La modelización predictiva es una técnica crítica en muchas aplicaciones del mundo real, incluyendo la fijación de tarifas de seguros de automóviles y la toma de decisiones en la revisión de presentaciones de tarifas con fines regulatorios. También es importante en la predicción del riesgo financiero y económico en los negocios y la economía. A diferencia de probar hipótesis en la inferencia estadística, los resultados obtenidos de la modelización predictiva sirven como evidencia estadística para la toma de decisiones del problema subyacente y para descubrir la relación funcional entre la variable de respuesta y los predictores. Como resultado de esto, las medidas de importancia de las variables se convierten en un aspecto esencial para ayudar a comprender mejor las contribuciones de los predictores al modelo construido. En este trabajo, nos enfocamos en el estudio del uso de modelos lineales generalizados (GLM) para el tamaño de las distribuciones de pérdidas. Además, abordamos el problema de medir la importancia de las variables utilizadas en el GLM para evaluar aún más su impacto potencial en la fijación de precios de seguros. En este sentido, proponemos cambiar el enfoque de las medidas de importancia de las variables de los niveles de factores a los propios factores y desarrollar medidas de importancia de variables para los factores incluidos en el modelo. Por lo tanto, este trabajo es exclusivamente para modelar con variables categóricas como predictores. Este trabajo contribuye al desarrollo adicional de la modelización GLM para hacerla aún más práctica debido a este valor añadido. Este estudio también tiene como objetivo proporcionar estimaciones de referencia para permitir la regulación de las tarifas de seguros utilizando GLM desde el aspecto de la importancia de las variables.