文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 经管营销 > 基于广义线性混合模型的经验费率厘定
侵权投诉

基于广义线性混合模型的经验费率厘定

保险精算

统计与信息论坛

线性混合模型在非寿险精算应用中的最新动态[12]。

从上面的分析来看,对广义线性混合模型厘定费率的研究只是近几年的事情,国内外对此问题研

究的学者不多,其研究中都存在一个问题,即在研究

索赔次数时,仅假设索赔次数服从泊松分布。我们知道泊松分布的特点之一是方差等于均值,然而在实际中索赔次数往往具有过离散的特征,即方差大于均值。导致过离散的原因可能多种多样,譬如由于保险公司和保单持有人增强了风险防范意识,大多数保单不会发生保险事故;或者因为保险公司应

用了免赔额或者无赔款折扣等条款,许多被保险人在发生轻微事故时不会提出索赔;或者个别被保险人的风险太大,其索赔频率远远高于总体的平均水

平。在这些情况下,如果仍然使用泊松广义线性混合模型,可能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,最终导致不合理的费率厘定结果。

为了克服这种不足,本文使用两种调整过离散

的方法:一是在泊松方差函数中加入一个离散参数;

二是用负二项分布调整过离散。同时,使用极大似

然估计中的(Restricted)Pseudo—likelihood((I也)

PL)方法和(Adaptive)Gauss—Hermite

quadrature

方法对参数进行估计。

二、理论模型

(一)广义线性模型

若观察值K服从指数分布族,则其密度函数可

以表示为:

其中a(乒)、6(Oi)、c(yl,拳)为已知函数,对所有的

,(yi;Oi∽=e砷{帮州州“

观察值具有相同的形式。这三个函数应该满足下述

条件:口(声)>0,且为连续函数时,通常形式为口(≯)=/wi,Yui被称作先验权重(priorweight);b(见)的二阶导数存在且大于零;c(yi,庐)与参数Oi无关。

广义线性模型假设因变量来自于指数分布族,其方差随着均值而变化,解释变量通过线性相加关系对因变量的期望值的某种变化产生影响。广义线性模型的假设可以归纳为:①随机成分,即因变量

y或误差项的概率分布。因变量y的每个观察值yf相互独立且服从指数型分布族中的一个分布。②系统成分,即解释变量的线性组合表示为71=角..7t71+皮,7C2+…+卢舻p。系统成分与古典线性模型没有任

何区别。③连接函数。连接函数g单调且可导,它建

52

万 

方数据立了随机成分与系统成分之间的关系,即g(P)=刁或E[Y]=产=g_1(刁)。可见,在广义线性模型中,对因变量的预测值并不直接等于解释变量的线性组合,而是该线性组合的一个函数变换。

(二)广义线性混合模型

广义线性混合模型是在广义线性模型的基础上,在线性预测中引入随机效应。假定要分析的数据由N个对象的观测值组成,,z;代表对于第i个对象

的观测次数,一般情况下N是相对于各个,z;来说较

大的值。yf=(Ml,K2,…,M。.)7是对第i个对象的观测向量。在给定第i个对象的随机效应b;的条

件下,Kl,K2,…,‰.是来自某一指数族分布的独

立的随机变量,即:

“蛳i

hl,p,≯)=唧{丝盟≠+c(蝴,≯)}

其中9( )和c( )是已知函数,口是自然参数,≯为尺度参数。连接函数为:

g(t20)=X7巧p+Z’ijbl其中p(P

X

1)代表固定效应,bi(q

X

1)代表对应于

第i个观测对象的随机效应,而随机效应反映了各观测对象间的异质性以及同一个对象不同观测间的相关性。X(7lf×P)和Zi(1"1f×q)分别代表对应于P个固定效应和q个随机效应的设计矩阵。

再假定随机效应bf,i=1,…,N独立同分布,其密度函数为丌(bfl

D),其中D代表随机效应bl的

协方差,是未知参数。关于未知参数卢和D的似然函

数为:

j生

L(卢,D;y)=iif(Yl

I卢,D,声)

N

r

ni

=Ⅱ(IⅡf(Ylj

6f,J9,声)

i=1

。;=1

,r(bfD)dbf)

其中的积分是关于随机效应bi的g维的积分,在一

般情况下,该积分很难直接积出,因此要求似然函数

关于未知参数的最大值需要用数值积分或者Bayes方法等。

对于线性混合模型,该积分似然函数的似然值

或限制性似然值可直接最大化。但对于非线性混合

模型或离散型结局测量混合模型,上式似然函数所

示积分似然函数必须近似估计。在许多近似估计

中,两个最基本的方法是线性方法和数值法积分近似法。

SAS程序中PR0c

GLIMMIX和PItOC

NLMIXED过程分别运用以上两种方法估计非线性

上一页第2页

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email