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 |
