ارایه رویکرد آماری چندمتغیره مبتنی بر جدول‌های توافقی به‌منظور تصمیم‌گیری و اولویت‌بندی متغیرهای شبکه فرایند خدمات درمانی در صنعت بیمه

نویسندگان

  • جابر توان گروه مهندسی صنایع، واحد تهران مرکز، دانشگاه آزاد اسلامی، تهران، ایران.
  • رضا کامران راد * گروه مهندسی صنایع، دانشکده معندسی، دانشگاه سمنان، سمنان، ایران.
  • احسان کرانی گروه مهندسی صنایع، واحد تهران مرکز، دانشگاه آزاد اسلامی، تهران، ایران.

https://doi.org/10.22105/ssfmi.v2i4.93

چکیده

هدف: امروزه پایش و عارضه‌یابی فرایندهای مبتنی بر شبکه‌های اجتماعی با ویژگی‌های چندمتغیره وصفی در صنایع مختلف تولیدی، بیمارستانی، خدماتی و ... با استفاده از ابزارهای دقیق آماری مورد توجه گسترده قرار گرفته است. یکی از حوزه‌های کاربردی در این زمینه، تحلیل و تصمیم‌گیری درباره درستی و دقت عملکرد سازمان‌های پردازشگر در شبکه‌های پرداخت بیمه درمان است که در سال‌های اخیر مورد توجه نهادهای بالادستی قرار گرفته است. با توجه به پیچیدگی صنعت بیمه و نظام پرداخت خسارت در کشور، شبکه‌ای گسترده و فعال شکل گرفته که می‌تواند بر سود عملیاتی شرکت‌های بیمه‌گر اثرگذار بوده و در برخی موارد منجر به کاهش بهره‌وری شود. از این رو، هدف این پژوهش بررسی فرایند پرداخت خسارت درمانی و ارایه رویکردی تصمیم‌ساز برای شناسایی و اولویت‌بندی متغیرهای موثر بر آن است.

روش‌شناسی پژوهش: در این تحقیق، فرایند پرداخت خسارت درمانی در صنعت بیمه طی یک دوره پنج‌ساله مورد بررسی قرار گرفته است. برای تحلیل داده‌ها از ابزار جدول توافقی و مدل‌سازی تابع لگاریتم خطی استفاده شده تا روابط میان متغیرهای چندمتغیره وصفی شناسایی و تبیین شود.

یافته‌ها: نتایج تحلیل‌ها امکان شناسایی متغیرهای اثرگذار بر پرداخت خسارت درمانی و تعیین میزان تاثیر هر یک را فراهم کرده و نشان می‌دهد که بهره‌گیری از رویکردهای آماری مناسب می‌تواند در بهبود پایش، کنترل و ارزیابی عملکرد شبکه پرداخت خسارت نقش موثری ایفا کند.

اصالت/ارزش افزوده علمی: این پژوهش با به‌کارگیری هم‌زمان جدول توافقی و مدل لگاریتم خطی در تحلیل فرایند پرداخت خسارت درمانی، چارچوبی تحلیلی برای تصمیم‌سازی در صنعت بیمه ارایه می‌دهد که می‌تواند به بهبود کارایی، افزایش دقت نظارت و کاهش پیامدهای ناشی از ناکارایی در شبکه پرداخت خسارت منجر شود.

کلمات کلیدی:

شبکه اجتماعی، تصمیم‌گیری، جدول‌های توافقی، صنعت بیمه، خسارت درمان

مراجع

  1. [1] Agresti, A. (2002). Categorical data analysis. John Wiley and Sons. https://doi.org/10.1002/0471249688
  2. [2] Glonek, G. F., & McCullagh, P. (1995). Multivariate logistic models. Journal of the royal statistical society: series b (Methodological), 57(3), 533-546. https://doi.org/10.1111/j.2517-6161.1995.tb02046.x
  3. [3] Lawrence, W. F., Liang, W., Mandelblatt, J. S., Gold, K. F., Freedman, M., Ascher, S. M., ... & Chang, P. (1998). Serendipity in diagnostic imaging: magnetic resonance imaging of the breast. Journal of the national cancer institute, 90(23), 1792-1800. https://doi.org/10.1093/jnci/90.23.1792
  4. [4] Kieffer, D., Bianchetti, L., Poch, O., & Wicker, N. (2012). Perfect sampling on 2×⋯× 2× K contingency tables with an application to SAGE data. Journal of statistical planning and inference, 142(4), 896-901. https://doi.org/10.1016/j.jspi.2011.10.010
  5. [5] Agresti, A. (2006). An introduction to categorical data analysis. John Wiley and Sons. https://doi.org/10.1002/0470114754
  6. [6] Biswas, A. (2004). Generating correlated ordinal categorical random samples. Statistics & probability letters, 70(1), 25-35. https://doi.org/10.1016/j.spl.2004.08.001
  7. [7] Jiang, X., & Li, Y. (2008). The relationship between organizational learning and firms’ financial performance in strategic alliances: A contingency approach. Journal of world business, 43(3), 365-379. https://doi.org/10.1016/j.jwb.2007.11.003
  8. [8] Zhen, X., & Basawa, I. V. (2009). Categorical time series models for contingency tables. Statistics & probability letters, 79(10), 1331-1336. https://doi.org/10.1016/j.spl.2009.02.013
  9. [9] Ghoreishi, S. K., & Alijani, M. (2011). Dynamic association modeling in 2× 2 contingency tables. Statistical methodology, 8(2), 242-255. https://doi.org/10.1016/j.stamet.2010.10.002
  10. [10] Bashiri, M., & Kamranrad, R. (2011). Parameter estimation for improving association indicators in binary logistic regression. Research in production and operations management, 2(1), 135-154. (In Persian). https://jpom.ui.ac.ir/article_19763.html?lang=fa
  11. [11] Yeh, A. B., Huwang, L., & Li, Y. M. (2009). Profile monitoring for a binary response. IIE transactions, 41(11), 931-941. https://doi.org/10.1080/07408170902735400
  12. [12] Kamranrad, R., & Bashiri, M. (2015). A novel approach in multi response optimization for correlated categorical data. Scientia Iranica, 22(3), 1117-1129. https://scientiairanica.sharif.edu/article_3705.html
  13. [13] Rushdi, M. A., & Rushdi, A. M. (2021). Measures, metrics and indicators derived from the ubiquitous two-by-two contingency table, Part I: Background. Asian journal of medical principles and clinical practice, 4(3), 51-65. http://access.sent2promo.com/id/eprint/394/
  14. [14] Racine-Poon, A., Praestgaard, J., & Sverdlov, O. (2025). Random effects meta-analysis of contingency tables with complete and partially complete data, with application to COVID-19 research. Statistics in biopharmaceutical research, 17(4), 548-556. https://doi.org/10.1080/19466315.2024.2429415
  15. [15] Pearson, K. (1904). On the theory of contingency and its relation to association and normal correlation (Vol. 1). Cambridge University Press. https://openlibrary.org/books/OL24168960M/On_the_theory_of_contingency_and_its_relation_to_association_and_normal_correlation
  16. [16] Seber, G. A., & Lee, A. J. (2003). Linear regression analysis. John Wiley & Sons. https://doi.org/10.1002/9780471722199
  17. [17] Kamranrad, R., Amiri, A., & Niaki, S. T. A. (2019). Phase‐I monitoring of log‐linear model‐based processes (a case study in health care: Kidney patients). Quality and reliability engineering international, 35(6), 1766-1788. https://doi.org/10.1002/qre.2474

دانلود

چاپ شده

2026-03-10

شماره

دوره 2 شماره 4 (2025): Strategic Studies in Financial Management and Insurance

نوع مقاله

مقالات شماره جاری

ارجاع به مقاله

توان ج., کامران راد ر., & کرانی ا. (2026). ارایه رویکرد آماری چندمتغیره مبتنی بر جدول‌های توافقی به‌منظور تصمیم‌گیری و اولویت‌بندی متغیرهای شبکه فرایند خدمات درمانی در صنعت بیمه. مطالعات راهبردی در مدیریت مالی و بیمه, 2(4), 266-273. https://doi.org/10.22105/ssfmi.v2i4.93
Crossref
Scopus
Google Scholar
Europe PMC

مقالات مشابه

##common.pagination##

همچنین برای این مقاله می‌توانید شروع جستجوی پیشرفته مقالات مشابه.