中国经济快速发展，人民物质财富极大丰富，中上层阶级早已摆脱吃饱穿暖的最低要求，开始诉求更高质量的生活。同时，人们的理财意识增加，风险意识也得到加强，百姓的积蓄从储蓄逐渐转移到投资、理财、保险当中。保险，作为集散风险的行业，曾经由于保险营销人员的素质较低，使得社会对保险及保险从业人员有些偏见。但现在国内中上层阶级已经逐渐意识到保险的重要性，不再是被动的投保，而是主动咨询，寻找更适合自己和家人的保险产品。而保险产品的开发离不开精算人员对于风险的把控和费率的厘定。因此，国内的保险公司对精算理论和精算技术提出了更高的要求。　　保险主要分为寿险和非寿险，两种类型的保险产品开发都需要较长时间序列、大量的多维数据来对保险产品进行定价和风险厘定。国内财险公司对汽车险等财产险等险种的定价和费率厘定，曾经应用的是线性模型，现在最常用的是广义线性模型（GLM）。但随着精算技术与风险控制的成熟，以及大数据时代的到来，由于广义线性混合模型（GLMM）在处理聚类数据上的优越性以及擅长处理数据样本摘取的随机性，其可能逐步替代广义线性模型。　　本文在大量文献和书籍资料基础上，对广义线性混合模型加以研究，先研究其最原始模型——线性模型（LM）、广义线性模型、线性混合模型的理论依据及相关证明、结论；再逐渐将这些结论及证明带入广义线性混合模型当中，对其结论进行证明，并计算不同的假设条件下模型结论；最后将这些结论应用到实证检验当中。本文实证数据是1975年英国车辆索赔数据（www.statsci.org），先分析各维度数据的组内相关性，然后选择组内相关性较大的维度作为随机效应进行模型建立，对索赔数量模型应用Poisson函数，对索赔额模型应用Gamma函数，将模型用用R语言进行模型实现和效果检验，依据AIC和BIC准则选择模型。　　由于国内非寿险精算领域主要用GLM模型进行建模，但考虑到GLMM模型的优越性，以及社会对精算技术要求的提高，GLMM模型很可能被应用到非寿险领域当中。本文详细阐述了广义线性混合模型的理论基础，对其结论进行了相应证明，并将该理论应用到实证分析当中，为未来GLMM模型在非寿险领域的应用提供了参考依据，并且该研究可能对未来财产险公司非寿险业务以及非寿险精算理论的进一步发展和创新有重要价值。