ارزیابی اثر یادگیری و صرفه مقیاس در بخش سلامت کشورهای توسعه یافته و در حال توسعه
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 40
فایل این مقاله در 33 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_QJERP-29-99_007
تاریخ نمایه سازی: 18 تیر 1403
چکیده مقاله:
کیفیت و کمیت سرمایه انسانی یکی از مهم ترین عوامل رشد و توسعه اقتصادی و گسترش آن وابسته به زیرساخت های آموزشی و بهداشتی کشورها است. بخش آموزش موجب ارتقای دانش و مهارت فنی نیروی انسانی و بخش بهداشت سلامت آن را تامین می کند. علاوه براین، کیفیت خدمات بهداشتی به نوبه خود متاثر از آموزش است. یادگیری که از طریق آموزش و در فرایند انجام فعالیت، محقق می شود بر ساختار هزینه بخش سلامت تاثیر گذار است. با توجه به مراتب فوق هدف محوری مقاله حاضر ارزیابی شدت یادگیری و میزان تحقق صرفه مقیاس در بخش سلامت می باشد؛ بدین منظور از داده های۱۸۷ کشور جهان مستخرج از پایگاه داده های بانک جهانی و روش پنل حداقل مربعات تعمیم یافته عملی(FGLS) استفاده شد. نتایج تحقیق موید آن است که در بخش بهداشت و درمان کل جهان وکشورهای توسعه یافته بازدهی ثابت به مقیاس برقرار بوده و از تمامی صرفه های مقیاس بهره برداری شده است. همچنین در این کشورها فرایند یادگیری محقق شده و شدت یادگیری کشورهای توسعه یافته بالاتر از متوسط جهانی است. درحالی که در بخش قابل توجهی از کشورهای درحال توسعه هنوز صرفه های مقیاس تخلیه نشده است و انتظار می رود با افزایش تولید امکان برخورداری از صرفه مقیاس وجود داشته باشد، اما در این کشورها در خصوص شدت یادگیری با قطعیت نمی توان اظهار نظر نمود. در مجموع یافته های تحقیق دلالت برآن دارد که در بخش سلامت کشورهای جهان صرفه مقیاس و یادگیری محقق شده است و در هر دوره با دو برابر شدن تولید تراکمی هزینه متوسط به میزان ۲۸ درصد سطح قبلی اش کاهش می یابد. از این رو هر دو مولفه نقش کارآمدی در کاهش هزینه متوسط این بخش داشته اند.
کلیدواژه ها:
نویسندگان
سمانه نورانی آزاد
Assistant professor of Economics, Payame noor University, Tehran, Iran
فرهاد خداداد کاشی
professor of Economics, Payame noor University, Tehran, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :