Modelo predictivo de precios provinciales de seguros de automóviles

Abstract

Un canal importante de información para los conductores son los agregadores de seguros, el más conocido de ellos es Rastreator. La función básica de este agregador es recoger todas las respuestas introducidas por el usuario y entrar en las webs de cada compañía de seguros y dar un precio en función de los datos recogidos. Así, según cada compañía se requieren una serie de preguntas para el usuario. Las compañías usan estas preguntas para generar un perfil de conductor en concreto y darle un precio. Por lo general, las preguntas suelen ser comunes para las distintas compañías, pero cada una establece una estrategia de precios diferente. (Rastreator, Como calcular el seguro de coche, 2018)
Este proyecto tiene como objetivo el análisis estadístico de los datos recogidos por un agregador de seguros para hacer un estudio comparativo de las estrategias de precios de las diferentes compañías en España. Dicho análisis lo he realizado a través de modelos de regresión simple.
Las preguntas que cada compañía hace al usuario, así como las respuestas recogidas se reflejan en una serie de variables en mi modelo estadístico. De este modo, para la pregunta: ¿Cuál es la edad del conductor habitual?; la variable será “edad_conductor_habitual”. He recogido 51 variables en mi modelo, pero únicamente he hecho uso de las variables más significativas. Finalmente, me he quedado con 21 variables que son las que han determinado mi modelo.
Para conocer el nivel de significancia de cada variable, así como su criticidad en el modelo, he recurrido a los coeficientes de mi modelo estadístico. Los coeficientes hacen referencia a la influencia de cada variable en el modelo. Siempre se toma una variable de referencia, por lo que un coeficiente positivo respecto al de referencia implica que incrementa proporcionalmente el precio.
Una de las variables críticas en la formación de precios es la provincia de circulación, en este proyecto se desea estudiar la diferencia observada entre las distintas provincias dentro de la Península Ibérica.
El mejor modo de representar la fiabilidad de mi modelo es a través de la variable R^2. El valor de esta variable se encuentra entre 0 y 1. Mientras más se acerque el valor a 1, mejor se explicará el modelo.
Para llevar a cabo el análisis estadístico he usado un programa llamado R. Este programa me ha permitido realizar cálculos estadísticos precisos y poder interpretar los resultados correctamente.