지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 주용성
- 발행연도
- 2017
- 저작권
- 동국대학교 논문은 저작권에 의해 보호받습니다.
이용수4
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
Credit evaluation has been very useful as an indicator for making decisions in banks'' decisions. Based on the characteristics of the credit evaluation data, the bankruptcy prediction model that can be used to decide whether to approve the loan is developed. Credit evaluation data have two characteristics. First, bankruptcy which is a dependent variable of data is a rare event. Second, there is missing values in the data. When analyzing data with these characteristics, it is difficult to develop a correct prediction model because of bias in the regression coefficient estimates. If the dependent variable is a rare event, there is a method proposed by King and Zeng and a method proposed by Firth to correct the bias of the regression coefficient. There is a Fully Conditional Specification algorithm to generate the appropriate substitute values for missing data. Therefore, we carried out the simulation using the French company credit data to replace the missing values using the FCS algorithm and to examine the effect of the bias correction methods. As a result, it shows that Firth’s method has a stable and robust effect on the rare event rate of the dependent variable and the missing rate of the French company credit data.
목차
I. 서 론 1Ⅱ. 본 론 41. 결측치의 발생방식 및 대체방법 41.1 결측자료 메커니즘 41.2 결측 패턴 92. Fully Conditional Specification(FCS)을 이용한 결측대체 102.1 Fully Conditional Specification(FCS) 122.2 Fully Conditional Specification(FCS) Algorithm 133. 희소 사건 로지스틱 모형 추정 153.1 희소 사건에서 분석의 문제점 163.2 편의 보정 방법 174. 모의실험 234.1 신용평가 자료 설명 234.2 모의실험 설계 244.3 모의실험 결과 26Ⅲ. 결론 및 한계점 34참고문헌 37Abstract 40
최근 본 자료
댓글(0)
0