Ebben a fejezetben az Európai Lakossági Egészségfelmérés (ELEF 2009) adatai kerülnek elemzésre.

Az ELEF2009 az első egységes európai kérdőíves egészségfelmérés volt, amelyet azonos módszertannal hajtottak végre az EU tagállamaiban. Az adatfelvételre 2009 őszén került sor. A magyarországi mintába 449 település került beválasztásra a kétlépcsős mintavételezés keretében. A tervezett 7000 fő közül 5051 esetében sikerült felvenni a kérdőíveket. A felmérés az egészségi állapotra (betegségek, balesetek, korlátozottság, munkahelyi körülmények, lelki és érzelmi állapot), az egészségmagatartás (testmozgás, táplálkozás, dohányzás, alkoholfogyasztás, kábítószer-fogyasztás), az egészségügyi ellátás igénybevételére, a lakossági egészségügyi kiadásokra, valamint a társadalmi-gazdasági tényezőkre terjedt ki (nem, kor, családi állapot, iskolázottság, munkaerőpiaci státusz, jövedelmi viszonyok).

Bemenő adatok:

AGE ref.level: .18-34

GENDER ref.level: .MALE

REGIO ref.level: .Közép-Magyarország

Goodness of fit signif = 1

(resid deviance = 284.68 , resid df = 421 )

A Poisson regressziós modell ugyanolyan jól illeszkedik, mint az előző pontban bemutatott logisztikus-binomiális modell, és az egyes együtthatók szignifikancia szintje alapján levonható következtetések is azonosak. A két modell összehasonlítását a 4.2.1. pontban tárgyaljuk.

AGE ref.level: .18-34

GENDER reg.level: .MALE

Goodness of fit signif = 1

(pseudo resid deviance = 207.3 , resid df = 422)

A kevert (fix és random tényezőket tartalmazó) modell választásánál az alkalmazás számára az leggyakoribb szempont, hogy az egyéni szinten mért változóknak (itt: korcsoport és nem) és a kontextuális változóknak (itt: régió) kimenettel való kapcsolatát eltérő módon modellezhessük . Akkor használunk random tényezős modellt, amikor azt gondoljuk, hogy a kontextuális változók hatása nem közvetlen. A megkérdezettek az adott régió különböző településein laknak, és az, hogy a település melyik régióban van, az a település egyénre gyakorolt hatásának csak az egyik komponense. A kevert modellben a „random rész” által meghatározott valószínűségi modellben tudjuk ezt a hatást figyelmbe venni. A statisztikai specifikációt lásd a 4.2.2. pontban.

AGE ref.level: .18-34

GENDER ref.level: .MALE

LAKOOV ref.level: .városias

Goodness of fit signif = 1

(resid deviance = 272,47 , resid df = 422)

A fenti táblázat összehasonlítja a 4.14. és a 4.1.5 modellekben lakóövezeti jelleg szerinti csoportokra számolt esélyhányadosokat. Az összehasonlításhoz azt a transzformációt hajtottuk végre, hogy a kevert modell „városias” esélyhányadosával osztottuk a kevert modell esélyhányadosait, mert a fix modellben a „városias” kategória volt a referencia.

Azt látjuk, hogy a kevert modellben kisebb az eltérés az egyes kategóriák között, különösen a „szoc.nem.megfelelő” kategória került közelebb a többihez.