5.2.3　数据与模型

本节以20万元限额，70%比例给付条件下的费用补偿型保险计划为例，以赔付成本为结果进行实证分析。一共有三组数据：某商业保险公司某医疗保险的理赔数据，可以考虑的自变量因素有：性别、年龄、保障档次、地区、医院级别。某“新农合”保险理赔数据，可以考虑的自变量因素有年龄、性别、医院级别。某三级医院的住院医疗费用数据，可以考虑的自变量因素有：性别、年龄、病人来源、婚姻状况、职业。

分别对各组数据建立广义线性模型［GLM，具体模型的理论可参考Lindsey, J. K.（1997）］发现在医疗保险的人群细分上有如下的特征：①年龄肯定是一个显著的风险因子，但是性别的风险因子并不是必然的。比如此处某三级医院的数据发现性别并不显著，因此保险公司在某些医疗保险险种上并没有对男女进行差别费率。目前，有些国家为了防止性别歧视，也取消了商业保险的性别差别费率（比如欧盟规定各保险公司必须从2012年12月21日起，取消汽车、人寿、医疗等保险业务中存在的性别歧视条款）。②除了年龄和性别外，医院级别、保障档次、婚姻状况、地区都有可能是费率厘定的因素，仅仅是表现形式和影响程度不同而已。所以为了到达合理保费的目的，我们有必要对风险因子进行更细的划分。

为了做进一步的分析，我们选择某三级医院的住院医疗费用数据进行细致的实证。从医院数据中我们筛选出无社保无公费医疗的个体（有效个体为89909），人为地给予限额20万，10%的自费药，70%的比例给付的假设。应变量y表示在上述条件下的医疗保险的理赔成本。自变量包括：①住院天数。②年龄，以岁为单位。③性别，分为男性和女性。④婚姻状况，分为未婚、已婚、离异、丧偶。⑤职业，分为农民、学生、工人、儿童、干部、其他。⑥病人来源，分为市区、市郊、省内、省外。(https://www.daowen.com)

本节使用Gamma分布广义线性模型，联结函数取为log。这样具体的模型为：

其中i=0,1，j=0,1,2,3，k=0,1,2,3,4,5，l=0,1,2,3,4，分别表示性别为i的水平，婚姻状况为j的水平，职业为k的水平以及病人来源为l 的水平对应的参数。