We first run the regressions with f

We first run the regressions with fiscal decentralization measured by a dummy variable. Using OLS with robust option, we estimate the impact of income and fiscal decentralization in Model (i); and then add three health expenditure variables: lnHEPCit, HESEit, and HESGit in Model (ii), among which high multicollinearity could exist; in Model (iii), we add two health expenditure output variables: healthcare physical variable represented by BEDPit and healthcare human capital variable represented by DOCPit; in Model (iv), we include all other control variables: geographical dummy, interactive term between fiscal decentralization and geographical dummy, urbanization, and fertility rate. Lastly, we apply panel FGLS technique to the model after correcting for heteroskedasticity and pane specific AR(1) autocorrelation. The FGLS method has the advantage over a fixed effects model in that the unobserved, time invariant heterogeneity assumed by the fixed effects model does not necessarily apply to different provinces because the objectives of subnational governments in different regions are changing (WHO, 2008).

Kết quả (Việt) 1:

Chúng tôi đầu tiên chạy các regressions với phân cấp tài chính được đo bằng một biến giả. Bằng cách sử dụng OLS với tùy chọn mạnh mẽ, chúng tôi ước tính tác động của thu nhập và các phân cấp tài chính trong mô hình (i); và sau đó thêm ba sức khỏe chi phí biến: lnHEPCit, HESEit, và HESGit trong mô hình (ii), trong đó multicollinearity cao có thể tồn tại; trong mô hình (iii), chúng tôi thêm hai thành biến sức khỏe chi phí đầu ra: Chăm sóc sức khỏe thể chất biến đại diện bởi BEDPit và chăm sóc sức khỏe con người vốn biến đại diện bởi DOCPit; trong mô hình (iv), chúng tôi bao gồm tất cả các biến điều khiển khác: thuật ngữ địa lý giả, tương tác giữa các phân cấp tài chính và địa lý tỷ lệ dummy, đô thị hóa và khả năng sinh sản. Cuối cùng, chúng tôi áp dụng bảng điều khiển FGLS kỹ thuật của mô hình sau khi điều chỉnh cho heteroskedasticity và ngăn cụ thể AR(1) ngoài autocorrelation. Phương pháp FGLS có lợi thế hơn một ảnh hưởng cố định mô hình trong đó hạt, thời gian bất biến heterogeneity giả định của mô hình ảnh hưởng cố định không nhất thiết phải áp dụng cho các tỉnh khác nhau bởi vì các mục tiêu của những chính phủ trong khu vực khác nhau thay đổi (người, 2008).

Kết quả (Việt) 2:

Chúng tôi lần đầu tiên chạy hồi quy với phân cấp tài chính được đo bằng một biến giả. Sử dụng OLS với tùy chọn mạnh mẽ, chúng tôi ước tính tác động của thu nhập và phân cấp tài chính trong mô hình (i); và sau đó thêm ba biến chi tiêu y tế: lnHEPCit, HESEit, và HESGit trong Model (ii), trong đó đa cộng tuyến cao có thể tồn tại; trong Model (iii), chúng ta thêm hai biến đầu ra chi tiêu y tế: chăm sóc sức khỏe thể chất biến đại diện bởi BEDPit và chăm sóc sức khỏe con người biến vốn được đại diện bởi DOCPit; trong Model (iv), chúng tôi bao gồm tất cả các biến điều khiển khác: dummy địa lý, tương tác hạn giữa phân cấp tài chính và địa lý giả, đô thị hóa, và tỷ suất sinh. Cuối cùng, chúng tôi áp dụng bảng điều khiển kỹ thuật FGLS để mô hình sau khi điều chỉnh cho heteroskedasticity và AR cụ thể cửa sổ (1) tự tương quan. Phương pháp FGLS có lợi thế hơn một mô hình tác động cố định trong đó không quan sát được, thời gian không đồng nhất bất biến giả định của mô hình tác động cố định không nhất thiết phải áp dụng cho các tỉnh khác nhau, vì các mục tiêu của chính quyền địa phương ở các khu vực khác nhau đang thay đổi (WHO, 2008).