Influencia de las características de la vivienda en la salud: un enfoque econométrico

Grado en ADE Curso 2022/2023 Influencia de las características de la vivienda en la salud: un enfoque econométrico Bilbao, a 29 de septiembre de 2023 Tutora: María Pilar González Casimiro Autora. Amaia De La Dehesa Colmenares 1 RESUMEN El objetivo de este trabajo de fin de grado es analizar si ciertas características de la vivienda influyen en la salud percibida de sus moradores. Para llevar a cabo este análisis, he especificado y estimado un modelo econométrico logit incluyendo variables explicativas que recogen aspectos relacionados con las características de la vivienda, así como aspectos generales y factores económicos, a partir de la información extraída de la Encuesta sobre Condiciones de Vida realizada por el Instituto Nacional de Estadística. El análisis se ha realizado a nivel nacional. Los principales resultados evidencian que algunas características de la vivienda ejercen un notable impacto en la percepción de la salud de las personas. Palabras clave: salud percibida, vivienda, modelo logit, paquete estadístico R. ABSTRACT The aim of this thesis is to analyse whether certain housing characteristics influence the perceived health of its inhabitants. To carry out this analysis, I have specified and estimated a logit econometric model including explanatory variables that include aspects related to housing characteristics, as well as general aspects and economic factors, based on information extracted from the Living Conditions Survey conducted by the National Institute of Statistics. The analysis has been carried out on a national level. The main results show that some housing characteristics have a notable impact on people's perception of health. Keywords: perceived health, housing, logit model, R statistical package. 2 ÍNDICE 1. Introducción ......................................................................................................................... 5 2. La base de datos................................................................................................................... 6 a. La fuente de datos ............................................................................................................. 6 b. Análisis descriptivo ........................................................................................................... 7 i. Variable dependiente: salud percibida ........................................................................... 7 ii. Variables explicativas .................................................................................................... 8 3. Modelo econométrico logit ................................................................................................ 17 4. Resultados .......................................................................................................................... 19 5. Conclusiones ...................................................................................................................... 26 6. Bibliografía ........................................................................................................................ 28 7. Anexo .................................................................................................................................. 30 3 ÍNDICE DE GRÁFICOS Gráfico 1: distribución de la salud percibida................................................................................. 7 Gráfico 2: distribución número de habitaciones............................................................................ 9 Gráfico 3: distribución número de miembros.............................................................................. 10 Gráfico 4: distribución de la edad ............................................................................................... 12 Gráfico 5: distribución de las comunidades autónomas .............................................................. 13 Gráfico 6: distribución en relación con la actividad .................................................................... 14 Gráfico 7: distribución del nivel de estudios ............................................................................... 14 Gráfico 8: distribución de la capacidad del hogar para llegar a fin de mes ................................. 17 4 ÍNDICE DE TABLAS Tabla 1: Características generales de la vivienda ........................................................................ 10 Tabla 2: Problemas en el hogar y su entorno ............................................................................... 11 Tabla 3: Características generales de la persona ......................................................................... 15 Tabla 4: Características económicas............................................................................................ 17 Tabla A.1: Categorías nivel de estudios ...................................................................................... 30 Tabla A.2: Resultados del modelo logit....................................................................................... 31 5 1. Introducción Una vivienda saludable se define como un espacio que fomenta un estado de bienestar integral, abarcando la salud física, mental y social (Ubrich, T., 2018). Por tanto, la vivienda no solo es un espacio físico donde residimos, sino que también desempeña un papel crucial en nuestro bienestar. A lo largo de los años, se ha reconocido que algunas de las condiciones de la vivienda pueden tener una influencia significativa en la salud de sus habitantes, afectando aspectos tanto físicos, como psicológicos (Ubrich, T., 2018). Según la Organización Mundial de la Salud, la presencia de humedades, de insuficientes recursos para poder mantener la vivienda a una temperatura adecuada o la escasa luz natural aumentan el riesgo de problemas respiratorios o enfermedades esqueléticas y musculares (Organización Panamericana de la Salud, 2022). Además, no solo influyen las condiciones de la vivienda en sí, sino que el entorno de una vivienda también afecta a la calidad de vida y salud de sus habitantes. De hecho, cuando se mejoran algunos aspectos de la zona habitacional, se logran importantes efectos en la salud (Libertun, N., 2022). En línea con la literatura mencionada, el presente estudio se centra en analizar con la información obtenida de la Encuesta sobre Condiciones de Vida realizada en España a diferentes personas de múltiples hogares, la influencia de algunas características de la vivienda en la salud, utilizando un enfoque econométrico. Como indicador de la salud en el modelo se ha utilizado la percepción de salud de los encuestados. El objetivo principal de este estudio es identificar precisamente qué características de la vivienda afectan a la salud y cuantificar el impacto específico de cada una de ellas en diversos aspectos de la salud, permitiendo así comprender mejor cuáles son las condiciones de la vivienda que pueden influir en el bienestar físico y mental de las personas y en qué grado pueden hacerlo según los datos. Los resultados obtenidos en este estudio brindan la oportunidad de tomar decisiones informadas y proponer políticas públicas y privadas concretas relacionadas con las condiciones que más afecten a la salud para así promover viviendas más saludables y mejorar la calidad de vida de la población. 6 En cuanto a la organización del trabajo, en la segunda sección, se explica la base de datos de la que se han obtenido los datos necesarios y el análisis descriptivo de las variables. En la sección tres, se profundiza en el modelo utilizado para analizar la relación entre la salud y las variables explicativas consideradas, que ha sido el modelo econométrico logit. En la sección cuatro, se analizan en detalle los resultados del modelo comparándolos con los obtenidos previamente en la literatura. Por último, la sección cinco resume las principales conclusiones del trabajo. 2. La base de datos En esta sección voy a presentar la metodología empleada. En primer lugar, voy a explicar la fuente de datos utilizada para la realización del análisis y en segundo lugar, el análisis descriptivo de las variables. a. La fuente de datos Los datos para la realización de este trabajo han sido obtenidos de la Encuesta sobre Condiciones de Vida (ECV) llevada a cabo por el Instituto Nacional de Estadística. Esta encuesta se elabora una vez al año en España y en todos los países miembros de la Unión Europea. La ECV se hace mediante entrevistas a personas y hogares elegidos de manera representativa a nivel nacional, con el propósito de tener una visión de la situación social y económica del país. Por tanto, los resultados de este estudio son útiles para la elaboración de políticas públicas y la toma de decisiones enfocadas a mejorar el bienestar y disminuir la desigualdad en la sociedad. En este proyecto se han utilizado los datos de la ECV de 2020. El motivo por el que no se han utilizado los datos del último año disponible, es decir, los del año 2022, es porque en 2021 se llevó a cabo una reforma de la encuesta en la que suprimieron muchas de las cuestiones relacionadas con la vivienda que son interesantes para este trabajo. El tamaño de la muestra de datos inicial es de 15.043 hogares y de 31.618 personas. El programa utilizado para la creación de la base de datos para este estudio ha sido el programa estadístico R. En el primer paso de este proceso de creación se han elegido todas las variables necesarias para el análisis. Este ha sido un proceso largo de reflexión en el que primero he leído despacio la metodología de la ECV, luego he analizado tanto la encuesta de los hogares como la encuesta individual y, finalmente he seleccionado las 7 variables que me interesaban. La ECV proporciona la información de las dos encuestas antes mencionadas en cuatro archivos Excel: variables básicas del hogar, variables detalladas del hogar, variables básicas de las personas y variables detalladas de las personas. Por lo tanto, el segundo paso ha consistido en juntar los cuatro archivos mencionados ya solamente con las variables previamente seleccionadas en uno solo; en primer lugar he fusionado los dos ficheros relacionados con los hogares y los dos ficheros de personas y después, he unido esos dos ficheros resultantes, para así conseguir una única fuente de datos solamente. El último paso del proceso antes de trabajar con las variables seleccionadas en el modelo econométrico ha sido redefinir las categorías de algunas variables. b. Análisis descriptivo Este apartado se centra en la explicación de la variable dependiente y de las variables explicativas consideradas en mi estudio. Los gráficos que se verán en esta sección son de la distribución de las variables que tienen diferente distribución en la muestra inicial y en mi modelo debido a que para hacerlo más comprensible he juntado varias categorías de dichas variables en una. En el gráfico se ven las distribuciones originales. i. Variable dependiente: salud percibida La pregunta que da respuesta a la salud de los encuestados en la ECV es “¿cómo es su salud en general?”. Para responder a esta pregunta, las opciones eran: “muy buena”, “buena”, “regular”, “mala” y “muy mala”. La elección depende de la percepción del informante y se tienen en consideración tanto la salud física, como la mental. En la siguiente figura se puede observar la distribución de las respuestas de los participantes. Gráfico 1: distribución de la salud percibida 18,13% 54,69% 20,55% 5,09% 1,55% 0% 10% 20% 30% 40% 50% 60% Muy buena Buena Regular Mala Muy mala 8 Sin embargo, el objetivo de este análisis es saber si las condiciones de la vivienda tienen o no un efecto en la salud percibida. Teniendo en cuenta la distribución de la variable, he agrupado esas cinco categorías en solamente dos categorías y así he creado la variable dependiente “salud percibida”. La variable dependiente toma el valor 1 si el encuestado tiene “muy buena” o “buena” salud y toma el valor 0 si tiene “regular”, “mala” o “muy mala”. Tras esta agrupación, el 72,82% de los encuestados perciben tener buena salud, mientras que el 27,18% perciben tener mala salud. ii. Variables explicativas De forma teórica, las variables explicativas son todas aquellas variables necesarias que se utilizan para explicar el comportamiento de la variable dependiente en el modelo econométrico. He categorizado las variables escogidas para este análisis en tres grandes grupos. En primer lugar, están las variables relacionadas con la vivienda, que son el objetivo principal de este estudio. Dentro de este gran grupo también hay una distinción entre las variables que recogen las características generales de la vivienda, y las variables más relacionadas con los problemas en el hogar y su entorno. Estas últimas, sobre todo, son las que más concretamente responderán el propósito de este análisis. En segundo lugar, las que denomino variables generales son las que están relacionadas con las características de la persona. Y, por último, están las variables económicas que son las que definen la situación financiera y monetaria de las personas y sus hogares. Estos dos últimos grupos de variables han sido incluidos como variables de control para evitar sacar conclusiones incorrectas sobre el objetivo principal del trabajo por omisión de variables relevantes. A continuación, cada variable será explicada en detalle y tras la explicación de las variables de cada grupo, expondré una tabla a modo de resumen. Comenzaré por las variables explicativas relacionadas con la vivienda: en primer lugar, las variables que recogen las características generales y en segundo lugar, las variables más relacionadas con las condiciones no favorables de la vivienda. Grado de urbanización. Se refiere al nivel de concentración de población en una determinada zona geográfica. Se diferencia entre zona muy poblada, zona media y zona poco poblada. Prácticamente la mitad de los encuestados viven en una zona muy poblada. 15 Tabla 3: Características generales de la persona Edad Media Mínimo/ máximo 51.46 17 / 86 Sexo Hombre (1) Mujer 48,09% 51,91% País nacimiento España Extranjero (EU) Extranjero (no EU) 89,28% 2,21% 8,51% Comunidad autónoma Galicia Asturias Cantabria País Vasco Navarra La Rioja Aragón Madrid Castilla y León Castilla-La Mancha Extremadura Cataluña Valencia Illes Balears Andalucía Murcia Ceuta Melilla Canarias 6,36% 3,10% 3,41% 4,32% 2,33% 3,03% 4,31% 9,77% 6,55% 4,96% 4,55% 17,65% 6,80% 2,72% 11,01% 3,69% 1,44% 0,83% 3,17% Situación en relación con la actividad Trabajador Parado Estudiante Jubilado Otros 46,73% 11,26% 7,31% 19,48% 15,23% Nivel de Estudios Básicos Medios Superiores 44,09% 22,96% 32,95% (1) El grupo en letra itálica es el grupo de referencia en el modelo 16 Para finalizar, voy a explicar las tres variables económicas que he seleccionado para incluir en mi modelo econométrico. Dos de estas variables están orientadas hacia la situación financiera de las personas, mientras que la tercera se centra en aspectos económicos del hogar. Personas en riesgo de pobreza o exclusión social. El punto en el que se considera que una persona está en riesgo de pobreza se calcula anualmente usando la distribución de ingresos del año anterior. De acuerdo con las pautas sugeridas por Eurostat, este punto se establece en el 60% de la mediana de los ingresos por cada unidad de consumo que las personas tienen. También se considera a una persona en riesgo de pobreza o exclusión social si está en carencia material severa o si pertenece a un hogar sin empleo o con baja intensidad en el empleo durante el año. Toda esta información mencionada está explicada en la metodología de la ECV. Esta es una variable cualitativa dicotómica que puede tomar los valores sí o no. Renta por unidad de consumo. Esta renta es una variable cuantitativa que ha sido creada a partir de otras dos variables de la ECV. Una de las variables utilizadas para la creación de esta variable es la renta total de los hogares en el año anterior. Para hacer que esta renta fuera individual, se ha dividido la renta del hogar por las unidades de consumo de ese mismo hogar. La fórmula usada por la OCDE para definir las unidades de consumo es la siguiente: un valor de 1 al sustentador principal de la familia, un valor de 0,5 a los miembros mayores de 13 años y un valor de 0,3 a los miembros menores de 13 años que forman parte de la familia. De esta forma, esta variable creada muestra la renta por unidad de consumo de cada persona en el año anterior. Capacidad del hogar para llegar a fin de mes. Siguiendo lo definido en el manual de metodología de la ECV, la respuesta a esta variable se determina considerando la situación actual del hogar y lo que el informante considere llegar a fin de mes. En la encuesta esta variable tiene seis posibles respuestas como se puede observar en el gráfico 8, desde con mucha facilidad hasta con mucha dificultad. Para hacer más sencillo el modelo, he creado una variable que solo puede tomar dos valores posibles: con facilidad o con dificultad. Como se puede observar en la tabla 4, algo más del 40% de las personas, considera que tiene dificultad para llegar a fin de mes, resultado que parece algo sorprendente. 17 Gráfico 8: distribución de la capacidad del hogar para llegar a fin de mes Tabla 4: Características económicas Personas en riesgo de pobreza o exclusión social No (1) Sí 76,61% 23,39% Renta Media Mínimo / máximo 19.099 € 0 / 207.720 € Capacidad del hogar para llegar a fin de mes Con facilidad Con dificultad 59,20% 40,80% (1) El grupo en letra itálica es el grupo de referencia en el modelo 3. Modelo econométrico logit Como se ha mencionado previamente, mediante este trabajo lo que se pretende es determinar si diferentes características de la vivienda influyen o no en la salud de sus moradores. La variable dependiente es si los entrevistados tienen buen o mal estado de la salud. Dicho con otras palabras más técnicas, la variable dependiente, Y, es binaria, y por tanto, solo puede optar dos valores: 0 y 1. Al ser la variable dependiente binaria, el modelo de regresión múltiple usado para las variables dependientes continuas no es útil como tal. 8,54% 11,70% 20,35% 32,84% 23,70% 2,87% 0% 5% 10% 15% 20% 25% 30% 35% Mucha dificultad Dificultad Cierta dificultad Cierta facilidad Facilidad Mucha facilidad 18 En cambio, hay que encontrar un modelo adaptado que se ajuste a que la variable dependiente solo pueda tomar dos valores. En el caso de las variables dependientes binarias, la función de regresión se entiende como la modelización de la probabilidad de que la variable dependiente sea igual a 1 ( Y = β0 + β1 X1 + β2 X2 + … + βk Xk. + ui). El modelo lineal de regresión múltiple adecuado para una variable dependiente binaria Yi es el modelo de probabilidad lineal. De este modo, el modelo de probabilidad lineal es E (Y | X1, X2, … Xk ) = Pr (Y = 1 | X1, X2, … Xk) = β0 + β1 X1 + β2 X2 + … + βk Xk. Debido a la linealidad de este modelo, este tiene limitaciones. Por un lado, este modelo podría predecir probabilidades mayores que 1 y menores que 0, lo que carece de lógica. Por otro lado, el efecto marginal permanece siempre constante, lo que hace que el cambio en la probabilidad esperada de Y = 1 pueda no tener sentido. Por estos motivos, es imprescindible encontrar un modelo que no tenga estas desventajas. La solución para que la probabilidad tome valores entre 0 y 1 y el efecto marginal no sea constante, es que el modelo sea no lineal. El modelo de regresión logit tiene esta característica y además, es un modelo diseñado específicamente para variables dependientes binarias. Por tanto, el modelo que se va a utilizar en este proyecto es el de regresión logit poblacional con varios regresiones, que se muestra en la siguiente función, Pr (Y = 1 | X1, X2, … Xk) = F (β0 + β1 X1 + β2 X2 + … + βk Xk) = = 1 1+𝑒− (β0 + β1 X1 + β2 X2 + … + βk Xk) donde, la F es la función de distribución logística. Los coeficientes en el modelo logit se estiman por máxima verosimilitud. El estimador de máxima verosimilitud es consistente y sigue una distribución normal en muestras grandes, permitiendo así la elaboración habitual de los valores estadísticos t y de los intervalos de confianza para los coeficientes (H. Stock, J. y M. Watson, M., 2012). La interpretación del valor de los coeficientes es complicada porque no es un modelo lineal. No obstante, se puede interpretar el signo del coeficiente. Si el signo es positivo, 19 los aumentos en Xi aumentan la probabilidad de que Y = 1, ceteris paribus. Pero si el signo es negativo, los aumentos en Xi disminuyen la probabilidad de que Y = 1, si el resto de factores permanecen constantes. En lo que se refiere a los efectos marginales, a diferencia de en el modelo de regresión lineal, no son constantes, sino que van a depender de los valores de las variables explicativas. Por tanto, cada individuo tiene un diferente marginal diferente. Para poder dar alguna información sobre los efectos marginales, en la literatura se utilizan diferentes medidas. (Mood, 2010 y 2017). La que en general se utiliza más, y la que se va a usar en este análisis, es la del promedio de los efectos marginales. Este que indica cómo influye de promedio la variable explicativa sobre la probabilidad de que suceda la categoría de contraste de la variable dependiente (Y=1). 4. Resultados Para comprobar si la hipótesis del trabajo de que las diferentes características relacionadas con la vivienda y su entorno tienen influencia en la salud es correcta, es necesario analizar los resultados obtenidos de la estimación del modelo econométrico logit realizado con el programa estadístico R, donde la variable dependiente es la salud percibida y las variables explicativas todas las incluidas en las tablas 1 a 4. Tras el refinamiento de la base de datos eliminando aquellas observaciones sin datos para las variables seleccionadas, el tamaño de la muestra finalmente utilizada es de 31.030 personas. Los resultados finales del modelo estimado por máxima verosimilitud se muestran en la tabla A.2 del Anexo. En dicha tabla se incluye en la primera columna el nombre de la variable, en la segunda columna la información de los coeficientes estimados con su respectivo signo y si la variable respecto a la salud es o no significativa y a qué nivel, en la tercera columna los errores estándar, en la cuarta columna el valor del estadístico t y en la última columna el promedio de los efectos marginales (AME). Una asociación entre dos variables es considerada “estadísticamente significativa” cuando es altamente improbable que haya surgido por casualidad. Es decir, de no existir 20 tal asociación, los resultados observados serían poco probables de obtener al azar (Fernández, C. 2022). Esta probabilidad puede variar dependiendo de a qué nivel de significatividad sea la variable significativa. En cuanto a la medida de bondad de ajuste, una de las más conocidas para los modelos con una variable dependiente binaria es Pseudo R2 de McFadden. Pseudo R2 mide el ajuste del modelo mediante la función de verosimilitud (H. Stock, J. y M. Watson, M., 2012). Este lo he calculado para el modelo y el resultado es 0.219. A continuación, voy a analizar los resultados obtenidos variable por variable. En este caso, primero explicaré las variables de control y después las variables más importantes para sacar conclusiones del análisis. Edad. Los resultados afirman que es una variable estadísticamente significativa. Como el signo del coeficiente es negativo, a mayor edad, menor es la probabilidad de percibir tener buena salud. El efecto marginal promedio indica que a medida que aumenta un año la edad, disminuye en 0,72 puntos porcentuales la probabilidad de percibir tener buena salud. Sexo. No es una variable significativa en el modelo. Según estos resultados, no parece que haya diferencia en la percepción de la salud entre los hombre y las mujeres, una vez se han tenido en cuenta el resto de los factores incluidos en el modelo. País nacimiento. El estudio muestra que la variable creada para países que no sean España pero que estén dentro de la Unión Europea es estadísticamente significativa, mientras que la variable creada para los países del resto del mundo no lo es. Por tanto, solo se puede concluir que, como la variable ficticia creada para los extranjeros dentro de la Unión Europea tiene signo negativo, estos tienen menos probabilidad de percibir tener buena salud que las personas nacidas en España. Comunidad autónoma. La comparativa de las diferentes comunidades o ciudades autónomas donde viven los encuestados es con Galicia. Los resultados muestran que las comunidades y ciudades autónomas que no son significativas solamente son Cantabria, Murcia y las Islas Canarias. Valencia y Castilla y León son significativas pero al 10% de nivel de significatividad. Además, el modelo indica que las personas que residen en todas las comunidades y ciudades autónomas que sí son significativas, es decir, el resto de que 21 no he mencionado junto con Valencia y Castilla y León aunque en menor medida, tienen más probabilidad de percibir tener una buena salud en comparación con las que viven en Galicia. Situación en relación con la actividad. Todas las variables ficticias creadas para la actividad son estadísticamente significativas. Sin embargo, no todas tienen el mismo signo. De acuerdo con los resultados del estudio, los parados, los jubilados y el grupo de “otros” tienen menos probabilidad de percibir que tienen buena salud en comparación con los trabajadores. En cambio, el grupo de estudiantes tiene más probabilidad de percibir tener buena salud en comparación con los trabajadores. Esto tiene sentido porque normalmente los estudiantes son personas jóvenes con buena salud. Nivel de Estudios. Ambas variables ficticias creada para el nivel de estudios son estadísticamente significativas con signo positivo. Por lo tanto, las personas con estudios medios, como las personas con estudios superiores tienen más probabilidad de percibir que tienen buena salud que las personas con estudios básicos. Además, el promedio de los efectos marginales muestra que a medida que aumenta el nivel de estudios, aumenta también la salud percibida de las personas. Más concretamente, las probabilidades de percibir tener buena salud son de 2,8 y de 7,1 puntos porcentuales mayores para las personas con estudios medios y superiores respectivamente, comparado con las personas con estudios básicos. Personas en riesgo de pobreza o exclusión social. Esta es una variable estadísticamente significativa en el modelo con el signo del coeficiente negativo. Esto significa que si una persona está en riesgo de pobreza o exclusión social tiene menos probabilidad de percibir tener una buena salud. Renta unidad consumo. La renta por unidad de consumo es una variable significativa al 5%. Los resultados muestran que a mayor renta por unidad de consumo, mayor es la probabilidad de que las personas perciban tener buena salud. Ahora bien, los efectos marginales promedio de esta variable son prácticamente nulos. Capacidad del hogar para llegar a fin de mes. Esta variable es estadísticamente significativa. Como el signo de la variable ficticia creada para la capacidad del hogar para llegar a fin de mes es negativa, las personas que tienen dificultad para llegar a fin de mes 22 tienen menos probabilidad de percibir tener una buena salud. De hecho, tienen 8,1 puntos porcentuales menos de probabilidad. Los resultados de las tres variables económicas son los esperados. En todos los casos, a mejor situación financiera tanto de la persona, como del hogar al que esta pertenece, mayor es la probabilidad de percibir tener una buena salud. Una explicación de este resultado puede ser que vivir en hogares con ingresos bajos se muestra como un indicador clave para predecir la presencia de síntomas de depresión y ansiedad (Riva A., Rebecchi A., Capolongo S. y Gola, M., 2022). Además, en otros estudios también se ha obtenido que casi el doble de personas que viven en condiciones de pobreza perciben su estado de salud como malo o muy malo en comparación con las personas no pobres, un 11,4% frente a un 6,6% (Llano, J. C., 2019). Grado de urbanización. El grado de urbanización medio con referencia al grado alto de urbanización no es una variable estadísticamente significativa, mientras que el grado de urbanización bajo sí lo es con el signo del coeficiente negativo. Así, las personas que viven en una zona poco poblada, tienen menos probabilidad de percibir tener una buena salud en comparación con las que viven en una zona muy poblada. Dicho con otras palaras, las personas que viven en ciudades grandes son las que más probabilidad tienen de percibir tener una buena salud. Vivir en grandes ciudades en comparación con vivir en zonas rurales puede tener tanto beneficios como perjuicios para la salud. Los perjuicios principales por los que es menos saludable vivir en la ciudad que en una zona rural son el estrés y agobio constante, el respirar aire más contaminado y la contaminación acústica, entre otros. Sin embargo, también hay beneficios como el mayor acceso a los centros de salud y hospitales en caso de necesitarlos y el aumento de la vida social (Snell, T. y Bhullar, N. 2019). Basándome en los resultados de mi análisis, se podría decir que en este caso las ventajas de la vida en la ciudad han tenido un mayor impacto que las desventajas. Tipo de vivienda y régimen de tenencia. Tanto el tipo de vivienda, como el régimen de tenencia no son variables significativas en el modelo. Por tanto, la salud percibida de las personas no varía para los que viven en una vivienda unifamiliar o en un apartamento, solamente por ese hecho, manteniendo el resto de variables constantes. Lo mismo sucede con tener una vivienda en propiedad, en alquiler o en cesión gratuita. 23 Número de habitaciones de la vivienda. Todas las variables ficticias creadas en relación con el número de habitaciones son significativas en el modelo y tienen el signo del coeficiente positivo. Esto significa que las personas que viven en un hogar con 4, 5 o 6 o más habitaciones en comparación con las que viven en un hogar con de 1 a 3 habitaciones tienen más probabilidad de percibir tener una buena salud. De hecho, los efectos marginales promedio indican que a medida que aumenta el número de habitaciones, aumenta también la probabilidad de percibir tener buena salud. Normalmente, cuantas más habitaciones, más es el espacio en la casa. Este resultado es comprensible porque la salud mental es mejor cuando se dispone del espacio adecuado en el hogar (Riva A., Rebecchi A., Capolongo S. y Gola, M., 2022). Número de miembros del hogar. Dependiendo del número de miembros en el hogar, las conclusiones del modelo son completamente diferentes. Por un lado, las variables ficticias creadas para hogares de 2 o 3 miembros en comparación con un único miembro no son significativas. Por otro lado, la variable creada para los hogares de 4 o más miembros en comparación con un único miembro sí es significativa. En este caso, las personas que viven en una vivienda que tiene 4 o más miembros tienen mayor probabilidad de tener Los resultados obtenidos no coinciden con algunos estudios que han encontrado que la salud mental general empeora en los hogares con muchas personas debido a la falta de intimidad, la carencia de espacio individual y la creación de condiciones repetitivas en la convivencia (Riva A., Rebecchi A., Capolongo S. y Gola, M., 2022). Aunque, bajo mi punto de vista, también se podría argumentar en sentido opuesto debido a los beneficios sociales que conlleva la compañía en el hogar. Esto último puede que haya influido en los resultados de mi modelo. Escasez de luz natural en alguna habitación. El modelo indica que esta variable es estadísticamente significativa. Además, el signo del coeficiente positivo es el esperado. El promedio del efecto marginal muestra que las probabilidades de tener una buena salud percibida es 1,7 puntos porcentuales mayor para las personas que no tienen escasez de luz natural en alguna habitación en comparación con las personas que si la tienen. Ruidos producidos por los vecinos o procedentes del exterior. Esta es una variable estadísticamente significativa. Como el grupo de referencia es sí, el hecho de que el signo del coeficiente sea positivo significa que a mayor cantidad de ruidos, menor es la 24 probabilidad de percibir tener una buena salud. El efecto marginal promedio en este caso es de 2,8 puntos porcentuales. Los ruidos, por tanto, sí tienen un efecto negativo en la salud en mi análisis. Estos resultados podrían explicarse porque la escasez de luz natural y los ruidos en el interior de la casa son dos condiciones desfavorables del hogar que están estrechamente relacionadas con el empeoramiento de la salud mental de las personas que habitan esas viviendas. Por un lado, la salud mental es mejor cuando hay más ventanas en una habitación porque se garantiza la cantidad adecuada de exposición a la luz natural y una calidad de iluminación agradable. Por otro lado, la presencia de vecinos y sus ruidos junto con el ruido del tráfico en viviendas que carecen de aislamiento, provoca un deterioro en la salud mental en general (Riva A., Rebecchi A., Capolongo S. y Gola, M., 2022). Contaminación, suciedad u otros problemas medioambientales. Este entorno poco propicio de la vivienda tiene un efecto negativo en la salud según los resultados obtenidos. Una persona que tiene en el entorno de su vivienda estas condiciones es 2,9 puntos porcentuales más probable que perciba tener mala salud. Esta variable ficticia en la muestra es estadísticamente significativa. La contaminación tiene influencia negativa en la salud física. La exposición a contaminantes en el aire representa uno de los principales riesgos para la salud, siendo un factor destacado en el desarrollo de enfermedades no transmisibles, como el asma y el cáncer, entre otras. Esta exposición se considera una amenaza para la salud tanto de las generaciones actuales como de las futuras (Vargas, F., 2005) Delincuencia o vandalismo en la zona. Como era de esperar, las personas que viven en una zona con delincuencia o vandalismo tienen más probabilidades de percibir tener peor salud. Concretamente, es 2,4 puntos porcentuales mayor la probabilidad. Esta variable es estadísticamente significativa. La delincuencia o el vandalismo en la zona es otro de los factores que afectan a la salud mental. Vivir en alerta permanente en la zona donde la vivienda está ubicada puede provocar inseguridad, cuadros de ansiedad y miedo en las personas que lo sufren (Ricou, J., 2020). 31 Tabla A.2: Resultados del modelo logit Coeficiente Error estándar t AME Edad - 0.0487 *** 0.0015 - 32.745 - 0.0072 Mujer - 0.0186 0.0317 - 0.586 - 0.0028 Extranjero (EU) Extranjero (no EU) - 0.3139 ** - 0.0634 0.0987 0.0599 - 3.179 - 1.056 - 0.0483 - 0.0094 Asturias Cantabria País Vasco Navarra La Rioja Aragón Madrid Castilla y León Castilla-La Mancha Extremadura Cataluña Valencia Illes Balears Andalucía Murcia Ceuta Melilla Canarias 0.3478 *** 0.1034 0.4740 *** 0.5126 *** 0.3997 *** 0.3793 *** 0.3653 *** 0.1366 . 0.5760 *** 0.6567 *** 0.4279 *** 0.1333 . 0.5968 *** 0.3178 *** - 0.0087 0.9651 *** 0.6547 *** - 0.0950 0.0987 0.0959 0.0947 0.1200 0.1035 0.0917 0.0769 0.0789 0.0882 0.0896 0.0688 0.0796 0.1078 0.0718 0.0920 0.1478 0.1806 0.0963 3.525 1.078 5.005 4.272 3.862 4.134 4.751 1.731 6.529 7.329 6.218 1.676 5.538 4.428 -0.095 6.532 3.626 -0.986 0.0540 0.0165 0.0723 0.0778 0.0616 0.0586 0.0565 0.0217 0.0866 0.0976 0.0657 0.0212 0.0895 0.0495 - 0.0014 0.1368 0.0974 - 0.0155 Parado Estudiante Jubilado Otros - 0.2814 *** 0.4613*** - 0.4499 *** - 0.8832 *** 0.0518 0.1249 0.0501 0.0479 - 5.429 3.694 -8.980 - 18.429 -0.0425 0.0598 -0.0700 -0.1465 Medios Superiores 0.1776 *** 0.4754 *** 0.0403 0.0412 4.412 11.532 0.0278 0.0713 Riesgo de pobreza - 0.2514 *** 0.0418 -6.012 - 0.0382 Renta 4.071 e-06 * 1.699 e-06 2.396 0.0000 Capacidad fin de mes - 0.5462 *** 0.0346 -15.810 - 0.0811 32 Zona media Zona poco poblada - 0.0515 - 0.0846 * 0.0401 0.043 - 1.284 - 1.965 - 0.0076 - 0.0126 Vivienda unifamiliar -0.0037 0.0386 -0.096 - 0.0006 En alquiler En cesión gratuita 0.0091 0.0271 0.0500 0.0682 0.182 0.398 0.0014 0.0040 4 habitaciones 5 habitaciones 6 o más habitaciones 0.1152 * 0.1197 * 0.1730 ** 0.0516 0.0518 0.0564 2.233 2.309 3.070 0.0174 0.0181 0.0259 2 miembros 3 miembros 4 o más miembros - 0.0672 - 0.0265 0.1238 * 0.0480 0.0526 0.0549 - 1.401 - 0.504 2.255 - 0.0102 - 0.0040 0.0182 Escasez luz 0.1149 *** 0.0479 2.400 0.0173 Ruidos 0.1885 *** 0.0386 4.882 0.0284 Contaminación 0.1915 *** 0.0483 3.967 0.0290 Delincuencia 0.1599 *** 0.0439 3.643 0.0241 Humedades 0.2940 *** 0.0384 7.648 0.0449 Temperatura adecuada - 0.4056 *** 0.0496 -8.176 - 0.0632 Niveles de significatividad: 0,01 ‘***’ 0,05 ‘**’ 0,1 ‘*’ Pseudo R-cuadrado McFadden 0.2189312