SPSS Modeler 15.0是14.2的升級(jí)版本，是一款非常好用且專業(yè)的統(tǒng)計(jì)、分析以及數(shù)據(jù)挖掘工具，該軟件由IBM公司開發(fā)，該軟件可以通過大數(shù)據(jù)進(jìn)行相應(yīng)的分析，可以有效地增加客戶價(jià)值，提高市場營銷活動(dòng)的回報(bào)，本站提供了SPSS Modeler 15.0 32位版下載地址，有需要的朋友們可以前來下載使用。

百度云網(wǎng)盤文件名稱：spss_mod_clt_32b_15.0_win_ml.rar

用線性回歸建立理賠欺詐檢測模型

在本例中，用于建立模型的數(shù)據(jù)存放在 InsClaim.dat 中，該文件是一個(gè) CSV 格式的數(shù)據(jù)文件， 存儲(chǔ)了某醫(yī)院以往醫(yī)療保險(xiǎn)理賠的歷史記錄。該文件共有 293 條記錄，每條記錄有 4 個(gè)字段， 分別是 ASG(疾病嚴(yán)重程度)、AGE(年齡)、LOS(住院天數(shù))和 CLAIM(索賠數(shù)額)。 圖 1 顯示了該數(shù)據(jù)的部分內(nèi)容。

圖 1. 歷史理賠數(shù)據(jù)文件

任務(wù)與計(jì)劃

基于已有的數(shù)據(jù)，我們的任務(wù)主要有如下內(nèi)容：

建立理賠金額預(yù)測模型，該模型將基于病人的疾病嚴(yán)重程度、住院天數(shù)及年齡預(yù)測其索賠金額。

假設(shè)模型匹配良好，分析那些與預(yù)測誤差較大的病人資料。

通過模型來進(jìn)行索賠欺詐預(yù)測。

根據(jù)經(jīng)驗(yàn)及對數(shù)據(jù)進(jìn)行的初步分析(這個(gè)數(shù)據(jù)初步分析可以通過 IBM SPSS Modeler 的功能實(shí)現(xiàn)，此處不是重點(diǎn)， 故不做深入介紹)，可以猜測理賠金額與疾病嚴(yán)重程度、住院天數(shù)以及年齡存在線性相關(guān)關(guān)系，因此我們將首先 選用線性回歸模型進(jìn)行建模，因此可以得到下面這樣一個(gè)初步計(jì)劃：

應(yīng)用線性回歸分析來建立模型。

如果模型匹配度不佳，則可能應(yīng)用更加復(fù)雜的模型，例如神經(jīng)網(wǎng)絡(luò)、規(guī)則推導(dǎo)等。

基于上面的分析，我們?nèi)菀椎玫侥繕?biāo)模型的因變量為 CLAIM，自變量為 ASG、AGE 和 LOS。在建立模型之前，我們可以 對該模型進(jìn)行一些猜測，以下是根據(jù)經(jīng)驗(yàn)?zāi)芟氲降囊恍┘僭O(shè)：

隨著住院天數(shù)的增加，索賠金額增加

隨著疾病嚴(yán)重程度的增加，索賠金額增加

隨著年齡的增加，索賠金額增加

在建立好模型后，我們會(huì)根據(jù)模型來驗(yàn)證或推翻這些假設(shè)。

用 IBM SPSS Modeler 創(chuàng)建 stream 文件

根據(jù)任務(wù)要求，我們在 IBM SPSS Modeler 中建立如圖 2 所示的 stream 文件。在該 stream 中，InsClaim.dat 作為數(shù)據(jù)源節(jié)點(diǎn)， 它通過一個(gè)類型節(jié)點(diǎn)(type)進(jìn)行數(shù)據(jù)處理后輸入到模型節(jié)點(diǎn)(CLAIM)，在本例中，輸出節(jié)點(diǎn)(table)作為一個(gè)測試節(jié) 點(diǎn)，可以用于查看類型節(jié)點(diǎn)處理后產(chǎn)生的數(shù)據(jù)。

圖 2. 理賠預(yù)測模型 stream 示例圖

設(shè)置類型(type)節(jié)點(diǎn)

從前面的分析可見，CLAIM 是因變量，在類型節(jié)點(diǎn)中須作為目標(biāo)變量(Target)，而其余三個(gè)字段(ASG、AGE 和 LOS) 則是自變量，在類型節(jié)點(diǎn)中須設(shè)置為輸入變量(Input)。

需要注意的是，在線性回歸分析模型中，要求所有變量(包括自變量和因變量)都是連續(xù)類型。 如果數(shù)據(jù)中有非數(shù)字類型，比如 Category 或者 Flag，則需要預(yù)先轉(zhuǎn)換為數(shù)字型。圖 3 顯示了類型節(jié)點(diǎn)設(shè)置的具體情況。

圖 3. 類型節(jié)點(diǎn)設(shè)置圖

模型節(jié)點(diǎn)設(shè)置

在設(shè)置好類型節(jié)點(diǎn)后，我們可以雙擊 CLAIM 節(jié)點(diǎn)，對模型節(jié)點(diǎn)進(jìn)行設(shè)置。首先設(shè)置 Model 標(biāo)簽頁中的選項(xiàng)。 從圖 4 可以看到設(shè)置的具體信息，Model Name 有自動(dòng)和定制兩種類型，在自動(dòng)方式下，模型名稱自動(dòng)設(shè)置 為目標(biāo)變量的名字(CLAIM)。本模型的輸入信息并沒有分組，因此 Use partitioned data 和 Build model for each split 的選擇與否并無關(guān)系。

Method 選項(xiàng)將選擇輸入字段的選擇方式，由于本例中的輸入字段較少，可以使用默認(rèn)的 Enter 模式。 在字段較多的情況下，可以選擇 StepWise、Forward 和 Backward 中的一種，它們會(huì)采用不同的統(tǒng)計(jì)學(xué)方式對輸入字段進(jìn)行篩選。

 Include constant in equation 選項(xiàng)表示模型中是否包含常量(即截距)，在本例中，由于每次理賠會(huì)有一個(gè)起始額度，因此選中該選項(xiàng)。

圖 4. 模型節(jié)點(diǎn)的 Model 頁設(shè)置圖

在 Expert 頁中可以設(shè)置一些模型的高級(jí)選項(xiàng)。在我們選擇了專家模式后，可以設(shè)置兩個(gè)選項(xiàng)內(nèi)容：

Missing Values ——當(dāng)選中該選項(xiàng)，會(huì)忽略那些含有 Missing Value 的記錄。 (默認(rèn)選項(xiàng)，通常應(yīng)該使用這個(gè)選項(xiàng)，除非你非常有經(jīng)驗(yàn)，清楚知道 Missing Value 對該模型的影響)Singularity tolerance ——用來防止相關(guān)變量影響模型準(zhǔn)確度。 該值越小，表示相似性越高，也就說明排除的可能性越低。有些統(tǒng)計(jì)師傾向于把 該值設(shè)置的稍大，比如 .05(在本例中是 .0001)