徐国盛，赵晓兵

（浙江财经大学 数学与统计学院，浙江 杭州310018）

一、引 言

商业医疗保险在社会医疗保障体系中占有重要地位，是公费医疗保险的有益补充。在医疗保险中，医疗费用的评估是保险理赔的关键环节。在某些情况下，医疗费用数据的分布具有一定的特殊性，如费用数据是右偏态的，删失和死亡事件时有发生等，这使医疗费用的评估变得困难。

在国外，医疗费用评估已成为当下的研究热点，定量研究方法被广泛采用。在国内，注重描述性分析和统计检验的结合，杨馥等对陕西人身保险市场需求进行了描述性分析和相关统计检验［1］。最近几年，国外研究者提出了许多量化模型和量化方法来进行医疗费用的估计和预测，如经验似然方法、混合模型方法及广义线性模型等。Moran等用广义线性模型对医疗费用数据进行建模并预测［2］。在医疗费用数据分析中，广义线性模型是最常用的方法之一。其中的解释变量可以用来预测未来的医疗保险索赔额度，但如果费用数据中含有太多的解释变量，传统的评估方法就不再适用。仇春涓和陈滔运用广义线性模型分析了四川和上海的一组医疗保险数据，在分析中假定了已知的联系函数，并针对二十多个解释变量，主观选择了若干个变量纳入模型分析［3］。考虑到上述方法的不足，赵晓兵和王伟伟采用了一种全新的模型和方法重新分析了这组数据，即在非参数联系函数的假设下，利用充分降维方法寻找高维解释变量的线性组合，从而达到降维的目的［4］。……