Poisson regression and Zero-inflated

Poisson regression and Zero-inflated Poisson regression: application to private health insurance data

Abstract Modeling event counts is important in many fields. For this purpose, the Poisson regression model is often used. However, this model assumes the equidispersion of the data. Unfortunately, this assumption is often violated in the observed data. The source of overdispersion depends on many situations. When the source of overdispersion is the excess of zeroes, the Zero-inflated Poisson regression model fits better counts data. In this paper, we first review the theoretical framework of Poisson regression and Zero-inflated Poisson regression. The probability integral transform test and the Vuong’s test are used to compare between the two models. Second, we fit these models to the number of claims in a private health insurance scheme. In our case, the number of claims is overdispersed because of the preponderance of zeroes in the data set. The results prove that Zero-inflated Poisson regression performs better the number of claims of the customers affiliated in the health insurance scheme in the Moroccan case.

ผลลัพธ์ (ไทย) 1:

Poisson ถดถอยและการถดถอย inflated ศูนย์ Poisson: ประยุกต์ข้อมูลประกันสุขภาพส่วนตัวบทคัดย่อการสร้างแบบจำลองเหตุการณ์นับเป็นสิ่งสำคัญในหลาย fields สำหรับวัตถุประสงค์นี้ มักใช้แบบจำลองการถดถอยของ Poisson อย่างไรก็ตาม รุ่นนี้อนุมาน equidispersion ของข้อมูล อับ สมมติฐานนี้มักละเมิดในข้อมูลสังเกตได้ แหล่งที่มาของ overdispersion ขึ้นอยู่กับหลายสถานการณ์ เมื่อแหล่งที่มาของ overdispersion ส่วนเกินของเลขศูนย์ ศูนย์ inflated Poisson ถดถอยรุ่น fits นับข้อมูลดีกว่า ในกระดาษนี้ เราแรกทบทวนกรอบทฤษฎีของ Poisson ถดถอยและการถดถอยของ Poisson ศูนย์ inflated การทดสอบความน่าเป็นการแปลงเชิงปริพันธ์และววงการทดสอบจะใช้การเปรียบเทียบระหว่างสองรุ่น สอง เราพอรุ่นเหล่านี้ไปยังหมายเลขในแผนประกันสุขภาพส่วนตัว ในกรณีของเรา ในตัวเป็น overdispersed เนื่องจากหน่วยของเลขศูนย์ในชุดข้อมูล ผลการพิสูจน์ที่ศูนย์ inflated Poisson ถดถอยทำได้ดีกว่าในตัวของ affiliated ลูกค้าในโครงการประกันสุขภาพในกรณีโมร็อกโก

ผลลัพธ์ (ไทย) 2:

Poisson ถดถอยและศูนย์ในฟลอริด้า ated Poisson ถดถอย: การประยุกต์ใช้ข้อมูลการประกันสุขภาพภาคเอกชนบทคัดย่อการสร้างแบบจำลองจำนวนเหตุการณ์มีความสำคัญในหลาย elds Fi เพื่อจุดประสงค์นี้รูปแบบการถดถอยปัวซองมักจะใช้ แต่รุ่นนี้ถือว่า equidispersion ของข้อมูล แต่น่าเสียดายที่สมมติฐานนี้มักจะถูกละเมิดในข้อมูลที่สังเกต แหล่งที่มาของ overdispersion ขึ้นอยู่กับหลาย ๆ สถานการณ์ เมื่อแหล่งที่มาของ overdispersion คือส่วนที่เกินจากศูนย์ที่ศูนย์ในฟลอริด้า ated Poisson แบบการถดถอย Fi ts ข้อมูลข้อหาที่ดีกว่า ในบทความนี้เราแรกทบทวนกรอบทฤษฎีของ Poisson ถดถอยและศูนย์ในฟลอริด้า ated Poisson ถดถอย ความน่าจะเป็นหนึ่งแปลงทดสอบและการทดสอบ Vuong ถูกนำมาใช้เพื่อเปรียบเทียบระหว่างสองรุ่น ประการที่สองเรา fi T รูปแบบเหล่านี้ไปยังหมายเลขของการเรียกร้องในโครงการประกันสุขภาพภาคเอกชน ในกรณีของเราจำนวนของการเรียกร้องที่มี overdispersed เนื่องจากการครอบงำของเลขศูนย์อยู่ในชุดข้อมูล ผลการพิสูจน์ว่าเป็นศูนย์ในฟลอริด้า ated Poisson ถดถอยมีประสิทธิภาพดีกว่าจำนวนของการเรียกร้องของลูกค้า Fi AF liated ในโครงการประกันสุขภาพในกรณีโมร็อกโก