基于Logistic回归模型评估企业还款能力

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。