Sammanfattning:
Predicting corporate failure is an increasingly important topic in the world of economics today. This paper, with the help of the credit ranking company Syna AB, aims to investigate a few different statistic strategies to do just that. This task is accomplished by using a data material of 250 000 Swedish companies divided into two subsamples. The first sample is used to develop the model and the second as a validation sample.
The model developing sample holds 160 000 companies divided into five different subgroups based on size and age. Binary logistic regression and probit regression were chosen for the analysis, with insolvency or not as the dependent variable. To find out which variables to include in the analysis different kinds of univariate tests are used. After the initial screening, a test of multicollinearity is also performed. Finally stepwise logistic regression is applied to lower the number of variables further.
In describing the different characteristics of each company a total of 78 variables are used as possible predictors in the model making process. Models based on logistic regression, probit regression and stepwise logistic regression alone are assessed by looking at a number of different measures.
The models are compared by size, goodness of fit, significance of the parameter estimates and discriminating ability. Of the original 78 predictors about 10-25 remains in the final models created for each subgroup.
The result from the analysis implies that the most useful models are achieved through two of the three methods adopted. Stepwise logistic regression alone produces the smallest models with significant parameter estimates and high discrimination ability. Probit regression, on the other hand, manages to create models with the highest discrimination ability with the drawback of containing some insignificant parameter estimates and more variables than the previous. Unfortunately the Hosmer & Lemeshow??s goodness of fit-test indicates that model fit is uncertain or poor for all models. But since other measures are satisfactory the regression models should be useful for further analysis. Because the main purpose with this paper is to make models with high predictive ability the p....
Detta arbete presenteras i samarbete med LIBRIS/Uppsök
...läs fortsättningen genom att logga in dig.
 |
För att komma åt denna sida måste du
vara medlem och inloggad.
|
 |
Är du inte redan medlem?
Bli medlem nu!
|
Om du loggar in får du tillgång till
Författarprofil
Har du en favoritförfattare på Mimers? Då kan du läsa allt om honom eller henne här. Du kan se bild, personlig information, statistik, listor och mycket mer!
Gästböcker
Läs vad andra har skrivit i din favoritförfattares gästbok. Du kan även starta en debatt, kommentera , rösta på de arbetet som ligger uppe samt skriva inlägg i forumet.
Se hela arbeten
Är du intresserad av något speciellt som du vet att en medlem på Mimersbrunn skrivit ett arbete om? Du får även tillgång till andras arbeten, sätta betyg samt att kommentera.
Nyckelord
Statistik, operationsanalys, programmering, aktuariematematik, logit, Probit, logistic regression, logistisk regression, kreditklassning,
Taggar
En tag är ett sökord eller uppmärkning av ett arbete. Genom att märka upp arbeten med olika relevanta sökord, kan du lätt hitta tillbaks till de arbeten du är intresserad av, genom att söka på dessa ord nästa gång du besöker vår sajt. Man kan också se och söka på andra besökares taggar.
