1、沈陽理工大學學士學位論文成績評定表學生姓名王柳班級學號1309050109專業應用統計學課程設計題目我國各保險業基本情況的統計分析評語組長簽字：成績日期20 年月日課程設計任務書學院理學院專業應用統計學學生姓名王柳班級學號1309050109課程設計題目我國各保險業基本情況的統計分析實踐教學要求與任務:設計要求（技術參數）：1、熟練掌握統計軟件的操作使用方法。2、根據所選題目及調研所得數據，運用統計分析知識，建立數據分析的統計模型。3、掌握利用統計分析理論知識解決實際問題的一般步驟。4、運用統計軟件，對模型求解，對結果進行分析并得出結論。設計任務：1、運用統計學有關知識及對我國各個保險業基本情

2、況的統計分析；2、利用統計軟件編程求解，并對結果進行恰當的解釋。工作計劃與進度安排:第一天第二天學習使用統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，進行數據分析第七天第九天上機編程求解并完成論文第十天答辯指導教師： 2016 年 月 日專業負責人：2016 年 月 日學院教學副院長：2016 年 月 日摘 要自改革開放以來,我國的保險業一直處于高速發展狀態,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。但是與發達國家保險市場相比,我國的保險業還存在著許多不完善的地方,而且我國的保險業在地域發展上也存在著巨大的差距。 保險數據分析是統計學的一個重要應用領域,從前期的保費核

3、定工作開始,再經過一系列風險評估、賠付率計算,到后期的保費收入、報案量、結案量預測,統計理論貫穿始終。隨著保險業規模的不斷擴大,各保險公司數據激增,亦趨于多元化,致使分析難度加大。運用合理的統計理論和方法對保險業中的相關數據進行統計分析,探索保險業的發展規律,對指導我國保險業的健康發展具有重要意義。 本文運用統計學的理論和方法,針對我國保險業中的具體問題進行了探索研究。具體來說, 我們首先采用回歸分析研究保費收入、儲金、賠案件數、賠款支出、未決賠款、公司總人數、人員構成等變量之間的關系；然后使用因子分析對構成保費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成特點、保費收入、賠款

4、支出等變量對各財產保險公司進行聚類。關鍵詞：回歸分析；因子分析；聚類分析；目錄1保險業分析11.1保險業分析的研究背景11.2保險業分析的研究方法12課題設計22.1數據來源22.2 數據導入23數據分析過程33.1回歸分析33.2因子分析33.3聚類分析44保險業分析結論64.1 回歸分析結果64.2 因子分析結果124.3 聚類分析結果175結論21參考文獻22II1保險業分析1.1保險業分析的研究背景進入21世紀以來，我國保險業持續快速發展，保險機構個數和保險業從業人數不斷增加。無論是保險機構個數還是保險業從業人數都呈現出持續快速的增長趨勢。伴隨著保險機構和從業人員的不斷增加，保險業的保

5、費收入也持續增長，使得我國保險業呈現出良好的發展態勢。不管是財產保險公司，還是人壽保險公司，其保費收入都在不斷增長。在這種大背景下對我國目前的保險業進行研究，不論是對于促進我國保險業又好又快地發展，還是對于充分發揮保險業對于發展國民經濟和改善居民生活的作用，都有著極為重要的意義。1.2保險業分析的研究方法按照我國目前保險業的慣例，對于財產保險公司，可以用5個變量來描述其保險業務情況：保費收入、儲金、賠案件數、賠款支出、未決賠款。其中保費收入又按保險的特點分為企業財產保險費用收入、機動車輛保險保費收入、貨物運輸保險保費收入、責任保險保費收入、信用保證保險保費收入、農業保險保費收入、短期健康保險保

6、費收入、意外傷害保險保費收入、其他保險保費收入等9個部分；賠款支出也按保險的特點分為企業財產保險費用支出、機動車輛保險保費支出、貨物運輸保險保費支出、責任保險保費支出、信用保證保險保費支出、農業保險保費支出、短期健康保險保費支出、意外傷害保險保費支出、其他保險保費支出等9個組成部分，所以在進行分析研究的時候，考慮的關于保險業務的變量也與這些敘述相吻合。采用的數據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分析研究保費收入、儲金、賠案件數、賠款支出、未決賠款、公司總人數、人員構成等變量之間的關系；然后使用因子分析對構成保費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、依照人員構成特點、保費收入、賠款支出等變量對各財產保險公司進行聚類。2課題設計2.1數據來源 本次研究的數據來自于各保險公司人員結構情況.2014.中國保險年鑒、各財產保險公司業務統計.2014.中國保險年鑒。2.2 數據導入由于本課題中數據量過大，只截取其中的一部分，完整數據請參照數據來源。保險機構保費收入合計企業財產保險保費收入機動車輛保險保費收入貨物運輸保險保費收入責任保險保費收入信用保證保險保費收入人保財險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陽光產險3240.77.00.00.00.003240.77中華聯合4153.46279.143338.9671.7774.44.78太保產險18342.07670.3214752.22149.45307.59.09平安產險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安信農險1505.61438.94838.2911.7637.74.20.安邦財險276.6222.3533.41.252.45.003數據分析過程3.1回歸分析1、以“保費收入合計”為因變量進行線性回歸操作步驟如下：（1

10、）選擇分析/回歸/線性命令（2）選擇進行簡單線性回歸分析的變量。在“線性回歸”對話框的左側列表框中選中“保費收入合計”選入“因變量”列表框，選中“男”“女”“博士”“碩士”“學士”“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”法進行回歸。（3）其他設置使用系統默認值即可。（4）設置完畢后，單機“確定”按鈕，得到輸出結果。2.以“賠款支出合計”為因變量進行線性回歸操作步驟如下：（1）選擇分析/回歸/線性命令（2）選擇進行簡單線性回歸分析的變量。在“線性回歸”對話框的左側列表

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”法進行回歸。（3）其他設置使用系統默認值即可。（4）設置完畢后，單機“確定”按鈕，得到輸出結果。3.2因子分析1.使用構成保費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）選擇進行因子分析的變量。在“因子分析”對話框的左側列表框中選擇“企業財產保險費用收入”“機動車輛保險保費收入”“貨物運輸保險保費收入”“責任

12、保險保費收入”“信用保證保險保費收入”“農業保險保費收入”“短期健康保險駁費收入”“意外傷害保險保費收入”“其他保險保費收入”選入“變量”列表框。（3）選擇輸出系數相關矩陣。單擊“因子分析”對話框的“描述”按鈕，在“相關矩陣”選項組中選中“KMO和Bartlett的球形度檢驗”，單擊“繼續”按鈕返回“因子分析”對話框（4）設置對提取公因子的要求及相關輸出內容。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”按鈕返回“因子分析”對話框。（5）設置因子旋轉方法。單擊“因子分析”對話框中“旋轉”按鈕，在“方法”選項組中選中“最大方差法”。（6）設置有關因子得分的選

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”“顯示因子得分系數矩陣”然后單擊“繼續”按鈕返回“因子分析”對話框。（7）其他設置使用系統默認值即可。（4）設置完畢后，單機“確定”按鈕，得到輸出結果。2. 對構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）選擇進行因子分析的變量。在“因子分析”對話框的左側列表框中選擇“企業財產保險費用”“機動車輛保險保費支出”“貨物運輸保險保費支出”“責任保險保費支出”“信用保證保險保費支出”“農業保險保費支出”“短期健康保險駁費支出”“意外傷害保險保費支出”“其他保險保費支出”選入“變量”列表框。

14、（3）選擇輸出系數相關矩陣。單擊“因子分析”對話框的“描述”按鈕，在“相關矩陣”選項組中選中“KMO和Bartlett的球形度檢驗”，單擊“繼續”按鈕返回“因子分析”對話框（4）設置對提取公因子的要求及相關輸出內容。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”按鈕返回“因子分析”對話框。（5）設置因子旋轉方法。單擊“因子分析”對話框中“旋轉”按鈕，在“方法”選項組中選中“最大方差法”。（6）設置有關因子得分的選項。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”“顯示因子得分系數矩陣”然后單擊“繼續”按鈕返回“因子分析”對話框。（7）

15、其他設置使用系統默認值即可。（4）設置完畢后，單機“確定”按鈕，得到輸出結果。3.3聚類分析1.使用構成保費收入的各個變量對各個保險公司進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）選擇進行聚類分析的變量。在“K均值聚類分析”對話框的左側列表框中選中“保險機構”選入“個案標記依據”列表框，選擇“企業財產保險費用收入”“機動車輛保險保費收入”“貨物運輸保險保費收入”“責任保險保費收入”“信用保證保險保費收入”“農業保險保費收入”“短期健康保險駁費收入”“意外傷害保險保費收入”“其他保險保費收入”選入“變量”列表框。在編輯框“聚類數”中，輸入聚類分析的類別數4，其他選擇默認

16、值（3）設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“統計量”復選框選中全部三個復選框，在“缺失值”選項組中選中默認值即可。設置完畢后，單擊“繼續”按鈕返回“K均值聚類分析”對話框（3）其他設置使用系統默認值即可。（4）設置完畢后，單機“確定”按鈕，得到輸出結果。2.使用構成賠款支出的各個變量對各個財險公司進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）選擇進行聚類分析的變量。在“K均值聚類分析”對話框的左側列表框中選中“保險機構”選入“個案標記依據”列表框，選擇“企業財產保險費用支出”“機動車輛保險保費支出”“貨物運輸保險保費支出”“責任保險

17、保費支出”“信用保證保險保費支出”“農業保險保費支出”“短期健康保險駁費支出”“意外傷害保險保費支出”“其他保險保費支出”選入“變量”列表框。在編輯框“聚類數”中，輸入聚類分析的類別數4，其他選擇默認值（3）設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“統計量”復選框選中全部三個復選框，在“缺失值”選項組中選中默認值即可。設置完畢后，單擊“繼續”按鈕返回“K均值聚類分析”對話框（3）其他設置使用系統默認值即可。（4）設置完畢后，單機“確定”按鈕，得到輸出結果。4保險業分析結論4.1 回歸分析結果1、以“保費收入合計”為因變量進行線性回歸分析表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已輸入變數已移除方法1四十六歲以上.逐步（準則：F-to-enter 的機率<= .050，F-to-remove 的機率>= .100）。2中專以下.逐步（準則：F-to-enter 的機率<= .050，F-to-remove 的機率>= .100）。3女.逐步（準則：F-to-enter 的機率<= .050，F-to-remove 的機率>= .100）。4男.逐步（準則：F-to-enter 的機率<= .050，F-to-remove 的機率>= .100）。5碩士.逐步（準則：F-to-ente

19、r 的機率<= .050，F-to-remove 的機率>= .100）。6四十六歲以上.逐步（準則：F-to-enter 的機率<= .050，F-to-remove 的機率>= .100）。7博士.逐步（準則：F-to-enter 的機率<= .050，F-to-remove 的機率>= .100）。a. 因變量: 保費收入合計表4.1.1給出了變量進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入模型的變量以及進入與剔除的判別準則。表4.1.2模型摘要模型摘要模型RR 平方調整後 R 平方標準偏斜度錯誤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給出了隨著變量進入依次形成的7個模型的擬合情況。可以發現7個模型修正的可決系數（調整的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. 應變

23、數: 保費收入合計b. 預測值：（常數），中級c. 預測值：（常數），中級, 高級d. 預測值：（常數），中級, 高級, 大專e. 預測值：（常數），中級, 高級, 大專, 三十六歲到四十五歲f. 預測值：（常數），中級, 高級, 大專, 三十六歲到四十五歲, 中專以下g. 預測值：（常數），中級, 高級, 大專, 三十六歲到四十五歲, 中專以下, 博士h. 預測值：（常數），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入依此形成的7個模型的方差分析結果?？梢园l現p值一直為0.000，模型的整體極為顯著。表4.1.4系數系數模型非

24、標準化係數標準化係數T顯著性B標準錯誤Beta1（常數）749.905404.9061.852.071中級5.391.149.98536.240.0002（常數）996.009367.6922.709.010中級7.301.5791.33412.604.000高級-17.8125.258-.359-3.388.0023（常數）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）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）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. 應變數: 保費收入合計表4.1.4給出了隨著變量的進入依次形成的7個模型的自變量系數。因為本表太大，所以刪去了中間的一部分，這不影響最后的結果?？梢园l現只有第7個模型的各個自變量系數是非常顯著的。綜上所述：1.最終模型的表達式（即第7個模型）：保費收入合計=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，各自變量系數的顯著性p值都

27、小于0.05，顯著。5.經過以上多重線性回歸分析可以發現，我國保險公司的總保費收入水平與公司職員的性別并無顯著關系，與公司職員年齡、職稱、文化水平有一定的顯著關系。其中中級職稱或者大專、中專以下、博士學歷或者四十六歲以上的職員對公司的總保費收入具有拉動效應，尤其是博士學歷的職員，每增加一個單位會帶來對應保費收入的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收入具有拖后效應。2.以“賠款支出合計”為因變量進行線性回歸分析表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已輸入變數已移除方法1中級.逐步（準則：F-to-enter 的機率 <= .050

28、，F-to-remove 的機率 >= .100）。2中專以下.逐步（準則：F-to-enter 的機率 <= .050，F-to-remove 的機率 >= .100）。3博士.逐步（準則：F-to-enter 的機率 <= .050，F-to-remove 的機率 >= .100）。4初級.逐步（準則：F-to-enter 的機率 <= .050，F-to-remove 的機率 >= .100）。a. 因變量: 賠款支出合計表4.1.5給出了變量進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入模型的變量以及進入與剔除的判別準則。表

29、4.1.6模型摘要模型摘要模型RR 平方調整後 R 平方標準偏斜度錯誤1.985a.971.9701303.029302.990b.980.9791081.735953.996c.992.991696.681014.997d.994.993608.45217a. 預測值：（常數），中級b. 預測值：（常數），中級, 中專以下c. 預測值：（常數），中級, 中專以下, 博士d. 預測值：（常數），中級, 中專以下, 博士, 初級表4.1.6給出了隨著變量進入依次形成的4個模型的擬合情況。可以發現4個模型修正的可決系數（調整的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. 應變數: 賠款支出合計b. 預測值：（常數），中級c. 預測值：（常數），中級, 中專以下d. 預測值：（常數），中級, 中專以下, 博士e. 預測值：（常數），中級, 中專以下, 博士, 初級表4.1.7給出了隨著變量的進入依此形成的4個模型的方差分析結果。可以發現p值一直為0.000，模型的整體極為顯著。表4.1.8 方差分析表系數模型非標準化係數標準化係數T顯著性B標準錯誤Beta1（常數）126.112211.

32、590.596.555中級2.837.078.98536.496.0002（常數）-147.941186.546-.793.433中級2.522.097.87626.043.000中專以下.322.074.1474.363.0003（常數）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）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入依次形成的4個模型的自變量系數。可以發現只有第4個模型的各個自變量系數是非常顯著的。綜上所述：1.最終模型的表達式（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，各自變量系數的顯著性p值都小于0.05，顯著。5.經過以上多重線性回歸分析可以發現，我國

34、保險公司的賠款支出總水平與公司員工的性別、年齡并無顯著關系，與公司職員的職稱、文化水平有一定的顯著關系。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，初級職稱或者具有博士學歷的職員對公司的總保費收入具有降低效應，尤其是博士學歷的職員，每增加一個單位會帶來相應賠款支出的116.959倍的減少。4.2 因子分析結果1.使用構成保費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，表明很適合進行因子分析。Bartlett檢驗的p值為0.000，說明數據來自正太分布總體，適合進一步分析。表4.2.2公因子方差公因子方差初始提取企業財產保險保費收入1.000.977機動車輛保險保費收入1.000.985貨物運輸保險保費收入1.000.965責任保險保費收入1.000.965信用保證保險保費收入1.0001.000農業保險保費收入1.000.759短期健康保險保費收入1.000.889意外傷害保險保費收入1.000.900其他保險保費收入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；“旋轉平方和載入”一欄顯示的是旋轉以后的因子提取結果，與未旋轉之前差別不大。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 旋轉成份矩陣旋轉成份矩陣a成份12企業財產保險保費收入.988.008機動車輛保險保費收入.992.003貨物運輸保險

38、保費收入.983.007責任保險保費收入.982.021信用保證保險保費收入.0081.000農業保險保費收入.871.021短期健康保險保費收入.942.024意外傷害保險保費收入.948-.028其他保險保費收入.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 成份得分系數矩陣成份得分系數矩陣成份12企業財產保險保費收入.134-.001機動車輛保險保費收入.134-.006貨物運輸保險保費收入.133-.001責任保險保費收入.1

39、33.012信用保證保險保費收入-.008.998農業保險保費收入.118.013短期健康保險保費收入.127.015意外傷害保險保費收入.128-.036其他保險保費收入.133-.004提取方法 :主成分分析法。 旋轉法 :具有 Kaiser 標準化的正交旋轉法。 構成得分。表4.2.5給出了成分得分系數矩陣，據此可以直接寫出公因子的表達式。F1=0.134*企業財產保險費用收入+0.134*機動車輛保險保費收入+0.133*貨物運輸保險保費收入+0.133*責任保險保費收入-0.008*信用保證保險保費收入+0.118*農業保險保費收入+0.127*短期健康保險駁費收入+0.128*意外

40、傷害保險保費收入+0.133*其他保險保費收入F2=0.000*企業財產保險費用收入-0.006*機動車輛保險保費收入-0.001*貨物運輸保險保費收入+0.012*責任保險保費收入+0.998*信用保證保險保費收入+0.013*農業保險保費收入+0.015*短期健康保險駁費收入-0.036*意外傷害保險保費收入-0.004*其他保險保費收入2.對構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，表明很適合進行因子分析。Bartlett檢驗的p值為0.000，說明數據來自正態分布總體，適合進一步分析。表4.2.7 公因子方差公因子方差初始提取企業財產保險賠款支出1.000.970機動車輛保險賠款支出1.000.967貨物運輸保險賠款支出1.000.950責任保險賠款支出1.000.948信用保證保險賠款支出1.000.392農業保險賠款支出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成份得分系數矩陣成份得分系數矩陣成份1企業財產保險賠款支出.135機動車輛保險賠款支出.135貨物運輸保險賠款支出.134責任保險賠款支出.134信用保證保險賠款支出.086農業保險賠款支出.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。 旋轉法 :具有 Kaiser 標準化的正交旋轉法。 構成得分。F=0.135*企業財產保險費用收入+0.135*機動

44、車輛保險保費收入+0.134*貨物運輸保險保費收入+0.134*責任保險保費收入+0.086*信用保證保險保費收入+0.085*農業保險保費收入+0.131*短期健康保險駁費收入+0.122*意外傷害保險保費收入+0.135*其他保險保費收入4.3 聚類分析結果1.使用構成保費收入的各個變量對各個保險公司進行聚類表4.3.1 對保險收入的聚類情況對保險收入的聚類結果個案編號保險機構叢集距離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中華聯合33417.6789太保產

45、險3.00010平安產險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安信農險23245.04018安邦41235.60219水安23240.772表4.3.1給出了聚類結果，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，中華聯合、太保產險、平安產險屬于第三類，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企業財產保險保費收入8867.3068.341937.73

46、376.80機動車輛保險保費收入62091.02318.0215464.214808.29貨物運輸保險保費收入2978.7936.08562.11104.13責任保險保費收入3611.0429.68480.53167.89信用保證保險保費收入243.25106.15.5316.66農業保險保費收入2657.7044.25386.662.32短期健康保險保費收入1079.694.07264.7041.83意外傷害保險保費收入1964.3521.35792.33251.56其他保險保費收入4935.6742.941186.09192.60從表4.3.2中可以看出，第一類的保費收入都非常高；第二類的

47、機動車輛保險保費收入較高，短期健康保險保費收入較低；第三類的信用保證保險保費收入很低，其他保險保費收入都較高；第四類的保險保費收入都較低，農業保險保費收入則很低。表4.3.3 每個聚類中的案例數每個聚類中的案例數叢集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所包含的樣本數最多，為31個，聚類1所包含的樣本數最少，為1個。綜上所述：人保財險的各類保險保費收入非常高，是我國財產保險行業的領頭者；中華聯合、太保產險、平安產險的信用保證保險保費收入很低，其他保險保費收入都較高，大地、中國保險、太平、陽光財險、天安、永安、安邦的保險保費

48、收入都較低，農業保險保費收入則很低，其他財險公司保險保費收入都較低，機動車輛保險保費收入是其他保費收入的最大來源。 2.使用構成賠款支出的各個變量對各個財險公司進行聚類表4.3.4 對賠款支出的聚類情況對賠款支出的聚類結果個案編號保險機構叢集距離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中華聯合4.0009太保產險42817.61810平安產險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安信農險2855.30318安邦31650.42119水安2846.350表4.3.4給出了聚類結果，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，中華聯合、太保產險、平安產險屬于第三類，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企業財產保險賠