改革开放之后,我国人民生活水平得到提高,这使得汽车销售量也日益增多。保险行业这在一现状下大步向前,近几年已经发展成为车主们必不可少的投资和支出。购买车辆保险最重要的关注点是:车险价格、索赔强度和车险费率。为了公平的确定车险价格以及索赔强度,研究风险的特征、影响车辆发生危险的因素是重要的一部分。本文以预测索赔额度为目的,探究适用于车辆险数据的模型。最早用于预测索赔强度的模型是广义线性模型,它对于因变量Y宽松的条件使得预测索赔强度有了新的突破。但广义线性模型要求数据是来自独立的随机变量,在实际的数据中很难满足这一条件,因此将随机效应加入到广义线性模型中,获得的广义线性混合模型能拟合一定时间内重复测量的车险数据。近几年分层广义线性模型的研究逐步发展,它在前者的理论上改变了随机效应的分布,使得模型适用于多变的数据。本文在上述的基础上,考虑到车险数据中的地区因素,引入地区相关矩阵,得到的空间分层广义线性模型为索赔强度的预测提供了新的可能。首先,本文初步处理经过爬取得来的车险经营数据,对影响车险赔款的各个因素进行描述性分析,其次建立广义线性模型、广义混合线性模型、分层广义线性模型以及空间广义线性模型。分别对经营数据分析并进行检验,用以拟合索赔金额。并将拟合值与实际值进行比较。最后通过残差平方和,判定系数、似然函数值等将多种模型的拟合结果进行比较,观察可得加入随机效应的三种模型比广义线性模型拟合效果好,且各个模型适用的数据各不相同,其中分层广义线性模型和空间分层广义线性模型拟合效果最好。介于空间分层广义线性模型的拟合值与实际值接近,可知考虑数据的空间因素是预测索赔金额的一种新思路,特别是对于地区空间相似度较高的数据。本文还介绍了各个模型的特点和适用的数据类型,为不同数据的拟合提供选择。