메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
저널정보
한국자료분석학회 Journal of The Korean Data Analysis Society Journal of The Korean Data Analysis Society 제19권 제1호
발행연도
2017.1
수록면
129 - 139 (11page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

이 논문의 연구 히스토리 (2)

2017

결측이 있는 신용평가 자료의 희소사건 예측
이보은 통계학과 2017.01 학위논문
결측이 있는 신용평가 자료의 희소사건 로지스틱 회귀분석
이보은 ,  주용성 ,  전형준 Journal of The Korean Data Analysis Society 2017.01 학술저널

초록· 키워드

오류제보하기
기업이나 개인의 파산여부에 대한 예측은 은행의 대출에 관한 의사결정시 주요 지표로 활용되어왔다. 본 논문에서는 파산여부 자료의 통계 분석과정에서 주의를 필요로 하는 두 가지 특징을 가진다. 첫째, 자료의 종속변수인 파산여부는 희소사건이다. 희소사건의 발생확률을 예측하기 위하여 로지스틱 회귀모형에 일반적인 최대우도 추정법을 적용하는 경우 회귀계수 추정치에 편향이 발생하여 사건의 예측확률이 과소추정 되는 경향을 가진다. 대부자의 입장에서는 파산가능성을 과소추정하여 상환불이행 등을 통한 손실을 입는 가능성이 높아지게 된다. 둘째, 파산여부 자료에는 결측이 존재할 가능성이 높다. 결측치가 없는 완전자료를 사용하는 경우 자료의 손실로 인한 모형의 정확도가 감소하고 모형 추정과정에서 편향이 발생할 수 있다. 본 논문에서는 파산여부 예측모형에서 발생할 것으로 예상되는 편의들의 보정방법과 모의실험을 통한 보정방법의 효용성을 검증하였다.
#신용평가 #희소사건 #로지스틱 회귀분석 #결측치 대체 #편의 보정. #credit evaluation #rare event #logistic regression #imputation #bias correction.

목차

등록된 정보가 없습니다.

참고문헌 (28)

참고문헌 신청
Aalto University / / Applications of Machine Learning Group - Datasets google schola Buuren, S. / 2011 / MICE: Multivariate imputation by chained equations in R / Journal of Statistical Software 45 (3) : 1 ~ 67 google schola Casella, G. / 1992 / Explaining the Gibbs sampler / American Statistician 46 (3) : 167 ~ 174 google schola Firth, D. / 1993 / Bias reduction of maximum likelihood estimates / Biometrika 80 (1) : 27 ~ 38 google schola Gelman, A. / 2006 / Data Analysis Using Regression and Multilevel/Hierarchical Models / Cambridge University Press : 529 ~ 543 google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0