广义线性模型（GLM）和半参数扩展为分析非寿险索赔过程提供了一个灵活的框架。目前，大多数应用仍然基于传统的GLM，其中协变量效应以线性预测器的形式建模。然而，如果存在度量协变量的非线性效应，这些模型可能已经过于严格。此外，虽然数据通常是在较长的时间内收集的，并且来自不同的地理区域，但空间和时间的影响通常被完全忽略。我们提供了一种贝叶斯半参数方法，它允许在联合模型中同时考虑空间、时间和其他协变量的影响。该方法应用于分析一家德国健康保险公司的大型数据集的医院治疗和住宿成本。