การตรวจสอบความสมเหตุสมผลของตัวแบบต้นไม้ตัดสินใจ : กรณีศึกษาปัจจัยที่มีผลต่อการต่ออายุสัญญาเพิ่มเติมชดเชยค่ารักษาพยาบาลรายวัน
Article Sidebar
Main Article Content
Abstract
งานวิจัยนี้มีวัตถุประสงค์เพื่อเปรียบเทียบการตรวจสอบความสมเหตุสมผลของตัวแบบต้นไม้ตัดสินใจระหว่างวิธีการตรวจสอบความสมเหตุสมผลแบบไขว้และวิธีการตรวจสอบความสมเหตุสมผลโดยการแบ่งตัวอย่าง ใช้ข้อมูลสัญญาเพิ่มเติมชดเชยค่ารักษาพยาบาลรายวันของผู้เอาประกันภัยของบริษัทประกันชีวิตแห่งหนึ่งจำนวน 25,249 สัญญา วิเคราะห์ข้อมูลด้วยโปรแกรม SPSS รุ่น 20 ตัวแปรตามคือ สถานะของสัญญาเพิ่มเติมชดเชยค่ารักษาพยาบาลรายวัน และตัวแปรทำนายคือ เพศ อายุ เงินผลประโยชน์ เบี้ยประกันภัยสำหรับสัญญาเพิ่มเติมรายปี ลักษณะการจ่ายเบี้ยประกันภัย ภูมิลำเนา สถานภาพสมรส ประเภทกรมธรรม์ของสัญญาหลัก เบี้ยประกันภัยรายปีของสัญญาหลัก จำนวนครั้งของการเรียกร้องค่าสินไหมทดแทน จำนวนเงินค่าสินไหมทดแทนรวม และระยะเวลาดำเนินการเฉลี่ยในการจ่ายค่าสินไหมทดแทน จากการทำซ้ำ 500 ครั้งพบว่าวิธีตรวจสอบความสมเหตุสมผลแบบแบ่งตัวอย่างด้วยวิธี QUEST 80:20 ให้ความแม่นในการทำนายการต่ออายุสัญญาสูงสุดเท่ากับ 62.374% และลักษณะการจ่ายเบี้ยประกันภัยมีผลต่อการต่ออายุสัญญามากที่สุด เมื่อใช้วิธี QUEST 80:20 โดยจำแนกตามลักษณะการจ่ายเบี้ยประกันพบว่า สำหรับสัญญาที่จ่ายเบี้ยประกันภัยแบบรายปี ค่าความแม่นในการทำนายการต่ออายุสัญญาของสัญญาเท่ากับ 80.256% และจำนวนครั้งของการเคลมมีผลต่อการต่ออายุสัญญามากที่สุด
Article Details
References
เอกสิทธิ์ พัชรวงศ์ศักดา. (2558). การแบ่งข้อมูลเพื่อนำมาทดสอบประสิทธิภาพของโมเดล. https://th.linkedin.com/pulse/การแบ่งข้อมูลเพื่อนำมาทดสอบประสิทธิภาพของโมเดล-eakasit-pacharawongsakda
IBM, (2017). IBM SPSS Statistics Algorithms. https://www.ibm.com/docs/en/SSLVMB_26.0.0/pdf/en/IBM_SPSS_Statistics_Algorithms.pdf
James, G., Witten, D., Hastie, T., & Tibshirani, R. (2017). An Introduction to Statistical Learning with Applications in R. New York: Springer-Verlag New York.