[논문]생명보험자료를 이용한 계약유지기간에 대한 생존분석

양대건; 하일도; 조건호

doi:10.5351/kjas.2018.31.6.771

초록
AI-Helper

최근에 생명보험 산업은 보험계약의 장기 연장에 영향을 미치는 다양한 요인들에 관심을 두고 있다. 예를 들어 모집 설계사의 장기간 고객관리의 필요성, 상품상담, 투자측면의 개선 등이다. 따라서 본 연구에서는 우리나라 생명보험사의 장기계약을 유지하는 중요한 요인들을 조사하고자 한다. 이를 위해 우리나라의 모 생명보험사의 2011년 1월 1일부터 2016년 12월 31일까지의 계약건의 내용에 대한 데이터를 사용하였다. 본 논문에서는 이러한 데이터를 사용하여 벌점화 콕스 비례위험모형 접근법을 통해 계약유지기간에 중요한 영향을 미치는 변수를 선택하는 방법을 제시한다. 분석결과 설계사의 변경 유무, 연금 상품군, 그리고 안정적 투자성향과 같은 세 가지 변수가 계약건 유지에 주요한 요인으로 선택되었다.

Abstract ▼ AI-Helper

The life insurance industry is interested in various factors that influence the long-term extensions of insurance contracts such as the necessity for the advisors' long-term management of consumers, product consulting, and improvement of the investment aspects. This paper investigates important fact...

The life insurance industry is interested in various factors that influence the long-term extensions of insurance contracts such as the necessity for the advisors' long-term management of consumers, product consulting, and improvement of the investment aspects. This paper investigates important factors leading to a long-term contract that forms an important part of the life insurance industry in Korea. For this purpose we used the data of contents (i.e., data from Jan 1, 2011 to Dec 31, 2016) of the contracts of xxx insurance company. In this paper, we present how to select important variables to influence the duration of the contract maintenance via a penalized Cox's proportional hazards (PH) modelling approach using insurance life data. As the result of analysis, we found that the selected important factors were the advisor's status, the reward type 2 (annuity insurance) and tendency 4 (safety-pursuing type).

주제어

표/그림 (6)

표 Table 1.1. Explanation for variables of the life insurance data
표 Table 3.1. Basic statistics for the life insurance data
그림 Figure 3.1. Plot of survival curves of Kaplan-Meier.
표 Table 3.2. Comparison of survival rates among groups (P : p-value)
표 Table 3.3. Results of ﬁtting Cox’s proportional hazards model for life insurance data
표 Table 3.4. Variable selection and estimation using Cox’s proportional hazards model for life insurance data:estimates (SE)

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

이에 본 연구에서는 생명보험회사의 고객들의 계약건 장기 유지에 영향을 미칠 수 있는 변수들 중 실제 현장에서 계약을 담당하고 있는 설계사들의 실무경험을 토대로 중요하다고 판단되는 변수들을 선별하여 이들 중 계약건 장기 유지기간에 가장 영향을 미치는 변수의 선택 문제를 논의하고자 한다. 이러한 측면을 고려하여 본 연구는 실제 생명보험자료를 사용하여 생명보험 계약건의 장기 유지에 유의미한 영향을 미치는 변수를 선택하기 위한 생존모형으로 Cox (1972)의 비례위험모형을 활용하고자 한다.

가설 설정

(나) 비례위험: 두 그룹간의 위험률 비, 즉 위험비(hazard ratio)가 시간에 관계 없이 일정한 상수에 비 례(proportional)한다. 따라서 콕스 비례 위험 보형은 PH라는 가정으로 관심회귀모수의 해석이 용이하다.

제안 방법

즉 기초통계분석을 먼저 실시한다. 다음으로, 카플란-마이 어(Kaplan-Meier) (Kaplan과 Meier, 1958) 분석법을 통하여 보험계약 효력 상실이 발생한 기간마다 구간 계약유지에 대한 그룹들 간 차이가 있는지를 비교하고, 잘 알려져 있는 세 가지 검정법(Log-rank, Gehan, Tarone-Ware)을 적용하여 그룹 간 생존율에 유의한 차이가 있는지를 확인한다. 나아가 2절에서 언급한 Cox 모형 분석법을 이용하여 모형선택 및 변수선택을 실시한다.
본 연구에 활용된 자료는 A 생명보험사의 계약건으로 여러 지점의 지점원 전체의 계약건 중 지점원별 기간 조회하여 나타나는 자료만 발취하여 2011년 1월 1일부터 2016년 12월 31일까지의 계약건을 토대로 계약서(청약서) 및 계약건의 청약서 내용만을 활용하여 분석하였다. 여기서 데이터의 형태는 이름, 나이, 주민번호 앞자리, 계약금액, 주소, 연락처, 성별, 보험종류, 투자성향, 가족사항, 등의 보험계약과 관련된 모든 정보가 포함되어 있으나, 개인정보보호법에 의거하여 개인 식별과 관련된 고유 인자에 대한 일체의 내용은 포함하지 않고 진행하였다. 연구 당시 표본 데이터는 무작위로 추출된 674건의 생명보험 계약건과 관련(청약서 및 상품) 내용을 기초로 하였다.
2절에서는 Cox의 비례위험모형에서 벌점함수(penalty function)에 기초한 가능도 함수를 이용하여 생명보험 계약건 유지에 유의한 영향을 미치는 변수선택 방법을 간략히 리뷰한다. 여기서 우리는 세 가지 벌점화 변수선택법을 사용하여 변수선택과 추정을 동시에 수행한다. 즉 least absolute shrinkage and selection operator (LASSO) (Tibshirani 1996), smoothly clipped absolute deviation (SCAD) (Fan과 Li 2001), 그리고 hierarchical likelihood (HL) (Lee와 Oh, 2014) 변수선택법을 사용한다.
이들 생명보험 계약건 중 일인의 계약자가 체결한 동일 다 건의 계약건과 일인의 계약자가 다른 상품군의 다수 계약건 경우는 계약유지기간(즉 계약의 효력 상실이 발생할 때까지의 기간)이 가장 긴 생명보험 계약건 만을 기준으로 ID로 구분하여 연구 진행한다. 본 연구의 목적이 계약유지와 관련된 변수들의 확인을 요하는 바, 이러한 변수가 아닌 또 다른 원인(실제 데이터 상 사망 3건, 자살 2건, 이민 1건으로 매우 적음)으로 인한 계약건의 소멸(해지, 해약, 기타 보험 효력 없음)로 인한 부분은 본 연구의 목적과 상이함으로 본 연구에 포함하지 않았다.

대상 데이터

이 연구에 사용된 생명보험자료의 수집방법 및 구성은 다음과 같다. 본 연구에 활용된 자료는 A 생명보험사의 계약건으로 여러 지점의 지점원 전체의 계약건 중 지점원별 기간 조회하여 나타나는 자료만 발취하여 2011년 1월 1일부터 2016년 12월 31일까지의 계약건을 토대로 계약서(청약서) 및 계약건의 청약서 내용만을 활용하여 분석하였다. 여기서 데이터의 형태는 이름, 나이, 주민번호 앞자리, 계약금액, 주소, 연락처, 성별, 보험종류, 투자성향, 가족사항, 등의 보험계약과 관련된 모든 정보가 포함되어 있으나, 개인정보보호법에 의거하여 개인 식별과 관련된 고유 인자에 대한 일체의 내용은 포함하지 않고 진행하였다.
여기서 데이터의 형태는 이름, 나이, 주민번호 앞자리, 계약금액, 주소, 연락처, 성별, 보험종류, 투자성향, 가족사항, 등의 보험계약과 관련된 모든 정보가 포함되어 있으나, 개인정보보호법에 의거하여 개인 식별과 관련된 고유 인자에 대한 일체의 내용은 포함하지 않고 진행하였다. 연구 당시 표본 데이터는 무작위로 추출된 674건의 생명보험 계약건과 관련(청약서 및 상품) 내용을 기초로 하였다. 보험 계약건의 특성상 계약자, 피보험자, 수익자로 나누어져 있으나 보험의 계약 건의 유지와 기타 변경 등은 계약자가 모든 지위를 가진다.
본 연구의 목적이 계약유지와 관련된 변수들의 확인을 요하는 바, 이러한 변수가 아닌 또 다른 원인(실제 데이터 상 사망 3건, 자살 2건, 이민 1건으로 매우 적음)으로 인한 계약건의 소멸(해지, 해약, 기타 보험 효력 없음)로 인한 부분은 본 연구의 목적과 상이함으로 본 연구에 포함하지 않았다. 이상 수치를 나타내는 계약건인 거치형(일시납) 3억원 계약건, 월납입액 1억원 등의 계약건 및 ID를 제외한 총 476건의 계약 자료를 활용하여 연구하였다.

데이터처리

다음은 그룹 간 생존율 차이 검정을 위하여 Log-rank, Gehan, Tarone-Ware 검정법을 통하여 검정하였으며, 그 결과는 Table 3.2와 같다.

이론/모형

다음으로, 카플란-마이 어(Kaplan-Meier) (Kaplan과 Meier, 1958) 분석법을 통하여 보험계약 효력 상실이 발생한 기간마다 구간 계약유지에 대한 그룹들 간 차이가 있는지를 비교하고, 잘 알려져 있는 세 가지 검정법(Log-rank, Gehan, Tarone-Ware)을 적용하여 그룹 간 생존율에 유의한 차이가 있는지를 확인한다. 나아가 2절에서 언급한 Cox 모형 분석법을 이용하여 모형선택 및 변수선택을 실시한다. 4절에서는 분석결과에 대해 토론 및 제언을 한다.
이러한 측면을 고려하여 본 연구는 실제 생명보험자료를 사용하여 생명보험 계약건의 장기 유지에 유의미한 영향을 미치는 변수를 선택하기 위한 생존모형으로 Cox (1972)의 비례위험모형을 활용하고자 한다. 따라서 이 모형을 적용하여 계약유지와 관련된 회귀변수의 효과를 추정하고 동시에 벌점화 가능도(penalized likelihood) (Tibshirani, 1996; Fan과 Li, 2001)를 이용하여 기존의 변수선택 방법 (Tibshirani, 1997; Fan과 Li, 2002; Ha 등, 2014)을 실제 보험자료에 적용하고자 한다.
본 연구에서는 생명보험자료를 이용한 계약유지와 관련된 회귀변수의 효과를 추정하고, 생명보험 계약 유지에 유의미한 영향을 미치는 변수를 찾기 위해 콕스 비례위험 모형을 활용하였다. 콕스 비례위험 모형은 생명보험 계약유지에 영향을 미치는 다양한 공변량(covariate)들을 파악하는데 유용한 분석 방법으로서, 중도절단(censoring)된 자료와 같은 불완전한 자료(incomplete data)에 대한 분석도 가능하다.
이에 본 연구에서는 생명보험회사의 고객들의 계약건 장기 유지에 영향을 미칠 수 있는 변수들 중 실제 현장에서 계약을 담당하고 있는 설계사들의 실무경험을 토대로 중요하다고 판단되는 변수들을 선별하여 이들 중 계약건 장기 유지기간에 가장 영향을 미치는 변수의 선택 문제를 논의하고자 한다. 이러한 측면을 고려하여 본 연구는 실제 생명보험자료를 사용하여 생명보험 계약건의 장기 유지에 유의미한 영향을 미치는 변수를 선택하기 위한 생존모형으로 Cox (1972)의 비례위험모형을 활용하고자 한다. 따라서 이 모형을 적용하여 계약유지와 관련된 회귀변수의 효과를 추정하고 동시에 벌점화 가능도(penalized likelihood) (Tibshirani, 1996; Fan과 Li, 2001)를 이용하여 기존의 변수선택 방법 (Tibshirani, 1997; Fan과 Li, 2002; Ha 등, 2014)을 실제 보험자료에 적용하고자 한다.
여기서 우리는 세 가지 벌점화 변수선택법을 사용하여 변수선택과 추정을 동시에 수행한다. 즉 least absolute shrinkage and selection operator (LASSO) (Tibshirani 1996), smoothly clipped absolute deviation (SCAD) (Fan과 Li 2001), 그리고 hierarchical likelihood (HL) (Lee와 Oh, 2014) 변수선택법을 사용한다. 3절에서는 생명보험사의 실 계약건을 토대로 계약서 및 계약건의 청약서 내용만을 활용한 자료를 체계적으로 분석한다.
한편, 조율모수 γ를 선택하기 위해 Ha 등 (2014)의 제안에 따라 본 논문에서는 l(β)를 이용한 Bayesian information criterion (BIC) 기준을 사용하여 각 벌점화 방법에 대해 BIC를 최소로 하는 조율모수 γ를 선택한다.

성능/효과

- 계약자의 성별과 관련하여 남성 계약자가 208건(44%), 여성 계약자가 268건(56%)이며, 청약서 상의 고지 내용 중 기왕력(지금까지 걸렸던 질병이나 외상 등 진찰을 받는 현재에 이르기까지의 병력이다) 자와 관련하여서는 기왕력이 없음이 447건(94%), 기왕력이 존재함이 29건(6%)으로 조사되었다.
- 직업군은 무위험직에서 위험직 순으로 305건(64%), 128건(27%), 34건(7%), 6건(1%), 3건(1%) 순으로 나타났으나, 무위험직 또는 4등급의 비교적 안전한 위험등급의 직군이 91%로 가장 많은 직업군으로 나타났다.
032)로 둘 다 5% 유의수준에서 유의한 값을 가진다. Tendency0(무등급)에 비해 Tendency4(안정추구형)는 exp(0.573) = 1.774배, Tendency5(위험회피형)는 exp(0.646) = 1.908배로서 각각 77%와 91%로 만큼 위험이 증가함을 알 수 있다. 여기서 Tendency 0의 경우 무위험 성향이 아니라 등급이 없는 무등급을 의미한다.
마지막으로 Tendency와 같은 투자 성향과 관련된 변수는 본 연구에 활용되어진 생명보험 계약건의 경우 적합성 원칙 설문에 응함에 있어 진단결과에 따라 계약자가 가입할 수 있는 보험계약 종류와 선택 할 수 있는 Fund와 Fund 투자 비중이 결정되어져 우선시 선택, 안내 확인하는 방법을 취하고 있었으며, 투자 성향 진단결과와 다른 생명보험 계약을 하기 위해서는 부적합 체결확인서를 작성해야함으로 계약체 결함에 추가적인 과정이 포함되어져있다. 이처럼 투자와 저축에 관련해서는 계약자 본인이 선택하는 투자 방법과 투자처, 투자 비중의 설명과 인지, 계약자가 납입 가능하고, 유지 가능한 금액과 기간의 설정으로 계약자가 원하는 생명보험 계약건으로 계약자의 만족도를 높여 줌으로 장기 계약유지에 도움이 되어야한다.
첫 번째로 Advisor의 변경의 유무로써, 모집 설계사와 수금설계사가 상이하거나 같은 경우가 가장 유의미한 영향력을 가지는 것으로 확인하였다.
여기서 Tendency 0의 경우 무위험 성향이 아니라 등급이 없는 무등급을 의미한다. 특히 위험선호형(Tendency1)에서 안정추구형(Tendency5)으로 변화할수록 회귀계수 추정치가 양수로 커지는 경향이 있어 계약효력 상실의 위험률이 증가함을 알 수 있다. 참고적으로, 실제 현장에서 위험회피성향(Tendency4 또는 Tendency5)을 가진 계약자들은 위험선호형(Tendency1)에 비해 약간의 경기 변화(예: 약간의 금리변화)에도 큰 반응을 보이기 때문에 해약률의 위험이 증가하는 경향이 있다.

후속연구

그러나 이는 생명보험 계약건 유지에 영향을 미치는 변수로 경제변수 뿐만 아니라 실질적으로 고객의 투자 상품에 대한 회피 수준, 상품유형, 설계사 의 고객 관리 유·무 등 생명보험 계약건 내에서 계약유지에 유의미하게 영향을 미칠 수 있는 변수들을 고려하지 않고 분석한 점은 아쉬운 부분이라 하겠다.
이는 모집 설계사의 장기근속이 되지 않음으로써, 기계약건의 관리 및 활용도의 미흡으로 인한 불만과 불편을 야기함으로써 조기에 보험 효력 상실이 이루어지고 있음을 반증한다. 그러므로 보험회사 및 관련금융 기관은 설계사 및 그에 준하는 종사자들로 하여금, 지속적인 교육과 역량을 높여 줌으로써 직업에 대한 만족도 향상과 생명보험 계약건의 계약체결 후 받게 되는 수수료의 선지급을 지향하여 성과가 미흡할 시 경제적 어려움으로 조기 이탈, 탈락을 방지하기 위해 계약체결 후 받게 되는 수당을 장기 분 할로 지급함으로 인하여, 설계사 및 그에 준하는 종사자의 장기간 근속함에 경제적인 뒷받침이 되도록 지향해야할 것이다.
두 번째는 상품군(Type2)으로써 생명보험 계약건의 주된 상품군인 연금, 보장성 보험인 종신보험, 장기 간 투자 저축의 목적인 저축성 보험계약건으로 설계사 및 모집 종사자는 고객과 상담을 통하여 체결되는 계약 진행방식의 장점을 잘 활용하여, 계약자로 하여금 정확한 인지와 활용 방법을 안내 및 통보함으로써 각 상품 별로 주어진 혜택을 계약자가 유용하게 활용할 수 있도록 하여야 할 것이다.
또한 보험회사 및 이와 연관된 금융기관은 우수 인증 설계사를 우대함으로써 단기간에 많은 성과를 이루는 설계사 및 종사자를 위촉하기 위한 방안으로, 높은 수수료율을 책정하여 지급하기 보단, 동일 회사 3년 이상 장기간 근속과 민원 건수 없음, 동시에 계약건 유지율 90%(13회)이상, 80%(25회)이상 유지하는 우수 인증 설계사를 우대하는 정책 및 회사 방침으로 건전한 영업 환경과 모집, 계약건 장기유지에 힘써야 할 것이다.
앞서 확인된 3가지(Advisor, Type, Tendency)변수에 중점을 둔다면 생명보험사 및 관련 금융기관은 계약건 장기유지와 설계사와 모집 종사자의 장기 근속으로 인한 생명보험의 이미지 개선과 재무상의 긍정적인 방향으로 이어질 것이다. 설계사 및 종사자들 또한 기존계약건의 지속적인 관리와 안내로 계약자의 만족도를 높여 추가적인 계약과 소개로 인하여 지속적인 활동이 가능할 것으로 보인다.
위촉직 등의 형태인 특수직으로 분류되어진 설계사 및 모집 종사자의 법정복지후생과 법정외복지후생의 처우 개선으로 장기 근속할 수 있도록 보장 받는 정책 개선이 필요하다.
끝으로 다변량 생존분석을 위한 프레일티(frailty)모형 등과 관련된 연구에 의하면, LASSO 방법은 중요 하지 않은 변수를 많이 선택하는 경향을 보이는 반면, SCAD와 HL의 방법에서는 대부분 적절한 변수를 거의 동일하게 선택함을 보였다 (Ha 등, 2014, 2017). 하지만 3.4절에서는 세 방법 간 뚜렷한 차이를 보이는 것이 아니어서 세 방법의 보다 정밀한 비교를 위해서는 모의실험 및 추가적인 자료 분석 연구가 필요할 것으로 사료된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	생명보험 산업에서 최근 관심을 가지는 보험계약의 장기 연장에 영향을 미치는 다양한 요인들은 무엇인가?	최근에 생명보험 산업은 보험계약의 장기 연장에 영향을 미치는 다양한 요인들에 관심을 두고 있다. 예를 들어 모집 설계사의 장기간 고객관리의 필요성, 상품상담, 투자측면의 개선 등이다. 따라서 본 연구에서는 우리나라 생명보험사의 장기계약을 유지하는 중요한 요인들을 조사하고자 한다.
	오늘날 보험회사들은 위험기준자기자본 비율 강화로 무엇에 많은 관심을 두고 있는가?	오늘날 보험회사들은 2008년 미국의 서브프라임 모기지 사태 이후, 금융권의 새로운 국제회계기준(International Financial Reporting Standards 9, 17, 19; IFRS 9, 17, 19)변경과 보험회사의 재무 건전성 규제인 위험기준자기자본(risk based capital)비율 강화로 인하여 보험계약의 장기유지와 가입자의 해약으로 인한 이탈 방지와 관련된 해결방안에 많은 관심을 두고 있다. 최근 각 생명보험회사들은 경쟁력을 높이기 위한 방법으로 고객의 신규모집과 기존고객의 계약건의 고객 이탈방지를 줄임으로 보험사의 보험계약의 효력 상실로 인한 직·간접 부정적인 영향을 관리하여 보험회사 수익성을 제고하는 방안이 중요한 화두가 되고 있다.
	최근 생명보험회사들 사이에서 경쟁력을 높이기 위한 방법으로 어떤 방안이 화두가 되고 있는가?	오늘날 보험회사들은 2008년 미국의 서브프라임 모기지 사태 이후, 금융권의 새로운 국제회계기준(International Financial Reporting Standards 9, 17, 19; IFRS 9, 17, 19)변경과 보험회사의 재무 건전성 규제인 위험기준자기자본(risk based capital)비율 강화로 인하여 보험계약의 장기유지와 가입자의 해약으로 인한 이탈 방지와 관련된 해결방안에 많은 관심을 두고 있다. 최근 각 생명보험회사들은 경쟁력을 높이기 위한 방법으로 고객의 신규모집과 기존고객의 계약건의 고객 이탈방지를 줄임으로 보험사의 보험계약의 효력 상실로 인한 직·간접 부정적인 영향을 관리하여 보험회사 수익성을 제고하는 방안이 중요한 화두가 되고 있다. 이러한 국내·외 보험시장 환경의 변화는 보험회사로 하여금 계약건 장기 유지, 설계사와 보험 모집 종사자의 모집 수수료 그리고 가입자의 조기해지 및 보험계약 효력 상실로 인한 보험사 손실 최소화 등이 향후 보험사 존폐에 필수불가결하게 영향을 미치는 중요한 변수임을 인식하게 하였다.

참고문헌 (14)

Choi, Y. M. and Choi, W. (2008). The effect of economic variables on lapse and surrender rate in life insurance, Journal of Insurance and Finance, 55, 3-36.
Cox, D. R. (1972). Regression models and life tables (with Discussion), Journal of the Royal Statistical Society B, 74, 187-220.
Fan, J. and Li, R. (2001). Variable selection via nonconcave penalized likelihood and its oracle properties, Journal of the American Statistical Association, 96, 1348-1360.

상세보기
Fan, J. and Li, R. (2002). Variable selection for Cox's proportional hazards model and frailty model, The Annals of Statistics, 30, 74-99.

상세보기
Ha, I. D., Jeong, J. H., and Lee, Y. (2017). Statistical Modelling of Survival Data with Random Effects: H-likelihood, Springer, Singapore.
Ha, I. D., Noh, M., Kim, J., and Lee, Y. (2018) frailtyHL: frailty models using h-likelihood, From: http://CRAN.Rproject.org/packagefrailtyHL.Rpackageversion 2.1.
Ha, I. D., Noh, M., and Lee, Y.(2012). frailtyHL: a package for fitting frailty models with h-likelihood, The R Journal, 4, 307-320.
Ha, I. D., Pan, J., Oh, S., and Lee, Y. (2014). Variable selection in general frailty models using penalized h-likelihood, Journal of Computational and Graphical Statistics, 23, 1044-1060.

상세보기
Kaplan, E. L. and Meier, P. (1958). Nonparametric estimation from incomplete observations, Journal of the American Statistical Association, 53, 457-481.

상세보기
Kim, B., Ha, I. D., Noh, M., Na, M. H., Song, H. C., and Kim, J. (2015). Variable selection in frailty models using frailtyHL R package: breast cancer survival data, The Korea Journal of Applied Statistics, 28, 965-976.

원문보기 상세보기
Kim, S. Y. and Lee, J. J. (2012). A comparative study on the effects of macroeconomic variables and consumer's dissatisfaction on the lapses of life insurance contracts, Korean Journal of Insurance, 93, 237-269.
Lee, Y. and Oh, H. S. (2014). A new sparse variable selection via random-effect model, Journal of Multivariate Analysis, 125, 89-99.

상세보기
Tibshirani, R. (1996). Regression shrinkage and selection via the Lasso, Journal of the Royal Statistical Society Series B, 58, 267-288.
Tibshirani, R. (1997). The Lasso method for variable selection in the Cox model, Statistics in Medicine, 16, 385-395.

상세보기

이 논문을 인용한 문헌

LOADING...

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

생명보험자료를 이용한 계약유지기간에 대한 생존분석
Survival analysis for contract maintenance period using life insurance data 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (6)

표/그림 (6)

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (14)

이 논문을 인용한 문헌

연구과제 타임라인

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

생명보험자료를 이용한 계약유지기간에 대한 생존분석 Survival analysis for contract maintenance period using life insurance data 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (6) 모든 표/그림 보기

표/그림 (6) 슬라이드로 보기

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (14)

이 논문을 인용한 문헌

연구과제 타임라인

전체(0) 논문(0) 특허(0) 보고서(0)

전체(0) 논문(0) 특허(0) 보고서(0)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

생명보험자료를 이용한 계약유지기간에 대한 생존분석
Survival analysis for contract maintenance period using life insurance data 원문보기

초록
AI-Helper

표/그림 (6)

표/그림 (6)

AI 본문요약
AI-Helper