案例 用logistic回归模型预测银行客户是否违约91982.docx

案例分析一：用logistic回归模型预测银行客户是否违约 对银行来说，进行客户是否违约的预测是一个很重要的问题。这里就是将是否违约作为因变量，将客户的个人信息作为自变量，建立模型。然后对新的客户是否违约进行预测。从而降低银行风险，实现收益最大化。 使用的统计软件是spss或sas 案例分析二：顾客满意度调查数据分析 在一份顾客满意度调查数据中，两样本t检验用于删除在高低分组上不显著的题项。信度效度分析是对数据的信度和效度进行的检验。其中效度是通过因子分析来实现。用SPSS做量表两样本t检验、信度效度分析。 案例分析三：某市高校学生发展量表的分析 该案例是对某市高校学生发展量表的分析。通过AMOS做结构方程模型，验证一下影响学生发展的因素。 案例分析四：中国进口、出口两个变量之间的均衡关系分析。（eviews） 对进口和出口两个时间序列变量进行单位根检验，之后建立向量自回归模型，并根据各种信息准则选取最优滞后阶数，建立完向量自回归模型后进行格兰杰因果关系检验，从而研究进口和出口之间的格兰杰因果关系。。 案例分析五：股市的非对称性研究。（eviews） 用上证综指日对数收益率时间序列数据建立自回归条件异方差模型来估计该收益率的条件均值和条件方差，并且将星期虚拟变量引入到均值方程中，以更加准确的估计均值，并且通过在方差方程中引入非对称项来研究股市是否存在非对称性，即向上或向下的变化容易引起更大的波动。通过建立T-ARCH模型、EGARCH模型等来描述股市的非对称性。。 案例分析六： 投入产出分析 在进行投入产出分析中，用SAS进行数据预处理、矩阵运算。 分析案例七： 计算内含报酬率（用matlab解非线性方程） Matlab可是实现非线性方程的求解，如果需要解一个方程式比较容易实现的。如果需要解数量比较多的具有相同结构的非线性方程组，需要通过编程的方式来批量实现。由于是高次非线性方程，所以会有若干解，可以通过编程的方式这些解中挑出符合条件的解。 分析案例八： 教育收益率分析 用某一年的受教育数据，包括大概700个样本量，变量包括个人工资、受教育程度，工作经验。我们用这样一个横截面数据建立分位数回归模型来估计明瑟方程。通过分位数回归来估计工资分布上不同分位点上的教育收益率。 分析案例九： 我国的房地产供需非均衡度估计（非均衡计量经济模型） 选取有关变量，分别建立需求方程和供给方程，并进行变量的显著性检验，方程的显著性检验，以及拟合优度检验。建立完方程后进行样本内预测，将其带入非均衡计量经济模型，并计算非均衡度。之后可以进行所选定年份的房地产供需分析。 分析案例十：bootstrap抽样计算均值 在sas中，用bootstrap方法来进行线性回归、均值计算等。 分析案例十一：某外国火车站满意度的调查分析 该案例是对某外国某车站的满意度的调查。通过方差分析，可以找到对满意度影响显著的因素有哪些。由于我们测量的满意度有很多的测量指标，所以进一步用因子分析进行降维，用对应分析来看一些满意度水平与各个变量的取值水平之间的对应关系。 用SAS、SPSS做方差分析、因子分析、对应分析。 分析案例十二：对医院中病人住院时间和治疗总花费的预测分析 一所医院有关于病人住院时间和治疗总花费的数据。利用神经网络模型，可以同时将住院时间和治疗总花费作为因变量，进行建模，进而进行预测。这里的住院时间是一个分类变量，在原来真实住院时间的基础上进行了区间划分。治疗总花费是一个连续型变量。 使用的软件是spss。 分析案例十三：多个学生健康指标与多个营养度量变量之间的典型相关分析 用spss计算多个学生健康指标与多个营养度量变量之间的典型相关系数。 案例（按照使用方法，只列出部分） 案例分析一：单位根检验、向量自回归模型、格兰杰因果关系检验。（eviews） 对定义的一个经济系统（包括国内生产总值增长率等5个变量）中的各个时间序列变量进行单位根检验，之后建立向量自回归模型，并根据各种信息准则选取最优滞后阶数，建立完向量自回归模型后进行格兰杰因果关系检验，从而研究各个变量之间的格兰杰因果关系。 案例分析二：自回归条件异方差模型。（eviews） 用上证综指日对数收益率时间序列数据建立自回归条件异方差模型来估计该收益率的条件均值和条件方差，并且将星期虚拟变量引入到均值方程中，以更加准确的估计均值，并且通过在方差方程中引入非对称项来研究股市是否存在非对称性，即向上或向下的变化容易引起更大的波动。通过建立T-ARCH模型、EGARCH模型等来描述股市的非对称性。 案例分析三：分位数回归。（eviews） 用某一年的受教育数据，包括大概700个样本量，变量包括个人工资、受教育程度，工作经验。我们用这样一个横截面数据建立分位数回归模型来估计明瑟方程。通过分位数回归来估计工资