การวิเคราะห์ข้อมูลจำนวนครั้งการเรียกร้องสินไหมทดแทนของการประกันภัยรถยนต์ที่มีการวัดซ้ำ ด้วยสมการประมาณค่าวางนัยทั่วไปและตัวแบบผสมเชิงเส้นวางนัยทั่วไป

Abstract

การวิจัยนี้มีวัตถุประสงค์เพื่อสร้างตัวแบบปัจจัยที่มีอิทธิพลต่อจำนวนครั้งการเรียกร้องสินไหมทดแทนของการประกันภัยรถยนต์ที่มีการวัดซ้ำ สำหรับภาพรวมของกลุ่มเสี่ยงภัย ด้วยวิธีสมการประมาณค่าวางนัยทั่วไป (Generalized Estimating Equation: GEE) และสำหรับหน่วยเสี่ยงภัยเฉพาะราย ด้วยวิธีตัวแบบผสมเชิงเส้นวางนัยทั่วไป (Generalized Linear Mixed Model: GLMM) เมื่อตัวแปรตามคือ จำนวนครั้งการเรียกร้องสินไหมทดแทนมีลักษณะแจกแจงแบบปัวซง (Poisson distribution) ซึ่งข้อมูลที่นำมาวิเคราะห์เป็นข้อมูลประกันภัยรถยนต์ชั้น 1 ที่ซื้อสัญญาของบริษัทประกันภัยแห่งหนึ่งในประเทศไทย ตั้งแต่ปีกรมธรรม์ พ.ศ. 2547 ถึงปีกรมธรรม์ ประกอบด้วยตัวแปรปัจจัยคือ ลักษณะการใช้งาน กลุ่มรถยนต์ ขนาดเครื่องยนต์ อายุรถ จำนวนที่นั่ง ค่าส่วนลด-เพิ่มจากประวัติการเรียกร้องสินไหมทดแทน และเบี้ยประกันภัยสุทธิ ผลการวิเคราะห์พบว่า สำหรับภาพรวมของกลุ่มเสี่ยงภัยด้วยวิธี GEE มีเพียงปัจจัยขนาดเครื่องยนต์ และส่วนลด-เพิ่มจากประวัติการเรียกร้องสินไหมทดแทนที่มีอิทธิพลต่อจำนวนครั้งการเรียกร้องสินไหมทดแทนที่ระดับนัยสำคัญ 0.05 และสำหรับหน่วยเสี่ยงภัยเฉพาะรายในการประกันภัยรถยนต์ ด้วยวิธี GLMM พบว่ามีเพียงปัจจัยขนาดเครื่องยนต์ที่เป็นปัจจัยอิทธิพลคงที่ และลักษณะหน่วยเสี่ยงภัยเฉพาะแต่ละรายซึ่งเป็นปัจจัยอิทธิพลสุ่ม มีผลต่อจำนวนครั้งการเรียกร้องสินไหมทดแทนที่ระดับนัยสำคัญ 0.05 The objective of this research was to build an impacted factor model for repeated motor insurance claim count data. A Generalized Estimating Equation (GEE) and a Generalized Linear Mixed Model (GLMM) were the methodologies used as the population average model of the exposure unit group and as the subject specific model of the exposure unit, respectively. In this study, the dependent variable with a Poisson distribution was the claim count of the comprehensive motor insurance. The claim count data which was the particular motor insurance contract and renewal contract from policy year 2004 to 2007 was from one of non-life insurance companies in Thailand. The studied factor variables were usage of the car, car group, engine size, age of the car, seat number, no-claims bonus value, and the premium. The results of this study showed that for GEE, the population average model of the exposure unit group, the factors significantly related to motor insurance claim count at the 0.05 level consisted of the engine size of the car and the no-claims bonus value. For GLMM, the subject specific model of the exposure unit, the engine size of the car and the specific of each individual risk, were the fixed effect factor and the random effect factor, respectively, and were significantly related to motor insurance claim count at the 0.05 level.