酒店预订取消的贝叶斯分析：层次建模方法
应用统计
2025-12-02 v1
摘要
本研究采用 PyMC 对酒店预订取消事件进行全面的贝叶斯分析，比较三种日益复杂的模型规格。我们探讨了提前预订时间、特殊请求以及停车需求如何影响取消概率，以及这些特征与酒店类型之间的交互作用。通过在 5000 条预订记录上使用 MCMC 采样（NUTS 算法），我们发现提前预订时间越长会显著增加取消概率（后验均值：0.600，95% HDI：[0.532, 0.661]），而特殊请求（后验均值：-0.642）和停车需求（后验均值：-3.879）显著降低取消风险。通过 WAIC 进行模型比较发现，完整交互模型在预测性能上表现最佳，表明预订特征的效应在城市酒店与度假酒店之间具有系统性差异。这种贝叶斯方法实现了完整的不确定性量化，为收益管理提供了可操作的见解。
引用
@article{arxiv.2512.00240,
title = {Bayesian Analysis of Hotel Booking Cancellations: A Hierarchical Modeling Approach},
author = {Yingdong Yang},
journal= {arXiv preprint arXiv:2512.00240},
year = {2025}
}