Статистический инструментарий выявления характера взаимосвязи между различными социально-экономическими явлениями представлен методикой корреляционно-регрессионного анализа. Ключевая задача корреляционного анализа – определение степени тесноты взаимосвязи между двумя социально-экономическими величинами, тогда как регрессионный анализ нацелен на формирования аналитической формы исследуемой связи [1, с. 88].
Линейное уравнение регрессии:
Известно, что:
, .
Решая систему получим,
, .
Коэффициент корреляции указывает на тесноту связи между признаками [9, с. 145]:
Теснота связи, ее сила может быть оценена по шкале Чеддока:
слабая связь: 0.1 < rxy < 0.3;
умеренная связь: 0.3 < rxy < 0.5;
заметная связь: 0.5 < rxy < 0.7;
высокая связь: 0.7 < rxy < 0.9;
весьма высокая связь: 0.9 < rxy < 1.
Статистическая значимость модели определяется с помощью F-теста Фишера. Сначала рассчитывается расчетное значение F-статистики [11, с. 147]:
Затем, исходя из заданного уровня значимости и степеней свободы, определяется ее табличное (критическое) значение). При условии превышения расчетного значения над табличным, модель признается статистически значимой с уровнем значимости α.
Таким образом, к ключевым задачам анализа страхового рынка можно отнести следующие: оценка и анализ динамики страховых премий и выплат; выявление общей тенденции; оценка влияния на развитие рынка макроэкономических факторов. Для этого могут использоваться такие инструменты статистического анализа, как оценка динамики и выявления тенденций, средства корреляционно-регрессионного анализа и методы экстраполяции.
