二元logistic逻辑回归分析9

logistic模型方法的运用本次研究分析的学术期刊是《地铁施工引起地表沉降的Logistic模型预测及应用》与《logistic回归模型在信贷风险管理中的应用》。A.《地铁施工引起地表沉降的Logistic模型预测及应用》在《地铁施工引起地表沉降的Logistic模型预测及应用》一文中，针对地下铁道施工诱发地表变形的特征和规律，提出了应用Logistic模型进行模拟和预测的思想，详细阐述Logistic模型的建立、参数估计、应用框架及其检验方法。Logistic模型有3个参数，参数可以通过最小二乘法确定,Logistic模型为Nt=Nm/(1+ae-bt)t的取值是相应的沉降时间长度,N为对应的沉降累计值。应用Logistic模型可以预测地表沉降值,通过预测来检查实测值,应用框架下图所示：对于Logistic模型的检验，采用柯尔莫哥洛夫拟合检验法(又称Dt检验法)看地表沉降值随统计时间的长度变化的规律是否满足Logistic模型变化的规律。检验拟合是否正确。检验思路如下:当t充分大时，样本经验分布函数Ft(n)是总体分布函数F(n)的很好的近似,Fjn)与F(n)的偏差一般不会太大，柯尔莫哥洛夫用Ft(n)与F(n)之间的偏差的最大值构造一个统计量(具体过程不详列)在显著性水平A下，用Dt检验法检验假设，设：H0:Ft(n)=F0(n)

H1：Ft(n)MF°(n)若Dt三Dt，1-A则认为拒绝HO,即认为Ft(n)HF0(n)；若DtWDt，1-A则认为接受H0,即认为Ft(n)=F0(n)。B.《logistic回归模型在信贷风险管理中的应用》1、样本选择。论文的的样本来自2005年以前在深沪上市的所有公司，另外选取了112家2007年没有被特别处理的非ST公司作为非违约公司样本。利用2005年的财务数据，分别按照1：1，1：2，1：3，1：4的违约公司和非违约公司的样本比例建立Logistic回归模型来预测2007年的违约概率。另选取了14家在2007年没有被特别处理，但在2008年被特别处理的ST公司和14家在2008年没有被特别处理的上市公司，即共28家上市公司作为保留样本来检验模型的效果，并利用2006年的财务数据预测2008年的违约概率。2、财务指标选取。财务比率的设计和选取是度量企业信用风险的出发点，也是预测企业经营失败的关键。本论文选取的财务数据全部来源于公司的财务报表。在参考已有的研究文献以及考虑我国上市公司的特色和本研究需要的基础上，本论文从能够反映企业盈利能力，偿债能力，现金流量，营运能力等方面选择了11个财务比率。*2-1备选财务指标指标类型变fi定义盈利能力XIX2X3主营业务利润率(%)=主营业务利润/主营业务收入净资产收益率(％)=净利润/净资产总资产收益率(％)二净利润#煌资产偿债能力X4X5X6X7债务资产比=总负债/总资产源动比率=流动资产/流动负债资本充足率二所有考权益朗末数/总资产债务资本比二总负债/净资产现金婕量X8刈现金流动负债率=经营活动现金净流量/流动负债现金债务比二绘营活动产生的现金流丿流动负债营运能力X10XII资产周转率=主营並务收入/总资产应收账款周转率二主营业务收入/平均应收账款3、指标筛选。利用SPSS软件对所选取的财务指标进行多重共线性诊断，因论文要分别利用1：1，1：2，1：3，1：4的违约公司和非违约公司的样本比例来建立logistic回归模型，这样有四个样本，因此分别诊断四个样本中的多重共线性问题，来确定共同筛除的变量，以使得模型结果具有可比性。诊断的结果如表所示：*2-2变量的多重共线性检验变量1:11：21：31.4TOLVIFTOLVIFTOLVIFTIL\11「XI0.595L68O(X577L7320.5211/9190.595L6S0X20.123&11741456.8760.1516.613OJ238.117X30.113S.849OJ397.1750J407J450.1138.849X40.07613JO80X)5019.8900X)6515.2820.07(513.108X50.523L91O03S72.5850.4222.3690.523L910X60-078L2.7G50X)4920.2830.06016-5730.07812.765X70.4402.27303^02.5670.4222.3670.4402.273XS0.1158.G690.1258X)250.07213^620.1158.669X90.1307.671OJ327.575(LO7713.0580.1307.671X100.72004702.129O.58SL7000.72013SSXII0.77612SS0.5441.838a碗L5010.77&L2S8注：作为一个大致的标准，容许度小于0.2可以认为是多重共线性存在的标志，容许度小于0.1则说明多重共线性很严（Menard,1995），也即方差膨胀因子VIF小于10,可认为各变量之间不存在显著的多重共线性；VIF小于5,各变量之间基本上不存在多重共线性。从表4.2可以看出，X4（债务资本比）,X6（资本充足率）,X8（现金流动负债率）,X9（现金债务比）与其他变量之间存在着较明显的多重共线性。为此，我们剔除X4,X6,X8,X9。剩下的变量我们再做多重共线性检验。表2-3剔除变量后的多重共线性检验变量1：11：21：31：4r（）LVIFTOLV1b'folVIFTILVIFXI0.731L3690.7431.3460.7121.404(\7671.303X20J476.815OJ526.5790.1626J83Al367.329X30J4S6.768OJ476.S140.1526.578OJ2fi7.930X50790L2G60.803L246O.K19L2210.8471J81X7072913710.827L2090.828L2O70.88()L137X100.737L3570.5061.9760.604L655(X76O1.316XII0769L3000585L70S0.704L421(\871L14S从表中我们可以看出，提出X4,X6,X8,X9后剩下的变量VIF小于10，变量不存在显著的多重共线性。因此我们把X1（主营业务利润率）,X2（净资产收益率）,X3（总资产收益率）,X5（流动比率）,X9（现金债务比）,X10（资产周转率）,X11（应收账款周转率）作为我们进入模型的指标变量。下面就分不同的情况对logistic模型的参数进行估计： ! 」…4、不同配比比例下的logistic估计结果：去2_4 比匕例卜怙卵m税型门拈刘：:謀-1 表2-5不同蹩比比例卞屈皿模型的佔讣结果-2配比比辜1:]Ji2配比比率1：31：4WelIiI绒计■&显善水平现变量十汁丫%jId统计竜浪善水T（Si&）变量变量估计值Wal<]统计量显著水平现变量估计值Wal<]统计量显著水平（Sig.）XI-0.OT2O.(XM0.950O.OtM0.0?10.860XI-0.0050.0760783-0.0110.3710.542X20.0A00.3970.5290.0210.5M0.473X20.0130.2200.639-0.0070.0^50.79SX3-0.IR613750.241-0.1.S22.3ft70J24X3-0.1912.7460.098-0.1051.1970.274X5-0.4HS0.5M-().!?□1.1640.2KIX5-0.7451.2640261-0.9421.868().172X72.5930.107().223i.yd?0.1fiSX7().127155602120.1151.5070.220X10-2.0123.0540.0KI-1-K&025490.110X10-1.41322040.13S-1.4222.458().117XII-0.1063.1030X)65-0JJK7IMA0.0&3Xll-0.0733.5930.05S-0.0492.3330.1271.9541.7271.5391.5W0.214Constant1.1471X)760300(18690.6S40.40S-2]^Hkih^4(j.fe73-21<>glikiluxn]82.286^5.827Cox&SnellRJ0.425().353(:灯x&Sn^llR203230.271NagelkerkeU.5660.491Nagt^lk^rkeR20.4780.429从上述的表中，我们可以看到1：1的配比比例中，logistic模型对信用风险总体的判别准确率为75%，28家经营正常公司，有7家误判为违约公司，误判率为25%。28家违约公司中有7家误判为非违约公司，误判率为25%。在1：2的配比比例中，logistic模型对信用风险总体的判别准确率为85.7%，56家经营常公司有3家误判为违约公司，误判率为5.4%,28家违约公司中有9家误判为非违约公司，误判率为32.1%。在1：3的配比比例中，logistic模型对信用风险总体的判别准确率为87.5%，84家经营正常公司有3家误判为违约公司，误判率为3.6%,28家违约公司中有11家误判为非违约公司，误判率为39.3%。在1：4的配比比例中，logistic模型对信用风险总体的判别准确率为86.4%，112家经营正常公司有4家误判为违约公司，误判率为3.6%,28家违约公司中有15家误判为非违约公司，误判率为53.6%。从模型拟合结果比较，1：3配比比例的总体判别准确率更高。从结果上我们认为这个配比比例更优，因此我们选用1：3的配比比例对保留样本进行回代检验。本文运用因子分析法，构造了反映中小板企业特殊性的综合绩效指标K。数据的难以取得，该指标的构建还不够完善。同时由于信息纰漏的不完整，甚至有时纰漏的是虚假信息，很多内在的股权结构与绩效之间的关系，不