汽車保險(xiǎn)續(xù)保率影響分析保險(xiǎn)續(xù)保率公式

本文格式為Word版，下載可任意編輯——汽車保險(xiǎn)續(xù)保率影響分析保險(xiǎn)續(xù)保率公式續(xù)保汽車保險(xiǎn)影響分析

汽車保險(xiǎn)相關(guān)費(fèi)用的上下直接影響著保險(xiǎn)公司的盈利水平，而影響這一費(fèi)用的因素紛繁錯雜。文章首先通過對影響續(xù)保率因素的挖掘及進(jìn)一步的篩選，最終選定了出險(xiǎn)次數(shù)、新車添置價(jià)、銷售渠道和車輛用途作為分析續(xù)保率的典型因素，并利用二項(xiàng)Logistic法做了回歸分析，給出了回歸系數(shù)和影響的重要程度評價(jià)；然后，根據(jù)線性回歸與方差分析的相關(guān)理論分析議論了單個(gè)因素對續(xù)保率的影響，對不同因素對續(xù)保率的影響程度做了對比；結(jié)果得出了合理可行的結(jié)論。

logistic回歸；續(xù)保率；車險(xiǎn)次數(shù)；SPSS軟件

1.引言

近幾年，國內(nèi)汽車銷售市場奇怪火爆，銷售量屢創(chuàng)新高。自2022年7月1日，交強(qiáng)險(xiǎn)實(shí)施以來，車險(xiǎn)與宏大車主間有了更加親近的關(guān)系。除了交強(qiáng)險(xiǎn)，各個(gè)保險(xiǎn)公司有自己的商業(yè)車險(xiǎn)產(chǎn)品，種類繁多。在我國保險(xiǎn)業(yè)，汽車保險(xiǎn)有著不成撼動的地位。連續(xù)多年，汽車保險(xiǎn)穩(wěn)居國內(nèi)產(chǎn)險(xiǎn)業(yè)第一大險(xiǎn)種?？梢哉f，對于財(cái)產(chǎn)保險(xiǎn)公司來說，得車險(xiǎn)者得天下！

2.模型打定

2.1學(xué)識打定

利用多元回歸方法分析變量之間關(guān)系或舉行預(yù)料時(shí)的一個(gè)根本要求是被解釋變量應(yīng)是連續(xù)定距型變量。然而，實(shí)際應(yīng)用中這種要求未必都能夠得到很好的得志。有些多元回歸模型的被解釋變量設(shè)為是否添置（1表示添置，0表示不添置），是個(gè)純粹的二值品質(zhì)型變量，鮮明不得志上述要求的。

采用二項(xiàng)Logistic回歸的一個(gè)優(yōu)點(diǎn)便是Logistic回歸在處理虛擬變量方面的優(yōu)勢。通?；貧w分析中，作為解釋變量的變量都是定距型變量，它們對被解釋變量有線性解釋作用。實(shí)際應(yīng)用中，被解釋變量的變化不僅受到定距型變量的影響，也會為非定距的品質(zhì)變量的影響。

2.2指標(biāo)體系建立

根據(jù)題目中所給的數(shù)據(jù)和相應(yīng)的資源查找知，影響續(xù)保率的因素可分為以下幾個(gè)方面：公司服務(wù)方面，承保車輛本身，保險(xiǎn)公司要素和大事情。

表2.1續(xù)保率影響因素指標(biāo)體系

續(xù)保率影響要素公司服務(wù)要素營銷要素素質(zhì)學(xué)歷

績效

人員滾動率

售后要素網(wǎng)點(diǎn)分布

售后人員數(shù)

理賠要素理賠費(fèi)用

理賠效率

承保車輛要素承保車輛使用性質(zhì)

承保車輛銷售渠道

新車添置價(jià)格

承保車輛出險(xiǎn)次數(shù)

承保車輛用途

保險(xiǎn)公司要素市場份額

保費(fèi)費(fèi)率折扣

公司進(jìn)展因素公司市場價(jià)值

股價(jià)年均值

市盈率

年利潤

大事情

2.3模型的建立

分析之后我們選取了以下四個(gè)指標(biāo)為典型指標(biāo)來對續(xù)保率舉行影響分析，它們?yōu)椋撼鲭U(xiǎn)次數(shù)，添置價(jià)格，銷售渠道和車輛用途。

Y―續(xù)保與否（取值為0：不續(xù)?；?：續(xù)保）；X1―出險(xiǎn)次數(shù)；X2―添置價(jià)格；X51―銷售渠道；X31―車輛用途。

由于續(xù)保率是當(dāng)年到期的客戶中續(xù)?？蛻羲嫉谋戎?，當(dāng)一段時(shí)期內(nèi)到期車輛數(shù)不變的處境下，假設(shè)續(xù)保的車輛數(shù)越大的話，那么對應(yīng)的續(xù)保率相應(yīng)越高，即兩者呈現(xiàn)出同向的變化。故在此，我們將對續(xù)保率的分析轉(zhuǎn)化為對續(xù)保與否的分析。

考慮到被解釋變量為二元離散變量，并且解釋變量中的x51和x31都為虛擬變量，通常的回歸分析是不適用的。在此，我們用logistic回歸來分析他們與續(xù)保的關(guān)系。

本文采取了逐步篩選策略對變量舉行逐步回歸分析，一共分為四步。首先在step1中，模型中包含常數(shù)項(xiàng)和x51，假設(shè)此時(shí)剔除x51將使―2LL裁減553.122，即553.122是x51進(jìn)入模型引起的，-5706.914即為零模型的對數(shù)似然比；在step2中，模型包含常數(shù)項(xiàng)、x51和x2，此時(shí)假設(shè)剔除x2，那么―2LL裁減121.101，即121.101是在step1的根基上x2所引起的，-5430.353即為step1模型的對數(shù)似然比。其他同理。到結(jié)果一步，假設(shè)顯著性水平設(shè)定為0.1，由于各步的概率p值均小于顯著性水平，因此此時(shí)模型中的解釋變量全體與LogitP的線性關(guān)系顯著，模型合理。

然后逐步篩選解釋變量，最終得到各解釋變量的回歸系數(shù)檢驗(yàn)結(jié)果。最終的模型（第四步）中包含了車險(xiǎn)次數(shù)、添置價(jià)格、銷售渠道和車輛用途，各自回歸系數(shù)顯著性的Wald觀測值所對應(yīng)的概率p值都小于顯著性水平，因此拒絕零假設(shè)，意味著它們與LogitP的線性關(guān)系顯著，應(yīng)留存在方程中。同時(shí)，Hosmer-Lemeshow統(tǒng)計(jì)量的觀測值為191.639，概率p值接近零，小于顯著性水平，因此理應(yīng)拒絕原假設(shè)，模型的擬合優(yōu)度較高。

通過以上分析，模型最終給出了相應(yīng)的錯判矩陣。第一個(gè)模型的總體正確率為57.1%，對續(xù)保人群預(yù)料的切實(shí)率極高，但對不續(xù)保人群預(yù)料的切實(shí)率卻極低；其次個(gè)模型的總體正確率為60.9%，對續(xù)保人群預(yù)料的切實(shí)率降低了，但對不續(xù)保人群預(yù)料的切實(shí)率卻提高了；第三個(gè)模型的總體正確率為59.2%，對續(xù)保人群預(yù)料的切實(shí)率持續(xù)降低，但對不續(xù)保人群預(yù)料的切實(shí)率卻持續(xù)提高；第四個(gè)模型的總體正確率為59.1%，對續(xù)保人群預(yù)料的切實(shí)率達(dá)成79.9%，對不續(xù)保人群預(yù)料的切實(shí)率卻達(dá)成了31.5%。從應(yīng)用角度來看，第四個(gè)模型較前三個(gè)模型的應(yīng)用性略強(qiáng)一些。

綜上分析，出險(xiǎn)次數(shù)、新車添置價(jià)格、銷售渠道和車輛用途四個(gè)影響因素在顯著性水平為0.1的處境下對續(xù)保率有著顯著的影響。通過系數(shù)看出，銷售渠道對續(xù)保率的影響相對較大，其次為車輛用途，影響最小的為新車添置價(jià)格。

3.續(xù)保率與個(gè)別影響因素的曲線關(guān)系

以上分析了影響因素對續(xù)保率的總體影響，下面根據(jù)典型的數(shù)據(jù)分因素對續(xù)保率舉行分析。文章選取了2022年9月份到12月份共四個(gè)月的數(shù)據(jù)作為樣本分析數(shù)據(jù)，舉行以下分析。

以下分別為承保車輛年齡、使用性質(zhì)、出險(xiǎn)次數(shù)、添置價(jià)格對續(xù)保率的影響：

通過線性擬合，我們得出了擬合曲線方程分別為：y=-0.911x+26.000，其中y表示續(xù)保率，x表示承保車輛年齡；y=5.584x+5.937，其中y表示續(xù)保率，x表示承保車輛使用性質(zhì)；y=1.716x+26.447，其中y表示續(xù)保率，x表示承包車輛出險(xiǎn)次數(shù)；y=0.062x+25.006，其中y表示續(xù)保率，x表示新車添置價(jià)格。

綜上述，承保車輛年齡對續(xù)保率是一個(gè)負(fù)