MétaCan
Menu
Retour à la cohorte
Enregistrement W2130704402 · doi:10.1111/j.1539-6975.2005.00141.x

<scp>The (1992) Bonus‐Malus System in Tunisia: An Empirical Evaluation</scp>

2005· article· en· W2130704402 sur OpenAlexaff
Georges Dionne, Olfa Ghali

Notice bibliographique

RevueJournal of Risk & Insurance · 2005
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueInsurance and Financial Risk Management
Établissements canadiensUniversité du Québec
Organismes subventionnairesnon disponible
Mots-clésIncentiveResidenceActuarial scienceVariable (mathematics)UnderwritingAffect (linguistics)Accident (philosophy)EconomicsBusinessDemographic economicsPsychologyMicroeconomicsMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract The objective of this study is to assess empirically what impact introduction of the bonus‐malus system (BMS) has had on road safety in Tunisia. The results of the Tunisian experiment are of particular importance since, during the last decade, many European countries decided to eliminate their mandatory bonus‐malus scheme. These results indicate that the BMS reduced the probability of reported accidents for good risks but had no effect on bad risks. Moreover, the reform's overall effect on reported accident rates is not statistically significant, but the exit variable is positive in explaining the number of reported accidents. To avoid any potential selectivity bias, we also made a joint estimate of the reported accident and selection equations. The reform has a positive effect on the exit variable but still does not affect the accidents reported. This indicates that policyholders who switch companies are those attempting to skirt the imposed incentive effects of the new rating policy. Some of the control variables are statistically significant in explaining the number of reported accidents: the vehicle's horsepower, the policyholder's place of residence, and the coverages for which policyholders are underwritten.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,223
Score d'incertitude au seuil0,444

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,014
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,034
Tête enseignante GPT0,269
Écart entre enseignants0,235 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations29
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Risk & InsuranceMême sujetInsurance and Financial Risk ManagementTravaux en français237 207