Estoy tratando de conseguir la "productividad" de los tratamientos como el envío de un correo electrónico, llamar o enviar un SMS y sus combinaciones en el pago del deudor, la probabilidad.
No podía encontrar un modelo que satisfaga a la mayoría de las hipótesis básicas que necesito para cumplir. Por ejemplo, yo no puedo usar un simple árbol de decisión, con, por ejemplo, la cantidad de SMS como una variable, debido a que más SMS significa que durante el período que tenemos de que el cliente, nos lo envió, supongamos 3 SMS, pero porque él no pagar (si él hubiera pagado durante los primeros días él no hubiera recibido ningún SMS). En una regresión logística que tendría el mismo problema.
Así que pensé que el tiempo debe ser importante en este tipo de análisis. Digamos que alguien con el mismo 'supervivencia' tiempo de llegar a más SMS tiene (creo) más oportunidades a pagar (morir en el modelo).
Así que estaba pensando que deberíamos estratificado de los clientes respecto a su tiempo de supervivencia. Pero me preguntaba ¿cómo puedo agregar esto a los modelos o si existe un modelo adecuado para ello. He leído acerca de Cox estratificado Modelos, pero yo no estaba seguro de si iba a ser capaz de capturar este.
Mi pregunta es, ¿qué modelo te recomiendo hacer esto y cómo podría usted inserte el hecho de que si tenemos más tiempo ya que el cliente se ha cargado en el sistema, de los tratamientos (que se supone que tienen un impacto positivo) aumentará, pero debido a que es más difícil de lo que este cliente paga.
Tal vez algún modelo en el que la clase es alguien a sanar o no, dependiendo de la cantidad de medicamento que le dio...por Lo tanto, tendrá dos efectos, más de la medicina más posibilidades de sanar, pero más de la medicina, se relaciona con más tiempo sin curación. Realmente no lo sé.
