선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 교통법규위반의 경우도 중대교통법규위반 유형이 더 심각할수록 사고심도가 커질 개연성이 큰데, 분석결과는 이러한 모습을 보여주고 있다. 그러면 실제 분석결과를 해석할 수 있도록 계수를 환산한 값을 살펴보도록 하자. 차종의 경우 소형A(qcar20)보다 중형(qcar22)이 5.
- 최근 Jong과 Heller (2008)가 자동차보험 요율산출 분야에 활용하여 통계모형을 구축할 때, 독립변수와 종속변수의 관계를 규명하는데 일반화가법모형을 활용할 수 있다고 설명한 것이 그나마 관련이 있다고 할 수 있다. 따라서 일반화가법모형으로 우리나라 자동차보험 자료를 분석하고, 그 결과를 활용하여 자동차보험 언더라이팅 시스템을 구축하는 방법을 제시하고자 하는 본 연구는 일반화가법모형 활용성 증대 및 보험분야의 언더라이팅 정교화 측면에서 큰 의미가 있다고 판단된다.
- 본 논문에서 일반화가법모형을 이용한 분석에 사용된 자료의 특성을 요약해 보고자 한다. 먼저 종속변수를 보면 사고빈도에 대해서는 최대 사고건수가 5건이고, 최소가 0건이다.
- 본 연구의 목적은 일반화가법모형을 자동차보험분야에 적용할 수 있는 가능성을 확인해보는 것이다. 따라서 본 연구에서는 자동차보험의 통계특성을 잘 반영할 수 있는 보험종목과 담보 및 사고 자료로 한정하여 연구를 진행하였다.
- 그러므로 독립변수가 연속형인 경우만 분석이 가능한 기존의 일반화가법모형으로는 보험통계를 분석할 수 없다. 이에 본 연구에서 는 독립변수가 연속형 자료인 경우 및 범주형 자료인 경우에도 적용할 수 있는 일반화가법모형을 분석모형으로 정하였다. 이러한 일반화가법모형을 일반화가법부분선형모형(Generalized Additive Partial Linear Model; GAPLM)이라고 한다.
가설 설정
- 이중 가장 모형 적합력이 큰 분포를 종속변수의 최종모형 분포로 하였다. 사고빈도의경우에는 포아송분포와 음이항분포가 적합되었는데 이 중에 음이항분포를 적합시킨 결과가 더 좋았기 때문에 음이항분포를 가정하였다. 또한 사고심도에 대해서도 비슷한 방법으로 적합해본 결과 로그정규분포가 가장 적합한 것으로 파악되었다.
- 이러한 문제를 해결하기 위해서 최근에는 일반화선형모형을 확정한 일반화가법모형(Generalized Additive Model)이 개발되었다. 일반화가법모형에서 반응변수에 대한 가정은 일반화선형모형과 같이 지수족을 가정한다.
- 종속변수(사건빈도 또는 사고심도)의 가정은 각각 음이항분포와 로그정규분포로 하였다. 이것은 대인배상Ⅰ 종속변수를 실제 분포로 적합시켜 본 결과 이러한 분포에 적합되었기 때문이다.
제안 방법
- 1) 성별 및 차종: 성별 변수는 남성과 여성으로 구분된 범주형 자료이고, 차종구분은 보험개발원(2008)에서 정의된 개인용 및 플러스 개인용자동차보험의 차종구분을 따라 6개로 나누었다. 6개의차종 구분의 기준은 배기량(cc)과 탑승자 인원 등으로 표 2.
- 다인승Ⅱ와 가입경력이 대물배상사고빈도과 음의 상관관계를 가지고 설명력이 있다는 점도 대인배상Ⅰ의 경우와 동일하다. 각 범주에속한 변수들의 위험도 수준을 알아보기 위해서 최종 일반화 가법모형의 계수를 환산하여 보았다. 사고빈도의 경우를 보면, 차종에서는 소형A(qcar20)에 비하여 소형B(qcar21)는 사고위험도가 9.
- 독립변수는 현재 자동차보험에서 사용되고 있거나 분석에 필요한 것으로 ‘성별’, ‘차종’, ‘연령’, ‘가입경력’, ‘법규위반 유형’, ‘할인할증률’ 등을 고려하였다.
- 통계모형으로 언더라이팅 시스템을 구축하는 절차는 첫째로 과거 또는 현재의 자료를 가장 잘 설명할 수 있는 통계모형을 찾는 것이다. 둘째는 앞서 찾은 통계모형으로 예측시스템을 구축하여 최적 통계모형으로 향후 가입하고자 하는 계약자의 위험도를 분석하는 시스템을 구축하는 것이다.
- 이러한 GAPLM으로 통계분석을 시행할 때에는 종속변수인 사고빈도 및 사고심도 자료를 잘 설명할 수있는 분포를 찾는 것과 연결함수를 선택하는 것을 고려해야 한다. 따라서 본 연구에서는 종속변수에 부합한 분포를 찾는 방법을 우선적으로 시행하였고, 사용되는 모형이 일반화가법모형이므로 종속변수의 분포 범위를 지수족으로 한정하였다. 연결함수 선택문제에서는 모형적합이 뛰어난 연결함수가 사용되도록 하였다.
- 알고리즘에 대한 부가적인 세부 설명은 Hastie와 Tibshirani (1990)와 Härdle 등 (2004b)도 참고하면 도움이 될 것이다. 본 논문에서는 공개 통계언어인 R을 이용해 프로그램을 작성하고 수행하였다.
- 따라서 일부 회사들은 3년 이상 가입경력을 더 세분화하고 있다. 본 연구에서는 가입경력을 1년 단위로 6등분하여 분석하였다.
- 본 연구에서는 언더라이팅 기준을 구축하기 위해서 사고빈도와 사고심도로 나누어 분석한 앞의 통계분석 결과를 사용하였다. 소비자의 가입조건은 앞서 통계분석에 사용된 독립변수으로 지정된다.
- 이에 따라 일반화가법부분선형모형의 적합 과정에서 처음에 범주형 변수인 성별, 차종, 법규위반은 모수적 요소로 하고 연령, 할인할증과 가입경력은 비모수적 요소로 모형을 설정하고 분석하였다. 연결함수로는 사고빈도인 음이항분포의 경우에는 로그함수(log)를 사용하였고, 사고심도의 분포인 로그 정규분포의 경우에는 항등함수(idendity)를 사용하였다.
- 가입경력은 6년 이상이 있을 수도 있으나, 현재 자동차보험의 가입경력요율 제도는 가입경력 4년 이상을 기본으로 하여 이보다 가입경력자이 적은 사람에게 보험료를 할증하는 구조로 되어 있다. 이러한 자동차보험의 특성을 반영하여 통계자료를 최대 6년 이상으로 수정하였다. 현재 자동차보험에서는 가입경력 자료를 약 8년 수준까지 관리하고 있으므로, 6년이상으로 가입경력을 한정하여 통계를 분석하여도 충분히 가입경력으로 사고자료를 설명할 수 있을 것으로 생각된다.
- 연령(가장 왼쪽 그림)과 가입경력(가장 오른쪽 그림)은 선형보다는 비선형 함수의 모습이다. 이에 따라 일반화가법부분선형모형의 적합 과정에서 처음에 범주형 변수인 성별, 차종, 법규위반은 모수적 요소로 하고 연령, 할인할증과 가입경력은 비모수적 요소로 모형을 설정하고 분석하였다. 연결함수로는 사고빈도인 음이항분포의 경우에는 로그함수(log)를 사용하였고, 사고심도의 분포인 로그 정규분포의 경우에는 항등함수(idendity)를 사용하였다.
- 이 자료 중의 일부는 범주형으로 변환되고 일부 변수는 함수형태로 사용된다. 자동차사고에서 보상은 사고빈도와 사고심도와 밀접하기 때문에 종속변수는 이 둘을 고려하였다. 사고빈도는 사고건수에 해당되는 것이고, 사고심도는 1사고 당 지급된 보험금자료에 해당된다.
- 이것은 대인배상Ⅰ 종속변수를 실제 분포로 적합시켜 본 결과 이러한 분포에 적합되었기 때문이다. 적합도를 가장 높일 수 있도록 일반화가법모형에 적용하는 변수의 유형을 정하였다. 이를 위해 우선 사고빈도 및 사고심도와 독립변수의 관계를 그래프로 그림 4.
- 이를 위해 우선 사고빈도 및 사고심도와 독립변수의 관계를 그래프로 그려본 결과는 대인배상Ⅰ의 경우와 유사하였고 여기서는 생략하였다. 적합성이 좋은 모형을 위해 범주형 변수인 차종, 성별, 법규위반 유형은 모수적 변수로 하고 연령, 할인할증 및 가입경력은 비모수적 요소로 분석하였다. 연결함수도 대인배상Ⅰ에서와 같이 선행연구의 결과, 분석결과의 설명 용이성을 감안하여 사고빈도는 로그함수로 하고, 사고심도는 항등함수로 하였다.
- 종속변수의 분포 선택방법은 대인배상Ⅰ과 동일한 절차를 거쳤다. 즉, 대물배상 종속변수(사고자료)를 가장 잘 설명할 수 있는 분포를 선택하여 분포의 적합성 테스트, 일반화가법모형의 적합성 수준 비교의 과정을 거쳤다. 이중 가장 모형 적합력이 큰 분포를 종속변수의 최종모형 분포로 하였다.
- 따라서 본 연구에서는 자동차보험의 통계특성을 잘 반영할 수 있는 보험종목과 담보 및 사고 자료로 한정하여 연구를 진행하였다. 통계추출 대상 보험종목은 개인용 및 플러스개인용으로 하였다. 개인용 및 플러스 개인용은 전체자동차보험에서 차지하는 비율이 평균 유효대수 기준으로 70.
대상 데이터
- 본 연구에서는 연령을 1년단위로 운전가능 연령인 18세 이상과 80세까지로 하였다. 80세 이상 연령은 실질적으로 운전을 하기 어렵기 때문에 80세로 한정하였다.
- 반면에 업무용자동차보험 및 영업용자동차보험은 가입대상이 대부분 법인이므로, 운전자의 개별특성을 파악하기 어려워 분석대상에서 배제하였다. 그리고 본 연구에서는 분석대상 담보를 대인배상Ⅰ과 대물배상 등 의무가입대상 담보로 하였다. 자동차손해배상 보장법에는 보험가입자가 의무적으로 이 담보를 가입하여야 하고, 특히 대인배상Ⅰ의 경우는 보험회사가 동 담보가입을 거절할 수 없도록 되어 있다.
- 본 연구의 목적은 일반화가법모형을 자동차보험분야에 적용할 수 있는 가능성을 확인해보는 것이다. 따라서 본 연구에서는 자동차보험의 통계특성을 잘 반영할 수 있는 보험종목과 담보 및 사고 자료로 한정하여 연구를 진행하였다. 통계추출 대상 보험종목은 개인용 및 플러스개인용으로 하였다.
- 보험 자료는 독립변수가 연속형인 자료와 범주형 자료로 구성되어 있다. 그러므로 독립변수가 연속형인 경우만 분석이 가능한 기존의 일반화가법모형으로는 보험통계를 분석할 수 없다.
- 보험회사들은 각 연령별로 요율을 산출·적용하지 않고, 동일한 위험집단별로 범주화하여 요율을 산출·적용하고 있다. 본 연구에서는 연령을 1년단위로 운전가능 연령인 18세 이상과 80세까지로 하였다. 80세 이상 연령은 실질적으로 운전을 하기 어렵기 때문에 80세로 한정하였다.
- 분석을 위해 이용한 통계자료는 보험개발원에 집적된 회계년도 2005년 (FY2005)의 총 자료 중에서 임의표본추출한 약 50만개를 대상으로 하였다. 보험계약이 체결되고, 체결된 계약에서 발생한 사고기록자료인 증권년도기준(policy year basis) 통계를 이용하였다.
- 대인배상Ⅰ과 대물배상은 인적사고와 물적사고를 대표하는 담보로 타인 또는 남의 물건을 파손할 때 지급되는 배상책임담보이다. 이 담보의 사고기록으로 실제 우리나라 자동차사고의 대표적 특성을 찾아낼 수 있다고 보기에 본 연구에서는 대인배상Ⅰ과 대물배상 담보를 분석대상으로 한 것이다.
이론/모형
- 분석을 위해 이용한 통계자료는 보험개발원에 집적된 회계년도 2005년 (FY2005)의 총 자료 중에서 임의표본추출한 약 50만개를 대상으로 하였다. 보험계약이 체결되고, 체결된 계약에서 발생한 사고기록자료인 증권년도기준(policy year basis) 통계를 이용하였다. 증권년도기준 통계는 계약자료와 사고자료가 정확하게 일치하므로, 사고원인 특성을 정확하게 분석할 수 있는 통계추출 방식이다.
- 본 연구에서 사용된 통계가 FY2005년 자료이므로, 본 연구에서도 우량할인·불량할증 구분기준을 FY2005년 기준으로 하여 통계모형을 적용하였다.
- 본 연구에서는 FY2005의 우리나라 자동차보험 전체통계를 활용하여 일반화가법부분선형모형을 적용하여 보았다. 그 결과 담보별로 사고빈도와 사고심도에 적합한 일반화가법모형은 대인배상Ⅰ의 경우 각각 음이항분포와 로그정규분포 가정이 적합하였고, 대물배상의 경우에도 동일하였다.
- 이 식에서 해를 찾기 위해서는 Fan 등 (1998)에 의해 제안된 marginal integration method를 적용하고, 그 최적 추정치는 다음 식 (3.4)와 같다. 경계지역 또는 자료가 드문 부분에서는 계산상의 문제를 피하기 위해서 평균계산에 적절한 가중치가 적용되어야 한다.
성능/효과
- 3) 가입경력: 가입경력 구분은 회사별로 차이가 있으나, 일반적으로 ‘최초가입자 또는 1년 미만’, ‘1년 이상 2년 미만’, ‘2년 이상 3년 미만’ 및 ‘3년 이상’으로 구분되어 있다.
- 4) 법규위반: 교통법규 위반경력 요율제도는 크게 할증그룹, 기본그룹 그리고 할인그룹으로 나뉜다. 다시 할증그룹은 할증 1그룹 및 할증 2그룹으로 나뉜다.
- 5) 할인할증률: 할인할증률은 과거 사고유무, 사고내용에 따른 할증점수에 따라 평가대상기간을 약 3년으로 하여 산출된다. 따라서 과거 3년간 자동차보험에서 보험금이 지급된 사고(청구포기 사고는 제외)가 있는 경우의 사고내용점수에 따라 할인할증률이 산출·적용된다.
- 분석에 사용된 통계자료의 할인할증률의 범위도 이들 한도 내에 있으므로, 분석에 문제가 없다. 가입경력요율은 최소가 1, 최대가 6으로 되어 있으며, 평균 가입경력이 5.1년으로 나타났다. 가입경력은 6년 이상이 있을 수도 있으나, 현재 자동차보험의 가입경력요율 제도는 가입경력 4년 이상을 기본으로 하여 이보다 가입경력자이 적은 사람에게 보험료를 할증하는 구조로 되어 있다.
- 2에 제시하였다. 결과에서 사고빈도의 경우를 보면, 차종의 경우는 소형A(qcar20)에 비하여 소형B(qcar21)는 사고위험도가 11.2%, 중형(qcar22)은 21.4%, 대형(qcar23)은 12.3%, 다인승Ⅱ(qcar75)은 37.6% 더 높은 것으로 분석되었다. 이러한 결과는 대형자동차가 자동차가 크므로 사고위험도가 더 클 것으로 예상할 수 있으나, 대형자동차의 경우는 전문 기사와 같이 운전경험이 많은 사람들이 운전하는 경우가 있을 수 있으므로 사고발생률이 중형 등에 비하여 낮게 나온 것이 올바른 것으로 판단된다.
- 2에 주어져 있다. 계수 추정값을 보면, 사고빈도에서는 차종, 연령, 성별, 할인할증, 가입경력은 통계적으로 유의한 것으로 분석되었다. 분석결과 대부분의 독립변수는 사고건수와 양(+)의 상관관계를 가지고 종속변수를 설명하는 것으로 나타났는데, 차종 74(qcar74)와 가입경력(cs(qgexp))은 음의 상관관계를 가지는 것으로 나타났다.
- 이러한 결과를 볼 때 여성의 경우 소액사고는 자주 내지만, 보험금 지급이 큰 대형사고는 적게 나는 것으로 해석될 수 있는 것이다. 교통법규위반 분석결과를 보면, 가장 심각한 중대교통법규위반인 무면허 및 뺑소니 유형보다 기타 중대교통법규위반, 일반교통법규위반및 무위반자의 위험도가 약 10%(p)수준 낮은 것으로 분석되었다. 이러한 결과는 논리적으로 합당한 것으로 판단된다.
- 1%더 높은 것으로 나타났다. 교통법규위반 유형의 경우는 중대교통법규위반인 경우 더 사고발생위험도가 높은 것으로 분석되었다.
- 9% 더 높은 것으로 나타났다. 교통법규위반 유형의 경우는 중대교통법규위반인 경우 더 사고발생위험도가 더 높은 것으로 분석되었다.
- 성별은 여성(qgender2)이 남성보다 대물배상 사고심도의 위험도가 약 6% 낮은 것으로 분석되었다. 교통법규위반의 경우는 가장 심각한 중대교통법규위반 보다 위험도가 평균 30%씩 낮은 것으로 분석되었다. 이 경우는 가장 심각한 중대교통법규위반인 무면허 및 뺑소니의 경우 자료의 양이 매우 적어, 상대적 위험도를 신뢰하기는 좀 어려운 것으로 판단된다.
- 본 연구에서는 FY2005의 우리나라 자동차보험 전체통계를 활용하여 일반화가법부분선형모형을 적용하여 보았다. 그 결과 담보별로 사고빈도와 사고심도에 적합한 일반화가법모형은 대인배상Ⅰ의 경우 각각 음이항분포와 로그정규분포 가정이 적합하였고, 대물배상의 경우에도 동일하였다. 이와 더불어 모형에 포함된 변수들인 차종, 성별, 연령, 가입경력, 할인할증, 법규위반 경력 중에서 법규위반을 제외한 모든 변수가 자동차보험 사고를 설명할 수 있는 의미있는 변수인 것으로 분석되었다.
- 이와 더불어 모형에 포함된 변수들인 차종, 성별, 연령, 가입경력, 할인할증, 법규위반 경력 중에서 법규위반을 제외한 모든 변수가 자동차보험 사고를 설명할 수 있는 의미있는 변수인 것으로 분석되었다. 다만, 법규위반 항목별 위험도를 보면, 교통법규를 위반한 자가 위반하지 않은 자 보다 사고위험도가 약10%(p) 높은 것으로 나타났다. 따라서 교통법규위반 유형에 대하여는 추가 분석이 필요한 것으로 보인다.
- 3에 제시되어 있다. 대물배상에 대해서도 대인배상에서와 같이 거의 모든 독립변수가 통계적으로 유의하게 설명하는 것으로 분석되었다. 다인승Ⅱ와 가입경력이 대물배상사고빈도과 음의 상관관계를 가지고 설명력이 있다는 점도 대인배상Ⅰ의 경우와 동일하다.
- 이처럼 판매되는 자동차의 분포의 특성과 본 연구통계의 특성을 비교하여보면 두 분포가 거의 유사한 것으로 보인다. 따라서 본 연구에 사용된 차종 변수는 충분히 자동차보험 사고 특성을 설명할 수 있을 것으로 생각된다. 성별의 경우는 남자가 여자보다 약 3배정도 많은 것으로 나타났다.
- 사고빈도의경우에는 포아송분포와 음이항분포가 적합되었는데 이 중에 음이항분포를 적합시킨 결과가 더 좋았기 때문에 음이항분포를 가정하였다. 또한 사고심도에 대해서도 비슷한 방법으로 적합해본 결과 로그정규분포가 가장 적합한 것으로 파악되었다.
- 계수 추정값을 보면, 사고빈도에서는 차종, 연령, 성별, 할인할증, 가입경력은 통계적으로 유의한 것으로 분석되었다. 분석결과 대부분의 독립변수는 사고건수와 양(+)의 상관관계를 가지고 종속변수를 설명하는 것으로 나타났는데, 차종 74(qcar74)와 가입경력(cs(qgexp))은 음의 상관관계를 가지는 것으로 나타났다. 차종 74는 기준(base)이 되는 차종20(qcar20, 소형A)대비 사고발생률이 떨어진다는 것을 의미하고, 가입경력은 가입경력이 오래될수록 사고발생률이 감소한다는 것을 의미한다.
- 각 범주에속한 변수들의 위험도 수준을 알아보기 위해서 최종 일반화 가법모형의 계수를 환산하여 보았다. 사고빈도의 경우를 보면, 차종에서는 소형A(qcar20)에 비하여 소형B(qcar21)는 사고위험도가 9.6%, 중형(qcar22)은 24.8%, 대형(qcar23)은 16.8%, 다인승Ⅱ(qcar75)는 43.7%더 높은 것으로 분석되었다. 이러한 결과는 앞서 대인배상Ⅰ의 경우와 유사한 결과이다.
- 즉 차종이 클 수로 사고심도의 위험도가 큰 것으로 나타났다. 소형A(qcar20)대비 중형(qcar22), 대형(qcar23) 및 다인승Ⅱ(qcar75)의 위험도는 각각 15.1%, 28.0%, 24.8% 높은 것으로 분석되었다. 성별은 여성(qgender2)이 남성보다 대물배상 사고심도의 위험도가 약 6% 낮은 것으로 분석되었다.
- 그 결과 담보별로 사고빈도와 사고심도에 적합한 일반화가법모형은 대인배상Ⅰ의 경우 각각 음이항분포와 로그정규분포 가정이 적합하였고, 대물배상의 경우에도 동일하였다. 이와 더불어 모형에 포함된 변수들인 차종, 성별, 연령, 가입경력, 할인할증, 법규위반 경력 중에서 법규위반을 제외한 모든 변수가 자동차보험 사고를 설명할 수 있는 의미있는 변수인 것으로 분석되었다. 다만, 법규위반 항목별 위험도를 보면, 교통법규를 위반한 자가 위반하지 않은 자 보다 사고위험도가 약10%(p) 높은 것으로 나타났다.
- 종속변수가 사고심도인 경우에는 차종, 성별, 할인할증 및 가입경력이 설명변수로서 통계적으로 유의한 것으로 분석되었다. 사고빈도의 경우와 차이점은 연령 변수가 통계적으로 유의하지 않다는 점이다.
- 사고심도의 경우에도 사고빈도와 유사한 모습을 보여주고 있다. 즉 차종이 클 수로 사고심도의 위험도가 큰 것으로 나타났다. 소형A(qcar20)대비 중형(qcar22), 대형(qcar23) 및 다인승Ⅱ(qcar75)의 위험도는 각각 15.
- 사고심도의 환산결과를 보면 다음과 같다. 차종의 경우 소형A 대비 기타 차종의 위험도가 증가하는 모습이고, 법규위반은 중대교통법규Ⅰ대비 다른 법규위반의 위험도가 낮은 것으로 분석되었다. 이러한 분석결과는 논리적으로 합당한 결과인 것으로 보인다.
후속연구
- 연결함수 선택문제에서는 모형적합이 뛰어난 연결함수가 사용되도록 하였다. GAPLM은 일반화선형모형처럼 자동차보험 요율산출분야, 자동차보험 언더라이팅 모델구축분야, 지급준비금 추정분야 등에서 활용될 수 있을 것으로 기대된다.
- 또한 현재 자동차보험 요율에 사용되고 있는 변수의 유의성을 판단하는 데에도 활용될 수 있을 것이다. 따라서 일반화가법모형이 본 연구에서 살펴본 언더라이팅 분야 이외에도 다양한 분야에 활용될 수 있는 방안에 대한 추가 연구가 필요하다고 생각된다.
- 본 연구 결과는 자동차보험 요율산출분야, 언더라이팅 시스템 구축분야 등과 같이 자동차보험의 여러 분야에 활용될 수 있을 것이다. 또한 현재 자동차보험 요율에 사용되고 있는 변수의 유의성을 판단하는 데에도 활용될 수 있을 것이다. 따라서 일반화가법모형이 본 연구에서 살펴본 언더라이팅 분야 이외에도 다양한 분야에 활용될 수 있는 방안에 대한 추가 연구가 필요하다고 생각된다.
- 본 연구 결과는 자동차보험 요율산출분야, 언더라이팅 시스템 구축분야 등과 같이 자동차보험의 여러 분야에 활용될 수 있을 것이다. 또한 현재 자동차보험 요율에 사용되고 있는 변수의 유의성을 판단하는 데에도 활용될 수 있을 것이다.
- 따라서 교통법규위반 유형에 대하여는 추가 분석이 필요한 것으로 보인다. 자동차보험의 보험료가 사고위험을 줄이는 유인요소로 활용될 수 있으므로, 사고위험과 밀접한 관계가 있는 교통법규위반 경력 자동차보험 제도를 개선하는 방법을 추가 연구를 통해 찾을 필요가 있는 것으로 판단된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.