《表2 模型参数估计检验结果表》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《金融科技助推供应链金融风险控制研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

最大似然估计值分析

根据Wald Chi-Square检验，要求引入模型的每个自变量达到95%的置信度，即P值<0.05。Wald统计量用于判断一个变量是否应该包含在模型中。本文由模型的表现定义分配数值，好客户为1，坏客户为0。在Logistic回归中指定预测的事件为“客户成为好客户”，则在模型回归时相关模型变量的系数为正数，表明在此模型中随着此变量的各个分组的证据权重（Weight of Evidence，WOE）值上升，其坏账率越低，这样才能符合业务逻辑，因此需注意保证所有入模变量的回归系数均为正数，否则需要将此变量剔除。根据Wald Chi-Square检验结果（见表2），从统计的合理性上表明平台交易规模、企业负债、企业经营历史、平台交易增长情况、借贷交易历史、借贷需求等变量应纳入对中小企业信用风险评估模型中，同时，变量系数也应符合业务逻辑。