一、回归分析
在回归分析中,因变量可能有以下两种情况:
- y为定量的变量,这时用regress函数进行回归分析
- y为定性的变量,比如y=0/y=1,这时用Logistic回归分析
二、基于Logistic回归模型评估企业还款能力(实例)
Logistic方法用于研究某些现象中发生的概率P,比如股票的涨跌、公司成功失败的概率、P的影响因素等。
1、数据:
- X1,X2,X3为三项评价指标
- 回归数据P值0代表企业两年有破产拒绝贷款,P值1代表具备还款能力可以贷款
- 预测值:模型预计的预测结果
2、代码
clear all
clc
X0=xlsread('1.xlsx','B2:D21'); % 回归数据X值
XE=xlsread('1.xlsx','B2:D26'); % 验证与预测数据
Y0=xlsread('1.xlsx','E2:E21'); % 回归数据P值
% % 数据转化和参数回归
n=size(Y0,1);
for i=1:n
if Y0(i)==0
Y1(i,1)=0.25;
else
Y1(i,1)=0.75;
end
end
X1=ones(size(X0,1),1); % 构建常数项系数
X=[X1,X0];
Y=log(Y1./(1-Y1));
b=regress(Y,X);
% % 模型验证和应用
for i=1:size(XE,1)
Pai0=exp(b(1)+b(2)*XE(i,1)+b(3)*XE(i,2)+b(4)*XE(i,3))/(1+exp(b(1)+b(2)*XE(i,1)+b(3)*XE(i,2)+b(4)*XE(i,3)));
if Pai0<=0.5
P(i)=0;
else
P(i)=1;
end
end
%显示结果
disp('回归系数:' )
b'
disp('评价结果:' )
P
3、运行结果:
回归系数:ans =-0.6366 0.0041 0.0163 0.5330
评价结果:P = 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 0 0 1 1 1
将模型求解的结果与原始数据的预测值对比,结果完全一致,说明该模型准确率较高。