随机过程与健康数据：一种用于医院收费与住院时长数据的全最大似然方法
应用统计
2017-05-04 v2
摘要
我们通过推导一般条件类下医院收费与住院时长（LOS）联合概率密度函数的显式表达式，扩展了Gardiner等人（2002）和Polverejan等人（2003）使用的模型。利用该联合密度函数，我们可以应用全最大似然方法（FML）来估计协变量对收费和LOS的影响。通过FML，由收费与LOS之间依赖性引起的内生性问题可得到有效解决。作为示例，我们将方法应用于从纽约州全州规划与研究合作系统2013（SPARCS 2013）抽取的真实收费与LOS数据。我们将拟合结果与使用广泛采用的Phase-Type模型对边缘LOS数据的拟合进行比较，得出结论：我们的方法在拟合上更高效。
引用
@article{arxiv.1701.04423,
title = {Stochastic Process and Health Data: A Full Maximum Likelihood Method to Hospital Charge and Length of Stay Data},
author = {Xiaoqi Zhang and John Ringland},
journal= {arXiv preprint arXiv:1701.04423},
year = {2017}
}
备注
29 pages, 7 figures