Copula-based regression modeling of bivariate severity of temporary disability and permanent motor injuries

تجزیه و تحلیل عوامل موثر بر شدت آسیب های شخصی که از جانب قربانیان حوادث ناشی از موتور رخ داده است، یکی از مهمترین موضوعات است. با این حال، اکثر ادبیات موجود، تمایل دارند که این سوال را با تمرکز بر شدت معلولیت موقت یا شدت آسیب دائمی مطرح کنند. در این مقاله، یک مدل رگرسیون مبتنی بر کوپول دوگانگی برای معلولیت موقت و شدت آسیب دائمی برای تحلیل مشترک از رابطه با مجموعه ای از عوامل که ممکن است بر هر دو نوع آسیب تاثیر گذار باشد معرفی شده است. با استفاده از پایگاه داده بیمه موتور با مشاهدات 21،361، مدل رگرسیون مبتنی بر کوپول نشان می دهد که عملکرد بهتر نسبت به یک مدل بر اساس فرض استقلال را نشان می دهد. ترکیب ساختار وابستگی در تجزیه و تحلیل تاثیر بیشتری بر برآوردهای واریانس شدت آسیب ها دارد تا براساس برآوردهای نقطه ای. با در نظر گرفتن وابستگی بین شدت های موقت و دائمی، تجزیه و تحلیل عوامل گسترده تر می تواند انجام شود. ما نشان می دهیم که توزیع توابع توزیع شدت آسیب ها ممکن است تخمین زده شود، بنابراین، تصمیم گیری ها را با اطلاعات ارزشمند ارائه می دهیم.