MétaCan
Menu
Retour à la cohorte
Enregistrement W1542999848 · doi:10.5539/gjhs.v8n2p93

Health Care Expenditure and GDP in Oil Exporting Countries: Evidence From OPEC Data, 1995-2012

2015· article· en· W1542999848 sur OpenAlexvenueno aff
Ali Akbar Fazaeli, Hossein Ghaderi, Masoud ‎Salehi

Notice bibliographique

RevueGlobal Journal of Health Science · 2015
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Care Issues
Établissements canadiensnon disponible
Organismes subventionnairesIran University of Medical Sciences
Mots-clésCointegrationEconomicsUnit rootPanel dataHealth careGranger causalityDeveloping countryCausality (physics)Demographic economicsEconomic growthEconometrics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: There is a large body of literature examining income in relation to health expenditures. The share of expenditures in health sector from GDP in developed countries is often larger than in non-developed countries, suggesting that as the level of economic growth increases, health spending increase, too. OBJECTIVES: This paper estimates long-run relationships between health expenditures and GDP based on panel data of a sample of 12 countries of the Organization of the Petroleum Exporting Countries (OPEC), using data for the period 1995-2012. PATIENTS & METHODS: We use panel data unit root tests, cointegration analysis and ECM model to find long-run and short-run relation. This study examines whether health is a luxury or a necessity for OPEC countries within a unit root and cointegration framework. RESULTS: Panel data analysis indicates that health expenditures and GDP are co-integrated and have Engle and Granger causality. In addition, in oil countries that have oil export income, the share of government expenditures in the health sector is often greater than in private health expenditures similar developed countries. CONCLUSIONS: The findings verify that health care is not a luxury good and income has a robust relationship to health expenditures in OPEC countries.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,015
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,233
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0150,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,003
Science ouverte0,0020,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,161
Tête enseignante GPT0,516
Écart entre enseignants0,355 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations19
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal Journal of Health ScienceMême sujetGlobal Health Care IssuesTravaux en français237 207