随机效应零膨胀索赔次数回归模型

索赔频率预测是非寿险费率厘定的重要组成部分。最常使用的索赔频率预测模型是泊松回归和负二项回归,以及与它们相对应的零膨胀回归模型。但是,当索赔次数观察值既具有零膨胀特征,又存在组内相依结构时,上述模型都不能很好地拟合实际数据。为此,本文在泊松分布、负二项分布、广义泊松分布、P型负二项分布等条件下分别建立了随机效应零膨胀损失次数回归模型。为了改进模型的预测效果,对于连续型的解释变量,还引入了二次平滑项,并建立了结构性零比例与解释变量之间的回归关系。基于一组实际索赔次数数据的实证分析结果表明,该模型可以显著改进现有模型的拟合效果。     

零膨胀模型在非寿险中应用

分类费率厘定中最常使用的模型之一是泊松回归模型,但当损失次数数据存在零膨胀特征时,通常会采用零膨胀模型来解决。本文讨论一些零膨胀模型在非寿险中的应用,并通过对一组汽车保险损失数据的拟合,发现零膨胀模型可以有效改善对实际损失数据的拟合效果。     

大额索赔条件下的车险费率厘定

车险费率厘定是财险公司设计产品的核心内容之一。在传统的纯保费预测模型中,通常建立复合泊松-伽玛模型,该方法没有考虑到大额索赔出现的情况。为此,提出了一种处理大额索赔的频率-强度方法。基于一组机动车损失数据,对索赔频率和索赔强度分别建模。比较不同分布的索赔频率模型,得到零膨胀负二项模型效果较好;在索赔强度建模中,得到大额索赔伽玛模型比伽玛模型效果好。实证检验了带有大额索赔的频率-强度模型在车险费率厘定中的优越性。     

基于过度离散广义线性模型的来电量预测

文章基于真实B2C商务数据,针对Poisson回归中过度离散这一主要缺点,在广义线性模型的框架中探讨过度离散Poisson回归模型、负二项回归模型和Tweedie模型,并深入比较三种模型的拟合效果、预测结果、对过度离散的刻画和对尾部的测度。     

泊松提升模型在中国车险索赔频率预测建模中的应用

为研究泊松提升模型在中国车险定价中的应用,将Boosting算法加入到SBS(Standardized binary split)回归树中,基于中国某公司2016年28个省份交强险保单数据,以样本内外损失函数的最小化为标准,对相关模型进行比较以选择相对较优的模型,应用得到的模型对各个变量进行单变量预测。研究结果表明:泊松提升模型优于SBS回归树模型,不存在过拟合的前提下,泊松提升模型的预测效果会随着树的深度或者迭代次数的增大而变得更优,确定了深度为3,迭代次数为15的泊松提升模型(即PBM3)为最优模型。     

同质性保单索赔次数的一种分布类讨论

受免赔额和无赔款优待等因素的影响,使得保单组合中索赔次数为零保单数相对较多,文章根据这个特点引出了同质性保单索赔次数的一种分布类,即调零的复合泊松分布类.然后讨论了这类分布中两种特殊的索赔次数分布模型,讨论了模型中相应参数的极大似然估计.最后给出数值算例,并对拟合效果进行了分析.     

自回归及logistic离散模型在中国人口预测中的应用

为了寻找更好人口预测方法,经济领域常用的自回归模型创新式的被应用到中国的人口预测中.通过结果预测结果分析,易知自回归的预测效果相当不错.进一步探索人口的预测理论,精典的logistic离散模型被用来和自回归模型做对比.由于自回归模型和logistic离散模型在形式上有很大的相似,对两者在建模原理上进行了对比分析,且对两个模型理论进行了推广.     

应用潜在分类泊松回归模型及EM算法研究网络购物使用次数

随着网络的兴起,网上购物在人们的生活中发挥着越来越重要的作用。网上购物以其方便快捷等特点吸引了很多购物者,但是也有一些人质疑网上购物安全性、不可触摸性等问题。什么因素影响人们对网络购物的选择?人们由于对网络购物的态度取向不同可分为多少潜在的类别?文章应用潜在分类泊松回归模型及EM算法分析大学生网上购物的陈述偏好数据,回答了以上两个问题,得到了十分有意义的结果。     

基于偏斜正态分布的零膨胀负二项层次回归模型的贝叶斯分析

零膨胀负二项(ZINB)层次回归模型是分析散度偏大集群计数数据的有力工具,该模型的基本假设是随机效应和随机误差均服从正态分布.然而,在许多实际应用中,上述假设缺乏稳健性,且相关研究表明,个体内的随机误差以及随机效应将共同导致数据的非正态性特征.基于上述原因,文章将重点考虑基于偏斜正态分布的ZINB层次回归模型的贝叶斯分析问题,与经典的基于似然的方法相比,贝叶斯分析方法具有建模灵活,计算相对简便的优势,特别适合于层次结构较为复杂的模型.     

零膨胀泊松模型的改进在零次索赔建模中的应用

零膨胀是非寿险精算中的一种常见现象,国内外许多学者对此进行了研究分析,而最具影响力的方法是零膨胀泊松模型与Hurdle模型,但这两个方法在区分零之间的差别时存在不足。实际中,产生零次索赔的保单持有人并非全部同质,如何提取零中所包含的信息对保险公司来说是重要的。鉴此,基于零膨胀泊松模型与Hurdle模型的思想,提出修正的零膨胀泊松模型,并利用非寿险精算中的实际数据,对新模型进行了拟合分析。与零膨胀泊松模型拟合结果的比较说明,修正的零膨胀模型在零的处理上更符合实际情况,更能体现零中所包含的信息。     

广义最小二乘法在建立回归模型中的应用

89广义最小二乘法在建立回归模型中的应用@郎静波     

Hurdle模型在非寿险分类费率厘定中的应用

泊松回归模型是常用的索赔次数预测模型。但在实务中,索赔次数往往具有零膨胀特征,如果继续使用泊松模型会低估参数的标准误差,高估其显著性水平,从而在模型中保留多余的解释变量,产生不准确费率厘定结果。Hurdel模型是一个二阶段模型,可以将索赔次数分为两个部分来处理。因此,利用该模型的这一性质来处理费率厘定中具有零膨胀特征的索赔数据,可以有效地改善拟合效果。     

空间回归模型估计中的最小二乘法

空间回归模型由于引入了空间地理信息而使得其参数估计变得复杂,因为主要采用最大似然法,致使一般人认为在空间回归模型参数估计中不存在最小二乘法。通过分析空间回归模型的参数估计技术,研究发现,最小二乘法和最大似然法分别用于估计空间回归模型的不同的参数,只有将两者结合起来才能快速有效地完成全部的参数估计。数理论证结果表明,空间回归模型参数最小二乘估计量是最佳线性无偏估计量。空间回归模型的回归参数可以在估计量为正态性的条件下而实施显著性检验,而空间效应参数则不可以用此方法进行检验。     

离散选择模型在产品差别研究中的应用

The paper introduces to the application of three scatter choosing model to describe consumer's choice, thereby to conduct the demand analysis by using the consumers' materials and the cross section materials of market quotation.     

Logistic回归模型在判别分析中的应用

介绍Logistic回归模型用于判别的方法,利用给出的某期间华北地区和长江中下游降水年变化为判别对象,以这种判别方法确定界于两个地区中间地带的一些观测站属于何种年变化型,并且与传统用的最大概率法做了比较,发现Logistic的效果要比最大概率法好。     

概率分布模型在保险业中的应用

概率是研究随机现象规律性的一门科学，即通过对某些现象变化频率的观察来研究其变化的规律性，并对这种规律性作出一定的判断和预测。保险是具有经营风险的行业，研究各种风险的变化规律及量化分析尤为重要。而各种风险的出现在某种意义上说是随机的，因此，运用概率理论研究各种风险预测和在此基础上的企业收支预测都会起到重要作用。     

Logistic回归模型在高校教师教学质量评估中的应用

常见的教师教学质量评估方式有以下几种:教师互评,上级领导(或专家)对教师评价,学生对教师的评价等等。本文结合这三方面应用Logistic回归分析的方法来进行研究,提出一个对教师教学质量的总体评估模型,并用SAS软件进行编程实现。这种评估模型能比较科学客观的评价教师的教学情况,可以广泛应用于其他领域的评估工作。     

线性回归方法在数据挖掘中的应用和改进

文章对线性回归以及其扩展方法进行分析,并从多个方面对这些方法性能进行评估,同时还对回归技术在数据挖掘中的几个典型应用进行了阐述。并且,在传统线性回归算法上提出了更为健壮的改进方法。     

众数回归森林模型及其在收入分配研究中的应用

为解决传统非参数众数回归模型没有考虑解释变量间复杂交互影响的局限,文章将众数回归与机器学习方法相结合,提出了一个新的非参数众数回归模型：众数回归森林模型。该模型一方面充分考虑了各个解释变量之间的交互影响;另一方面采用Bagging技术汇总多个众数回归树的结果,提高了预测性能。数值模拟结果表明：第一,与线性众数回归模型和众数回归树模型相比,众数回归森林模型极大地提高了估计和预测精度;第二,当数据为偏态分布时,众数回归森林模型的估计和预测精度显著优于中位数回归森林和均值回归森林模型。此外,将众数回归森林模型应用于收入分配研究中,得到了与中位数回归森林和均值回归森林模型不同的结果。     

样条函数在统计回归模型中的应用

回归模型是揭示统计指标间数量关系的重要手段,广泛应用于统计预报中,其中非线性模型因其适用性成为研究的热点,通常人们借助各类函数变换建立非线性模型,但在处理不同问题时,采用的变换函数难以统一,因此构造一种普遍的非线性模型方法是十分需要的.