SPSS保险业案例分析.pdf

《SPSS保险业案例分析.pdf》由会员分享，可在线阅读，更多相关《SPSS保险业案例分析.pdf（13页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、 精品归纳 保险业案例分析 键入作者姓名 保险业案例分析 按照我国目前保险业的惯例，对于财产保险公司，可以用 5 个变量来描述其保险业务情况：保费收入、储金、赔案件数、赔款支出和未决赔款。其中，保费收入和赔款支出按保险标的特点分别又分为 9 个组成部分。因此，通过对我国各个财产保险公司的基本情况进行各种分析，一方面找出构成财产保险公司基本特征的各变量之间的内在联系，另一方面找出各财产保险公司的共同特征或相异之处也就显得尤为重要。为了找出构成财产保险公司基本特征的各变量之间的内在联系以及找出各财产保险公司的共同特征或相异之处，我们需要分析一下几个方面：1、研究保费收入合计、赔款支出合计和公司总人

2、数三变量之间的简单相关关系。2、在控制“保费收入合计”前提下，对企业财产保险保费收入、机动车辆保险保费收入、货物运输保险保费收入、责任保险保费收入、信用保证保险保费收入、农业保险保费收入、短期健康保险保费收入、意外伤害保险保费收入、其他保险保费收入 9 项保费收入进行偏相关分析。3、以赔款支出合计为因变量，以男、女、博士、硕士、学士、大专、中专以下、高级、中级、初级、三十五岁以下、三十六岁到四十五岁、四十六岁以上为自变量，进行多元线性回归。4、分析构成保费收入的 9 个变量的共同特征（提取公因子）。5、使用构成赔款支出的 9 个变量对各个财产保险公司进行 K均值聚类。针对上述分析的目的，在此主

3、要采用以下几种方法：、双变量相关性分析 偏相关分析 多元线性回归分析 因子分析 K-均值聚类分析 具体分析流程如下：（一）先对研究保费收入合计、赔款支出合计和公司总人数三变量进行双变量相关性分析，来尝试找出变量之间的简单相关关系。在进行相关回归之前，先做散点图，来初步确定变量之间是否存在相关趋势。散点图的结果如下所示：从散点图中可以看出，这三个变量两两之间都存在着线性相关关系。之后再对这三个变量进行双变量相关性分析，得出的结果如下所示：描述性统计量 均值标准差N保费收入合计42赔款支出合计42总人数42 相关性 保费收入合计赔款支出合计总人数保费收入合计Pearson 相关性1.992*.79

4、6*显著性（双侧）.000.000N424242赔款支出合计Pearson 相关性.992*1.796*显著性（双侧）.000.000N424242总人数Pearson 相关性.796*.796*1显著性（双侧）.000.000 N424242*.在.01 水平（双侧）上显著相关。从上表中可以看出来，三个变量的样本数都是 42，保费收入和赔款支出之间 Pearson相关系数为，即保费收入和赔款支出的相关系数为；保费收入和总人数的 Pearson 相关系数为；赔款支出和总人数的 Pearson 相关系数也为。所以可以看出，保费收入合计、赔款支出合计和公司总人数三变量之间两两都存在着正相关关系。（

5、二）在控制“保费收入合计”前提下，对企业财产保险保费收入、机动车辆保险保费收入、货物运输保险保费收入、责任保险保费收入、信用保证保险保费收入、农业保险保费收入、短期健康保险保费收入、意外伤害保险保费收入、其他保险保费收入 9 项保费收入进行偏相关分析。得出的结果如下所示：描述性统计量 均值标准差N企业财产保险保费收入42机动车辆保险保费收入42货物运输保险保费收入42责任保险保费收入42信用保证保险保费收入42农业保险保费收入42短期健康保险保费收入42意外伤害保险保费收入42其他保险保费收入42保费收入合计42 相关性控制变量企业财产保险保费收入机动车辆保险保费收入货物运输保险保费收入责任保

6、险保费收入信用保证保险保费收入农业保险保费收入短期健康保险保费收入意外伤害保险保费收入其他保险保费收入保费收入合计企业财产保险保费收入相关性.257.870.585.161.853显著性（双侧）.104.000.000.413.138.320.314.000df03939393939393939机动车辆相关性.257.163.179.172.303.353.199保险保费收入显著性（双侧）.104.309.264.106.282.054.023.212df39039393939393939货物运输保险保费收入相关性.870.163.682.784显著性（双侧）.000.309.000.485.

7、419.258.994.000df39390393939393939责任保险保费收入相关性.585.179.682.214.170.414显著性（双侧）.000.264.000.682.179.288.017.007df39393903939393939信用保证保险保费收入相关性显著性（双侧）.413.106.485.682.834.818.231.475df39393939039393939农业保险保费收入相关性.172.214.324显著性（双侧）.138.282.419.179.834.039.005.066df39393939390393939短期健康保险保费收入相关性.303.170

8、.324显著性（双侧）.320.054.258.288.818.039.356.581df39393939393903939意外伤害保险保费收入相关性.161.353.283显著性（双侧）.314.023.994.017.231.005.356.073df39393939393939039其他保险保费收入相关性.853.199.784.414.283显著性（双侧）.000.212.000.007.475.066.581.073.df39393939393939390从上表中可以看出：企业财产保险保费收入对于机动车辆保险保费收入、货物运输保险保费收入、责任保险保费收入、信用保证保险保费收入、农业

9、保险保费收入、短期健康保险保费收入、意外伤害保险保费收入、其他保险保费收入的相关性依次为、。可以看出，企业财产保险保费收入相对于货物运输保险保费收入、责任保险保费收入、其他保险保费收入的相关性比较大，呈现正相关，而与其他的因素相关性不太明显。机动车辆保险保费收入对于货物运输保险保费收入、责任保险保费收入、信用保证保险保费收入、农业保险保费收入、短期健康保险保费收入、意外伤害保险保费收入、其他保险保费收入的相关性依次为、。可以看出，机动车辆保险保费收入对于各个因素之间的相关性都不是特别高。货物运输保险保费收入对于责任保险保费收入、信用保证保险保费收入、农业保险保费收入、短期健康保险保费收入、意外

10、伤害保险保费收入、其他保险保费收入的相关性依次为、.可以看出货物运输保险保费收入对于责任保险保费收入、其他保险保费收入的相关性比较大，呈现正相关的趋势，而对于其他的因素相关性不太明显。责任保险保费收入对于信用保证保险保费收入、农业保险保费收入、短期健康保险保费收入、意外伤害保险保费收入、其他保险保费收入的相关性依次为、。可以看出责任保险保费收入对于其他保险保费收入呈现正相关态势，与意外伤害保险保费收入呈现负相关态势，而对于其他的因素相关性不太明显。信用保证保险保费收入对于农业保险保费收入、短期健康保险保费收入、意外伤害保险保费收入、其他保险保费收入的相关性依次为、。可以看出信用保证保险保费收入

11、对于其他的因素都呈现负相关关系，然而相关性并不明显。农业保险保费收入对于短期健康保险保费收入、意外伤害保险保费收入、其他保险保费收入的相关性依次为、-、.290。可以看出农业保险保费收入对于短期健康保险保费收入呈现正相关，对于意外伤害保险保费收入、其他保险保费收入呈现负相关。短期健康保险保费收入对于意外伤害保险保费收入、其他保险保费收入的相关性依次为、，可以看出相关性并不明显。意外伤害保险保费收入对于其他保险保费收入的相关性系数为，相关性并不明显。（三）以赔款支出合计为因变量，以男、女、博士、硕士、学士、大专、中专以下、高级、中级、初级、三十五岁以下、三十六岁到四十五岁、四十六岁以上为自变量，

12、进行多元线性回归。得出的结果如下所示：输入移去的变量a模型输入的变量移去的变量方法1中级.步进（准则:F-to-enter 的概率=.100）。2中专以下.步进（准则:F-to-enter 的概率=.100）。3博士.步进（准则:F-to-enter 的概率=.100）。4初级.步进（准则:F-to-enter 的概率=.100）。a.因变量:赔款支出合计 模型汇总e模型RR 方调整 R 方标准 估计的误差Durbin-Watson1.985a.971.970 2.990b.980.979 3.996c.992.991 4.997d.994.993a.预测变量:(常量),中级。b.预测变量:(

13、常量),中级,中专以下。c.预测变量:(常量),中级,中专以下,博士。d.预测变量:(常量),中级,中专以下,博士,初级。e.因变量:赔款支出合计 Anovae模型平方和df均方FSig.1回归1.000a残差.15640 总计41 2回归2.000b残差.63739 总计41 3回归3.000c残差.31338 总计41 4回归4.000d残差.68037 总计41 a.预测变量:(常量),中级。b.预测变量:(常量),中级,中专以下。c.预测变量:(常量),中级,中专以下,博士。d.预测变量:(常量),中级,中专以下,博士,初级。e.因变量:赔款支出合计 系数a模型非标准化系数标准系数tS

14、ig.B标准 误差试用版1(常量).596.555中级.078.985.0002(常量).433中级.097.876.000中专以下.322.074.147.0003(常量).257中级.069.954.000中专以下.428.050.195.000博士.0004(常量).747.460中级.084.000中专以下.571.059.260.000博士.000初级.070.001a.因变量:赔款支出合计从上表中可以看出，只有剩下中级、中专以下、博士、初级这些因素，所以这些变量与因变量之间都存在着线性关系。而从系数表中可以看出来，中级与与因变量赔款支出合计之间存在正相关关系；中级和中专以下两者与因

15、变量之间存在负相关关系；中级、中专以下、博士三者与因变量存在正相关关系；中级、中专以下、博士、初级四者与因变量存在正相关关系。（四）分析构成保费收入的 9 个变量的共同特征 此处采用因子分析，得出的结果如下所示：KMO 和 Bartlett 的检验取样足够度的 Kaiser-Meyer-Olkin 度量。.899Bartlett 的球形度检验近似卡方df36Sig.000 公因子方差 初始提取企业财产保险保费收入.977机动车辆保险保费收入.985货物运输保险保费收入.965责任保险保费收入.965信用保证保险保费收入农业保险保费收入.759短期健康保险保费收入.889意外伤害保险保费收入.9

16、00其他保险保费收入.962提取方法：主成份分析。解释的总方差成份初始特征值提取平方和载入旋转平方和载入合计方差的%累积%合计方差的%累积%合计方差的%累积%123.328 4.131 5.094 6.022.250 7.010.114 8.007.077 9.005.050 提取方法：主成份分析。旋转成份矩阵a 成份12企业财产保险保费收入.988.008机动车辆保险保费收入.992.003货物运输保险保费收入.983.007责任保险保费收入.982.021信用保证保险保费收入.008农业保险保费收入.871.021短期健康保险保费收入.942.024意外伤害保险保费收入.948其他保险保费

17、收入.981.005提取方法:主成份。旋转法:具有 Kaiser 标准化的正交旋转法。a.旋转在 3 次迭代后收敛。从上述表中可以看出，KMO 指标为，明显，所以适宜做因子分析，而特征值 Sig.为也证实了适合进行做因子分析。公因子表中，各个指标的提取率都比较高，解释的总方差表中可以看出，只有前两个成分的特征值大于 1，且这两个成分的累计贡献率为%，所以可以提取出 2 个因子，从碎石图中也可证这个结果。最后看旋转成分矩阵，可以提出两个因子。因子 1 中只有信用保证保险保费收入的值较小，可以命名为无关信用因子；因子 2 中只有信用保证保险保费收入的值较高，可以命名为信用因子。（五）使用构成赔款支

18、出的 9 个变量对各个财产保险公司进行 K均值聚类。得出的结果如下所示：初始聚类中心 聚类1234企业财产保险赔款支出.00机动车辆保险赔款支出.00货物运输保险赔款支出.00责任保险赔款支出.00信用保证保险赔款支出.00农业保险赔款支出.00短期健康保险赔款支出.00意外伤害保险赔款支出.00其他保险赔款支出.00 迭代历史记录a迭代聚类中心内的更改12341.0002.000.000.000.000a.由于聚类中心内没有改动或改动较小而达到收敛。任何中心的最大绝对坐标更改为.000。当前迭代为 2。初始中心间的最小距离为。聚类成员案例号聚类距离11.0002233425262728494

19、104112123132142153162172183192202212222232242252262272282292302312322332342352362372382392402412422 最终聚类中心 聚类1234企业财产保险赔款支出机动车辆保险赔款支出货物运输保险赔款支出责任保险赔款支出信用保证保险赔款支出农业保险赔款支出短期健康保险赔款支出意外伤害保险赔款支出其他保险赔款支出 最终聚类中心间的距离聚类12341 2 3 4 ANOVA 聚类误差FSig.均方df均方df企业财产保险赔款支出338.000机动车辆保险赔款支出338.000货物运输保险赔款支出338.000责任保险

20、赔款支出338.000信用保证保险赔款支出338.000农业保险赔款支出338.001短期健康保险赔款支出338.000意外伤害保险赔款支出338.000其他保险赔款支出338.000F 检验应仅用于描述性目的，因为选中的聚类将被用来最大化不同聚类中的案例间的差别。观测到的显著性水平并未据此进行更正，因此无法将其解释为是对聚类均值相等这一假设的检验。每个聚类中的案例数聚类1234有效缺失.000所以最后看出，总共聚出了 4 类，第 1 类为人保保险；第 2 类为机构 2、4、5、6、7、11、13、14、16、17、19-42；第 3 类为保险机构 3、12、15、18；第 4 类为保险机构 8、9、10。并且 ANOVA 表中显示，特征值 Sig.小于等于，所以结果显著。综上所示，我认为通过对我国各个财产保险公司的基本情况进行各种分析，可以看出构成财产保险公司基本特征的各变量之间大多存在线性相关关系，各财产保险公司之间构成保费的公共因子为无关信用因子以及信用因子；构成赔款支出的 9 个变量对各个财产保险公司聚成了 4 类。