Transcript 飯塚論文へのコメント
飯塚論文へのコメント 学習院大学経済学部 鈴木 亘 コメント1：結果の解釈を巡って • 本論分の主要な結論は、Deference Effect （DE）について、①効果がないかあったとして も非常に小さいインパクト、②有意であるもの は医療過誤としては深刻度が低いもの、深刻 度が高いものは有意ではない、という2点。 • ②についての説明（努力の限界効果）は説得 的だが、もう少し傍証が欲しいところ。もし仮説 どおりであるならば、有意であった指標の分散 は小さいはず（努力の余地が少ないから）。た しかに、PSI18、19は平均に対して、標準偏差 が大きいのでこの点を挙げてはどうか。 • ①の点についても、努力の限界効果である程度 説明可能（総じて全て低い）なのかもしれないが、 もう少し説明・傍証が欲しい。 • このようなことがおきる可能性として、次のいくつ かの可能性が挙げられる。これらのどれが成り立 つかによっては、政策的インプリケーションも変 わってくるため、ここは丁寧な議論が欲しい。 • （1）医師行動の理論モデルから • DEがないというのは、一種の均衡状態を彷彿と させる。3節のモデルでは、医師の操作する変数 としてE（努力）、T（検査）、D（防衛的治療）がある が、これ以外として、次のものが挙げられる。 • ①リスクセレクションの可能性（プレミアムの高い 病院はそもそも危険性の高い患者を選ばな い）・・・本来、指標は割り算になっているし、リス クアジャスメントが使われているので、本来、セ レクション問題はないはずである。 • しかしながら、後で、病院属性（Urban teach）が 有意に成っているところをみると、十分にその調 整ができていない可能性がある。 • したがって、まず、患者に対するリスクグループ の割合の分布や属性等を見たいところ。 • ところで、リスクアジャスメントのプログラムでは severityはどの程度コントロールされるのか（質 問1）。 • そこで、例えば、リスクグループの割合別にサ ブサンプルを作って推計するなど、このリスクセ レクション仮説に対するチェックをしてはどうか。 • ②価格転嫁の可能性・・・既に、プレミアムが高 い分はリスクグループの患者に対して高い価 格を付けている可能性がある。医療過誤をコン トロールした上で（費用が異なってしまうので）、 リスクグループの患者あたりの費用がプレミア ムによってどの程度変化するかをみてはどうか。 これは、モデルではD(Defensive Practice)へ の反応とも解釈することもできる。 • （2）保険プレミアムデータの作成プロセスが影 響している可能性 • ・・・保険プレミアムのデータがそもそも病院別 のレートではなくregion別のデータが用いられ ている。これに対して、論文では、① Experience Ratingがこの業界では比較的少 ない、②インセンティブとしては、むしろ、保険プ レミアム以外のもの（裁判の際の機会費用、ラ イセンス剥奪の可能性）が重要、③それらの保 険プレミアム以外の変数の代理変数として保 険プレミアムが適切との説明。 • しかし、この説明は、必ずしも説得的とはいえ ない。 • ①Experience Ratingがこの業界では比較的 少ないということであれば（まずそれが本当 かデータを確認したいところ）、保険へのモラ ルハザードが生じやすいということであり、そ もそも、Liability Pressureの代理変数として 適切かという点が問われる。（また、そもそも 何故、保険業界がそのような価格設定をして いるのかも興味深い。そこに何らかの制度的 歪みがあるのか。また、裁判の際の保険のカ バー率はどれくらいなのか等も知りたいとこ ろ） • ②のそれ以外の変数が重要ということであれ ば、そもそも、そのような変数を作って説明変 数化することも考えられる（その州の裁判件 数、裁判日数、平均裁判費用等）。 • ③についても、②が作れれば本当に両者がリ ンクしているのか知りたいところ。 • しかし、いずれにせよ、②③の説明では region別データでよい説明にはなっていない。 データから考えて、あまりバリアンスが生じな いはずであり、DEがそもそも出にくいことが データの作成プロセスから言える。 • （3）推計方法から • Region別の保険料データを変数とした推計に 対して、regionのFixed Effectをとることの合 理性はなにか（質問2）。単純に考えれば、 regaion別の保険料データのバリアンスがか なりここで吸収されることになる。 • 誤差項に仮定している分布が適切か（分布の 特定化ミスが結果に影響していないか）。比 率データの分布情報をもう少し良くみたいとこ ろ。 コメント2：推計方法について • ①そもそも、医療過誤のような事象は、 PoissonやNegative Binominalのプロセス。比 率指標で捉えることが果たして適切か。ロジス ティック変換でも、この場合、基本的問題は変 わらず。 • 比率指標以外に、そのフィロソフィーをいかし て、分母情報を説明変数にいれた形のCount Data Regressionを追加的に推計することも一 案。Hurdleを入れることも面白いかもしれない。 • ②Fixed Effectの入れ方(region,time)の妥当 性について説明が必要。 • 病院別のFixed Effectを使わないのはなぜか （質問2）。 • ③IVについて、region別の変数へ個別の病 院が与える内生性をそもそも心配する必要は ないのではないか。 • 特に、この場合には、region別のFixed Effectも使われているからなおさらである。 • その場合、少なくとも、内生性のテストを行な うことが考えられる。 • ④また、IVについては、内生性の問題という よりも、むしろ、保険プレミアムが病院別デー タになっていないことによる観測誤差を修正 する意味で使う方がよいのではないか。その 場合にはもちろんIV変数の内容を変えねば ならない。 • ⑤もう一つ内生性の問題への対処方法として は、Natural Experienceを使う方法も一案。 推計期間中のTort Reformの情報を使って、 DIDと使うことも考えられる。 • ⑥また、そもそも、保険プレミアム変数の適切 さに問題があるならば、こうしたTort Reform の情報自体を説明変数として使う推計も興味 深い。 • ⑦4つの指標は互いに排他的か？、また、互 いの相関はないか。その場合、互いの相関を 考慮した推計を考えなくてよいか。 その他マイナーな点等 • Tort reformのIVの作り方の適切さ（0、1、2？） • また、そのラグの決め方の妥当性（7期のラ グ？） • スケール変数は、polynominalだけではなく、 一定の症例数以下の病院をサンプルから落と す対処の方がよいかもしれない。 日本の分析へのサジェスチョン • 日本ではこのような分析はほとんど存在しないが、 分析の可能性はあるか、何がネックか。日本での分 析やデータ整備環境等へのサジェスチョン（質問3）。 • 国立大学病院は、独立行政法人化以降、保険加入 化した。私立大学病院をControl Groupとして、その 差をみることができる。 • 労働経済学では、解雇権濫用法理を巡って、判例 データ、地域別の裁判データを使った分析が近年多 い。同様の分析が可能。