逻辑回归教程
问题: 提供了以下输出,它总结了物流的结果 对失败和未失败的英国上市公司的配对样本进行回归。使用的自变量如下:
PBTCL_1 是税前利润除以流动负债。
CLTA_1 是总资产的流动负债。
NCI_1 是无信用间隔,它衡量公司可以在不产生收入的情况下继续交易多长时间(以天为单位)。
CATL_1 是流动资产与总负债之比。
所有这些都是使用从失败之前发布的最后一个帐户中获取的数据计算出来的。
因变量是二分的,失败的公司被分配为 1,非失败的公司被分配为 0。
块 0:起始块
第 1 块:方法 = 输入
您需要对这些信息进行财务和统计评估。
解决方案: 观察到逻辑模型总体上是显着的,p = .000。此外,还发现 Nagelkerke R Square = .432,这表明该模型的拟合优度相对可以接受。
可以看出,在非失败企业中,78.6% 的企业被正确分类,而在失败企业中,72.6% 的企业被正确分类,占总体正确分类企业总数的 75.6%,表明比较好的分类率。
逻辑模型是
\[\ln \left( \frac{{\hat{p}}}{1-\hat{p}} \right)=-1.408-2.644*PBTCL\_1+3.554*CLTA\_1+0.000*NCI\_1-0.190*CATL\_1\]
其中 \(\hat{p}\) 对应于公司失败的概率。从财务角度,我们有以下结论:
· 税前利润除以流动负债每增加 1 个百分点,失败的几率就会降低 92.9%。这种变化是显着的,p = 0.000 < 0.05
· 流动负债占总资产增加 1 个百分点,失败的几率增加 3294.10% 这个变化是显着的,p = 0.001 < 0.05
· 无信用间隔增加一天,失败的几率不会改变。这个系数不显着,p = 0.331 > 0.05
· 流动资产相对于总负债每增加 1 个百分点,失败的几率就会降低 17.3%(这种降低是显着的,p = 0.029 < 0.05)