ANÁLISIS DE LA CULPABILIDAD EN LOS SINIESTROS DEL SEGURO DEL AUTOMÓVIL

Transcripción

1 ANÁLISIS DE LA CULPABILIDAD EN LOS SINIESTROS DEL SEGURO DEL AUTOMÓVIL María del Carmen Melgar Hraldo José Antono Ordaz Sanz Flor María Guerrero Casas Departamento de Economía, Métodos Cuanttatvos e Hstora Económca Unversdad Pablo de Olavde RESUMEN El conocmento de los prncpales factores que ntervenen en los accdentes que sufren los conductores es una cuestón de gran trascendenca para las compañías aseguradoras que operan en el ramo del automóvl. El nterés puede resultar aún mayor s nos refermos a los snestros en los que el asegurado es el culpable, puesto que son los que repercuten negatvamente de forma drecta en la compañía. El análss que llevamos a cabo en este trabajo tene como propósto fundamental determnar las varables que se muestran como más sgnfcatvas en el proceso de estmacón del número de snestros declarados por los clentes a sus compañías aseguradoras cuando son culpables. El estudo se basa en los datos ceddos por una entdad aseguradora prvada española. Como se hace generalmente en este tpo de nvestgacones, se aplca un modelo econométrco de tpo recuento o count data. De entre éstos, decdremos cuál es fnalmente el más adecuado: s modelos tradconales, como el de regresón de Posson o el bnomal negatvo, u otros más complejos y recentes como los nflados de ceros. Palabras clave: Seguro del automóvl, snestro, culpabldad, modelos count data. XIII Jornadas de ASEPUMA 1

2 Melgar, M.C.; Ordaz, J.A. y Guerrero, F.M. 1. INTRODUCCIÓN Para el ramo del seguro del automóvl, conocer las característcas del conductor y/o del vehículo que pueden nflur en la snestraldad se converte en un tema de sumo nterés. Los snestros que repercuten de forma negatva en la compañía son, generalmente, aquéllos en los que el asegurado ha resultado ser culpable. Por tanto, éstos cobran una mportanca aún mayor para el asegurador que el resto de snestros. Tratando de aclarar esta cuestón, el objetvo que se plantea en este estudo es el de determnar los factores que resultan más sgnfcatvos en la ocurrenca de los snestros en los que el conductor es culpable y son declarados a su compañía. Se trabaja para ello con datos ceddos por una entdad aseguradora prvada española. Los modelos econométrcos que se usan habtualmente para estmar varables dscretas con valores no negatvos, como la que nos ocupa, son los de tpo recuento o count data. 1 Se aplcarán dstntas alternatvas y, a la vsta de los resultados, se elegrá la más adecuada para obtener las varables sgnfcatvas en el análss. La estructura del trabajo es la sguente. Tras esta breve ntroduccón, se hace un repaso descrptvo, en el apartado 2, de los rasgos más sobresalentes de la relacón entre dcho número de snestros y cada una de las varables explcatvas consderadas. A contnuacón, en el apartado 3 se analza la metodología adoptada, mostrando las prncpales característcas de los modelos count data que se aplcarán. En el apartado 4, se exponen los resultados del análss y, segudamente, se ncluyen algunas conclusones en el apartado 5, para termnar con las referencas bblográfcas y un anexo donde se defnen las varables utlzadas en la nvestgacón. 2. LOS DATOS El análss se ha llevado a cabo a partr de una muestra de asegurados de una compañía prvada española que opera a nvel naconal, en el perodo comprenddo entre el 16 de juno de 2002 y el 15 de juno de Las varables que se han utlzado en el estudo pueden verse en el anexo fnal. La varable endógena es el número de snestros que el asegurado ha declarado a su compañía durante el perodo consderado y en los que ha sdo culpable. Se ha denotado por NUMSINC. Las varables explcatvas 1 Rchaudeau (1999), Cohen (2002), Lee et al. (2002) y Melgar et al. (2005) aplcan estos modelos al seguro del automóvl. 2 XIII Jornadas de ASEPUMA

3 Análss de la culpabldad en los snestros del seguro del automóvl ncluyen característcas del vehículo, como su categoría y uso; característcas del conductor, entre ellas la edad, el sexo, la experenca en la conduccón y el lugar de resdenca; y característcas de la pólza, como la prma anual, la bonfcacón conseguda y el nvel de cobertura elegdo. Puesto que nuestro objetvo es el de estudar los factores que nfluyen en los snestros con culpabldad, solo se aportarán, desde el punto de vsta descrptvo, los prncpales datos sobre esa relacón. 2 Es destacable el elevado porcentaje de valores nulos que toma la varable dependente. Concretamente, el 91,7%; además, solo un 1,2% de asegurados ha declarado 2 ó más snestros con culpa (Tabla 1). Esta dstrbucón no varía de forma sgnfcatva al tener en cuenta el sexo o la zona habtual de crculacón. Para el resto de varables, sí se aprecan algunas dferencas que se reflejan en las Tablas 2 a 8. Tabla 1. Dstrbucón del número de snestros con culpabldad declarados Nº de Porcentaje Frecuenca Porcentaje snestros acumulado ,7 91, ,1 98,8 2 ó más 174 1,2 100,0 Total ,0 En cuanto a la categoría del vehículo, en la Tabla 2 puede verse cómo tursmo o furgoneta (1) sgue la tendenca global; remolque (3), tractor o maqunara agrícola (5) y cclomotor o moto (7) muestran menos snestros, ocurrendo lo contraro con camón (2), autocar (4) y vehículo ndustral (6). En concreto, la categoría autocar es la que más se aparta de las demás: el 39,1% sufre snestros sendo culpable, frente al 8,3% global; además, el 13% en esa categoría ha declarado al menos 2 snestros. Tabla 2. Porcentaje de snestros con culpabldad declarados, según categoría del vehículo Nº de CATEGORÍA snestros Total 0 91,2 80,9 96,9 60,9 97,8 82,4 97,2 91,7 1 7,6 15,5 3,1 26,1 2,1 14,0 2,5 7,1 2 ó más 1,2 3,6 0,0 13,0 0,1 3,6 0,3 1,2 Total 100,0 100,0 100,0 100,0 100,0 100,0 100,0 100,0 2 Para ver un análss descrptvo más pormenorzado, puede consultarse Melgar et al. (2005). XIII Jornadas de ASEPUMA 3

4 Melgar, M.C.; Ordaz, J.A. y Guerrero, F.M. Con respecto al uso, se observan muy pocos snestros con culpabldad en alquler (3), escuela de conductores (4), agrícola propo (10) y retrada de permso de conducr (11). En el otro extremo, encontramos los usos transporte escolar (8) y transporte general de vajeros (9), con 42,1% y 50% de snestros con culpa, respectvamente. El uso partcular (1) sgue la tendenca general y los demás 3 tenen una snestraldad más elevada, aunque sn llegar al extremo de los usos con más snestros (ver Tabla 3). Tabla 3. Porcentaje de snestros con culpabldad declarados, según uso del vehículo Nº de USO snestros Total 0 91,8 80,2 100,0 100,0 84,0 82,6 88,5 57,9 50,0 97,3 98,2 91,7 1 7,0 16,6 0,0 0,0 16,0 16,5 9,9 26,3 50,0 2,5 1,8 7,1 2 ó más 1,2 3,2 0,0 0,0 0,0 0,9 1,6 15,8 0,0 0,2 0,0 1,2 Total 100,0 100,0 100,0 100,0 100,0 100,0 100,0 100,0 100,0 100,0 100,0 100,0 La nfluenca de la edad no es muy aprecable, aunque es lgeramente nferor el número de snestros con culpa que declaran los asegurados de edad ntermeda, y algo superor el de los más jóvenes (Tabla 4). Los asegurados que llevan menos de 2 años con carné de conducr y los que no dsfrutan de bonfcacón en la prma tenen tambén una snestraldad lgeramente superor que el resto (ver Tabla 5 y Tabla 6). Tabla 4. Porcentaje de snestros con culpabldad declarados, según tramos de edad Nº de TRAMOS DE EDAD snestros Menos de 25 años De 25 a 30 años Más de 30 años Total 0 90,4 92,6 91,7 91,7 1 7,9 6,4 7,1 7,1 2 ó más 1,7 1,0 1,2 1,2 Total 100,0 100,0 100,0 100,0 Tabla 5. Porcentaje de snestros con culpabldad declarados, según antgüedad en el carné Nº de ANTIGÜEDAD EN EL CARNÉ snestros Más de 2 años Menos de 2 años Total 0 91,7 88,8 91,7 1 7,1 9,3 7,1 2 ó más 1,2 1,9 1,2 Total 100,0 100,0 100,0 3 La descrpcón de los demás usos pueden consultarse en el Anexo que aparece al fnal de este trabajo. 4 XIII Jornadas de ASEPUMA

5 Análss de la culpabldad en los snestros del seguro del automóvl Tabla 6. Porcentaje de snestros con culpabldad declarados, según bonfcacón Nº de BONIFICACIÓN snestros No Sí Total 0 87,6 92,0 91,7 1 10,0 6,9 7,1 2 ó más 2,4 1,1 1,2 Total 100,0 100,0 100,0 El comportamento en funcón de la prma pagada sgue la tendenca esperada: a medda que aumenta, tambén lo hace el porcentaje de asegurados que son culpables en los snestros que declaran, tanto s nos fjamos en los que solo tenen 1 accdente, como s lo hacemos en los que tenen 2 ó más. Quénes más se apartan del comportamento general son los que pagan las prmas más altas (de más de 750 ). De éstos, el 21,1% sufre y declara snestros con culpabldad, frente al 8,3% global (Tabla 7). Tabla 7. Porcentaje de snestros con culpabldad declarados, según tramos de prma Nº de PRIMA ANUAL POR TRAMOS (en euros) snestros ó más Total 0 97,6 96,3 94,0 91,5 87,2 78,9 91,7 1 2,3 3,3 5,4 7,7 11,2 16,3 7,1 2 ó más 0,1 0,4 0,6 0,8 1,6 4,8 1,2 Total 100,0 100,0 100,0 100,0 100,0 100,0 100,0 S observamos fnalmente los nveles de cobertura, vemos que los ntermedos se comportan como la globaldad, mentras que los asegurados con el seguro mínmo sufren lgeramente menos snestros y los que dsfrutan de la cobertura más completa están bastante alejados de la meda: el 21,5% declara snestros con culpa (Tabla 8). Tabla 8. Porcentaje de snestros con culpabldad declarados, según grado de cobertura Nº de GRADO DE COBERTURA snestros Bajo Medo-bajo Medo-alto Alto Total 0 93,9 91,4 91,5 78,5 91,7 1 5,4 7,6 7,3 16,5 7,1 2 ó más 0,7 1,0 1,2 5,0 1,2 Total 100,0 100,0 100,0 100,0 100,0 3. METODOLOGÍA Los modelos de tpo recuento o count data son los más apropados para estmar varables dscretas con valores no negatvos, como la que estamos consderando: el número de snestros con culpabldad declarados por el asegurado a su compañía. XIII Jornadas de ASEPUMA 5

6 Melgar, M.C.; Ordaz, J.A. y Guerrero, F.M. A contnuacón, exponemos brevemente las prncpales característcas de los modelos de regresón de Posson y bnomal negatvo, que son los que se utlzan más tradconalmente en estmacones de este tpo. Asmsmo, veremos una varante más recente de los msmos: los modelos nflados de ceros, que permten tener en cuenta algunos aspectos relatvos a los valores nulos de la varable endógena, que los prmeros no consderan. 4 De entre estas dstntas alternatvas de modelzacón, en el apartado sguente decdremos cuál se ajusta mejor al análss que proponemos. En el modelo de regresón de Posson, la probabldad de que la varable aleatora Y tome el valor y = 0,1, 2, Κ para el ndvduo, se estma de modo que: P( Y y e = y ) = [1] y! λ λ X β sendo λ = e, X el vector de regresores y β el de los coefcentes a estmar. La equdspersón es la característca fundamental de este modelo y su no cumplmento lleva frecuentemente a la necesdad de emplear una dstrbucón de probabldad más flexble. Cuando la varable endógena muestra un gran porcentaje de ceros, puede haber sobredspersón y se utlza entonces en ese caso de forma habtual el modelo bnomal negatvo, cuya dstrbucón de probabldades se expresa de la forma: donde Γ es la funcón gamma y P ν y Γ( y + ν ) ν λ ( Y = y ) = y [2] Γ( + 1) Γ( ν ) ν + λ ν + λ ν = 1, sendo α > 0 el coefcente de sobredspersón. α 5 En los modelos nflados de ceros, se admte una doble nterpretacón de los valores nulos de la varable endógena. Estos modelos más recentes se basan en la exstenca de dos tpos de ndvduos en la poblacón: para uno de ellos la varable sempre toma el valor 0 y para los otros, se comporta según la ley de Posson o ben según la bnomal negatva, pudendo por tanto tomar tambén el valor 0. La posbldad de obtener observacones nulas por estas dos vías conlleva normalmente que el porcentaje de 0 observados sea muy elevado, con lo que podría haber sobredspersón. Los modelos nflados de cero se emplean entonces como métodos alternatvos para abordarla. Se suele decr que el prmer tpo de ndvduos ha tomado la decsón de no 4 Una descrpcón más en profunddad de estos modelos puede verse en Wnkelmann (2003). 5 S α 0, el modelo se reduce al de regresón de Posson. 6 XIII Jornadas de ASEPUMA

7 Análss de la culpabldad en los snestros del seguro del automóvl partcpar en el proceso y la consecuenca de esa no partcpacón es el valor nulo de la varable objeto de estudo. S se denota por q a la probabldad de no partcpacón y por tanto 1 q la de partcpacón, el modelo de Posson nflado de ceros (ZIP) se podría expresar como: P( Y = 0) = P( Y = y q + (1 q ) e > 0) = ( 1 q ) e λ λ λ y! y [3] donde X β λ e =, como en los modelos anterores. 6 Se suele suponer que q sgue una τ dstrbucón logístca, q = Λ( X β ), τ R. 7 En cuanto al modelo bnomal negatvo nflado de ceros (ZINB), se formularía: 8 P( Y = 0) = P( Y = y q > 0) = + (1 q ( 1 q ) ν ) ν + λ ν Γ( y + ν ) ν y Γ( + 1) Γ( ν ) ν + λ ν λ ν + λ y [4] 4. ANÁLISIS DE LOS RESULTADOS Partendo de la muestra de asegurados de la que dsponemos, se han realzado varas smulacones con el software econométrco Lmdep v.7.0. encamnadas a determnar las varables que nfluyen en el número de snestros que el asegurado declara a su compañía, sendo además culpable de los msmos. Se han aplcado los modelos descrtos en el apartado anteror, elgéndose fnalmente la estmacón que hemos consderado más adecuada. El hecho de que la varable dependente tome el valor 0 puede ndcar que el conductor no ha sufrdo nngún snestro en el que haya sdo culpable, o ben que, a pesar de haberlo tendo, no ha dado conocmento de ello a su compañía de seguros. Como se ha vsto tambén en el análss descrptvo de los datos que se ha mostrado en el Apartado 2, exste un gran porcentaje de valores 0 en los datos: concretamente, un 91,7%. Por eso parece, en prncpo, que los modelos nflados de ceros deben ser más 6 Cuando q = 0, se obtendría el modelo de Posson. 7 Greene (1995) llama a este modelo ZIP (τ). 8 S q = 0, se vuelve al modelo bnomal negatvo; s α 0, se tendría el modelo ZIP y s se dan ambas condcones, el modelo se reducría al de regresón de Posson. XIII Jornadas de ASEPUMA 7

8 Melgar, M.C.; Ordaz, J.A. y Guerrero, F.M. convenentes para determnar los factores que se muestran sgnfcatvos en la ocurrenca y declaracón de snestros con culpabldad. Y, efectvamente, así lo confrma el valor del parámetro Tau de las modelzacones que se muestran en la Tabla 9 y en la Tabla 10. Sn embargo, en el caso del bnomal negatvo, el valor del estadístco de Vuong, comprenddo entre -1,96 y 1,96, no permtría que nos decantáramos claramente por el modelo ZINB. 9 De cualquer forma, los resultados cualtatvos obtendos son los msmos en ambos casos y pasamos a comentarlos a contnuacón. Las categorías de vehículos que muestran sgnfcatvdad en nuestro análss son las de vehículo ndustral y cclomotor o moto, presentando en el prmer caso un mayor número de snestros con culpabldad que el conjunto global de las categorías ausentes, y ocurrendo lo contraro con la segunda de las categorías referdas. En cuanto a los usos de los vehículos, transporte de mercancías y agrícola propo, son los factores que se muestran como determnantes, aunque con comportamentos dstntos: mentras que el uso transporte de mercancías es más propenso a ser culpable en los snestros que declara que el resto de usos, los vehículos destnados a uso agrícola propo son los que, sgnfcatvamente, menos snestros con culpa presentan. S nos centramos en la edad del asegurado, resulta que el tramo de edad ntermeda, entre 25 y 30 años, tene un comportamento dstnto de los más jóvenes y de los mayores de 30 años, que se traduce en una menor culpabldad en los snestros declarados. La bonfcacón tambén tene un comportamento benefcoso, en el sentdo de que cuanto mayor es la bonfcacón de la que se dsfruta, menor es el número de snestros con culpa. Este aspecto resulta muy nteresante. Tenendo en cuenta que la bonfcacón en la prma de la que dsfruta el asegurado en un determnado perodo es funcón de los snestros que ha tendo en el perodo anteror, podría deducrse que los conductores suelen tener un comportamento smlar a lo largo del tempo y que el conductor que no declaró snestros con culpabldad, tendrá tambén pocos snestros en el perodo sguente. 9 Ver Greene (2000). 8 XIII Jornadas de ASEPUMA

9 Análss de la culpabldad en los snestros del seguro del automóvl Tabla 9. Estmacón del número de snestros a través del modelo de Posson nflado de ceros Zero Altered Posson Regresson Model Logstc dstrbuton used for splttng model ZAP term n probablty s F(tau x ln LAMBDA) Dependent varable: NUMSINC Comparson of estmated models Pr[0 means] Number of zeros Log-lkelhood Posson Act.= Prd.= Z.I.Posson Act.= Prd.= Note, the ZIP log-lkelhood s not drectly comparable Vuong statstc for testng ZIP vs. unaltered model Varable Coeffcent Std. Error b/st.er. P[ Z >z] Constant VEH_IND CICL_MOT USO_TMER USO_AGRI ED25_ BONIF P750_ GR_ALTA Zero nflaton model Tau Tabla 10. Estmacón del número de snestros a través del modelo bnomal negatvo nflado de ceros Zero Altered Neg.Bnomal Regresson Model Logstc dstrbuton used for splttng model ZAP term n probablty s F(tau x ln LAMBDA) Dependent varable: NUMSINC Comparson of estmated models Pr[0 means] Number of zeros Log-lkelhood Posson Act.= Prd.= Neg. Bn Act.= Prd.= Z.I.Neg_Bn Act.= Prd.= Note, the ZIP log-lkelhood s not drectly comparable Vuong statstc for testng ZIP vs. unaltered model Varable Coeffcent Std. Error b/st.er. P[ Z >z] Constant VEH_IND CICL_MOT USO_TMER USO_AGRI ED25_ BONIF P750_ GR_ALTA Overdsperson parameter Alpha Zero nflaton model Tau XIII Jornadas de ASEPUMA 9

10 Melgar, M.C.; Ordaz, J.A. y Guerrero, F.M. En cuanto a la prma anual pagada, la categoría más elevada (750 o más) se muestra sgnfcatva y con una mayor snestraldad con culpabldad que el resto de categorías. La últma varable que aparece en la modelzacón se refere a uno de los nveles de cobertura del seguro, concretamente el más alto. Resulta partcularmente nteresante observar cómo los conductores asegurados con el máxmo nvel de cobertura declaran muchos más snestros en los que son culpables que los demás asegurados. 5. CONCLUSIONES En este trabajo, hemos tratado de mostrar los factores que nfluyen, en un sentdo u otro, en la culpabldad de los asegurados en los snestros que declaran a su compañía aseguradora. Tras aplcar varos modelos de tpo count data, se han obtendo fnalmente algunas categorías y usos de vehículos determnantes, un tramo de edad, la bonfcacón, un grupo de prmas y un nvel de cobertura. Parece deducrse de esto últmo la exstenca de una componente de resgo moral y/o de seleccón adversa. El conductor que tene cubertas todas las garantías puede mostrarse más descudado (estaríamos en el caso del resgo moral) o puede haber elegdo esa cobertura elevada por saberse con más resgo de provocar snestros (seleccón adversa). 10 El sexo, la zona de crculacón y la antgüedad en el carné, por su parte, son factores que parecen no nflur en la culpabldad en los snestros. Desde el punto de vsta teórco, los modelos nflados de ceros parecen ser los más propcos para este análss, dado que permten recoger la doble nterpretacón que se le puede asgnar al valor 0 snestros, pues éste puede corresponder a un conductor que no ha tendo en efecto nngún snestro sendo culpable, o ben que no lo ha declarado. Desde el punto de vsta empírco, no se puede sn embargo decdr claramente entre los modelos, pero los resultados cualtatvos han resultado ser los msmos con ndependenca del modelo consderado. 10 Donne et al. (1999) y Cohen (2002) observan tambén la exstenca de asmetría de nformacón en sus datos, no así Chappor y Salané (1997, 2000) que trabajan úncamente con asegurados con menos de 3 años de experenca en la conduccón. 10 XIII Jornadas de ASEPUMA

11 Análss de la culpabldad en los snestros del seguro del automóvl 6. REFERENCIAS BIBLIOGRÁFICAS CHIAPPORI, P.A. y SALANIE, B. (1997). Emprcal Contract Theory: The Case of Insurance Data. European Economc Revew, 41, pp CHIAPPORI, P.A. y SALANIE, B. (2000). Testng for Asymmetrc Informaton n Insurance Markets. Journal of Poltcal Economy, 108, nº 1, pp COHEN, A. (2002). Asymmetrc Informaton and Learnng: Evdence from the Automoble Insurance Market. Dscusson Paper nº371, Harvard Law School, Cambrdge. DIONNE, G.; GOURIÉROUX, C. y VANASSE, C. (1999). Evdence of Adverse Selecton n Automoble Insurance Markets. Automoble Insurance: Road Safety, New Drvers, Rsks, Insurance Fraud and Regulaton, Donne, G. y C. Laberge- Nadeau (eds.), pp GREENE, W.H. (1995) Lmdep Verson 7.0: User's Manual. Econometrc Software. GREENE, W.H. (2000). Análss Econométrco. Prentce Hall. LEE, A.H. ; STEVENSON, M.R. ; WANG, K. y YAU, K.K.W. (2002). Modelng Young Drver Motor Vehcle Crashes: Data wth Extra Zeros. Accdent Analyss and Preventon, 34, pp MELGAR, M.C.; ORDAZ, J.A. y GUERRERO, F.M. (2005). Dverses Alternatves pour Détermner les Facteurs Sgnfcatfs de la Fréquence d Accdents dans l Assurance Automoble. Assurances et Geston des Rsques (Insurance and Rsk Management), vol. 73 (1), pp RICHAUDEAU, D. (1999). Automoble Insurance Contracts and Rsk of Accdent: An Emprcal Test Usng French Indvdual Data. Geneva Papers on Rsk and Insurance Theory, 24, pp WINKELMANN, R. (2003): Econometrc Analyss of Count Data. Sprnger. XIII Jornadas de ASEPUMA 11

12 Melgar, M.C.; Ordaz, J.A. y Guerrero, F.M. ANEXO Tabla 11. Descrpcón de las varables TUR_FUR* (1) Varable fctca. 1 s el vehículo es un tursmo o una furgoneta CAMION (2) Varable fctca. 1 s el vehículo es un camón REMOLQUE (3) Varable fctca. 1 s el vehículo es un remolque AUTOCAR (4) Varable fctca. 1 s el vehículo es un autocar TRACT_MA (5) Varable fctca. 1 s el vehículo es un tractor o una maqunara agrícola VEH_IND (6) Varable fctca. 1 s el vehículo es un vehículo ndustral CICL_MOT (7) Varable fctca. 1 s el vehículo es un cclomotor o una moto USO_PART* (1) Varable fctca. 1 s el uso es partcular USO_SP (2) Varable fctca. 1 s el uso es de servco públco USO_ALQU (3) Varable fctca. 1 s el uso es de alquler USO_ESCU (4) Varable fctca. 1 s el uso es escuela de conductores USO_COMP (5) Varable fctca. 1 s el uso es de compra-venta USO_INDU (6) Varable fctca. 1 s el uso es ndustral USO_TMER (7) Varable fctca. 1 s el uso es el transporte de mercancías USO_TESC (8) Varable fctca. 1 s el uso es el transporte escolar USO_TGV (9) Varable fctca. 1 s el uso es el transporte general de vajeros USO_AGRI (10) Varable fctca. 1 s el uso es agrícola propo USO_RPC (11) Varable fctca. 1 s el uso es retrada de permso de conducr EDAD Edad del asegurado a fecha ANTIG_2A Varable fctca. 1 s el asegurado lleva menos de 2 años con carné MUJER Varable fctca. 1 s el asegurado es mujer ZONA_1* Varable fctca. 1 s el vehículo crcula por la zona 1 ZONA_2 Varable fctca. 1 s el vehículo crcula por la zona 2 ZONA_3 Varable fctca. 1 s el vehículo crcula por la zona 3 BONIF Bonfcacón de la que dsfruta el asegurado, en euros P0_200* Varable fctca. 1 s la prma está en el ntervalo (0,200] P200_300 Varable fctca. 1 s la prma está en el ntervalo (200,300] P300_400 Varable fctca. 1 s la prma está en el ntervalo (300,400] P400_500 Varable fctca. 1 s la prma está en el ntervalo (400,500] P500_750 Varable fctca. 1 s la prma está en el ntervalo (500,750] P750_ Varable fctca. 1 s la prma es superor a 750 euros GR_BAJA* Varable fctca. 1 s el grado de cobertura es bajo GR_MBAJA Varable fctca. 1 s el grado de cobertura es medo-bajo GR_MALTA Varable fctca. 1 s el grado de cobertura es medo-alto GR_ALTA Varable fctca. 1 s el grado de cobertura es alto NUMSINC Número de snestros con culpabldad declarados por el asegurado * Categorías base 12 XIII Jornadas de ASEPUMA