Logistisches x Kennzahlen Regressionsmodell
Verfasst: So Jan 14, 2018 3:42 pm
Moin zusammen,
ich habe mal ein Thema bzgl. Logistischer x Kennzahlen Regressionsmodell und hoffe mir kann jemand helfen.
Thema meiner Untersuchung: Aufbau eines Insolvenzprognosemodells anhand mehrerer Schritte.
Folgender Schritte möchte ich durchgehen:
1. Logistisches 2 Kennzahlen- Regressionsmodell (binär ist inso=0 /1) inkl. Hinzuziehung von bUG (mod. Kennzahl zur Abb. der Unternehmensgröße)
2. Prüfung der selben Regressionsmodelle unter Einbeziehung von Dummy Variable (bran=0/1) [Ergebnis: kann emp. Schätzgüte verbessert werden?]
3. Einbeziehung einer dritten Kennzahlenvariable
4. Abgleich des "besten" Insolvenzprognosemodell mit Altman's Z''- Score (Z'' = 6,56*wcb + 3,26*ebgbi + 6,72*ebbi + 1,05*bekvb)
mein Datensatz ist folgender:
Ich habe nach langer Recherche im Internet folgenden code benutzt:
glm(formula= inso~ liqr2 + cfue + buG,family=binomial,data= salt)
Ergebnis war leider nur:
Positiv an dieser Formel ist, dass er mir die observations und meines Erachtens auch den "richtigen" Schätzer für liqr2 gibt. Ich verstehe nur nicht ganz, warum nicht auch die Kennzahl cfue einen Schätzer zwischen - und +1 ausweist.. Ich dachte auch des weiteren, dass für das entsprechende Log. Regressionsmodell die Accuracy Ratio (AR) angezeigt wird, da man doch anhand dieser das log. Regressionsmodell bewertet...
Vielen Dank für eure Hilfe und Unterstützung. Ich werde mich trotz des Hilferufs weiter auf die Suche nach einer möglichen Lösung machen.
Beigefügt auch nochmal das Template, welches ich mit den log. Regressions befüllen möchte...
ich habe mal ein Thema bzgl. Logistischer x Kennzahlen Regressionsmodell und hoffe mir kann jemand helfen.
Thema meiner Untersuchung: Aufbau eines Insolvenzprognosemodells anhand mehrerer Schritte.
Folgender Schritte möchte ich durchgehen:
1. Logistisches 2 Kennzahlen- Regressionsmodell (binär ist inso=0 /1) inkl. Hinzuziehung von bUG (mod. Kennzahl zur Abb. der Unternehmensgröße)
2. Prüfung der selben Regressionsmodelle unter Einbeziehung von Dummy Variable (bran=0/1) [Ergebnis: kann emp. Schätzgüte verbessert werden?]
3. Einbeziehung einer dritten Kennzahlenvariable
4. Abgleich des "besten" Insolvenzprognosemodell mit Altman's Z''- Score (Z'' = 6,56*wcb + 3,26*ebgbi + 6,72*ebbi + 1,05*bekvb)
mein Datensatz ist folgender:
Code: Alles auswählen
'data.frame': 5574 obs. of 20 variables:
$ Nummer: num 1 2 3 4 5 6 7 8 9 10 ...
$ inso : num 1 1 1 1 1 1 1 1 1 1 ...
$ fkq : num NA 0.845 NA NA NA ...
$ ebaue : num NA 0.0198 0.0115 NA NA ...
$ cfue : num NA -0.00426 -0.04935 NA NA ...
$ dvgr : num NA NA NA NA NA ...
$ ebue : num NA 0.0196 0.0115 NA NA ...
$ ebzi : num NA NA NA NA NA ...
$ fmb : num NA 0.0379 0.0997 NA NA ...
$ fmkfb : num NA 0.152 0.22 NA NA ...
$ juaf : num NA NA NA NA NA ...
$ liqr2 : num NA NA NA NA NA ...
$ liqr3 : num NA 2.91 2.21 NA NA ...
$ vgr : num NA NA NA NA NA ...
$ bekvb : num NA 1.24 NA NA NA ...
$ wcb : num NA NA NA NA NA ...
$ ebbi : num NA 0.151 NA NA NA ...
$ ebgbi : num NA NA NA NA NA ...
$ bUG : num NA -1.82 -1.89 NA NA ...
$ bran : num 0 0 0 0 0 0 0 0 0 0 ...
glm(formula= inso~ liqr2 + cfue + buG,family=binomial,data= salt)
Ergebnis war leider nur:
Code: Alles auswählen
Coefficients:
(Intercept) liqr2 cfue bUG
-2.80881 -0.04198 -4.10898 0.05545
Degrees of Freedom: 1431 Total (i.e. Null); 1428 Residual
(4142 observations deleted due to missingness)
Null Deviance: 459.9
Residual Deviance: 446.4 AIC: 454.4
Vielen Dank für eure Hilfe und Unterstützung. Ich werde mich trotz des Hilferufs weiter auf die Suche nach einer möglichen Lösung machen.
Beigefügt auch nochmal das Template, welches ich mit den log. Regressions befüllen möchte...