Полученные коэффициенты позволяют скорректировать величину тарифа: снизить его для мужчин и повысить для женщин, что отражает специфику убыточности по этим группам. Точность оценок, полученных таким образом, достаточно высока, что объясняет популярность этих методов в зарубежной актуарной практике.

В условиях неполной статистической информации применение модели Бюльмана-Штрауба позволяет страховщику получить скорректированные тарифы, отражающие собственную специфику убыточности по различным тарифным классам, разработать гибкую систему тарифов и привлечь к ДМС большее число клиентов.

Третья группа проблем связана с выявлением причин недостаточной развитости услуг индивидуального ДМС на российском страховом рынке, для чего было необходимо оценить спрос и предложение услуг ДМС, а также их взаимодействие на современном этапе. С этой целью было проведено эконометрическое моделирование потребительского поведения населения на рынке медицинских услуг и услуг ДМС, построена система тарифов ДМС в соответствии с существенными характеристиками застрахованных, в том числе при страховании на случай смертельно опасных заболеваний, которые исключаются из перечня страхуемых в стандартных программах ДМС.

Для выявления детерминант спроса на медицинские услуги была специфицирована и оценена бинарная логистическая регрессионная модель по данным РМЭЗ за 2005 год, в выборку попало 4342 респондентов в трудоспособном возрасте (верхняя граница – 60 лет). В качестве зависимой переменной была выбрана бинарная переменная частого[2] и нечастого обращения за медицинской помощью. В качестве объясняющих переменных были отобраны социально-демографические и экономические характеристики индивида, а также переменные, описывающие состояние здоровья (табл. 2).

НЕ нашли? Не то? Что вы ищете?

Помимо оценок коэффициентов при переменных указаны также значения коэффициента отношения шансов (odds ratio), который показывает, насколько выше (ниже) вероятность частого обращения за медицинской помощью или наличия полиса ДМС (нечастого обращения за медицинской помощью или отсутствия полиса ДМС) в каждой категории социально-экономической переменной (например, брачный статус индивида «состоит в зарегистрированном браке») по отношению к контрольной группе (брачный статус «не состоит в зарегистрированном браке»).

По результатам проведенного регрессионного анализа статистически значимыми факторами, влияющими на частое обращение за медицинской помощью, стали самооценка состояния здоровья индивидом, проблемы со здоровьем, хронические заболевания. Полученные результаты позволили идентифицировать характеристики респондентов по частоте обращений за медицинской помощью.

Таблица 2

Результаты оценивания детерминант спроса на медицинские услуги с помощью бинарной логистической регрессии (зависимая переменная – «частое обращение за медицинской помощью»)

№

Независимые переменные

Коэффициент

β

Стандартная ошибка

Коэффициент отношения шансов

(odds ratio)

1

Пол (женский)[3]

мужской

-0,275*

0,156

0,759

2

Наличие детей

0,483**

0,223

1,622

3

Занятость трудовой деятельностью

-0,626**

0,252

0,534

4

Наличие полиса ДМС

0,442

0,297

1,557

5

Наличие проблем со здоровьем

0,674***

0,144

1,962

6

Госпитализация за последние три месяца

1,692***

0,197

5,431

7

Хроническое заболевание сердца

0,474***

0,180

1,607

8

Хроническое заболевание легких

0,381

0,242

1,463

9

Хроническое заболевание печени

-0,064

0,205

0,937

10

Хроническое заболевание почек

0,374*

0,194

1,454

11

Хроническое заболевание желудочно-кишечного тракта

-0,037

0,167

0,963

12

Хроническое заболевание позвоночника

0,357**

0,161

1,429

13

Другие хронические заболевания

0,728***

0,137

2,071

14

Тип поселения (сельский населенный пункт)

областной центр

0,702***

0,187

2,018

город

0,518***

0,195

1,680

поселок городского типа

-0,011

0,324

0,988

15

Брачный статус (не состоит в зарегистрированном браке)

состоит в зарегистрированном браке

-0,033

0,142

0,967

16

Образование (ниже среднего общего)

среднее общее

0,065

0,225

1,067

среднее профессиональное

-0,384

0,250

0,681

высшее

-0,115

0,276

0,891

17

Самооценка состояния здоровья (состояние среднее)

очень хорошее

0,188

0,744

1,207

хорошее

-0,542***

0,199

0,581

плохое

0,904***

0,180

2,471

очень плохое

2,168***

0,422

8,741

18

Профессиональная группа (разнорабочие)

законодатели, крупные чиновники, управляющие

0,083

0,393

1,087

профессионалы с высшим образованием

-0,121

0,320

0,885

профессионалы со средним специальным образованием

0,096

0,291

1,101

служащие конторские

0,289

0,343

1,336

занятые в сфере обслуживания

-0,243

0,317

0,783

Ремесленники

-0,826**

0,366

0,437

промышленные рабочие

-0,530*

0,321

0,588

19

Доход[4] (1-й квартиль)

2-й квартиль

0,152

0,173

1,164

3-й квартиль

-0,124

0,209

,882

4-й квартиль

0,169

0,218

1,185

20

Возраст (40-44 года)

До 20

0,864*

0,524

2,373

20-24

0,454

0,327

1,574

25-29

0,230

0,272

1,258

30-34

-0,016

0,266

0,984

35-39

-0,165

0,282

0,847

45-49

-0,231

0,251

0,793

50-54

-0,120

0,249

0,886

55-60

-0,583**

0,256

0,557

LR статистика (тест отношения правдоподобия)

Log likelihood (логарифмическая функция правдоподобия)

Pseudo R2

513,12

-911,007

0,2197

Коэффициенты значимы на уровне значимости: *–0,1, **–0,05, ***–0,01

Из за большого объема этот материал размещен на нескольких страницах:
1 2 3 4