車險理賠與續(xù)保關(guān)系

許凌瑞

摘 要：隨著人民生活水平不斷提升，小汽車已經(jīng)成為各家各戶必不可少的交通工具。汽車雖然極大的方便了居民生活，但是也給城市管理帶來了很多麻煩，交通擁堵、尾氣排放等問題正在嚴(yán)重制約新車市場發(fā)展。因此續(xù)保工作就成為各大保險公司發(fā)展車險業(yè)務(wù)的頭等大事，通常提升續(xù)保率的方法主要圍繞承保工作而開展，但理賠因素知之甚少，而本文就是通過理賠角度來分析提升續(xù)保的新方法。

關(guān)鍵詞：車險續(xù)保；回歸分析；車險理賠

一、數(shù)據(jù)準(zhǔn)備與處理

車險續(xù)保與許多因素相關(guān)，但大致可分為以下兩類。

車險承保因素：包括車輛使用性質(zhì)、銷售渠道、車輛價格、營銷措施、銷售費(fèi)用、車輛使用年限等等因素。

車險理賠因素：包括案均賠款、投訴數(shù)量、服務(wù)體驗、出險次數(shù)等等。

從表面來看，客戶續(xù)保與否主要圍繞投保感受和理賠感受，從深層來看，主要是各大保險主體市場博弈的后果，本篇文章著重研究理賠對于續(xù)保率的影響，所用數(shù)據(jù)全部來自太保產(chǎn)險M分公司車險系統(tǒng)。時間范圍為2017年1-12月累計數(shù)據(jù)；樣本范圍為M分公司下屬16家地級市中支公司；數(shù)據(jù)范圍為可能對續(xù)保率造成影響的理賠指標(biāo)。

二、模型建立

普通的一對一線性關(guān)系圖例如折線圖，直方圖，柱形圖只適合分析普通一對一線性關(guān)系，而對于多對一或者多對多的多重對應(yīng)關(guān)系則不適用，而多重對應(yīng)關(guān)系則需要借助高級統(tǒng)計學(xué)，通常情況下可以使用線性回歸或者逐步回歸等簡單回歸法。

那么什么是回歸分析呢？回歸分析研究的是自變量和因變量之間的關(guān)系?；貧w最早是出自高爾頓種豆子的實(shí)驗結(jié)論，通過大量數(shù)據(jù)統(tǒng)計，實(shí)驗發(fā)現(xiàn)個體相對小的豆子往往會產(chǎn)生比其更大的子代，而個體相對大的豆子則會產(chǎn)生比其更小的子代?？梢詫?shí)驗結(jié)果理解為：子代個體在向父代豆子的平均尺寸“回歸”（事物傾向于 “平均”發(fā)展）。

明確了回歸分析的思路后，我們來選取可能對于續(xù)保率有關(guān)聯(lián)的理賠指標(biāo)，相關(guān)指標(biāo)定義和名稱如下：

萬元以下往年案件支付數(shù)量占比、報案結(jié)案率（當(dāng)期已決案件數(shù)量（含零注拒）/當(dāng)期報案案件數(shù)量*100%）。

萬元以下案均報案支付周期（∑結(jié)案金額萬元以下案件的[支付時點(diǎn)-報案時點(diǎn)] /萬元以下正常結(jié)案數(shù)量）、558（當(dāng)年案件5K以下非人傷5日內(nèi)結(jié)案支付率）、357 （（支付時間在5天以內(nèi)的人傷案件數(shù)量/人傷總數(shù)量）*100%）、180 （（未決估損金額小于等于10000元滯留在單證收集的案件數(shù)量/單證待收集總數(shù)量）*100%）、萬元以下人傷支付數(shù)量占比 、人傷支付金額占比、萬元以下交強(qiáng)險周期、萬元以下商業(yè)險支付數(shù)量占比、非家庭自用車支付數(shù)量占比、非人傷案均未決持續(xù)周期、億元保費(fèi)投訴量、4S店核損金額占比 （4S店維修車輛核損總金額/整體車物損案件核損總金額）、萬元以下公估處理案件占比

按照所需因子和自變量分別提取數(shù)據(jù)，制作對應(yīng)表格，然后輸入SPSS數(shù)據(jù)分析系統(tǒng)，進(jìn)行回歸分析。

三、回歸分析過程

打開SPSS，選擇回歸分析測算底稿文件，導(dǎo)入數(shù)據(jù)，選擇線性回歸，將續(xù)保率導(dǎo)入因變量，將所有理賠指標(biāo)導(dǎo)入自變量，開始回歸分析。

模型摘要和變異數(shù)分析如下圖所示。

R方和調(diào)整后R平方無限接近于1，說明該模型擬合度較好，模型具有較強(qiáng)的實(shí)用性。

SSe（殘差平方和）和MSe（剩余均方差）僅有0.008，說明擬合精度較好

Significance F（顯著性）對應(yīng)的是在顯著性水平下的Fa臨界值，其實(shí)等于P值，即棄真概率。所謂“棄真概率”即模型為假的概率，顯然1-P便是模型為真的概率。那么該模型為真的概率為1-0.013=0.987=99%，說明該模型置信度為99%。

模型基本常數(shù)項基本顯著性（P-value ）為0.007，遠(yuǎn)小于0.05.說明各自變量整體較為顯著。

各模型因子關(guān)聯(lián)度如左圖所示，通俗來說，可以以線性函數(shù)進(jìn)行表述：

μ = β0+ β1σ1+ β2σ2+β3σ3+ β5 σ4………+ε，其中，μ 為車輛續(xù)保率，βj （ j=0，1，2，3，4，5………）為影響因子， σi（i=0，1，2，3，4，5………）為各理賠指標(biāo)自變量， ε為隨機(jī)因素。

下面將重點(diǎn)解析自變量和影響因子所蘊(yùn)含的意義。

往年案件支付比例越高，續(xù)保率越高，說明加大往年案件清理力度，對于續(xù)保率有正向作用；報案結(jié)案率對于續(xù)保率具有反向作用，這似乎不合乎常理，我們后面會詳細(xì)分析；萬元以下案均報案支付周期的增長居然對續(xù)保率有正向作用，這同樣不合乎常理，我們會結(jié)合報案結(jié)案率進(jìn)行綜合分析；558對于續(xù)保率的正向提升作用是毋庸置疑的；萬元以下人傷支付數(shù)量過多對于續(xù)保率會起到反向作用，這主要是由于小案人傷出險率影響導(dǎo)致的，但不能單純認(rèn)為人傷案件支付多就有不良影響，這從人傷支付金額占比的正向作用可以看出，如果在小額人傷出險率無法干預(yù)的前提下，提升人傷支付金額占比，加快人傷結(jié)案速度，則會對續(xù)保率有正向提升作用；萬元以下商業(yè)險支付數(shù)量過多對續(xù)保率有反向作用，這隱含了單方事故過多對于小額案件服務(wù)的不利影響，單方事故雖然可以更好彰顯服務(wù)質(zhì)量，但相同服務(wù)標(biāo)準(zhǔn)下，雙方事故的服務(wù)質(zhì)量更能有效提升續(xù)保率；投訴量對于續(xù)保確實(shí)有反向作用，但遠(yuǎn)非預(yù)期的那樣嚴(yán)重；4S店維修金額占比對于續(xù)保率有正向作用，說明車商送修對于提升續(xù)保率有一定積極意義；公估處理案件過多對于續(xù)保率有反向作用，但影響度較小，仍在可控范圍內(nèi)。

以上只是系數(shù)所蘊(yùn)含的簡單結(jié)論，具體還需要進(jìn)行下面的多種函數(shù)圖形的詳細(xì)分析。

四、模型修正及影響因素分析

三個圖形結(jié)合起來可以發(fā)現(xiàn)，只有在保證往年積壓案件較少，也就是報案結(jié)案率維持在【100%～102%】左右，此時則可以斷定支付周期越短，續(xù)保率則約高，這就提醒我們在分析理賠因素時必須結(jié)合多角度來考慮。

雖然萬元以下人傷支付數(shù)量占比整體為負(fù)相關(guān)（系數(shù)為-3.006），但在10%以下時則具有較好的正向作用，之后占比如果繼續(xù)升高，則擬合較差。整體人傷支付數(shù)量占比圖形與萬元以下人傷支付數(shù)量占比較為類似，但擬合度較差，說明單從人傷金額的角度考慮，重點(diǎn)管控小額人傷案件的效果要遠(yuǎn)比整體人傷案件要好。

人傷支付金額占比雖然為正相關(guān)（系數(shù)為0.258）.但從圖中可以看出只有當(dāng)人傷支付金額占比處于【50%～62%】之間時才勉強(qiáng)具有較好的擬合度，因此加大人傷案件清理力度固然會對續(xù)保率產(chǎn)生正向影響，但如果比例過高則說明承保結(jié)構(gòu)有待改善。

萬元以下交強(qiáng)險支付周期和商業(yè)險支付數(shù)量占比負(fù)相關(guān)性較為明顯（系數(shù)分別為-1.38和-1.53），但我們也可以看到萬元以下商業(yè)險支付數(shù)量占比僅僅在大于48%以上才具有較好的擬合性，這從側(cè)面可以證明，雖然在同等服務(wù)質(zhì)量基礎(chǔ)上，雙方事故比單方事故更能對續(xù)保率產(chǎn)生正面影響，但是過多的雙方事故則會產(chǎn)生反作用，這從圖形中【40%～48%】這一段離散程度可以看出。

五、最終結(jié)論

1、理賠對續(xù)保的反饋?zhàn)饔靡延l(fā)快速及重要

通過調(diào)整模型可以發(fā)現(xiàn)當(dāng)年的理賠指標(biāo)已對當(dāng)年的續(xù)保率產(chǎn)生較為深遠(yuǎn)的影響，不需考慮延時效應(yīng)，無需等待數(shù)月后再行觀察。

2、應(yīng)科學(xué)合理的降低往年未決案件占比

有兩種方法，一是在年末集中清理當(dāng)年未決案件，尤其是人傷案件；二是進(jìn)入新的一年，集中火力清理新發(fā)案件，對于往年舊案任其自然結(jié)案，這樣可以用大量的新發(fā)案件去沖抵舊案的不利影響，降低占比。

3、提升續(xù)保的理賠工作抓手（首先提升558，進(jìn)而縮短萬元周期，促進(jìn)報案率趨于合理，同時兼顧降低往年案件占比）

理賠各項指標(biāo)具有較強(qiáng)的關(guān)聯(lián)性，“牽一發(fā)而動全身”，這在分析對于續(xù)保率的影響時也同樣適用。

4、非關(guān)鍵指標(biāo)的關(guān)聯(lián)工作也應(yīng)引起重視（加大車商送修，降低投訴，加快查勘定損與單證收集的扭轉(zhuǎn)速度，集中時間加快人傷大案結(jié)案力度，剔除公估等等），非關(guān)鍵指標(biāo)對于續(xù)保的影響程度雖不大，但也需引起重視。