Impact de l’expérience professionnelle sur la
productivité des médecins omnipraticiens au Québec
Mémoire
Ichola SOULE
Maîtrise en économique
Maître ès arts (M.A.)
Québec, Canada
iii
Résumé
La population québécoise est vieillissante. Ce vieillissement entraîne plusieurs conséquences, dont la hausse croissante des dépenses en matière de santé. De plus, les évolutions récentes dans la profession médicale au Québec sont caractérisées par une féminisation croissante. Ces indicateurs appellent à des réformes pour améliorer l’efficacité des services de santé. L’étude de la productivité des omnipraticiens à travers leur carrière permet de contribuer à éclairer les politiques sur des réformes appropriées à mener. Nous disposons d’une base de données de panel, combinant un sondage et des données administratives. L’estimation par maximum de vraisemblance montre que la productivité des omnipraticiens est fonction de leurs expériences, évolue approximativement selon une courbe en cloche avec un plateau entre les tranches d’âge de 35 à 65 ans. Les hommes sont en moyenne plus productifs que les femmes avec un écart de productivité de 15% à 49%.
v
Abstract
Quebec's population is aging. This aging causes many consequences such as growing rise in health spending. In addition, recent developments in the medical profession in Quebec are characterized by increasing feminization. These indicators are calling for reforms to improve the efficiency of health services. The study on general practitioners’ productivity through their careers can help inform policy on appropriate reforms. We have a panel data combining survey and administrative data on Quebec practitioner physicians. The maximum likelihood estimation shows that general practitioners’ productivity is based on their experiences, evolves approximately as a bell curve with a plateau between the slice’s ages of 35 and 65. Men are on average more productive than women with a difference ranging from 15 to 49%.
vii
Table des matières
Résumé ... iii
Abstract ... v
Table des matières ... vii
Liste des tableaux ... ix
Liste de figures ... xi
Liste des abréviations et des sigles ... xiii
Dédicaces ... xv
Remerciements ... xvii
Introduction ... 1
Chapitre 1 ... 5
Revue de littérature ... 5
1.1- Différents modes de rémunérations des médecins au Québec ... 5
1.2- Etudes sur la productivité dans le secteur médical ... 6
1.3- Théorie du capital humain et le learning by doing ... 12
1.3.1- Théorie du capital humain dans la littérature économique ... 12
1.3.2- Learning by doing (apprentissage par la pratique) ... 12
1.3.3- Evidence de la théorie du capital humain et du learning by doing dans la pratique médicale ... 15
Chapitre 2 ... 17
Données et variables... 17
2.1- Nature et sources des données ... 17
2.2- Définition des variables ... 17
Chapitre 3 ... 21
Méthodologie ... 21
3.1- Mesure de la productivité des médecins... 21
3.2- Modèle économique : hypothèses de base sur le problème du médecin ... 21
3.3- Stratégie d’estimation ... 23
3.3.1- Estimation par le modèle de données de panel ... 24
3.3.2- Estimation par maximum de vraisemblance ... 24
Chapitre 4 ... 27
Résultats ... 27
4.1- Statistiques descriptives ... 27
4.2- Résultats économétriques ... 30
4.2.1- Estimateurs MCO, d’effets fixes et de maximum de vraisemblance ... 30
4.2.2- Effet de l’expérience professionnelle sur la productivité selon le genre ... 32
4.2.3- L’écart de productivité entre les hommes et les femmes est-il statistiquement significatif, sans contrôle pour les heures de travail? ... 37
4.2.4- Effet de l’expérience professionnelle sur la productivité avec contrôle des heures travaillées ... 38
4.2.5- L’écart de productivité entre les hommes et les femmes est-il statistiquement significatif lorsque les heures travaillées sont fixes? ... 43
Chapitre 5 ... 45
Analyse de la sensibilité des résultats ... 45
Conclusion ... 55
ix
Liste des tableaux
Tableau 1 : Définition des variables ... 18
Tableau 2 : Statistiques descriptives de la base de données originelle selon les années ... 28
Tableau 3 : Statistiques descriptives de la base de données originelle selon les âges ... 28
Tableau 4 : Statistiques descriptives selon les années de la base de données traitée ... 29
Tableau 5 : Statistiques descriptives selon les âges de la base de données traitée ... 29
Tableau 6 : Estimateurs MCO, d’effets fixes et de régression tronquée ... 31
Tableau 7 : Estimateur de régression tronquée selon le genre (sans contrôle pour les heures de travail) ... 33
Tableau 8: Productivité le long de la carrière (sans contrôle pour les heures de travail) ... 35
Tableau 9 : Estimateur de régression tronquée avec et sans contrôle des heures travaillées ... 39
Tableau 10 : Estimateur de régression tronquée selon le genre avec les heures travaillées fixes .... 42
Tableau 11: Productivité le long de la carrière (heures travaillées fixes) ... 42
Tableau 12 : Effet de l’expérience professionnelle avec contrôle de la langue et de la région ... 47
Tableau 13 : Productivité le long de la carrière avec contrôle de la langue et de la région ... 50
xi
Liste de figures
Figure 1: Profil de productivité du revenu annuel ... 30
Figure 2 : Profils de productivité par régression tronquée selon le genre ... 34
Figure 3: Profil de l’écart de productivité hommes/femmes ... 36
Figure 4 : Profils de productivité avec et sans contrôle des heures travaillées ... 39
Figure 5 : Profils de productivité selon le genre avec ou sans contrôle des heures travaillées ... 40
Figure 6: Profil de l’écart de productivité avec ou sans contrôle des heures travaillées ... 41
Figure 7: Profils de productivité avec ou sans contrôle de la langue et de la région d’exercice ... 46
xiii
Liste des abréviations et des sigles
CMQ DEA GRIS GSF ICIS MCO ML PCBF RA RAMQ VRU
Collège des Médecins du Québec
Data Envelopment Analysis
Groupe de Recherche Interdisciplinaire en Santé Groupe de Santé Familiale
Institut Canadien d’Information sur la Santé Moindres Carrés Ordinaires
Maximum Likelihood
Programme Canadien de Bourse de la Francophonie Rémunération à l’Acte
Régie d’Assurance Maladie du Québec Valeur Relative des Unités de travail
xv
Dédicaces
Bernadette, Folabi, et Folakè.
xvii
Remerciements
Au terme de ce travail, je voudrais au prime abord saluer la fructueuse coopération entre le Bénin et le Canada à travers le Programme Canadien de Bourse de la Francophonie (PCBF), qui m’a donné l’opportunité d’être admis dans le programme de maîtrise en économique à l’Université Laval. Je voudrais témoigner mes sincères reconnaissances au PCBF qui a entièrement pris en charge ma formation à l’Université Laval. Je voudrais à cet effet présenter mes sincères félicitations au personnel du PCBF pour son écoute et sa disponibilité permanentes.
Je voudrais ensuite remercier le professeur Bruce SHEARER, mon directeur de mémoire, qui a accepté de m’encadrer et qui m’a permis d’approfondir mes connaissances en économétrie appliquée. Je vous remercie très sincèrement pour votre supervision, vos conseils combien louables et pour votre accompagnement sans lequel je ne pouvais pas produire ce travail.
Mes remerciements s’adressent également au Professeur Bernard FORTIN, mon codirecteur de mémoire, dont les commentaires et observations hautement appréciables ont permis d’améliorer substantiellement la version initiale de ce document.
Dès le début de mes recherches, j’ai pu bénéficier de l’appui de Monsieur Nibene Habib SOME pour la compréhension de la base de données. Je voudrais te témoigner mes sincères reconnaissances pour les diverses explications dont j’ai pu bénéficier de ta part dans la configuration de cette base de données. Merci d’avoir accepté sacrifier ton précieux temps malgré tes multiples occupations académiques.
Je voudrais également remercier tous les professeurs du département d’Economique de l’Université Laval pour leur contribution directe ou indirecte à ma formation.
Je voudrais enfin remercier ma famille pour le soutien indéfectible dont j’ai bénéficié. Je pense en particulier à ma conjointe et à mes filles pour les sacrifices énormes qu’elles ont accepté de consentir pour me permettre de concrétiser mon projet de formation à l’Université Laval. J’adresse un grand merci à mes frères Aziz et Khaled pour leurs encouragements et le témoignage de leur solidarité à mon égard.
1
Introduction
La productivité des médecins est un sujet de grande importance pour la planification et la gestion des systèmes de soins de santé financés par l’Etat. Face à une population vieillissante, les gouvernements doivent s'assurer que les ressources sont disponibles pour répondre à la demande croissante de soins de santé. Cela nécessitera une planification à long terme du nombre de médecins à former pour l'avenir. Subséquemment, la connaissance de la productivité individuelle des médecins tout au long de leur carrière est cruciale pour la prise de décision. Cela est particulièrement important étant donné les tendances récentes d’une hausse croissante du nombre de médecins de sexe féminin formés dans les écoles de médecine (Contandriopulos et Fournier, 2007). Ce mémoire mène une investigation sur ces questions dans le contexte du Canada en général et du Québec en particulier, par la mesure de la productivité des médecins au cours de leur carrière. Nous nous concentrons sur l’effet de l'expérience sur la productivité des médecins et sur comment la productivité des médecins varie selon le sexe.
Au Canada en général et au Québec en particulier, le financement des dépenses de santé relève du gouvernement provincial (Dumont et al., 2008); ces dépenses sont prises en charge à plus de 75% par le gouvernement (Stabile, 2003) et la hausse croissante du vieillissement de la population se répercute sur les dépenses de santé (Clavet et al., 2013). Dans la province du Québec, la proportion des personnes de plus de 65 ans est passée de 13% en 2000 à 15% en 2010; elle a été de 16,6% entre 2012 et 2013 et est projetée à une moyenne de 20% entre 2010 et 2020 (Payeur et Girard, 2013). Le budget de santé qui représente déjà une proportion importante du budget du gouvernement provincial, soit 31% en 2013, est en augmentation permanente (Institut Canadien d’Information sur la Santé, 2011). Le budget consacré à la rémunération des médecins du Québec a connu des augmentations cumulées de 47% de 2000 à 2009 et une hausse moyenne annuelle de 4,4% au cours de cette même période (Boulenger et Castonguay, 2012). Les estimations à long terme prédisent que les dépenses de santé passeront de 8,4% à 13,5% du PIB et de 42,9% à 68,9% des revenus totaux du gouvernement du Québec entre 2013 et 2030 (Clavet et al., 2013). Par ailleurs, une féminisation de la profession médicale est notée avec acuité au Québec (Savard et Rodrigue, 2001; Contandriopulos et Fournier, 2007).
2
L’accroissement de la demande de soins de santé a pour conséquence la hausse des besoins de financement des soins de santé et l’allongement de la file d’attente des patients. Le gouvernement doit s’assurer de la disponibilité des ressources pour garantir que l’offre des soins de santé soit suffisante pour satisfaire cette demande. Cette tâche nécessite que le gouvernement planifie à long terme le nombre de médecins à former. Il est capital d’avoir une connaissance approfondie de la productivité des médecins pour prendre en compte aussi bien l’évolution de la demande globale de soins de santé et la restructuration qu’implique la féminisation récente de la profession du médecin au Québec. Si dans la pratique médicale, les femmes sont moins productives que les hommes à travers leur carrière, il faudra planifier d’augmenter le nombre de médecins formés pour satisfaire la demande prévue.
Un élément clé dans l’étude de la productivité est son évolution avec l’expérience. Prendre en compte les changements dans la productivité des médecins à travers leur carrière et des spécificités selon le sexe est important pour la planification de l’offre des soins médicaux. L’expérience peut affecter la productivité soit par l’entremise des investissements en capital humain (Mincer, 1974; Becker, 1994 a), soit par l’entremise de l’apprentissage par la pratique, connu sous la terminologie du "learning by doing" (Arrow, 1962). A cette date, les études sur le learning by doing dans la profession médicale ont exploré son effet sur la qualité des soins (Gaynor et al., 2005 ; Doyle et
al.,2010). Dans le cas de notre mémoire, nous mesurons l’effet du learning by doing sur la quantité
des soins et la variation de cet effet selon le sexe.
Pour étudier la productivité des médecins, nous disposons d’une base de données sur les omnipraticiens couvrant la période de 1996 à 2002, provenant du Collège des médecins du Québec (CMQ) et de la Régie d’assurance maladie du Québec (RAMQ). Nous avons choisi respectivement le revenu réel et les tranches d’âges comme mesures de la productivité et de l’expérience professionnelle. L’utilisation du revenu réel comme un indice de la productivité des omnipraticiens rémunérés à l’acte suppose de démontrer au préalable que la qualité des actes effectués par ces médecins ne varie pas du tout ou varie très peu. Notre étude exploite implicitement cette hypothèse sans en aborder la démonstration. Cette étude ne prend donc pas en compte d’autres mesures alternatives de la productivité des médecins, par exemple la qualité et la quantité des services complétés. Mais la mesure de l’expérience professionnelle à partir de l’âge est en cohérence avec
3 des travaux sur le profil de productivité. Mincer (1974) a montré que l’âge peut être utilisé comme un proxy1 de l’expérience professionnelle pour l’établissement des profils de revenus.
Nos résultats suggèrent que: la productivité des omnipraticiens est fonction de leurs expériences, évolue approximativement selon une courbe en cloche avec un plateau entre les tranches d’âge de 35 à 65 ans. Les hommes sont en moyenne plus productifs que les femmes avec un écart de productivité allant de 15% à 49%.
La suite du présent mémoire sera articulée comme suit : après une revue de littérature qui abordera les études sur la productivité dans le secteur de la santé, nous passerons à une description des données, suivie de l’explication de l’approche méthodologique. A la suite des résultats et de leur interprétation, nous terminerons par la présentation de la conclusion et des limites de notre étude pour déboucher sur les perspectives pour les études futures.
1 L’utilisation de l’âge comme proxy de l’expérience professionnelle est en cohérence avec la note relative à l’utilisation de proxy de variables (Wickens, 1972).
5
Chapitre 1
Revue de littérature
La productivité peut être mesurée par la quantité de biens ou de services produits par unité de temps. Mais cette mesure devient complexe lorsqu’une entreprise produit plusieurs biens et services. C’est le cas des médecins qui performent plusieurs services; ce qui rend difficile la mesure de leur productivité.
Pour une opérationnalisation du concept de "productivité" par rapport aux médecins omnipraticiens, nous utiliserons leurs revenus réels. Ceci se justifie par le fait que ces médecins sont payés à l’acte. Dans cette section, nous présentons un aperçu des différents modes de rémunération des médecins. Nous abordons ensuite la spécificité de la productivité dans le secteur de la santé par une recension des études les plus édifiantes qui ont analysé la productivité dans la profession médicale. Les aspects méthodologiques ainsi que les principaux résultats révélés dans la littérature seront présentés de façon succincte.
1.1- Différents modes de rémunérations des médecins au Québec Il existe cinq modes de rémunération des médecins au Québec : la rémunération à l’acte, la rémunération mixte, le salariat, la vacation, la capitation, mais les deux premières constituent les principaux. Une description détaillée de ces cinq modes de payement est présentée par Boulenger et Castonguay (2012).
Selon le mode de rémunération à l’acte, chaque médecin est payé en fonction du volume des services qu’il effectue. Le service est facturé selon la nature des actes et du nombre d’actes à partir du tarif normalisé. Ce mode de payement serait facile à implémenter, mais peut inciter les médecins à facturer plus d’actes que ne l’aurait souhaité le patient s’il était bien informé (Grignon et al., 2002; Léger, 2011). La rémunération à l’acte est le mode de rémunération auquel la grande majorité des médecins ont adhéré au Québec ; plus particulièrement les médecins omnipraticiens qui constituent l’objet de notre étude.
Le salariat est un contrat de travail par lequel le médecin exécute un nombre d’heures constant de travail par semaine et reçoit une rémunération mensuelle selon le nombre d’heures effectuées. Il est basé sur une semaine de travail de dix-sept (17) heures et demie ou de trente-cinq (35) heures et est
6
assigné aux médecins qui travaillent dans les centres locaux de services communautaires et dans les directions de santé publique. Il est reconnu que le salariat permet de réduire le nombre d’actes et de tests prescrits à un patient, mais conduit les médecins à consulter très peu de patients (Boulenger et Castonguay, 2012).
En ce qui concerne la rémunération mixte, elle s’adresse essentiellement aux spécialistes et est une combinaison de la rémunération à l’acte et du salariat. Par ce mode de payement, le médecin reçoit un salaire de base (indemnité) indépendant du nombre de services pourvus et une rémunération proportionnelle de payement à l’acte (Dumont et al., 2008).
La vacation est le mode de rémunération en vertu duquel la prestation du médecin est rémunérée en fonction du nombre d’heures de service rendu (Boulenger et Castonguay, 2012). Quant à la capitation, elle constitue le mode de payement par lequel le médecin reçoit un payement forfaitaire pour chaque patient inscrit dans sa pratique (Léger, 2011). La capitation est une forme de rémunération qui s’applique essentiellement au groupe de médecins de familles (Boulenger et Castonguay, 2012).
1.2- Etudes sur la productivité dans le secteur médical
Ces études peuvent être regroupées en deux catégories: le premier groupe concerne les études qui ont porté sur la productivité des hôpitaux ou des services de santé et le deuxième groupe est relatif à celles ayant analysé la productivité des médecins. Au nombre des études portant sur la productivité des unités sanitaires, nous retenons Liu (2006). La méthodologie de l’étude est basée sur l’application sur des données de panel taiwanaises de l’approche analytique d’indice de productivité de Malmquist et le DEA (Data Envelopment Analysis : méthode d’enveloppement des données). L’étude utilise le tobit et la régression MCO pour mesurer la productivité des services de santé et évaluer les changements observés dans leur efficience et dans leur productivité. L’indice de productivité de Malmquist a été mesuré à partir d’une combinaison des variables suivantes: le nombre de visites ambulatoires, le nombre de visites à l'urgence, le nombre de patients sortis, le nombre d'opérations chirurgicales, l’effectif moyen de l’équipe médicale par lit. Les résultats montrent que plus l’effectif du personnel médical par lit augmente, plus les soins que reçoit le malade augmentent et plus grande est la qualité des soins dont il bénéficie.
7 O’Donnell et Nguyen (2013) ont élaboré une approche économétrique pour estimer les indices de productivité, les mesures du changement de l’environnement, les niveaux d’efficacité, et les prix de soutien pour un échantillon d'hôpitaux publics australiens. L’approche méthodologique est basée sur l’estimation d’une fonction de distance sous la forme d'un modèle de frontière stochastique classique appliquée à des données de panel australiennes. L’utilisation de cette approche est justifiée par le manque de données fiables sur les prix d'output; en absence des données sur ces prix, l'estimateur du maximum de vraisemblance peut mener à des résultats biaisés et non convergents des paramètres.
Le modèle théorique développé par ces auteurs, montre comment les données basées seulement sur les quantités (sans les prix) des outputs et des inputs peuvent être utilisées pour estimer les productivités individuelles des hôpitaux opérant dans différents environnements de production. L’étude a également permis de démontrer que les différences dans la productivité des hôpitaux qui ne peuvent pas être expliquées par des différences dans l'environnement de production peuvent être expliquées par les différences de diverses mesures d'efficacité (par exemple, l'efficacité de l'échelle). En définitive, il ressort du modèle développé que les données sur les quantités d’output (sans les prix) peuvent être combinées avec le coût total pour estimer les valeurs maximales des prix efficaces des services produits par les hôpitaux dans différents environnements de travail.
Cheriff et al. (2010) décrient les changements dans la productivité, au niveau d’un large échantillon de médecins de multispécialité exerçant dans des hôpitaux universitaires, après la mise en œuvre d'un système électronique de dossiers de santé ambulatoires, disponible dans le commerce. La productivité des hôpitaux a été respectivement mesurée par : le volume mensuel de fréquentation, les frais de prestation facturés, et un indice appelé "la valeur relative des unités de travail" (VRU). L’effet sur la productivité a été estimé à partir d’une régression multivariable sur des données de panel.
Il est à retenir de cette étude que l’effet d’une variable sur la productivité peut être significatif ou non selon la manière dont la productivité est mesurée. L’implémentation du système électronique de dossiers de santé ambulatoires a un effet significatif sur la productivité lorsque la productivité est mesurée à partir du niveau de fréquentation ou des frais de prestation alors que l’effet est non significatif quand la productivité est mesurée à partir de "la valeur relative des unités de travail".
8
L’étude de Or et al. (2013) porte sur l’impact de la tarification à l’activité en France qui est l’équivalent de la rémunération à l’acte au Québec. A partir des données de panel françaises couvrant la période de 2002 à 2009, l’approche méthodologique est basée sur une analyse descriptive d’un certain nombre d’indicateurs associés à la productivité, à la production et à la qualité des soins. La productivité a été estimée à partir du rapport de la production hospitalière sur les ressources hospitalières.
Les résultats suggèrent une augmentation très marquée de la production et de la productivité dans le secteur public. Par contre dans le secteur privé, la hausse de la production et de la productivité a été accompagnée d’une modification structurelle de l’activité hospitalière. En ce qui concerne la qualité des soins, elle a été globalement améliorée, mais il y a une détérioration par rapport à l’indicateur relatif "au taux de réadmission à 30 jours" pour les mêmes prises en charge. Une augmentation très forte de la proportion de certaines interventions légères et bien rémunérées a été constatée et laisse penser à une possible induction de la demande qui n’est pas totalement justifiée. L’analyse est restée descriptive et ne permet donc pas d’appréhender de façon précise l’impact de la mise en œuvre de la tarification à l’activité dans les hôpitaux français en 2002. En effet, une analyse descriptive ne peut pas isoler l’effet d’une variable d’intérêt des facteurs contextuels ni appréhender les effets résultant d’autres programmes ou de l’équilibre général.
L’étude de Hurley et Labelle (1995) s’inscrit dans la rubrique de celles portant sur la productivité des médecins. Cette étude a analysé la réaction des médecins face aux variations des tarifs des actes. L’étude a porté sur onze (11) actes médicaux relevant de trois spécialités différentes et sur des données provenant de quatre (04) provinces du Canada (Colombie-Britannique, Manitoba, Ontario et Nouvelle-Écosse) pour la période 1977 à 1989. Cette étude permet de déterminer comment varie la productivité des médecins pour chaque acte médical lorsque les tarifs des actes changent. Les résultats suggèrent que le comportement d’offre de travail des médecins suit la maximisation de leur utilité et non la maximisation de leur profit puisque l’augmentation du tarif d’un acte n’implique pas systématiquement une hausse de la production de cet acte. Il est à retenir que le comportement des médecins n’est pas uniforme pour les onze (11) actes médicaux analysés. Les résultats comprennent un mélange de coefficients significatifs et non significatifs de l’effet des variations des tarifs. Parmi les coefficients significatifs, un mélange de corrélations positives et négatives est observé.
9 Il est donc à retenir de Hurley et Labelle (1995) que la productivité des médecins n’est pas nécessairement uniforme pour toutes les tâches cliniques, la productivité moyenne serait la résultante des productivités pour les différentes tâches. Puisque le comportement d’offre de travail des médecins suit la maximisation de leur fonction d’utilité, nous nous attendons à ce que leur productivité n’évolue pas dans le même sens de variation au cours de leur carrière.
Ferrall et al. (1998) analyse à l'aide de données canadiennes, l’offre de travail des médecins à partir de la méthode de maximum de vraisemblance simulée en comparant les comportements d’offre de travail des médecins payés sous un régime à l’acte à ceux payés sous le salariat. Les résultats de cette étude suggèrent que les médecins qui travaillent sous un régime de rémunération à l'acte consacrent plus de temps de travail aux tâches cliniques comparativement à leurs collègues salariés. Il a été observé qu’en moyenne, les médecins rémunérés à l’acte effectuent 5,9 heures de plus, en termes d’heures de travail hebdomadaire exclusivement consacrées pour les visites aux patients par rapport aux médecins dont le contrat de travail est le salariat. Cependant, les médecins qui sont rémunérés à l’acte travaillent au total 5,5 heures de moins chaque semaine.
L’influence du mode de rémunération sur la productivité des médecins a été implicitement reconnue dans l’étude de Devlin et Sarma (2008) qui a évoquél’existence de trois canaux par lesquels le choix du régime de rémunération est susceptible d'affecter la production ou la productivité des médecins. L'effet d’une rémunération alternative à la rémunération à l’acte a été analysé en modélisant l’output des médecins de famille à partir d’un modèle économétrique fondé sur la combinaison de la méthode de variables instrumentales avec la méthode des moments généralisés. La productivité des médecins de familles a été mesurée à partir du logarithme du nombre de visites effectuées aux patients par semaine.
L’analyse a démontré l’existence d’un effet de sélection positif et d’un effet incitatif négatif. Un effet de sélection positif signifie que les médecins ayant une capacité de prestation élevée (en terme du nombre d’actes exécutés par unité de temps) auront tendance à choisir un système de rémunération basé sur le nombre d’actes exécutés pendant que les médecins relativement moins rapides au travail auront tendance à opter pour un mode de payement fondé sur le nombre d’heures de travail. Quant à l’effet incitatif négatif, il traduit le fait que les médecins diminuent leur offre de travail lorsque leur rémunération augmente. L'ampleur de l'effet de sélection est de l'ordre de 17 à 27% et l'effet
10
d’une rémunération alternative à la rémunération à l’acte (RA) a été estimé dans une fourchette de 16% à 58%. Les conclusions de cette étude suggèrent que les hommes sont plus enclins à des régimes intensifs en actes que les femmes. Cette conclusion laisse supposer que sous un régime de rémunération à l’acte, les hommes produiraient en moyenne plus d’actes que les femmes.
Sarma et al. (2011) ont étudié l’effet de la cohorte sur la productivité (mesurée par le nombre d’heures de travail effectué) des médecins de famille au Canada. L’analyse est fondée sur un modèle d’effets fixes et les résultats permettent de conclure que les jeunes cohortes de médecins de famille ne sont pas nécessairement moins productives que leurs ainées. Mais il est noté une baisse de la productivité moyenne d’une année à l’autre, probablement liée à un vieillissement des membres de la corporation, du fait d’un vieillissement général de la population canadienne. Les résultats suggèrent une baisse possible de la productivité intergénérationnelle plutôt qu’une baisse de la productivité inter cohorte.
Kantarevic et al. (2011) ont comparé les productivités des médecins de soins primaires dans un modèle de payement mis en place en Ontario, connu sous le nom du Groupe de santé familiale (GSF) au modèle traditionnel de rémunération à l'acte (RA). La productivité des médecins est mesurée selon le nombre d’actes effectués, le nombre de visites rendues aux patients et le nombre de patients différents examinés. L’analyse économétrique a été menée à partir du "modèle de tendance randomisée corrélée2" (the correlated random trend model), une variante du modèle de
différence en différence calculant la différence des effets selon les individus et non selon les groupes d’individus. Le modèle contrôle: i) les différences moyennes de productivité à travers les médecins (constantes dans le temps pour chaque médecin), ii) les tendances communes dans les productivités
2 Nous pouvons définir le modèle de tendance randomisée corrélée en nous référant au modèle d’effets fixes et au modèle de différence en différence qui sont des modèles courants d’analyse en économétrie. Le modèle utilisé par Kantarevic et al, 2010, dénommé "le modèle de tendance randomisée corrélée" (the correlated random trend model), a été emprunté à Wooldridge, 2005. Ce modèle est semblable au modèle de différence en différence; la spécificité du modèle de tendance randomisée corrélée par rapport au modèle de différence en différence est que la différence des effets est calculée entre les individus au lieu des groupes d’individus. Dans le cas précis de l’étude de Kantarevic et al, 2010, si le modèle traditionnel de différence en différence était appliqué, l’effet de la mise en œuvre des Groupes de Médecins de Familles (GSF) serait obtenu pour l’échantillon donné de médecins, à travers le temps, par la différence entre l’effet moyen de rémunération (effets fixes de rémunération) lorsque ces médecins sont rémunérés à l’acte (RA) et l’effet moyen de rémunération lorsque ces mêmes médecins sont passés au GSF. Mais avec le modèle de tendance randomisée corrélée, l’effet de la mise en œuvre des Groupes de Médecins de Familles (GSF) est calculé pour chaque médecin, à travers le temps, par la différence entre l’effet moyen de rémunération (effets fixes de rémunération) lorsque le médecin considéré était rémunéré à l’acte (RA) et l’effet moyen de rémunération lorsque ce même médecin est passé au GSF. Le modèle de tendance randomisée corrélée donne donc un effet moyen par médecin, et ainsi plusieurs effets au sein du groupe de médecins. L’analyse des effets moyens individuels permet de savoir s’il est possible de dégager une tendance moyenne pour le groupe.
11 de tous les médecins (constantes pour tous les médecins, mais peut varier dans le temps), iii) la tendance de linéarité de productivité (spécifique pour chaque médecin).
Les résultats indiquent que les médecins GSF fournissent plus de services et de visites et traitent plus de patients comparativement aux médecins rémunérés à l’acte. Le système GSF augmente significativement la productivité des médecins par rapport à la RA et les médecins GSF ont un taux de patients référés légèrement faible et traitent plus de patients complexes par rapport aux médecins de la RA.
Les conclusions de Kantarevic et al. (2011) sont corroborées par une étude récente (Echevin et Fortin, 2014), consacrée à l'impact du mode de rémunération des médecins sur la durée de séjour de leurs patients à l'hôpital et leur risque de réadmission. Les résultats montrent que la durée de séjour à l'hôpital des patients traités dans les départements ayant opté pour le système de rémunération mixte aurait augmenté en moyenne de 4,2% (0,28 jour). Par ailleurs, la réforme n’aurait pas d’effet significatif sur le risque de réadmission des patients admis dans les départements concernés par ladite réforme.
Au nombre des études les plus édifiantes réalisées sur la même base de données que la nôtre, nous retenons Dubé (2005) ; Dumont (2006) ; Dumont et al. (2008) qui ont analysé l’impact de la rémunération mixte ou du mode de rémunération sur le comportement en matière d’offre de travail des médecins et Chiasson (2009) qui est consacrée à l’impact des tarifs sur le comportement en matière d’offre de travail des médecins spécialistes du Québec.
De ces études, nous pouvons retenir que les médecins à la rémunération à l'acte produisent un volume d’actes plus élevé que ceux à la rémunération mixte. Les résultats montrent que la rémunération mixte a un effet négatif sur le nombre d’heures allouées: aux activités cliniques, à la recherche, au nombre total d’heures de travail, au nombre de patients traités. Elle a par contre un effet positif sur: le nombre d’heures allouées aux activités non cliniques (enseignement et activités médico-administratives), le revenu des médecins, le temps moyen alloué à un patient. Par ailleurs, l’effet du mode de rémunération varie selon le sexe. Le nombre d’heures allouées aux activités cliniques et à la recherche, le nombre total d’heures de travail, le nombre de patients traités sont en moyenne plus élevés chez les hommes, mais le temps moyen alloué à un patient est plus faible chez ceux-ci.
12
Les évidences relevées des études antérieures sont beaucoup plus des déductions que des implications directes desdites études sur la productivité des médecins. La contribution du mémoire est de mettre en évidence l’existence de la théorie du capital humain et du learning by doing dans la pratique des médecins omnipraticiens. Il s’agira d’analyser dans quelle mesure les conclusions déduites des études antérieures sont confirmées et d’estimer la valeur de l’écart de productivité entre les hommes et les femmes.
1.3- Théorie du capital humain et le learning by doing
Le but de notre étude est de mettre en évidence la théorie de l’accumulation du capital humain et le
learning by doing (apprentissage par la pratique) dans la pratique des médecins omnipraticiens du
Québec. Nous passerons en revue les travaux des auteurs de référence sur la théorie du capital humain et nous déboucherons sur quelques cas édifiants de mise en évidence de la théorie du capital humain et de l’apprentissage dans la pratique médicale.
1.3.1- Théorie du capital humain dans la littérature économique
Nous devons la théorie du capital humain à Becker puis à Mincer, considéré comme le pionnier de l’approche moderne en économie du travail (Grossbard, 2006). Le capital humain par similitude au capital financier ou physique est avant tout le produit d’un investissement. Comme le résultat de tout investissement, il produit des gains, mais à la différence du capital physique ou financier, le capital humain est indissociable de son propriétaire. Par exemple, les dépenses sur l'éducation, la formation, les soins de santé sont des investissements qui produisent du capital,mais ce capital est indissociable de l’individu, c’est du capital humain (Becker, 1994 a). Becker qualifie l'éducation et la formation comme les investissements les plus importants dans le capital humain.
La littérature économique identifie deux formes d’investissement dérivées de l’éducation : l’investissement pendant la période scolaire et l’investissement pendant la période postscolaire (Becker, 1994 a). Nous nous intéressons à la dernière forme d’investissement en éducation qui résulte d’une formation sur le tas ou au cours de la carrière. Cette forme spécifique d’investissement en éducation est connue sous le vocable de "learning by doing" : l’apprentissage par la pratique. 1.3.2- Learning by doing (apprentissage par la pratique)
Arrow (1962) est l’un des précurseurs de la mise en évidence de la théorie sur "the learning by
13 répétitions. Il existe un point d’équilibre vers lequel le taux d’apprentissage de l’individu baisse et pour que le taux d’apprentissage augmente, il faut que les situations d’apprentissage évoluent. Dans son modèle théorique, l’investissement cumulé brut est choisi comme l’indice de l'expérience et est fonction du temps. Il a démontré que durant la durée de vie du stock de connaissances, le travail nécessaire pour réaliser la même production est une fonction décroissante du niveau du stock de capital et évolue de façon exponentielle.
En se référant à Arrow (1962), l’indice de l’expérience des médecins, mesuré par les tranches d’âges (qui est aussi une fonction croissante du temps) peut être assimilé aux divers niveaux de stock de capital cumulé et l’âge réel au stock instantané de capital. La productivité étant une fonction inverse du travail, le modèle d’Arrow (1962) nous suggère que la productivité des médecins évoluera suivant une fonction croissante de l’expérience et selon une courbe logarithmique.
La théorie de l’apprentissage par la pratique d’Arrow (1962) est corroborée par une étude plus récente menée par Levitt et al. (2013). Cette étude est fondée sur une base de données très détaillée d’un constructeur automobile. La contribution principale de cette étude est qu’elle a pu prendre en compte la dimension de la qualité de l’output dans la mesure de la productivité. Il est observé non seulement une diminution du nombre moyen d’hommes/heures par véhicule, mais également un affinement de la qualité au fur et à mesure que le nombre total de véhicules produits augmente. La qualité a été mesurée du point de vue de la conformité au standard défini par le constructeur (à travers un audit de qualité), mais aussi selon la perception du consommateur (les demandes préalables de garantie des acheteurs des voitures fabriquées dans l'usine). Cette étude met en exergue la rapidité dans l’acquisition et l’appropriation du savoir à travers l’apprentissage par la pratique. L’autre contribution non moins importante de l’étude est qu’elle identifie les mécanismes d’acquissions, de diffusion et d’appropriation du savoir relevant de l’apprentissage par la pratique dans l’usine à travers des données agrégées et désagrégées. Ce sont les travailleurs positionnés sur les opérations de première ligne qui sont chargés de rapporter les défections jugées pertinentes à la direction. Ces rapports de défections sont traités par la direction et des solutions convenables sont proposées et communiquées à l’ensemble des travailleurs. Si à l’application les solutions proposées corrigent effectivement les défections, elles sont documentées par la direction.
Levitt et al. (2013) focalisent les indices de mesures de la productivité sur les inputs (le nombre moyen de défauts par voiture, le nombre moyen d’heures pour fabriquer une voiture) et l’indice de
14
l’expérience est exprimé en nombre de semaines de travail. Les profils de productivité obtenus se présentent sous la forme d’une courbe décroissante de façon exponentielle. Par identification à notre étude qui fonde la mesure de la productivité sur l’output (revenu annuel réel), nous devons nous attendre une fois encore à une courbe inverse c’est-à-dire une courbe croissante à allure logarithmique définissant le profil de productivité des omnipraticiens.
En matière d’identification de notre étude aux travaux empiriques antérieurs traitant du profil de productivité et du capital humain, nous retenons Mincer (1974) et Becker (1994 b). Mincer (1974) met en évidence l’effet de l’investissement postscolaire en capital humain en analysant les profils de revenus sur un échantillon d’hommes avec huit (08) groupes de niveaux de scolarité différents. L’analyse a été menée en prenant comme indice de productivité, le revenu annuel ou le revenu hebdomadaire ou encore le revenu horaire et l’indice de productivité a été mesuré aussi bien avec des données en valeur (données absolues) qu’avec des données relatives (logarithme). L’indice d’expérience est mesuré par le nombre d’années d’expérience professionnelle ou l’âge. Les résultats montrent que les profils de revenus se présentent sous la forme d’une courbe logarithmique. L’amplitude des profils augmente avec le niveau de scolarité et les revenus atteignent un plateau à un âge plus avancé dans les groupes les plus instruits. Le profil de l’effet de l’investissement postscolaire en capital humain avec l’âge comme indice d’expérience est semblable à celui obtenu avec l’expérience professionnelle ; seulement, l’effet est plus important avec l’expérience qu’avec l’âge. L’effet de l’investissement postscolaire en capital humain est en outre plus significatif avec des données relatives qu’avec des données absolues. A la différence des profils de revenus hebdomadaires, les profils de revenus annuels montrent une légère baisse de la productivité pendant les années de préretraite et suggère une baisse du nombre de semaines travaillées par an pendant ces années.
Becker (1994 b) a mené également son analyse sur un échantillon d’hommes avec trois groupes de niveaux de scolarité différents. Il a utilisé les tranches d’âges comme indice de l’expérience professionnelle et les revenus annuels nets de taxes et déflatés de coûts directs de scolarité comme indice de productivité. Les profils âge-revenu obtenus corroborent les résultats de Mincer (1974). Les profils de productivité se présentent sous la forme d’une courbe logarithmique: les revenus ont tendance à être relativement faibles au début de la participation au marché du travail, augmentent tout au long des âges jusqu'à un pic commun qui est atteint dans la classe d'âge de 45 à 54 ans et le
15 déclin des revenus apparaît dans la dernière classe d'âge (55 à 64 ans). L’amplitude des profils augmente avec les niveaux de scolarité : les résultats montrent clairement que les revenus moyens de chaque classe d'âge sont fortement corrélés avec l'éducation.
Une étude plus proche, menée sur des données finlandaises (Ilmakunnas et al., 2004) confirme la différentiation effective de l’efficacité du travail selon l’âge. Les résultats montrent que le profil de productivité des employés selon l’âge suit une courbe en cloche avec un pic à 40 ans.
1.3.3- Evidence de la théorie du capital humain et du learning by doing dans la pratique médicale
La théorie du capital humain dans la pratique médicale peut être perçue sous deux dimensions; la première option est la perception du service médical comme objet de l’investissement dans le capital humain des populations et la deuxième option est l’investissement dans la formation postscolaire du personnel de santé. C’est la deuxième option qui intéresse notre étude. Il s’agit pour nous de voir dans quelle mesure l’investissement dans la formation postuniversitaire des médecins, contribue à améliorer leur productivité.
Des études empiriques confirment l’évidence que le capital humain des médecins a un effet sur la rapidité des soins. Gaynor et al. (2005) ont mis en évidence à partir des données américaines le "learning by doing" dans la pratique médicale en analysant deux aspects de la relation entre la qualité et le volume des soins effectués pour un type de chirurgie cardiaque: le pontage de l’aorte coronarienne. Les résultats de cette étude montrent que les hôpitaux effectuant un gros volume d’actes chirurgicaux procurent des soins de meilleure qualité ; la meilleure qualité des soins est due au volume d’actes effectués et non l’inverse. Mais il existerait une confusion probable de l’effet dû à l’apprentissage par la pratique et celui résultant d’une simple économie d’échelle. Cette étude ne permet pas d’apporter une clarification sur le fait que l’amélioration de la qualité des soins qui survient dans les hôpitaux traitant de gros volumes de patients est imputable à un effet d'économie d'échelle ou à un effet de l'apprentissage par la pratique.
Doyle et al. (2010) a corroboré l’évidence de la théorie du capital humain et du "learning by doing" dans la pratique médicale à travers une expérience naturelle où près de 30 000 patients ayant des caractéristiques observables similaires ont été affectés au hasard à deux équipes cliniques universitaires. La première clinique est parmi les meilleures écoles de médecine aux États-Unis
16
tandis que l'autre institution est à un niveau plus bas dans la classification. La qualité des soins, mesurée par le taux de mortalité et le taux de réadmission, ne semble pas être liée à l’équipe médicale. Mais les patients traités par les médecins de l’institution de rang supérieur ont un coût de séjour de 10 à 25 % moins cher que les patients assignés à l'institution de rang inférieur, résultant en grande partie de la différence du temps passé et du nombre d’analyses demandées lors du diagnostic.
Cette étude se fonde sur la qualité de l’expérience professionnelle plutôt que sur la durée de cette expérience. Elle lie la valeur du capital humain et du "learning by doing" à la qualité de l’investissement dans la formation postscolaire. Les médecins de la clinique de référence ayant une qualité d’investissement supérieur donc plus d’opportunités d’apprentissage et donc un plus grand investissement en capital humain ont démontré une productivité plus élevée.
Bartel et al. (2011) confirme l’effectivité de l’effet du capital humain dans l’output des services de santé notamment au niveau du personnel infirmier. Leurs résultats montrent que le niveau du capital humain des équipes de soins infirmiers est un facteur déterminant le bien-être des patients. Les durées de séjour à l'hôpital des patients sont significativement plus courtes si les patients sont pris en charge par une équipe d'infirmières qui dispose d'un capital humain plus général. Les niveaux du personnel infirmier ont des effets positifs et significatifs sur le bien-être des patients tandis que l'utilisation d'infirmières contractuelles, qui ont moins de capital spécifique que le personnel infirmier régulier impact négativement sur le bien-être des patients.
Notre étude permet d’approfondir notre connaissance sur l’importance du capital humain et du
17
Chapitre 2
Données et variables
2.1- Nature et sources des données
Notre base de données contient de l’information relative aux caractéristiques individuelles notamment l’âge, le sexe, la langue d’origine, la région d’exercice, l’expérience, d’une part et de l’information liée à la pratique des médecins omnipraticiens du Québec à savoir les revenus, les actes accomplis d’autre part. Les observations sont renseignées sur une période de sept (07) ans: 1996 à 2002. Cette base de données provient de deux sources: le Collège des médecins du Québec (CMQ) et la Régie d’assurance maladie du Québec (RAMQ). Les données de la RAMQ et celles des enquêtes annuelles de la CMQ ont été appariées sur la base de chiffres anonymes attribués à chaque médecin dans l’échantillon. Nous disposons d’informations trimestrielles sur chaque médecin, mais tous les médecins n’ont pas été observés pendant toute la période donc le nombre d’observations par médecin varie de 1 à 28. Pour les besoins de cette étude, l’échantillon a été circonscrit aux omnipraticiens. Le nombre d’observations est de 40 281 et porte sur 7 537 médecins omnipraticiens.
2.2- Définition des variables
L’objectif de l’étude est d’estimer l’impact de l’expérience professionnelle sur la productivité des médecins omnipraticiens du Québec. Les variables d’intérêt pour notre étude sont alors: l’expérience professionnelle et la productivité.
Nous adoptons le revenu réel comme un indice de productivité. La base de données contient deux types de revenus par médecin: le gain des actes et le gain total. Le gain total pour un médecin, est la somme des allocations résultant des actes effectués par celui-ci et des ressources issues d’autres sources comme la vacation, le salariat. Pour les médecins qui ne sont payés qu’à l’acte comme le cas de la grande majorité des omnipraticiens, le gain des actes est égal au gain total. Pour que le revenu des omnipraticiens reflète au mieux leur production et donc leur productivité, nous avons exclu de l’échantillon initial, les observations résultant des sources de revenus autres que la
18
rémunération à l’acte3. Les nombres d’observations et de médecins de l’échantillon final sont ainsi
passés respectivement à 24 326 et 5 354. Le tableau 1 présente la définition détaillée des variables. Tableau 1 : Définition des variables
Variables Définition Variable
dépendante
revenu annuel réel : somme des revenus trimestriels d’une année, payés par la RAMQ à chaque médecin i, ajustés de l’indice des prix de 2002
Tranches d’âges
variable discrète indiquant la tranche d’âge à laquelle appartient le médecin i au moment de l’observation : âge= 1 (<30ans), âge= 2 (30-34 ans), âge= 3 (35-39 ans), âge= 4 (40-44 ans), âge= 5 (45-49 ans), âge= 6 (50-54 ans), âge=7 (55-59 ans), âge= 8 (60-64 ans), âge= 9 (65-69 ans), âge= 10 (>70 ans)
Heures travaillées
nombre moyen d’heures travaillées par le médecin i par semaine au cours de l’année d’observation
Sexe variable discrète indiquant le sexe du médecin i : sexe=1 si homme, sexe = 0 si femme Langue variable discrète indiquant la langue d’origine du médecin i : langue=1 si francophone et 0
si anglophone
Région variable discrète indiquant la région d’exercice du médecin ; la région est représentée par huit (08) variables dichotomiques et peut prendre des valeurs comprises entre 1 et 8. 1 indique les régions les plus urbaines ayant un centre universitaire et 8 les régions les plus rurales sans centre universitaire :
région1=0 si région=1 et 1 si différent ; région2=0 si région=2 et 1 si différent région3=0 si région=3 et 1 si différent ; région4=0 si région=4 et 1 si différent région5=0 si région=5 et 1 si différent ; région6=0 si région=6 et 1 si différent région7=0 si région=7 et 1 si différent ; région8=0 si région=8 et 1 si différent Nous avons retenu les tranches d’âges4 comme indice de l’expérience professionnelle.
3 Ce traitement occasionne une perte assez substantielle d’observations et pourrait induire un biais de sélection s’il affectait le sexe (si le traitement affectait les femmes plus que les hommes ou le contraire). Toutefois, des simulations sur d’autres types d’échantillon (l’intégralité de l’échantillon de base, l’échantillon de base avec suppression des médecins ayant plusieurs sources de revenus) ne conduisent pas à de changements significatifs au niveau des profils de productivité.
4 La première variable explicative importante pour notre étude est l’expérience professionnelle. Dans la base de données, nous disposons de l’expérience pratique qui est le nombre d’années de pratique du médecin et l’expérience du diplôme qui exprime le nombre d’années écoulées après l’obtention du diplôme du médecin. Mais l’expérience pratique et l’expérience du diplôme telles que définies dans la base de données posent des problèmes de cohérence pour être utilisées comme mesure de l’expérience professionnelle pour les raisons suivantes :
- l’expérience pratique et l’expérience du diplôme sont constantes pour chaque médecin pendant toute la période qu’il est observé; - nous ne savons pas précisément comment ces variables sont comptabilisées;
- nous ne sommes pas en mesure de dire si pour chaque médecin, la valeur attribuée à chaque variable est la mesure de cette variable lorsque le médecin a été observé pour la première fois ou la valeur moyenne sur la période de l’étude ;
- il y a 28 trimestres d’observations dans la base de données et tous les médecins n’apparaissent pas dans les observations du premier trimestre;
- tous les médecins ne sont pas observés aux mêmes moments.
L’intérêt des données de panel est de pouvoir exploiter la variabilité de la mesure d’une variable dans le temps. Par exemple, s’il apparaît une inéquation intergénérationnelle dans les revenus, la dimension temporelle des données de panel permettra de contrôler cet effet. Si des variables comme l’expérience pratique ou l’expérience du diplôme dont cette variabilité n’est pas prise en compte dans les données, sont utilisées, cela réduit la portée des résultats. Il n’est pas non plus possible de construire une variable dynamique dérivée de "expérience pratique" ou de "expérience de diplôme" compte tenu de toutes les contraintes techniques précitées.
19 En effet, dans la base de données, les tranches d’âges sont présentées par intervalle constant de 5 ans. Il existe dix tranches d’âges; la première est la tranche d’âges inférieurs à 30 ans, la deuxième est celle de 30 à 34 ans, la troisième de 35 à 39 ans et ainsi de suite et la dernière est la tranche d’âges supérieurs à 70 ans. L’âge est ainsi défini comme une variable discrète pouvant prendre des valeurs de 1 à 10. Comme la tranche d’âges dans laquelle un médecin est représenté tient compte de son âge réel au moment de l’observation, un même médecin peut être représenté à travers le temps. Le caractère dynamique de la variable est alors bien pris en compte. Les médecins qui sont dans une même tranche d’âges n’ont pas forcément les mêmes âges au sens propre du terme, c’est pourquoi nous avons adopté cette mesure comme indice de "l’expérience professionnelle".
21
Chapitre 3
Méthodologie
Dans ce chapitre, nous abordons successivement la justification de la mesure de la productivité des médecins omnipraticiens à partir de leur revenu réel et les hypothèses de base qui sous-tendent notre approche de mesure de productivité et débouchons sur la stratégie d’estimation.
3.1- Mesure de la productivité des médecins
La mesure de la productivité des médecins omnipraticiens à partir de leur revenu réel5, basée sur le
nombre d’actes qu’ils effectuent, suppose que leur revenu est relié à leur productivité. En effet, plusieurs études se sont intéressées à la relation pouvant exister entre le gain des travailleurs et leur productivité. Dans un régime de payement basé sur le salariat où le gain des travailleurs d’une catégorie donnée augmente en fonction du nombre d’années qu’ils effectuent dans l’entreprise, le lien entre le revenu des travailleurs et leur productivité est ambigu, notamment au niveau des travailleurs très âgés (Aubert et Crépon, 2003 ; Crépon et al., 2003). Mais la relation entre la productivité et le gain du travailleur est sans équivoque dans un régime de rémunération à la pièce (Shearer, 1996 ; Lazear, 2000 ; Shearer, 2004). Etant donné que les médecins omnipraticiens sont rémunérés à l’acte, la mesure de leur productivité par leur revenu serait pertinente.
3.2- Modèle économique : hypothèses de base sur le problème du médecin
Tous les omnipraticiens dans l’échantillon sont rémunérés sous le même régime : la rémunération à l’acte. Notre stratégie d’estimation des effets de l’expérience professionnelle sur la productivité des omnipraticiens est fondée sur un certain nombre d’hypothèses faites sur ces médecins. En effet, la mesure de la productivité des omnipraticiens par leur revenu réel suppose implicitement les hypothèses suivantes sur leur comportement en matière d’offre de travail et sur leur environnement de travail.
Hypothèse H1: Chaque médecin maximise sa production face à une demande de soins supérieure à
sa production potentielle et donc nous supposons une absence du phénomène de "la demande induite".
5 Le revenu réel a été calculé à partir des revenus nominaux ajustés des indices de prix annuels au Québec, fournis par Statistique Canada avec 2002 comme année de base.
22
L’induction de la demande peut conduire à des distorsions appelées "concurrence en médecine" (Kann et al., 2010) où les médecins ayant une pénurie relative de demande de soins ont anormalement des revenus plus élevés que leurs collègues n’ayant pas de contraintes de demande de soins (Iversen et Luras, 2000 ; Iversen, 2004; Kann et al., 2010)6. S’il existe un effet de revenu
très important lié à la concurrence en médecine, le revenu ne serait pas une bonne mesure de la productivité.
Hypothèse H2: La qualité des soins administrés par chaque médecin est constante dans le temps et
la variabilité de la qualité des soins entre les médecins n’est pas significative.
Si la variabilité de la qualité des soins est trop grande au niveau d’un même médecin, la mesure de l’effet moyen individuel de la productivité peut être biaisée à partir d’un échantillon fini. Si la variabilité de la qualité des soins est trop grande à travers les médecins, la mesure de la productivité peut être biaisée par la qualité des soins. Par exemple si les médecins les plus productifs sont ceux qui offrent des soins de qualité élevée, il y aura une atténuation de la mesure de la productivité (biais négatif) ; dans le cas contraire, il y aura plutôt une surestimation de l’effet.
Hypothèse H3: Les revenus hors travail clinique des médecins n’influencent pas leur motivation pour
les travaux cliniques.
Nous entendons par "revenus hors travail clinique", le gain obtenu en dehors de la pratique médicale, par un médecin rémunéré à l’acte. Si le loisir est un bien normal (Cahuc et Zylberberg, 2004), les médecins qui ont un "revenu hors travail clinique" très élevé auront tendance à avoir un rendement faible pour les travaux cliniques donc une productivité relativement faible dans leur pratique médicale. Imbens (2001) montre à partir des gagnants de loteries aux Etats-Unis d’Amérique que les revenus du capital réduisent les revenus du travail, avec une propension marginale à consommer du loisir d'environ 11 % et des effets plus importants chez les personnes entre 55 et 65 ans. Si les effets des "revenus hors travail clinique" sont significatifs, cela pourrait biaiser la mesure de l’effet de l’expérience sur la productivité, car il aura une atténuation de cet effet. Nous n’avons aucune information sur les revenus hors travail dans notre base de données.
23
Hypothèse H4: Le statut socio-économique des médecins n’influence pas leur motivation au travail.
Dans un contexte de couple, les offres de travail des conjoints sont corrélées. Lundberg (1988) montre que les offres de travail des maris avec des conjointes sans enfants en âge préscolaire ne sont pas conjointement reliées à court terme, mais peuvent l’être à long terme, de plus les familles avec de jeunes enfants présentent de fortes interactions dans les heures de travail et des effets de revenus croisés négatifs. Comme le statut matrimonial des médecins est variable, s’il affecte significativement le gain des médecins, nous pouvons nous attendre à un biais de la productivité (mesurée à partir du revenu) dû au statut matrimonial. La base de données ne présente aucune information sur le statut socio-économique des médecins.
3.3- Stratégie d’estimation
Notre stratégie d’estimation est fondée sur la recherche de la technique la plus adaptée à notre base de données pour l’estimation de l’effet de l’expérience sur la productivité. Il est à noter que tous les médecins n’ont pu être observés sur toute la période, les observations sont tronquées, car nous estimons que les observations manquantes ne résultent pas d’un processus aléatoire. La troncature provient du fait qu’il y a des observations manquantes et ces observations ne proviennent pas d’un processus aléatoire. En effet, les observations manquantes ne sont pas nécessairement dues au fait que tous les médecins concernés n’aient pas travaillé pendant les périodes querellées, mais la plupart est liée au fait que la rémunération de ces médecins n’ait pas été prise en charge par la RAMQ pendant ces périodes.
La stratégie d’estimation est basée sur une comparaison de l’estimateur des Moindres Carrés Ordinaires (MCO)7 à l’estimateur des effets fixes8 et à l’estimateur du maximum de vraisemblance
après traitement de la troncature (ML tronquée).
7 L’estimateur des moindres carrés ordinaires (MCO) est convergent si et seulement si les N constantes 𝛼
𝑖 et les N vecteurs de paramètres 𝛽𝑖 sont identiques: 𝛽𝑖= 𝛽; 𝛼𝑖= 𝛼 ∀ 𝑖 𝜖 [1, 𝑁], on obtient alors un modèle de pooled totalement homogène. On pourrait alors réaliser un empilement des données sans égard aux individus ni au temps (Hsiao, 2003).
8 Si les N vecteurs de paramètres 𝛽
𝑖 sont identiques, 𝛽𝑖 = 𝛽 ∀ 𝑖 𝜖 [1, 𝑁] et si les constantes 𝛼𝑖 diffèrent selon les individus, nous obtenons un modèle à effets individuels, alors le modèle devient un modèle avec variable omise et l’estimateur MCO est non convergent et biaisé. Le modèle sera estimé par l’estimateur d’effets fixes ou d’effets aléatoires. Si les paramètres 𝛼𝑖 sont des constantes déterministes (modèle à effets fixes ou Least Squares Dummy Variables), ils sont constants pour un même individu. Dans ce cas, ces paramètres 𝛼𝑖 peuvent être corrélés avec la variable indépendante 𝑥𝑖,𝑡. Si les paramètres 𝛼𝑖 sont des réalisations d’une variable aléatoire d’espérance et de variance finie (modèle à effets aléatoires ou modèle à erreurs composées), ils peuvent varier pour un même individu. Dans ce cas, ces paramètres 𝛼𝑖 ne peuvent pas être corrélés avec la variable indépendante 𝑥𝑖,𝑡 (Hsiao, 2003).
24
3.3.1- Estimation par le modèle de données de panel L’équation générale du modèle peut s’écrire :
𝑦𝑖,𝑡 = 𝑥𝑖,𝑡′𝛽 + 𝜀
𝑖,𝑡 (1)
𝑦𝑖,𝑡 : productivité, mesurée selon le revenu réel annuel, du médecin i au temps t. Pour des raisons
de simplification, le revenu réel annuel sera appelé revenu ;
𝑥𝑖,𝑡 : contient des variables observables comme les tranches d’âges, les heures travaillées, la langue d’origine et la région d’exercice ;
𝜀𝑖,𝑡 : terme d’erreurs dépendant de l’individu i et variant en fonction du temps t ; 𝜀𝑖,𝑡 = 𝜇𝑖 + 𝑣𝑖,𝑡 ; 𝑖 = 1, … ,5 354 𝑒𝑡 𝑡 = 1, … ,7.
Nous supposons que 𝐸(𝑣𝑖,𝑡/𝑥𝑖,𝑡) = 0 ∀ 𝑖, 𝑡 et 𝐸(𝑣𝑖,𝑡2 /𝑥
𝑖,𝑡) = 𝜎𝑣𝑖,𝑡
2 ∀ 𝑖, 𝑡 c’est-à-dire que les
paramètres du modèle peuvent différer d’un médecin à un autre, mais sont indépendants dans le temps et selon les médecins.
3.3.2- Estimation par maximum de vraisemblance
Le fait que la base de données ne soit pas un panel cylindré (le nombre de périodes d’observations n’est pas le même pour tous les médecins) accentue la probabilité d’une violation de l’hypothèse de normalité sur le terme d’erreur. En effet, l’absence d’un médecin au travail peut être liée à plusieurs causes dont les raisons de congé de maladie, de maternité, etc. Par ailleurs, si nous supposons que la productivité y suit une loi normale de moyenne 𝜃 et de variance 𝜎2 : 𝑦~[𝜃, 𝜎2], comme les
revenus non observés sont égaux à zéro, nous pouvons écrire le moment de la distribution normale tronquée (Greene, 2011) comme suit:
𝐸[𝑦/𝑡𝑟𝑜𝑛𝑐𝑎𝑡𝑢𝑟𝑒] = 𝐸[𝑦/𝑦 > 0] = 𝜃 + 𝜎𝜆(𝛼) (2) 𝛼 = (0−𝜃𝜎 ) =−𝜃𝜎, 𝜙(𝛼) est la densité de la loi centrée réduite, Φ(𝛼) est la fonction de distribution de la loi centrée réduite; 𝜆(𝛼) = 𝜙(𝛼)/[1 − Φ(𝛼)] est l’inverse du ratio de Mills.
Le modèle tronqué est estimé avec l’option robuste par rapport à chaque médecin ou identifiant (pour corriger les écarts-types) afin de tenir compte du fait que dans ce modèle, les observations sur le même individu sont corrélées dans le temps.
L’estimateur d’effets fixes est toujours convergent, mais peut être inefficace. L’estimateur d’effets aléatoires n’est pas toujours convergent à cause des conditions supplémentaires qu’il nécessite sur le terme d’erreur ; mais il est toujours efficace quand il est convergent. Le test de Fisher associé à l’estimation du modèle à effets fixes confirme la validité de la structure de panel et le test de Hausman donne une conclusion en faveur du rejet du modèle à effets aléatoires.
25 Le biais résultant d’une troncature des données peut être corrigé par l’utilisation de la fonction de maximum de vraisemblance. La fonction de maximum de vraisemblance bien que reposant sur les hypothèses plus fortes apparaît plus appropriée. Une distribution tronquée correspond à la partie d’une distribution non tronquée au-dessus ou au-dessous d’une valeur spécifique a. La forme générale de la fonction de log-vraisemblance de notre étude (a=0) d’après (1) est :
𝑙 = 𝑙𝑜𝑔𝐿 = −𝑛2log(2𝜋) − 𝑛𝑙𝑜𝑔𝜎 −12∑ [𝑦𝑖−𝑥′𝛽 𝜎 ] 𝑛 𝑖=1 2 − ∑𝑛 𝑙𝑜𝑔 [1 − Φ (𝑎−𝑥𝜎′𝛽)] 𝑖=1 (3).
