《表5 不同变量组合下Logistic回归模型拟合效果》

  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

《基于随机森林的第三方支付违规风险预警研究》

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

注：数据来源为笔者计算整理而得。

同理，在进行Logistic回归时，分别用4种不同的变量组合构建模型，来检验不同类别信息的预测能力。模型1基于企业特征进行判别；模型2基于企业自身特征和信用行为；模型3基于企业自身特征、发展特征和信用行为；模型4则包括所有5类信息变量。判别模型的相关拟合优度指标见表5，从表5可以看到，模型4的准确率和AUC（area under ROC curve）值(5）远高于其他3个模型，赤池信息准则（Akaike information criterion，AIC）值小于其他3个模型，这表明包含所有变量的模型拟合效果最优，进一步表明应该将所有变量都放入模型中。