使用多变量历史数据预测保险索赔

Question

我有患有特定疾病D的患者的保险索赔数据。

在被诊断患有疾病D后，患者要求进行各种治疗。对于每项索赔，都有关于诊断索赔之后的天数，索赔金额以及一些其他分类变量的数据。

使用这些数据，我必须预测每位患者在未来12个月内要求的数量。

我对时间序列预测没有多少经验，因此我不知道该怎么做。我见过的所有教程都有数据集，其中包含每行数据的日期。

您能否推荐使用哪种建模技术以及如何在其中包含数据？

样本数据图像

Answer 1

由于您想预测每位患者在未来12个月内要求的数量，我认为最好的选择是泊松回归而不是时间序列分析。

首先，您的依赖值（y）将是“2个月内患者的索赔”。这里，响应变量是count。

现在，你必须弄清楚影响你的依赖（y）的因素（独立值x）。

您的部分数据属于分类。因此，如果您使用回归技术，最合适的是泊松回归模型。