이 연구는 2009~2013년 건강보험 약품비 변동 요인의 기여도를 실환자수 요인, 고령화 요인, 처방건수 요인, 투약일수 요인, 투약강도 요인을 중심으로 분석하였다. 약품비 변동 요인의 분석은 2009~2013년 전체 구간 및 인접한 2개 연도로 이루어진 4개 구간 각각에 대하여 이루어졌다. 건강보험 약품비는 2011~2012년 구간을 제외하고 매년 상승하였다. 분석 결과 실환자수 요인과 고령화 요인, 투약일수 요인은 모든 분석구간에서 약품비를 꾸준히 증가시키는 방향으로 영향을 미친 것으로 나타났다. 실환자수 요인과 고령화 요인으로 구성되는 인구 요인은 2009~2013년 약품비를 7.04% 상승시키는 효과를 보였다. 고령화 요인의 약품비 증가 기여도는 매년 점차 증가하고 있어 향후 인구 고령화가 가속화될수록 약품비 증가에 미치는 영향이 커질 것으로 예측된다. 분석요인 중 약품비 증가에 가장 크게 기여한 요인은 투약일수 요인으로 2009~2013년 약품비를 14.85% 증가시키는 작용을 하였다. 약가 변동의 영향을 직접 받는 투약강도 요인은 약품비를 감소시키는 데 기여한 것으로 나타났다.;This study quantified the relative and absolute importance of different factors contributing to changes in drug expenditures in the Korean National Health Insurance from 2009 to 2013. We decomposed changes in drug spending into five components: patient population size, population ageing, number of prescriptions per patient, duration of medication per prescription, medication intensity(cost per medication day). Drug expenditure increased by 9.84% from 2009 to 2013. Patient population size, population ageing and duration of medication contributed to increase of drug expenditure for the whole period of 2009~2013. Demographic factors including patient population size and population ageing caused the growth of drug expenditures by 7.04% from 2009 to 2013, accounting for 71.6% of the change of drug spending of that period. Duration of medication was the most contributing factor to the growth of drug spending, accounting for 150.9% of the increase of drug spending during 2009~2013. Medication intensity, which highly correlate with drug price, contributed to lowering drug expenditure. In 2009~2013, medication intensity dropped drug spending by 11.9%, although substantial amount of the growth was offset by other factors. This is the first study which estimated the contribution of demographic changes in the change of drug expenditures in the National Health Insurance in Korea. We found that the contribution of population ageing to the increase of drug spending has risen in the study period. It implies that the impact of the change of age structure on drug expenditure growth will increase in the future with population ageing.
그간 국내에서는 성인 여성의 정신건강에 영향을 미치는 요인들에 대한 규명, 성인남녀의 정신건강에 영향을 주는 요인들의 분석 등의 연구가 간헐적으로 이루어져 왔다. 해외에서도 사회후생의 증진을 위한 정책마련을 위해 사회구성원들의 정신건강에 영향을 미치는 요인들을 식별하기 위한 연구들이 진행되어 왔다. 본 연구는 한국보건사회연구원과 서울대학교 사회복지연구소가 공동으로 집적해 오고 있는 한국복지패널(1-8차)을 이용하여 한국 성인의 우울에 있어 남녀 간 차이를 일으키는 요인들을 식별하는 것을 목표로 하고 있다. 즉, 사회경제적 변수, 건강관련변수, 그리고 사회문화적 변수들 중에서 우울로 나타나는 남녀 간 정신적 건강의 차이를 발생시키는 요인들을 식별하는 것을 목표로 한다. 이를 위한 방법론으로는 Madden(2010)이 시도했듯 경제학 분야에서 광범위하게 이용되는 Blinder-Oaxaca분해법을 이용한다. 더 나아가 기존의 조건부평균회귀선이 가지는 한계를 극복하기 위하여 비조건부 분위수회귀를 통하여 모형추정을 하고 이를 기반으로 우울지수의 분포 상 분위수별 남녀 간 차이를 분석하며 또한 각 분위수별 요인분해를 시도한다. 분석결과 한국 성인의 경우 여성이 남성보다 우울지수가 낮으며, 특히 이러한 차이는 우울지수가 낮을수록 격차가 큰 것으로 나타난다. 분해를 통해 본 결과 이러한 격차를 발생시키는 가장 큰 요인은 건강상태, 혼인상태, 가구소득, 교육수준에서의 차이이며 이러한 관찰할 수 있는 요인들에서의 차이가 전체 차이의 55%를 설명한다.;Recently, there has been research that attempts to identify factors influencing depression in women and investigates the different aspects of mental disorders between men and women in Korea. Also, some OECD countries have conducted research projects identifying elements affecting metal health of social members to enhance overall social welfare. Using Korea Welfare Panel Study, this article aims to identify factors underlying the gender differences in depression in Korea. That is, the goal of this article is to examine and determine what variables among socio-economic, health, and cultural variables generate gender differences in depression. For this purpose, we use Blinder-Oaxaca decomposition technique that has been widely applied in many areas in economics. In addition, unconditional quantile regression method is implemented and the decompositions at various percentiles of depression score distribution are performed accordingly. The empirical results show that women report higher levels of depression scores compared to men’s scores and this difference becomes noticeable in higher percentiles of the distribution. According to detailed decomposition, about 55% of the raw difference is accounted for mainly by differences in health status, marital status, household income, and educational attainments.