Con el objetivo de identificar cómo influye el género en la equidad de los resultados de salud, se ha planteado el uso de un modelo logit, en orden de establecer cómo incide el hecho de ser mujer o ser varón en la probabilidad de tener un buen estado de salud, así como en la probabilidad de utilizar servicios de salud. A continuación, se detalla el modelo y las variables utilizadas para las estimaciones.
En el campo de las ciencias sociales, existen ciertos fenómenos en los que se busca encontrar la probabilidad de ocurrencia de un evento condicionado a diversas variables. Dentro de este grupo se encuentran el enfoque tipo Logit, que forma parte de los modelos de elección cualitativa con respuesta binaria56 (Wooldridge, 2006). En este caso, la variable dependiente tiene dos posibles respuestas, por lo general codificadas como 1 cuando el evento efectivamente ocurrió y 0 para el caso contrario (no ocurrencia del evento).
56
Existen 4 estrategias econométricas para abordar modelos con este tipo de variables: 1. El Modelo de Probabilidad Lineal (MPL), 2. Modelo Logit, 3. Modelo Probit y 4. Modelo Tobit.
89
Así, en un modelo regresión logística se utiliza como variable de respuesta, una variable dicotómica (dummy, o binaria) donde la probabilidad de respuesta es una función de distribución acumulada de una variable normal tipificada. Por lo tanto, podría escribirse de la siguiente manera:
Donde hace referencia a las variables explicativas que intenta predecir el comportamiento de la variable dicotómica dependiente. Por su lado representa una función de distribución acumulada que toma estrictamente valores entre 0 < G(z)< 1 para cualquier número real , y se expresa de la siguiente manera:
Donde
Y representa la función de distribución logística acumulada.
Como se mencionó, la presente investigación considera 4 variables dependientes agrupadas en dos grandes esferas, que toman el valor de:
Percepción del estado de salud: Atención curativa de salud
1 = Buena salud 1 = Utilización de servicios curativos
0 = Ausencia de buena salud => Mala salud 0 = No utilización servicios curativos
Presencia de enfermedad Atención preventiva de salud
1 = Reporta enfermedad 1 = Utilización de servicios preventivos 0 = Ausencia de enfermedad => Sin
enfermedad 0 = No utilización servicios preventivo
En tanto, se considera como variables independientes a un conjunto de factores, que desde la teoría (Torres, 2001; Borrell, 2004; Roxburgh, 2009; Weller, 2009; Manisha y Sekhar, 2007) y la dispo i ilidad de i fo a ió , o st u e la di e sió de gé e o e este estudio. E t e éstas se
90 encuentran: el quintil de ingreso, la etnia, la edad, el nivel de instrucción, la situación de empleo, acceso a seguros de salud, estado civil y finalmente, el área y provincia de residencia.
De manera general, se puede escribir:
Donde corresponde al la probabilidad de ocurrencia de la variable dependiente. constituye un vector de las características sociodemográficas: grupo étnico, área (urbano-rural) y provincia de residencia. representa la esfera biológica con la variable edad, misma que se incluye en grupos etarios. Finalmente, hace referencia a las características socioeconómicas, entre las que se encuentran: estado civil, nivel de instrucción, quintil de ingresos y acceso a seguro de salud.
La investigación estima el modelo por separado para hombres y mujeres en orden de analizar cómo se comportan las variables explicativas según el género. No obstante, para determinar si el sexo, efectivamente, condiciona los resultados en salud, se introduce esta categoría como variable dependiente dentro de las regresiones, así como para brindar un primer contexto acerca de la situación de las demás variables explicativas. De igual forma, con la intención de observar las particularidades del género, como la situación de las mujeres que realizan labores domésticas, se introduce ésta variable como factor explicativo. Haciendo explícitas estas particularidades, que la investigación considera importante exponer, las variables dependientes son las mismas para ambas esferas: Estado de salud y Utiliza ió de los se vi ios de salud . Así, pa a la esfe a del Estado de Salud , se tie e ue:
La probabilidad de percibir un buen estado de salud está dada por: Las variables omitidas, base o de referencia son las siguientes:
Variable dummy de áreageográfica de residencia correspondiente al área urbana Variable dummy de grupo étnico correspondiente a población mestiza
Variable dummy de Provincia de residencia correspondiente a Pichincha Variable dummy de grupo de edad entre 18 a 29 años
91 Variable dummy de quintil de ingresos correspondiente al quintil de menor riqueza Variable dummy de seguro de salud correspondiente a ningún seguro de salud Bajo la misma línea, la probabilidad de reportar enfermedad se expresa de la misma forma:
Las variables de referencia son las mismas que en el caso anterior.
Po su lado, pa a la segu da esfe a, Utilización de los servicios de salud , se tie e ue:
La probabilidad de utilizar servicios de salud curativos, es decir si reporta enfermedad, se expresa así: Con las mismas categorías de referencia que es los casos anteriores.
Respecto, la probabilidad de utilización de los servicios de salud preventivos, es decir si no reporta enfermedad:
92 De igual forma, con las mismas categorías base que en los casos previos.
De otra parte, es importante resaltar que para el análisis de una variable binaria, no es posible i te p eta a β o o el a io e dado un incremento unitario en las variables dependientes ; debido a que es una variable dicotómica, sus cambios son discretos, es decir, de 0 a 1, ó de 1 a 0 (Wooldridge, 2006). Para solventar este obstáculo, la regresión logística permite trabajar con los denominados Odds atios , o cociente de razones, instrumento que permite que los coeficientes expresen la relación entre la probabilidad de ocurrencia de un evento y la probabilidad de no ocurrencia de ese evento, respecto a la categoría base elegida57. Se pueden presentar dos posibles situaciones (Wooldridge, 2006):
Si el cociente de razones asociado a una variable es superior a 1, la razón aumenta cuando se incrementa el valor de la variable58, por tanto, la variable tiene un efecto positivo sobre la probabilidad de ocurrencia del suceso.
Si el coeficiente mostrado es inferior a 1, la razón de ocurrencia del suceso disminuye cuando aumenta en una unidad la variable independiente en cuestión, mostrando un efecto negativo sobre la probabilidad de ocurrencia del evento.
Las variaciones en las razones son de primordial interés para el estudio de un Logit. No obstante, es importante resaltar que no se está tratando directamente sobre las probabilidades de ocurrencia del suceso estudiado, sino sobre cómo varían las razones de ocurrencia del suceso en función de las variables independientes (Vega, Bedregal, Jadue y Delgado, 2003; Mejía, Sánchez y Tamayo, 2007).
De hecho, ésta fue una las razones por la cual se escogió la metodología Logit, ya que cuando todas las variables independientes del modelo son discretas, se recomienda la utilización de los denominados Odds atios debido a que permiten una interpretación más clara de los coeficientes. Esto confirma que a pesar de que, si bien es cierto, este instrumento es menos intuitivo que una probabilidad, es una estrategia totalmente válida y de hecho varias investigaciones los utilizan como un símil del cambio en la probabilidad respecto a la categoría base de una determinada variable explicativa (Vega et al, 2003; Mejía, Sánchez y Tamayo, 2007).
Otra de las ventajas exclusivas de los modelos Logit hace referencia a su distribución, ya que ésta permite apreciar de mejor manera las observaciones que se encuentran en las denominadas colas; observaciones que en un modelo Probit, por ejemplo, son clasificadas como inusuales o con baja
57
Este mecanismo divide la probabilidad de que ocurra un evento por su complementario, dado el valor de una variable independiente, permaneciendo el resto constantes:
93 probabilidad. Esto es sumamente beneficioso en el caso de una muestra grande con gran parte de las observaciones concentradas en las colas de la distribución (Enchautegui, s.f.: 7-8).
Una vez presentada la estrategia econométrica a utilizar, en la siguiente sección se exponen los hallazgos del presente estudio.