林 海 （昆明理工大學(xué) 交通工程學(xué)院，云南 昆明 650500）

0 引 言

近年來，我國保險(xiǎn)行業(yè)穩(wěn)步發(fā)展，財(cái)產(chǎn)保險(xiǎn)行業(yè)也得以快速發(fā)展，而車險(xiǎn)保費(fèi)收入在我國整個(gè)財(cái)險(xiǎn)保費(fèi)收入中占了絕大部分，并且由于汽車行業(yè)交易量的增加以及相關(guān)政策的出臺(tái)，車險(xiǎn)的投保率逐步提高。但由于車險(xiǎn)產(chǎn)品的功能很難做到差異化，車險(xiǎn)市場(chǎng)同質(zhì)性嚴(yán)重，費(fèi)改后價(jià)格競(jìng)爭(zhēng)和各種高成本的營銷手段成為市場(chǎng)競(jìng)爭(zhēng)的主要策略，使得財(cái)險(xiǎn)公司在維持市場(chǎng)占有率的情況下很難盈利。在這種情況下，提高車險(xiǎn)業(yè)務(wù)的續(xù)保率，維護(hù)客戶忠誠度對(duì)于財(cái)險(xiǎn)公司的長遠(yuǎn)經(jīng)營具有重要意義，分析車險(xiǎn)業(yè)務(wù)中影響續(xù)保率的因素，從而鎖定目標(biāo)續(xù)?？蛻羧后w，實(shí)現(xiàn)精準(zhǔn)營銷。

目前，已有研究從不同角度對(duì)續(xù)保率影響因素進(jìn)行研究。Young Moon Chae分別運(yùn)用決策樹C5.0算法、Logistic回歸和關(guān)聯(lián)規(guī)則對(duì)韓國壽險(xiǎn)政策是否對(duì)投?？蛻舢a(chǎn)生有利影響進(jìn)行分析，并對(duì)3種算法運(yùn)行出來的結(jié)果進(jìn)行比較分析[1]。Shu-Hsien Liao等對(duì)臺(tái)灣的人壽保險(xiǎn)市場(chǎng)進(jìn)行了基于Apriori算法和聚類算法的客戶細(xì)分，通過對(duì)客戶需求鏈的分析，給出了保險(xiǎn)企業(yè)在新產(chǎn)品開發(fā)和客戶營銷方面的建議[2]。倪琪等利用某保險(xiǎn)公司的車險(xiǎn)續(xù)保數(shù)據(jù)，探究哪些變量能夠較為顯著地起到影響作用，并討論目標(biāo)客戶與普通客戶在影響因素上面的共性與差異[3]。王鈞等先還原出原始因素表單，然后采用租糙集理論（Rs）產(chǎn)生規(guī)則，利用灰色關(guān)聯(lián)度法進(jìn)行分析，從而獲得可信度與各個(gè)因素之間的關(guān)系，從而推廣到續(xù)保率與因素的關(guān)系[4]。陳曼發(fā)現(xiàn)車輛種類的不同會(huì)導(dǎo)致續(xù)保率的不同，其中家庭自用車的續(xù)保率最低[5]。楊子江等認(rèn)為承保車輛的車齡、車價(jià)、品牌等因素對(duì)車輛的續(xù)保與否有影響，但是并未作出實(shí)證分析來印證[6]。王夢(mèng)晨從客戶層面、車輛特征層面及公司政策層面分析了車險(xiǎn)業(yè)務(wù)中影響續(xù)保率的因素并選擇廣義線性模型中的Logistic模型為工具，篩選有解釋能力的變量，作為影響續(xù)保率顯著的風(fēng)險(xiǎn)維度，根據(jù)模型結(jié)果提出提高續(xù)保率的建議[7]。上述研究缺乏對(duì)車輛續(xù)保率影響機(jī)理研究，針對(duì)此問題，本文以某保險(xiǎn)公司65 535條數(shù)據(jù)為樣本數(shù)據(jù)，通過對(duì)樣本數(shù)據(jù)進(jìn)行降維處理、異常數(shù)據(jù)刪除及冗余數(shù)據(jù)合并后提取出19個(gè)影響因素，運(yùn)用Logistic回歸模型建立影響車險(xiǎn)續(xù)保率因素排序分析模型，確定各車險(xiǎn)續(xù)保率影響因素的重要程度。在此基礎(chǔ)上，利用因子分析法表征和計(jì)算各因素的關(guān)聯(lián)度，對(duì)影響因素進(jìn)行權(quán)重計(jì)算，進(jìn)而為保險(xiǎn)公司提高車險(xiǎn)續(xù)保率提供科學(xué)依據(jù)。

1 理論與方法

1.1 Logistic回歸模型

1.1.1 模型簡(jiǎn)介

通過微課視頻的錄制，將臨床醫(yī)學(xué)知識(shí)碎片化，可以使得規(guī)培醫(yī)師在學(xué)習(xí)過程中將知識(shí)零存整取，有利于將來從事某一專項(xiàng)醫(yī)師時(shí)知識(shí)的積累。又可化整為零，將來從事某一專業(yè)時(shí)，有疑問還可以隨時(shí)線上查閱。

因?yàn)閚≥5,n-k≥3,根據(jù)性質(zhì)1,|Ei,j|≥2,取邊且邊(x,y),(x′,y′)∈Ei,j,則在內(nèi)存在x與x′間的哈密頓路HP,不妨令HP={x,P1,u,P2,x′}.同理,在內(nèi)存在y與y′間的哈密頓路HP′,取HP′={y,Q1,v,Q2,y′}.下面構(gòu)造u,v間內(nèi)不交的路.

Logistic函數(shù)又名生長函數(shù)或Pearl-Read曲線。是由比利時(shí)數(shù)學(xué)家P.F.Verhulst在1838年首次提出的，是廣義線性模型家族中的一種。此后人們對(duì)Logistic模型進(jìn)行了系統(tǒng)的研究和應(yīng)用，使得它在農(nóng)業(yè)、經(jīng)濟(jì)學(xué)、醫(yī)學(xué)等各個(gè)領(lǐng)域都占據(jù)著非常重要的作用。

1.1.2 模型的建立

通常選取特征值大于1的因子為公因子；將原有變量的統(tǒng)計(jì)數(shù)據(jù)導(dǎo)入SPSS，按照因子分析操作處理，得到因子解釋原有變量特征值從大到小排列的結(jié)果，結(jié)果顯示，相關(guān)系數(shù)矩陣特征值大于1的共有4個(gè)公因子。本例中，方差貢獻(xiàn)率a1=17.89%，a2=15.88%，a3=11.11%，a4=10.51%，累積方差貢獻(xiàn)率a1+a2+a3+a4=55.39%，能夠較好地反映大部分?jǐn)?shù)據(jù)信息，即認(rèn)為前4個(gè)因子就能基本保留原有數(shù)據(jù)信息，所以提取4個(gè)因子是合適的。

其中：P（Y= 1）表示對(duì)于給定的x相應(yīng)個(gè)體選擇1的概率。F（z）是Logistic累計(jì)概率密度函數(shù)。Y通過Logistic函數(shù)被轉(zhuǎn)換為概率。

其中：P為保單的續(xù)保概率，m為協(xié)變量個(gè)數(shù)（個(gè)）；β1,β2,…,βn為各個(gè)自變量的Logistic回歸相關(guān)系數(shù)；x1,x2,…,xn為影響車險(xiǎn)續(xù)保率的各個(gè)自變量；z與若干個(gè)預(yù)測(cè)變量x呈線性關(guān)系。由式（2）得知回歸方程的因變量是對(duì)數(shù)的某個(gè)具體選擇的機(jī)會(huì)比。Logistic回歸模型的優(yōu)勢(shì)是把 [0,1] 區(qū)間上的預(yù)測(cè)概率問題轉(zhuǎn)化為在實(shí)數(shù)軸上預(yù)測(cè)一個(gè)時(shí)間發(fā)生的機(jī)會(huì)。

1.2 因子分析法

（2） KMO與Bartlett球形檢驗(yàn)

“因子分析”的名稱于1931年由Thurstone首次提出，因子分析的基本目的就是用少數(shù)幾個(gè)因子去描述許多指標(biāo)或因素之間的聯(lián)系，即將相關(guān)比較密切的幾個(gè)變量歸在同一類中，每一類變量就成為一個(gè)因子，以較少的幾個(gè)因子反映原資料的大部分信息。

1.2.2 模型建立

報(bào)告從四個(gè)方面展開，首先介紹國家的一些相關(guān)政策和新要求，其次對(duì)圖書館目前的發(fā)展現(xiàn)狀和服務(wù)進(jìn)行論述，再次從新技術(shù)的角度介紹國內(nèi)外的一些實(shí)踐以及西安電子科技大學(xué)圖書館的實(shí)踐，最后對(duì)于提升圖書館傳統(tǒng)服務(wù)提出總結(jié)和建議。

因子分析的基本模型如下：設(shè)有p個(gè)原有變量x1,x2,…,xp，且每個(gè)變量（經(jīng)標(biāo)準(zhǔn)化處理后） 的均值為0，標(biāo)準(zhǔn)差為1。現(xiàn)將每個(gè)原有變量用k（k＜p）個(gè)因子f1,f2,…,fk的線性組合來表示，則有：

根據(jù)Logistic回歸模型得到的渠道、NCD、簽單保費(fèi)、投保類別、是否投保車上人員、三者險(xiǎn)保額、是否投保盜搶、品牌、被保險(xiǎn)人性別、車齡等10個(gè)影響因素，遵從完備性、科學(xué)性、系統(tǒng)性及可操作性等基本原則，分別從產(chǎn)品屬性、承包屬性、客戶屬性、標(biāo)的屬性等4個(gè)準(zhǔn)則層構(gòu)建評(píng)價(jià)體系，使評(píng)價(jià)體系從不同方面綜合反映車險(xiǎn)續(xù)保率影響因素（見表1），運(yùn)用SPSS多元統(tǒng)計(jì)軟件進(jìn)行影響因素權(quán)重分析。

2 基于Logistic回歸模型車險(xiǎn)續(xù)保率影響因素分析

2.1 數(shù)據(jù)來源

（3） 因子個(gè)數(shù)的確定根據(jù)特征值與成分?jǐn)?shù)分析，4個(gè)因子滿足特征 值λ≥1的原則，因此，因子總數(shù)暫定為4個(gè)，公共因子可以依據(jù)累計(jì)方差貢獻(xiàn)率來確定，前k個(gè)因子的累計(jì)方差貢獻(xiàn)率定義為，其中ak為前k個(gè)因子的累計(jì)方差貢獻(xiàn)率為第i個(gè)因子的方差貢獻(xiàn)；λi為第i個(gè)特征值。

2.2 變量選取

多重共線性是指線性回歸模型中的預(yù)測(cè)變量間存在高度相關(guān)的關(guān)系，會(huì)導(dǎo)致模型的估計(jì)值產(chǎn)生偏差。應(yīng)用方差膨脹因子（Variance Inflation Factor,VIF）對(duì)模型的預(yù)測(cè)變量進(jìn)行檢驗(yàn)，排除有顯著共線性的變量。一般認(rèn)為，當(dāng)VIF＞10時(shí)，說明自變量之間具有顯著的共線性，需要剔除相應(yīng)的自變量。針對(duì)樣本數(shù)據(jù)中的28個(gè)影響因素，根據(jù)多重共線性檢驗(yàn)結(jié)果，剔除不顯著變量后，得到渠道、品牌、投保類別、新車購置價(jià)、車齡、NCD、被保險(xiǎn)人性別、被保險(xiǎn)人年齡、是否投保車損、是否投保盜搶、是否投保車上人員、三者險(xiǎn)保額、簽單保費(fèi)等13個(gè)影響因素，確定此13個(gè)影響因素作為自變量。

2.3 結(jié)果分析

運(yùn)用SPSS Modeler數(shù)據(jù)挖掘軟件建立Logistic回歸模型，得到車險(xiǎn)續(xù)保率影響因素的重要性排序，如圖1所示。

檢驗(yàn)是否適用因子分析的常用統(tǒng)計(jì)量，包括KMO檢驗(yàn)以及Bartlett球形檢驗(yàn)。經(jīng)過計(jì)算，檢驗(yàn)結(jié)果KMO值為0.543＞0.50，說明適合使用因子分析；同時(shí)，Bartlett球形檢驗(yàn)對(duì)應(yīng)的P值為0.000，小于給定的顯著性水平p=0.05，因此認(rèn)為原有變量適合作因子分析。

3 基于因子分析法的車險(xiǎn)續(xù)保率影響因素權(quán)重確定

3.1 計(jì)算步驟

（1）評(píng)價(jià)指標(biāo)體系構(gòu)建

用矩陣的形式表示為：

1.2.1 方法簡(jiǎn)介

從圖1中可以看出渠道、NCD、簽單保費(fèi)、投保類別、是否投保車上人員等因素對(duì)是否續(xù)保的影響較大。

圖1 車險(xiǎn)續(xù)保率影響因素的重要性

表1 指標(biāo)匯總表

本文運(yùn)用某保險(xiǎn)公司的部分續(xù)保數(shù)據(jù)來說明Logistic回歸模型在續(xù)保模型中的應(yīng)用。由于考慮到選取的解釋變量的同質(zhì)性問題，僅選取部分家庭自用車作為樣本進(jìn)行建模，剔除無效樣本及對(duì)樣本數(shù)據(jù)進(jìn)行降維處理、異常數(shù)據(jù)刪除及冗余數(shù)據(jù)合并后，樣本容量大約有26 734條。

Logistic回歸模型被用于描述二分類變量（因變量為0和1）和一個(gè)或多個(gè)自變量之間的關(guān)系。Logistic回歸模型的一般表達(dá)式如下：

由于地理位置、開發(fā)條件和國家政策的原因，西沙群島群島郵輪旅游僅停靠全富島、銀嶼島和鴨公島三座島嶼，線路單一。因全富島、銀嶼島和鴨公島三座島嶼面積小，成熟開發(fā)的旅游產(chǎn)品少，游客體驗(yàn)好感度下降。加之西沙群島的地理位置，極易受臺(tái)風(fēng)影響，郵輪旅游產(chǎn)業(yè)脆弱性高。

3.2 結(jié)果分析

通過SPSS軟件得出車險(xiǎn)續(xù)保率影響因素權(quán)重排序，第一主因子產(chǎn)品屬性包括是否投保車上人員、是否投保盜搶和簽單保費(fèi)是影響車險(xiǎn)續(xù)保率的首要關(guān)鍵因素，綜合權(quán)重達(dá)0.32；第二主因子承保屬性包括渠道、投保類別、車齡、NCD是影響車險(xiǎn)續(xù)保率的次要關(guān)鍵因素，綜合權(quán)重達(dá)0.29。

自貿(mào)港金融與當(dāng)?shù)匕l(fā)展水平和定位緊密關(guān)聯(lián)，為此必須形成總分協(xié)同的戰(zhàn)略執(zhí)行體系。綜合金融服務(wù)方案設(shè)計(jì)必須要求分行之間、業(yè)務(wù)條線之間的協(xié)同合作，整合已有自貿(mào)區(qū)業(yè)務(wù)、未來的自貿(mào)港業(yè)務(wù)、離岸業(yè)務(wù)和境外機(jī)構(gòu)資源。因此，商業(yè)銀行應(yīng)加強(qiáng)總行層面的頂層設(shè)計(jì)，建立專司自貿(mào)港業(yè)務(wù)的領(lǐng)導(dǎo)協(xié)同小組，制定整體自貿(mào)港金融服務(wù)發(fā)展規(guī)劃。同時(shí)，在組織架構(gòu)上建議研究制定自貿(mào)區(qū)/港分支機(jī)構(gòu)架構(gòu)管理辦法，以減少溝通匯報(bào)層級(jí)，提升管理效率。

4 結(jié)論

（1）本文以某保險(xiǎn)公司26 734條保險(xiǎn)樣本數(shù)據(jù)為分析對(duì)象，通過Logistic回歸模型中的多重共線性處理剔除不顯著變量后，得到渠道、品牌、投保類別、新車購置價(jià)、車齡等13個(gè)影響因素。應(yīng)用Logistic回歸模型構(gòu)建車險(xiǎn)續(xù)保率影響因素重要程度排序圖，結(jié)果表明，排名前十的車險(xiǎn)續(xù)保率影響因素分別是：渠道、NCD、簽單保費(fèi)、投保類別、是否投保車上人員、三者險(xiǎn)保額、是否投保盜搶、品牌、被保險(xiǎn)人性別、車齡。

1.1 研究對(duì)象 以2017年貴州大學(xué)參加測(cè)試的全體學(xué)生為測(cè)試對(duì)象，共計(jì)28 302人，具體情況見表1、表2。從表1、表2中可以清晰看出貴州大學(xué)雖地處西部，但學(xué)生來源涵蓋了29個(gè)省、直轄市和自治區(qū)，包含了31個(gè)少數(shù)民族及其他（以穿青人為主）。針對(duì)大學(xué)生體質(zhì)健康研究，取貴州大學(xué)這個(gè)整群作為調(diào)查對(duì)象具有一定的代表性。

依托長流規(guī)，加強(qiáng)治江頂層設(shè)計(jì)。規(guī)劃是治江各項(xiàng)工作的龍頭。2013年，長江委切實(shí)加強(qiáng)治江頂層設(shè)計(jì)，長江流域水利規(guī)劃和前期工作進(jìn)展順利。結(jié)合新修編的長流規(guī)對(duì)水利工作提出的新要求和治江工作實(shí)際，長江委廣泛、深入地開展宣貫工作，提高了全委干部職工及社會(huì)各界對(duì)長流規(guī)的認(rèn)識(shí)和了解。同時(shí)，組織開展了數(shù)十項(xiàng)水利規(guī)劃編制工作，其中，修訂完成《長江中下游干流河道治理規(guī)劃》，編制完成岷江、雅礱江、贛江、沅江等流域綜合規(guī)劃，基本完成湘江、資水、撫河、信江等流域綜合規(guī)劃。加緊組織開展長江流域（片）水中長期供求規(guī)劃、主要江河流域水量分配方案制定、全國治澇規(guī)劃等規(guī)劃編制工作。

（2）由因子分析法確定的各因素的綜合權(quán)重排序可知，產(chǎn)品屬性包括是否投保車上人員、是否投保盜搶和簽單保費(fèi)是影響車險(xiǎn)續(xù)保率的首要關(guān)鍵因素，承保屬性包括渠道、投保類別、車齡、NCD是影響車險(xiǎn)續(xù)保率的次要關(guān)鍵因素。因此，保險(xiǎn)公司在制定精準(zhǔn)營銷策略時(shí)需要有針對(duì)性和側(cè)重點(diǎn)，從而有效提高客戶車險(xiǎn)續(xù)保率。