第三章实证模型.PDFVIP

第三章 實證模型 由第二章 文獻探討中可歸納 出一個初步結論，就個別貸 款戶信用 風險之衡量或 其所屬 分組(正常組 、不良組所) 運用之計量模型 ，較多 研究者所使用者 大多以區別 分析(Discriminant Analysis)及羅吉斯迴歸 模型分析(Logistic Regression)兩種 方式 ，惟此兩種方 式之分析目的有 所 不同，區別分 析目的在 於運用數理統計 之技巧將資料 組別區 分出 來，較 不著重於參數數值之經濟涵意，羅吉斯迴歸分 析則較著重於自 數及其 推估參數 之意義 ，惟兩者均得用 於資料樣本個 案之組別預 測。 第一節 模型建立 一、區別 分析 1.區別 分析基本概念 區別分析 (Discriminant Analysis ，或譯為判別分析 )通常用來進行 對被觀察個體之分類 ，區別分析的自數 (一般稱為預測 數、反應 數 屬) 計量 性資 料，而依 數 (一般稱為 分組數、準則 數則屬) 非 計量資料 。其型態如下： Yi ＝ ｕXi ＋ｕXi ＋ｕXi ＋ ＋ｕ Xi ｉ＝1 ｎ 1 1 2 2 3 3 m m Y 表示準則 數 (依 數 ) Xj 表示預測 數 自( 數 ) j ＝1 m 區別分 析目的在 找出準則 數之線性組合 ，依此線性區別函數做 群體區分，使區分後之群體 其組間變異平 方和又稱為( 組間「樣本平 31 方與交叉 乘積和(Sum of Squares and Cross-Product)矩陣」 ，簡稱 組間 SSCP 矩陣)相對於組內變異平 方和(組內 SSCP 矩陣)為最大，以達到 最佳區分 效果。 假設有 P個預測 數 X1 、X2 XP ，我們必須求 出這些預測 數 之區別 數值，並予以線性組合後得 出區別函數，線性區別函數之型 態如下： Z ＝ａ ＋ａ ｘ＋ａ ｘ＋ ＋ａ ｘ i 0 1 1 2 2 p p Z ＝區別函數值 i X ＝ i個預測 數 i ａ＝ i個預測 數之區別 函數係數 (如同迴歸方程 式之迴歸係數 ) i P ＝預測 數個數 2.區別函數估計方 法 估計區別 函數的方 法有同步估計 法 Simultaneous Estimation ）及 逐步估計 法 Stepwise Estimation ）兩種 。同步估計 法同時 將所有預 測 數納 入區別函數中 推估區別函數係數 。逐步估計 法乃根據各預測 數區別 力之大小每次納 入一個預測 數 到區別函數中 。先選出區別 力最 大的 一個預測 數， 先將之納進區別函數中， 接著再 分別和 其他 預測 數 一一配 對比較，和第一個預測 數相結合後最能改 進區別函 數區別 性的 那個預測 數就選為區別函數的 二個預測 數 ，其餘置 入之 數 順序依此類推。 3.區別分析區別分 類方法 A.截斷值 法(cutoff-value) 32 此法係根據區別分數計算 一個截斷值，如果觀察樣本的計算 分數大於該截斷值 ，就歸 為一類 ，如果小於該截斷值 ，就歸 為另 一類。 B. 線性 分類函數 (linear classification function) 此法係先依模型設計跑 出數組線性 分類函數，觀 察樣本則依 各條線性 分類函數計算 出分數後 ，將其分類到 分數最高的組 別，這種方 法最早是由 英國著名統計學