如何在 R 中匯總 glm() function 的數據

Question

我正在嘗試使用 glm 估計保險定價的相對性。 我在 CASdatasets 中使用“freMPTL”。 ClaimNb 是我的回應，Exposure 是我的 Exposure，我對 ClaimNb/Exposure 感興趣。

將較大的類別（例如駕駛員年齡（18-99））划分為較小的前組之后。 5個類別，我使用分組數據

data_grouped_freq <- data_freq4 %>%
  group_by(Power, Brand, Gas, Region, CarAge_cat, DriverAge_cat, Density_cat) %>%
  summarise(ClaimNb  = sum(ClaimNb),
            Exposure = sum(Exposure))

之后我使用命令

model_freq <- glm(ClaimNb ~ Power + Brand + Gas + Region + CarAge_cat + DriverAge_cat + Density_cat,
 family = poisson, data = data_grouped_freq, weights = Exposure)
    summary(model_freq)

到 plot 一個 glm。 那么結果就是

Deviance Residuals: 
     Min        1Q    Median        3Q       Max  
-255.241    -2.634    -0.929    -0.202   199.629  

Coefficients:
                                          Estimate Std. Error z value Pr(>|z|)    
(Intercept)                              4.8629082  0.0011698 4156.99   <2e-16 ***
Powerd                                  -0.4660131  0.0014613 -318.90   <2e-16 ***
Powere                                  -0.7155983  0.0013723 -521.44   <2e-16 ***
Powerg                                  -0.4131892  0.0010905 -378.89   <2e-16 ***
...
RegionPoitou-Charentes                  -2.3903228  0.0052288 -457.14   <2e-16 ***
CarAge_cat1                             -1.2547176  0.0021645 -579.68   <2e-16 ***
DriverAge_cat1                          -0.7913098  0.0022811 -346.90   <2e-16 ***
DriverAge_cat2                          -1.2886084  0.0024688 -521.96   <2e-16 ***

我知道這是錯誤的，因為 DriverAge_cat1 具有更高的 ClaimNb/Exposure 比率，因此應該導致相對性>1，而 exp(-18.9082) 不是。 （cat1 的 ClaimNb/Exposure 比率為 0.134，而 DriverAge_cat1 的參考組為 0.071）

有人可以解釋我做錯了什么嗎？ 是不是有很多類別的 0 聲明導致問題？ 也許我處理錯了重量？ 7 個變量共有 14661 個單元格。

Answer 1

在用於創建泊松率 model 的 GLM 代碼中，您應該使用參數偏移量-

model_freq <- glm(ClaimNb ~ Power + Brand + Gas + Region + CarAge_cat + DriverAge_cat + Density_cat,
 family = poisson, data = data_grouped_freq, offset= log(Exposure))

上面修改的代碼應該可以解決您的問題。