Курсовая работа: Статистический анализ банковской деятельности. Исследование моделей оценки кредитных рисков
Еще одна особенность
состоит в том, что в реальных данных очень часто группы по X оказываются
однородными по Y, поэтому оценки оказываются равными нулю или
единице. Таким образом, оценка логита для них не определена (для этих значений ).
Построим модель пробит для наших
данных. Оценивание в SPSS
дает результаты (табл.15.), где приведены коэффициенты оценивания.
Таблица
15. Оценка логит-модели
|
B |
Step 1(a) |
schet |
,585 |
|
srok |
-,139 |
|
histor |
,388 |
|
naznah |
,033 |
|
zaim |
-,181 |
|
chares |
,239 |
|
timrab |
,161 |
|
vznos |
-,299 |
|
famil |
,264 |
|
poruchit |
,360 |
|
timelive |
-,005 |
|
garonti |
-,191 |
|
vozras |
,068 |
|
inizaimi |
,315 |
|
kvartir |
,318 |
|
kolzaim |
-,240 |
|
proff |
,021 |
|
rodstve |
-,153 |
|
telefon |
,312 |
|
inosmest |
1,225 |
|
Constant |
-4,227 |
На
основе модели логистической регрессии можно строить предсказание произойдет или
не произойдет событие {Y=1}. Правило предсказания, по умолчанию заложенное в
процедуру LOGISTIC REGRESSION устроено по следующему принципу: если >0.5 считаем, что событие
произойдет; £0.5, считаем, что событие не произойдет (табл.16).
Страницы: 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12 |