信用風(fēng)險(xiǎn)Logit回歸結(jié)果與多元線性回歸分析,信用管理論文

信用風(fēng)險(xiǎn)Logit回歸結(jié)果與多元線性回歸分析,信用管理論文【題目】【第一章】【第二章】【第三章】【4.1-4.3】【4.44.5】信譽(yù)風(fēng)險(xiǎn)Logit回歸結(jié)果與多元線性回歸分析【結(jié)論/以下為參考文獻(xiàn)】4.4實(shí)證分析4.4.1Logit回歸結(jié)果分析〔1〕表4-1為因變量為投保人在網(wǎng)上購(gòu)買網(wǎng)絡(luò)保險(xiǎn)產(chǎn)品時(shí)能否存在個(gè)人信息造假的邏輯回歸。根據(jù)表中的結(jié)果顯示，LRchi2〔7〕=166.24〔括號(hào)內(nèi)為自由度〕同時(shí)Probchi2=0.0000,這講明模型中除截距外所有系數(shù)都等于0的概率概率為0.0000,小于0.05的臨界值，該概率足夠小，進(jìn)而虛無(wú)假設(shè)遭到拒絕。該模型中的七個(gè)變量對(duì)因變量確有顯著都影響。在漸進(jìn)z〔標(biāo)準(zhǔn)正態(tài)〕檢驗(yàn)上，我們能夠看到七個(gè)變量中除去支出變量不顯著以外〔P|z|為0.102其絕對(duì)值高于10%〕，其余各項(xiàng)都是顯著的，華而不實(shí)最顯著是收入狀況，其概率小于1%,其余各項(xiàng)中顯著性排名依次是儲(chǔ)蓄、受教育程度、年齡、婚姻狀況這四項(xiàng)的漸進(jìn)z檢驗(yàn)概率小于5%高于1%,而性別則處于5%到10%都區(qū)間內(nèi)。從影響方向來(lái)看年齡，儲(chǔ)蓄，收入，受教育程度，婚姻狀況都與投保人在購(gòu)買網(wǎng)絡(luò)保險(xiǎn)產(chǎn)品信息造假的傾向呈正負(fù)關(guān)關(guān)系，即年齡越大造假的傾向越小、儲(chǔ)蓄越多個(gè)人信息造假的傾向越小、收入越高個(gè)人信息造假的傾向越小，受教育程度越高個(gè)人信息造假的傾向越低，婚姻越穩(wěn)定的個(gè)人信息造假的傾向越小，而性別上，則是女性更傾向在購(gòu)買網(wǎng)絡(luò)保險(xiǎn)產(chǎn)品時(shí)容易發(fā)生信息造假。最終擬合結(jié)果為：L1a=-3.716414-0.0450963*age-0.88263*sexual-0.0479127*marriage-0.0243411*education-0.0614644*saving-0.0947897*income+0.0201825*spending華而不實(shí)L1a代表投保人在互聯(lián)網(wǎng)上購(gòu)買網(wǎng)絡(luò)保險(xiǎn)產(chǎn)品發(fā)生信息造假的logit預(yù)測(cè)值，或稱為對(duì)數(shù)發(fā)生比〔logodds〕〔2〕表4-2為因變量為投保人在購(gòu)買網(wǎng)絡(luò)保險(xiǎn)產(chǎn)品時(shí)能否存在標(biāo)的物造假的邏輯回歸。根據(jù)表中的結(jié)果顯示，LRchi2〔7〕=171.06〔括號(hào)內(nèi)為自由度〕同時(shí)Probchi2=0.0000,這講明模型中除截距外所有系數(shù)都等于0的概率概率為0.0000,小于0.05的臨界值，該概率足夠小，進(jìn)而虛無(wú)假設(shè)遭到拒絕。該模型中都七個(gè)變量對(duì)因變量確實(shí)都有影響。在漸進(jìn)z〔標(biāo)準(zhǔn)正態(tài)〕檢驗(yàn)上，我們能夠看到七個(gè)變量中除去性別變量不顯著以外〔P|z|為-0.46其絕對(duì)值高于10%〕，其余各項(xiàng)都是顯著的，華而不實(shí)最顯著都是受教育程度，其余各項(xiàng)中顯著性排名依次是收入、儲(chǔ)蓄、年齡、婚姻，這四項(xiàng)的漸進(jìn)z檢驗(yàn)概率小于5%高于1%,而支出則處于5%到10%都區(qū)間內(nèi)。從影響方向來(lái)看年齡、受教育程度、儲(chǔ)蓄、收入、支出都與投保人在購(gòu)買網(wǎng)絡(luò)保險(xiǎn)產(chǎn)品時(shí)標(biāo)的物造假的傾向成負(fù)相關(guān)，而婚姻狀況則是單身的更傾向于發(fā)生信譽(yù)問題。最終擬合結(jié)果為：L2a=-3.773392-0.0070592*age+0.928579*sexual+0.079828*marriage-0.515365*education-0.0721864*saving-0.0829566*income-0.0070758*spending華而不實(shí)L2a代表投保人在網(wǎng)上進(jìn)行投保時(shí)對(duì)保險(xiǎn)標(biāo)的進(jìn)行造假傾向的logit預(yù)測(cè)值，或稱為對(duì)數(shù)發(fā)生比〔logodds〕。表4-3因變量為投保人在網(wǎng)上投保人身保險(xiǎn)產(chǎn)品時(shí)能否存在身體健康信息的造假的邏輯回歸。根據(jù)表中的結(jié)果顯示，LRchi2〔7〕=35.31〔括號(hào)內(nèi)為自由度〕同時(shí)Probchi2=0.0000,這講明模型中除截距外所有系數(shù)都等于0的概率概率為0.0000,小于0.05的臨界值，該概率足夠小，進(jìn)而虛無(wú)假設(shè)遭到拒絕。該模型中都七個(gè)變量對(duì)因變量確有顯著都影響。在漸進(jìn)z〔標(biāo)準(zhǔn)正態(tài)〕檢驗(yàn)上，我們能夠看到七個(gè)變量中除去性別和受教育程度這倆變量不顯著以外〔P|z|分別為-0.401和-0.213其絕對(duì)值高于10%〕，其余五項(xiàng)都是顯著的，華而不實(shí)最顯著都是年齡，其概率小于1%,其余各項(xiàng)中顯著性排名依次是收入、儲(chǔ)蓄、支出，這三項(xiàng)的漸進(jìn)z檢驗(yàn)概率小于5%高于1%,而婚姻則處于5%到10%都區(qū)間內(nèi)。從影響方向來(lái)看儲(chǔ)蓄、收入，支出都與投保人在網(wǎng)上購(gòu)買人身保險(xiǎn)產(chǎn)品時(shí)能否存在對(duì)本身的健康狀況進(jìn)行隱瞞的傾向呈正相關(guān)關(guān)系，儲(chǔ)蓄越多、收入越高、支出越多則投保人越不傾向于隱瞞本身的健康狀況。而投保人的年齡越大則越容易隱瞞本身的健康情況，單身的投保人要比有家庭的更容易隱瞞本身的健康狀況。最終擬合結(jié)果為：L3a=-4.23826+.0047362*age-0.3639994*sexual+0.4503315*marriage-0.679312*education-0.0521745*saving-0.3404608*income-0.1433412*spending華而不實(shí)L3a代表投保人在網(wǎng)上購(gòu)買人身保險(xiǎn)產(chǎn)品時(shí)傾向于隱瞞本身健康狀況的logit預(yù)測(cè)值，或稱為對(duì)數(shù)發(fā)生比〔logodds〕〔4〕表4-4因變量為投保人在互聯(lián)網(wǎng)上投保后能否存在存心故意制造保險(xiǎn)事故的邏輯回歸。根據(jù)表中的結(jié)果顯示，LRchi2〔7〕=43.21〔括號(hào)內(nèi)為自由度〕同時(shí)Probchi2=0.0000,這講明模型中除截距外所有系數(shù)都等于0的概率概率為0.0000,小于0.05的臨界值，該概率足夠小，進(jìn)而虛無(wú)假設(shè)遭到拒絕。該模型中都七個(gè)變量對(duì)因變量確有顯著都影響。在漸進(jìn)z〔標(biāo)準(zhǔn)正態(tài)〕檢驗(yàn)上，我們能夠看到七個(gè)變量中除去性別和受教育程度這倆變量不顯著以外〔P|z|分別為-0.179和-0.228其絕對(duì)值高于10%〕，其余五項(xiàng)都是顯著的，華而不實(shí)最顯著都是收入和儲(chǔ)蓄，其概率小于1%,其余各項(xiàng)中顯著性排名依次是年齡和支出，這兩項(xiàng)的漸進(jìn)z檢驗(yàn)概率小于5%高于1%而婚姻則處于5%到10%都區(qū)間內(nèi)。從影響方向來(lái)看儲(chǔ)蓄，收入，支出都與投保人在互聯(lián)網(wǎng)上投保后存心故意制造保險(xiǎn)事故的意向呈負(fù)相關(guān)關(guān)系，即收入和儲(chǔ)蓄越高、支出越多，投保人存心故意制造保險(xiǎn)事故的傾向越低，而在年齡方面，年齡越大就越傾向于制造保險(xiǎn)事故來(lái)騙保，在婚姻方面，則是已婚更傾向制造保險(xiǎn)事故來(lái)騙保。最終擬合結(jié)果為：L4a=-2.241328+0.00216*age-0.2142557*sexual+0.0823456*marriage-0.056661*education-0.019837*saving-0.1567165*income-0.00134*spending華而不實(shí)L4a代表投保人在互聯(lián)網(wǎng)上投保后存在存心故意制造保險(xiǎn)事故的logit預(yù)測(cè)值，或稱為對(duì)數(shù)發(fā)生比〔logodds〕〔5〕表4-5因變量為投保人能否存在內(nèi)外勾結(jié)保險(xiǎn)代理人騙取賠償?shù)倪壿嫽貧w。根據(jù)表中的結(jié)果顯示，LRchi2〔7〕=83.95〔括號(hào)內(nèi)為自由度〕同時(shí)Probchi2=0.0000,這講明模型中除截距外所有系數(shù)都等于0的概率概率為0.0000,小于0.05的臨界值，該概率足夠小，進(jìn)而虛無(wú)假設(shè)遭到拒絕。該模型中都七個(gè)變量對(duì)因變量確有顯著都影響。在漸進(jìn)z〔標(biāo)準(zhǔn)正態(tài)〕檢驗(yàn)上，我們能夠看到七個(gè)變量中除去受各項(xiàng)都是顯著的，華而不實(shí)最顯著都是性別和收入，其概率小于1%,其余各項(xiàng)中顯著性排名依次是儲(chǔ)蓄和婚姻狀況，這兩項(xiàng)的漸進(jìn)z檢驗(yàn)概率小于5%高于1%,而支出則處于5%到10%都區(qū)間內(nèi)。從影響方向來(lái)看儲(chǔ)蓄，收入，支出都與投保人勾結(jié)保險(xiǎn)代理人騙取賠償?shù)囊庀虺守?fù)相關(guān)關(guān)系。而對(duì)性別來(lái)講，男性更傾向于勾結(jié)保險(xiǎn)公司內(nèi)部人員來(lái)騙取賠償，對(duì)婚姻狀況來(lái)講單身的人更容易與保險(xiǎn)公司的內(nèi)部人員勾結(jié)來(lái)騙取賠償。最終擬合結(jié)果為：L5a=-2.634664+0.0143307*age+0.0511331*sexual-0.0334434*marriage-0.0166531*education-0.0234182*saving-0.0093428*income-0.0091225*spending華而不實(shí)L5a代表投保人內(nèi)外勾結(jié)保險(xiǎn)代理人騙取賠償傾向的logit預(yù)測(cè)值，或稱為對(duì)數(shù)發(fā)生比〔logodds〕〔6〕表4-6因變量為在保險(xiǎn)事故發(fā)生后為能否存在以別人之名在網(wǎng)上騙取賠償?shù)倪壿嫽貧w。根據(jù)表中的結(jié)果顯示，LRchi2〔7〕=59.13〔括號(hào)內(nèi)為自由度〕同時(shí)Probchi2=0.0000,這講明模型中除截距外所有系數(shù)都等于0的概率概率為0.0000,小于0.05的臨界值，該概率足夠小，進(jìn)而虛無(wú)假設(shè)遭到拒絕。該模型中都七個(gè)變量對(duì)因變量確有顯著都影響。在漸進(jìn)z〔標(biāo)準(zhǔn)正態(tài)〕檢驗(yàn)上，我們能夠看到七個(gè)變量中除去性別和受教育程度不顯著以外〔P|z|為0.876和0.523其絕對(duì)值高于10%〕，其余四項(xiàng)都是顯著的，華而不實(shí)最顯著的是支出和年齡，其概率小于1%,儲(chǔ)蓄的漸進(jìn)z檢驗(yàn)概率小于5%高于1%,而婚姻和收入則處于5%到10%都區(qū)間內(nèi)。從影響方向來(lái)看儲(chǔ)蓄，收入，支出都與投保人在保險(xiǎn)事故發(fā)生后是以別人之名在網(wǎng)上騙取賠償傾向呈負(fù)相關(guān)關(guān)系，即收入越高、儲(chǔ)蓄越多、支出越多則投保人在保險(xiǎn)事故發(fā)生后以別人之名在網(wǎng)上騙取賠償?shù)膬A向越低，相對(duì)于年齡來(lái)講，年齡越低越容易騙取賠償，對(duì)婚姻狀況來(lái)講，單身的投保人更傾向以別人之名在網(wǎng)上騙取賠償。最終擬合結(jié)果為L(zhǎng)4a=-3.342158-0.045669*age+0.127426*sexual-0.0633214*marriage+0.456655*education-0.0421255*saving-0.0344566*income-0.0063327*spending華而不實(shí)L4a代表在保險(xiǎn)事故發(fā)生后以別人之名在網(wǎng)上騙取賠償?shù)膌ogit預(yù)測(cè)值，或稱為對(duì)數(shù)發(fā)生比〔logodds〕〔7〕表4-7因變量為投保人能否存在其他網(wǎng)絡(luò)保險(xiǎn)合同違約的邏輯回歸。根據(jù)表中的結(jié)果顯示，LRchi2〔7〕=79.34〔括號(hào)內(nèi)為自由度〕同時(shí)Probchi2=0.0000,這講明模型中除截距外所有系數(shù)都等于0的概率概率為0.0000,小于0.05的臨界值，該概率足夠小，進(jìn)而虛無(wú)假設(shè)遭到拒絕。該模型中都七個(gè)變量對(duì)因變量確有顯著都影響。在漸進(jìn)z〔標(biāo)準(zhǔn)正態(tài)〕檢驗(yàn)上，我們能夠看到七個(gè)變量中除去性別、年齡、受教育程度不顯著以外〔P|z|為0.127,0.353,0.198其絕對(duì)值高于10%〕，其余項(xiàng)都是顯著的，華而不實(shí)最顯著都是收入，其概率小于1%,儲(chǔ)蓄和婚姻和的漸進(jìn)z檢驗(yàn)概率小于5%高于1%,而支出則處于5%到10%都區(qū)間內(nèi)。從影響方向來(lái)看儲(chǔ)蓄，收入，支出都與投保人存在其他網(wǎng)絡(luò)保險(xiǎn)合同的違約呈負(fù)相關(guān)關(guān)系，而對(duì)于婚姻狀況來(lái)講，單身的人在網(wǎng)絡(luò)保險(xiǎn)合同中容易發(fā)生違約。最終擬合結(jié)果為：L7a=-.9176595+0.0146345*age-0.0632454*sexual+0.0776785*marriage-0.0282197*education-0.032237*saving-0.0667154*income-0.0712916*spending華而不實(shí)L7a代表在其他網(wǎng)絡(luò)保險(xiǎn)合同違約的logit預(yù)測(cè)值，或稱為對(duì)數(shù)發(fā)生比〔logodds〕4.4.2多元線性回歸分析在對(duì)投保人在互聯(lián)網(wǎng)上進(jìn)行投保時(shí)發(fā)生信譽(yù)風(fēng)險(xiǎn)的相關(guān)影響上，我們更多的是關(guān)注與其影響方向，而非詳細(xì)數(shù)值的大小，所以對(duì)于R方等因素我們不做深切進(jìn)入探究只是看P值能否處于臨界值范圍內(nèi)?！?〕表4-8因變量為投保人在網(wǎng)上購(gòu)買網(wǎng)絡(luò)保險(xiǎn)產(chǎn)品時(shí)存在個(gè)人信息造假數(shù)量的多元線性回歸。根據(jù)表中的結(jié)果顯示，ProbF=0.0000,這講明模型中除截距外所有系數(shù)都等于0的概率概率為0.0000,小于0.05的臨界值，該概率足夠小，進(jìn)而虛無(wú)假設(shè)遭到拒絕。該模型中都七個(gè)變量對(duì)因變量確有顯著都影響。在t檢驗(yàn)上，我們能夠看到七個(gè)變量中除去儲(chǔ)蓄不顯著以外〔P|t|為0.108絕對(duì)值高于10%〕，其余六項(xiàng)都是顯著的，故能夠得出表示出式為：1a=0.0034556*ge+0.1677293*sexual+0.0714397*marriage+0.0022243*education+0.1605561*saving+0.083379*income+0.0214202*spending-0.0457746根據(jù)表示出式我們能夠看出，除了支出和年齡之外的其余5項(xiàng)因素都與投保人在網(wǎng)上購(gòu)買網(wǎng)絡(luò)保險(xiǎn)產(chǎn)品時(shí)個(gè)人信息造假成負(fù)相關(guān)關(guān)系，而年齡則是低齡人個(gè)人信息越不可能造假，支出則是支出的越多個(gè)人信息越不可能造假?！?〕表4-9因變量為投保人在購(gòu)買網(wǎng)絡(luò)保險(xiǎn)產(chǎn)品時(shí)標(biāo)的物造假人數(shù)的多元線性回歸。根據(jù)表中的結(jié)果顯示，ProbF=0.0000,這講明模型中除截距外所有系數(shù)都等于0的概率概率為0.0000,小于0.05的臨界值，該概率足夠小，進(jìn)而虛無(wú)假設(shè)遭到拒絕。該模型中都七個(gè)變量對(duì)因變量確有顯著都影響。在t檢驗(yàn)上，我們能夠看到七個(gè)變量中除去性別和收入不顯著以外，其余五項(xiàng)都是顯著的，故能夠得出表示出式為：2a=-0.0000115*age-0.1006619*sexual-0.0045674*marriage-0.012242*education+0.1344697*saving-0.0622661*income-0.0004128*spending+0.3744574根據(jù)表示出式我們能夠看出，除了和儲(chǔ)蓄之外的其余幾個(gè)因素都與投保人在購(gòu)買網(wǎng)絡(luò)保險(xiǎn)產(chǎn)品時(shí)標(biāo)的物造假成負(fù)相關(guān)關(guān)系?！?〕表4-10因變量為投保人在網(wǎng)上投保人身保險(xiǎn)產(chǎn)品時(shí)身體健康信息造假人數(shù)的多元線性回歸。根據(jù)表中的結(jié)果顯示，ProbF=0.0000,這講明模型中除截距外所有系數(shù)都等于0的概率概率為0.0000,小于0.05的臨界值，該概率足夠小，進(jìn)而虛無(wú)假設(shè)遭到拒絕。該模型中都七個(gè)變量對(duì)因變量確有顯著都影響。在t檢驗(yàn)上，我們能夠看到七個(gè)變量中除去性別不顯著以外，其余六項(xiàng)都是顯著的，故能夠得出表示出式為：3a=-0.0008567*age+0.054413*sexual+0.022248*marriage-0.0082257*education-0.02369*saving-0.0071155*income+0.0024466*spending+0.132264根據(jù)表示出式我們能夠看出，除了性別、婚姻和支出之外的其余4個(gè)因素都與投保人在網(wǎng)上投保人身保險(xiǎn)產(chǎn)品時(shí)身體健康信息造假成負(fù)相關(guān)關(guān)系?！?〕表4-11因變量為投保人在互聯(lián)網(wǎng)上投保后存心故意制造保險(xiǎn)事故人數(shù)的多元線性回歸。根據(jù)表中的結(jié)果顯示，ProbF=0.0000,這講明模型中除截距外所有系數(shù)都等于0的概率概率為0.0000,小于0.05的臨界值，該概率足夠小，進(jìn)而虛無(wú)假設(shè)遭到拒絕。該模型中的七個(gè)變量對(duì)因變量確有顯著影響。在t檢驗(yàn)上，我們能夠看到七個(gè)變量中除去性別和婚姻狀況不顯著以外，其余六項(xiàng)都是顯著的，故能夠得出表示出式為：4a=-0.000833*age+0.125677*sexual+0.0177485*marriage+0.018675*education-0.0381145*saving-0.013379*income-0.0000915*spending+0.1071456根據(jù)表示出式我們能夠看出，除了性別、婚姻和受教育程度之外的其余4因素都與投保人在互聯(lián)網(wǎng)上投保后存心故意制造保險(xiǎn)事故成負(fù)相關(guān)關(guān)系?！?〕表4-12因變量為投保人內(nèi)外勾結(jié)保險(xiǎn)代理人騙取賠償人數(shù)的多元線性回歸。根據(jù)表中的結(jié)果顯示，ProbF=0.0000,這講明模型中除截距外所有系數(shù)都等于0的概率概率為0.0000,小于0.05的臨界值，該概率足夠小，進(jìn)而虛無(wú)假設(shè)遭到拒絕。該模型中都七個(gè)變量對(duì)因變量確有顯著都影響。在t檢驗(yàn)上，我們能夠看到七個(gè)變量中除去性別和婚姻不顯著以外，其余五項(xiàng)都是顯著的，故能夠得出表示出式為：5a=-0.1005434*age+0.012448*sexual+0.0078765*marriage+0.0211344*education-0.322271*saving-0.0533293*income-0.0061134*spending-0.1144274根據(jù)表示出式我們能夠看出，除了性別、婚姻和受教育程度之外的其余4因素都與投保人內(nèi)外勾結(jié)保險(xiǎn)代理人騙取賠償成負(fù)相關(guān)關(guān)系?！?〕表4-12因變量為在保險(xiǎn)事故發(fā)生后以別人之名在網(wǎng)上騙取賠償人數(shù)的多元線性回歸。根據(jù)表中的結(jié)果顯示，ProbF=0.0000,這講明模型中除截距外所有系數(shù)都等于0的概率概率為0.0000,小于0.05的臨界值，該概率足夠小，進(jìn)而虛無(wú)假設(shè)遭到拒絕。在t檢驗(yàn)上我們能夠看到，該模型中除了年齡不顯著以外，其余六個(gè)都七個(gè)變量對(duì)因變量確有顯著都影響。故能夠得出表示出式為：6a=-0.0017426*age+0.032001*sexual-0.0124421*marriage-0.0226798*education-0.156371*saving-0.0134272*income-0.00