Advertisement

Klassifizierung regionaler Schadenbedarfsunterschiede für PKW in der Kraftfahrzeug-Haftpflichtversicherung

  • Karl-August Schäffer
Abhandlungen

6. Zusammenfassung

Die Untersuchung hat zu folgenden Ergebnissen geführt:
  • —Die bisher übliche Methode zur Quantifizierung der regionalen Schadenbedarfsunterschiede ist sowohl bezüglich der Konstruktion des Indikators als auch im Hinblick auf die statistische Auswertung verbesserungsbedürftig.

  • —Die Abgrenzung der Regionen in der Bundesrepublik entspricht nicht der Forderung nach homogenen Teilbeständen und sollte deshalb modifiziert werden.

  • —Die vom Verordnungsgeber vorgeschriebene Einteilung der 16 Großstädte und der 28 Regierungsbezirke/Länder in je 4 Regionalklassen ist unzureichend und führt wegen der Heterogenität der Klassen zwangsläufig zu Wettbewerbsverzerrungen.

  • —Die Zuordnung der Regionen zu den Klassen kann mit Hilfe von statistischen Klassifikationsmethoden wesentlich verbessert werden. Der informationstheoretisch beste Kompromiß zwischen möglichst guter Homogenität der Klassen und möglichst kleiner Klassenzahl wird erreicht, wenn die Großstädte in 7 Klassen und die Regierungsbezirke/Länder in 9 Klassen eingeteilt werden.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. Akaike, H. (1973): Information theory and an extension of the maximum likelihood principle. 2nd International Symposium of Information Theory,B. N. Petrov andF. Csaki, eds., Akademiai Kiado, Budapest, 267–281.Google Scholar
  2. —— (1974): A new look at the statistical model identification. IEEE Trans. Automat. Contr. 19, 716–723.CrossRefGoogle Scholar
  3. —— (1978): A Bayesian analysis of the minimum AIC procedure. Ann. Inst. Statist. Math. 30, 9–14CrossRefGoogle Scholar
  4. Bailey, R. A. u.Simon, L. J. (1960): Two studies in automobile insurance ratemaking. The ASTIN-Bulletin 1Google Scholar
  5. Bozdogan, H. u.Sclove, S. L. (1984): Multi-sample cluster analysis using Akaike’s information criterion. Ann. Inst. Statist. Math. 36, 163–180CrossRefGoogle Scholar
  6. Dickmann, H. (1978): Einsatz der Clusteranalyse bei Klassifikationsproblemen in der Versicherungswirtschaft. Blätter Dtsch. Ges. Vers. Mathem. 13, 387–401Google Scholar
  7. Friedman, H. P. u.Rubin, J. (1967): On some invariant criteria for grouping data. Journ. Am. Stat. Ass. 62, 1159–1178.CrossRefGoogle Scholar
  8. Mehring, J. (1964): Ein mathematisches Hilfsmittel für Statistik- und Tariffragen in der Kraftfahrtversicherung. Blätter Dtsch. Ges. Vers. Mathem. 7, 111–126.Google Scholar
  9. Schäffer, K.-A. (1984): Proposal for taking account of heavy losses in calculating third party motor insurance — Compiled from material from the Federal Republic of Germany —. Beitrag zum ASTIN-Kongreß 1984 in Akersloot.Google Scholar
  10. Schäffer, K.-A. u.Willeke, R. (1980): Untersuchung zur Regionalstruktur in der Kraftfahrzeug-Haftpflichtversicherung. Manuskript, Köln 1980.Google Scholar
  11. Späth, H. (1983): Cluster-Formation und Analyse. Theorie, FORTRAN-Pro-gramme und Beispiele. R. Oldenbourg Verlag, München — Wien 1983Google Scholar
  12. Ward, J. H. (1963): Hierarchical grouping to optimize an objective function. Journ. Am. Stat. Ass. 58, 236–244.CrossRefGoogle Scholar
  13. Wishart, D. (1969): An algorithm for hierarchical classifications. Biometrics 25, 165–170.CrossRefGoogle Scholar

Copyright information

© Deutscher Verein für Versicherungswissenschaft 1985

Authors and Affiliations

  • Karl-August Schäffer
    • 1
  1. 1.Köln

Personalised recommendations