本文關鍵詞：基于經(jīng)驗似然的Logit模型參數(shù)估計及實證研究　出處：《蘭州財經(jīng)大學》2016年碩士論文　論文類型：學位論文

  更多相關文章： 廣義線性模型 Logit模型 經(jīng)驗似然 輪廓似然 財務預警

【摘要】：廣義線性模型(Generalized linear models,GLMs)作為經(jīng)典線性模型的推廣應運而生,它既適用于連續(xù)數(shù)據(jù),又特別適用于離散數(shù)據(jù)(如計數(shù)數(shù)據(jù)和屬性數(shù)據(jù))。在生物、醫(yī)療、經(jīng)濟和社會數(shù)據(jù)的統(tǒng)計分析中發(fā)揮了重要作用。根據(jù)分布函數(shù)、連接函數(shù)的不同,又可細分為不同的模型,其中應用最為廣泛的就是Logit模型,該模型可以通過一組自變量來預測一組分類形式的因變量中每一個類發(fā)生的概率。由于經(jīng)典Logit模型中的諸多限制條件,在實際應用環(huán)境中逐漸產(chǎn)生了一系列對基本假定放寬了的拓展方法,在第二章中在對常用模型優(yōu)缺點的討論中可以看到,以往的方法都需要給出誤差分布或是方差函數(shù)形式。本文基于經(jīng)驗似然方法構(gòu)造Logit模型,嘗試利用經(jīng)驗似然方法的特點來解決這一問題。本文的主要工作分為兩部分,第一部分在構(gòu)造Logit模型后,通過輪廓似然方法求解模型,同時得到參數(shù)與分布的估計。接下來討論估計量的無偏性和漸近正態(tài)性,然后使用Monte Carlo方法進行模擬研究,在不同的控制條件下證明了構(gòu)建模型的穩(wěn)定性和適用性,最后對已有數(shù)據(jù)采用多種方法建模分析,通過比較進一步說明了所構(gòu)建模型確實可以得到有效的擬合結(jié)果。第二部分是對上市公司財務危機預警問題的實證分析部分。陷入財務危機的風險是企業(yè)面臨的所有風險中最為重要的風險之一,盡早地對財務狀況進行預警,有助于企業(yè)制定措施,減少陷入財務危機的可能性。在這一部分中首先探討了代表上市公司財務狀況的指標選擇問題,再搜集2015年全部A股中戴帽公司和其配對公司發(fā)生危機前三年的數(shù)據(jù),從財務層面的5個方面選取20個財務指標作為研究基礎,通過篩選最終保留了5個自變量指標建立預警模型。通過對比,本文模型較相同領域文章給出的預測模型精度較好。本文所提出的模型不需要提前給定待分析數(shù)據(jù)的誤差分布或方差函數(shù)。而是將誤差分布視作一個無限維的參數(shù),通過極大經(jīng)驗似然方法在得出均值模型的參數(shù)估計的同時也得到分布的估計。得到的參數(shù)估計量具有一致性,分布具有漸近正態(tài)性。在模擬研究中可以看到,本文提出的方法在準確性和靈活性上都表現(xiàn)良好,具有一定的優(yōu)越性。
[Abstract]:Generalized linear models (GLMs) have emerged as a generalization of classical linear models, which are suitable for continuous data. It is especially suitable for discrete data (such as counting data and attribute data). It plays an important role in the statistical analysis of biological, medical, economic and social data. According to the distribution function, the connection function is different. It can also be subdivided into different models, in which the most widely used model is the Logit model. This model can predict the probability of each class in a set of dependent variables by a set of independent variables, because of the constraints in the classical Logit model. In the practical application environment, a series of extended methods to relax the basic assumptions are gradually produced, which can be seen in the discussion of the advantages and disadvantages of common models in the second chapter. Previous methods need to give the error distribution or the form of variance function. This paper constructs Logit model based on empirical likelihood method. This paper attempts to use the characteristics of empirical likelihood method to solve this problem. The main work of this paper is divided into two parts. In the first part, after constructing the Logit model, the contour likelihood method is used to solve the model. Then the unbiased and asymptotic normality of the estimator are discussed, and then the Monte Carlo method is used to simulate the estimation. The stability and applicability of the model are proved under different control conditions. Finally, various methods are used to model and analyze the existing data. The second part is the empirical analysis of the financial crisis of listed companies. The risk of financial crisis is faced by enterprises. One of the most important of all risks. Early warning of the financial situation will help enterprises formulate measures to reduce the possibility of falling into financial crisis. In this part, we first discuss the choice of indicators representing the financial situation of listed companies. Then collect the data of three years before the crisis of all A-share companies and their matching companies in 2015, and select 20 financial indicators from 5 aspects of the financial level as the research basis. Finally, five independent variables were retained by screening to establish the early warning model. The model in this paper is more accurate than the prediction model given in the same domain. The model presented in this paper does not need to give the error distribution or variance function of the data to be analyzed in advance. Instead, the error distribution is regarded as an infinite dimensional parameter. Count. The maximum empirical likelihood method is used to obtain the parameter estimation of the mean value model as well as the estimation of the distribution. The obtained parameter estimator is consistent and the distribution is asymptotically normal. The method presented in this paper has good accuracy and flexibility, and has some advantages.
【學位授予單位】：蘭州財經(jīng)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：O212.1

【相似文獻】

相關期刊論文 前10條

1 吳俊;;基于Logit模型的A股上市公司數(shù)據(jù)判斷分析[J];現(xiàn)代商貿(mào)工業(yè);2011年17期

2 費霄雨;霍曉桐;臧凱波;;農(nóng)民對住房改造滿意度影響因素的實證研究——基于Logit模型的估計[J];商業(yè)文化(上半月);2012年03期

3 于之光;辛巖;;基于Logit模型下大學生理財行為及影響因素研究——以東北農(nóng)業(yè)大學為例[J];商業(yè)經(jīng)濟;2012年15期

4 張曉丹;;財務困境的logit模型研究[J];經(jīng)營管理者;2009年04期

5 范東平;劉子越;鐘穎;章艷;;基于logit模型的大學生投資行為傾向研究——以900名在校大學生的問卷調(diào)查為依據(jù)[J];西南農(nóng)業(yè)大學學報(社會科學版);2011年04期

6 周艷明;石文蘭;詹原瑞;;財務危機發(fā)生概率的Logit模型置信區(qū)間[J];河北工業(yè)科技;2006年04期

7 宋榮威;;信貸風險度量的Logit模型檢驗——來自行業(yè)內(nèi)上市公司的經(jīng)驗數(shù)據(jù)[J];電子科技大學學報(社科版);2007年05期

8 饒雄;張景雄;丁翼星;;基于多項Logit模型的土地覆被分層分類方法研究[J];武漢大學學報(信息科學版);2008年11期

9 喬鵬亮;;基于LOGIT模型的客運運輸企業(yè)定價分析[J];欽州學院學報;2013年05期

10 馬曉靜;;公司與客戶訂立合同的影響因素研究——基于Logit模型[J];企業(yè)經(jīng)濟;2013年09期

相關會議論文 前2條

1 李倩倩;陳印軍;易小燕;;河北省農(nóng)戶耕地流轉(zhuǎn)行為的影響因素分析——基于多項Logit模型的實證研究[A];2011年中國農(nóng)業(yè)資源與區(qū)劃學會學術(shù)年會論文集[C];2011年

2 向洪金;馮宗憲;;出口反傾銷立案申請預警:基于面板數(shù)據(jù)logit模型的研究[A];21世紀數(shù)量經(jīng)濟學（第10卷）[C];2009年

相關博士學位論文 前1條

1 林強;小企業(yè)信貸違約實證研究[D];福建農(nóng)林大學;2009年

相關碩士學位論文 前10條

1 鄭艷會;基于Logit模型的我國商業(yè)銀行中小企業(yè)貸款信用風險度量研究[D];東北大學;2014年

2 周茜;基于多項Logit模型的居民幸福感研究[D];南京大學;2016年

3 張可新;基于L1懲罰Logit模型的公司財務風險預測與控制[D];合肥工業(yè)大學;2016年

4 閆懋博;基于經(jīng)驗似然的Logit模型參數(shù)估計及實證研究[D];蘭州財經(jīng)大學;2016年

5 蔣招鳳;基于Logit模型的財務報告內(nèi)部控制失效識別[D];浙江工商大學;2013年

6 吳津;基于Logit模型的城市家庭住房消費選擇研究[D];浙江大學;2010年

7 白瑞;嵌套logit模型及其在衛(wèi)生服務利用分析中的應用[D];東南大學;2006年

8 葛迅;結(jié)合模糊數(shù)學與信息擴散法的Logit模型在信用評級中的應用[D];吉林大學;2011年

9 崔樹峰;累積logit模型在醫(yī)學大學生婚前性行為態(tài)度的影響因素研究中的應用[D];河北醫(yī)科大學;2006年

10 劉艷;基于面板數(shù)據(jù)Logit模型的系統(tǒng)性金融危機預警研究[D];西南財經(jīng)大學;2012年

，

本文編號：1402318