Forecasting Versicherungsansprüche mit multivariaten historischen Daten

Question

Ich habe diese Versicherungsansprüche Daten für Patienten, die an einer bestimmten Krankheit leiden, D.

Nachdem mit der Krankheit D diagnostiziert, machen Patienten Anspruch für verschiedene Behandlungen. Für jeden Anspruch gibt es Daten über die Anzahl der Tage nach dem Diagnoseantrag, den Schadensbetrag sowie einige andere kategoriale Variablen.

Mit diesen Daten muss ich Vorhersagen treffen, wie viel jeder Patient in den nächsten 12 Monaten beanspruchen wird.

Ich habe nicht viel Erfahrung mit Zeitreihenprognosen, deshalb bin ich nicht sicher, wie es geht. Alle Tutorials, die ich gesehen habe, haben den Datensatz mit Daten für jede Datenzeile.

Können Sie mir die zu verwendende Modellierungstechnik und die Anpassung meiner Daten empfehlen?

Bild von Beispieldaten

Answer 1

Da Sie vorhersagen wollen, wie viel Ihre wie viel jeder Patient in nächsten 12 Monaten Anspruch geht, ich denke, die beste Wahl eine Poisson Regression wäre statt Zeitreihenanalyse.

Zuerst wäre Ihr abhängiger Wert (y) "Ansprüche der Patienten in 2 Monaten". Hier ist die Antwortvariable count.

Nun müssen Sie herausfinden, welche Faktoren (unabhängige Werte x) Ihre Abhängigkeit beeinflussen (y).

Einige Ihrer Daten sind kategorial. Wenn Sie also eine Regressionstechnik anwenden, ist das Poisson-Regressionsmodell am besten geeignet.