): 93 - 115. BÁLINT, L. (2010): A területi halandósági különbségek Magyarországon 1980-2006 KSH Népességtudományi Kutató Intézet, Budapest. BRUNET, R. (2002): Lignes de force de l’espace Européen. – Mappe Monde 66. pp. 14-19. http://www.mgm.fr MACKENBACH, J. – LOOMAN. C.W.N. (1994): Living standards and mortality in the European Community Journal of Epidemiology and Community Health, 48 (2): 140-145. TOBLER, W. (1970): A computer movie simulating urban growth in the Detroit region. Journal of Economic Geography, 46: 234–240.

Megjelenés: Gradus elektronikus folyóirat. ISSN: 2064-8014. (A tanulmány a lektorálás és a vélemények alapján korrekció utáni állapotot tükrözi, befogadó nyilatkozattal rendelkezik. A megjelenés várható időpontja: 2017. első negyedévében.)

AZ EURÓPAI GAZDASÁG REGIONÁLIS EGYENLŐTLENSÉGEI AZ EGÉSZSÉGI ÁLLAPOT TÜKRÉBEN Dr. EGRI Zoltán 1

Szent István Egyetem Gazdasági, Agrár- és Egészségtudományi Kar Tessedik Campus, 5540 Szarvas Szabadság u. 1-3., e-mail: [email protected]

Bevezetés Az egészség és a társadalmi-gazdasági fejlettség kapcsolatával, azok egyenlőtlenségével foglalkozó szakirodalom alapján a két jelenség közötti összefüggés kétirányú, azokra kettős ok-okozati, egymást erősítő kapcsolat jellemző. A társadalmi-gazdasági státus és környezet determinálja az egyén, valamint a társadalom egészségi állapotát, ugyanakkor az egészség is befolyásolja a szocioökonómiai státust, a makroszintű gazdasági és társadalmi folyamatokat (WHO 2001, Vanicsek et al 2003, Bloom-Canning 2005). Dolgozatunkban az utóbbi irányzat - eddig inkább mellőzöttnek tekinthető - regionális szintű vizsgálatát célozzuk meg. Elsőként ismertetjük a téma főbb szakirodalmi eredményeit, majd ezekre alapozva térbeli regressziók alkalmazásával bemutatjuk az egészségi állapot gazdaság fejlettségére vonatkozó hatásának vizsgálati eredményeit az európai regionális tér esetében. Irodalmi áttekintés Az egészségi állapot társadalmi-gazdasági egyenlőtlenségeinek magyarázatára számos elmélet és modell született (Preston 1975, DHHS 1980, Mackenbach 2012). Jelen témájú és irányú tanulmányunk esetében a társadalmi szelekciós hipotézis tekinthető relevánsnak (Claussen-Naess 2002, Mackenbach 2012). Eszerint nem az egyén szocio-ökonómiai státusza hat az egészségi állapotra, hanem fordított oksági kapcsolat figyelhető meg. Vagyis az egyén nem azért kevésbé egészséges, mert alacsonyabb társadalmi-gazdasági státusszal bír, hanem egészségi állapota determinálja az alacsonyabb vagy magasabb társadalmi pozíciót. Az elmélet szerint a társadalmi mobilitásra is az egészségi állapot ad lehetőséget. Az egyén egészségi kondíciója nemcsak saját társadalmi státuszára, hanem a gazdaság egészére, annak növekedésére is hat, számos csatornán keresztül (Strauss-Thomas 1998, Suhrcke et al. 2005, Vanicsek et al. 2003). A jobb egészségi állapot egyrészt közvetlenül a munkaerő-piac kínálati oldalát befolyásolja: az egyén részvétele, (esetleges) idő előtti nyugdíjazása és a beteg egyént ápoló családtag helyzetének változása révén. Az egészségesebb egyén termelékenysége, bére, jövedelme is magasabb lesz. Az oktatás révén közvetve hat a jobb egészségi állapot. Azon gyermekek, akik többször betegebbek vagy táplálkozási hiánybetegségekben szenvednek, hiányzásuk megnő, ezzel együtt a lemorzsolódás esélye is reálissá válik. Egészségesebb társaik képzettebbek és produktívabbak lesznek, ezzel együtt a kognitív, mentális és fizikai funkcióik is javulnak. Az egészségesebb egyén jövedelme nemcsak magasabb, annak elosztására (fogyasztás, megtakarítás, beruházás) is hatással van az egészségi állapot, nagyobb megtakarítási hajlandóságot eredményezve. Az egészségi állapot javulása a generációk közötti spillover hatással is bír (OECDWHO 2003), vagyis hosszabb távon a csökkenő termékenység irányába hat. Az egészségi állapot fenti, a gazdasági növekedésre vonatkozó közvetlen és közvetett hatásai, összefüggései makro- és területi szinten is megerősítésre kerültek (Barro 2013, Bloom-Canning 2000, Bloom-Canning 2005, Bloom et al. 2001, Vanicsek et al. 2003, Kollányi-Imecs 2007, Nordhaus 2002, OECD-WHO 2003, Noronha et al. 2010). A szerzők rámutatnak, hogy az aggregált egészségi állapot a fentieken túl a hazai és a külföldi befektetések mértékére, az üzleti életre, a népesség korstruktúrájára és termékenységére, az infrastrukturális beruházásokra, a versenyképességre, valamint a szegénységre is közvetetten hatással van. A téma általános empirikus megközelítése Bloom és Canning (2005) szerint a feltételes konvergencia-vizsgálat, ahol az egy főre jutó (makro-)jövedelem növekedésének becslése történik meg, a kezdeti időpontra vonatkozó egészségi állapottal (születéskor várható élettartam, halandósági ráták), a jövedelmi szint és egyéb más faktorok kontrollja mellett. Utóbbiak lehetnek pl. politikai változók (intézményi sajátosságok, demokrácia állapota, infláció, kormányzati kiadások, cserearány, jogrend, stb.), képzettségi arányok, népességnövekedés, technológiai haladás, termékenység, földrajzi adottságok, a városiasság mértéke, stb. (Barro 1996, Barghava et al. 2001, Bloom et al. 2004, Bloom-Canning 2005). A különböző területi szintű vizsgálatok rámutatnak az egészség

általános pozitív hatására a gazdasági növekedés magyarázatában, makrogazdasági szinten akár egy- vagy több évszázad távlatában is (Fogel 1994, Arora 2001). Kutatási kérdések, felvetések Dolgozatunkban az eddig inkább mellőzöttnek tekinthető regionális szinten (Malmberg-Andersson 2006, Noronha et al. 2010) vizsgáljuk az egészségi állapot és a gazdasági fejlettség fenti megközelítésű összefüggéseit. Az alábbi kutatási kérdéseket fogalmaztuk meg. (1) Az aggregált egészségi állapot miként befolyásolja a gazdasági fejlettség területi egyenlőtlenségeit Európában? (2) Értelmezhető a társadalmi szelekciós hipotézis regionális megközelítésben? Mivel a társadalmi-gazdasági jellegű egészség-egyenlőtlenségek ezen irányú vizsgálataiban nem jelenik meg a térbeliség szerepének ismertetése, ezért az utolsó kérdés ezen témát járja körül. (3) A térbeliség miként járul hozzá az egészségi állapot és a gazdasági fejlettség relációjához? Anyag és módszer Kutatásunk keresztmetszeti alapmodellje a következőképpen néz ki: TEDi,t= Hi,t-x + HCi,t-x + ASi,t, t-x, ahol az egyenlet bal oldalán lévő TED (territorial economic development) változó a regionális gazdasági fejlettséget, a H (health) az egészségi állapotot, a HC (human capital) pedig a (-z egészség szempontjából is releváns) további humán erőforrás-dimenziókat jelzi. Az AS (active spatiality) az aktív térbeliséget mutatja. (Elérhetőség, szomszédsági hatások, méretgazdaságosság, stb.) Az i a megfigyelési egységet, míg a t és a t-x a megfigyelés időpontját jelenti. Egyelőre elvetettük a feltételes konvergencia modell alkalmazását, módszertani szempontból csak korlátosan kivitelezhető ezen vizsgálat. A TED mutató operacionalizálását a társadalmi szelekciós hipotézis, a területi (regionális) relevanciával bíró szakpolitikák, valamint a gazdasági fejlettség közös metszetében végezzük el. A vásárlóerő-paritáson (PPP) számolt egy főre jutó GDP kiemelt indikátornak tekinthető mind a regionális politika, mind a gazdasági versenyképesség tekintetében. A mutató ugyanakkor a társadalmi szelekciós hipotézis függvényében is értelmezhető, hiszen tartalmazza a jövedelmeket, összefüggésben van a fogyasztással, a beruházásokkal, a megtakarításokkal, valamint a fentebb ismertetett - az egészségi állapottal összefüggő - gazdasági folyamatokkal. Az egészségi állapot kifejezése során figyelembe vettük Tompa (2002), a WHO (2002) és Barro (2013) ajánlásait. Vagyis olyan indikátorokat alkalmazunk, amelyek rámutatnak a megbetegedésekre, az egészség-magatartásra, ill. az egyes betegségek szerepére is kitér. Ezen kívül kitételként fogalmaztuk meg, hogy alkalmazkodjon a vizsgált térség jellemzőihez is. Tanulmányunkban ezért a területi egészségi állapot kifejezésére a standardizált halálozási arányt választottuk (0–64 évre vonatkozó változat, főbb betegségi főcsoportonként), valamint a 0-70 potenciális élettartamból le nem élt évek adott népességcsoportra jutó számát. Ezen indikátorok megfelelően reprezentálják az európai szintű egészség-egyenlőtlenségek főbb jellegzetességeit (WHO 2013). Kontrollváltozókként - az egészségi állapot közvetlen hatását vizsgáló vizsgálatokhoz hasonlóan (Barro 1996, Blázquez-Fernández et al. 2014) - közös nevezőként a képzettséget és a termékenységet leíró mutatókat alkalmazzuk. A tudás dimenzióját és a humán tőke hatékonyságát (Pocas 2012) az Európai Szabadalmi Hivatalhoz bejelentett szabadalmak egymillió főre vetített aránya, a termékenységet a termékenységi arányszám és a korstruktúrára utaló fiatalkori függőségi ráta indikálja. Az aktív térbeliség kimutatása a spaciális regressziók paraméterei (a hibatagok vagy a függő változó térben késleltetett értékei) mellett a népsűrűség bevonásával valósul meg. A magyarázó jelenségeket leíró változókat időben késleltetett formájában alkalmazzuk - 2013-ra vonatkoznak, míg a GDP/fő 2014-re. Ennek oka az eredmény- és a magyarázó változók közötti szimultaneitás, ennek kiküszöbölése érdekében Noronha et al. (2010) effajta megoldását alkalmazzuk. A vizsgálatok mezoszintű területi egysége a NUTS2 régió, makro megközelítésben pedig a 28 tagú Európai Unió, Norvégiával kiegészülve. Az egészségügy az Európai Unióban nem tekinthető közös vagy közösségi politikának, de a szakpolitika szintjén megjelenik a nemzetek feletti szint, valamint az egészségegyenlőtlenségek csökkentésének igénye számos - az Európai Gazdasági Térséget is érintő - szakpolitikai dokumentumban és stratégiában előfordul (EC 2007, WHO 2013). A régiók besorolása a 2015-tól életbe lépő NUTS2013 módosítás

alapján történt. A vizsgálatból elhagytuk Franciaország tengerentúli megyéit, Portugália autonóm körzeteit (Azori szigetek, Madeira), ill. Spanyolország autonóm városait (Ceuta, Melilla), valamint a Kanári-szigeteket. A gazdasági fejlettség jelenlegi, az egészségi állapot, a képzettség és az egyéb változók összefüggéseinek kimutatására a területi jegyeket tükröző (térbeli késleltetés, térbeli hiba) maximum likelihood regressziós modelleket alkalmaztuk (Anselin 2005, Bálint 2010, Varga 2002). A térbeli késleltetés regressziós modelljének képlete Bálint (2010) szerint az alábbi formában írható fel. y=Xβ+ρWy+ε, ahol y a fejlettség eredményváltozóinak értékeit jelzi, a W a térbeli súlymátrixot, X a magyarázóváltozók mátrixa (az egészség, a termelékenység, a tudás és az aktív térbeliség), ρ a térbeli autoregressziós együttható, β a magyarázóváltozók paramétervektora, az ε egymástól független azonos valószínűség-eloszlású hibatagok vektora. Bálint (2010) alapján a térbeli hiba modelljét az alábbi módon fejezhetjük ki: y=Xβ+ε,ε=λWε+u, ahol y az eredményváltozók (GDP) értékeinek vektora, X a magyarázóváltozók vektora, β a fentebb ismertetett magyarázóváltozók paramétervektora, u az autoregresszív hibatagok vektora, W a súlymátrix, λ (lambda) az autoregresszív hibatagok térben késleltetett értékeinek paramétere. A térbeli hiba modell általánosított momentumok módszerével (GMM) történő becslését Kelejian és Prucha (1998) közli. A metódus két lépésből áll, elsőként az ún. Spatially Weighted Least Square (egyfajta térbeli Cochrane-Orcutt eljárás) segítségével becsli meg a modell regressziós tagjait, azért, hogy konzisztens (de nem túl hatásos) λ autoregresszív paramétert érjen el. A második lépésben határozható meg csak a hatásos λ paraméter. A térbeli heteroszkedaszticitás és autokorreláció jelenléte esetén a kovariancia mátrix robusztus becslése alkalmazandó (Kelejian-Prucha 2010). Az aszimptoticitás és a térbeli függőség ellenőrzésére a Wald (W), a Likelihood ratio (LR) és a Lagrange multiplikátor (LM) tesztek használatosak, ezek sorrendisége Anselin (2005) szerint a következők szerint kell, hogy alakuljanak: W > LR > LM. E sorrend nem teljesülése esetén specifikációs hibák léphetnek fel: a hibatagok nem követnek normális eloszlást, a változók között nem lineáris kapcsolatok jellemzők, kevés és nem megfelelő a bevont regresszor változók köre, ill. a térbeli súlymátrix nem megfelelő. A heteroszkedaszticitás vizsgálatára a Breusch-Pagan tesztet alkalmaztuk. A multikollinearitást az MCN mutatóval mértük. A modellek eredményességéről a pszeudo R2, az Akaike kritérium (AIC), a Log likelihood és a Schwarz-féle bayes-i információs kritérium ad tájékoztatást. (Lásd Anselin 2005, Bálint 2010.) Eredmények és értékelésük A főbb eredményeket az 1. táblázat mutatja be. Eszerint a bevont változók segítségével sikeresen megragadtuk a társadalmi szelekciós hipotézis jelenségét regionális megközelítésben. Kijelenthetjük, hogy az egészség (korai halálozás) markáns szereplő a területi gazdasági különbségek magyarázatában (erre utal a zárójelben szereplő zscore érték), emellett a tudás, a termékenységre utaló fiatalkori függőség és a térbeliség is szignifikánsan szerepel az egyes egyenletekben. Vagyis ahol magas a fajlagos gazdasági teljesítmény, azon régiókban kisebb a fiatal népesség aránya, átlag feletti az egészségi állapot, a humán tőke hatékonysága és a népsűrűség is nagyobb. A térbeliség a hibatagok térben késleltetett értékein keresztül is kifejezésre került, a λ paraméter megbízhatóan viselkedik minden regresszióban. Egyedüli kivételként a potenciálisan elvesztett életévek mutatóját tartalmazó modellben nem tekinthető szignifikánsnak a fiatalkori függőség. Ez feltételezhetően azt jelzi, hogy a halálozás korstruktúra megbízható összefüggése inkább a "koraibb" mortalitás (65. életévig) esetén igazolható.

1. táblázat. Az egy főre jutó GDP térbeli regressziós modelljei

Keringés

Daganat

térbeli fix hatás Pseudo R-squared (HET)

Összes halálozás 10,108*** (56,826) -0,002*** (-5,548) -0,011* (-1,731) 0,001*** (5,821) 0,264*** (6,072) 0,555*** (9,917) igen 0,578

9,995*** (61,566) -0,005*** (-5,739) -0,013** (-2,168) 0,001*** (6,380) 0,245*** (5,596) 0,479*** (7,141) igen 0,608

10,220*** (51,965) -0,008*** (-6,206) -0,012* (-1,797) 0,001*** (5,828) 0,294*** (6,796) 0,615*** (12,068) igen 0,542

Potenciálisan elvesztett életévek 10,143*** (57,910) -0,0001*** (-6,060) -0,009 (-1,550) 0,001*** (5,782) 0,253*** (5,930) 0,545*** (9,490) igen 0,592

R-squared (SEM) Log likelihood Akaike info criterion Schwarz criterion Breusch-Pagan test Wald-test Likelihood Ratio Test Lagrange Multiplier (error) Lagrange Multiplier (lag)

0,695 26,14 -40,28 -18,62 71,26*** 110,25 49,99*** 40,14*** 4,71**

0,684 24,64 -37,28 -15,63 72,26*** 64,63 32,00*** 24,34*** 2,503

0,698 24,58 -37,16 -15,51 73,36*** 143,80 65,54*** 56,17*** 5,23*

0,703 29,47 -46,93 -25,28 74,63*** 103,64 47,88*** 37,76*** 4,57*

konstans egészség fiatalkori függőség tudás népsűrűség lambda

Megjegyzés: *** szignifikáns 0,01 szinten, ** szignifikáns 0,05 szinten, * szignifikáns 0,10 szinten. A térbeli súlymátrix a királynő-szomszédságon alapul. Zárójelben a z-score értékek láthatók. A térbeli regressziós modellek függő változójának természetes alapú logaritmusát vettük, így vontuk be az elemzésbe. Az egészség megnevezés az adott modellben szereplő haláloki mutatót jelzi. A térbeli fix hatás az országspecifikus hatást jelenti. A táblázat felső része a Spatially weighted least squares HET modellek eredményeit mutatja, míg az alsó a térbeli hiba (spatial error) modellekét. Forrás: saját számítás, szerkesztés (2016) Table 1. Spatial regression models of GDP per capita Összes halálozás - Total mortality, Keringés - Cardiovascular diseases, Daganat - Neoplasms, Potenciálisan elvesztett életévek - Potential life years lost

Az alkalmazandó térbeli hiba regressziós modellek eredményei szerint a hibatagok nem tekinthetők konstansnak, emiatt - ezt kezelendően - az általános momentumok módszerével (GMM) becsültük meg a regressziós paramétereket, a Kelejian-Prucha által javasolt KP-HET módszerrel. A modellek jósága megfelelőnek tekinthető, a pszeudo R2 54,2-60,8 százalék között szóródik. Következtetések Regressziós vizsgálataink szerint a vizsgált európai térségre adaptált, az egészségi állapotot kifejező mutatók a szakirodalmi előzményeknek megfelelően befolyásolják a gazdasági egyenlőtlenségeket. Vagyis azon térségekben ahol egészségesebb a társadalom (többnyire elkerülhető az idő előtti halálozás), ott a gazdasági teljesítmények is kedvezőbbek. A társadalmi szelekciós hipotézis regionális megközelítésére vonatkozó kérdésünk részben megválaszolásra került. Ugyanakkor a teljes értékű választ a két megfigyelt jelenség dinamikus megközelítése adhat, mégpedig a regionális szintű "társadalmi" mobilitás követése. Erre alkalmas a Markov-lánc modell, amely átmenet-mátrixai segítségével összevethetők az egészségi állapot és a gazdasági fejlettség terén megfigyelt időszaki mozgások és változások. A térbeliség aktív és szignifikáns szerepe bizonyításra lelt a regressziós modellek által. Ugyanakkor megjegyzendő, hogy csupán a térbeli hiba

segítségével tudtuk megragadni a jelenséget, ez általában becslési hibákra mutat rá (pl. kihagyott változó(-k), mérési hibák, Bálint 2010). Összefoglalás Tanulmányunkban a társadalmi szelekciós hipotézisre alapozva Európa regionális szintű egészségegyenlőtlenségeit vizsgálatuk meg. Kutatási kérdéseink az egészségi állapot gazdasági fejlettségre való hatásának vizsgálatára, a társadalmi szelekciós hipotézis regionális értelmezhetőségére, ill. a térbeliség szerepére vonatkoztak. A térbeli regressziós modellek alapján megerősíthetjük, hogy az aggregált egészségi állapot - kontrollváltozók beiktatása mellett - markáns determinánsa, alakítója a regionális gazdasági fejlettségnek (GDP/fő) a vizsgált európai térségben. Így a társadalmi szelekciós hipotézis regionális értelmezhetősége is részben megerősítésre került, viszont a kérdésre a vizsgált jelenségek dinamikus elemzése (pl. Markov-lánc módszerrel) után adható korrekt válasz. A térbeli függőség is beigazolódott, vagyis a szomszédság aktív szereplőként járul hozzá az egészségi állapot és a gazdasági fejlettség fenti, a társadalmi szelekciós hipotézisen alapuló kapcsolatához. Kulcsszavak: társadalmi szelekciós hipotézis, régió, egészség-egyenlőtlenség, EU Köszönetnyilvánítás AZ EMBERI ERŐFORRÁSOK MINISZTÉRIUMA ÚNKP-16-4 KIVÁLÓSÁG PROGRAMJÁNAK TÁMOGATÁSÁVAL KÉSZÜLT.

KÓDSZÁMÚ

ÚJ

NEMZETI

Irodalom Anselin, L.: 2005. Exploring Spatial Data with GeoDaTM: A Workbook. Center for Spatially Integrated Social Science, Spatial Analysis Laboratory Department of Geography University of Illinois. http://www.csiss.org/clearinghouse/GeoDa/geodaworkbook.pdf (letöltve: 2015. június) Arora, S.: 2001. Health, human productivity, and long-term economic grow Journal of Economic History 61 (3): 699-749. Bálint, L.: 2010). A területi halandósági különbségek Magyarországon 1980-2006 KSH Népességtudományi Kutató Intézet, Budapest. Barro, R.J.: 1996). Health and Economic Growth. Harvard University. Barro, R.J.: 2013. Health and Economic Growth Annals of Economics and Finance 14 (2): 305-342. Bhargava, A. - Jamison, D. T. - Lau, L. - Murray, C.: 2001. Modelling the effects of health on economic growth Journal of Health Economics (20) 3:423–440. Blázquez-Fernández, C. - Cantarero-Prieto, D. - Perez-Gonzalez, P. - Llorca-Díaz, J.: 2014. Does health enhance economic growth? An empirical evidence for the spanish regions Encuentro de Economia Publica, 1-21. Bloom, D.E. - Canning, D. - Sevilla, J.: 2001. The effect of health on economic growth: Theory and evidence, NBER Working Paper No. 8587, National Bureau of Economic Research, Cambridge. Bloom, D.E. - Canning, D. - Sevilla, J.: 2004. The Effect of Health on Economic Growth:A Production Function Approach World Development 32 (1): 1-13. Bloom, D.E. - Canning, D.: 2000. The Health and Wealth of Nations Science New Series 287: 1207-1209. Bloom, D.E. - Canning, D.: 2005. Health and Economic Growth: Reconciling the Micro and Macro Evidence Center on Democracy, Development, and The Rule of Law Stanford Institute on International Studies Working papers No. 42. http://cddrl.fsi.stanford.edu/sites/default/files/BloomCanning_42.pdf (letöltve: 2010. december) Claussen, B. - Næss, Ø.: 2002. The selection hypothesis of social inequalities in health: The Oslo Mortality Study Norsk Epidemiologi 2002 12 (1): 43-46. Department Of Health And Human Services (DHHS): 1980. Inequalities in health: report of a research working group (The Black Report) HMSO, London. European Commission (2007): White Paper Together for Health: A Strategic Approach for the EU 2008-2013 http://ec.europa.eu/health/ph_overview/Documents/strategy_wp_en.pdf (letöltve: 2015.10.22.) Fogel, R.W.: 1994. Economic growth, population theory, and physiology: the bearing of long-term process on the making of economic policy The American Economic Review 84 (3): 369–395. Kelejian, H.H. - Prucha, I.R.: 1998. A generalized spatial two-stage least squares procedures for estimating a spatial autoregressive model with autoregressive disturbances Journal of Real Estate Finance and Economics 17 (1): 99-121. Kelejian, H.H. - Prucha, I.R.: 2010. Specification and estimation of spatial autoregressive models with autoregressive and heteroskedastic disturbances Journal of Econometrics 157 (1): 53-67. Kollányi Zs. - Imecs, O.: 2007. Az egészség – befektetés Az egészségi állapot hatása a gazdasági teljesítőképességre és az életminőségre Demos Magyarország Alapítvány, Budapest.

Mackenbach, J.: 2012. The persistence of health inequalities in modern welfare states: The explanation of a paradox Social Science & Medicine 75: 761-769. Malmberg, B. - Andersson, E.: 2006. Health as a factor in regional economic development Arbetsrapport/Institutet för Framtidsstudier 2006/4. https://ideas.repec.org/p/hhs/ifswps/2006_004.html (letöltve: 2015. január) Nordhaus, W.D.: 2002. The Health of Nations: The Contribution of Improved Health to Living Standards NBER Working Paper No. 8818., National Bureau of Economic Research, Cambridge. http://www.nber.org/papers/w8818.pdf (letöltve: 2015. január) Noronha, K. - Figueiredo L. - Andrade, M.V.: 2010. Health and economic growth among the states of Brazil from 1991 to 2000 Revista Brasileira de Estudos de População 27 (2): 269-283. OECD-WHO: 2003. DAC Guidelines and References Series: Poverty and Health OECD Publishing, Paris. http://www.who.int/tobacco/research/economics/publications/oecd_dac_pov_health.pdf (letöltve: 2014. január) Preston, S. H.: 1975. The changing relation between mortality and level of economic development Reprinted International Journal of Epidemiology 2007 36 (3): 484–490. Silva Alves Pocas, A.I.: 2012. The Interrelations between Health, Human Capital and Economic Growth Empirical Evidence from the OECD Countries and Portugal Universidade de Coimbra, Faculdade de Economia, Coimbra. Strauss, J. - Thomas, D.: 1998. Health, nutrition and economic development Journal of Economic Literature 36: 766–817. Suhrcke, M. - Mckee, M. - Sauto Arce, M. - Tsolova, S. - Mortensen, J.: 2005. The contribution of health to the economy in the European Union Office for Official Publications of the European Communities, Luxembourg. Tompa, E.: 2002. The Impact of Health on Productivity: Empirical Evidence and Policy Implications. In. Sharpe, A. - StHilaire, F. - Banting, K.G. (eds.): The Review of Economic Performance and Social Progress, 2002: Towards a Social Understanding of Productivity pp. 181-202., Institute for Research on Public Policy, Canada. Vanicsek M. - Akar L. - Adler J. - Boros J. - Borbély Sz. - Barta J. - Fekete Győr L. - Pogány Cs. - Rigler A. - Tompa T.: 2003. Az egészségügy makrogazdasági összefüggésrendszere GKI Gazdaságkutató Rt., Budapest. Varga, A.: 2002. Térökonometria Statisztikai Szemle 80 (4): 354-370. WHO: 2001. Macroeconomics and Health: Investing in Health for Economic development Report of Commission on Macroeconomics and Health WHO, Geneva. WHO: 2002. Health, Economic Growth, and Poverty Reduction The Report of Working Group 1 of the Commission on Macroeconomics and Health WHO, Geneva. WHO: 2013. Review of social determinants and the health divide in the WHO European Region: final report WHO Regional Office for Europe, Copenhagen.

Regional Inequalities of the European Economy by the Health Status Abstract According to literature discussing the link and inequalities between health and socio-economic development, there is a synergistic interrelationship between these two phenomena coupled with a double cause-and-effect mechanism. The socioeconomic status and environment determines the health state of both the individuals and the society as a whole while, in exchange, health influences the socio-economic status of individuals as well as the socio-economic processes at macro level. Focusing on the latter concept, this paper aims at describing, in view of national and international literature findings, the direct impact of health state – as an independent human resource input – on economic development. In brief it also describes the endogenous role and importance of health in growth theories and, in particular, the results regarding the regional characteristics of this topic. Finally, the paper gives an account of the regional contexts of European Union's economic development by presenting the properly operationalised indicators of health state which is considered as a highlighted input factor. In our view, these human resource features play a major role in the shaping of economic development of (NUTS2) regions. Keywords: social selection hypothesis, region, health inequality, EU

Megjelenés: In. Futó Z. (2016): Kihívások a modern mezőgazdaságban. Magyar Tudomány Napja konferencia kiadványa (ISBN 978963-269-594-5), 111-118.pp. SZIE-GAEK, Szarvas.