دانلود متن کامل پایان نامه در سایت jemo.ir موجود است

توان اطلاعات گذشته را مورد ارزیابی قرار داد که یک وام گیرنده قصور داشته یا نداشته است و در مورد وام هایی که در آینده پرداخت می شود فقط امکان پیش بینی خواهد بود و دقت این پیش بینی قطعاً ۱۰۰% نمی باشد.
البته تکنیک های رگرسیونی این مشکل را تا حد زیادی حل نموده و هرچه تحلیل های ما دارای دقت بیشتری باشد احتمال پیش بینی پیامدهای تسهیلات و مدیریت دقیقتر در ریسک اعتباری افزایش خواهد یافت .
۳-۹) مدل لاجیت :
رگرسیون لاجیت یکی از مدل های کارا می باشد که اغلب برای برآورد متغیرهای اسمی و رتبه ای استفاده می گردد. این مدل در مواردی بکار می رود که فرضهای پیوسته و نرمال بودن متغیرهای توضیح دهنده ممکن نیست و پاسخ دو دویی یا باینری است. به عبارت دیگر دو حالت بد و خوب و یا صفر و یک را به خود می گیرد.
برای محاسبه تاثیر پذیری اجزای مدل می توان از روش های زیر استفاده کرد :
الف) روش داخلی : فرآیندی برای گزینش متغیرها می باشد که تمام متغیرها در یک مرحله وارد الگو می شود.
ب) روش رو به جلو : که طبق آن تنها متغیرهایی که از معیارهای لازم جهت ورود به مدل برخوردارند( ضریب همبستگی بالاتر دارند) اولین گزینه جهت ورود به مدل می باشد.
ج) روش روبه عقب : روش حذف از عقب به این صورت عمل می کند که ابتدا مدل کامل رگرسیون لاجیت در نظر گرفته می شود و سپس نسبت به حذف متغیرها با همبستگی کمتر اقدام می نماید.
در این تحقیق از روش داخلی(درونی) و روش گام به گام پیشرو (رو به جلو) استفاده می شود.
در رگرسیون لوجستیک( لاجیت ) متغیر وابسته مقوله ای دو سطحی است. این دو مقوله معمولاٌ به عضویت یا عدم عضویت در یک گروه ( افرادی که قادر به باز پرداخت وام های خود نیستند ) اشاره می کند و آنچه پیش بینی می شود یک احتمال است که ارزش آن بین صفر و یک تغییر می کند. (آذرعادل و مومنی،۱۳۸۹،۸۴)
در این مدل از مفهوم بخت برای مقدار متغیر وابسته استفاده می شود. در اصطلاح آماری بخت به معنی نسبت احتمال وقوع یک حادثه ( P ) به احتمال عدم وقوع ( P-1) می باشد. احتمال بین صفر و یک تغییر می کند در حالیکه بخت ممکن است بیش از یک باشد. واژه کلیدی در تحلیل رگرسیون لوجستیک سازه ای به نام لاجیت است که لگاریتم طبیعی بخت است.
بنابراین معادله کلی رگرسیون لاجیت به شکل زیر است :
(۳-۱)
P احتمال خروجی و  a عرض از مبدا و b ضریب نسبی در ترکیبات خطی متغیر های توضیحی x برای i = 1,…,n می باشد. متغیر وابسته  لگاریتم طبیعی نسبت دو احتمال است.
در این عبارت مقدار  برای مقدار های مختلف P (بین صفر و یک) به صورت ذیل میباشد :
به ازاء ۵/۰P = مقدار  برابر یک می شود.
به ازاء ۵/۰ P > مقدار  مثبت می شود.
به ازاء ۵/۰ P < مقدار  منفی می شود.
هدف این روش بدست آوردن ضریب x هاست که از روش حداکثر درستنمایی محاسبه می گردد متغیرهای مستقل هم در مقیاس کمی و هم در مقیاس مقوله ای( طبقه بندی ) می توانند قرار داشته باشند.