SPSS保险业案例分析

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**.796**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）.000.000N424242**.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。（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..000.485.419.258.994.000df39390393939393939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.303.170.324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，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=.050，F-to-remove的概率=.100）。2中专以下.步进（准则:F-to-enter的概率=.050，F-to-remove的概率=.100）。3博士.步进（准则:F-to-enter的概率=.050，F-to-remove的概率=.100）。4初级.步进（准则:F-to-enter的概率=.050，F-to-remove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.971.9702.990b.980.9793.996c.992.9914.997d.994.993a.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Anovae模型平方和df均方FSig.1回归1.000a残差.15640总计412回归2.000b残差.63739总计413回归3.000c残差.31338总计414回归4.000d残差.68037总计41a.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tSig.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.900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%123.3284.1315.0946.022.2507.010.1148.007.0779.005.050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