Statistische Methoden der kleinräumigen Versorgungsforschung

Statistical methods for research on regional health-care services

Zusammenfassung

Die akkurate Modellierung kleinräumiger Daten ist eine wesentliche Herausforderung in der Versorgungsforschung. Der vorliegende Beitrag liefert einen Einblick in aktuelle statistische Methoden der kleinräumigen Versorgungsforschung unter Berücksichtigung räumlicher Abhängigkeiten. Räumliche Abhängigkeiten werden durch sog. Spillover-Effekte, z. B. durch Kommunikation zwischen Ärzten oder Patienten in benachbarten Kreisen und nicht beobachtete räumliche Einflussfaktoren, verursacht. Eine nicht angemessene Modellierung dieser Abhängigkeiten zwischen den Beobachtungen kann die Ergebnisse von Analysen verzerren. In der Regressionsgleichung können räumliche Abhängigkeiten über zusätzliche Terme, sog. Spatial Lags oder Spatial Errors, berücksichtigt werden. Anhand einer Beispielstudie wird demonstriert, dass bei fehlender Berücksichtigung die Koeffizienten und/oder die Standardfehler der Schätzung verzerrt sein können. In der kleinräumigen Versorgungsforschung sollte daher – wenn möglich – auf räumliche Autokorrelation in den Daten getestet und das Modell entsprechend adjustiert werden.

Abstract

Accurate modeling of spatial dependencies between observations is a significant challenge in research on regional health-care services. This article provides insight into current methods of modeling relationships in regional health-care service research, with consideration of spatial dependencies. Spatial dependencies may be triggered by spillover effects between neighboring regions and spatially distributed differences in – e.g., morbidity – which are not observable. If not considered in the model, the results of the analyses may be biased. Spatial dependencies can be added to the regression model as a spatial lag or a spatial error term. Using an example study, we illustrate that failing to consider spatial autocorrelation may lead to biased coefficients and/or standard errors. Research on regional health-care services should, therefore, if possible, test for spatial autocorrelation in the data and adjust the model accordingly.

This is a preview of subscription content, access via your institution.

Abb. 1

Literatur

  1. 1.

    Purdy S, Griffin T, Salisbury C, Sharp C (2009) Ambulatory care sensitive conditions: terminology and disease coding need to be more specific to aid policy makers and clinicians. Public Health 123:169–173

    CAS  PubMed  Article  Google Scholar 

  2. 2.

    Fahrmeir L, Kneib T, Lang S (2007) Regression: Modelle, Methoden und Anwendungen. Springer, Berlin

  3. 3.

    Gatzweiler H-P, Milbert A (2006) Regionale Disparitäten in den Erwerbsmöglichkeiten. Inf Raumentwickl 6:317–324

    Google Scholar 

  4. 4.

    Tobler W (1970) A computer movie simulating urban growth in the Detroit region. Econ Geogr 46(2):234–240

    Article  Google Scholar 

  5. 5.

    Anselin L (1988) Spatial econometrics: methods and models. Kluwer Academic, Dordrecht

  6. 6.

    Greenland S, Robin JM (1991) Empirical-Bayes adjustment for multiple comparisons are sometimes useful. Epidemiology 2:244–251

    CAS  PubMed  Article  Google Scholar 

  7. 7.

    Anselin L (2001) Rao’s score test in spatial econometrics. J Stat Plan Inference 97:113–139

    Article  Google Scholar 

  8. 8.

    Anselin L, Bera AK, Florax R, Yoon MJ (1996) Simple diagnostic tests for spatial dependence. Reg Sci Urban Econ 26:77–104

    Article  Google Scholar 

  9. 9.

    Elhorst JP (2010) Applied spatial econometrics: raising the bar. Spat Econ Anal 5(1):9–28

    Article  Google Scholar 

  10. 10.

    Kelejian HH, Prucha IR (1998) A generalized spatial two-stage least squares procedure for estimation a spatial autoregressive model with autoregressive disturbances. J Real Estate Finance Econ 17:99–121

    Article  Google Scholar 

  11. 11.

    LeSage JP, Pace RK (2009) Introduction to spatial econometrics. Statistics, textbooks and monographs. CRC Press, Boca Raton

  12. 12.

    Ward MD, Gleditsch KS (2008) Spatial regression models. Sage Publications, Thousand Oaks

Download references

Einhaltung ethischer Richtlinien

Interessenkonflikt. L. Sundmacher, N. Götz und V. Vogt geben an, dass kein Interessenkonflikt besteht. Dieser Beitrag beinhaltet keine Studien an Menschen oder Tieren.

Author information

Affiliations

Authors

Corresponding author

Correspondence to Prof. Dr. L. Sundmacher.

Rights and permissions

Reprints and Permissions

About this article

Cite this article

Sundmacher, L., Götz, N. & Vogt, V. Statistische Methoden der kleinräumigen Versorgungsforschung. Bundesgesundheitsbl. 57, 174–179 (2014). https://doi.org/10.1007/s00103-013-1887-y

Download citation

Schlüsselwörter

  • Regionale Variation
  • Räumliche Analysen
  • Versorgungsforschung

Keywords

  • Regional variation
  • Spatial analysis
  • Health Services Research