Endogenous health groups and heterogeneous dynamics of the elderly
内生健康分组与老年人的异质性动态AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确使用家庭调查的面板 Markov 转换模型，并通过储蓄模型估计健康的资产成本，对应面板数据与结构估计。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
内生健康分组与老年人的异质性动态
- 研究问题
- 如何利用家庭追踪调查将老年人划分为有意义的健康组，刻画健康状态的持续性，并分析照护、医疗支出、死亡和资产积累差异？
- 方法与思路
- 作者利用家庭调查信息估计面板 Markov 转换模型，按身体与精神障碍划分健康组，再通过储蓄模型估计健康不佳的资产成本。
- 材料陈述的贡献
- 摘要称识别出四个持续性健康组，比现有指标更能解释照护、医疗支出及死亡；估得的健康不佳资产成本为使用自报健康时的两倍。
- 阅读关注点
- 核对健康组的识别与转移设定、跨 HRS、ELSA 和 SHARE 的评价方式，以及储蓄模型如何将健康差异映射为资产成本。
- 阅读边界
- 摘要未说明分组数量的选择、比较指标和储蓄模型识别条件；更强的解释能力及较高资产成本估计，不能直接视为因果证据。
原文摘要
Summary We propose a methodology to classify individuals into few but meaningful health groups by estimating a panel Markov switching model that exploits rich information from panel household surveys. Using the HRS, we identify four persistent health groups, depending on individual's physical and mental disabilities. Our classification outperforms existing health measures at explaining entry in nursing homes, home health care, out‐of‐pocket medical expenses, and mortality for individuals in the HRS, ELSA, and SHARE. Through a workhorse model of savings, we recover an asset cost of bad health that is twice as big as when using self‐reported health.