责任准备金是非寿险公司最主要的负债项目,决定着保险公司未来的偿付能力和盈利能力。通过合理的评估方法计算出来的非寿险准备金可以增加非寿险责任准备金评估的准确性,从而增强保险公司履行保险赔偿的能力。在传统的责任准备金评估模型中,无论聚合数据下的链梯法、B-F法、贝叶斯方法,还是个体数据下的模型,都假设各事故年发生的索赔或不同保单导致的索赔之间是相互独立的。而现实生活中存在许多保险场合,使得各种索赔之间存在具有某种相依性。本文假设不同保单或不同事故年导致的索赔之间存在某种随机共同效应,并建立聚合数据和个体数据的责任准备金模型,并讨论责任准备金评估的统计性质。本文一方面在聚合数据下建立随机共同效应的责任准备金模型,并借鉴信度理论的方法,得到责任准备金估计,验证估计的相合性等统计性质；另一方面在个体数据模型下,建立RBNS的随机共同效应模型,从而推广到分层贝叶斯模型,并得到个体数据下的责任准备金模型。与聚合数据模型相比,个体数据模型具有更小的均方误差,以及利用经验贝叶斯方法得到了结构参数的估计。最后对全文进行了总结,提出今后的研宄方向。