jueves, 21 de marzo de 2013

Muriendo de corrupción: sanidad pública o sanidad privada

En este post volvemos a hablar de gráficos estadísticos, y concretamente de cómo un gráfico puede manipularse. Nos referimos concretamente a este gráfico extraído de la web www.eldiario.es.

En este gráfico se representa el Gasto Público y Privado en Sanidad (ambos en % del PIB), junto con la esperanza de vida, en un conjunto de países. Acompañando a dicho gráfico, se puede leer como comentario del mismo lo siguiente:

<<Creemos que es saludable echar un vistazo general a qué ocurre en otros países cuando la sanidad queda en manos públicas o privadas [...]  Los países que invierten ingentes cantidades de dinero privado en sanidad no tienen más esperanza de vida. Sin embargo, el dinero público sí que tiene un efecto positivo y notable. Cuanto más dinero público invertimos en sanidad, más años vivimos (todos)>> .

Es decir, el periodista, nos viene a decir que cuanto más gasto público en sanidad más vamos a vivir, y si aumenta el gasto privado entonces viviremos menos. Lo que más nos llamó la atención fue la clara falta de tendencia lineal de los datos correspondientes al Gasto Privado en Sanidad (en rojo). También el hecho de que cada recta viene con un título que incluye la palabra "Efecto de gasto... sobre esperanza de vida", o que además faltara el listado de países del estudio.

Como nos parecía algo "sospechoso", nos pusimos a indagar, y resultó que el gráfico de arriba está construido a partir de la superposición de los 2 siguientes, que  provienen de una publicación académica denominada Muriendo de Corrupción (Dying of Corruption) publicado por unos investigadores suecos en la revista Health Economics, Policy and Law.
Como dijimos anteriormente si superponemos ambos gráficos obtenemos el de arriba. ¿Qué problemas vemos?
  • El R cuadrado de ambas rectas de regresión (que mide la bondad de la regresión lineal, y que puede tomar valores entre 0 y 1), es pequeño (0.23 sobre 1, el 23%) en el caso de la "Figure 4", y bajísimo, por no decir casi irrisorio (0.01 sobre 1, el 1%) en el caso de la "Figure 5".  Destaca principalmente el segundo, el cual nos está indicando que la relación lineal entre las variables consideradas es inexistente.
  • Si se observan los países que forman la muestra, tenemos países tales como Botswana, Sierra Leona, India, Angola, Senegal, Burundi, Gambia o Madagascar, que difícilmente tienen un marco sanitario comparable al nuestro. 

Resumiendo, el periodista juzga tendenciosamente importando lo que ocurre con la esperanza de vida de otros países (poco afines al nuestro) y basándose en un análisis con importantes carencias (que como comprenderéis no  debería usarse para obtener conclusiones). Además, desde nuestro punto de vista no hay relación del gráfico con el debate sobre la privatización de la sanidad. En el artículo Dying of Corruption, por sanidad privada se entiende aquella que se presta a través de compañías de seguros y hospitales privados, fuera por tanto del sistema público. La discusión en España es sobre si la administraciones deberían subcontratar la gestión de los servicios médicos a empresas, en lugar de servirse de empleados públicos. Y esto, es algo muy distinto. 

11 comentarios:

  1. Solo un apunte, en el blog de piedras de papel del diario.es no escriben periodistas si no científicos.

    ResponderEliminar
  2. 1) Correlación no implica causación.
    2) No tiene sentido obtener dos rectas de regresión para variables correlacionadas. Lo esperable es que a más porcentaje de gasto público menos porcentaje de gasto privado. Lo normal sería incluir simultáneamente ambas variables en el modelo.
    3) Sin entrar al detalle, no parece que hayan incluido variables de control más o menos obvias como GDP. Quizá los países pobres, de baja esperanza de vida, invierten poco dinero público en sanidad y la clave es la pobreza, no el gasto.
    4) Una R2 de 0.23 es enorme. En un contexto tan multicausal como la esperanza de vida promedio de los países, encontrar una única variable con una correlación próxima a 0.5 es sorprendente. Los tamaños del efecto hay que valorarlos no en valor absoluto, sino en relación al campo en el que nos movemos.

    ResponderEliminar
    Respuestas
    1. No creo que un 0.23 sea enorme tan poco. por otro lado, es claro que el periodista o el autor del artículo se le escapó la crucial tarea de nombrar a los paises. además, no creo que sea conveniente realizar una regresión sobre todos los paises a la vez porque cada país tiene magnitudes y caracteristicas diferentes; de aquí que se podría tratar estos fenómenos con un panel data (como mínimo)

      Eliminar
  3. Cuando veo un gráfico como esos me echo a temblar.
    Vamos a ver: el PIB de Singapur (o Japón, valga el caso) debe ser algo así como x10 el de Sierra Leona, incluso en términos de paridad de poder adquisitivo, así que no tiene sentido correlacionar el gasto como % del PIB con la esperanza de vida. Con razón para un mismo nivel de gasto la esperanza de vida varía entre 30 y 70 años.
    Lo dicho: de tembleque.

    ResponderEliminar
  4. Iba a responderos largamente, pero simplemente os voy a pegar el abstract: http://dx.doi.org/10.1017/S174413311000023X
    “Abstract: In many poor countries, over 80% of the population have experienced corrupt practices in the health sector. In rich countries, corruption takes other forms such as overbilling. The causal link between low levels of the quality of government (QoG) and population health can be either direct or indirect. Using cross-sectional data from more than 120 countries, our findings are that more of a QoG variable is positively associated with higher levels of life expectancy, lower levels of mortality rates for children and mothers, higher levels of healthy life expectancies and higher levels of subjective health feelings. In contrast to the strong relationships between the QoG variables and the health indicators, the relationship between the health-spending measures and population health are rather weak most of the time and occasionally non existent. Moreover, for private health spending as well as for private share of total health spending, the relation to good health is close to zero or slightly negative. The policy recommendation coming out of our study to improve health levels around the world, in rich countries as well as in poor countries, is to improve the QoG and to finance health care with public, not private, money”.
    Conviene ir a las fuentes. Un saludo.

    ResponderEliminar
    Respuestas
    1. Lo que quería decir con el abstract, por si no ha quedado claro, no es que esté de acuerdo ni con el artículo ni con la entrada en eldiario.es (no es en absoluto mi especialidad y no he tenido tiempo para analizarlos a fondo) sino que lo que decís de que los blogueros interpretan de manera "tendenciosa" el artículo no es así. Otra cosa es que vuestro análisis difiera del de los autores, eso es estupendo, pero las interpretaciones de los autores están desde el abstract (o en la sección de conclusiones). De hecho, tienen los datos del trabajo en una web
      http://www.qog.pol.gu.se/data/datadownloads/qogstandarddata/

      Y si queréis, podéis comparar con las gráficas del informe de la OCDE, que en principio corrigen las deshomogeneidades de comparar países muy ricos y muy pobres
      http://www.oecd.org/health/health-systems/49105858.pdf

      Eliminar
  5. En primer lugar queremos agradeceros todos vuestros comentarios. En este post pretendíamos (no sabemos si lo habremos logrado), mostrar como a veces se lleva a cabo un uso tendencioso de gráficos para obtener resultados y conclusiones a medida. La Estadística pensamos que no debe ser una disciplina que se utilice para esto. No entramos a criticar ni a valorar las conclusiones del estudio publicado en Health Economics, Policy and Law.
    Gracias a todos por vuestro seguimiento, un cordial saludo.

    ResponderEliminar
  6. Hola...
    Interesante post y debate. Sigamos denunciando estas prácticas poco profesionales. Creo que estos errores tienen mucho que ver con la política de "datos cuantitativos" para demostrar una idea o la válidez ideológica de un argumento, parece que nada existe ni se puede argumentar sin utilizar (y/o hacer alarde de) información estadística!
    Saludos

    ResponderEliminar
  7. Es algo curioso el gráfico respecto a la relación que se estudia originalmente (Servicios médicos con empleados públicos o empresas privadas) y además en el contexto. Definitivamente no tiene sentido considerar una causa marginal tan directa desde el gasto Pub y Pri sobre la esperanza de vida conociendo semejantes disparidades a priori; como el poder adquisitivo y sus consecuencias, y por si fuera poco, las políticas internas en cada país. ¡da tembleque!

    Sin ánimo de ofender, un ejemplo de políticas me parece claro al formular la siguiente pregunta: ¿cual será la causa por la que Colombia tiene un porcentaje de inversión pública similar a Japón por ejemplo, y hasta EU, y sin embargo su promedio de esperanza de vida está al rededor de 7 años por debajo del promedio de una buena cantidad de cercanos en % del PIB de inversión pública en sanidad?

    ResponderEliminar
  8. Cuando se habla de comparar dos variables entre diferentes grupos, hay que tener no solo en cuenta cuanto resulta el R2 o si esas dos variables son o no comparables, está principalmente esa tercera variable (casos o grupos). Cómo podemos decir, por ejemplo, que las aves que se alimentan de comida silvestre viven más de las que se alimentan de comida industrial????? Existen unas 10000 especies de aves hoy en día y cada una tiene un tiempo estimado de vida diferente.
    Se que este ejemplo es algo burdo, pero en el quiero indicar que lo más importante en cualquier análisis es especificar cada una de las variables con precisión y luego recién hacer los comentarios respectivos.

    ResponderEliminar
  9. Acá en Ecuador a veces sucede la misma situación y no solo a nivel de información sino institucional; un ejemplo de esto se encuentra en mi blog: http://www.sectoreconomia.blogspot.com/2014/03/error-de-definicion-en-analisis.html

    ResponderEliminar