1 / 10

Metodi Quantitativi per Economia, Finanza e Management Lezione n°13

Metodi Quantitativi per Economia, Finanza e Management Lezione n°13. Il modello di regressione logistica Indicatori sintetici di bontà del Modello.

duman
Download Presentation

Metodi Quantitativi per Economia, Finanza e Management Lezione n°13

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Metodi Quantitativi per Economia, Finanza e ManagementLezione n°13

  2. Il modello di regressione logistica Indicatori sintetici di bontà del Modello Tanto maggiore è il numero dei CONCORDANT (e quindi tanto minore è il numero dei DISCORDANT), tanto più il modello rappresenterà adeguatamente il fenomeno indagato. Tanto più questi indicatori sono elevati, tanto più il modello è “corretto”. Queste misure variano tra 0 ed 1. Valori più grandi corrispondono a più forte associazione tra valori predetti e valori osservati.

  3. Il modello di regressione logistica Indicatori sintetici di bontà del Modello Test per valutare la significatività congiunta dei coefficienti Se il p-value è piccolo, cioè < del livello di significatività α fissato a propri, allora rifiuto H0, quindi il modello ha buona capacità esplicativa!

  4. Il modello di regressione logistica Verifica della bontà delle stime Test per valutare la significatività dei singoli coefficienti Se il p-value è piccolo, cioè < del livello di significatività α fissato a propri, allora rifiuto H0, quindi  il regressore a cui il coefficiente è associato è rilevante per la spiegazione del fenomeno

  5. Il modello di regressione logistica Multicollinearità Analogamente a quanto visto per la regressione lineare, anche per la logistica il problema della multicollinearità può causa effetti indesiderati sulla stabilità delle stime. I metodi di gestione della problematica sono analoghi a quelli trattati nel modello di regressione lineare: • rimozione delle variabili correlate • selezione di una variabile rappresentativa dal gruppo di variabili legate da relazione lineare • analisi fattoriale trasformazione dei regressori in componenti non correlate

  6. Il modello di regressione logistica Importanza dei regressori In presenza di regressori quantitativi, i coefficienti standardizzati possono essere utili per valutare l’importanza relativa delle variabili, capire quali sono quelle che pesano di più nel modello. Si ordinano i regressori in modo decrescente rispetto al valore assoluto del coefficiente standardizzato.

  7. Il modello di regressione logistica Analisi del segno dei coefficienti Dato che la relazione tra probabilità e regressore non è lineare, i coefficienti stimati, a parte per il segno, non sono interpretabili. segno positivo Si guarda il segno del coeff. • Più aumenta il regressore var1, più aumenta la probabilità che si verifichi l’evento • Più aumenta il regressore var2, più diminuisce la probabilità che si verifichi l’evento segno negativo

  8. Regressione Logistica Target: acquisto prodotto bancario «carta di credito» (0/1) Potenziali regressori: informazioni relative ai comportamenti dei clienti di una banca (ad saldo CC, importo e numero operazioni, affidamenti, accredito stipendio, titoli, polizze assicurative, certificati di deposito, ecc.).

  9. Regressione Logistica Regressori selezionati dal metodo stepwise: • IMPA importo operazioni avere • NTIT numero operazioni titoli • NAVERE: numero operazioni avere • STICONV: importo totale accredito stipendio su conto corrente • S_UTENZE: domiciliazione utenze (si=1; no=0)

  10. Regressione Logistica 1. Valutazionedellabontà del modello: • % di concordant • Misure di associazione tra valori predetti e valori osservati • Test per valutare la significatività congiunta dei coefficienti • Test per valutare la significatività dei singoli coefficienti 2. Verificadellapresenza di multicollinearità e gestione della problematica 3. Ristima del modello, ripetere punto 1 e 2 4. Importanza dei regressori e Analisi del segno dei coefficienti

More Related