Статьи
Все сотрудники Центра Статистического Анализа занимаются научной деятельностью и имеют публикации в рецензируемых отечественных и зарубежных научных журналах. Многие публикации явились результатом совместных научных работ и проведенных исследований для наших клиентов.
Валидация скоринговой модели
Построение автоматизированных скоринговых систем позволяет банкам снизить индивидуальные кредитные риски. Использования скоринговых систем на базе статистических моделей наряду с экспертными оценками андеррайтеров является распространенной практикой. Метод логистической регрессии — наиболее часто используемый метод для построения скоринговых систем в банках. В статье рассматриваются вопросы применения логистической регрессии для классификации заемщиков в кредитном скоринге.
Построение скоринговых карт
В банковской сфере при управлении кредитными рисками одна из ключевых задач — оценка кредитоспособности заемщиков. Результаты оценки индивидуальных рисков являются основой для анализа рисков всего кредитного портфеля. Оценка риска невозврата кредита по конкретному заемщику на практике осуществляется в рамках двух основных подходов — на основе субъективного заключения экспертов или на основе автоматизированных систем скоринга.
Корректировка числа редких событий в логистической регрессии
Важные практические аспекты построения модели логистической регрессии - определение минимального объема выборки и проблема недостаточности наблюдений редких событий. Как правило, логистическая регрессия используется для предсказания наступления редких событий, число которых в выборке может быть от несколько десятков до несколько тысяч раз меньше числа противоположных событий.
Выбор уровня значимости при проверке статистических гипотез
Проверка статистических гипотез основана на сравнении рассчитанного значения критерия с теоретическим значением, выбранного с заданным критическим уровнем значимости. От выбранного уровня значимости зависит результат проверки гипотез и сделанные исследователем выводы. Во многих учебниках и руководствах по использованию пакетов для статистического анализа приводится «магическое» значение 0,05, которое нужно выбирать в качестве критического уровня значимости. Можно ли всегда брать уровень значимости 0,05 или нет, попытаемся разобраться в этой статье.
Литература по Statistica
На этой странице приведена подборка наиболее информативных и интересных книг для самостоятельного изучения программы Statistica. В данную подборку вошли книги, изданные только на русском языке за последнее десятилетие. Книги до 2000 года по ранним версиям программы Statistica, а также многочисленные методические пособия по работе с программой Statistica, изданные в различных ВУЗах, не приводятся.
Практика построения модели логистической регрессии
Практика построения модели логистической регрессии: определение минимального объема выборки
Логистическая регрессия или логит-регрессия – это статистическая модель, применяемая для предсказания вероятности возникновения некоторого события по значениям множества переменных, как количественных, так и категориальных. В прикладном статистическом анализе логистическая регрессия используется для решения двух задач: моделирования взаимосвязи и классификации наблюдений. Логистическую регрессию применяют при проведение клинических исследований в медицине, в банковском скоринге для построения рейтинга заемщиков и управления кредитными рисками, в потребительском скоринге для моделирование поведения покупателей и других сферах. Рассчитать модель логистической регрессии можно практически во всех программах для профессионального статистического анализа данных таких, как SPSS, SAS, R, Statistica и других.