---
type: paper
slug: su-dong-lee-2015-panel-granger-health-expenditure
title: >-
  Causality Analysis for Public and Private Expenditures on Health Using Panel
  Granger-Causality Test
authors:
  - '[[su-dong-lee]]'
  - '[[junghyelee]]'
  - '[[chi-hyuck-jun]]'
year: 2015
venue: '[[industrial-engineering-and-management-systems]]'
volume: '14'
issue: '1'
pages: 104-110
doi: 10.7232/iems.2015.14.1.104
categories:
  - '[[health-economics]]'
methods:
  - '[[panel-granger-causality-test]]'
  - '[[panel-data-analysis]]'
  - '[[levin-lin-chu-unit-root-test]]'
  - '[[holtz-eakin-newey-rosen-panel-var]]'
themes:
  - '[[public-health-expenditure]]'
  - '[[private-health-expenditure]]'
  - '[[causality-analysis]]'
  - '[[oecd-health-data]]'
  - '[[crowding-out-effect]]'
aliases: []
last_updated: '2026-05-20T02:01:15+09:00'
---
# Causality Analysis for Public and Private Expenditures on Health Using Panel Granger-Causality Test

*[[su-dong-lee]], [[junghyelee]], [[chi-hyuck-jun]] (2015)* · [[industrial-engineering-and-management-systems]] 14(1):104-110 · [DOI ↗](https://doi.org/10.7232/iems.2015.14.1.104)

> *공공 vs 민간 의료 지출* 사이의 *crowding-out* 가설 — "공공 의료 지출 증가가 민간 의료 지출을 감소시키는가" — 을 OECD 17 개국 (1980-2010) 패널에 [[panel-granger-causality-test]] (Holtz-Eakin-Newey-Rosen 1988) 로 검정. 핵심 발견: 미국 제외 16 개국에서 *공공 의료 지출* 이 3-4 년 시차를 두고 *민간 의료 지출* 에 **유의한 음의 효과** ($\beta_{PUB(-3)} = -0.032^*$, $\beta_{PUB(-4)} = -0.030^*$, $p<0.10$). 미국은 *outlier* — 절대 규모 + 공공/민간 비율 모두 다른 국가와 distinctive. SIC 기반 lag 11 선택, Levin-Lin-Chu 단위근 검정 후 1차 차분. [[junghyelee]] 의 *POSTECH 박사 시기* 의 *방법론적 확장 + 정책 응용* 첫 접촉. *Crowding-out 가설의 첫 OECD 패널 정량 검정*.

- **RQ**: 한 국가의 *공공 의료 지출 (PUB)* 증가가 *민간 의료 지출 (PRIV)* 을 감소시키는가? — 광범위 *crowding-out* 가설의 정량 검정. 어느 시차에서? 모든 국가에서 일관된가?
- **방법론**: [[panel-granger-causality-test]] (Holtz-Eakin-Newey-Rosen 1988 의 panel VAR), [[levin-lin-chu-unit-root-test]] (Levin-Lin-Chu 2002, 단위근 검정), [[holtz-eakin-newey-rosen-panel-var]] (country fixed effect $\mu_i$ + lag $m$ VAR), SIC (Schwarz Information Criterion) 의 optimal lag length 선택, *leave-one-out* robustness test, [[panel-data-analysis]]. EViews 7 사용
- **데이터**: OECD Health Database (2013.6 버전), 17 개국 (Australia, Austria, Canada, Denmark, Finland, Germany, Iceland, Ireland, Japan, Korea, New Zealand, Norway, Portugal, Spain, Sweden, UK, US) × 31 년 (1980-2010), 인당 PUB + PRIV 의료 지출. *De-inflation* (inflation rate 제거) → 1차 차분 ($\nabla X_t = X_t - X_{t-1}$)
- **주요 발견**: (i) **Lag 1 모형 무의미** — *즉시 효과 없음* (Table 3, PUB(-1) coef = 0.020, n.s.). (ii) **Optimal lag = 11** (SIC 최소화) — *long-term effect* 의 우선 가설. Table 4 의 17 국 estimation: PUB(-11) 만 유의 ($\beta = 0.036^*$, $p<0.10$) 이고 부호는 *양* — 가설과 반대 방향. (iii) **Leave-one-out robustness** — US 제외 시 *full pattern 반전* (Table 5a): PUB(-3) = −0.032\* + PUB(-4) = −0.030\* 이 유의한 *음의 효과*. US 의 *outlier* 영향. (iv) **16 개국 (US 제외) 의 최종 모형 (Table 6)**: PUB(-3), PUB(-4) 가 유의 (음). PRIV 도 lag 1, 3, 5, 6, 8, 10, 11 에서 자기상관. (v) **Cross-national robustness** (Appendix): 15 개국 (Austria 도 제외) 의 leave-one-out 에서 PUB(-3), PUB(-5) 의 음 효과 유지 — *systematic*
- **시사점**: (a) **3-4 년 시차의 *crowding-out* 정량 확인** — 의료 정책의 *효과 evaluation horizon* 은 *3-4 년 후* 가 적절. (b) **US 의 *exceptional* 위치** — 의료 시장 구조 (Medicare/Medicaid + 민간 보험 dominance) 가 다른 OECD 와 *근본적으로 다른* dynamic. (c) **Public-Private 부문 *상호의존성*** — 단일 부문 분석 (공공만 또는 민간만) 의 systematic bias. (d) **공공 의료 보장 확대의 *부분적 substitution*** — full crowding-out 아니지만 marginal 효과. (e) 후속 연구: PUB·PRIV 의 *asymmetric lag* + macroeconomic variable (GDP, inflation) + 건강 결과 (smoking, obesity) 추가

![Figure 1. SIC scores by lag length — lag 1 의 first local minimum 후 lag 11 의 global minimum. *Long-term effect* 와 *short-term effect* 두 가설 동시 검정의 SIC 기반 lag 선택 시각화.](/papers/201503_LeeS_Causality_analysis_for_public_and_private_expenditures_on_health_using_panel_granger_causality_test/fig1.png)

## 요약

이 paper 는 [[junghyelee]] 의 *POSTECH Industrial & Management Engineering 박사 시기* (1 기) 의 *방법론적 확장 + 정책 분석* 첫 접촉 작업. [[su-dong-lee]] 제 1 저자 + [[chi-hyuck-jun]] (지도교수, corresponding author) 의 POSTECH 공저. 동기는 *정책 가설의 정량 검증 부재* — 정책 입안자들이 *공공 의료 지출 증가가 민간을 감소시킨다* 는 *substitution / crowding-out* 가설을 widely held belief 로 가정하지만, 실증 연구가 없다. Tuohy et al (2004) 가 *반대 방향* (민간 → 공공 효과) 만 검정. Akinkugbe-Afeikhena (2006), Anyanwu-Erhijakporn (2007) 등은 *의료 지출 → 건강 outcome* 의 효과 (consensus 없음). 본 paper 는 *PUB ⇄ PRIV* 의 양방향 Granger 인과를 OECD 17 개국 1980-2010 패널에서 검정.

방법론은 3 단계. **Stage 1 — 단위근 검정.** [[levin-lin-chu-unit-root-test]] (Levin-Lin-Chu 2002) 로 PUB · PRIV 의 stationarity 검정. *Level* 에서 단위근 존재 (PUB stat = 6.50, $p$ = 1.000; PRIV stat = 3.51, $p$ = 0.999, $H_0$ 비기각). 1차 차분 후 단위근 기각 (PUB stat = −8.97, $p$ < 0.001; PRIV stat = −8.08, $p$ < 0.001) → stationary. **Stage 2 — Lag 선택.** Schwarz Information Criterion 의 1-22 lag 비교. Lag 1 의 first local minimum 후 lag 11 의 global minimum — *short-term* 과 *long-term* 두 가설 동시 검정. **Stage 3 — Panel VAR estimation.** Holtz-Eakin-Newey-Rosen (1988) 의 country-fixed-effect $\mu_i$ + lag $m$ VAR. Lag 1 모형 (Table 3): PUB(-1) coef = 0.020, n.s. — *즉시 효과 없음*. Lag 11 모형 (Table 4): PUB(-11) 만 유의 ($+0.036^*$) — 양의 효과는 *crowding-out 가설과 반대*.

**Stage 4 — Robustness.** Leave-one-out cross-national stability test. 17 국 중 1 국씩 제외해 16 국 패널로 재추정. 4 개국 (Ireland, Norway, Japan, US) 제외 시 PUB(-11) 의 *유의성 소실*. **US 제외가 결과를 가장 크게 변화** — 모든 lag 의 *부호 + 유의성 패턴 반전*. US 제외 16 국 (Table 5a, Table 6): **PUB(-3) = −0.032\*** + **PUB(-4) = −0.030\*** + PRIV(-4) = +0.098\* 의 유의. *공공 의료 지출 → 3-4 년 시차 → 민간 의료 지출 음의 효과* 가 US 제외 OECD 의 일관된 패턴. Figure 2 비교: US 의 *PUB + PRIV 절대 규모* + *PUB/PRIV 비율* 이 다른 16 개국과 distinct — Medicare/Medicaid + 민간 보험 시장 구조 가 OECD 표준에서 *systematic deviation*. 결론: (i) US 제외 16 개국에서 *3-4 년 시차 crowding-out 정량 확인*, (ii) US 는 별도 case study 필요, (iii) 정책 evaluation horizon 은 *3-4 년 후* 가 적절. 한계: (i) 단일 dependent variable (PRIV) 의 unidirectional 검정 — *PRIV → PUB 역방향* 검정 미수행, (ii) lag 11 의 *over-parameterization* 가능, (iii) macro covariate (GDP, demographic) 미통제, (iv) sub-period (예: 1980s vs 2000s) heterogeneity 미검정.

## 핵심 결과

**Levin-Lin-Chu 단위근 검정 (17 OECD, 1980-2010)**

| 변수 | Level Stat | $p$ | 1차 차분 Stat | $p$ |
|---|---:|---:|---:|---:|
| PUBLIC (*PUB*) | 6.4972 | 1.0000 | −8.9743 | 0.0000 |
| PRIVATE (*PRIV*) | 3.5081 | 0.9998 | −8.0846 | 0.0000 |

→ Level non-stationary, 1차 차분 stationary.

**Lag 1 모형 (Table 3, 17 국)**

| | C | PUB(-1) | PRIV(-1) |
|---|---:|---:|---:|
| Coef | 6.773\*\*\* | 0.020 | 0.003 |
| SE | (0.904) | (0.026) | (0.050) |

→ 즉시 효과 없음.

**Lag 11 모형 — US 제외 16 국 (Table 6, 핵심 발췌)**

| 변수 | Coef | SE |
|---|---:|---:|
| C | 6.139\*\*\* | 1.208 |
| **PUB(-3)** | **−0.032\*** | 0.019 |
| **PUB(-4)** | **−0.030\*** | 0.018 |
| PUB(-1) | 0.014 | 0.024 |
| PUB(-11) | 0.023 | 0.017 |
| PRIV(-4) | 0.098\* | 0.052 |
| PRIV(-5) | −0.052 | 0.054 |

\*$p$<0.10, \*\*$p$<0.05, \*\*\*$p$<0.01.

> **정량 결론.** *PUB → PRIV* 의 음의 인과 (crowding-out) 가 **3-4 년 시차에서 유의** ($\beta_3 = -0.032$, $\beta_4 = -0.030$, 모두 $p<0.10$). US 의 *outlier* 영향 — US 포함 17 국 모형에서는 이 효과 가려짐. 의료 정책 *효과 evaluation* 의 *적정 horizon* 이 3-4 년임을 시사.

## 방법론 노트

[[panel-granger-causality-test]] (Holtz-Eakin-Newey-Rosen 1988):

$$
X_{it} = \alpha_0 + \sum_{l=1}^{m} \alpha_l X_{i,t-l} + \sum_{l=1}^{m} \delta_l Y_{i,t-l} + \mu_i + u_{it}
$$

여기서 $X_{it}$ = country $i$ year $t$ 의 PRIV (1 차 차분), $Y_{it}$ = PUB (1 차 차분), $\mu_i$ = country-specific fixed effect (시간 불변 idiosyncratic 특성), $u_{it}$ = 평균 0, country independent disturbance, $m$ = lag 길이.

Granger causality 가설:

$$
H_0: \delta_1 = \delta_2 = \cdots = \delta_m = 0 \quad (PUB \not\to PRIV)
$$

$H_0$ 기각 시 *PUB Granger-causes PRIV*. Joint F-test 또는 individual coefficient $t$-test.

Lag 선택은 SIC (Schwarz Information Criterion):

$$
\text{SIC}(m) = \ln \hat{\sigma}^2 + \frac{m \ln T}{T}
$$

여기서 $\hat{\sigma}^2$ = residual variance, $T$ = sample size. SIC minimize 의 lag = optimal.

식별은 (i) 17 국 × 31 년 = 527 obs (lag 11 후 effective 17 × 20 = 340 obs), (ii) country fixed effect $\mu_i$ 가 *time-invariant heterogeneity* 통제 (예: 의료 시스템 design 차이), (iii) 1 차 차분 후 stationary 가정의 Levin-Lin-Chu test 확인, (iv) leave-one-out 의 cross-national stability check. *Limitation*: (a) PUB ↔ PRIV의 simultaneity 미통제 (Holtz-Eakin GMM 의 strict exogeneity 가정), (b) macro covariate (GDP, 인구 고령화) 미통제, (c) 단일 lag length (PUB · PRIV 동일 $m$) 의 over-restriction.

## 연구 계보

본 paper 의 *Granger-causality* lineage: Granger (1969 *Econometrica*) 의 *causality definition* — *predictive error variance reduction* 으로 인과 정의. *Panel Granger* 라인: Holtz-Eakin-Newey-Rosen (1988 *Econometrica*) 의 panel VAR + country fixed effect; Levin-Lin-Chu (2002 *Journal of Econometrics*) 의 panel unit root. *건강-경제 응용* 라인: Hartwig (2010 *Journal of Macroeconomics*) 의 *health capital → long-term growth* panel Granger, Motonishi-Yoshikawa (1999 *JJIE*) 의 *Japan financial vs real causes* panel Granger. *Public-Private 의료* 가설 라인: Tuohy-Flood-Stabile (2004 *Journal of Health Politics, Policy and Law*) 의 *민간 financing → 공공 의료 시스템* 효과 (반대 방향). *건강 지출 → 건강 outcome* 라인: Akinkugbe-Afeikhena (2006), Anyanwu-Erhijakporn (2007), Musgrove (1996), Burnside-Dollar (1998) — 합의 없음.

TEMEP 내 sibling: 본 paper 는 [[junghyelee]] 의 *POSTECH 박사 시기 (1 기, 2010-2014)* 의 *정책 분석 분기* 의 *씨앗* — *주류 라인은 MB 특성 선택* (chemometrics), 본 paper 는 *시계열 인과 + 의료 정책* 의 첫 응용. [[junghyelee-2018-monte-carlo-mb-multivariate-calibration]] 의 *chemometrics 라인* 과는 다른 *주제적 분기* — 두 라인이 *3 기 SNU TEMEP* 시기에 *medical AI + 기술 정책 분석* 으로 통합 (예: [[suhyeon-kim-2022-rsae-biological-age]], [[suhyeon-kim-2025-tmf-gnn]]). [[junghyelee]] author page 의 *방법론적 다양화 + 정책 응용* anchor. [[chi-hyuck-jun]] 은 [[junghyelee]] 의 박사 지도교수 — POSTECH IME 의 *Industrial & Management Engineering* 시각의 *의료 데이터 분석* 라인. 본 paper 는 [[junghyelee]] 가 *TEMEP 부임 후* 의 *기술경영 + 의료 응용* 방향 전환의 *intellectual seed*.

## See also

- [[panel-granger-causality-test]]
- [[levin-lin-chu-unit-root-test]]
- [[holtz-eakin-newey-rosen-panel-var]]
- [[panel-data-analysis]]
- [[public-health-expenditure]]
- [[private-health-expenditure]]
- [[crowding-out-effect]]
- [[oecd-health-data]]
- [[junghyelee]]
- [[su-dong-lee]]
- [[chi-hyuck-jun]]
- [[suhyeon-kim-2022-rsae-biological-age]]
- [[industrial-engineering-and-management-systems]]