广义线性模型与汽车保险费率厘定.doc

广义线性模型与汽车保险费率厘定 胡三明 西南财经大学保险学院 【摘 要】本文回顾了汽车保险费率厘定模型的发展历程，并对广义线性模型从建模、统计分析、模型的选择与诊断等方面进行了比较系统的介绍，最后通过一个汽车保险的实例来介绍其在分类费率厘定过程中具体运用，具有较强的实践意义。 【关键词】广义线性模型 分类费率厘定 一、导论 对于传统费率厘定模型，精算师过于依赖简单的单因素分析法和双因素分析法，其中，单因素分析常受到费率因子间相关性的影响而被扭曲，同时也没有考虑到因子间独立性的影响。对此，精算师在六十年代探索出了迭代GLM）是传统线性模型以及许多最常见的最小偏差法的延伸，从技术角度看，比标准的迭代i 其中是响应变量的第i次观测，是协变量，表示第 i 次观测数据，未知系数向量通过对数据的最小二乘拟合估计出来。假定i是均值为零，方差为常数的独立正态随机变量。对于一般的线性回归模型(LM)i可以分解为三个要素： LM1：随机要素，即Y服从正态分布，； LM2：系统要素，； LM3：连接要素，； （二）、广义线性模型 尽管传统的线性模型广泛地应用于统计数据分析中，但它却不适合处理如下几类问题： (1) 将数据分布假设为正态分布并不合理； (2) 当数据的均值被限制在一定的范围内时，传统的线性模型就不适用了，因为线性预测值可以取任意值； (3) 假定数据的方差对于所有观测都是一个常数并不现