【摘要】Bhlmann模型是贝叶斯方法在经验费率厘定中最为著名的应用,然而该模型在结构参数先验信息不足的情况下,并不能得出参数的无偏后验估计。本文针对传统方法的不足,运用基于MCMC模拟的贝叶斯方法对历史数据进行校正,通过Gibbs抽样构造出一种多层Poisson模型稳态分布的马尔可夫链,动态模拟出索赔频率的后验分布以及缺失参数值的后验估计,改进了传统的索赔校正模型,提高了计算的精度。利用WinBUGS软件包进行建模分析,证明了该模型的直观性与有效性。