Forsikringssvindel. - hvem, hvordan og hvorfor. Forsikring & Pension Analyserapport 2011:9. Andreas Østergaard Nielsen

Transkript

1 - hvem, hvordan og Andreas Østergaard Nielsen Philip Heymans Allé 1, 2900 Hellerup, Telefon ,

2 Side 1

3 Indhold 1. Indledning og sammenfatning 4 2. Muligheder for at undersøge forsikringssvindel 5 3. Interviewundersøgelsen, bortfald og vægtning 7 4. Hvor mange svindler? Hvem svindler? Årsager til at begå forsikringssvindel Årsag til ikke at begå forsikringssvindel Omfanget af forsikringssvindel Litteratur Bilag 27 Side 2

4 Side 3

5 1. Indledning og sammenfatning Denne rapport forsøger at beskrive udbredelsen af og holdningen til forsikringssvindel blandt danskerne på baggrund af en spørgeskemaundersøgelse foretaget af Danmarks Statistik for. Undersøgelsen afdækker både udbredelsen af forsikringssvindel, hvem der begår forsikringssvindel, årsager til at begå forsikringssvindel og omfanget af forsikringssvindel. Endvidere spørges der også om årsager til ikke at begå forsikringssvindel. Rapporten bygger videre på tidligere undersøgelser af forsikringssvindel som fx (2010a), men adskiller sig ved at have adgang til en mere sofistikeret spørgeskemaundersøgelse med registerbaserede baggrundsoplysninger om respondenterne. Rapporten afdækker forsikringssvindel inden for de tre største forsikringsområder for privatforsikring: Motorkøretøjsforsikring, indboforsikring og ulykkesforsikring. Rapporten undersøger både forsikringssvindel, der har til formål at mindske præmien på forsikringen, og forsikringssvindel, der har til formål at øge erstatningen. De vigtigste resultater i rapporten er: er meget udbredt i Danmark. 12 pct. af de årige angiver, at de har begået forsikringssvindel en eller flere gange. Resultaterne betyder, at indrømmer forsikringssvindel på landsplan alene i er tabubelagt. Der er 12 pct., der svarer 'ved ikke' eller ønsker ikke at svare til, om de har begået forsikringssvindel. Andelen af danskere, der har begået forsikringssvindel, kan derfor let være noget højere end de 12 pct., der indrømmer det. er mere tabubelagt end sort arbejde, hvilket understreges af, at der er en lavere andel af danskerne, der ønsker at svare på spørgsmål om forsikringssvindel. Motorforsikring er det forsikringsområde, hvor der hyppigst bliver begået forsikringssvindel (21 pct. indrømmer det), efterfulgt af indboforsikring (12 pct.) og ulykkesforsikring (9 pct.). Inden for motorforsikring er det mest udbredt at begå svindel for at mindske præmien, mens det inden for indboforsikring er mest udbredt at begå svindel, der øger erstatningen. Den typiske forsikringssvindel er at være fast bruger af en bil, uden at stå på forsikringspapirerne, for at opnå en lavere forsikringspræmie. 10 pct. indrømmer at have begået denne forseelse. Der er ingen entydige, observerbare karakteristika for den typiske forsikringssvindler. Med andre ord er det ikke muligt ud fra alder, køn, uddannelse, etnicitet osv. at skelne dem, der svindler, fra dem som ikke svindler. Det tages som udtryk for, at alle principielt kan begå forsikringssvindel. I afsnit 2 beskrives, hvordan forsikringssvindel undersøges. Afsnit 3 beskriver spørgeskemaundersøgelsen, der danner grundlag for rapporten, og stikprøven af den danske befolkning, som udspørges. I afsnit 4 præsenteres udbredelsen af forsikringssvindel, i afsnit 5 belyses karakteristika for de, der begår forsikringssvindel. Afsnit 6 beskriver årsager til at svindle, mens afsnit 7 angiver de vigtigste årsager til ikke at begå forsikringssvindel. Afsnit 8 afrunder rapporten med en diskussion af, hvor meget der samlet svindles for. Side 4

6 2. Muligheder for at undersøge forsikringssvindel Denne rapport bygger på en spørgeskemaundersøgelse foretaget af Danmarks Statistik for. Undersøgelsens formål er at dokumentere omfanget af forsikringssvindel. Undersøgelsen er rettet mod danskernes svindel med forsikringer som privatpersoner og omfatter derfor ikke den forsikringssvindel, der finder sted i erhvervslivet. Undersøgelsens resultater peger på, at forsikringssvindel begået af privatpersoner er udbredt, men at den gennemsnitlige svindel pr. sag, der oplyses i undersøgelsen, er begrænset. Spørgeskemaundersøgelsen kan af flere årsager ikke forventes at give et fuldstændigt billede af svindlen. Både antallet af personer, der angiver at have svindlet, og det svindlede beløb pr. sag er sandsynligvis undervurderet. Blandt andet fordi forsikringssvindel er tabubelagt, kan det mindske lysten til at deltage i undersøgelsen til trods for, at den er anonym. Ligeledes kan det betyde, at de, der besvarer spørgeskemaet, ikke altid svarer sandfærdigt. Undersøgelsen er inspireret af Rockwoll Fondens undersøgelser af omfanget af sort arbejde, jf. Hvidtfeldt m.fl. (2010). Rockwoll Fonden har med succes spurgt direkte om sort arbejde. Derfor spørges respondenterne i denne undersøgelse også direkte, om de har begået konkrete former for forsikringssvindel, jf. bilag Af flere grunde kan det dog være lettere at belyse omfanget af sort arbejde end af forsikringssvindel. Sort arbejde er generelt mere udbredt og derfor vil en større andel af en stikprøve have udført sort arbejde og dermed gøre stikprøven mere informativ. 1 Sort arbejde er tilmed mere socialt accepteret og mindre tabubelagt end forsikringssvindel, jf. Andersen (1998, 2011). Det kan betyde, at der er færre af de personer, der er udtrukket til en undersøgelse af forsikringssvindel, der vil medvirke og afgive sandfærdige svar. Det kan måske også være med til at forklare, at en markant større andel af respondenterne i denne undersøgelse ikke ønsker at svare på spørgsmål om forsikringssvindel sammenlignet med andelen i undersøgelserne om sort arbejde, jf. Tabel 1. Tabellen sammenligner fordelingen af svarene i denne undersøgelse om forsikringssvindel med fordelingen af svarene i Rockwoll Fondens undersøgelse af sort arbejde. 12,43 pct. svarer ved ikke eller nægter at svare på om de har begået forsikringssvindel, mens andel er 0,34 pct. i undersøgelsen af sort arbejde. Tabel 1 Har udført forsikringssvindel eller sort arbejde Ja Nej Ved ikke/nægter at svare pct I alt 12,06 75,51 12,43 100,00 Sort arbejde 23,63 76,02 0,34 100,00 Anm.: omfatter svindel for at øge erstatningerne og reducere præmier- ne inden for indbo-, motor- og ulykkesforsikring. De fire former for sort arbejde er kontant betalt, gentjenester, betalt med ting, sort salg, jf. Hvidtfeldt m.fl. (2010). Tabellen dækker 2008 og Kilde: Egne beregninger på spørgeskema- og registerdata og Rockwool Fondens Forsk- ningsenhed 1 Mellem 17 og 24 pct. af danskerne oplyser at have udført sort arbejde inden for det sidste år, jf. Hvidtfeldt m.fl. (2010). I 2010 har ca. 1 pct. af danskerne begået forsikringssvindel ifølge nærværende undersøgelse. Side 5

7 På trods af disse forhold belyser undersøgelsen en række interessante forhold vedrørende den forsikringssvindel, som udføres af 'helt almindelige' danskere. Der er i undersøgelsen fokus på tre forsikringsområder: motorforsikring, indboforsikring og ulykkesforsikring, som tilsammen udgør de tre største områder for privatforsikring, jf. Figur 1. Figur 1 Bruttopræmier fordelt på forsikringsområder, 2010 Pct. 12,1 Motorkøretøjsforsikring (privat og erhverv) 20,7 27,5 Syge- og ulykkesforsikring Privat familie-, grundejer- og fritidshusforsikring Erhverv 20,1 19,6 Øvrige Kilde: Finanstilsynet, If og egne beregninger. kan ske på flere måder. I denne undersøgelse omfatter forsikringssvindel både svindel, der kan nedsætte forsikringspræmien, og svindel, som kan øge erstatningerne. Det er forsikringssvindel at opgive forkerte oplysninger, der forhindrer, at forsikringsselskaberne kan fastsætte den korrekte risikovurdering og dermed prissætte kunden korrekt. Det kan fx være at lyve om skadeshistorisk eller heldbred. Svindel, der øger erstatningsudbetalingen, kan være at overdrive mængden eller værdien af ødelagte eller stjålne genstande. I tidligere analyser af forsikringssvindel har fokus specielt været på svindel, der øger erstatningerne. Denne undersøgelse viser dog, at målet med en stor del af den begåede svindel er at opnå lavere præmie. For de tre forsikringsområder motor-, indbo- og ulykkesforsikring afdækker rapporten således både svindel med præmier og erstatninger. Rapporten undersøger, hvilken type svindel der er mest udbredt, og det belyses, hvilke typer personer der svindler ved at knytte svarene fra spørgeskemaundersøgelsen med registerdata, der bl.a. indeholder oplysninger om køn, alder, uddannelsesniveau og socioøkonomisk status. For en gennemgang af de vigtigste resultater af tidligere undersøgelser af forsikringssvindel henvises til (2010b). Side 6

8 3. Interviewundersøgelsen, bortfald og vægtning Data, der ligger til grund for denne rapport, stammer fra en spørgeskemaundersøgelse koblet med registerdata. Spørgeskemaundersøgelsen er foretaget af Danmarks Statistik for i perioden 16. december marts Alle interviewpersoner er blevet kontaktet via brev. Efterfølgende har de givet svar enten via telefon eller web. Omkring halvdelen af personerne, der har svaret, har givet svar via telefon, mens den anden halvdel har svaret via web. Danmarks Statistik har tilfældigt udvalgt deltagerne i interviewundersøgelsen via cpr-registeret blandt alle årige danskere. Udvælgelsesmetoden sikrer, at alle personer i aldersgruppen har lige stor sandsynlighed for at blive udtrukket. Bruttostikprøven er dermed repræsentativ for de årige i befolkningen. Bruttostikprøven er udtrukket i 4. kvartal 2010 og udgør personer. Af den udvalgte bruttostikprøve falder 14 pct. fra, fordi de enten er omfattet af forskerbeskyttelse 2, er udvandrede, hjemløse eller afgået ved døden i perioden fra stikprøven trækkes til undersøgelsen igangsættes. Hvis bortfaldet ikke er tilfældigt, kan det ikke garanteres, at nettostikprøven er repræsentativ for befolkningen. I det følgende afsnit analyseres det derfor, om bortfaldet er tilfældigt eller ej. Tilbage er nettostikprøven på personer. Her har personer svaret på spørgeskemaet. Det giver en svarprocent på 59,1 pct. Differencen mellem bruttostikprøven på og de respondenter kaldes bortfaldet. I Tabel 2 ses mulige årsager til bortfaldet i nettostikprøven. Knap 36 pct. af bortfaldet skyldes, at personerne har nægtet at medvirke. Her til kommer knap 3 pct., hvor sprogvanskeligheder har umuliggjort interviewet. Det resterende bortfald skyldes hovedsageligt, at det ikke har været muligt at træffe personerne. Tabel 2 Bortfaldet i nettostikprøven Nettostikprøve Bortfald ---antal pct pct.--- Svar ,1 - Nægter ,6 35,7 Sprogvanskeligheder 58 1,2 2,8 Ikke truffet 442 8,8 21,5 Ikke relevant 4 0,1 0,2 Ikke kontakt på tlf.nr ,8 11,7 Ikke fundet tlf.nr ,9 21,8 Øvrigt bortfald 130 2,6 6,3 Total Kilde: Egne beregninger på spørgeskema- og registerdata. Det er muligt at koble personerne, som har deltaget i interviewundersøgelsen, til meget detaljeret registerdata fra Danmarks Statistik, hvor der også eksisterer information om hele Danmarks befolkning. Dette gør det muligt at lave en detaljeret undersøgelse af svarpopulationens repræsentativitet. Adgang til registerda- 2 I perioden har det været muligt at forskerbeskytte sig på flyttemeddelelsesblanketten. Omkring personer i den danske befolkning er forskerbeskyttet, hvilket betyder at de ikke kan kontaktes ved interviewundersøgelser udført af Danmarks Statistik. Da unge i større omfang flytter, er bortfaldet i særlig grad skævt for de unge. Omkring en fjerdedel af de unge mellem 20 og 29 år har valgt at forskerbeskytte sig ved optællingen i 2007 og Selvom man siden 2007 skal henvende sig til folkeregisteret for at blive tilmeldt forskerbeskyttelse, er tendensen stadig stigende. Se Fangel m.fl. (2007). Side 7

9 ta betyder ydermere, at undersøgelsen har adgang til oplysninger om individuelle karakteristika, hvilket i mange tilfælde er en fordel, da interviewpersonerne frivilligt eller ufrivilligt kan klassificere dem selv forkert. Hvis bortfaldet systematisk adskiller sig fra svarpopulationen, er det nødvendigt at korrigere for denne systematik for kunne generalisere resultaterne. Dette gennemgås i afsnit 3.1 og Bortfaldsanalyse Når bortfaldet systematisk adskiller sig fra svarpopulationen, giver det bias i de fundne resultater. Et skævt bortfald betyder, at svarpopulationen ikke længere er repræsentativ for den danske befolkning. Der er to måder, hvorpå repræsentativiteten af svarpopulationen kan undersøges. Man kan sammenligne fordelingerne af forskellige individuelle karakteristika for i) hhv. svarpopulationen og hele befolkningen eller for ii) svarpopulationen og bruttostikprøven under antagelse af, at bruttostikprøven er repræsentativ. I denne analyse forfølges den første metode, og stikprøven sammenlignes med hele den danske befolkning mellem 18 og 74 år pr. 1. januar I det følgende betegnes de personer i svarpopulation som stikprøven. I interviewundersøgelser er det velkendt, at f.eks. enlige og unge er underrepræsenteret, mens ældre og personer med højere uddannelse er overrepræsenteret, jf. Lundström og Särndal (2005). I det følgende undersøges repræsentativiteten af stikprøven i forhold til en række personkarakteristika, for at belyse på hvilke parametre stikprøven er eller ikke er repræsentativ. Tabel 3 viser fordelingen for køn, civilstatus, boligforhold, aldersgrupper, uddannelsesniveau, socioøkonomisk status, herkomst, region og indkomstdecil for hhv. stikprøven og befolkningen. Andelen af kvinder i stikprøven er 49,6 pct., mens den tilsvarende andel i befolkningen er 50,0 pct. Det testes med et t-test, om stikprøvens fordeling er statistisk signifikant forskellig fra kønsfordelingen i befolkningen. T-testet for andelen af kvinder er 0,42 svarende til en p-værdi på 0,66. Der er således ingen signifikant forskel på andelen af kvinder i stikprøven og befolkningen, og stikprøven er derfor ikke skæv mht. køn. I stikprøven er andelen af boligejere 66,9 pct., mens andelen i befolkningen kun er 56,9 pct. Den forskel er signifikant og betyder, at boligejere er overrepræsenteret i stikprøven. Tilsvarende er personer mellem 18-24, og år signifikant underrepræsenteret, mens personer over 50 år er signifikant overrepræsenteret. Underrepræsentationen af de unge hænger formentlig sammen med muligheden for forskerbeskyttelse. Fordelt på uddannelse er stikprøven også skæv. Ufaglærte er underrepræsenteret, mens faglærte, KVU'ere og MVU'ere er overrepræsenteret. Andelen af personer i stikprøven med LVU er ikke signifikant forskellig fra andelen i befolkningen. Fordelt på socioøkonomisk status er der 2 pct. point flere lønmodtagere på højt niveau i stikprøven i forhold til befolkningen, mens der er godt 2 pct. point færre personer uden for arbejdsstyrken i stikprøven. Fordelt på de øvrige socioøkonomiske grupper kan forskellen ikke afvises at skyldes statistisk usikkerhed. På ci- 3 Pga. bortfaldet i bruttostikprøven er der ikke adgang til den repræsentative bruttostikprøve, hele befolkningen anvendes til at måle skævheden blandt de personer, der har svaret. Side 8

10 vilstatus er par med børn overrepræsenteret, mens enlige med børn er underrepræsenteret. Dette er ligeledes en velkendt observation, da det er mere sandsynligt at træffe par med børn hjemme, jf. Lundström og Särndal (2005). Personer med anden herkomst end dansk er signifikant underrepræsenteret i stikprøven, mens personer med dansk herkomst er tilsvarende overrepræsenteret. Stikprøven er underrepræsenteret på personer fra Region Hovedstaden og overrepræsenteret i forhold til personer fra Jylland og Fyn. Endelig er der for få personer i stikprøven blandt de laveste indkomstdeciler og for mange personer blandt de højeste indkomstdeciler. Skævheden i stikprøven adskiller sig ikke fra den skævhed, der normalt findes i stikprøver pga. systematisk bortfald. Samlet kan bortfaldet i stikprøven tilskrives en underrepræsentation af lejere, unge, lavere uddannede, personer uden for arbejdsmarkedet, anden herkomst end dansk og relativt lave indkomster. Skævheden i stikprøven kan korrigeres ved at tildele personer en vægt, der er omvendt proportional med deres repræsentativitet. Dvs. personer i stikprøven, der er overrepræsenterede, tildeles en mindre vægt end personer, der er underrepræsenteret. Det følgende afsnit beskriver dannelsen af de individuelle vægte. Side 9

11 Tabel 3 Fordelingen af personkarakteristika i stikprøven, befolkningen og den vægtede stikprøve, pct. Stikprøve Befolkning p-værdi Vægtet Kvinde 49,6 50,0 0,670 50,9 Ejer 66,9 56,9 0,000 57,5 ---Alder år 9,4 11,7 0,000 11, år 5,4 7,6 0,000 7, år 15,6 18,3 0,000 18, år 20,8 20,5 0,649 20, år 20,5 18,1 0,001 18, ,4 23,8 0,000 23,8 ---Uddannelse--- Grundskole 26,7 32,3 0,000 31,4 Gymnasium 6,7 8,3 0,002 8,4 Faguddannet 35,9 33,1 0,001 33,2 KVU 5,9 4,9 0,011 4,9 MVU 17,5 14,5 0,000 15,0 LVU 7,3 6,9 0,406 7,1 ---Sociostatus--- Selvstændig 5,3 4,6 0,101 4,8 Lønmodtager højt niveau 13,4 11,4 0,000 11,7 Lønmodtager lavt niveau 49,8 49,2 0,537 50,3 Arbejdsløs 1,2 1,5 0,288 1,5 Uddannelsessøgende 5,2 5,4 0,662 5,4 Uden for arbejdsstyrken 25,1 28,0 0,001 26,4 ---Civilstatus--- Par med børn 31,7 30,1 0,057 30,5 Par uden børn 38,5 33,7 0,000 33,7 Enlig med børn 3,8 4,3 0,132 4,2 Enlig uden børn 20,7 27,3 0,000 26,9 Hjemmeboende barn 5,4 4,7 0,081 4,7 ---Oprindelsesland--- Danmark 94,3 90,0 0,000 90,2 Mere udviklede lande 3,4 4,8 0,000 4,5 Mindre udviklede lande 2,3 5,2 0,000 5,3 ---Regioner--- Region Hovedstaden 26,2 31,0 0,000 30,5 Region Sjælland 14,1 14,7 0,364 14,7 Region Syddanmark 23,8 21,4 0,001 21,2 Region Midtjylland 24,5 22,6 0,012 22,9 Region Nordjylland 11,4 10,4 0,090 10,7 ---Indkomstdeciler decil 8,4 10,0 0,004 9,8 2. decil 7,9 10,0 0,000 10,0 3. decil 8,9 10,0 0,039 9,7 4. decil 8,9 10,0 0,052 10,0 5. decil 9,5 10,0 0,402 9,9 6. decil 10,8 10,0 0,172 10,1 7. decil 10,6 10,0 0,263 10,3 8. decil 10,6 10,0 0,290 10,1 9. decil 11,9 10,0 0,001 10,0 10. decil 12,4 10,0 0,000 10,1 Anm.: En p-værdi <0,050 angiver, at fordelingerne i stikprøven og befolkningen er signifikant forskellige på 5 pct. signifikansniveau. Kilde: Egne beregninger på spørgeskema- og registerdata. Side 10

12 3.2. Vægtning Formålet med vægtningen er at korrigere for det systematiske bortfald, som stikprøven lider under, jf. afsnit 3.1. Vægtene skal sikre, at de, som i svarpopulationen er underrepræsenteret i forhold til hele befolkningen, tæller lidt mere, og de, der er overrepræsenteret, tæller lidt mindre. I denne analyse beregnes individuelle inverse probability weights (IPW), hvor vægten svarer til den inverse af sandsynligheden for at besvare spørgeskemaet, jf. Horvitz og Thompson (1952) og Fitzgerald m.fl. (1998). På denne måde vægter personer med større sandsynlighed for at besvare spørgeskemaet lavere end personer med mindre sandsynlighed for at besvare spørgeskemaet. Der opstilles en statistik model, der søger at forklare sandsynligheden for at besvare spørgeskemaet på baggrund af personkarakteristika, se Boks 1. Afsnit 3.1 viser, at stikprøven er skæv på bestemte variable, og derfor forventes det også, at den statistiske model, på baggrund af disse variable, kan adskille personer, der har besvaret undersøgelsen fra de, der ikke har. Fordelen ved at anvende en statistisk model til at beregne vægte er, at man kan anvende mange forklarende variable i opregningen, hvorimod anvendelsen af traditionel direkte vægtning, hvor stikprøven inddeles i grupper efter personkarakteristika, betyder, at det i praksis kun er muligt at beregne vægte på baggrund af få variable, da antallet af observationer i hver gruppe bliver begrænset, jf. Lundström og Särndal (2005). Inverse probability vægtene,, anvendes til at opregne svarene i spørgeskemaet til befolkningsniveau. Som en illustration af vægtenes evne til at korrigere for bortfaldet er der i Tabel 3 vist de vægtede fordelinger af stikprøven. Det bemærkes, at for de variable, hvor stikprøven er skæv, f.eks. andelen af boligejere, betyder vægtningen, at den vægtede stikprøves fordeling næsten svarer til befolkningens fordeling. I befolkningen er 56,9 pct. boligejere, mens der i stikprøven er 66,9 pct., men når vægtene anvendes, svarer dette til 57,5 pct., hvilket viser, at vægtene retter op på skævheden i stikprøven. Side 11

13 Boks 1 IPW estimation Målet er at kunne beregne repræsentative fordelinger af variablene i spørgeskemaet, ). Men pga. det systematiske bortfald vil beregningerne give skæve resultater. Den statistiske model til beregning af IPW baseres på antagelsen om, at der kan identificeres variable, der kan forklare bortfaldet. Stikprøven betragtes som et selected sample, hvor selektionen kan beskrives som selection on observables modsat selection on unobservables, jf. Fitzgerald m.fl. (1998). 4 Lad være en binær indikatorvariabel, der er 1, hvis personen er med i stikprøven og 0 ellers. Sandsynligheden for at være med i stikprøven er givet ved: ), (1) hvor ) er de variable vi er interesserede i, men kun observerer når. er en vektor af variable, der forklarer sandsynligheden for at være med i stikprøven. Selection on observables defineres som: ) ), (2) mens selection on unobservables opstår, hvis ligning (2) ikke holder. Når det ikke er nødvendigt at betinge på og i ligning (2), skyldes det, at det antages, at indeholder tilstrækkelig information til at beskrive selektionsmekanismen. Det afgørende for selection on observables er, at det antages, at vi kan finde variable, der forklarer selektionen. Er dette ikke muligt, fordi selektionsmekanismen skyldes uobserverbare karakteristika, skal der anvendes metoder, der korrigerer for selection on unobservables, som f.eks. Heckmans sample selection model, jf. Wooldridge (2002). IPW beregnes som, hvor ) er den forudsagte sandsynlighed for at være i stikprøven estimeret i en logit model: ) ) ) [ )]. (3) Estimationsresultaterne for logit-modellen ses i bilag Resultaterne viser, at sandsynligheden for at være med i stikprøven er signifikant positivt korreleret med at være boligejere og have en længere videregående uddannelse. Sandsynligheden er signifikant negativ korreleret med anden etnisk herkomst end dansk. Dette er i overensstemmelse med de variable, hvor bortfaldsanalysen viser, at stikprøven er skæv, hvilket indikerer, at den statistiske model er i stand til at adskille de personer, der besvarer spørgeskemaet, fra resten af populationen. Vægtene normaliseres til, hvor N er populationens størrelse og S er stikprøvens størrelse. Disse individuelle vægte kan direkte anvendes til at opregne stikprøven til befolkningsniveau, hvor der korrigeres for bortfaldet i stikprøven. 4 Fitzgerald m.fl. (1998) analyserer bias som følge af bortfald i panel data, hvor stikprøven i første periode er tilfældigt udvalgt, men i anden periode findes et systematisk bortfald. Denne metode kan anvendes til korrektion af bortfaldet i nærværende analyse, hvis hele befolkningen sidestilles med den første periode, mens stikprøven sidestilles med anden periode. Side 12

14 4. Hvor mange svindler? I undersøgelsen er personerne blevet spurgt, om de har begået forsikringssvindel inden for hvert af de tre områder motor-, indbo- og ulykkesforsikring. Inden for hvert område er der spurgt til en række konkrete eksempler på forsikringssvindel. Fx er der inden for motorforsikring spurgt, om man er fast fører af et køretøj uden at stå anført i forsikringspapirerne. I bilag 10.1 fremgår de konkrete spørgsmål, der er stillet for at afsløre forsikringssvindel. Eksemplerne på svindel med præmier spænder fra, at man ikke længere er medlem af en rabatgivende ordning til at underdrive tidligere skader. I det første eksempel opnås en uberettiget rabat, mens præmien i det andet tilfælde bliver fastsat forkert, fordi risikovurderingen sker på et mangelfuldt grundlag. Respondenterne kan svare 'ja', 'nej', 'ved ikke' eller 'ønsker ikke at svare'. På trods af, at respondenterne bliver oplyst om, at alle svar behandles anonymt og fortroligt, kan det stadig være tilfældet, at respondenterne ikke svarer sandfærdigt. Det er forventningen, at især personer, der har svindlet, enten benægter, svarer 'ved ikke' eller ikke ønsker at besvare spørgsmålet. Derfor er der i figurerne nedenfor inkluderet svarmulighederne 'ved ikke' og 'ønsker ikke at svare'. For motorforsikring, indboforsikring og ulykkesforsikring er der hhv. 10, 6 og 2 pct., der indrømmer, at de har begået forsikringssvindel, jf. Figur 2. Medtages den andel, der svarer 'ved ikke', er der godt 20 pct. i kategorien motorforsikringssvindel, godt 11 pct. i indboforsikring og 8 pct. i ulykkesforsikring. Medtages yderligere respondenter, der ikke ønsker at svare, er andelene hhv. godt 21, 12 og 9 pct. På tværs af de tre forsikringsområder er der 12 pct. der indrømmer svindel, yderligere 11 pct., der svarer 'ved ikke' og 1 pct., der nægter at svare. De 12 pct., der indrømmer at have begået forsikringssvindel, er nogenlunde omkring det niveau, der er fundet i tidligere analyser, jf. (2010b). Alligevel må dette skøn dog antages at være en nedre grænse, jf. oven for. Side 13

15 Figur 2 Andelen, der har begået forsikringssvindel for at mindske forsikringspræmien eller øge erstatningen Pct I alt Motor Indbo Ulykke Ønsker ikke at svare Ved ikke Ja Anm.: Tallene er vægtet til befolkningsniveau. De konkrete spørgsmål, der er stillet for at afsløre forsikringssvindel, fremgår af bilag Kilde: Egne beregninger på spørgeskema- og registerdata. På motorforsikringsområdet er den typiske svindel at være fast fører af et køretøj uden at stå på forsikringspapirerne. Typisk er det, fordi brugeren af bilen tilhører en aldersgruppegruppe, hvor forsikringen er relativt dyr, og derfor er køretøjet registreret i fx forældrenes navn. Halvdelen af svindelen inden for motorforsikring tilskrives denne type svindel, jf. Tabel 4. Den næststørste type svindel er at få rabat på sine forsikringer, selvom man ikke længere er medlem af den rabatgivende ordning. Denne type svindel udføres af 3,3 pct. inden for motorforsikring. Medtages de personer, der svarer 'ved ikke' eller ikke ønsker at svare, ændrer det ikke på billedet af, at den typiske svindel med motorforsikring er ikke at stå på forsikringspapirerne til den bil man kører i fast. Det er værd at bemærke, at svindel, der mindsker præmien, i undersøgelsen er seks gange mere udbredt end svindel, der øger erstatningen. Dette understreger, at det er vigtigt også at undersøge svindel med præmier for at afdække den samlede forsikringssvindel. Side 14

16 Tabel 4 Andelen, der har begået motorforsikringssvindel I alt Ikke anført på forsikringspapirerne Ikke længere medlem af rabatgivende ordning Underdrevet tidligere sager --- pct. --- Andet, der nedsætter præmie Svindel, der øger erstatning Ja 9,9 4,9 3,3 0,6 0,5 1,4 Ved ikke 10,7 5,6 5,2 1,4 0,5 - Ønsker ikke at svare 0,8-0,4 0,3 0,2 0,8 Anm.: Tallene er vægtet til befolkningsniveau. - betyder manglende oplysninger. De konkrete spørgsmål, der er stillet for at afsløre forsikringssvindel, fremgår af bilag Kilde: Egne beregninger på spørgeskema- og registerdata. Inden for indboforsikring er den typiske svindel, der reducerer præmien, ikke længere at være medlem af en rabatgivende ordning uden at oplyse forsikringsselskabet herom, hvilket 2,5 pct. indrømmer, jf. Tabel 5. Inden for denne type er der derudover en relativt stor andel, der svarer 'ved ikke.' Svindel, der øger erstatningen, er med 3,8 pct. den mest hyppige type svindel med indboforsikringer. Den typiske form for svindel, der øger erstatningen, er at overdrive værdien af de mistede genstande, hvilket udgør 75 pct. af den svindel, der vedrører øgede erstatninger. Tabel 5 Andelen, der har begået indboforsikringssvindel I alt Ikke længere Underdrevet medlem af rabatgivende tidligere sager ordning Andet, der nedsætter præmie Svindel, der øger erstatning Ja 6,4 2,5 0,2 0,1 3,8 Ved ikke 5,1 4,8 1,4 0,4 - Ønsker ikke at svare 1,0 0,3 0,4 0,4 0,8 Anm.: Tallene er vægtet til befolkningsniveau. - betyder manglende oplysninger. De konkrete spørgsmål, der er stillet for at afsløre forsikringssvindel, fremgår af bilag Kilde: Egne beregninger på spørgeskema- og registerdata. Der er færrest, der indrømmer svindel inden for ulykkesforsikring. 2,2 pct. indrømmer svindel med ulykkesforsikring, hvor 1,7 pct. point vedrører svindel med rabatgivende ordninger, jf. Tabel 6. Knap 6 pct. angiver, at de ikke ved, om de har begået forsikringssvindel på dette område. Side 15

17 Tabel 6 Andelen, der har begået ulykkesforsikringssvindel I alt Rabatgivende Underdrevet tidlige- oplyse om nedsætter Undlade at Andet, der Svindel, der øger ordning re sager sygdom præmie erstatning Ja 2,2 1,7 0,1 0,4-0,2 Ved ikke 5,9 5,3 0,9 0,5 0,2 - Ønsker ikke at svare 0,6 0,1 0,1 0,1 0,1 0,6 Anm.: Tallene er vægtet til befolkningsniveau. - betyder manglende oplysninger. De konkrete spørgsmål, der er stillet for at afsløre forsikringssvindel, fremgår af bilag Kilde: Egne beregninger på spørgeskema- og registerdata. I det følgende ses der på antal gange, der er svindlet. Tabel 7 viser antal gange, der er begået forsikringssvindel for hvert forsikringsområde, hvor kun de, der svarer 'ja', er talt med. Det ses, at de, der svindler, hovedsageligt kun har gjort det én gang. På tværs af de tre typer af forsikring er der ikke umiddelbart en tendens til, at respondenter, der begår svindel inden for det ene område, også begår svindel på et andet forsikringsområde. Således er det kun omkring 2,2 pct., der indrømmer at have begået forsikringssvindel inden for de tre forsikringsområder mere end én gang. Og kun 0,1 0,2 pct. har svindlet mere end én gang inden for hvert enkelt forsikringsområde. Det skal bemærkes, at oplysningerne i tabel 3-6 inkluderer al svindel, også svindel, der ligger mere end ti år tilbage. Bilag 10.3 viser antal gange, der er svindlet, når respondenter, der svarer 'ved ikke' eller ikke ønsker at svare, er inkluderet. Inkluderes disse svarmuligheder, er der 3,6 pct., der har svindlet to gange og 3,1 pct., der har svindlet tre gange. Inden for hvert område er der mellem 0,8 og 1,5 pct., der angiver, at de har svindlet mere end én gang. Tabel 7 Hvor mange gange har du begået forsikringssvindel? Antal gange I alt Motor Indbo Ulykke --- pct ,8 92,9 94,7 98,4 1 9,1 6,9 5,1 1,5 2 1,1 0,1 0,2 0,1 3 0,9 0,1 0,0 0,0 Flere end 3 gange 0,2 0,0 0,0 0,0 Anm.: Tallene er vægtet til befolkningsniveau. Kun respondenter, der svarer 'ja' til svindel, indgår i tabellen. Kilde: Egne beregninger på spørgeskema- og registerdata. Side 16

18 5. Hvem svindler? I dette afsnit undersøges det, om der er særlige kendetegn for personer, der indrømmer at have begået forsikringssvindel. Ved at opdele på observerbare karakteristika som køn og alder undersøges det om de, der begår svindel, adskiller sig statistisk signifikant fra de, der ikke gør. Figur 3 viser forsikringssvindel på samme måde som Figur 2, men opdelt på mænd og kvinder. Figuren viser, at en større andel kvinder indrømmer motorforsikringssvindel, lidt flere mænd indrømmer svindel med indboforsikring, mens der kun er 2 pct. mænd og kvinder, der har begået svindel med ulykkesforsikring. For alle tre forsikringsområder er en tendens til, at kvinder er mere tilbøjelig til at svare 'ved ikke' og ønsker ikke at svare. De statistiske test afslører, at kvinder er signifikant overrepræsenteret inden for motorforsikring, jf. Tabel 8 side 21. Inden for motorforsikring er der 19 pct. flere kvinder end mænd, der indrømmer forsikringssvindel, når der ses på andelen der svarer 'ja'. Inkluderes 'ved ikke' og 'ønsker ikke at svare', er kvinder overrepræsenteret med 33 pct. i forhold til mænd, og denne forskel er også signifikant, jf. bilag Der er således en tendens til, at flere kvinder end mænd begår forsikringssvindel indenfor motorområdet. På indboforsikring er kvinder underrepræsenteret med 11 pct., og på ulykkesforsikring er kvinder kun svagt overrepræsenteret, men forskellen er ikke signifikant på 5 pct. signifikansniveau. På tværs af forsikringsområder er der imidlertid ingen tendens til, at køn er en markør for at begå forsikringssvindel. Figur 3 blandt mænd og kvinder Pct. 30 Motor Motor Indbo Ulykke Indbo Ulykke 5 0 Mand Ønsker ikke at svare Ved ikke Ja Kvinde Anm.: Tallene er vægtet til befolkningsniveau. Kilde: Egne beregninger på spørgeskema- og registerdata. Figur 4 viser forsikringssvindel fordelt på aldersgrupper. Blandt de årige er der 18 pct., der indrømmer svindel indenfor motorforsikring. Det giver en Side 17

19 overvægt på 86 pct. for denne aldersgruppe, jf. Tabel 8. Dette skyldes formentlig, at der specielt for denne aldersgruppe er penge at spare ved ikke selv at stå på forsikringspapirerne. Denne aldersgruppe er også overrepræsenteret på indboforsikring med 41 pct., men signifikant underrepræsenteret på ulykkesforsikring, jf. Tabel 8. Blandt de årige er der tilmed mellem12 og 16 pct., der svarer 'ved ikke' eller ikke ønsker at svare. Det ses, at for alle aldersgrupper bortset fra årige er motorforsikringssvindel den typiske svindelform. Bortset fra, at motorforsikringssvindel er mest udbredt blandt de årige, ses der ingen klar tendens på tværs af alder i udbredelsen af forsikringssvindel. De statistiske test i Tabel 8 kan heller ikke afvise, at forsikringssvindel ikke er knyttet til bestemte aldersgrupper. For alle aldersgrupper er der ingen statistisk signifikant forskel på de, der begår forsikringssvindel, og de, der ikke gør, bortset fra de årige og årige inden for ulykkesforsikring. Figur 4 fordelt på alder Pct M I M I M M M M U U I U I U I U I U Ønsker ikke at svare Ved ikke Ja Anm.: Tallene er vægtet til befolkningsniveau. M=Motor. I=Indbo. U=Ulykke. Kilde: Egne beregninger på spørgeskema- og registerdata. I Figur 5 er andelen, der har begået forsikringssvindel, fordelt på højest fuldført uddannelse. Igen er der umiddelbart ikke nogen væsentlig forskel på andelen, der har begået forsikringssvindel på tværs af uddannelseskategorier. Dog er personer med en længere videregående uddannelse signifikant underrepræsenteret blandt de, der indrømmer de har begået forsikringssvindel, jf. Tabel 8. Personer med folkeskole eller gymnasium som højest fuldførte uddannelse er signifikant overrepræsenteret indenfor motorforsikringssvindel. Dette skyldes formentlig, at denne gruppe overlapper med de årige, som sparer mest på svindel med præmien på motorforsikringer. Ses der bort fra personer med folkeskole som højest fuldført uddannelse, er der ingen tydelig tendens til, at forsikringssvindel er korreleret med uddannelse. Side 18

20 Dette underbygges også af de statistiske test, hvor kun personer med en længere videregående uddannelse signifikant adskiller sig som en gruppe med en mindre tilbøjelighed til at begå forsikringssvindel. Figur 5 fordelt på uddannelse Pct M I U M I U M I U M I U M I U M I U Folkeskole Gymnasium Faglært KVU MVU LVU Ja Ved ikke Ønsker ikke at svare Anm.: Tallene er vægtet til befolkningsniveau. M=Motor. I=Indbo. U=Ulykke. Kilde: Egne beregninger på spørgeskema- og registerdata. Endelig er forsikringssvindel også opgjort på tværs af socioøkonomisk status, jf. Figur 6. Igen er der begrænset variation i forsikringssvindel på tværs af statuskategorier. Andelen, der har begået forsikringssvindel, varierer ikke på tværs af indkomstforhold eller om personerne er inden eller uden for arbejdsstyrken. Der er dog en tendens til, at uddannelsessøgende svindler mere og i højere grad svarer 'ved ikke'. Uddannelsessøgende er overrepræsenteret inden for motor- og indboforsikring, jf. Tabel 8, men det skyldes i høj grad en stor andel, der svarer ved ikke. Fraregnes personer, der svarer 'ved ikke' eller ikke ønsker at svare, er uddannelsessøgende kun signifikant overrepræsenteret inden for indboforsikringssvindel. Side 19