درخت حوزه‌های تخصصی

نظامهای سلامت ایجاد شده اند تا با ارائه خدمات بهداشتی، درمانی و پیشگیری، سطح سلامت افراد جامعه را بهبود و ارتقاء بخشند؛ اما گاهی دسترسی به این خدمات بویژه در کشورهای با درآمد پایین به بهای فقیرشدن خانوارها می انجامد. اطلاع از چگونگی تامین منابع مالی نظام سلامت به منظور تامین منابع مالی فعالیت های بخش سلامت و شناسایی الگوهای تامین اعتبار با توجه به توسعه سطح اقتصادی - اجتماعی، ظرفیت ها و زیرساخت های مالی، قابلیت اجراء، مسؤولیت و پاسخگویی سیاسی در قبال سیاست های اتخاذ شده، می تواند مبنایی صحیح برای برنامه ریزی سیاست های بهداشتی و درمانی عدالت محور، قرار گیرد. این پژوهش به بررسی میزان تاثیر متغیرهای اثرگذار در تامین منابع مالی نظام سلامت، که شامل درآمد عمومی دولت برای سلامت، هزینه های تامین اجتماعی برای سلامت، پرداخت مستقیم توسط افراد برای سلامت، برنامه های پیش پرداخت خصوصی برای سلامت بر کل مخارج سلامت در ده کشور عضو سازمان توسعه و همکاری های اقتصادی در فاصله سالهای 2004-1998 میلادی می پردازد. به دلیل کوتاه بودن دوره زمانی مورد بررسی، جهت تخمین مدل از داده های تابلویی استفاده، و سپس با استفاده از نتایج حاصل از تخمین، پیشنهاداتی برای کشور ایران ارائه شده است. نتایج بررسی نشان داد که میزان مخارج بهداشتی و درمانی خانوار، از متغیرهای مخارج عمومی دولت، هزینه های تامین اجتماعی، پرداخت مستقیم توسط افراد، و برنامه های پیش پرداخت خصوصی تاثیر می پذیرد. اتخاذ رویکردهایی از قبیل تامین منابع مالی از طریق مالیات، انتخاب روشهای تامین مالی صعودی، طراحی و عملیاتی نمودن نظام جامع اطلاعات، تعیین تعرفه خدمات درمانی بر اساس قیمت تمام شده خدمات، ارتباط منسجم بین بخش خصوصی و بخش دولتی در ارائه خدمات درمانی، شفاف نمودن سهم مشارکت مردم و دولت در تامین منابع مالی نظام سلامت، ساماندهی وضعیت خیریه ها در کشور از لحاظ منابع ورودی و صرف هزینه و مواردی از این قبیل می تواند در زمینه تولید منابع مالی جدید مؤثر واقع شده و اثربخشی نتایج سیاست های بهداشتی و درمانی اتخاذ شده و عدالت محوربودن آنها را افزایش دهد.

در این مقاله، با هدف دستیابی به پیش بینی های دقیق تر، سه نوع الگوی رگرسیون خطی، سری زمانی و شبکه عصبی مصنوعی طراحی و برآورد شده است. در ابتدا ماهیت ساختاری سری زمانی مورد نظر از جهت خطی، غیر خطی و تصادفی بودن با استفاده از آزمون نمای لیاپانوف بررسی شده است. نتایج این آزمون، وجود آشوب ضعیفی را در سیستم نشان می دهد و بیانگر امکان استفاده از الگوسازی غیر خطی برای پیش بینی دقیق تر کوتاه مدت است. در مرحله بعد با استفاده از رگرسیون خطی، الگوی سری زمانی و شبکه های عصبی مصنوعی، ضمن انجام پیش بینی درآمدهای مالیات بر مشاغل طی دوره زمانی 1379-1383، عملکرد این سه روش با یکدیگر مقایسه شده است. نتایج برآورد الگوها نشان دهنده عملکرد بهتر الگوی شبکه عصبی مصنوعی می باشد.