随着我国保险体制改革的逐渐深化以及国外保险公司的全面进入,我国保险业的竞争日趋激烈。谁能够正确的分析隐藏在保险公司客户数据中的信息,谁就能更好地控制理赔风险,提供更好的保险产品与服务,从而在激烈的竞争中获胜。判别分析是多元统计分析中应用广泛的统计方法,是根据表明事物特点的变量值和它们所属的类,求出判别函数,根据判别函数对未知所属类别的事物进行分类的一种分析方法。在判别分析方法中经常使用的有Fisher判别和Bayes判别。Fisher判别是依据方差分析原理建立起来的一种判别分析方法,Fisher判别的基本思路就是投影使得变换后的数据中同类别的点“尽可能聚在一起”,不同类别的点“尽可能分离”,以此达到分类的目的。Bayes判别是一种概率型的判别分析方法,在分析过程开始时需要获得各个类别的分布密度函数,同时也需要知道样本点属于各个类别的先验概率,总结出客观事物分类的规律性建立判别函数,而分析过程结束时则计算每个样本点归属于某个类别的最大概率或最小错判损失,以确定各个样本点的预测类别归属。判别分析已经应用于许多领域中,如:在地质勘探中,根据岩石标本判别地质年代;在经济研究中,通过多个指标来判定一个国家的经济发展水平;在公司财务分析中,根据上市公司的财务指标,对其财务健康状况给予分析和评价,对即将到来的财务危机做出预警;在市场预测中,根据以往的调查数据判别下一季度产品的适销情况等。论文将判别分析方法引入到机动车辆保险费率厘定中,重点研究如何运用判别分析方法来提高机动车险费率厘定的准确性。论文运用Fisher判别分析法和Bayes判别分析法对保险公司的数据进行了实证研究,并结合实际经验与保险学理论对这两种判别分析方法的判别效果进行了比较。研究结果表明,将判别分析应用到机动车辆保险费率厘定中是可行的。判别分析可以用来检验保险公司的分类是否准确、收取的费率是否恰当。在考虑了诸风险因素的情况下,应用判别分析可以更加充分地挖掘可用信息,降低错判率,使得费率厘定更加准确。