| 目录 | 第4-7页 |
| CONTENTS | 第7-10页 |
| 中文摘要 | 第10-11页 |
| ABSTRACT | 第11-12页 |
| 第一章 绪论 | 第13-17页 |
| 1.1 信用评分的背景 | 第13页 |
| 1.2 信用评分的现状 | 第13-15页 |
| 1.3 信用评分的意义 | 第15-16页 |
| 1.4 研究的内容和方法 | 第16-17页 |
| 1.4.1 研究的基本思路 | 第16页 |
| 1.4.2 论文的基本框架 | 第16-17页 |
| 第二章 常见变量选择方法概述 | 第17-33页 |
| 2.1 中小企业信用评估指标体系 | 第17-20页 |
| 2.2 变量选择的相关知识 | 第20-21页 |
| 2.3 假设检验法 | 第21-25页 |
| 2.3.1 共线性检验 | 第21-22页 |
| 2.3.2 正态性检验 | 第22-23页 |
| 2.3.3 差异性检验 | 第23-25页 |
| 2.4 列联表分析 | 第25-26页 |
| 2.5 Logistic逐步回归 | 第26-29页 |
| 2.5.1 前向逐步回归 | 第27-28页 |
| 2.5.2 后向逐步回归 | 第28页 |
| 2.5.3 混合逐步回归 | 第28-29页 |
| 2.6 信息熵 | 第29-33页 |
| 2.6.1 信息熵简介 | 第29-31页 |
| 2.6.2 基于信息熵的变量选择 | 第31-33页 |
| 第三章 Logistic回归模型基于Lasso及Elastic Net的变量选择 | 第33-51页 |
| 3.1 Lasso | 第33-41页 |
| 3.1.1 方法简介 | 第34-36页 |
| 3.1.2 LARS算法 | 第36-41页 |
| 3.2 Elastic Net | 第41-46页 |
| 3.2.1 方法简介 | 第42-45页 |
| 3.2.2 LARS-EN算法 | 第45-46页 |
| 3.3 Lasso、Elastic Net应用于广义线性模型 | 第46-50页 |
| 3.3.1 广义线性模型 | 第46-47页 |
| 3.3.2 Lasso方法应用于广义线性模型 | 第47-48页 |
| 3.3.3 Elastic Net应用于广义线性模型 | 第48页 |
| 3.3.4 算法 | 第48-50页 |
| 3.4 Lasso方法与Elastic Net方法的比较 | 第50-51页 |
| 第四章 信用评分模型的定量验证 | 第51-57页 |
| 4.1 风险区分能力 | 第51-55页 |
| 4.1.1 KS指标 | 第51-52页 |
| 4.1.2 ROC曲线与ROC值 | 第52-54页 |
| 4.1.3 CAP曲线与AR值 | 第54-55页 |
| 4.2 估计准确性 | 第55-57页 |
| 4.2.1 WGRP指标 | 第55-56页 |
| 4.2.2 条件信息熵(CIER) | 第56-57页 |
| 第五章 实证分析 | 第57-76页 |
| 5.1 基于Lasso、Elastic Net、逐步回归的变量选择 | 第59-67页 |
| 5.2 上述三种方法的指标筛选情况比较分析 | 第67-75页 |
| 5.2.1 模型的定量验证 | 第67-72页 |
| 5.2.2 经济意义分析 | 第72-75页 |
| 5.3 结论 | 第75-76页 |
| 参考文献 | 第76-78页 |
| 致谢 | 第78-79页 |
| 学位论文评阅及答辩情况表 | 第79页 |
