Logistic回归模型在信用风险分析中的应用

• 作者: 庞素琳
• 来源期刊: 数学的实践与认识
• 学科: 数学
• 关键词: 信用风险分析 信用评价模型 Logistic回归模型 线性判别分析
• 年，卷（期）: 2006,（9）
• 所属期刊栏目: 管理科学
• 页码范围: 129-137
• 页数: 9页
• 分类号: O1
• 字数: 5241字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-0984.2006.09.021

摘要

通过运行SPSS,建立Logistic回归信用评价模型(credit evaluation model),用来对中国2000年106家上市公司进行两类模式分类,这两类模式是指按照公司的经营状况分为"差"和"正常"两个小组.对每一家上市公司,考虑其经营状况的4个主要财务指标:每股收益、每股净资产、净资产收益率和每股现金流量.仿真结果表明,Logistic回归信用评价模型对总体106个样本,判别准确率达到99.06%.此外,本文的研究结果还发现,当利用SPSS的Discriminant给出的模型系数建立的线性判别分析模型和利用SPSS的MultinomialLogistic给出的模型参数建立的Logistic回归模型,Logistic回归模型的判别结果不如线性判别模型.但如果剔除不合格的样本,或是将样本数据规格化,则可以提高Logistic回归模型的分类准确率.