Determinanty poptávky po životním pojištění v České republice

Mendelova univerzita v Brně Provozně ekonomická fakulta

Determinanty poptávky po životním pojištění v České republice Diplomová práce

Vedoucí práce: Ing. Zuzana Richterková, Ph.D.

Brno 2014

Bc. Jana Skřítecká

Tímto bych ráda poděkovala paní Ing. Zuzaně Richterkové, Ph.D., vedoucí diplomové práce, za cenné rady a připomínky, které mi při zpracování diplomové práce poskytla.

Čestné prohlášení Prohlašuji, že jsem tuto práci: Determinanty poptávky po životním pojištění v České republice vypracovala samostatně a veškeré použité prameny a informace jsou uvedeny v seznamu použité literatury. Souhlasím, aby moje práce byla zveřejněna v souladu s § 47b zákona č. 111/1998 Sb., o vysokých školách ve znění pozdějších předpisů, a v souladu s platnou Směrnicí o zveřejňování vysokoškolských závěrečných prací. Jsem si vědoma, že se na moji práci vztahuje zákon č. 121/2000 Sb., autorský zákon, a že Mendelova univerzita v Brně má právo na uzavření licenční smlouvy a užití této práce jako školního díla podle § 60 odst. 1 Autorského zákona. Dále se zavazuji, že před sepsáním licenční smlouvy o využití díla jinou osobou (subjektem) si vyžádám písemné stanovisko univerzity o tom, že předmětná licenční smlouva není v rozporu s oprávněnými zájmy univerzity, a zavazuji se uhradit případný příspěvek na úhradu nákladů spojených se vznikem díla, a to až do jejich skutečné výše. V Brně dne 21. května 2014

_______________________________

Abstract Skřítecká, J. The Deteminant of Life Insurance Demand in Czech Republic. Diploma thesis. Brno, 2014. The main purpose of this diploma thesis is to identify determinants of the demand of life insurance in Czech Republic. They used annual time series data for the period 1993-2012. Dependent variables are the total premiums written and the number of life insurance policies in the trunk. The results show that the total of premiums has a positive effect size of gross wages and education levels, negative index age and number of children. Number of contracts affects the size of GDP positively and negatively the level of education. Keywords Life insurance, demand for life insurance, Czech Republic, premiums, number of contracts

Abstrakt Skřítecká, J. Determinanty poptávky po životním pojištění v České republice. Diplomová práce. Brno, 2014. Hlavním cílem této diplomové práce je identifikovat determinanty poptávky po životním pojištění v České republice. Jsou využita data ročních časových řad za období let 1993-2012. Vysvětlované proměnné jsou celkové předepsané pojistné a počet smluv životního pojištění v kmeni. Výsledky ukazují, že na celkové předepsané pojistné působí pozitivně velikost hrubé mzdy a úroveň vzdělání, negativně index stáří a počet dětí. Počet smluv ovlivňuje pozitivně velikost HDP a negativně úroveň vzdělání. Klíčová slova Životní pojištění, poptávka po životním pojištění, Česká republika, předepsané pojistné, počet smluv

Obsah

9

Obsah 1

Úvod

13

2

Literární rešerše

14

3

2.1

Přehled studií ..................................................................................................................... 14

2.2

Klíčové faktory ovlivňující poptávku po životním pojištění ............................ 25

2.2.1

Ekonomické faktory .............................................................................................. 25

2.2.2

Demografické faktory ........................................................................................... 27

2.2.3

Sociální faktory ....................................................................................................... 28

2.2.4

Institucionální faktory .......................................................................................... 29

Metodika 3.1

Cíl práce................................................................................................................................ 30

3.2

Zdroj dat ............................................................................................................................... 30

3.3

Použité ekonometrické nástroje ................................................................................ 31

3.3.1 4

30

Základní testy .......................................................................................................... 31

Empirická část

34

4.1

Aktuální situace na pojistném trhu v České republice....................................... 34

4.2

Vývoj sledovaných proměnných v ČR v letech 1993-2012 .............................. 35

4.2.1

Makroekonomické ukazatele ............................................................................. 37

4.2.2

Demografické ukazatele ...................................................................................... 43

4.3

Vícerozměrná analýza .................................................................................................... 50

Regresní model A ..................................................................................................................... 51 Regresní model B ..................................................................................................................... 51 4.3.1 5

6

Diskuze

Testování modelů ................................................................................................... 52 54

5.1.1

Interpretace získaných výsledků ..................................................................... 54

5.1.2

Konfrontace výsledků ........................................................................................... 55

Závěr

58

10

Obsah

7

Seznam použitých zdrojů a literatury

59

A

Použitá data

67

B

Regresní model A – počet smluv

68

C

Regresní model B – předepsané pojistné

69

Seznam obrázků

11

Seznam obrázků Obr. 1

Použitá data

67

Obr. 2

Výstup z Gretlu 1

68

Obr. 3

Výstup z Gretlu 2

69

12

Seznam tabulek

Seznam tabulek Tabulka 1: KPSS test

52

Tabulka 2: F-test

52

Tabulka 3: Reset test

52

Tabulka 4: Testy nelinearity

53

Tabulka 5: Whiteův test

53

Tabulka 6: Durbin-Watson test

53

Tabulka 7: Chí-kvadrát

53

Úvod

13

1 Úvod Poptávka po životním pojištění zaznamenala ve světě v posledních několika desetiletích rychlý růst. Velké rozdíly mezi jednotlivými zeměmi ve využívání životního pojištění vyvolává otázky, co vlastně určuje spotřebu životního pojištění. Mnozí zahraniční autoři již testovali tuto poptávku a došli na různé faktory, které stanovili jako determinanty spotřeby životního pojištění. V této práci se pokusím objasnit, které z nich působí na spotřebu životního pojištění u nás. Pojišťovnictví je v dnešní době nedílnou součástí každé rozvinuté tržní ekonomiky a nenahraditelným nástrojem ochrany proti následkům negativních událostí. Každodenní život s sebou přináší obrovské množství rizik a nebezpečí. Lidé tak stále častěji pociťují potřebu chránit svůj majetek, ale také sami sebe před jejich hrozícími dopady. Životní pojištění původně vzniklo jako produkt na krytí rizika smrti, později se stalo pojistnou událostí i dožití daného věku. Jak již název životního pojištění napovídá, jeho podstatou je především pojistná ochrana pojištěnce. Pojištění na riziko smrti má smysl pouze pro člověka, na kterém jsou finančně závislí jiní lidé. V případě tragické události plnění z životní pojistky kryje finanční potřeby jeho blízkých osob. Pomáhá k překlenutí složitých životních situací a vytváří určitý finanční polštář pro rodinné příslušníky, dokud se nepostaví na vlastní nohy. Často jsou k životnímu pojištění přidány i další pojistné produkty, např. pojištění trvalé invalidity, úrazové pojištění apod. Na území České republiky má životní pojištění dlouhou historii. Ta byla negativně poznamenána totalitním režimem ve 20. století, kdy tento druh ochrany osob prakticky neexistoval. V současné době však získává stále větší význam a jeho popularita roste, zejména díky daňovému zvýhodnění a politice bank, které často vyžadují uzavření pojistné smlouvy v případě poskytnutí dlouhodobého nebo hypotečního úvěru. Diplomová práce je rozdělena na pět části. Literární rešerše popisuje studie zabývající se touto problematikou. Jsou zde shrnuty teoretické a empirické poznatky týkající se poptávky po životním pojištění. V následující kapitole je pak popsaná zvolená metodika a cíl této práce. Ve čtvrté kapitole je stručně vystižena aktuální situace na pojistném trhu v České republice, vývoj sledovaných proměnných v letech 1993-2012 a na závěr je uvedena ekonometrická analýza. Následuje diskuze s podrobným popisem získaných výsledků a na konec závěrečné poznámky a návrhy pro budoucí práci.

14


2 Literární rešerše V rámci rešerše budou představeny zdroje, které se zabývají problematikou poptávky po životním pojištění. Po teoretickém rámci následují empirická šetření, kde byly vyvinuty modely, které popisují chování spotřebitelů. Nakonec přistoupíme k empirickým studiím, které hodnotí vliv faktorů na poptávku po životním pojištění v jednotlivých zemích. Danou problematikou se v historii zabývala velká spousta ekonomů. Své články publikovali v odborných časopisech. Studie jsou dostupné na stránkách JSTOR. Do výčtu je zahrnut i jediný dohledatelný český článek zabývající se touto problematikou (Koklar, 2011). Vybrané studie jsou analyzovány z pohledu nastavených cílů, použité metodiky a závěrů, ke kterým dospěly. V závěru literární rešerše jsou získané informace shrnuty v popisu proměnných, u kterých byl zjištěn vztah s poptávkou po životním pojištění.

2.1 Přehled studií Izraelský profesor ekonomie, filozofie a také matematické ekonomie, Menahem E. Yaari, uvedl v roce 1965 svou studii Nejistá délka života, životní pojištění a teorie spotřebitele, která popisuje chování člověka a důvody, proč si uzavírá pojištění. Těmito důvody je jednak snaha zhodnotit svůj majetek a následně z něj mít větší užitek, což je znázorněno Fisherovou rovnicí. Dalším důvodem je ohleduplnost ke svým blízkým a zanechání dědictví, sloužící k zajištění rodiny po smrti – tento užitek je popsaný jako Marschallův užitek. Jako první vyvinul teoretický model vysvětlující poptávku po životním pojištění. Tento model předpokládá, že poptávka po životním pojištění je funkcí bohatství, očekávaných příjmů v průběhu života jedince, úrovně úrokových sazeb, nákladů na životní pojištění (administrativní náklady) a předpokládané subjektivní diskontní sazby pro budoucí spotřebu. Prvními autory, kteří zkoumali determinanty působící na poptávku po životním pojištění, byli docent James. D. Hammond, profesor ekonomie David B. Houston a odborný asistent na statistice podnikání Eugene R. Melander. V roce 1967 publikovali v USA studii Determinanty domácnosti ovlivňující výdaje na pojistné životního pojištění – empirické vyšetřování. V tomto článku se pokusili určit a analyzovat hlavní faktory spojené s výdaji na životní pojištění a poskytnout alespoň odhad cenové elasticity poptávky těchto výdajů, využitím vícenásobné regresní analýzy. Pro práci byla využita průřezová data ekonomických a demografických proměnných, jakož i množství peněz vynaložených domácnostmi na předepsané pojistné životního pojištění. Veškeré data pochází z průzkumů, které probíhaly v letech 1952 a 1961.


15

Obecně regresní model zkoumal v této studii výdaje na pojistné životního pojištění jako funkci příjmů, čistého jmění, stavu životního cyklu, věku, rasy, povolání a vzdělání. Proměnné určené jako významné na 1 % úrovni byl příjem, čisté jmění, životní cyklus a povolání. Vzdělání bylo významné na úrovni pět procent. Výsledky byly stejné v obou ukázkových letech 1952 a 1961. Odhady cenové elasticity poptávky byly 0,53 v roce 1952 a 0,83 v roce 1961. Jedná se tedy o neelastickou poptávku a při procentní změně ceny pojištění se poptávka změní o méně než jedno procento. Nils H. Hakansson, profesor účetnictví a financí, se pokusil optimalizovat chování spotřebitelů. Svou práci s názvem Optimální strategie investic a spotřeby za přítomnosti rizika, nejisté životnosti a pojištění vydal v roce 1969. V té předpokládal, že jednotlivec maximalizuje očekávaný užitek ze spotřeby v čase. Uvedl zde dva předpoklady. Jedním je maximalizace očekávaného užitku po dobu svého života, druhým pak maximalizace dědictví po jeho smrti. Stejně jako dříve i tady se pracuje s tím, že jednotlivec má prostředky, které se skládají z počátečního kapitálu, který může být i negativní a z neinvestičního toku příjmů. Jsou zde sestaveny formální modely. Zásadní je, že způsob rozhodnutí o složení portfolia, financování, spotřebě a případně pojištění, jsou analyzovány v jednom modelu. Ze studie plyne, že nikdy nebude optimální uzavřít pojištění v množství větším, než je současná hodnota příjmů z neinvestičního proudu. Tedy jedinec bez příjmu neinvestičního charakteru a bez motivu dědického by neměl kupovat žádné životní pojištění, ani pokud bude nabízené za "spravedlivé" sazby při optimální strategii. S dalším zajímavým tématem přišel v roce 1972 americký docent v oboru financí a pojišťovnictví Leonardo L. Berekson. Zabýval se působením pořadí narozeného dítěte, úzkostí a přidružením na nákup životního pojištění. Účelem tohoto článku bylo popsat a analyzovat výsledky role úzkosti při nákupu pojištění. Bylo zjištěno, že jako významné proměnné se jeví věk, příjem, počet dětí a to v různé míře a v různých směrech. Pořadí narození jako přístup k sledování úzkosti v pojišťovnictví se zdá být užitečný pouze v určitých populacích. Existují nejméně dva důvody pro tento závěr. Za prvé výsledky ukázaly, že chování manželských anebo fyzických osob s vyššími příjmy nevykazuje známky působení efektu souvisejícího s pořadím narození. Za druhé, i pokud je nalezen důkaz o efektu pořadí narození v nákupním chování, nevede to automaticky k úzkosti. Psychologická literatura poskytuje příliš protichůdné důkazy týkající se vztahu pořadí narození a úzkostí. První, kdo se zaměřil na vztah citlivosti mezi koupí životního pojištění a finančními, proměnnými byl ekonom Federální rezervní banky, Peter Fortune. Ve své studii z roku 1973 analyzoval pojištění v USA v letech 1964–1971. Pracoval se čtvrtletními daty. Snažil se propojit teoretický rámec, který popsali předchozí

16


autoři s empirickým testováním skutečných dat. Použil log-lineární model, spíše než lineární. A krátkou dobu pozorování vysvětluje omezením dostupnosti čtvrtletních údajů a použitím distribuovaného režimu zpoždění. Vypozoroval vysokou citlivost mezi optimálním množstvím životního pojištění, bohatstvím a reálnou úrokovou mírou. Mzdy a diskontní sazby působí na spotřebu pozitivně, velikost bohatství naopak negativně. Také stav důvěry spotřebitelů se ukázal jako důležitý determinant spotřeby životního pojištění. Jako vysvětlovanou proměnnou použil logaritmus reálného pojištění na obyvatele "čisté životní pojištění v platnosti", která je definována jako celkové životní pojištění platné v USA minus celkové životní pojištění rezervotvorné. To představuje čistý nárůst bohatství pojistníků v případě úmrtí. Vysvětlující proměnné byly čas, sezónní šidítka, logaritmy reálné mzdy na jednoho obyvatele a mzdových příjmů z národních příjmů, reálného bohatství jednoho obyvatele na konci čtvrtletí, a "skutečné" úrokové sazby definovány jako výnos podnikových dluhopisů ohodnocených ratingovou agenturou Moody hodnotou Baa snížený o očekávanou míru inflace. Vše je uváděno v milionech dolarů, všechny toky jsou čtvrtletní ceny a úroková sazba je roční procentní sazba návratnosti. Dále byl do seznamu proměnných přidán logaritmus indexu spotřebitelské důvěry. Tento index je určen k zachycení účinku důvěry spotřebitelů při očekávání mezd a platů. Model vyvinutý v rámci této studie navíc umožňuje odvodit závěry o vlivu inflačních očekávání při množství čistého požadovaného pojištění. V modelu může mít očekávaná míra inflace vliv na poptávku po pojištění, a to dvěma způsoby prostřednictvím vlivu na spotřebitelské důvěry a na reálné úrokové míry. Empirické studie poskytují ale jen málo důkazů o tom, že reálná úroková míra je ovlivněna očekávanou mírou inflace, takže druhý způsob vlivu lze považovat za zanedbatelný. V této studii je proto zkoumám pouze první vliv očekávané míry inflace. Výsledky naznačují, že důvěra spotřebitelů je nepřímo úměrná k očekávané míře inflace a tento vliv je silný a stabilní. Při zvýšení očekávané roční míry inflace o 1 % (100 bazických bodů) se sníží index spotřebitelské důvěry o 11,4 bodů. Vzhledem k tomuto zjištění je znatelný velmi silný negativní dopad inflačního očekávání na důvěru spotřebitelů, a tím pádem i na optimální množství čistého pojištění. Peter Fortune proto kritizoval studium Seeva Neumanna, který nezahrnul očekávanou míru inflace do svého modelu a dospěl proto k závěru, že poptávka po pojištění nezávisí na očekávané cenové hladině. Teoretický model předpokládá, že optimální množství čistého životního pojištění závisí na třech klíčových proměnných – výši mezd a mzdových příjmů, množství nelidského bohatství a diskontní sazbě. Další autoři, kteří si dali za cíl popsat determinanty poptávky po životním pojištění, byli docent Robert S. Headen a profesor J. Finley Lee. V práci z roku 1974 zkoumali účinky krátkodobého chování finančních trhů a očekávání spotřebitelů při nákupu běžného životního pojištění.


17

Přesto, že výsledky tohoto zkoumání nejsou zcela kompletní a průkazné, z části kvůli statistickým problémům jako je multikolinearity, která trápila analýzy časových řad, dospěli autoři k závěru. Správná souhrnná formulace poptávkové funkce životního pojištění by měla zahrnovat proměnné odrážející úspory, spotřebitelský sentiment a cenové podmínky na finančních trzích spolu s dalšími proměnnými, které odrážejí tržní potenciál a marketingové úsilí. Tyto proměnné jsou navíc pravděpodobně mnohem důležitější pro krátké období (např. měsíční nebo čtvrtletní) než pro delší. Profesoři John J. Burnett (marketing) a Bruce A. Palmer (pojišťovnictví) zkoumali ve své studii z roku 1984 různé demografické a psychografické charakteristiky vztahující se k různé úrovni vlastnictví životního pojištění. Data analyzovali pomocí vícenásobné analýzy. Údaje byly generovány ze spotřebitelského průzkumu ve středně velkém městě. Rozdali celkem 400 dotazníků mezi všechny kategorie populace s výjimkou dolních a horních extrémů v oblasti příjmů. Ze 197 vyplněných dotazníků bylo 159 použitých pro účely této studie. Respondenti byli požádáni o odpovědi na otázky týkající se demografických a psychografických proměnných. V průzkumu se ukázalo, že majitel poměrně velkého množství životního pojištění může být popsán následovně: finančně úspěšný, konzervativní, klidný člověk, orientovaný na rodinu, který věří, že má pod kontrolou svůj vlastní blahobyt. Tato osoba nemá vysokou sebeúctu ani vůdcovské schopnosti. Je soběstačná, má menší víru v tradiční pracovní morálku, je méně asertivní, dává přednost klidnější činnosti a má relativně nízký zájem o náboženství. Mívá také vyšší vzdělání, větší rodinu, vyšší příjmy, nestěhuje se tak často, není zcela loajální, věří v zapojení do komunity, ale nespoléhá silně na vládu. Výsledky naznačují, že víra v tradiční pracovní morálku, fatalismus, socializace preference, náboženství a asertivita jsou nejdůležitějšími prognostickými proměnnými. Vzdělávání, počet dětí a příjmy byly nejlepší demografické prediktory. Profesor pojištění a řízení rizik, David F. Babbel, se zabýval cenovou elasticitou životního pojištění. Ve studii z roku 1985 vytvořil cenový index pro životní pojištění prodávané ve Spojených státech v letech 1953–1979. Účelem tohoto dokumentu bylo poskytnout vyšetření citlivosti ceny poptávky spotřebitelů po životním pojištění. Přístup zahrnuje analýzu časových řad na základě ročních souhrnných dat. Na základě statistických údajů je jasné, že spotřebitelé jsou skutečně citliví na cenu pojištění, které si kupují. Toto zjištění je v rozporu s tím, co bylo dosud uváděno v literatuře zabývající se pojištěním. Roku 1988 byla publikovaná další studie zabývající se životním pojištěním. Autory byli profesor ekonomie Michael Beenstock, docent pojišťovnictví Gerry Dickinson a Sajay Khajuria. Analyzovali roční průřezová data 12 průmyslových zemí

18


z období let 1970 až 1981 a pátrali po vztahu mezi pojištěním odpovědnosti a majetku a příjmem. Zjistili, že mezní sklon se pojistit, tj. zvýšení výdajů na pojištění, když příjmy narostou o 1 $, se v jednotlivých státech liší a pojistné je přímo úměrné k reálné úrokové sazbě. Z rovnice, kterou sestrojili, také vyplývá, že pojištění závisí na hodnotě rizikového majetku, pravděpodobnosti nehody, ceně pojištění, úrokové sazbě a úrovni bohatství. V modelech využívají také opožděnou proměnnou nezaměstnanost (při růstu nezaměstnanosti má příjem tendenci klesat), která se jeví jako statisticky významná a pomáhá zlepšit vlastnosti navrhovaného modelu. Ze statistické analýzy plyne následující – poměr závislých, délka života a jednorázový příjem mají pozitivní vliv na spotřebu životního pojištění, zatímco sociální a zdravotní pojištění působí negativně. Rozhodnutí spotřebitele a počáteční stav majetku jsou další významné faktory a udávají spotřebu pojištění. Frank D. Lewis (1989) použil rámec životního pojištění vyvinutý Yaarim (1965) a ve svém článku, jej rozšířit v tom smyslu, aby zahrnoval také preference ostatních členů domácnosti. Zatímco dřívější studie byly založeny na předpokladu, že životní pojištění je nakupováno s cílem maximalizovat spotřebu jedince, Lewis naznačuje, že životní pojištění je třeba zakoupit pro uspokojení potřeb lidí, kteří přežili. Model má další empirické důsledky, které jsou znázorněny společně s údaji o 150 amerických domácnostech. Spotřeba životního pojištění není řízena jen spotřebitelskou poptávkou. Na její objem působí cena, úroveň urbanizace, měnová stabilita, byrokratická kvalita, právní stát, korupce, vývoj bankovního sektoru. Dále pak příjem, úrokové sazby, aktuální spotřeba a hromadění úspor bohatství. Spotřeba životního pojištění se dále zvyšuje s pravděpodobností smrti živitele, s úrovní spotřeby rodiny v současné době a stupněm averze k riziku. Nicméně neexistuje žádný konkrétní důkaz o tom, jak velkou roli mohou takové neekonomické nebo další ekonomické proměnné hrát v teoretickém modelu. Klíčovým faktorem poptávky po životním pojištění je působení smrti pojištěného na budoucí spotřebu ostatních členů domácnosti. Je potřeba si všimnout, že i pokud rodinný příslušník nemá aktuálně příjem z práce, bylo by vhodné pořídit si životní pojištění. Studie autorů Dale B. Truett a Lila J. Truett z roku 1990 pojednává o modelu růstu spotřeby životního pojištění v Mexiku a Spojených státech amerických v letech 1964-1984. Hlavním cílem tohoto článku je souhrnně prozkoumat časové řady a faktory určující množství životního pojištění v Mexiku a Spojených státech a porovnání výsledků těchto dvou zemí. Pro odhad funkce poptávky životní pojištění využívá regresní analýzu. Odhady příjmové elasticity poptávky po životním pojištění ve Spojených státech amerických, jsou podobné těm, které získali Hammond, Houston, a Melander (1967) za použití průřezu dat z roku 1962.


19

Hlavní zjištění je, že věk, vzdělání a úroveň příjmů ovlivňují poptávku po životním pojištění v obou zemích a že důchodová elasticita poptávky po životním pojištění je mnohem vyšší v Mexiku než ve Spojených státech. Ve skutečnosti se odhaduje, že elasticita byla třikrát větší v Mexiku jak ve Spojených státech. Tento výsledek byl v souladu s hypotézou, že důchodová elasticita poptávky po životním pojištění je mnohem vyšší na nižších úrovních příjmů než u vyšších úrovní příjmů. Taková situace se zdá pochopitelná, protože rodina s vysokým příjmem by si pravděpodobně již nashromáždila větší bohatství, a uchránila tak životní úroveň rodiny, pokud by hlavní výdělečně činná osoba zemřela. Zajímavé je také zjištění, že použití budoucí hodnoty HNP na obyvatele ve funkci poptávky jako nezávislé proměnné je vhodnější, než použití aktuální hodnoty HNP na jednoho obyvatele. Použitý model: kde: Q = množství požadovaného pojištění (individuální životní pojištění na rodinu ve Spojených státech amerických a podíl individuálního životního pojištění v platnosti a ekonomicky aktivní populace v Mexiku), A = proměnná odrážející věk obyvatel v rámci studie, E = proměnná odrážející vzdělávání obyvatel v rámci studie, Y = reálný příjem na hlavu v populaci na základě studie. B. Douglas Bernheim, profesor ekonomie, zkoumal, jak silný může být motiv dědictví. Tento článek z roku 1991 prezentoval nové empirické důkazy na podporu názoru, že významný podíl z celkových úspor je motivován touhou zanechat odkaz. Tento důkaz je založen na předpokladu, že motiv odkazu zásadně měnit postoj k pojištění. Při absenci motivu odkazu by spotřebitelé životního cyklu vždy využili všechny prostředky k nákupu. Dědictví představuje mocný motiv pro uložení u amerických domácností. Mark J. Browne a Kihong Kim vydali v roce 1993 mezinárodní analýzu poptávky po životním pojištění, ve které zkoumali průřezová data 45 rozvojových zemí ve dvou samostatných časových období. V letech 1980 a 1987. Z testování vyplývá, že vyšší příjem zvyšuje poptávku po životním pojištění – pojištění se stává relativně cenově dostupnější. Životní pojištění je pozitivně korelováno také s národním důchodem, sociálním pojištěním a bohatstvím. Spotřebu životního pojištění dále zvyšuje ekonomická stabilita. Naopak inflace a cena pojištění má negativní vliv na tuto spotřebu. V islámských zemích se ukázala spotřeba životního pojištění daleko nižší než u jiných náboženství. Proměnné index stáří, vzdělání a délka života se ukázaly jako statisticky nevýznamné. Nevýznamnost proměnné délka života může být způsobena několika důvody – jednotlivci nemohou přesně odhadnout kdy zemřou, a v případě, že to odhadnou, jsou tyto odhady velmi nepřesné.

20


Při testování hypotéz byla použita metoda nejmenších čtverců a následně log lineární rovnice:

kde:

Yi = životní pojištění na obyvatele i, DEPi = úroveň závislosti v zemi i, MUSi = proměnná, která má hodnotu 1 (pokud je země převážně islámská), nebo 0 (pokud není), INCi = příjem na obyvatele v zemi i, SSEi = sociální zabezpečení, výdaje na obyvatele v zemi i, INFi = očekávaná míra inflace v zemi i, EDUCi = míra třetí úrovně vzdělání v zemi i, LEi = délka života v zemi i Pi = poplatek za vyřízení pojištění v zemi i, i = náhodná chyba

Rozdíly ve vlastnictví životního pojištění na základě pohlaví zkoumali profesorka ekonomie, financí a managementu Anna Sachko Gandolfi a profesor ekonomie Laurence Miners. Studie z roku 1996 odhaduje vliv příjmu a hodnoty produkce domácností na výši nákupů životního pojištění mezi manželi. Výsledky ukazují, že zde existují významné rozdíly. Závislá proměnná v této analýze je vlastnictví životního pojištění. Model životního pojištění bral v úvahu lidský kapitál a produkce domácností. Data obsahují mnoho proměnných jako jsou pracovní postavení manželky, velikost rodiny, věk nezaopatřených dětí, domácí vlastnictví i celkový příjem domácnosti. Další proměnné uvádí množství životního pojištění, věku a vzdělání manželů. Na rozdíl od Goldsmitha, který odhadoval jednu rovnici pro oba manžele, je zde chování manželů analyzováno odděleně, samostatně a jsou zkoumány jednotlivé rozdíly. Výsledky ukazují, že kromě rozdílů v množství pokrytí, jsou významné rozdíly mezi manžely také v jejich funkci poptávky po životním pojištění. Mnoho rozdílů ve výši pokrytí je možné připsat změně postavení ženy na pracovním trhu. Také vyšší vzdělání manželky má tendenci vést k poklesu pojištění manžela. Studie J. François Outreville z roku 1996 popisuje vztah mezi finančním vývojem a rozvojem životního pojištění a poskytuje empirické důkazy o negativním vlivu monopolního trhu na růst životního pojištění. Analýza je založena na průřezu 48 rozvojových zemí, pro které bylo k dispozici hrubé pojistné životního pojištění na osobu pro rok 1986.


21

Hlavním cílem tohoto článku je prozkoumat vztah mezi příjmem z pojistného ze životního pojištění, mírou rozvoje životního pojištění, úrovní finančního vývoje a institucionální strukturou trhu pojištění v rozvojových zemích. Jako proměnné zde uvádí také procento pracovní síly v zemědělství, zdravotní stav země, procento obyvatel s přístupem k bezpečné pitné vodě, podíl pracovní síl s vysokoškolským vzděláním a úroveň finančního vývoje. Analýza ukazuje, že vývoj životního pojištění je výrazně ovlivněn velikostí disponibilního důchodu, úrovní finančního vývoje země a očekávanou inflací. Hospodářský význam odvětví pojišťovnictví a zejména životního pojištění je zde stále nízký. Průmyslově rozvojové země navíc obvykle trpí významným nedostatkem kvalifikovaných pracovníků. To může mít také významný dopad na nedostatek poskytovaných pojišťovacích služeb. Monopolistické trhy jsou celkově výrazně méně rozvinuté než konkurenční trhy. Docent Renbao Chen, profesor financí a účetnictví Kie Ann Wong a Hong Chew Lee zkoumali působení věku, období a kohorty na nákup životního pojištění v USA v letech 1940–1996. Hlavním cílem této studie je pochopit, jak stárnutí americké populace během několika posledních desetiletí postihlo nákupy životního pojištění v USA, hodnotit přítomnost věku, období a účinky kohorty1, které ovlivnily trendy. Na rozdíl od předchozích studií, tento článek (2001) zavádí kohortní analýzu a další demografické metody jako jsou standardizace a dekompozice věku. Byla zde zjištěna řada zajímavostí. Počet zakoupených pojištění v první polovině roku 1990 byl srovnatelný s první polovinou roku 1970, ale celková míra nákupu v roce 1996 byla ve skutečnosti mnohem nižší než v roce 1940. Změny ve věkové struktuře populace mají překvapivě malý vliv na změnu v nákupech pojištění v letech 1949–1995. Naopak proces stárnutí populace, který začal po roce 1960, má na tyto nákupy očekávaně pozitivní účinky. Bez procesu stárnutí by počty nákupu v letech 1990 a 1995 byly ještě nižší. Stárnutí mnohem více ovlivňuje nákup životního pojištění u mužů než u žen. Rozdíl je především v důsledku různých tradičních rolí, které hrají v rodině. Zjistili také silné ovlivňování žen při nákupu skupinou lidí okolo sebe, které lze přičíst zvýšené účasti žen na pracovním trhu. Uvedené výsledky by mohly mít významný dopad na zlepšení prodeje v pojišťovnictví. Pojišťovny se mohou na základě odlišného chování mužů a žen cíleně zaměřit na vybraný sektor. Profesor bankovnictví a financí Thorsten Beck a Ian Webb publikovali na podobné téma dvě studie. První v roce 2002, ta obsahovala průřezová data 63 zemí za období 1980–1996 a panelová data 23 zemí v období 1960–1996. Tehdy dospěli k závěru, že dosažené vzdělání a cenová stabilita jsou nejvíce robustní prediktory spotřeby životního pojištění v jednotlivých zemích 1

Kohorta – družina, houf

22


a v průběhu času, zatímco velikost příjmů a vývoj bankovního sektoru se jeví jako slabé ukazatele. Druhou studii vydali o rok později, v roce 2003 – Economic, Demographic, and Institutional Determinants of Life Insurance Consumption across Countries – jak již z názvu vyplývá, opět zkoumá ekonomické, demografické a institucionální determinanty spotřeby životního pojištění napříč státy. Autoři zahrnují rozvojové i již rozvinuté státy a zkoumají, co způsobuje rozptyl spotřeby životního pojištění mezi jednotlivými státy. Použili tentokrát panelová data 68 ekonomik z období let 1961–2000 a provedli mnohorozměrnou regresní analýzu. Základní regrese zahrnovala skutečný HDP na obyvatele, počet závislých, průměrné vzdělání, očekávanou délku života, míru inflace a vývoj bankovního sektoru. Následující pak rozsáhlejší sadu možných faktorů. Využitím dvou pomocných proměnných, kterými jsou právní původ a dotace na zemědělství, dokázali výrazně zlepšit vypovídající hodnotu modelu. Ekonomické ukazatele jako jsou inflace, příjem na obyvatele, vývoj bankovního sektoru, soukromá míra úspor, reálné úrokové sazby, náboženské a institucionální ukazatele se ukázaly jako nejvíce využitelné pro predikci budoucí spotřeby životního pojištění. Naopak vzdělání a očekávaná délka života nepůsobí na velikost spotřeby nikterak významně. Zatímco poměr závislých obyvatel ve věku 60 a více let k počtu obyvatel v produktivním věku zvyšuje objem životního pojištění, poměr mladých závislých (0–14 let) spotřebu nijak zvlášť neovlivňuje. Výsledky poukazují na význam cenové stability, vývoj bankovního sektoru a investiční funkci životního pojištění v ekonomice. Studie zvýšila úroveň existující literatury, zabývající se touto problematikou, a to hned několika způsoby. Jednak výrazně rozšiřuje rozsah zkoumaných ekonomik a také časové období, které se zde sleduje. Navíc využití panelových dat umožňuje zkoumat přeshraniční i časové kolísání spotřeby životního pojištění a potenciální determinanty. Je také možné lépe posoudit, čím je způsoben rychlý nárůst spotřeb životního pojištění v uplynulých 40 letech. Využitím dat různých ekonomik za stejné období umožňuje analyzovat vliv časově neměnných determinantů a kontrolovat zkreslení vyvolané opačnou kauzalitou a simultánností. Donghui Li, Fariborz Moshirian, Pascal Nguyen a Timothy Wee publikovali v roce 2007 studii Poptávka po životním pojištění v zemích OECD. Analyzovali determinanty poptávky po životním pojištění na průřezu dat 30 rozvinutých ekonomik od roku 1993 do roku 2000. Využívali OLS a GMM metody odhadu. Identifikovali osm sociálněekonomických determinantů, které by mohly mít vliv na poptávku – jednorázový příjem, délka života, počet závislých, úroveň vzdělání, výdaje na zabezpečení, finanční vývoj, inflace a reálná úroková sazba. Z výsledků této studie vyplývá, že pozitivní vliv na prodej pojištění má velikost příjmů, úroveň vzdělání, finanční vývoj a počet závislých, negativní vliv narůstající délka života, vysoká míra inflace, reálné úrokové sazby a sociální výdaje na zabezpečení. Zahraniční účast má nelineární vztah s životním pojištěním.


23

Použitý regresní model:

kde:

LFINS = poptávka po životním pojištění na jednoho obyvatele v amerických dolarech. INCOME = příjem (nominální HDP na obyvatele), LIFEXP = průměrná délka života, NBDEPT = míra závislosti, EDUC = úroveň vzdělání, SSEXP = výdaje na sociální zabezpečení na jednoho obyvatele, FINDEV = finanční vývoj (M2/HDP), FMSHRE = podíl zahraničních účastníků trhu, INFLN = předpokládaná míra inflace, REALINT = reálné úrokové sazby (výnosy dluhopisů minus inflace).

Článek Benjamina Lorenta z roku 2010 popisuje opět faktory, určující spotřebu životního pojištění tentokrát v rámci 90 zemí pro rok 2005. Základní model zkoumá vztah mezi hlavními faktory ovlivňující tuto spotřebu. Je zde opět použitá log-lineární forma modelu, kterou zavedli Outreville (1996) a Browne a Kim (1993). Tato specifikace se často používá pro odhad modelů poptávky, pomáhá vytvářet linearity v modelu a odhadovat elasticitu. Rozdělení vzorku do rozvinutých a rozvojových zemí ukazuje, že dobře rozvinutý finanční sektor i nadále předpovídá vyšší spotřebu životního pojištění. Vliv příjmu na osobu a vývoj finančního sektoru mají větší význam v rozvinutých ekonomikách. Výsledky potvrzují údaje v dosavadní literatuře v tom, že země s vyššími výnosy, lepším rozvinutým finančním systémem, vzdělanější populací a vyšším poměrem závislých ve věku 60 a více, utrácí více peněz za produkty životního pojištění, zatímco průměrná délka života vede ke snížení poptávky po životním pojištění. Kromě toho institucionální, náboženské a právní faktory se projevují také jako důležité. Úroveň inflace a úrokových sazeb, poměr závislých ve věku 0-14 let a velikost systému sociálního zabezpečení naopak nemají s touto spotřebou silný vztah. Sada nových proměnných, které byly v této studii použity, jako je bankopojištění a bankovní účinnost, se jeví jako významné, s negativním dopadem na spotřebu životního pojištění. To znamená, že čím více bankovní regulátor omezí banky, aby se zapojily do uzavírání pojištění a prodeje, tím více zákazníci kupují životní pojištění. Podobně je tomu u bankovní účinnosti, kde má zvýšená konkurence

24


a konvergence ve finančním odvětví negativní dopad na spotřebu životního pojištění. Použitý model:

kde: PREM i = poptávka po životním pojištění na obyvatele, GDPi = příjem (GDP na obyvatele ve stálých cenách), EDUCi = úroveň vzdělání PRIVATECREDITi = míra finančního rozvoje, YOUNGi = míra závislých ve věku 0-14 let, INFi = očekávaná míra inflace v zemi (průměr za posledních 7 let), OLDi = míra závislých ve věku 60 a více let, LIFEXPi = očekávaná délka života při narození, INT i = reálné úrokové sazby, HEALTH i = výdaje na zdravotnictví (jako procento GDP) i = náhodná chyba. Robin Koklar je jediný český autor zabývající se determinanty, ovlivňujícími životní pojištění v ČR. Ve svém článku z roku 2011 pracoval s čtvrtletními daty let 2001 až 2010. Pro vytvoření modelu k následné predikci bylo zvoleno jako závislá proměnná reálné předepsané hrubé pojistné (RPHP) z životního pojištění. Na základě statistické významnosti byly zvoleny tři endogenní proměnné – reálná spotřeba domácností, počet živě narozených dětí, naděje na dožití narozených dětí a exogenní proměnné – počet obyvatel ve věku 25–64 let s vysokoškolským vzděláním. Které proměnné se ukázaly jako významné? Reálné HDP a reálné mzdy, výdaje na sociální politiku, výdaje na podporu v nezaměstnanosti, ceny pojištění, naděje dožití narozených dětí, rozvoj bankovního sektoru, rentabilita aktiv bankovnictví, počet nově narozených dětí a počet obyvatel ve věku 25–64 let s vysokoškolským vzděláním. Ve studii se oproti předchozím pracím nepodařilo prokázat hypotézu o existenci negativního vztahu mezi mírou inflace a ani mírou inflačního očekávání a RPHP, neboť výsledky byly nekonzistentní a nejednoznačné. Poslední studii, kterou zde uvádím, je od autora Jordana Kjosevskiho z roku 2012. Ten se zaměřil mimo jiné na faktory, které určují poptávku po životním pojištění ve 14 zemích střední a jihovýchodní Evropy (Albánie, Bulharsko, Chorvat-


25

sko, Česká republika, Estonsko, Maďarsko, Lotyšsko, Litva, Makedonie, Polsko, Rumunsko, Slovenská republika, Slovinsko a Ukrajina) v období 1998–2010. S cílem získat více pozorování použil roční panelová data. Pro vyjádření poptávky po životním pojištění použil dva ukazatele: penetrace životního pojištění a hustota životního pojištění. Na rozdíl od většiny předchozích studií proměnnými, jako jsou reálné úrokové sazby, poměr kvazi peněz na M2, poměr závislosti mladých a starých lidí, kontrola korupce a vládní efektivita, nelze vysvětlit rozdíly v hustotě životního pojištění v jednotlivých zemích. Lze je však vysvětlit pomocí proměnné příjem na osobu, úroveň vzdělání, míra inflace, výdaje na zdravotní péči a úroveň právního státu.

2.2 Klíčové faktory ovlivňující poptávku po životním pojištění Na základě předchozího přehledu vědeckých a odborných článků zabývajících se determinanty poptávky po životním pojištění v následující části uvádím přehled faktorů, u kterých má smysl se dále zabývat jejich vazbou na tuto poptávku. 2.2.1

Ekonomické faktory

Příjem Významný pozitivní dopad výše příjmů na spotřebu životního pojištění byl prokázán ve všech zmíněných studiích, které se faktory zabývaly (Hammond (1969), Berekson (1972), Fortune (1973), Beenstock, Dickinson, Khajuria (1986), Lewis (1989), Outreville (1996), Beck a Webb (2002) a další). Čím větší je úroveň příjmů, tím více si spotřebitel může dovolit životního pojištění a to hned z několika důvodů podle Becka a Webba (2002). Prvním z důvodů je, že spotřeba a lidský kapitál se obvykle zvyšuje spolu s příjmem. To může vytvořit větší poptávku po pojištění pro zachování příjmu pojištěného a očekávané spotřeby jeho rodiny. Dalším důvodem může být, že zvýšení příjmů vede k větší schopnosti nasměrovat podíl dnešních příjmů na budoucí spotřebu po odchodu do důchodu a do investic souvisejících s produkty životního pojištění. Pro měření úrovně příjmů země se používala proměnná reálný HDP na obyvatele. Nicméně HNP a HDP nepřesně zobrazují množství disponibilní osobní příjmy v zemi, proto použili autoři Browne a Kim (2003) raději hodnotu národní důchod. Národní důchod je definován jako HNP minus odpisy (spotřeba kapitálu) a nepřímé obchodní daně. Vzhledem k tomu je národní příjem blíže k disponibilnímu příjmu fyzických osob než HDP. Disponibilní osobní důchod se pak vypočítá jako národnímu důchod minus firemní zisky a sociální příspěvky na sociální zabezpečení, transferové platby a daně z příjmu fyzických osob. Inflace Očekává se, že vyšší míra inflace má negativní korelaci se spotřebou životního pojištění. Narušuje budoucí hodnotu životního pojištění a dochází tak k poklesu poptávky po tomto produktu. Produkty životního pojištění poskytují peněžní výhody

26


v dlouhodobém horizontu a proto inflace a s tím spojená peněžní nejistota, demotivuje společnost od jejich využití. Kromě studie Lorenta (2010), která neodhalila výraznější vztah mezi spotřebou a úrovní inflace, byl ve všech zbylých prokázán významný negativní dopad. Reálná úroková sazba Vliv reálné úrokové sazby se u jednotlivých autorů také výrazně liší. Browne a Kim (1993) vynechali vliv této proměnné na poptávku po životním pojištění. Outreville (1996) konstatuje, že korelace mezi poptávkou a reálnou úrokovou sazbou je téměř zanedbatelná. Beck a Webb (2003) odhalili pozitivní vztah, a to pomocí průměrné úrokové sazby z úvěrů. Burnett (1984) a Lewis (1989) považují vliv reálné úrokové sazby na poptávku po pojištění také za pozitivní. Je však potřeba si dát pozor na skutečnost, že tyto sazby obsahují kreditní rizikové prémie a ty se v jednotlivých zemích liší podle zkušeností s úvěrovým selháním. Proto očekáváme nejednoznačný význam této proměnné. Jak uvádí Li a kolektiv (2007), vysoké reálné úrokové sazby nepřesvědčí domácnosti k nákupu více pojištění, naopak povedou k poklesu jejich nákupu. Lidé budou buď více investovat do jiných produktů s vidinou vyššího zisku anebo dají přednost okamžité spotřebě oproti té odložené. Finanční vývoj Jak uvádí ve své studii Li a kolektiv (2007), finanční vývoj je spojen s rozšířenou sekuritizací2 peněžních toků, která umožňuje domácnostem zajistit budoucí příjmy prostřednictvím vlastnictví finančních aktiv. Proto se očekávají vyšší tržby v zemích s vysokou úrovní finančního vývoje. Outreville (1996) se zaměřil při své studii na rozvojové země, dokumentuje pozitivní vztah mezi spotřebou životního pojištění a složitostí finanční struktury. Finanční struktura je definována jako poměr kvazi peněz a peněžního agregátu M2. ((M1 - M2) / M2)Druhou možností, jak zkoumat finanční vývoj, je pomocí poměru M2 na nominální HDP, tzv. finanční prohlubování (poptávka po penězích na jednotku výstupu). Zahraniční účast Vysoká úroveň zahraniční účasti na domácím trhu má za následek dva různé efekty. Přítomnost zahraničních firem může snížit cenu pojištění a zvýšit tak jeho spotřebu. Aby však na domácím trhu začala působit zahraniční pojišťovna, musí to pro ni být výhodné. Na trhu pak jsou pak vyšší ceny, než by byly při fungování dokonalé konkurence - Outreville (1996). Nízká úroveň zahraniční účasti může navíc odrážet vysokou konkurenceschopnost na domácím trhu, tedy lepší podmínky pro spotřebitele a nižší ceny pojištění. Vysokou spotřebu pojištění tedy můžeme očekávat při nízké úrovni zahraniční účasti - Li a kolektiv (2007).

proces, ve kterém je ze souboru nelikvidních aktiv (např. úvěrů a hypoték) vytvořen obchodovatelný cenný papír 2


2.2.2

27

Demografické faktory

Vzdělání Úroveň vzdělání pozitivně ovlivňuje poptávku po životním pojištění, a to hned z několika důvodů. Truett a Truett (1990) tvrdí, že vyšší vzdělání je spojena s větší touhou chránit rodinné příslušníky a zajistit jejich životní úroveň. Browne a Kim (1993) vysvětlují, že vyšší úroveň vzdělání může zvýšit schopnost lidí pochopit výhody a složitost rizika řízení a dlouhodobého spoření, a tedy větší motivaci se pojistit. Úroveň vzdělání je také dobrým ukazatelem pro měření averze k riziku. Outreville (1996) souhlasí s názorem Browna a Kima (1993). Li a kolektiv (2007) navíc poukazují na skutečnost, že větší délka vzdělávání vede k delší závislosti potomků, která přispívá k vyšší spotřebě pojištění. Na druhé straně, čím víc lidí studuje, tím méně pracovní síly je na trhu a tím se snižuje celkové HDP země. Vliv vzdělávání proto považují za dvousečný. Konečně, vzdělanější populace je obecně spojena s vyššími platy a pak je třeba ochrana vyššího příjmu. Hammond (1969), Burnett (1984), Truett a kol. (199B), Browne a Kim (1993), Outreville (1996), Beck a Webb (2003) a Li et al. (2007), Lorent (2010) Koklar (2011), Kjosevski (2012) zjistili pozitivní vztah mezi spotřebou životního pojištění a úrovní vzdělání. Browne a Kim (1993) při zkoumání závislosti použili poměr celkového zápisu do třetí úrovně vzdělávání na velikost celkové populace ve věku 20 až 24 let, Beck a Webb (2003) využili alternativní metodu, a to průměrný počet let školní docházky u populace starší 25 let . Počet závislých Empirická studie Hammond, Houston a Melander (1967) přišli se zjištěním, že jedním z hlavních cílů životního pojištění je ochrana rodinných příslušníků před finanční těžkostí v případě předčasné smrti živitele. V souladu s předchozí literatury, Beenstock Dickinson, a Khajuria (1986), Truett a Truett (1990), Browne a Kim (1993), Li a kolektiv (2007) došli k závěru, že spotřeba životního pojištění a počet závislých osob v zemi spolu pozitivně souvisí, poměr závislosti má tedy významný pozitivní vliv. Beck a Webb (2003) společně s Lorentem (2012) konstatovali, že více významné pro sledování spotřeby životního pojištění je množství závislých lidí starších 65 let. Tato proměnná má naopak negativní vliv na spotřebu. Zatímco poměr závislých do 14 let ukazuje množství dětí a nezaopatřených jedinců, o které se rodiče snaží postarat a pro případ předčasné smrti uzavírají pojištění, nárůst poměru závislých ve věku 65 let a více poukazuje na skutečnost, že populace stárne a ubývá lidí v produktivním věku, kteří uzavírají nejvíce pojištění. Kjosevski (2012) neshledal žádný významný vliv poměru závislých na tuto spotřebu. Délka života Průměrná délka života je počet let, kterých se průměrný člověk dožije. Vzhledem k tomu, že je tato hodnota nepřímo úměrná s pravděpodobností smrti, můžeme předvídat negativní vztah mezi průměrnou délkou života a spotřebou životního pojištění. Outreville (1996) tvrdí, že delší průměrná délka života může snížit cenu životního pojištění, a proto má tendenci stimulovat jeho spotřebu. Dřívější studie

28


mají protichůdné závěry: Beenstock a kol. (1986), Truett a Truett (1990) a Outreville (1996) a zjistili pozitivní významný vztah, zatímco Beck a Webb (2003), Li a kol. (2007) a Lorent (2010) prokázali negativní dopad očekávané délky života na vyžádání životního pojištění. Ve studii Browna a Kima (1993), Outrevilla (1996) a Becka a Webba (2003) se tato proměnná ukázala jako statisticky nevýznamná. Náboženství Míra averze k riziku v dané zemi může být určena v souvislosti s převládajícím náboženstvím. Browne a Kim (1993) ukázali, že převážně islámské země spotřebují méně životního pojištění než neislámské země (země se považuje za islámskou, pokud zde toto náboženství převládá – vyznává jej více než 50 % obyvatelstva). Stoupenci islámu tradičně nesouhlasí se spotřebou životního pojištění, protože to je považováno za konání proti Bohu. Beck, Webb (2003) a Lorent (2010) ve zkoumání vlivu náboženství pokračovali dále a zahrnuli do zkoumání kromě islámistů také protestanty, katolíky a zastánce jiných náboženství. Dospěli ke stejným závěrům jako Burnetta Palmer (1984), že pokud nepřevažuje muslimská společnost, vliv náboženství na spotřebu životního pojištění je významně pozitivní. Urbanizace Urbanizace je proces koncentrace obyvatel do měst. Díky těmto změnám dochází k zjednodušení distribuce životního pojištění, snižují se náklady spojené s marketingem, administrativní činností, cestováním, likvidací pojistných událostí apod. Větší podíl městského obyvatelstva tedy může mít pozitivní vliv na spotřebu životního pojištění, jak uvedli Beck a Webb (2003).

2.2.3

Sociální faktory

Náklady na sociální zabezpečení Lewis (1989) předpokládal, že sociální zabezpečení vytlačuje soukromé pojištění, navíc se tyto dávky vyplácí z daní, které snižují disponibilní příjem domácností. Vysoké náklady na sociální zabezpečení můžou tedy vést ke snížení spotřeby životního pojištění. Studie autorů Beenstocka, Dickinsona a Khajuria (1986), Lia a kolektivu (2007) a Koklara (2011) tento negativní vliv potvrdily. Nicméně dávky sociálního zabezpečení představují aktiva domácností, která zvyšují spotřebu rodiny, dokud živitel rodiny žije. Jako takové mohou být výdaje na sociální zabezpečení v pozitivní korelaci se spotřebou životního pojištění. Browne a Kim (1993) tento pozitivní vliv ve své studii prokázali. Při výpočtech se používají výdaje na zdravotnictví na HDP jako ukazatel výdajů na sociální zabezpečení a očekává se nejasný vliv na poptávku po produktech životního pojištění. Lorent (2010) ve své analýze žádný významný vliv této proměnné na celkovou spotřebu neshledal.


2.2.4

29

Institucionální faktory

Politická a právní stabilita Pro rostoucí trh životního pojištění je důležitá politická a právní stabilita. Dobrá ochrana investorů zase podporuje vyšší hospodářský růst. Pro měření těchto institucionálních a politických faktorů můžeme podle Kjosevskiho (2012) použít dva ukazatele. Index práva – ten odráží vnímání rozsahu, v němž mají spotřebitelé důvěru v dodržování pravidel, zejména vymáhání smluvních závazků. Index korupce – který odráží vnímání kvality veřejných služeb, kvalitu státní služby a míru nezávislosti na politických tlacích. Nedostatek politické stability může zabránit vybudování dlouhodobého vztahu mezi zákazníkem a životní pojišťovnou, stejný argument platí i u slabého právního systému – Lorent (2010). Konečně nedostatek politické stability tlumí rozvoj zdravého trhu životního pojištění – Beck a Webb(2003).

30

Metodika

3 Metodika Z předchozího literárního přehledu je v následující části práce sestavena metodika pro naplnění stanoveného cíle.

3.1 Cíl práce Hlavním cílem mé diplomové práce je identifikace významných faktorů ovlivňující poptávku po životním pojištění v České republice. Práce představí životní pojištění jako jednu z forem zajištění budoucích výdajů pojistitele i jeho rodiny. Záměrem literární rešerše bylo představení dosavadních výsledků výzkumu v oblasti zkoumání determinantů poptávky po pojištění. Tyto výsledky sloužily pro výběr jednotlivých proměnných ve zkoumaném modelu. V praktické části práce bude pomocí ekonometrických metod analyzována poptávka po životním pojištění v České republice v letech 1993-2012. Na základě dostupných údajů zde budou zkoumány a modelovány vzájemné vztahy mezi jednotlivými vysvětlujícími proměněnými a jejich vliv na vysvětlovanou proměnnou. Ke zpracování dat a naplnění cílů budou využity ekonometrické nástroje.

3.2 Zdroj dat V práci jsou použity údaje o sledovaných proměnných od roku 1993, tedy od vzniku samostatné České republiky do konce roku 2012. Jedná se o roční data za období 20 let. Data byla čerpána z více zdrojů, převážně z výročních zpráv České asociace pojišťoven a Českého statistického úřadu. Pouze hodnoty počtu smluv životního pojištění v kmeni jsou uvedena za období 1997-2012, dřívější hodnoty nebylo možné dohledat. Vysvětlované proměnné jsou dvě – celková velikost předepsaného životního pojištění a počet smluv životního pojištění v kmeni. Jejich vývoj v čase je odlišný a proto se tato práce zaměří na zkoumání faktorů, které je ovlivňují. Jako vysvětlující proměnné jsem zvolila determinanty, které se v dřívějších studiích prokázaly jako významné. Jedná se o data udávající velikost příjmu obyvatelstva, HDP na 1 obyvatele, úroveň vzdělání, míry závislosti (počet obyvatel mladších než 14 let a starších než 65 let), průměrný věk, vyplacené dávky státní sociální podpory, výši inflace a reálné úrokové míry. Většinu dat jsem čerpala z internetových stránek Českého statistického úřadu. Výši úrokových sazeb v jednotlivých letech jsem získala ze stránek Eurostatu. Zvolená data jsou pro přehlednost zpracována také graficky, a to prostřednictvím různých typů grafů – sloupcových, spojnicových i výsečových.

Metodika

31

3.3 Použité ekonometrické nástroje Veškeré data byla zpracována ve programu Gretl a tabulkovém procesoru MS Excel. Zkoumaná data měla podobu časové řady, tzn. byla pozorována v určitém časovém intervalu s určitou frekvencí záznamu. Frekvence záznamu, tedy velikost intervalu mezi jednotlivými pozorováními, byla zvolena kalendářní rok. (Cipra, 2008) Jedná se o posloupnost věcně a prostorově srovnatelných pozorování uspořádaných od minulosti do přítomnosti. (Artl, Artlová, 2009) Pro vysvětlení vzájemného vztahu mezi jednotlivými proměnnými byla použita regresní analýza. Jejím úkolem je vysvětlit změny jedné proměnné změnami hodnot jiných proměnných. (Cipra, 2008) Klasický regresní model má tvar:

kde:    

je h d

ta vysvět va é pr mě

js u h d r va é v čase ,

é p z r va é v čase ,

ty vysvět ujících pr mě

ých

,

pozo-

js u ez ámé parametry modelu, je rez duá í s žka m de u.

Pro odhady parametrů re res ích modelů jsem využ a přístup za že ý a metodě ejme ších čtverců, kdy je m ma z vá a suma čtverců rez duí tedy r zdí ů mez emp r ckým aměře ým a te ret ckým h d tam . (Cipra, 2008) ýh d u tét met dy je m ž st jejíh využ tí i př ma ém p čtu p z rová í a jednoduchost výp čtu. ušek rt vá 2007) Rozhodla jsem se vytvořit dva ekonometrické modely. V jednom bude jako vysvětlovaná proměnná objem předepsaného pojistného, ve druhém velikost pojistného kmene, tedy kolik smluv životního pojištění je celkově uzavřeno. U obou pak budou vysvětlujícími (nezávislými) proměnnými ostatní sledované proměnné. Abychom detekovali skutečnou závislost a nikoliv jen zdánlivou (souběh trendů), potřebujeme znát data bez trendu (detrendovaná data). K odstranění trendu použiji logaritmování. Hodnoty, které byly uváděny v běžných cenách, jsem očistila o inflaci, veškeré tyto hodnoty pak byly vyjádřeny ve stálých cenách roku 1993.

3.3.1

Základní testy

Pro otestování vhodnosti zvolených modelů jsem použila následující testy, které nejlépe hodnotí správnost sestavení modelu.

32

Metodika

Způsob přijímaní hypotéz se u jednotlivých testů liší. Zatímc zuje a zák adě sr v á í h d ty testu a tabu k vé kritické h d kud je:

test se p suty c. Kdy po-

F > Fc => H0 zamítám F < Fc => H0 ezamítám Tak u zby ých testů se p r v ává získa á p-hodnotu s 5 % h ad u výz am a a zák adě t h buď zamítáme č ezamítáme u v u hyp tézu:

st

α > p-hodnota => H0 zamítám α < p-hodnota => H0 ezamítám á e uvádím jed

t vé p už té testy a jej ch u vé a a ter at v í hyp tézy.

F test F-test testuje sp eč u vyp vídající sch p st k ef c e tů jed ých. užívá se př p suz vá í kva ty m de u. H0: m de emá žád u vyp vídající sch p H1: m de má vyp vídající sch p st

t vých pr měn-

st

V případě nezamítnutí nulové hypotézy by žádný z regresorů modelu nebyl schopen vysvětlit změny vysvětlované proměnné. T-test ímt testem zk umáme výz am re res ry d m de u patří.

st re res ích parametrů a testujeme, zda tento

H0: parametr e í výz am ý H1: parametr je výz am ý RESET test a testy nelinearity Jed á se o da ší testy zk umající vh d

st re res íh m de u.

H0: m de je správ ě spec f k vá vztah je eár í H1: m de e í správ ě spec f k vá vztah e í eár í Durwin-watson test m cí t h t testu testujeme aut k re ac tedy s tuac kdy chyb vé č e y ejs u ezáv s é. H0: rez dua js u ezáv s é H1: aut k re ace . řádu

Metodika

33

d ty W se p hybují v intervalu od 0 do 4. V případě ezáv s st se stat st ka pohybuje okolo 2, v případě p z t v í k re ace k 0 v případě e at v í k 4. Wh teův test e t test se p užívá př test vá í heter skedast c ty která vyjadřuje že chyb vý č e emá k sta t í r zpty . Její přít m st způs buje že re res í k ef c e ty se stávají mé ě vh d ým pr da u fu kc . H0: e í zde heter skedast c ta H1: je heteroskedasticita est rma ty rez duí ř testu rma ty rez duí p stupujeme sta dard ím způs bem - p užíváme testy d bré sh dy. H0: chyby js u rmá ě r zdě e é H1: chyby ejs u rmá ě r zdě e é KPSS test estuje zda je p z r va á čas vá řada stac nejsou v čase k sta t í. H0: stac ar ta čas vých řad H1: estac ar ta čas vých řad

ár í, tedy zda změ y v čas vé řadě

34

Empirická část

4 Empirická část 4.1 Aktuální situace na pojistném trhu v České republice Pojistný trh začíná lehce ožívat, jak uvádí Česká asociace pojišťoven ve své tiskové zprávě z dubna letošního roku. Hlavním faktorem oživení je však neživotní pojištění, kde došlo k meziročnímu nárůstu předepsaného pojistného o 1,3 %, zatímco u životního pojištění šlo o 0,7 %. I tak zde dochází k mírnému zlepšení situace, na konci 3. čtvrtletí loňského roku dosahovala tato hodnota pouhých 0,4 %. Stále ovšem dochází k poklesu v počtu sjednaných smluv. V roce 2013 poklesl počet smluv životního pojištění zhruba o 3,1 % oproti předchozímu roku. Výrazně klesá také nové produkce běžně placených smluv. I přes tyto nepříliš pozitivně vyhlížející výsledky je možné z těchto údajů vyčíst hned dvě dobré zprávy. Tou první je, že při současném poklesu počtu běžně placených smluv a mírném růstu odpovídajícího pojistného se mírně zlepšuje úroveň pojistné ochrany. Vycházím z předpokladu, že právě u běžně placených pojištění je zastoupena riziková složka ve větší než jen symbolické míře. Druhou pozitivní zprávou je pak to, že se pravděpodobně zmenšuje počet tzv. obrácených smluv, tedy storno původního „nevýhodného“ pojištění a sjednání nového „mnohem výhodnějšího“. Lze tak usuzovat z toho, že podstatně klesla nová produkce a pokles celkového počtu běžně placených smluv se zrychlil jen mírně.3 Podíl životního pojištění na celkovém objemu pojistného sice meziročně něco poklesl, ale v porovnání s předchozím vývojem v průběhu roku se naopak zvýšil. Nyní činí 50,9%. Význam tohoto ukazatele však bývá neoprávněně přeceňován. Nevypovídá totiž nic o skutečné úrovni krytí rizik a tedy o vyspělosti pojistného trhu. K evropskému průměru (cca 60%) máme sice stále poměrně daleko, ale ve skutečnosti to nic moc neznamená, jak uvádí expertka na pojišťovnictví Kateřina Lhotská ze společnosti Ernst & Young.4 I přes nadějný začátek tohoto roku, kdy se pojistný trh probral ze stagnace, neočekává výkonný ředitel ČAP Tomáš Síkora, že by pojistný trh výrazně zareagoval na počínající oživování ekonomiky a dynamika růstu životního pojištění výrazně stoupla. Podle jeho slov lze oživení pojistného trhu očekávat se zpožděním, a to nejspíše až v roce 2015.5

Životní pojištění strhávaly jednorázy - 8. díl analýzy, http://www.opojisteni.cz/ekonomika/vyvojtrhu/zivotni-pojisteni-strhavaly-jednorazy-8-dil-analyzy/ 4 Hodnocení roku - vývoj v hlavních oblastech, http://www.opojisteni.cz/ekonomika/vyvojtrhu/hodnoceni-roku-2013-vyvoj-v-hlavnich-oblastech/ 5 ČAP: Pojistný trh začíná lehce ožívat, http://www.opojisteni.cz/ekonomika/vyvoj-trhu/pojistnytrh-zacina-lehce-ozivat/ 3

Empirická část

35

4.2 Vývoj sledovaných proměnných v ČR v letech 19932012 Předepsané pojistné životního pojištění Pro popsání vývoje této proměnné je potřeba si uvědomit, že předepsané pojistné zahrnuje jak běžně, tak i jednorázově placené pojistné. V případě běžně placeného pojištění se pojistné platí pravidelně v dohodnutých obdobích, jednorázové pojistné je stanoveno na celou dobu pojištění a platí se většinou při počátku pojištění. Dominantní složkou u jednorázově placeného pojištění je spořící složka, zatímco riziková část je často jen symbolická (je součástí produktu jen proto, aby mohl být stále nazýván pojištěním). Z toho důvodu není tento typ produktu dobrou variantou pro klienty, neplní svoji hlavní funkci – zajištění rizik. Za posledních 20 let došlo v této oblasti k výrazným změnám. V první polovině 90. let vstoupila na náš pojistný trh řada nových pojišťoven, které sebou přinesly i nové produkty. Nasycenost trhu produkty životního pojištění byla do té doby velmi nízká. Převažovalo sjednávání běžně placených pojištění, jednorázově placené pojistné nedosahovalo ani jedné třetiny nové obchodní produkce. Zavedení daňové podpory začátkem 21. století, mělo za následek růst zájmu o sjednávání běžně placených životních pojištění a tím i růst celého odvětví životního pojištění. Docházelo také k převodům smluv životních pojištění, které nebyly daňově podporovatelné, do nových smluv, daňově podporovatelných, uzavíraných ve formě jednorázového pojistného. Dalším výrazným milníkem byl rok 2004 a vstup České republiky do EU, který sebou přinesl řadu regulací, nových zákonů, ale také možností. Došlo ke zkvalitnění a rozšíření služeb pojišťoven a také ke zvýšení úrovně ochrany klientů. K podrobnějšímu popisu situace na trhu v posledních pěti letech jsem využila analýzy expertky na pojišťovnictví Kateřiny Lhotské publikované na serveru OPojišťovnictví.cz. Zájem o rizikové produkty nebyl v době krize významně poznamenán. V první polovině roku 2010 navíc došlo k enormnímu nárůstu v oblasti jednorázově placeného pojistného. Celkový objem za 1. pololetí byl téměř 13,7 miliardy, meziročně tento objem vzrostl o 6,4 miliardy a tedy o téměř 89 %. Pomohla tomu především snaha bankopojišťoven, podpořit klienty investovat dlouhodobě své finanční prostředky do pojištění s garantovaným zhodnocením. Běžně placené pojistné pokleslo meziročně o téměř 1,9 %. Podíl jednorázově placeného pojistného byl v této době příliš vysoký a dlouhodobě neudržitelný. Předpokládaný prudký propad se dostavil záhy. V první polovině roku 2011 byl ještě zaznamenán meziroční nárůst a v prvním čtvrtletí roku 2012 již předpokládaný pokles. Také v první polovině roku 2013 byl zaznamenán značný pokles jednorázově placeného pojistného. Pozitivní určitě je, že běžně placené pojistné životního pojištění osmým rokem po sobě roste. V roce 2013 byl růst za celé zmiňované období nejmírnější – jen 0,7%. Takže přesto, že jednorázově placené pojistné vytváří v předepsaném pojistném značnou volatilitu, vyrovnané běžně placené pojistné se snaží vývoj této proměnné stabilizovat.

36

Empirická část

Graf 1: Předepsané pojistné

Předepsané pojistné ve stálých cenách 40000000 35000000 30000000 25000000 20000000 15000000 10000000 5000000 0

Předepsané pojistné ve stálých cenách Zdroj: vlastní zpracování dat České asociace pojišťoven

Pokles celkové poptávky po životním pojištění v posledních letech také samozřejmě souvisel s ekonomickými problémy některých skupin obyvatel, např. v důsledku růstu míry nezaměstnanosti, snížením mezd či omezením nejrůznějších zaměstnaneckých benefitů.

Počet smluv životního pojištění v kmeni Podle Zákonu č. 363/1999 Sb., o pojišťovnictví je pojistný kmen soubor uzavřených pojistných smluv. Není zde však specifikováno, zda se do tohoto souboru započítávají také stornované smlouvy. Uvedla jsem proto konkrétní popis České asociace pojišťoven, která má ve svých výročních zprávách uvedeno, že pojistným kmenem rozumí soubor uzavřených pojistných smluv, které jsou platné a účinné k danému datu. V práci je využita hodnota počtu smluv životního pojištění v kmeni připadající na 1 obyvatele České republiky. V následujícím grafu je možné sledovat, jak se tato hodnota v průběhu let měnila:

Empirická část

37

Graf 2: Počet smluv v kmeni na 1 obyvatele

Počet smluv v kmeni na 1 obyvatele 900000 800000 700000 600000 500000 400000 300000 200000 100000 0

počet smluv v kmeni v ks Zdroj: vlastní zpracování dat České asociace pojišťoven

V roce 2009 došlo k zásadnímu snížení základny, Česká asociace pojišťoven tak vykázala velmi rozdílná data než v předchozích dvou letech. Rozdíl zde byl okolo 1,8 miliónu kusů. (Mužáková, Boučková, Fujerová, Valihorová, Ježdík, Öhm, 2013) Zajímavý je pohled na data roku 2012. Tehdy bylo sjednáno přes 350 tisíc nových smluv, celkový počet smluv se ale nezvýšil, naopak o 120 tisíc poklesl. Na základě dalších faktorů, jako je průměrná pojistná doba, je možné konstatovat, že nejméně polovina nové produkce byla produktem tzv. „obrácených“ smluv. V roce 2013 ubylo zhruba dalších 100 tisíc smluv. Úbytek počtu pojištěnců v životním pojištění má podle slov Tomáše Síkory na svědomí znechucení Čechů nad praktikami poradců, kteří jejich pojistky neustále "otáčeli", obnovovali či nějak předělávali. 4.2.1

Makroekonomické ukazatele

HDP Hrubý domácí produkt je ekonomická statistická veličina, která se používá v makroekonomii pro určování výkonnosti ekonomiky státu. Udává tržní hodnotu všech finálních statků a služeb vyrobených v ekonomice za dané časové období. K oceňování produktu se mohou použít ceny z různých období. (Mankiw, 1999) V této práci je počítáno s hodnotami HDP na 1 obyvatele ve stálých cenách roku 2005. Stálé ceny jsou zvoleny proto, aby byl vyloučen vliv změn cen.

38

Empirická část

Očekává se pozitivní vztah s předepsaným pojistným i počtem uzavřených smluv. S nárůstem výkonnosti ekonomiky ve státě by měl jít ruku v ruce i nárůst příjmů obyvatel. Lidé by tak měli mít více prostředků k uzavření pojištění a větší motivaci zajistit si příjmy i do budoucna. Graf 3: HDP na 1 obyvatele ve stálých cenách

HDP na 1 obyvatele 400000 300000 200000 100000 0

Zdroj: vlastní zpracování dat ČSÚ

Průměrná mzda Průměrná mzda je použita jako další ukazatel příjmů společnosti. Jedná se o odměnu za práci v určitém pracovním poměru. K získání průměrné hrubé mzdy je potřeba znát veškeré mzdy, příplatky, doplatky, odměny, náhrady mezd, odměny za pracovní pohotovost a jiné složky mzdy, které byly v daném období zaměstnancům zúčtovány k výplatě. Naopak nezapočítávají se náhrady mzdy za dobu trvání dočasné pracovní neschopnosti nebo karantény placené zaměstnavatelem. Vzhledem k tomu, že se jedná o hrubé mzdy, jde o částku před snížením o pojistné na všeobecné zdravotní pojištění a sociální zabezpečení, zálohové splátky daně z příjmů fyzických osob a další zákonné nebo se zaměstnancem dohodnuté srážky.6 Průměrnou čistou mzdu pak získáme po odečtení všech plateb uvedených v předchozím odstavci od hrubé mzdy. Průměrná mzda na obyvatele je pak získána jako podíl celkového objemu mzdových prostředků počtem zaměstnanců. Malá část zaměstnanců s vysokými příjmy výrazně nadhodnocuje tento ukazatel. Očekávaný vliv na vysvětlované proměnné je dle ekonomické teorie a dosavadně provedených výzkumů opět pozitivní. S nárůstem příjmu by mělo dojít k nárůstu uzavřených pojistných smluv i předepsaného pojistného.

Průměrná mzda a evidenční počet zaměstnanců – Metodika, http://www.czso.cz/csu/redakce.nsf/i/pmz_m 6

Empirická část

39

Graf 4: Průměrná čistá mzda

Průměrná čistá mzda v Kč 2012 2011 2010 2009 2008 2007 2006 2005 2004 2003 2002 2001 2000 1999 1998 1997 1996 1995 1994 1993

19 372 18 820 18 513 18 155 17 264 16 153 15 161 13 930 13 315 12 590 11 956 11 154 10 260 9 842 9 090 8 308 7 520 6 318 5 351 4 551


Ve skutečnosti však na tuto mzdovou úroveň většina obyvatel nedosahuje. Dle Českého statistického úřadu jsou pod průměrem dokonce dvě třetiny zaměstnanců. Nárůst průměrné mzdy tedy nezrcadlí zvýšení životní úrovně většiny obyvatel. Vypovídají úroveň tohoto ukazatele je tedy pro naše účely nízká.7 Jaký má tedy skutečně vliv na vysvětlované, zjistíme z regresních modelů.

Míra nezaměstnanosti Míra nezaměstnanosti se počítá jako podíl nezaměstnaných na celkové pracovní síle. Hodnotit míru nezaměstnanosti je potřeba velmi opatrně. V případě, že lidé ztratí práci a rezignují na její aktivní hledání, přechází ze skupiny pracovní síla mezi ekonomicky neaktivní obyvatelstvo. Dochází tak k poklesu míry nezaměstnanosti, ale situace na trhu práce se zhoršuje. (Soukup a kol., 2007) Očekávaný vliv této proměnné na vysvětlované je negativní. S nárůstem nezaměstnanosti klesá hodnot a příjmů domácností a tak i motivace uzavřít životní pojištění. Stejně tak působí i na výši předepsaného pojistného, s poklesem příjmů klesá také hodnota pojistného, na kterou je smlouva uzavírána. Co to je, když se řekne průměrná mzda, http://www.finance.cz/zpravy/finance/42752-co-to-jekdyz-se-rekne-prumerna-mzda/ 7

40

Empirická část

Graf 5: Míra nezaměstnanosti

Míra nezaměstnanosti v % 10 9 8 7 6 5 4 3 2 1 0


Je proto potřeba sledovat také ukazatel míry ekonomické aktivity, tedy podíl počtu pracovní síly na počtu obyvatel. Graf 6: Počet ekonomicky aktivních a neaktivních osob

Počet ekonomicky aktivních a neaktivních osob 5900

5900

5400

5400

4900

4900

4400

4400

3900

3900

3400

3400

2900

2900

Pracovní síla (= ekonomicky aktivní) celkem v tis. osob

Ekonomicky neaktivní celkem v tis. osob


V roce 2013 dosáhl podíl nezaměstnaných osob v České republice 8,17 %. Aktuálně k 31.3.2014 je míra nezaměstnanosti 8,3 %. V makroekonomické predikci,

Empirická část

41

kterou Ministerstvo financí, je pro rok 2014 odhadován růst zaměstnanosti o 0,4 %. Míra nezaměstnanosti by mohla v roce 2014 dosáhnout 7,3 %. 8 V porovnání s průměrem v Evropě, který dosahuje více jak 10 %, jsme na tom ještě stále docela dobře. V eurozóně přesahuje v průměru 12 %. Problémem je především dlouhodobá nezaměstnanost, která kvůli přetrvávající krizi stále roste. Na konci třetího čtvrtletí roku 2013 dosáhla v EU-28 rekordní výše 12,5 milionu osob a od roku 2008 se téměř zdvojnásobila, přičemž k jejímu nárůstu došlo ve sledovaném období téměř ve všech členských státech. 9 Dalším narůstajícím problémem je nezaměstnanost mladých lidí ve věkové kategorii do 25 let. Nejhorší situace v rámci EU je v Řecku a ve Španělsku, kde nemá práci více jak polovina ekonomicky aktivních lidí do 25 let. Naopak nejlépe je na tom Německo a Rakousko. Česká republika se blíží evropskému průměru, práci u nás nemůže sehnat zhruba každý pátý člověk do 25 let.

Vyplacené dávky sociální podpory Mezi dávky sociální podpory se řadí přídavek na dítě, rodičovský příspěvek, příspěvek na bydlení, porodné a pohřebné. Graf 7: Vyplacené dávky

Vyplacené dávky státní sociální podpory ve stálých cenách (mil. Kč)

2012

2011

2010

2009

2008

2007

2006

2005

2004

2003

2002

2001

2000

1999

1998

1997

1996

1995

30000 25000 20000 15000 10000 5000 0

Vyplacené dávky státní sociální podpory ve stálých cenách (mil. Kč) Zdroj: vlastní zpracování dat ČSÚ

U této proměnné může být vliv opět negativní i pozitivní. Jak uvedl Lewis (1989) ve své studii – sociální zabezpečení vytlačuje soukromé pojištění, navíc se tyto dávky vyplácí z daní, které snižují příjem domácností. Naopak Browne Nejnovější ekonomické údaje. Nejnovější ekonomické údaje, http://www.czso.cz/csu/csu.nsf/aktualniinformace 9 Analýza vývoje ekonomiky ČR za 3. čtvrtletí 2013, http://www.businessinfo.cz/app/content/files/zpravodajstvi-pro-export/analyza-vyvojeekonomiky-cr-3q-2013.pdf 8

42

Empirická část

a Kim (1993) považuj vliv za pozitivní, poněvadž tyto dávky představují další aktiva domácností, které zvyšují potřebu rodiny.

Úrokové sazby Pro zkoumání vlivu úrokových sazeb na objem předepsaného pojistné a počtu uzavřených smluv jsem zvolila roční data úrokových sazeb, které byly pro toto období na stránkách Eurostatu k dispozici. Jedná se o úrokovou sazbu day-to-day, tedy denní a 3 měsíční.10 Jejich vliv na vysvětlované proměnné očekávám negativní. Podobně jako Li a kolektiv (2007), kteří konstatovali, že při vyšší úrokové míře, budou lidé více investovat do jiných produktů s vidinou vyššího zisku anebo dají přednost okamžité spotřebě oproti té odložené. Graf 8: Úrokové sazby

Úrokové sazby v % 20 18 16 14 12 10 8 6 4 2 0

3 měsíční

denní


10

Statistics, http://epp.eurostat.ec.europa.eu/portal/page/portal/statistics/search_database

Empirická část

4.2.2

43

Demografické ukazatele

Počet obyvatel Počet obyvatel v České republice se v minulosti vyvíjel přirozeně pozitivně. Docházelo k pozvolnému nárůstu obyvatel, který byl spojený se zvyšováním životního úrovně a kvality zdravotnické péče.11 Graf 9: Počet obyvatel

Počet obyvatel v tis.osob 10 550 10 500 10 450 10 400 10 350 10 300 10 250 10 200 10 150


Během 2. světové války žilo na našem území prozatím nejvíce obyvatel, hodnoty tehdy dosahovaly více než 11 milionů. Zřejmým důvodem bylo přistěhování německého obyvatelstva v době okupace. Po válce naopak klesl počet obyvatel přibližně o 2 miliony obyvatel. To bylo způsobeno zejména odsunem německého obyvatelstva. V 70. letech byla silně podporovaná rodina, zlepšila se sociální politika (novomanželské půjčky, delší mateřská dovolená, větší příspěvky na děti), došlo tak k nárůstu porodnosti. Revoluce v roce 1989 a s tím spojené nové možnosti, v podobě cestování, studií, využití antikoncepce aj, sebou přinesly pokles porodnosti. Růst počtu obyvatel se poprvé od roku 1918 zastavil. V roce 1994 počet obyvatel dokonce klesal, což bylo způsobeno přirozeným úbytkem obyvatel. To trvalo až do roku 2003, kdy začal počet obyvatel opět růst. Podle průzkumu Českého statistického bude počet obyvatel přibývat do roku 2018, při optimistickém scénáři do roku 2027. Poté začne Česká republika vymírat. Přesto, že se bude rodit nejspíše více dětí než dnes, počet zemřelých bude převažovat nad počtem narozených. Vymírání nedorovná ani příliv cizinců. Statistici odhadují, že na konci století by mohl být počet obyvatel zhruba o tři miliony nižší než je tomu dnes. Jediné, co by mohlo zmírnit budoucí úbytek obyvatel v ČR a celkové stárnutí populace je vysoká a stabilní plodnost.12 Vývoj počtu obyvatel ČR, http://www.hajduch.net/cesko/vyvoj-poctu-obyvate Projekce obyvatelstva České republiky do roku 2100, http://www.czso.cz/csu/2013edicniplan.nsf/p/4020-13 11 12

44

Empirická část

Počet obyvatel jsem využívala zejména pro přepočet vysvětlujících proměnných jako je předepsané pojistné nebo HDP na jednoho obyvatele. Vliv na vysvětlované proměnné předpokládám pozitivní. Nárůst počtu obyvatel by měl vést k nárůstu počtu uzavřených smluv, je však potřeba brát na vědomí i počet závislých obyvatel a další důležité proměnné spojené s počtem obyvatel v zemi.

Průměrný věk Tento údaj je vypočítaný jako aritmetický průměr věku všech jedinců v dané populaci. Často se tento údaj chybně zaměňuje se střední délkou života. Zatímco průměrný věk udává jaký je průměrný věk obyvatel České republiky, střední délka života při narození zobrazuje kolika let se člověk může dožít. Jedná se o odlišné údaje a je proto potřeba tyto údaje rozlišovat. Graf 10: Průměrný věk

Průměrný věk 42 41 40 39 38 37 36 35 34

39,3 39,5 38,8 39 38,5 38,2 37,6 37,9 37,3 36,8 37

39,8 40

40,6 40,8 40,2 40,3 40,5

41,1 41,3


Průměrný věk české populace roste. Populace stárne, rodí se málo dětí a starší lidé se dožívají vyššího věku. Z následujících výsečových grafů je ale možné vyčíst, že k žádným extrémním změnám ve struktuře věkového složení obyvatelstva nedochází.

Empirická část

45

Graf 11: Předpokládaná věková struktura v roce 2101

2101 65 a více let 60 až 64 let 55 až 59 let 50 až 54 let 45 až 49 let 40 až 44 let 35 až 39 let 30 až 34 let 25 až 29 let 20 až 24 let 15 až 19 let 0 až 14 let 1500

Ženy Muži

1000

500

0

500

1000

1500


Z tohoto grafu je stárnutí populace více než patrné. Lidé starší 65 let výrazně převažují nad zbylým obyvatelstvem. Předpokládám pozitivní vliv růstu průměrného věku, na množstvím uzavřených smluv i předepsané pojistné. Lidé by si měli uvědomovat, že počet lidí v důchodovém věku bude stále více a tak je potřeba zajistit svou budoucí spotřebu, protože spoléhat se na důstojný důchod vyplácený státem již skutečně není možné.

Index stáří Index stáří je velmi často používanou charakteristikou věkové struktury obyvatelstva, která vypovídá o stárnutí populace. Vyjadřuje, kolik obyvatel ze starších věkových skupin připadá na sto dětí. Z následujícího grafu je patrné, že i tento ukazatel stále narůstá. Počet osob ve věku 65 a více let početně převyšuje skupinu dětí do 15 let věku. Tato skutečnost se již zřejmě nezmění.

46

Empirická část

Graf 12: Index stáří

Index stáří 120 100 80 60 40 20 0

Zdroj: vlastní zpracování dat ČSÚ Index stáří v budoucnu navíc výrazně poroste, ze současných 113 seniorů připadajících na 100 dětí, okolo roku 2050 bude již 150 seniorů, o deset let později 200, a také celou druhou polovinu tohoto století by se měla tato hodnota pohybovat nad hranicí 250 seniorů na 100 dětí s vrcholem 277 seniorů na 100 dětí k 1. 1. 2063. Graf 13: Budoucnost indexu stáří

Budoucnost indexu stáří 276,4

290 251,5

260

265,5

266,7 256,7 262,1

2071

2081

233,6

230 188,9

200 170 136,7

140 107,6

110 80

66,8

87,2

50 1993

2001

2011

2021


2031

2041

2051

2061

2091

2101

Empirická část

47

Předpokládaný vliv na vysvětlované proměnné je nejednoznačný. Pokud si tento budoucí vývoj lidé budou uvědomovat a budou se více zajišťovat na stáří, pak by měl být vliv pozitivní. Pokud ne, pak bude docházet pouze ke stárnutí obyvatelstva a tím pádem poklesu produktivních lidí, kteří jsou schopni uzavírat pojistné smlouvy.

Počet závislých Jedná se o počet lidí ve věku 0-14 let, tedy děti, které jsou nesoběstačné a odkázány tak na péči druhých a lidí ve věku 65 a více, tedy naopak obyvatelé, kteří již nejsou produktivní, nemají pravidelný příjem ze zaměstnání a jsou tak opět závislí na druzích. Jelikož je to přesně ta skupina populace, kterou se snažíme uzavřením životního pojištění zajistit, je pro nás podstatné sledovat také její vývoj. Graf 14: Počet závislých obyvatel

Počet závislých v % 35 30 25 20 15 10 5 0

0 - 14 let

65 let a více


V budoucnosti počet závislých ještě vzroste. Z dnešních 30,6 % závislé populace dojde k jeho nárůstu na 42,3 % v roce 2051. Z čehož plyne, že více jak 42 % populace v té době bude v neproduktivním věku. Jediná naděje bude, že s nárůstem délky života se bude zvyšovat také délka produktivního věku obyvatel.

48

Empirická část

Graf 15: Předpokládaný budoucí vývoj počtu závislých obyvatel

Počet závislých v % 50 40 30 20 10 0 1993 2001 2011 2021 2031 2041 2051 2061 2071 2081 2091 2101 0 - 14 let

65 let a více


Předpokládaný vliv závislostí na vysvětlované proměnné je opět velmi komplikovaný. V předchozích studiích se ukázalo, že úroveň závislosti mladých, tedy dětí do 14 let, může mít pozitivní i negativní vliv. Pozitivní v případě, že s nárůstem počtu dětí roste potřeba rodičů zajistit své děti pro případ, že by zemřeli a nemohli se o nich dále postarat. (Beenstock Dickinson, a Khajuria,1986; Truett a Truett,1990; Browne a Kim,1993; Li a kolektiv, 2007) Negativní pak v případě, že nárůst počtu dětí zvyšuje celkové výdaje rodičů a těm nezbývají finanční prostředky pro uzavření pojistných smluv, případně je uzavírají s nižším předepsaným pojistným. (Beck a Webb, 2003; Lorent, 2012) Počet závislých obyvatel starších 65 let pak působí také oběma způsoby. Při nárůstu počtu starších lidí závislých na produktivním obyvatelstvu klesá právě to množství produktivních lidí, kteří mají příjem, který jsou schopni ovlivnit svou prací a jsou tak schopni uzavírat životní pojištění. Naopak trend stárnutí obyvatelstva a s tím spojená nejistota zajištění na stáří by měla vést obyvatele k uzavírání pojistných smluv, které jsou jim pak ve věku 60. let vyplaceny.

Úroveň vzdělání I přesto, že počet obyvatel mající alespoň středoškolské vzdělání s maturitou stále narůstá, je vývoj v oblasti vzdělání v České republice značně alarmující. Podíl populace České republiky s ukončeným alespoň středním vzděláním je sice nejvyšší ze zemí OECD, v roce 2008 to bylo 91 % (průměr OECD je 71 %), podíl populace s ukončeným terciárním vzděláním je v mezinárodním srovnání velmi nízký. V roce 2008 byl podíl dospělých ve věku 25–64, kteří ukončili terciární vzdělání, 14 %, což je čtvrtá nejnižší hodnota v zemích OECD (průměr OECD je 28 %).

Empirická část

49

Graf 16: Úroveň vzdělání

Počet vystudovaných (v tis. obyvatel) 5000 4500 4000 3500 3000 2500 2000 1500 1000 Středoškolské s maturitou

Vysokoškolské vzdělání


Úroveň schopností českých studentů je více než znepokojující. Zatímco v devadesátých letech patřili čeští studenti k nejlépe hodnoceným, zejména v oblasti přírodovědné a matematické, tak v testování, které proběhly po roce 2000, zažili obrovský propad. V oblasti matematické gramotnosti došlo mezi lety 2003 a 2009 k největšímu zhoršení ze všech sledovaných 40 zemí, které se šetření zúčastnily, v přírodních vědách k druhému největšímu. V oblasti čtenářské gramotnosti je situace u nás ještě horší. Zde figurujeme mezi slabšími zeměmi od počátku. V posledním šetření se Česká republika umístila opět ve spodní třetině pomyslného žebříčku.13 I přes tento velký pokles v úrovni základního vzdělání jsme na tom ve srovnání s okolními státy v Evropě podobně. V matematické gramotnosti jsme na tom podobně jako Rakousko a Slovensko, oproti Německu a Polsku jsme na tom dokonce lépe. V čtenářské gramotnosti jsme lepší než naši sousedi Němci, Poláci i Rakušané, jsme na tom srovnatelně jako Angličané či Slováci. V počítačové gramotnosti jsme sice za Německem, ale opět na srovnatelné úrovni jako Rakousko a na vyšší úrovni než Slovensko a Polsko. V porovnání se státy OECD však dosahujeme dokonce nadprůměrných výsledků u osob ve věku mezi 16 a 34 let. V kategorii 35 až 44 let jsme pod průměrem, ale od 45. roku až do 65. jsme opět nad průměrem.14 Spíše než tyto znalosti a schopnosti je pro tuto práci podstatná finanční gramotnost.15 Finanční gramotnost se dá popsat jako soubor znalostí a dovedností, které člověku umožní porozumět financím a správně s nimi zacházet v různých Zprávy OECD o hodnocení vzdělávání Česká republika 2012 Statistics: Data visualisation for key OECD data - OCDE 15 Klesá úroveň vzdělávání na našich školách? http://www.eduin.cz/clanky/klesa-urovenvzdelavani-na-nasich-skolach/ 13 14

50

Empirická část

životních situacích. Tento soubor však není přesně definován a tak se různě ve světě přesné definice liší. Uvedu definici využívanou v České republice a v OECD. Definice v ČR: „Finanční gramotnost je soubor znalostí, dovedností a hodnotových postojů občana nezbyt-ných k tomu, aby finančně zabezpečil sebe a svou rodinu v současné společnosti a aktivně vystupoval na trhu finančních produktů a služeb. Finančně gramotný občan se orientuje v problematice peněz a cen a je schopen odpovědně spravovat osobní/rodinný rozpo-čet, včetně správy finančních aktiv a finančních závazků s ohledem na měnící se životní situace. „16 Definice OECD: „Financial literacy is knowledge and understanding of financial concepts and risks, and the skills, motivation and confidence to apply such knowledge and understanding in order to make effective decisions across a range of financial contexts, to improve the financial wellbeing of individuals and society, and to enable participation in economic life.“ 17 S finanční gramotností se dále pojí také gramotnost numerická, informační a právní. Ministerstvo školství vytváří různé vzdělávací programy, které mají zvýšit úroveň těchto gramotností v ČR. Od září 2013 je dokonce zavedená povinná výuka finanční gramotnosti na základních školách.18 Na základě výsledků předchozích studií předpokládám pozitivní vztah mezi počtem úrovní vzdělanosti, počtem uzavřených smluv a velikostí předepsaného pojistného.

4.3 Vícerozměrná analýza e vícer změr é re res í a a ýze bude ejprve v modelu A zk umá v v vybraých pr mě ých a bjem p j st ých sm uv a s bu a v modelu B na velikost předepsa éh p j st éh . yt dvě pr mě é js u v m de ech bra é jak vysvětva é. Vybra    

é vysvět ující pr mě é a čekáva á záv s st: a byvate e ve stá ých ce ách hrubá mzda a byvate e ve stá ých ce ách č stá mzda a byvate e ve stá ých ce ách úr veň vzdě á í

+ + + +

Vymezení pojmu finanční gramotnost, http://clanky.rvp.cz/clanek/o/z/13213/VYMEZENIPOJMU-FINANCNI-GRAMOTNOST.html/ 17 Financial education :: Beyond EFPA :: EFPA Europe, http://www.efpaeu.org/beyond_efpa/financial_educationhttp://www.efpa-eu.org/beyond_efpa/financial_education 18 Measuring Financial Literacy, http://dx.doi.org/10.1787/5k9csfs90fr4-en 16

Empirická část

        

p čet záv s ých byvate p čet dětí p čet důch dců de stáří průměr ý věk vyp ace é dávky stát í s c á í p dp ry 3měsíč í úr k vá sazba de í sazba míra ezaměst a st

51

+ + -

ysvět ující pr mě é jsem zv a a zák adě získa ých f rmací ze stud í které js u p psa é v terár í rešerš . Veškerá data využitá při regresních analýzách jsou uvedeny v příloze pod písmenem A. Regresní model A využ tí met dy ejme ších čtverců LS) byla a h ad ě výz am st 5 % zjiště a stat st cká výz am st parametrů HDP na obyvatele a vzdě á í, proto lze us ud t že tyt parametry bud u vh d é jak vysvět ující pr mě é pr vysvět ova u pr mě u která z brazuje p čet p j st ých sm uv v kmeni. ýs ed ý re res í m de A s využ tím ar tmů má pak ás edující p d bu: l_SMLOUVY = -5,53340 + 2,32586 l_HDP – 2,76038 l_VZDELANI Jeh k krét í h d ty je m ž é v dět a výstupu z programu ret který je v ože d pří hy p d písme em . Regresní model B aké u druhéh m de u jsem p už a met du . e t krát se a stej é h ad ě výz am st ukáza y jak stat st cky výz am é pr mě é hrubá mzda de stáří vzdě á í a p čet dětí. Výs ed ý re res í m de kde jsem pět využ a ar tmy pr č ště í dat d trendu, má ás edující tvar: l_PREDEPSANE_POJISTNE = 61,5883 + 1,74853 l_HRUBA_MZDA – 7,92421 l_INDEX_STARI + 6,62201 l_VZDELANI – 6,72043 l_POCET_DETI ýstup z ret u je pět k v dě í v pří ze te t krát p d písme em .

52

Empirická část

4.3.1

Testování modelů

V prác vz k pr b ém s estac ár ím daty. ytv ř a jsem však rez dua tét regrese a ty js u stac ár í. ez pr mě ým je d uh d bá záv s st js u k ntegrova é. tac

ar tu rez duí jsem p té test va a K

testem.

Tabulka 1: KPSS test Model A KPSS test Model B

Testové kritérium 0,06625 Testové kritérium 0,0678212

P-hodnota 0,490 P-hodnota 0,484

Zdroj: vlastní zpracování dat získaných z programu Gretl

Statistickou průkaznost celého modelu jsem testovala pomocí F-testu. Tabulka 2: F-test Model A F-test Model B

Testové kritérium 73,37841 Testové kritérium 221,4863



Zda je model správně specifikován otestovatí RESET test specifikace modelu a testa nelinearity. Tabulka 3: Reset test druhé a třetí mocniny Model A

druhé mocniny třetí mocniny

RESET test

druhé a třetí mocniny Model B

druhé mocniny třetí mocniny


Testovací statistika 1,734798 Testovací statistika 1,663008 Testovací statistika 1,652634 Testovací statistika 0,750053 Testovací statistika 1,614369 Testovací statistika 1,613037

P-hodnota 0,221 P-hodnota 0,221 P-hodnota 0,223 P-hodnota 0,492 P-hodnota 0,225 P-hodnota 0,225

Empirická část

53

Tabulka 4: Testy nelinearity logaritmy Model A druhé mocniny testy nelinearity logaritmy Model B druhé mocniny

Testovací statistika 2,20772 Testovací statistika 2,12481 Testovací statistika 7,16913 Testovací statistika 7,24785

P-hodnota 0,331588 P-hodnota 0,345624 P-hodnota 0,127216 P-hodnota 0,123356


Dále jsem otestovala chybové členy s ohledem na heteroskedasticitu, autokorelaci a normalitu. Heteroskedasticita byla v modelech testována Whiteovým testem. Tabulka 5: Whiteův test Model A Whiteův test Model B

Testovací statistika 2,947621 Testovací statistika 18,705369



Při autokorelaci vykazují jednotlivé pozorování chybového členu vzájemnou závislost. Při testování této závislosti byly použity Durbin-Watson test. Tabulka 6: Durbin-Watson test Durbin-Watson test

Model A Model B




Nakonec je potřeba otestovat, zda má chybový člen normální rozdělení. Tabulka 7: Chí-kvadrát Model A Chí-kvadrát Model B




Ve všech případech vyšly p-hodnoty vyšší jak 5 %. Je tedy možné říci, že modely jsou statisticky průkazné, správně specifikované a splňují všechny předpoklady, které by měly mít.

54

Diskuze

5 Diskuze V následující části budou konfrontovány dosažené výsledky s výsledky studií předchozích autorů představených v části Literární rešerše. 5.1.1

Interpretace získaných výsledků

e res í m de : _SMLOUVY = -5,53340 + 2,32586 l_HDP – 2,76038 l_VZDELANI Z m de u p y e že p čet uzavře ých sm uv ž v t íh p j ště í v České repub ce výz am ě v vňuje ve k st a byvate e a úr veň vzdě á í byvatel. Pozitivní vliv HDP na jednoho obyvatele byl očekáván a je v souladu s předchozími výzkumy. Lidé s vyššími příjmy poptávají více životní pojištění, z důvodu ochrany před neočekávanými událostmi. Výsledky naznačují, že při nárůstu HDP na 1 obyvatele o 1 % počet smluv připadající na 1 obyvatele vzroste přibližně o 2,3 %. Úroveň vzdělání působí na množství uzavřených smluv negativně. Očekávala jsem, že s nárůstem vzdělaných obyvatel se zvyšuje finanční gramotnosti a potřeba finančně zajistit své nejbližší v případě neočekávaných skutečností. Jak se však ukázalo ve výzkumné práci OECD od autorů Arkinson a Messy (2012), která zkoumala úroveň finanční gramotnosti ve 14 zemích světa, tak v České republice, jako v jediné, je vztah mezi vzděláním a finanční gramotností negativní. Ukázalo se tedy, že v ČR má vyšší finanční gramotnost člověk s ukončeným středoškolským vzděláním než s vysokoškolským. Negativný vliv tak potvrzuje tento výzkum. Konkrétně nárůst počtu vzdělaných obyvatel v ČR o 1 % vede k poklesu počtu uzavřených smluv o -2,8 %. U zbylých proměnných se v závislosti na vysvětlující proměnné neprojevila významná vazba. e res í m de : _ _ J 6 5883 74853 l_HRUBA_MZDA – 7,92421 l_INDEX_STARI + 6,62201 l_VZDELANI – 6,72043 l_POCET_DETI U druhéh m de u kde jsem zkoumala determinanty půs bící a ve k st předepsa éh p j st éh a jed h byvate e se pr jev výz am ý v v u výše hrubé mzdy de u stáří vzdě á í a p čtu dětí. U proměnné hrubá mzda se potvrdil očekávaný pozitivní vztah. Podobně jako u HDP se jedná o potenciální ukazatel příjmů obyvatel. Nárůst příjmů koresponduje s možností uzavírat životní pojištění s vyšším předepsaným pojistným. Nárůst hrubé mzdy o 1 % pak pochopitelně povede k nárůstu předepsaného pojistného o 1,7 %. Index stáří působí na výši předepsaného pojistného negativně. Index udává poměr osob nad 65 let na počet dětí do 14 let. Při jeho nárůstu o 1 %, tedy při poklesu dětí nebo nárůstu počtu obyvatel starších 65 let, dojde k poklesu předepsaného pojistného o 7,9 %.

Diskuze

55

Výsledky potvrdily pozitivní vliv úrovně vzdělání na vysvětlovanou proměnnou, přesně tak jak se na základě předchozích studií předpokládalo. Nárůst vzdělání o 1 % povede k nárůstu předepsaného pojistného o 6,6 %. Poslední testovaný ukazatel – počet závislých osob ve věku 0-14 – v modelu potvrdil teoretické předpoklady o jeho negativním vlivu na předepsané pojistné. Tento výsledek je možné zdůvodnit faktem, že péče o nezaopatřené děti do 14 let mění výdajové priority rodiny směrem k rostoucím spotřebním výdajům domácností, spojenými s výchovou a péčí o děti, na úkor úspor a pojištění. Nárůst počtu dětí o 1 % pak vyvolá pokles předepsaného pojistného o 6,7 %. 5.1.2

Konfrontace výsledků

Výsledný pozitivní vliv HDP a hrubé mzdy na proměnné není nijak překvapivý. Shoduje se se všemi dosavadními studiemi a potvrzuje skutečnost, že životní pojištění je bráno jako luxusní statek a je spotřebiteli nakupováno více při vyšší úrovni příjmu. Naopak velmi zajímavého a nečekaného výsledku bylo dosaženo při testování kauzality mezi mírou vzdělání a počtem smluv. Průzkumy OECD ukazují, že v ostatních zemích, s výjimkou České republiky, vzdělání významně souvisí s celkovým skóre finanční gramotnosti. Pouze v ČR tato závislost neplatí. S nárůstem počtu vysokoškolsky vzdělaných lidí tak nekoresponduje vyšší počet uzavřených smluv životního pojištění. Dále z průzkumu vyplynulo, že v České republice jsou výsledky při testování finanční gramotnosti rovnoměrně rozložené. Nejsou tedy obrovské rozdíly mezi úrovní této gramotnosti u jednotlivých dotazovaných. Česká asociace pojišťoven na konci roku 2012 testovala pojistnou gramotnost na vzorku 1017 Čechů. Zkoumali znalost základních pojmů a orientaci v pojistných produktech. Zjistilo se, že znalosti Čechů v této oblasti jsou podprůměrné. Na výbornou uspělo jen 5 % populace. Přestože je již v současné době finanční a pojistné gramotnosti věnována pozornost i na školách, mladí lidé ve věku okolo 20 let dopadli v testování nejhůře. Termíny z oblasti životního pojištění bez problémů dokázalo objasnit jen 25 % dotázaných.19 Jak bylo tedy potvrzeno i v mé diplomové práci, v České republice, jako v jediném státě, neodpovídá vyšší vzdělání vyšší finanční gramotnosti. A tak i přes narůstající počet absolventů vysokých škol, kterých se za posledních 10 let téměř ztrojnásobil, je úroveň českých mladých lidí v oblasti finanční gramotnosti alarmující. V roce 2012 byla více jak ¼ absolventů z ekonomického oboru, dalo by se tedy předpokládat, že alespoň ti budou mít vyšší znalosti ve finanční oblasti. Opak je často pravdou. Může za to, dle mého názoru zejména forma výuky, jaká je zde na školách nastavena. Ta nepodporuje člověka uvažovat a správně se rozhodovat, naopak často studenta zahltí obrovskou dávkou teoretických informací. Studenti pak nejsou zvyklí logicky přemýšlet a činit důležitá rozhodnutí.

Znalosti Čechů v oblasti pojištění jsou podprůměrné, http://www.cap.cz/images/tiskovezpravy/2013-2-18-11-59.pdf 19

56

Diskuze

Když srovnáme výuku v České republice a Finsku, které patří k vzdělávacím velmocím, vidíme obrovský rozdíl. Zatímco v Čechách se většina učiva předává pouze teoretickou formou, kdy jsou studenti nuceni učit se velkou spoustu věcí nazpaměť. Ve Finsku se učitelé snaží od základních škol předávat informace praktickou formou a to prací v kolektivu. Studenti si danou věc osvojí, vyzkouší a naučí se ji prakticky využít v životě. Také je zde daleko častěji využívaná forma diskuze, která pomáhá rozvíjet mluvený projev a seberealizaci. To v českých školách stále ještě chybí a i z vysokých škol vychází často lidé, kteří mají s komunikací a logickým uvažováním značný problém. V této oblasti máme dle mého názoru ještě opravdu hodně co dohánět. Další proměnná, která se v zahraničních studiích ukázala jako významná, je počet závislých osob. V mém případě se tato celková hodnota, tedy součet dětí mladších 14 let a osob starších 65 let, neprojevila jako významná ani v jednom modelu. Samotný počet dětí už ale význam vliv má. Působí negativně na předepsané pojistné, stejně jako velikost indexu stáří. Vzhledem ke skutečnosti, že rozložení budoucí populace naší zemi neukazuje, že by mělo dojít k výraznému nárůstu počtu dětí, spíše naopak, mohli bychom očekávat zvýšenou poptávku po životním pojištění. Lidé nebudou mít tak vysoké výdaje na potomky a budou mít více prostředků k zajištění sebe samotných a svých nejbližších. Naopak negativní vztah indexu stáří poukazuje na problém spojený se stárnutím populace. Index stáří se podle prognóz bude stále zvyšovat a negativní dopad na poptávku po životním pojištění se tak bude stále prohlubovat. Stát by se proto měl pokusit motivovat mladé rodiny k vyšší porodnosti, aby budoucí vývoj složení obyvatel u nás nebyl tak děsivý (jak bylo uvedeno výše, celou druhou polovinu tohoto století bude více jak 250 seniorů na 100 dětí). Je pravda, že v dnešní době vzdělaní lidé, kteří uvažují o tom, zda budou moci své rodině zajistit důstojný život, často velmi polemizují nad tím, zda vůbec potomky mít. Motivovat dnešní mladé lidi k rodině však není vůbec snadné. Mnoho možnosti, které nyní mají, ať už v oblasti studia, cestování, budování kariéry, značně mění jejich představu o rodině a budoucnosti. Dříve nebyly takové možnosti, mladí lidé nastupovali do práce daleko dříve než je tomu nyní. Velmi často se tak stávalo, že ve dvaceti letech již měli rodiny. Dnes však velká část mladých lidí pokračuje ve studiu na vysokých školách, poté si budují dobré postavení na pracovním trhu a o rodině často začínají uvažovat, pokud vůbec, až po 30. roku svého života. No a jak je konkrétně motivovat k založení rodiny? Zeptala jsem se na to lidí ve svém okolí. Nejčastěji mi byl udáván důvod, že nemají děti, protože si ji v dnešní době nemůžou dovolit. Práce je nestálá, člověk nemá jistotu, že za pár týdnu nebude bez práce. Podpora od státu pro klasickou českou rodinu, která nezneužívá státních podpor a sociálních dávek, je také velmi odrazující – při volbě rodičovské dovolené na tři roky činní měsíční příspěvek přibližně 6100 Kč. V případě, že se chce žena vrátit do práce, aby pomohla s finanční situací rodiny, jsou zde opět komplikace. Žena podnikatelka nemůže vykonávat činnost, kterou se živila před početím dítěte, zaměstnaná žena se do původní práce vrátit sice může, ale není možné pracovat na základě původní pracovní

Diskuze

57

smlouvy. Navíc odsunem roku odchodu do důchodu řadě mladých rodin chybí babičky a dědečkové v důchodě, kteří by mohli s dítětem pomoci. Rodina se tak musí uchýlit k využití jeslí nebo školky. Veřejné zařízení jsou ale často přeplněné a musí tak volit soukromé, které jsou finančně velmi náročné. Stát by tak podle mě, měl upravit způsob vyplácení sociálních dávek, aby se poctiví a pracující lidé nemuseli obávat založit rodinu. Jistě by také prospěl nárůst nabídky práce na částečný úvazek nebo jiný alternativní způsob práce, např. práce z domu. A zakládání firemních, popřípadě univerzitních školek. Dalším výrazným problémem stárnutí populace. Klesá tak počet ekonomicky aktivních obyvatel, kteří jsou potenciální klienti životních pojišťoven a tím pádem i počet uzavřených smluv a velikost celkového předepsaného pojistného. Dočasný důchodový systém v České republice je dlouhodobě ekonomicky neudržitelný. Stále se zvyšuje průměrná doba dožití, musí se proto zvyšovat i věková hranice pro odchod do důchodu. Dnešní systém byl nastaven před více než sto lety, kdy se doba, kdy byl jedinec v důchodu, počítala na roky. Dnes je to dvacet i více let a není možné systém průběžného modelu udržet. Fakticky totiž ubývá lidí ekonomicky aktivních, kteří mohou přispívat na výplatu penzí nynějším důchodcům. Za rok 2013 skončil důchodový účet ve schodku téměř 50 miliard. Pro letošní rok se očekává podobný schodek. Ještě větší problém nastane za 20-30 let, kdy půjdou do důchodu tzv. Husákovy děti (jedná se téměř o 1,8 milion obyvatel), v populaci nebude dostatek pracujících, kteří by na jejich důchody vydělali dost peněz. Je proto potřeba provést změny, díky kterým bude možné zajistit slušný důchod i příštím generacím. Lidé se budou muset více podílet na zajištění konkrétně svých budoucích příjmů, ať už prostřednictvím spoření, penzijního připojištění nebo životním pojištěním. Ve výsledcích průzkumu, který byl pořádán Českou asociací pojišťoven, se však ukázalo, že v problematice penzijního připojištění ve spojení s důchodovou reformou se lidé orientují nejhůře ze všech nabízených produktů. Mezi lidmi do 30 let, kteří by tuto problematiku měli nejvíce řešit, dokáže tyto pojmy správně vysvětlit jen 32 %. Je tedy potřeba provést velkou osvětu také v této oblasti. Ve srovnání se zbytkem Evropy v podílu předepsaného pojistného vůči celkovým výdajům domácnosti výrazně zaostáváme. Lépe na tom jsou všechny vyspělé státy západní Evropy. V oblasti životního pojištění dokonce i Polsko a Chorvatsko. Jak uvádí unikátní průzkum České pojišťovny20, konečně neplatí původní pravidlo, že pro Čechy byl majetek tím nejdůležitějším. Situace v oblasti životního pojištění obyvatel České republiky se tak nepatrně zlepšuje. Stále je však informovanost velké části lidí nedostačující.

20Unikátní

průzkum České pojišťovny: Češi si již více "cení" života než majetku, https://www.ceskapojistovna.cz/tiskova-zprava?58109unikatni_pruzkum_ceske_pojistovny:_cesi_si_jiz_vice_

58

Závěr

6 Závěr V této práci jsem analyzovala determinanty poptávky po životním pojištění na ročních datech časové řady České republiky za období let 1993-2012. Kromě proměnné předepsané pojistné, která je využita v předchozích výzkumech jsem použila také další vysvětlovanou proměnnou – počet smluv životního pojištění v kmeni. Situace na našem pojistném trhu totiž zobrazuje stav, kdy předepsané pojistné sice roste, ale počet uzavřených smluv stále klesá. Je tedy čím dál méně pojištěných obyvatel. Zkoumat proto pouze výši předepsaného pojistného nepovažuji za dostatečné. Získat však hodnoty počtu uzavřených smluv v daném roce pro český pojistný trh nebylo téměř možné. Jediné k čemu se ve výročních zprávách ČAP lze dostat jsou – mnou využité data – počty smluv v pojistném kmeni. Vhodnější pro popis situace na trhu by jistě bylo využití například proměnné počet nově uzavřených smluv. Ale přesto, že nový obchod je klíčovým indikátorem vývoje na trhu životního pojištění a je standardně k dispozici v řadě jiných zemí EU, v České republice ne. Za hlavní přínos práce považuji identifikaci nejvýznamnějších determinantů, působící na poptávku po životním pojištění. V souladu s předchozími výzkumy jsem potvrdila kladný vztah mezi velikostí příjmu obyvatel České republiky a vysvětlovanou proměnnou. Velice pozoruhodné bylo zjištění negativního vlivu úrovně vzdělání na počet smluv. Zjištěný vztah potvrzuje skutečnost, že finanční gramotnost v České republice není pozitivně korelována s délkou studia. Na velikost předepsaného pojistného již má úroveň vzdělání pozitivní vliv, stejně jak tomu bylo ve všech popisovaných studiích. Z výsledků dále vyplývá, že na velikost proměnné předepsané pojistné negativně působí index stáří a počet dětí, tedy ukazatel závislých osob do 14 let. Výsledky této práce představují nejen využitelné modely poptávky po životním pojištění, které mohou využít pojišťovny při stanovení prodejní strategie, ale měly by také působit na tvůrce politiky. Potřebné změny je nutno provést zejména v oblasti vzdělávání. Zde je zapotřebí zlepšit celkovou gramotnost obyvatel a tím i situaci v oblasti finanční gramotnosti a konkrétně v informovanosti obyvatel o životním pojištění. Změny jsou potřeba také v oblasti sociální podpory mladých rodin a v rozsahu alternativních možností nabídky práce. Prostor pro pojištění nových klientů na českém trhu totiž bezesporu existuje, je však zcela nezbytná trvalá osvěta v této oblasti a to již od útlého věku, nikoliv až v dospělosti. Danou poptávku by bylo vhodné prozkoumat více dopodrobna s využitím alespoň čtvrtletních dat. Momentálně jsou však pro Českou republiku dohledatelné pouze roční hodnoty vysvětlujících proměnných. Při zvýšení počtu pozorování budou modely více konkrétní a lépe budou vystihovat situaci na pojistném trhu.


59

7 Seznam použitých zdrojů a literatury Studie: ATKINSON, A.,MESSY, F. Measuring Financial Literacy: Results of the OECD/International Network on Financial Education (INFE) Pilot Study. OECD Working Papers on Finance, Insurance and Private Pensions[online]. 2012, vol. 15, [cit. 2014-05-03]. Dostupné z: http://dx.doi.org/10.1787/5k9csfs90fr4-en

BABBEL, David F. The Price Elasticity of Demand for Whole Life Insurance. The Journal of Finance[online]. 1985, vol. 40, no. 1, s. 225-239[cit. 2014-05-03]. Dostupné z: http://www.jstor.org/stable/2328057

BEENSTOCK, Michael, DICKINSON, Gerry, KHAJURIA, Sajay. The Relationship between Property-Liability Insurance Premiums and Income: An International Analysis. The Journal of Risk and Insurance[online]. 1988, vol. 55, no. 2, s. 259-272[cit. 2014-0503]. Dostupné z: http://www.jstor.org/stable/253327

BECK, Thorsten, WEBB, Ian. Economic, Demographic, and Institutional Determinants of Life Insurance Consumption across Countries. The World Bank Economic Review[online]. 2003, vol. 17, no. 1, s. 51-88[cit. 2014-05-03]. Dostupné z: http://www.jstor.org/stable/3990045

BEREKSON, Leonard L. Birth Order, Anxiety, Affiliation and the Purchase of Life Insurance. The Journal of Risk and Insurance[online]. 1972, vol. 39, no. 1, s. 93-108[cit. 2014-05-03]. Dostupné z: http://www.jstor.org/stable/251654

BERNHEIM, Douglas B. How Strong Are Bequest Motives? Evidence Based on Estimates of the Demand for Life Insurance and Annuities. The Journal of Political Economy[online]. 1991, vol. 99, no. 5, s. 899-927[cit. 2014-05-03]. Dostupné z: http://www.jstor.org/stable/2937652

BROWNE, Mark J., KIM, Kihong. An International Analysis of Life Insurance Demand. The Journal of Risk and Insurance[online]. 1993, vol. 60, no. 4, s. 616-634[cit. 2014-0503]. Dostupné z: http://www.jstor.org/stable/253382

60


BURNETT, John J., PALMER, Bruce A. Examining Life Insurance Ownership through Demographic and Psychographic Characteristics. The Journal of Risk and Insurance [online]. 1984, vol. 51, no. 3, s. 453-467[cit. 2014-05-03]. Dostupné z: http://www.jstor.org/stable/252479

FORTUNE, Peter. A Theory of Optimal Life Insurance: Development and Test. The Journal of Finance[online]. 1973, vol. 28, no. 3, s. 587-600[cit. 2014-05-03]. Dostupné z: http://www.jstor.org/stable/2978631

GANDOLFI, Anna Sachko, MINERS, Laurence. Gender-Based Differences in Life Insurance Ownership. The Journal of Risk and Insurance[online]. 1996, vol. 63, no. 4, s. 683-693[cit. 2014-05-03]. Dostupné z: http://www.jstor.org/stable/253478

HAKANSSON, Nils H. Optimal Investment and Consumption Strategies Under Risk, an Uncertain Lifetime, and Insurance. International Economic Review[online]. 1969, vol. 10, no. 3, s. 443-466[cit. 2014-05-03]. Dostupné z: http://www.jstor.org/stable/2525655

HAMMOND, J.D., HOUSTON, David B., MELANDER, Eugene R. Determinants of Household Life Insurance Premium Expenditures: An Empirical Investigation. The Journal of Risk and Insurance[online]. 1967, vol. 34, no. 3, s. 397-408[cit. 2014-05-03]. Dostupné z: http://www.jstor.org/stable/250854 HEADEN, Robert S., LEE J.Finley. Life Insurance Demand and Household Portfolio Behavior. The Journal of Risk and Insurance[online]. 1974, vol. 41, no. 4, s. 685698[cit. 2014-05-03]. Dostupné z: http://www.jstor.org/stable/251963

CHEN, Renbao, WONG, Kie Ann, LEE, Hong Chew Age. Period, and Cohort Effects on Life Insurance Purchases in the U.S. The Journal of Risk and Insurance[online]. 2001, vol. 68, no. 2, s. 303-327[cit. 2014-05-03]. Dostupné z: http://www.jstor.org/stable/2678104

KJOSEVSKI, Jordan. The Determinants of Life Insurance Demand in Central and Southeastern Europe. International Journal of Economics and Finance: sborník z 5. mezinárodní vědecké konference : Praha, 1.-2. června 2011 [online]. Editor Vladislav Pavlát. 2012-02-23, vol. 4, issue 3, s. - [cit. 2014-05-03]. DOI: 10.5539/ijef.v4n3p237. Dostupné z:http://www.ccsenet.org/journal/index.php/ijef/article/view/15165


61

KOKLAR, Robin. Determinanty ovlivňující předepsané hrubé pojistné životního pojištění v ČR. Finanční trhy a jejich regulace v podmínkách doznívání světové finanční krize: sborník z 5. mezinárodní vědecké konference : Praha, 1.-2. června 2011 [online]. Editor Vladislav Pavlát. 2011 [cit. 2014-05-03]. DOI: 978-80-7408-050-0.

YAARI, Menahem E. Uncertain Lifetime, Life Insurance, and the Theory of the Consumer. The Review of Economic Studies[online]. 1965, vol. 32, no. 2, s. 137-150 [cit. 2014-05-03]. DOI: 10.2307/2296058. Dostupné z:http://www.jstor.org/stable/2296058 LEWIS, Frank D. Dependents and the Demand for Life Insurance. The American Economic Review[online]. 1989, vol. 79, no. 3, s. 452-467[cit. 2014-05-03]. Dostupné z: http://www.jstor.org/stable/1806856

LI, Donghui, MOSHIRIAN, Fariborz, NQUYEN, Pascal, WEE, Timothy. The Demand for Life Insurance in OECD Countries. The Journal of Risk and Insurance[online]. 2007, vol. 74, no. 3, s. 637-652[cit. 2014-05-03]. Dostupné z: http://www.jstor.org/stable/25145237

LORENT, Benjamin. The Link between Insurance and Banking Sectors: An International Cross-Section Analysis of Life Insurance Demand. Working Papers CE. 2010, no. 10-040. [cit. 2014-05-03]. Dostupné z: https://dipot.ulb.ac.be/dspace/bitstream/2013/61021/1/wp10040.pdf MUŽÁKOVÁ, Karina, Žaneta BOUČKOVÁ, Irena FUJEROVÁ, Andrea Kobík VALIHOROVÁ, Jan JEŽDÍK a Jan ÖHM. Analýza pojistného trhu IV 2011 [online]. Liberec, 2013 [cit. 2014-05-18]. Dostupné z: http://www.nfvp.cz/res/data/000169.pdf. Projekt. Technická univerzita v Liberci OUTREVILLE, J. François. Life Insurance Markets in Developing Countries. The Journal of Risk and Insurance[online]. 1996, vol. 63, no. 2, s. 263-278[cit. 2014-05-03]. Dostupné z: http://www.jstor.org/stable/253745

SANTIAGO, P., et al., OECD Reviews of Evaluation and Assessment in Education: Czech Republic 2012, OECD Publishing. [cit. 2014-05-03]. Dostupné z: http://dx.doi.org/10.1787//9789264116788-en

62


TRUETT, Dale B., TRUETT, Lila J. The Demand for Life Insurance in Mexico and the United States: A Comparative Study. The Journal of Risk and Insurance[online]. 1990, vol. 57, no. 2, s. 321-328[cit. 2014-05-03]. Dostupné z: http://www.jstor.org/stable/253306

Knihy: ARLT, Josef a Markéta ARLTOVÁ. Ekonomické časové řady. Vyd. 1. Praha: Professional Publishing, 2009, 290 s. ISBN 978-808-6946-856. CIPRA, Tomáš. Finanční ekonometrie. 1. vyd. Ekopress: , 2008, 538 s. ISBN 978-8086929-43-9. HUŠEK, Roman a Markéta ARLTOVÁ. Ekonometrická analýza. Vyd. 1. Praha: Oeconomica, 2007, 367 s. ISBN 978-80-245-1300-3. SOUKUP, Jindřich, Vít POŠTA, Pavel NESET, Tomáš PAVELKA a Jiří DOBRYLOVSKÝ. Makroekonomie: moderní přístup. Vyd. 1. Praha: Management Press, 2007, 514 s. ISBN 978-80-7261-174-4. MANKIW, Gregory N. Zásady ekonomie. 1. vyd. Praha: Grada, 1999, 763 s. ISBN 80716-9891-1. Internetové stránky: Co to je, když se řekne průměrná mzda. Finance.cz - daně, banky, kalkulačky, spoření, kurzy měn [online]. 30.1.2014 [cit. 2014-05-04]. Dostupné z: http://www.finance.cz/zpravy/finance/42752-co-to-je-kdyz-se-rekne-prumerna-mzda/

Financial education :: Beyond EFPA :: EFPA Europe. EFPA Europe [online]. 2013 [cit. 2014-05-04]. Dostupné z: http://www.efpa-eu.org/beyond_efpa/financial_education Nejnovější ekonomické údaje. Český statistický úřad | ČSÚ [online]. 4.5. 2014 [cit. 2014-05-04]. Dostupné z: http://www.czso.cz/csu/csu.nsf/aktualniinformace Pojistný trh stále na úrovni stagnace. Aktuální zpravodajství z trhu pojištění, vše o pojišťovnictví, pojišťovny, pojišťovací makléři - OPojištění.cz - Informace ze světa


63

pojištění [online]. [cit. 2014-05-04]. Dostupné z: http://www.opojisteni.cz/ekonomika/vyvoj-trhu/pojistny-trh-stale-na-urovni-stagnace/ Průměrná mzda a evidenční počet zaměstnanců - Metodika. Český statistický úřad | ČSÚ [online]. 5.6. 2013 [cit. 2014-05-04]. Dostupné z: http://www.czso.cz/csu/redakce.nsf/i/pmz_m Stagnace českého pojistného trhu pokračuje. Aktuální zpravodajství z trhu pojištění, vše o pojišťovnictví, pojišťovny, pojišťovací makléři - OPojištění.cz - Informace ze světa pojištění [online]. [cit. 2014-05-04]. Dostupné z: http://www.opojisteni.cz/ekonomika/vyvoj-trhu/stagnace-ceskeho-pojistneho-trhupokracuje/ Statistics. Eurostat Home [online]. 4.5. 2014 [cit. 2014-05-04]. Dostupné z: http://epp.eurostat.ec.europa.eu/portal/page/portal/statistics/search_database Vymezení pojmu finanční gramotnost. Metodický portál RVP.CZ - unikátní PROSTOR PRO UČITELE, sdílení zkušeností a spolupráci [online]. 1.8.2011 [cit. 2014-05-04]. Dostupné z: http://clanky.rvp.cz/clanek/o/z/13213/VYMEZENI-POJMU-FINANCNIGRAMOTNOST.html/ Projekce obyvatelstva České republiky do roku 2100. Český statistický úřad | ČSÚ [online]. 23.7. 2013 [cit. 2014-05-04]. Dostupné z: http://www.czso.cz/csu/2013edicniplan.nsf/p/4020-13 LHOTSKÁ, Kateřina. Životní pojištění strhávaly jednorázy - 8. díl analýzy. Aktuální zpravodajství z trhu pojištění, vše o pojišťovnictví, pojišťovny, pojišťovací makléři OPojištění.cz - Informace ze světa pojištění [online]. [cit. 2014-05-17]. Dostupné z: http://www.opojisteni.cz/ekonomika/vyvoj-trhu/zivotni-pojisteni-strhavaly-jednorazy-8dil-analyzy/ LHOTSKÁ, Kateřina. Hodnocení roku - vývoj v hlavních oblastech. Aktuální zpravodajství z trhu pojištění, vše o pojišťovnictví, pojišťovny, pojišťovací makléři - OPojištění.cz - Informace ze světa pojištění [online]. [cit. 2014-05-17]. Dostupné z: http://www.opojisteni.cz/ekonomika/vyvoj-trhu/hodnoceni-roku-2013-vyvoj-v-hlavnichoblastech/

64


LHOTSKÁ, Kateřina. ČAP: Pojistný trh začíná lehce ožívat. Aktuální zpravodajství z trhu pojištění, vše o pojišťovnictví, pojišťovny, pojišťovací makléři - OPojištění.cz Informace ze světa pojištění [online]. [cit. 2014-05-17]. Dostupné z: http://www.opojisteni.cz/ekonomika/vyvoj-trhu/pojistny-trh-zacina-lehce-ozivat/ LHOTSKÁ, Kateřina. Pojistný trh roste díky jednorázovému pojistnému. Aktuální zpravodajství z trhu pojištění, vše o pojišťovnictví, pojišťovny, pojišťovací makléři - OPojištění.cz - Informace ze světa pojištění [online]. [cit. 2014-05-17]. Dostupné z: http://www.opojisteni.cz/ekonomika/vyvoj-trhu/pojistny-trh-roste-diky-jednorazovemupojistnemu/ LHOTSKÁ, Kateřina. Růst jednorázově placeného pojištění - a co bude dál?. Aktuální zpravodajství z trhu pojištění, vše o pojišťovnictví, pojišťovny, pojišťovací makléři OPojištění.cz - Informace ze světa pojištění [online]. [cit. 2014-05-17]. Dostupné z: http://www.opojisteni.cz/ekonomika/vyvoj-trhu/rust-jednorazove-placeneho-pojisteni-aco-bude-dal/ LHOTSKÁ, Kateřina. Běžně placené pojistné - má růst, ale klesá. Aktuální zpravodajství z trhu pojištění, vše o pojišťovnictví, pojišťovny, pojišťovací makléři - OPojištění.cz - Informace ze světa pojištění [online]. [cit. 2014-05-17]. Dostupné z: http://www.opojisteni.cz/ekonomika/vyvoj-trhu/bezne-placene-pojistne-ma-rust-aleklesa/ LHOTSKÁ, Kateřina. Jednorázově placené pojistné (po-)zastavilo růst. Aktuální zpravodajství z trhu pojištění, vše o pojišťovnictví, pojišťovny, pojišťovací makléři - OPojištění.cz - Informace ze světa pojištění [online]. [cit. 2014-05-17]. Dostupné z: http://www.opojisteni.cz/ekonomika/vyvoj-trhu/jednorazove-placene-pojistne-pozastavilo-rust/ LHOTSKÁ, Kateřina. Analýza: Pojistný trh se zastavil v očekávání. Aktuální zpravodajství z trhu pojištění, vše o pojišťovnictví, pojišťovny, pojišťovací makléři - OPojištění.cz - Informace ze světa pojištění [online]. [cit. 2014-05-18]. Dostupné z: http://www.opojisteni.cz/ekonomika/vyvoj-trhu/analyza-pojistny-trh-se-zastavil-vocekavani/ LHOTSKÁ, Kateřina. Pojistný trh stále na úrovni stagnace. Aktuální zpravodajství z trhu pojištění, vše o pojišťovnictví, pojišťovny, pojišťovací makléři - OPojištění.cz -


65

Informace ze světa pojištění [online]. [cit. 2014-05-18]. Dostupné z:http://www.opojisteni.cz/ekonomika/vyvoj-trhu/pojistny-trh-stale-na-urovni-stagnace/ LHOTSKÁ, Kateřina. Jednorázově placené pojistné vloni podle očekávání kleslo 10.díl. Aktuální zpravodajství z trhu pojištění, vše o pojišťovnictví, pojišťovny, pojišťovací makléři - OPojištění.cz - Informace ze světa pojištění [online]. [cit. 2014-05-18]. Dostupné z: http://www.opojisteni.cz/ekonomika/vyvoj-trhu/jednorazove-placenepojistne-vloni-podle-ocekavani-kleslo-10-dil/ LHOTSKÁ, Kateřina. Běžně placené životní pojištění zpomalilo růst - 9.díl analýzy. Aktuální zpravodajství z trhu pojištění, vše o pojišťovnictví, pojišťovny, pojišťovací makléři - OPojištění.cz - Informace ze světa pojištění [online]. [cit. 2014-05-18]. Dostupné z: http://www.opojisteni.cz/ekonomika/vyvoj-trhu/bezne-placene-zivotni-pojistenizpomalilo-rust-9-dil-analyzy/ Analýza vývoje ekonomiky ČR za 3. čtvrtletí 2013. In: BusinessInfo.cz - Oficiální portál pro podnikání a export [online]. 2014 [cit. 2014-05-18]. Dostupné z: http://www.businessinfo.cz/app/content/files/zpravodajstvi-pro-export/analyza-vyvojeekonomiky-cr-3q-2013.pdf Znalosti Čechů v oblasti pojištění jsou podprůměrné. In: Úvodní stránka - Česká asociace pojišťoven [online]. 2013 [cit. 2014-05-18]. Dostupné z: http://www.cap.cz/images/tiskove-zpravy/2013-2-18-11-59.pdf Jak se Češi zajišťují na podzim svého života?. In: Úvodní stránka - Česká asociace pojišťoven [online]. 2013 [cit. 2014-05-18]. Dostupné z: http://www.cap.cz/images/tiskove-zpravy/2013-2-12-16-58.pdf Unikátní průzkum České pojišťovny: Češi si již více "cení" života než majetku. Tisková zpráva - Česká pojišťovna[online]. 2011 [cit. 2014-05-18]. Dostupné z: https://www.ceskapojistovna.cz/tiskova-zprava?58109unikatni_pruzkum_ceske_pojistovny:_cesi_si_jiz_vice_

66

Přílohy

/Použitá data

A Použitá data

Obr. 1

Použitá data

67

68

Regresní model A – počet smluv

B Regresní model A – počet smluv

Obr. 2

Výstup z Gretlu 1

Regresní model B – předepsané pojistné

C Regresní model B – předepsané pojistné

Obr. 3

Výstup z Gretlu 2

69

Determinanty poptávky po životním pojištění v České republice

Recommend Documents