کارایی شبکه های عصبی، رگرسیون لجستیک و تحلیل تمایزی در پیش بینی نکول

نویسندگان

  • علی رحمانی استادیار دانشکده علوم اجتماعی واقتصاد دانشگاه الزهراء
  • غریبه اسماعیلی دانشجوی کارشناسی ارشد دانشگاه الزهراء
چکیده مقاله:

مدل­ های آماری مختلفی برای پیش بینی و طبقه بندی در علوم وجود دارد.  روش ­های آماری و اقتصادسنجی نظیر رگرسیون، تحلیل تمایزی، سری ­های زمانی، رده بندی و دیگر  روش ­ها، بر اساس متغیرها و اطلاعات موجود برای پیش بینی و طبقه بندی یک موضوع خاص به کار می­ روند.  مدل ­های آماری متأثر از مفروضات و محدودیت­ های زیادی هستند، بدین لحاظ اخیرا شبکه­ های عصبی به عنوان شیوه­ ی نوین پیش بینی به دلیل عدم نیاز به فروض و محدودیت­ ها در توزیع داده­ ها و کارایی بالاتر آن مورد توجه ویژه قرار گرفته است.  هدف از این مقاله مقایسه­ ی توانایی مدل ­های شبکه­ ی عصبی مصنوعی با رگرسیون لجستیک و تحلیل تمایزی برای پیش بینی ریسک نکول است.  با استفاده از اطلاعات 23801 قرارداد لیزینگ و انتخاب متغیرهای مدت قرارداد، مبلغ قرارداد، نوع صنعت، نوع قرارداد، نوع تضمین و خط مشی و سیاست اعتباری به عنوان متغیرهای پیش بین     مدل­ های رگرسیون لجستیک، تحلیل تمایزی و شبکه ­ی عصبی برازش شد.  از تحلیل راک و مقایسه­ ی صحت طبقه بندی برای مقایسه­ ی قدرت پیش بینی مدل­ ها استفاده شد.  نتایج حاکی از معنی دار بودن متغیرهای فوق در پیش بینی نکول بوده و مقایسه­ ی قدرت پیش بینی مدل ­ها موید برتری شبکه ­های عصبی  نسبت به رگرسیون لجستیک و تحلیل تمایزی  است.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

مقایسه عملکردمدلهای رگرسیون لجستیک وتحلیل تمایزی در پیش بینی نکول در لیزینگ

تامین مالی در اقتصاد های نوظهور چالش بسیار مهمی است .چون سیستم بانکی هم محدود می باشد از این رو لیزینگ به عنوان ابزار کارامدی در این زمینه محسوب می شود اما در لیزینگ هم به دلیل وجود ریسک های متعدد که به عنوان تهدید در این زمینه محسوب می شود بایستی راه کارهایی برای کنترل ومدیریت این ریسکها وبویژه ریسک نکول اندیشیده شود بدین علت پیش بینی نکول در اولویت است تا برای مواجه با آن آمادگی در شرکتهای لی...

15 صفحه اول

مقایسه دقت پیش بینی شبکه های عصبی مصنوعی و رگرسیون لجستیک دو متغیره در تشخیص هم‏زمان بیماری فشارخون و دیابت

  Background : Diabetes and hypertension are from important non-communicable diseases in the world and their prevalence are very important for health authorities. The objective of this study was to compare the predictive precision of joint logistic regression (LR) and artificial neutral network (ANN) in concurrent diagnosis of diabetes and hypertension.   Methods : This cross-sectional study wa...

متن کامل

واکاوی کارایی روش های مبتنی بر شبکه های عصبی مصنوعی و رگرسیون خطی چندمتغیره در پیش بینی کشند

پیش‌بینی تغییرات کشند، به‌دلیل اهمیتی که در برنامه‌ریزی‌های ناوگان دریایی و نظامی، حمل و نقل و کشتیرانی، طراحی بنادر و سایر مسایل مرتبط با امور دریا دارد؛ از دیرباز مورد توجه بوده است. هدف این مطالعه بررسی عملکرد مدل‌های شبکه‌های عصبی پیش‌خور با 3 الگوریتم یادگیری کاهش شیب، شیب مزدوج و لونبرگ-مارکوارد در پیش‌بینی ساعتی تغییرات کشند است. به‌علاوه در تحقیق حاضر، نتایج حاصل از مدل رگرسیون خطی چندم...

متن کامل

مقایسه ی کارایی شبکه ی عصبی مصنوعی با رگرسیون لجستیک در پیش بینی میزان ریزش دانشجویان

مدل رگرسیون لجستیک یکی از مهم ترین مدل های خطی تعمیم یافته است که برای تحلیل مدل های چند متغیره کاربرد دارد به طوری که تمامی عوامل پیش بینی کننده موجود در یک مساله را به طور همزمان مورد توجه قرار می دهد. این مدل برای پیش بینی مدل های خطی و غیرخطی مناسب هستنداز سوی دیگر شبکه های عصبی به دلیل قابلیت های منحصر به فردشان ابزار بسیار کارایی برای پیش بینی می باشند. این مدل ها از اطلاعات پیشین استفاده...

15 صفحه اول

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


عنوان ژورنال

دوره 7  شماره 4

صفحات  151- 172

تاریخ انتشار 2010-12-22

با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023