| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第7-10页 |
| 1.1 研究背景 | 第7页 |
| 1.2 研究目的与研究意义 | 第7页 |
| 1.3 研究的主要内容 | 第7-8页 |
| 1.4 研究方法与技术路线图 | 第8-9页 |
| 1.5 本文的主要贡献 | 第9-10页 |
| 第2章 文献综述与相关理论 | 第10-21页 |
| 2.1 文献综述 | 第10-12页 |
| 2.1.1 僵尸企业的概念 | 第10页 |
| 2.1.2 僵尸企业的成因、危害及处置方式 | 第10-12页 |
| 2.1.3 文献评述 | 第12页 |
| 2.2 相关理论 | 第12-21页 |
| 2.2.1 数据挖掘技术的应用 | 第12-14页 |
| 2.2.2 数据挖掘的模型选择 | 第14-15页 |
| 2.2.3 二分类Logistic回归模型的基本原理 | 第15-17页 |
| 2.2.4 BP神经网络模型的基本原理 | 第17-21页 |
| 第3章 僵尸企业的识别 | 第21-27页 |
| 3.1 国内识别方案 | 第21-22页 |
| 3.2 国外识别方案 | 第22-24页 |
| 3.3 本文所采用的识别方案 | 第24-27页 |
| 第4章 僵尸企业预警的实证研究 | 第27-44页 |
| 4.1 样本选取及变量说明 | 第27-28页 |
| 4.2 预警变量显著性检验 | 第28-31页 |
| 4.3 数据清洗 | 第31-33页 |
| 4.4 二分类Logistic回归建模 | 第33-37页 |
| 4.4.1 主成分分析 | 第33-36页 |
| 4.4.2 回归分析 | 第36页 |
| 4.4.3 二分类Logistic回归模型结果分析 | 第36-37页 |
| 4.5 BP神经网络建模 | 第37-41页 |
| 4.5.1 数据归一化 | 第37页 |
| 4.5.2 数据分区 | 第37-38页 |
| 4.5.3 BP神经网络的训练与预测 | 第38-39页 |
| 4.5.4 BP神经网络模型结果分析 | 第39-41页 |
| 4.6 模型评价 | 第41-43页 |
| 4.6.1 混淆矩阵 | 第41页 |
| 4.6.2 ROC曲线 | 第41-43页 |
| 4.7 实证研究小结 | 第43-44页 |
| 第5章 结论 | 第44-47页 |
| 5.1 本文结论 | 第44页 |
| 5.2 政策建议 | 第44-46页 |
| 5.2.1 企业层面 | 第45页 |
| 5.2.2 监管层面 | 第45-46页 |
| 5.3 后续研究建议 | 第46-47页 |
| 致谢 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 附录 | 第51-58页 |