SPSS關(guān)于我國保險業(yè)的統(tǒng)計分析_第1頁
SPSS關(guān)于我國保險業(yè)的統(tǒng)計分析_第2頁
SPSS關(guān)于我國保險業(yè)的統(tǒng)計分析_第3頁
SPSS關(guān)于我國保險業(yè)的統(tǒng)計分析_第4頁
SPSS關(guān)于我國保險業(yè)的統(tǒng)計分析_第5頁
已閱讀5頁,還剩21頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、沈陽理工大學(xué)學(xué)士學(xué)位論文成績評定表學(xué)生姓名王柳班級學(xué)號1309050109專業(yè)應(yīng)用統(tǒng)計學(xué)課程設(shè)計題目我國各保險業(yè)基本情況的統(tǒng)計分析評語組長簽字:成績?nèi)掌?0 年月日課程設(shè)計任務(wù)書學(xué)院理學(xué)院專業(yè)應(yīng)用統(tǒng)計學(xué)學(xué)生姓名王柳班級學(xué)號1309050109課程設(shè)計題目我國各保險業(yè)基本情況的統(tǒng)計分析實踐教學(xué)要求與任務(wù):設(shè)計要求(技術(shù)參數(shù)):1、熟練掌握統(tǒng)計軟件的操作使用方法。2、根據(jù)所選題目及調(diào)研所得數(shù)據(jù),運(yùn)用統(tǒng)計分析知識,建立數(shù)據(jù)分析的統(tǒng)計模型。3、掌握利用統(tǒng)計分析理論知識解決實際問題的一般步驟。4、運(yùn)用統(tǒng)計軟件,對模型求解,對結(jié)果進(jìn)行分析并得出結(jié)論。設(shè)計任務(wù):1、運(yùn)用統(tǒng)計學(xué)有關(guān)知識及對我國各個保險業(yè)基本情

2、況的統(tǒng)計分析;2、利用統(tǒng)計軟件編程求解,并對結(jié)果進(jìn)行恰當(dāng)?shù)慕忉?。工作計劃與進(jìn)度安排:第一天第二天學(xué)習(xí)使用統(tǒng)計軟件并選題第三天第四天查閱資料第五天第六天建立模型,進(jìn)行數(shù)據(jù)分析第七天第九天上機(jī)編程求解并完成論文第十天答辯指導(dǎo)教師: 2016 年 月 日專業(yè)負(fù)責(zé)人:2016 年 月 日學(xué)院教學(xué)副院長:2016 年 月 日摘 要自改革開放以來,我國的保險業(yè)一直處于高速發(fā)展?fàn)顟B(tài),作為社會保障及金融體系的重要組成部分,有著不可替代的作用。但是與發(fā)達(dá)國家保險市場相比,我國的保險業(yè)還存在著許多不完善的地方,而且我國的保險業(yè)在地域發(fā)展上也存在著巨大的差距。 保險數(shù)據(jù)分析是統(tǒng)計學(xué)的一個重要應(yīng)用領(lǐng)域,從前期的保費(fèi)核

3、定工作開始,再經(jīng)過一系列風(fēng)險評估、賠付率計算,到后期的保費(fèi)收入、報案量、結(jié)案量預(yù)測,統(tǒng)計理論貫穿始終。隨著保險業(yè)規(guī)模的不斷擴(kuò)大,各保險公司數(shù)據(jù)激增,亦趨于多元化,致使分析難度加大。運(yùn)用合理的統(tǒng)計理論和方法對保險業(yè)中的相關(guān)數(shù)據(jù)進(jìn)行統(tǒng)計分析,探索保險業(yè)的發(fā)展規(guī)律,對指導(dǎo)我國保險業(yè)的健康發(fā)展具有重要意義。 本文運(yùn)用統(tǒng)計學(xué)的理論和方法,針對我國保險業(yè)中的具體問題進(jìn)行了探索研究。具體來說, 我們首先采用回歸分析研究保費(fèi)收入、儲金、賠案件數(shù)、賠款支出、未決賠款、公司總?cè)藬?shù)、人員構(gòu)成等變量之間的關(guān)系;然后使用因子分析對構(gòu)成保費(fèi)收入和賠款支出的各個變量提取因子;最后使用聚類分析依照人員構(gòu)成特點、保費(fèi)收入、賠款

4、支出等變量對各財產(chǎn)保險公司進(jìn)行聚類。關(guān)鍵詞:回歸分析;因子分析;聚類分析;目錄1保險業(yè)分析11.1保險業(yè)分析的研究背景11.2保險業(yè)分析的研究方法12課題設(shè)計22.1數(shù)據(jù)來源22.2 數(shù)據(jù)導(dǎo)入23數(shù)據(jù)分析過程33.1回歸分析33.2因子分析33.3聚類分析44保險業(yè)分析結(jié)論64.1 回歸分析結(jié)果64.2 因子分析結(jié)果124.3 聚類分析結(jié)果175結(jié)論21參考文獻(xiàn)22II1保險業(yè)分析1.1保險業(yè)分析的研究背景進(jìn)入21世紀(jì)以來,我國保險業(yè)持續(xù)快速發(fā)展,保險機(jī)構(gòu)個數(shù)和保險業(yè)從業(yè)人數(shù)不斷增加。無論是保險機(jī)構(gòu)個數(shù)還是保險業(yè)從業(yè)人數(shù)都呈現(xiàn)出持續(xù)快速的增長趨勢。伴隨著保險機(jī)構(gòu)和從業(yè)人員的不斷增加,保險業(yè)的保

5、費(fèi)收入也持續(xù)增長,使得我國保險業(yè)呈現(xiàn)出良好的發(fā)展態(tài)勢。不管是財產(chǎn)保險公司,還是人壽保險公司,其保費(fèi)收入都在不斷增長。在這種大背景下對我國目前的保險業(yè)進(jìn)行研究,不論是對于促進(jìn)我國保險業(yè)又好又快地發(fā)展,還是對于充分發(fā)揮保險業(yè)對于發(fā)展國民經(jīng)濟(jì)和改善居民生活的作用,都有著極為重要的意義。1.2保險業(yè)分析的研究方法按照我國目前保險業(yè)的慣例,對于財產(chǎn)保險公司,可以用5個變量來描述其保險業(yè)務(wù)情況:保費(fèi)收入、儲金、賠案件數(shù)、賠款支出、未決賠款。其中保費(fèi)收入又按保險的特點分為企業(yè)財產(chǎn)保險費(fèi)用收入、機(jī)動車輛保險保費(fèi)收入、貨物運(yùn)輸保險保費(fèi)收入、責(zé)任保險保費(fèi)收入、信用保證保險保費(fèi)收入、農(nóng)業(yè)保險保費(fèi)收入、短期健康保險保

6、費(fèi)收入、意外傷害保險保費(fèi)收入、其他保險保費(fèi)收入等9個部分;賠款支出也按保險的特點分為企業(yè)財產(chǎn)保險費(fèi)用支出、機(jī)動車輛保險保費(fèi)支出、貨物運(yùn)輸保險保費(fèi)支出、責(zé)任保險保費(fèi)支出、信用保證保險保費(fèi)支出、農(nóng)業(yè)保險保費(fèi)支出、短期健康保險保費(fèi)支出、意外傷害保險保費(fèi)支出、其他保險保費(fèi)支出等9個組成部分,所以在進(jìn)行分析研究的時候,考慮的關(guān)于保險業(yè)務(wù)的變量也與這些敘述相吻合。采用的數(shù)據(jù)分析方法主要有回歸分析、因子分析、聚類分析?;舅悸肥牵菏紫炔捎没貧w分析研究保費(fèi)收入、儲金、賠案件數(shù)、賠款支出、未決賠款、公司總?cè)藬?shù)、人員構(gòu)成等變量之間的關(guān)系;然后使用因子分析對構(gòu)成保費(fèi)收入和賠款支出的各個變量提取因子;最后使用聚類分析

7、依照人員構(gòu)成特點、保費(fèi)收入、賠款支出等變量對各財產(chǎn)保險公司進(jìn)行聚類。2課題設(shè)計2.1數(shù)據(jù)來源 本次研究的數(shù)據(jù)來自于各保險公司人員結(jié)構(gòu)情況.2014.中國保險年鑒、各財產(chǎn)保險公司業(yè)務(wù)統(tǒng)計.2014.中國保險年鑒。2.2 數(shù)據(jù)導(dǎo)入由于本課題中數(shù)據(jù)量過大,只截取其中的一部分,完整數(shù)據(jù)請參照數(shù)據(jù)來源。保險機(jī)構(gòu)保費(fèi)收入合計企業(yè)財產(chǎn)保險保費(fèi)收入機(jī)動車輛保險保費(fèi)收入貨物運(yùn)輸保險保費(fèi)收入責(zé)任保險保費(fèi)收入信用保證保險保費(fèi)收入人保財險88428.828867.3062091.022978.793611.04243.25國壽財險789.1971.81639.668.9328.70.17大地10028.40576.3

8、27669.14171.47243.1122.93太平財險5483.00809.003280.00201.00498.0061.00中國信保3413.55278.602686.61115.9979.60-12.42陽光產(chǎn)險3240.77.00.00.00.003240.77中華聯(lián)合4153.46279.143338.9671.7774.44.78太保產(chǎn)險18342.07670.3214752.22149.45307.59.09平安產(chǎn)險23433.042796.6116474.97895.06518.25-87.06華泰財險21449.532346.2515165.45641.81615.768

9、8.56天安保險2563.63237.881245.99196.24138.672.02大眾7371.40350.036556.8685.37118.04.00華安1280.15157.99944.6444.8322.394.57永安11301.9050.95619.9710.4911.89-7.60永誠5533.49228.324766.0236.67113.3416.31安信農(nóng)險1505.61438.94838.2911.7637.74.20.安邦財險276.6222.3533.41.252.45.003數(shù)據(jù)分析過程3.1回歸分析1、以“保費(fèi)收入合計”為因變量進(jìn)行線性回歸操作步驟如下:(1

10、)選擇分析/回歸/線性命令(2)選擇進(jìn)行簡單線性回歸分析的變量。在“線性回歸”對話框的左側(cè)列表框中選中“保費(fèi)收入合計”選入“因變量”列表框,選中“男”“女”“博士”“碩士”“學(xué)士”“大?!薄爸袑R韵隆薄案呒墶薄爸屑墶薄俺跫墶薄叭鍤q以下”“三十六歲到四十五歲”“四十六歲以上”進(jìn)入“自變量”列表框,最后在“自變量”下方的“方法”下拉表中采用“逐步”法進(jìn)行回歸。(3)其他設(shè)置使用系統(tǒng)默認(rèn)值即可。(4)設(shè)置完畢后,單機(jī)“確定”按鈕,得到輸出結(jié)果。2.以“賠款支出合計”為因變量進(jìn)行線性回歸操作步驟如下:(1)選擇分析/回歸/線性命令(2)選擇進(jìn)行簡單線性回歸分析的變量。在“線性回歸”對話框的左側(cè)列表

11、框中選中“賠款支出合計”選入“因變量”列表框,選中“男”“女”“博士”“碩士”“學(xué)士”“大專”“中專以下”“高級”“中級”“初級”“三十五歲以下”“三十六歲到四十五歲”“四十六歲以上”進(jìn)入“自變量”列表框,最后在“自變量”下方的“方法”下拉表中采用“逐步”法進(jìn)行回歸。(3)其他設(shè)置使用系統(tǒng)默認(rèn)值即可。(4)設(shè)置完畢后,單機(jī)“確定”按鈕,得到輸出結(jié)果。3.2因子分析1.使用構(gòu)成保費(fèi)收入的各個變量提取公因子操作步驟如下:(1)選擇分析/降維/因子分析命令(2)選擇進(jìn)行因子分析的變量。在“因子分析”對話框的左側(cè)列表框中選擇“企業(yè)財產(chǎn)保險費(fèi)用收入”“機(jī)動車輛保險保費(fèi)收入”“貨物運(yùn)輸保險保費(fèi)收入”“責(zé)任

12、保險保費(fèi)收入”“信用保證保險保費(fèi)收入”“農(nóng)業(yè)保險保費(fèi)收入”“短期健康保險駁費(fèi)收入”“意外傷害保險保費(fèi)收入”“其他保險保費(fèi)收入”選入“變量”列表框。(3)選擇輸出系數(shù)相關(guān)矩陣。單擊“因子分析”對話框的“描述”按鈕,在“相關(guān)矩陣”選項組中選中“KMO和Bartlett的球形度檢驗”,單擊“繼續(xù)”按鈕返回“因子分析”對話框(4)設(shè)置對提取公因子的要求及相關(guān)輸出內(nèi)容。單擊“因子分析”對話框的“抽取”按鈕,在“輸出”選項組中選中“碎石圖”,單擊“繼續(xù)”按鈕返回“因子分析”對話框。(5)設(shè)置因子旋轉(zhuǎn)方法。單擊“因子分析”對話框中“旋轉(zhuǎn)”按鈕,在“方法”選項組中選中“最大方差法”。(6)設(shè)置有關(guān)因子得分的選

13、項。單擊“因子分析”對話框中“得分”按鈕,在本對話框中選中“保存為變量”“顯示因子得分系數(shù)矩陣”然后單擊“繼續(xù)”按鈕返回“因子分析”對話框。(7)其他設(shè)置使用系統(tǒng)默認(rèn)值即可。(4)設(shè)置完畢后,單機(jī)“確定”按鈕,得到輸出結(jié)果。2. 對構(gòu)成賠款支出的各個變量提取公因子操作步驟如下:(1)選擇分析/降維/因子分析命令(2)選擇進(jìn)行因子分析的變量。在“因子分析”對話框的左側(cè)列表框中選擇“企業(yè)財產(chǎn)保險費(fèi)用”“機(jī)動車輛保險保費(fèi)支出”“貨物運(yùn)輸保險保費(fèi)支出”“責(zé)任保險保費(fèi)支出”“信用保證保險保費(fèi)支出”“農(nóng)業(yè)保險保費(fèi)支出”“短期健康保險駁費(fèi)支出”“意外傷害保險保費(fèi)支出”“其他保險保費(fèi)支出”選入“變量”列表框。

14、(3)選擇輸出系數(shù)相關(guān)矩陣。單擊“因子分析”對話框的“描述”按鈕,在“相關(guān)矩陣”選項組中選中“KMO和Bartlett的球形度檢驗”,單擊“繼續(xù)”按鈕返回“因子分析”對話框(4)設(shè)置對提取公因子的要求及相關(guān)輸出內(nèi)容。單擊“因子分析”對話框的“抽取”按鈕,在“輸出”選項組中選中“碎石圖”,單擊“繼續(xù)”按鈕返回“因子分析”對話框。(5)設(shè)置因子旋轉(zhuǎn)方法。單擊“因子分析”對話框中“旋轉(zhuǎn)”按鈕,在“方法”選項組中選中“最大方差法”。(6)設(shè)置有關(guān)因子得分的選項。單擊“因子分析”對話框中“得分”按鈕,在本對話框中選中“保存為變量”“顯示因子得分系數(shù)矩陣”然后單擊“繼續(xù)”按鈕返回“因子分析”對話框。(7)

15、其他設(shè)置使用系統(tǒng)默認(rèn)值即可。(4)設(shè)置完畢后,單機(jī)“確定”按鈕,得到輸出結(jié)果。3.3聚類分析1.使用構(gòu)成保費(fèi)收入的各個變量對各個保險公司進(jìn)行聚類操作步驟如下:(1)選擇分析/聚類/分類/K均值聚類命令(2)選擇進(jìn)行聚類分析的變量。在“K均值聚類分析”對話框的左側(cè)列表框中選中“保險機(jī)構(gòu)”選入“個案標(biāo)記依據(jù)”列表框,選擇“企業(yè)財產(chǎn)保險費(fèi)用收入”“機(jī)動車輛保險保費(fèi)收入”“貨物運(yùn)輸保險保費(fèi)收入”“責(zé)任保險保費(fèi)收入”“信用保證保險保費(fèi)收入”“農(nóng)業(yè)保險保費(fèi)收入”“短期健康保險駁費(fèi)收入”“意外傷害保險保費(fèi)收入”“其他保險保費(fèi)收入”選入“變量”列表框。在編輯框“聚類數(shù)”中,輸入聚類分析的類別數(shù)4,其他選擇默認(rèn)

16、值(3)設(shè)置輸出及缺失值處理方法。單擊“K均值聚類分析”對話框的“選項”按鈕,在“統(tǒng)計量”復(fù)選框選中全部三個復(fù)選框,在“缺失值”選項組中選中默認(rèn)值即可。設(shè)置完畢后,單擊“繼續(xù)”按鈕返回“K均值聚類分析”對話框(3)其他設(shè)置使用系統(tǒng)默認(rèn)值即可。(4)設(shè)置完畢后,單機(jī)“確定”按鈕,得到輸出結(jié)果。2.使用構(gòu)成賠款支出的各個變量對各個財險公司進(jìn)行聚類操作步驟如下:(1)選擇分析/聚類/分類/K均值聚類命令(2)選擇進(jìn)行聚類分析的變量。在“K均值聚類分析”對話框的左側(cè)列表框中選中“保險機(jī)構(gòu)”選入“個案標(biāo)記依據(jù)”列表框,選擇“企業(yè)財產(chǎn)保險費(fèi)用支出”“機(jī)動車輛保險保費(fèi)支出”“貨物運(yùn)輸保險保費(fèi)支出”“責(zé)任保險

17、保費(fèi)支出”“信用保證保險保費(fèi)支出”“農(nóng)業(yè)保險保費(fèi)支出”“短期健康保險駁費(fèi)支出”“意外傷害保險保費(fèi)支出”“其他保險保費(fèi)支出”選入“變量”列表框。在編輯框“聚類數(shù)”中,輸入聚類分析的類別數(shù)4,其他選擇默認(rèn)值(3)設(shè)置輸出及缺失值處理方法。單擊“K均值聚類分析”對話框的“選項”按鈕,在“統(tǒng)計量”復(fù)選框選中全部三個復(fù)選框,在“缺失值”選項組中選中默認(rèn)值即可。設(shè)置完畢后,單擊“繼續(xù)”按鈕返回“K均值聚類分析”對話框(3)其他設(shè)置使用系統(tǒng)默認(rèn)值即可。(4)設(shè)置完畢后,單機(jī)“確定”按鈕,得到輸出結(jié)果。4保險業(yè)分析結(jié)論4.1 回歸分析結(jié)果1、以“保費(fèi)收入合計”為因變量進(jìn)行線性回歸分析表4.1.1 變量的輸入或

18、移去情況變量的輸入或者移去情況模型變數(shù)已輸入變數(shù)已移除方法1四十六歲以上.逐步(準(zhǔn)則:F-to-enter 的機(jī)率<= .050,F(xiàn)-to-remove 的機(jī)率>= .100)。2中專以下.逐步(準(zhǔn)則:F-to-enter 的機(jī)率<= .050,F(xiàn)-to-remove 的機(jī)率>= .100)。3女.逐步(準(zhǔn)則:F-to-enter 的機(jī)率<= .050,F(xiàn)-to-remove 的機(jī)率>= .100)。4男.逐步(準(zhǔn)則:F-to-enter 的機(jī)率<= .050,F(xiàn)-to-remove 的機(jī)率>= .100)。5碩士.逐步(準(zhǔn)則:F-to-ente

19、r 的機(jī)率<= .050,F(xiàn)-to-remove 的機(jī)率>= .100)。6四十六歲以上.逐步(準(zhǔn)則:F-to-enter 的機(jī)率<= .050,F(xiàn)-to-remove 的機(jī)率>= .100)。7博士.逐步(準(zhǔn)則:F-to-enter 的機(jī)率<= .050,F(xiàn)-to-remove 的機(jī)率>= .100)。a. 因變量: 保費(fèi)收入合計表4.1.1給出了變量進(jìn)入回歸模型或退出模型的情況。本題采用逐步法,所以顯示的是依次進(jìn)入模型的變量以及進(jìn)入與剔除的判別準(zhǔn)則。表4.1.2模型摘要模型摘要模型RR 平方調(diào)整後 R 平方標(biāo)準(zhǔn)偏斜度錯誤1.985a.970.970249

20、3.521682.989b.977.9762219.715133.993c.986.9851780.082954.994d.988.9861668.024015.995e.990.9891497.818416.996f.992.9901408.257787.996g.993.9911338.51340表4.1.2給出了隨著變量進(jìn)入依次形成的7個模型的擬合情況。可以發(fā)現(xiàn)7個模型修正的可決系數(shù)(調(diào)整的R方)在依次遞增,而且都在0.97以上,所以,模型的擬合情況非常好。表4.1.3 方差分析表方差分析表模型平方和df平均值平方F顯著性1迴歸8165998655.01318165998655.0131

21、313.358.000b殘差248706015.590406217650.390總計8414704670.603412迴歸8222546394.72324111273197.361834.415.000c殘差192158275.880394927135.279總計8414704670.603413迴歸8294294249.05532764764749.685872.525.000d殘差120410421.548383168695.304總計8414704670.603414迴歸8311759419.49442077939854.873746.841.000e殘差102945251.110372

22、782304.084總計8414704670.603415迴歸8333940110.51451666788022.103742.954.000f殘差80764560.090362243460.002總計8414704670.603416迴歸8345293021.89061390882170.315701.336.000g殘差69411648.713351983189.963總計8414704670.603417迴歸8353789654.71271193398522.102666.101.000h殘差60915015.892341791618.114總計8414704670.60341a. 應(yīng)變

23、數(shù): 保費(fèi)收入合計b. 預(yù)測值:(常數(shù)),中級c. 預(yù)測值:(常數(shù)),中級, 高級d. 預(yù)測值:(常數(shù)),中級, 高級, 大專e. 預(yù)測值:(常數(shù)),中級, 高級, 大專, 三十六歲到四十五歲f. 預(yù)測值:(常數(shù)),中級, 高級, 大專, 三十六歲到四十五歲, 中專以下g. 預(yù)測值:(常數(shù)),中級, 高級, 大專, 三十六歲到四十五歲, 中專以下, 博士h. 預(yù)測值:(常數(shù)),中級, 高級, 大專, 三十六歲到四十五歲, 中專以下, 博士, 四十六歲以上表4.1.3給出了隨著變量的進(jìn)入依此形成的7個模型的方差分析結(jié)果。可以發(fā)現(xiàn)p值一直為0.000,模型的整體極為顯著。表4.1.4系數(shù)系數(shù)模型非

24、標(biāo)準(zhǔn)化係數(shù)標(biāo)準(zhǔn)化係數(shù)T顯著性B標(biāo)準(zhǔn)錯誤Beta1(常數(shù))749.905404.9061.852.071中級5.391.149.98536.240.0002(常數(shù))996.009367.6922.709.010中級7.301.5791.33412.604.000高級-17.8125.258-.359-3.388.0023(常數(shù))500.422312.7201.600.118中級8.063.4911.47416.410.000高級-33.3645.335-.672-6.254.000大專.492.103.2034.758.0004(常數(shù))578.575294.6901.963.057中級11.14

25、41.3132.0368.488.000高級-48.9887.992-.986-6.129.000大專1.526.424.6283.601.001三十六歲到四十五歲-1.905.760-.641-2.505.0177(常數(shù))299.011256.8931.164.253中級12.3642.2692.2595.449.000高級-48.0639.662-.968-4.974.000大專2.713.4321.1166.284.000三十六歲到四十五歲-6.2531.240-2.104-5.041.000中專以下1.466.439.3523.338.002博士146.30460.505.1112.4

26、18.021四十六歲以上2.145.985.4052.178.036a. 應(yīng)變數(shù): 保費(fèi)收入合計表4.1.4給出了隨著變量的進(jìn)入依次形成的7個模型的自變量系數(shù)。因為本表太大,所以刪去了中間的一部分,這不影響最后的結(jié)果。可以發(fā)現(xiàn)只有第7個模型的各個自變量系數(shù)是非常顯著的。綜上所述:1.最終模型的表達(dá)式(即第7個模型):保費(fèi)收入合計=12.364*中級-48.063*高級+2.713*大專-6.253*三十六歲到四十五歲+1.466*中專以下+146.304*博士+2.1452.最終模型的擬合度很好,修正決定系數(shù)接近1.3.模型整體顯著,p值為0.0004.在最終模型中,各自變量系數(shù)的顯著性p值都

27、小于0.05,顯著。5.經(jīng)過以上多重線性回歸分析可以發(fā)現(xiàn),我國保險公司的總保費(fèi)收入水平與公司職員的性別并無顯著關(guān)系,與公司職員年齡、職稱、文化水平有一定的顯著關(guān)系。其中中級職稱或者大專、中專以下、博士學(xué)歷或者四十六歲以上的職員對公司的總保費(fèi)收入具有拉動效應(yīng),尤其是博士學(xué)歷的職員,每增加一個單位會帶來對應(yīng)保費(fèi)收入的140多倍的增加;高級職稱或者三十六歲到四十五歲的職員對公司的總保費(fèi)收入具有拖后效應(yīng)。2.以“賠款支出合計”為因變量進(jìn)行線性回歸分析表4.1.5 變量的輸入或移去情況變量的輸入或者移去情況模型變數(shù)已輸入變數(shù)已移除方法1中級.逐步(準(zhǔn)則:F-to-enter 的機(jī)率 <= .050

28、,F(xiàn)-to-remove 的機(jī)率 >= .100)。2中專以下.逐步(準(zhǔn)則:F-to-enter 的機(jī)率 <= .050,F(xiàn)-to-remove 的機(jī)率 >= .100)。3博士.逐步(準(zhǔn)則:F-to-enter 的機(jī)率 <= .050,F(xiàn)-to-remove 的機(jī)率 >= .100)。4初級.逐步(準(zhǔn)則:F-to-enter 的機(jī)率 <= .050,F(xiàn)-to-remove 的機(jī)率 >= .100)。a. 因變量: 賠款支出合計表4.1.5給出了變量進(jìn)入回歸模型或退出模型的情況。本題采用逐步法,所以顯示的是依次進(jìn)入模型的變量以及進(jìn)入與剔除的判別準(zhǔn)則。表

29、4.1.6模型摘要模型摘要模型RR 平方調(diào)整後 R 平方標(biāo)準(zhǔn)偏斜度錯誤1.985a.971.9701303.029302.990b.980.9791081.735953.996c.992.991696.681014.997d.994.993608.45217a. 預(yù)測值:(常數(shù)),中級b. 預(yù)測值:(常數(shù)),中級, 中專以下c. 預(yù)測值:(常數(shù)),中級, 中專以下, 博士d. 預(yù)測值:(常數(shù)),中級, 中專以下, 博士, 初級表4.1.6給出了隨著變量進(jìn)入依次形成的4個模型的擬合情況??梢园l(fā)現(xiàn)4個模型修正的可決系數(shù)(調(diào)整的R方)在依次遞增,而且都在0.97以上,所以,模型的擬合情況非常好。表4

30、.1.7 方差分析表方差分析表模型平方和df平均值平方F顯著性1迴歸2261542996.56812261542996.5681331.976.000b殘差67915414.156401697885.354總計2329458410.724412迴歸2283822457.08721141911228.543975.865.000c殘差45635953.637391170152.657總計2329458410.724413迴歸2311014562.4113770338187.4701587.134.000d殘差18443848.31338485364.429總計2329458410.724414迴

31、歸2315760491.0444578940122.7611563.798.000e殘差13697919.68037370214.045總計2329458410.72441a. 應(yīng)變數(shù): 賠款支出合計b. 預(yù)測值:(常數(shù)),中級c. 預(yù)測值:(常數(shù)),中級, 中專以下d. 預(yù)測值:(常數(shù)),中級, 中專以下, 博士e. 預(yù)測值:(常數(shù)),中級, 中專以下, 博士, 初級表4.1.7給出了隨著變量的進(jìn)入依此形成的4個模型的方差分析結(jié)果。可以發(fā)現(xiàn)p值一直為0.000,模型的整體極為顯著。表4.1.8 方差分析表系數(shù)模型非標(biāo)準(zhǔn)化係數(shù)標(biāo)準(zhǔn)化係數(shù)T顯著性B標(biāo)準(zhǔn)錯誤Beta1(常數(shù))126.112211.

32、590.596.555中級2.837.078.98536.496.0002(常數(shù))-147.941186.546-.793.433中級2.522.097.87626.043.000中專以下.322.074.1474.363.0003(常數(shù))145.512126.3781.151.257中級2.747.069.95439.672.000中專以下.428.050.1958.641.000博士-111.54314.902-.161-7.485.0004(常數(shù))83.429111.727.747.460中級2.958.0841.02735.026.000中專以下.571.059.2609.706.00

33、0博士-116.95913.103-.169-8.926.000初級-.249.070-.132-3.580.001a.因變量: 賠款支出合計表4.1.8給出了隨著變量的進(jìn)入依次形成的4個模型的自變量系數(shù)??梢园l(fā)現(xiàn)只有第4個模型的各個自變量系數(shù)是非常顯著的。綜上所述:1.最終模型的表達(dá)式(即第4個模型):總賠款支出合計=2.958*中級+0.571*中專以下-116.959*博士-0.249*初級+83.4292.最終模型的擬合度很好,修正決定系數(shù)接近1.3.模型整體顯著,p值為0.0004.在最終模型中,各自變量系數(shù)的顯著性p值都小于0.05,顯著。5.經(jīng)過以上多重線性回歸分析可以發(fā)現(xiàn),我國

34、保險公司的賠款支出總水平與公司員工的性別、年齡并無顯著關(guān)系,與公司職員的職稱、文化水平有一定的顯著關(guān)系。其中中級職稱或者中專以下文化水平的職員對公司的總賠款支出具有拉動效應(yīng),初級職稱或者具有博士學(xué)歷的職員對公司的總保費(fèi)收入具有降低效應(yīng),尤其是博士學(xué)歷的職員,每增加一個單位會帶來相應(yīng)賠款支出的116.959倍的減少。4.2 因子分析結(jié)果1.使用構(gòu)成保費(fèi)收入的各個變量提取公因子表4.2.1 KMO 和 Bartlett 的檢驗KMO 和 Bartlett 的檢驗取樣足夠度的 Kaiser-Meyer-Olkin 度量。.899Bartlett 的球形度檢驗近似卡方826.895df36Sig.00

35、0如4.2.1所示,KMO取值為0.899,表明很適合進(jìn)行因子分析。Bartlett檢驗的p值為0.000,說明數(shù)據(jù)來自正太分布總體,適合進(jìn)一步分析。表4.2.2公因子方差公因子方差初始提取企業(yè)財產(chǎn)保險保費(fèi)收入1.000.977機(jī)動車輛保險保費(fèi)收入1.000.985貨物運(yùn)輸保險保費(fèi)收入1.000.965責(zé)任保險保費(fèi)收入1.000.965信用保證保險保費(fèi)收入1.0001.000農(nóng)業(yè)保險保費(fèi)收入1.000.759短期健康保險保費(fèi)收入1.000.889意外傷害保險保費(fèi)收入1.000.900其他保險保費(fèi)收入1.000.962提取方法:主成份分析。如表4.2.2所示,所有變量的共同度都在75%以上,所以

36、提取的這幾個公因子對各個變量的解釋能力還可以。表4.2.3解釋的總方差解釋的總方差成份初始特征值提取平方和載入旋轉(zhuǎn)平方和載入合計方差的 %累積 %合計方差的 %累積 %合計方差的 %累積 %17.40182.23582.2357.40182.23582.2357.40082.22882.22821.00111.12593.3601.00111.12593.3601.00211.13293.3603.3283.64697.0064.1311.45998.4655.0941.04499.5096.022.25099.7597.010.11499.8728.007.07799.9509.005.05

37、0100.000由表4.2.3可知,“初始特征值”一欄顯示只有前兩個特征值大于1,所以只選擇了前兩個公因子;“提取平方和載入”一欄顯示第一個公因子的方差貢獻(xiàn)率是82.235%,前兩個公因子的方差占所有主成分方差的93.360%,由此可見,選前兩個公因子已足夠代替原來的變量,幾乎涵蓋了原變量的全部信息;“旋轉(zhuǎn)平方和載入”一欄顯示的是旋轉(zhuǎn)以后的因子提取結(jié)果,與未旋轉(zhuǎn)之前差別不大。圖4.2.1 碎石圖如圖4.2.1所示,有兩個成分的特征值超過了1,只考慮這兩個成分即可。表4.2.4 旋轉(zhuǎn)成份矩陣旋轉(zhuǎn)成份矩陣a成份12企業(yè)財產(chǎn)保險保費(fèi)收入.988.008機(jī)動車輛保險保費(fèi)收入.992.003貨物運(yùn)輸保險

38、保費(fèi)收入.983.007責(zé)任保險保費(fèi)收入.982.021信用保證保險保費(fèi)收入.0081.000農(nóng)業(yè)保險保費(fèi)收入.871.021短期健康保險保費(fèi)收入.942.024意外傷害保險保費(fèi)收入.948-.028其他保險保費(fèi)收入.981.005如表4.2.4示,第一個因子在除信用保證保險保費(fèi)收入以外的變量上都有較大的載荷,所以其反映的是這些變量信息,第二個因子在信用保證保險保費(fèi)收入上有較大的載荷,反映的是這一變量的信息。表4.2.5 成份得分系數(shù)矩陣成份得分系數(shù)矩陣成份12企業(yè)財產(chǎn)保險保費(fèi)收入.134-.001機(jī)動車輛保險保費(fèi)收入.134-.006貨物運(yùn)輸保險保費(fèi)收入.133-.001責(zé)任保險保費(fèi)收入.1

39、33.012信用保證保險保費(fèi)收入-.008.998農(nóng)業(yè)保險保費(fèi)收入.118.013短期健康保險保費(fèi)收入.127.015意外傷害保險保費(fèi)收入.128-.036其他保險保費(fèi)收入.133-.004提取方法 :主成分分析法。 旋轉(zhuǎn)法 :具有 Kaiser 標(biāo)準(zhǔn)化的正交旋轉(zhuǎn)法。 構(gòu)成得分。表4.2.5給出了成分得分系數(shù)矩陣,據(jù)此可以直接寫出公因子的表達(dá)式。F1=0.134*企業(yè)財產(chǎn)保險費(fèi)用收入+0.134*機(jī)動車輛保險保費(fèi)收入+0.133*貨物運(yùn)輸保險保費(fèi)收入+0.133*責(zé)任保險保費(fèi)收入-0.008*信用保證保險保費(fèi)收入+0.118*農(nóng)業(yè)保險保費(fèi)收入+0.127*短期健康保險駁費(fèi)收入+0.128*意外

40、傷害保險保費(fèi)收入+0.133*其他保險保費(fèi)收入F2=0.000*企業(yè)財產(chǎn)保險費(fèi)用收入-0.006*機(jī)動車輛保險保費(fèi)收入-0.001*貨物運(yùn)輸保險保費(fèi)收入+0.012*責(zé)任保險保費(fèi)收入+0.998*信用保證保險保費(fèi)收入+0.013*農(nóng)業(yè)保險保費(fèi)收入+0.015*短期健康保險駁費(fèi)收入-0.036*意外傷害保險保費(fèi)收入-0.004*其他保險保費(fèi)收入2.對構(gòu)成賠款支出的各個變量提取公因子操作步驟同1得到如下分析結(jié)果:表4.2.6 KMO 和 Bartlett 的檢驗KMO 和 Bartlett 的檢驗取樣足夠度的 Kaiser-Meyer-Olkin 度量。.840Bartlett 的球形度檢驗近似卡

41、方803.914df36Sig.000如表4.2.6所示,KMO的取值為0.840,表明很適合進(jìn)行因子分析。Bartlett檢驗的p值為0.000,說明數(shù)據(jù)來自正態(tài)分布總體,適合進(jìn)一步分析。表4.2.7 公因子方差公因子方差初始提取企業(yè)財產(chǎn)保險賠款支出1.000.970機(jī)動車輛保險賠款支出1.000.967貨物運(yùn)輸保險賠款支出1.000.950責(zé)任保險賠款支出1.000.948信用保證保險賠款支出1.000.392農(nóng)業(yè)保險賠款支出1.000.387短期健康保險賠款支出1.000.912意外傷害保險賠款支出1.000.794其他保險賠款支出1.000.963如表4.2.7所示,大多數(shù)變量共同度都

42、在90%以上,所以提取的這幾個公因子對各變量的解釋能力還可以。表4.2.8 解釋的總方差解釋的總方差成份初始特征值提取平方和載入合計方差的 %累積 %合計方差的 %累積 %17.28480.93180.9317.28480.93180.9312.7147.93488.8663.6036.70595.5704.2312.56698.1375.1181.31699.4536.032.35999.8127.007.08299.8948.006.07299.9669.003.034100.000提取方法:主成份分析。由表4.2.8可知,“初始特征值”一欄顯示只有第一個特征值大于1,所以只選擇了第一個公

43、因子;“提取平方和載入”一欄顯示第一個公因子的方差貢獻(xiàn)率是80.931%。圖4.2.2 碎石圖如圖4.2.2所示,僅有一個成分的特征值超過了1,只考慮這一個成分即可。表4.2.9成份得分系數(shù)矩陣成份得分系數(shù)矩陣成份1企業(yè)財產(chǎn)保險賠款支出.135機(jī)動車輛保險賠款支出.135貨物運(yùn)輸保險賠款支出.134責(zé)任保險賠款支出.134信用保證保險賠款支出.086農(nóng)業(yè)保險賠款支出.085短期健康保險賠款支出.131意外傷害保險賠款支出.122其他保險賠款支出.135提取方法 :主成分分析法。 旋轉(zhuǎn)法 :具有 Kaiser 標(biāo)準(zhǔn)化的正交旋轉(zhuǎn)法。 構(gòu)成得分。F=0.135*企業(yè)財產(chǎn)保險費(fèi)用收入+0.135*機(jī)動

44、車輛保險保費(fèi)收入+0.134*貨物運(yùn)輸保險保費(fèi)收入+0.134*責(zé)任保險保費(fèi)收入+0.086*信用保證保險保費(fèi)收入+0.085*農(nóng)業(yè)保險保費(fèi)收入+0.131*短期健康保險駁費(fèi)收入+0.122*意外傷害保險保費(fèi)收入+0.135*其他保險保費(fèi)收入4.3 聚類分析結(jié)果1.使用構(gòu)成保費(fèi)收入的各個變量對各個保險公司進(jìn)行聚類表4.3.1 對保險收入的聚類情況對保險收入的聚類結(jié)果個案編號保險機(jī)構(gòu)叢集距離1人保財險1.0002國壽財險23304.1673大地41324.9254中國保險43359.2325太平43875.4266中國信保2.0007陽光財險43222.1028中華聯(lián)合33417.6789太保產(chǎn)

45、險3.00010平安產(chǎn)險31557.29811華泰財險23552.87712天安4.00013大眾23376.01714華安23309.80715永安41799.79716永誠23379.28317安信農(nóng)險23245.04018安邦41235.60219水安23240.772表4.3.1給出了聚類結(jié)果,由于本表過長,刪除了中間一部分,從表中可以看出人保財險屬于第一類,中華聯(lián)合、太保產(chǎn)險、平安產(chǎn)險屬于第三類,大地、中國保險、太平、陽光財險、天安、永安、安邦屬于第四類,其他財險公司屬于第二類。表4.3.2最終聚類中心最終聚類中心叢集1234企業(yè)財產(chǎn)保險保費(fèi)收入8867.3068.341937.73

46、376.80機(jī)動車輛保險保費(fèi)收入62091.02318.0215464.214808.29貨物運(yùn)輸保險保費(fèi)收入2978.7936.08562.11104.13責(zé)任保險保費(fèi)收入3611.0429.68480.53167.89信用保證保險保費(fèi)收入243.25106.15.5316.66農(nóng)業(yè)保險保費(fèi)收入2657.7044.25386.662.32短期健康保險保費(fèi)收入1079.694.07264.7041.83意外傷害保險保費(fèi)收入1964.3521.35792.33251.56其他保險保費(fèi)收入4935.6742.941186.09192.60從表4.3.2中可以看出,第一類的保費(fèi)收入都非常高;第二類的

47、機(jī)動車輛保險保費(fèi)收入較高,短期健康保險保費(fèi)收入較低;第三類的信用保證保險保費(fèi)收入很低,其他保險保費(fèi)收入都較高;第四類的保險保費(fèi)收入都較低,農(nóng)業(yè)保險保費(fèi)收入則很低。表4.3.3 每個聚類中的案例數(shù)每個聚類中的案例數(shù)叢集11.000231.00033.00047.000有效42.000遺漏.000從表4.3.3中可以知道,聚類2所包含的樣本數(shù)最多,為31個,聚類1所包含的樣本數(shù)最少,為1個。綜上所述:人保財險的各類保險保費(fèi)收入非常高,是我國財產(chǎn)保險行業(yè)的領(lǐng)頭者;中華聯(lián)合、太保產(chǎn)險、平安產(chǎn)險的信用保證保險保費(fèi)收入很低,其他保險保費(fèi)收入都較高,大地、中國保險、太平、陽光財險、天安、永安、安邦的保險保費(fèi)

48、收入都較低,農(nóng)業(yè)保險保費(fèi)收入則很低,其他財險公司保險保費(fèi)收入都較低,機(jī)動車輛保險保費(fèi)收入是其他保費(fèi)收入的最大來源。 2.使用構(gòu)成賠款支出的各個變量對各個財險公司進(jìn)行聚類表4.3.4 對賠款支出的聚類情況對賠款支出的聚類結(jié)果個案編號保險機(jī)構(gòu)叢集距離1人保財險1.0002國壽財險2846.8513大地3431.4154中國保險21675.3715太平21295.6556中國信保2.0007陽光財險21367.0648中華聯(lián)合4.0009太保產(chǎn)險42817.61810平安產(chǎn)險42465.49111華泰財險2990.57712天安3.00013大眾21044.87514華安21263.45515永安31163.69716永誠2872.43417安信農(nóng)險2855.30318安邦31650.42119水安2846.350表4.3.4給出了聚類結(jié)果,由于本表過長,刪除了中間一部分,從表中可以看出人保財險屬于第一類,中華聯(lián)合、太保產(chǎn)險、平安產(chǎn)險屬于第三類,大地、中國保險、太平、陽光財險、天安、永安、安邦屬于第四類,其他財險公司屬于第二類。表4.3.5 最終聚類中心最終聚類中心叢集1234企業(yè)財產(chǎn)保險賠

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論