7 8 9
.010 .007 .005
.114 .077 .050
99.872 99.950 100.000
提取方法：主成份分析。
旋转成份矩阵
a
企业财产保险保费收入 机动车辆保险保费收入 货物运输保险保费收入 责任保险保费收入 信用保证保险保费收入 农业保险保费收入 短期健康保险保费收入 意外伤害保险保费收入 其他保险保费收入 提取方法 :主成份。
成份 1 .988 .992 .983 .982 .008 .871 .942 .948 .981
2 .008 .003 .007 .021 1.000 .021 .024 -.028 .005
旋转法 :具有 Kaiser 标准化的正交旋转法。
旋转成份矩阵
a
企业财产保险保费收入 机动车辆保险保费收入 货物运输保险保费收入 责任保险保费收入 信用保证保险保费收入 农业保险保费收入 短期健康保险保费收入 意外伤害保险保费收入 其他保险保费收入 提取方法 :主成份。
成份 1 .988 .992 .983 .982 .008 .871 .942 .948 .981
2 .008 .003 .007 .021 1.000 .021 .024 -.028 .005
旋转法 :具有 Kaiser 标准化的正交旋转法。 a. 旋转在 3 次迭代后收敛。
从上述表中可以看出，KMO指标为0.899，明显>0.7，所以适宜做因子分析，而特征值Sig.为0.000<0.001也证实了适合进行做因子分析。公因子表中，各个指标的提取率都比较高，解释的总方差表中可以看出，只有前两个成分的特征值大于1，且这两个成分的累计贡献率为93.36%，所以可以提取出2个因子，从碎石图中也可证这个结果。最后看旋转成分矩阵，可以提出两个因子。因子1中只有信用保证保险保费收入的值较小，可以命名为无关信用因子；因子2中只有信用保证保险保费收入的值较高，可以命名为信用因子。
（五）使用构成赔款支出的9个变量对各个财产保险公司进行K－均值聚类。
得出的结果如下所示：
初始聚类中心
企业财产保险赔款支出 机动车辆保险赔款支出 货物运输保险赔款支出 责任保险赔款支出 信用保证保险赔款支出 农业保险赔款支出 短期健康保险赔款支出 意外伤害保险赔款支出 其他保险赔款支出
聚类
1 5292.42 32262.65 1220.28 1589.81 680.69 864.91 971.83 657.62 2690.53
2 .00 .00 .00 .00 846.35
.00 .00 .00 .00
3 218.85 3809.56 38.06 40.78 .00 3.02 1.86 149.36 39.51
4 453.52 10440.42
63.17 157.59 3.42 695.53 284.64 300.48 294.79
迭代历史记录 聚类中心内的更改 迭代 1 2 1 .000 .000 2 846.006 .000 3 804.355 .000 4 1751.603 .000 aa. 由于聚类中心内没有改动或改动较小而达到收敛。任何中心的最大绝对坐标更改为 .000。当前迭代为 2。初始中心间的最小距离为 3912.026。
聚类成员
案例号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28
聚类
1 2 3 2 2 2 2 4 4 4 2 3 2 2 3 2 2 3 2 2 2 2 2 2 2 2 2 2
距离
.000 179.967 420.591 1257.456 783.751 846.006 874.854 1751.603 1087.492 750.021 315.759 804.355 422.708 752.162 362.356 112.229 216.756 849.154 1027.942 63.912 196.013 114.047 316.089 206.212 150.267 204.423 193.863 208.023
29 30 31 32 33 34 35 36 37 38 39 40 41 42
2 2 2 2 2 2 2 2 2 2 2 2 2 2
212.008 212.993 170.641 205.936 207.470 205.240 205.792 204.860 204.847 182.088 207.506 208.013 208.002 208.028
最终聚类中心
企业财产保险赔款支出 机动车辆保险赔款支出 货物运输保险赔款支出 责任保险赔款支出 信用保证保险赔款支出 农业保险赔款支出 短期健康保险赔款支出 意外伤害保险赔款支出 其他保险赔款支出
聚类
1 5292.42 32262.65 1220.28 1589.81 680.69 864.91 971.83 657.62 2690.53
2 32.92 198.00 16.83 16.20 25.91 33.62 2.53 11.63 22.45
3 144.04 3010.25 25.01 40.21 5.96 1.38 34.57 114.66 42.34
4 1044.31 8866.85 195.94 204.16 40.54 234.95 206.84 312.01 353.68
最终聚类中心间的距离
聚类 1 2 3 4
1
2 32700.518
3 29923.668 2816.948
4 23986.480 8747.671 5948.758
32700.518 29923.668 23986.480
2816.948 8747.671
5948.758
ANOVA 企业财产保险赔款支出 机动车辆保险赔款支出 货物运输保险赔款支出 责任保险赔款支出 信用保证保险赔款支出 农业保险赔款支出 短期健康保险赔款支出 意外伤害保险赔款支出 其他保险赔款支出 聚类 均方 9654164.733 3.903E8 489976.785 821918.429 140616.689 258719.674 333075.622 213022.855 2372031.869 df 3 3 3 3 3 3 3 3 3 均方 误差 df 38 38 38 38 38 38 38 38 38 F 566.582 1533.597 272.526 206.224 7.672 6.918 157.656 119.015 324.289 Sig. .000 .000 .000 .000 .000 .001 .000 .000 .000 17039.304 254480.665 1797.910 3985.567 18329.344 37395.856 2112.668 1789.882 7314.562 F 检验应仅用于描述性目的，因为选中的聚类将被用来最大化不同聚类中的案例间的差别。观测到的显著性水平并未据此进行更正，因此无法将其解释为是对聚类均值相等这一假设的检验。
每个聚类中的案例数 聚类
1 2 3 4
有效 缺失
1.000 34.000 4.000 3.000 42.000 .000
所以最后看出，总共聚出了4类，第1类为人保保险；第2类为机构2、4、5、6、7、11、13、14、16、17、19-42；第3类为保险机构3、12、15、18；第4类为保险机构8、9、10。并且ANOVA表中显示，特征值Sig.小于等于0.001，所以结果显著。
综上所示，我认为通过对我国各个财产保险公司的基本情况进行各种分析，可以看出构成财产保险公司基本特征的各变量之间大多存在线性相关关系，各财产保险公司之间构成保费的公共因子为无关信用因子以及信用因子；构成赔款支出的9个变量对各个财产保险公司聚成了4类。
SPSS保险业案例分析
