基于SAS聚类分析对我国各地区保险进行分类报告方案.docVIP

基于SAS聚类分析对我国各地区保险进行分类 引言 面对国际金融危机的强烈冲击，全球保险业增长总体放缓。我国作为新兴保险大国，进入发展机遇与挑战并重的关键时期。目前保险业是我国国民经济发展最快的行业之一，因此，保险行业必将受到越来越多的关注和研究。而在保险业研究中，首先有必要明确保险的相关分类标准。国际上，《国际标准产业分类》和《产品总分类》从不同的角度对保险进行划分。我国目前对保险的分类源自《国民经济行业分类》和《统计用产品分类目录》。我国的保险分类体系存在尚需完善的地方，通过对其进一步调整，不仅便于制定更为有效的针对措施，而且有利于进行国际比较。 摘要 在国际金融危机的强烈冲击下，全球保险业正在面临结构性的变革。这一变革必然意味着保险分类标准的相应调整。 本文通过对全国34个地区原保险保费收入和赔付支出情况进行聚类分析。综合各种统计量和树形图，我们认为分为3类。第一类：广东和江苏；第二类：湖北、湖南、安徽、辽宁、重庆、黑龙江、深圳、陕西、福建、山西、宁波、青岛、大连、甘肃、贵州、厦门、青海、西藏、宁夏、海南、云南、内蒙古、江西、吉林、新疆、广西和天津；第三类：浙江、河南、上海、山东、四川、河北和北京。由此可见地区经济的发达情况对当地保险消费情况有着重要的影响，所以保险分类对不同地区应有所侧重。 SAS运行结果及分析 通过中国统计年鉴找到2011年全国34个地区原保险保费收入和赔付支出情况数据，通过SAS软件运行得出结果。 CLUSTER 过程 最短距离聚类分析 协方差矩阵的特征值 特征值 差值 比例 累积 1 175173.210 173583.369 0.9889 0.9889 2 1589.841 1232.687 0.0090 0.9979 3 357.154 344.283 0.0020 0.9999 4 12.871 12.871 0.0001 1.0000 5 0.000 0.000 0.0000 1.0000 6 0.000 0.0000 1.0000 根均方总样本标准差 171.8202 观测之间的平均距离 463.0078 聚类历史 聚类数 连接聚类 频数 半偏R 方 R 方 近似期望R 方 立方聚类条件 NormMinimumDistance 结值 35 海南 宁夏 2 0.0000 1.00 . . 0.0061 34 天津 广西 2 0.0000 1.00 . . 0.0251 33 大连 青岛 2 0.0000 1.00 . . 0.0267 32 CL34 新疆 3 0.0000 1.00 . . 0.0271 31 甘肃 CL33 3 0.0000 1.00 . . 0.0276 30 黑龙江 重庆 2 0.0000 1.00 . . 0.0482 29 CL32 吉林 4 0.0001 1.00 . . 0.0506 28 贵州 CL31 4 0.0001 1.00 . . 0.0512 27 山西 福建 2 0.0001 1.00 . . 0.0546 26 西藏 青海 2 0.0001 1.00 . . 0.0556 25 CL27 陕西 3 0.0001 1.00 . . 0.0575 24 内蒙古 云南 2 0.0001 .999 . . 0.0604 23 CL28 宁波 5 0.0002 .999 . . 0.0631 22 CL35 CL26 4 0.0004 .999 . . 0.073 21 CL22 厦门 5 0.0004 .999 . . 0.0732 20 CL25 深圳 4 0.0002 .998 . . 0.0781 19 CL20 CL30 6 0.0007 .998 . . 0.0797 18 CL29 江西 5 0.0004 .997 . . 0.0859 17 江苏 广东 2 0.0001 .997 . . 0.0889 16 安徽 湖南 2 0.0001 .997 . . 0.0923 15 CL19 辽宁 7 0.0006 .996 . . 0.0924 14 CL18 CL24 7 0.0005 .996 . . 0.0968 13 河北 四川 2 0.0003 .995 . . 0.1384 12 CL21 CL23 10 0.0064 .989 . . 0.1399 11 CL14 CL12 17 0.0189 .970 . . 0.1501 10 CL15 CL16 9 0.0036 .966 . . 0.1614 9 北京 CL13 3 0.0012 .965 . . 0.1659 8