Resumen de Financial Viability of Households in the Long-Term Care System in Spain: Regional Evidence

Román Mínguez Salido, Raúl del Pozo Rubio, María Carmen García Centeno

• español

  Uno de los temas más analizados en las últimas décadas ha sido el catastrofismo financiero debido a los Pagos de Bolsillo (PDB) que realizan los hogares por el acceso y utilización de los sistemas de salud. En este trabajo se persiguen fundamentalmente dos objetivos. El primero, se centra en predecir la tasa de catastrofismo financiero y obtener la importancia de las variables para predecir la tasa de catastrofismo para un nivel de renta alto, medio o bajo de las diferentes Comunidades Autónomas. Para ello, se establecerá una comparativa entre dos algoritmos machine learning, uno basado en regresiones elastic-net para estimar modelos lineales generalizados; y, otro basado en algoritmos random forest, que permite captar las posibles no linealidades e interacciones que se pueden producir en los datos. Los resultados muestran que es más adecuado el random forest. A partir de estos resultados, el segundo objetivo, se centra en establecer un ordenamiento entre las diferentes Comunidades Autónomas según su nivel de renta para las diferentes categorías de las tasas de catastrofismo mediante la utilización de un modelo de decisión multicriterio discreto (método PROMETHEE).

• English

  One of the most extensively analysed issues in recent decades has been financial catastrophe due to out-of- pocket payments (OOP) made by households to access and use health systems. This paper has two main objectives. The first is to predict the rates of financial catastrophe and determine the importance of the chosen variables for predicting the rates of catastrophe for high, medium and low income levels in the different Spanish regions. To this end, a comparison will be made between two machine learning algorithms, one based on elastic-net regressions to estimate generalised linear models; and another based on random forest algorithms, which makes it possible to capture the possible non-linearities and interactions that may occur in the data. The results show that the random forest is more appropriate. Based on these results, the second objective is to establish a ranking of the different regions by income level for the different categories of financial catastrophic expenditure rates, using a discrete multi-criteria decision model (PROMETHEE method).