基于GLM和GLMM的财务预测研究--以制造业上市公司为例
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 引言 | 第10-17页 |
| 第一节 选题背景及研究意义 | 第10-11页 |
| 第二节 关于财务困境预测的研究综述 | 第11-15页 |
| 一、国外财务困境预测的研究综述 | 第11-13页 |
| 二、国内财务困境预测的研究综述 | 第13-15页 |
| 第三节 本文研究的思路 | 第15-17页 |
| 第二章 相关理论回顾 | 第17-23页 |
| 第一节 广义线性模型（GLM） | 第17-19页 |
| 一、指数分布族 | 第17页 |
| 二、广义线性模型（GLM） | 第17-18页 |
| 三、广义线性模型（GLM）的系数估计 | 第18-19页 |
| 第二节 广义线性混合模型（GLMM） | 第19-20页 |
| 第三节 变量选择方法简介 | 第20-23页 |
| 一、变量选择的种类 | 第20-21页 |
| 二、本文选用的变量选择方法 | 第21页 |
| 三、惩罚似然函数下的变量选择 | 第21-23页 |
| 第三章 样本的选取和指标的构建 | 第23-28页 |
| 第一节 样本的选取 | 第23页 |
| 第二节 指标的构建 | 第23-25页 |
| 第三节 原始指标的初步分析 | 第25-26页 |
| 第四节 变量之间的相关性 | 第26-28页 |
| 第四章 基于广义线性模型（GLM）的分析 | 第28-43页 |
| 第一节 逐步回归变量选择方法 | 第28-32页 |
| 一、建立逐步回归模型 | 第28-29页 |
| 二、逐步回归的结果分析 | 第29-31页 |
| 三、逐步回归方法的拟合与测试结果 | 第31-32页 |
| 第二节 LASSO 变量选择方法 | 第32-36页 |
| 一、建立 LASSO 变量选择模型 | 第32-34页 |
| 二、LASSO 惩罚模型的结果分析 | 第34-35页 |
| 三、LASSO 方法的拟合与测试结果 | 第35-36页 |
| 第三节 SCAD 变量选择方法 | 第36-39页 |
| 一、构建 SCAD 惩罚模型 | 第36-38页 |
| 二、SCAD 惩罚模型的结果分析 | 第38页 |
| 三、SCAD 方法的拟合与测试结果 | 第38-39页 |
| 第四节 三种变量选择方法的比较 | 第39-43页 |
| 一、选取的变量比较 | 第39-40页 |
| 二、模型拟合效果的比较 | 第40页 |
| 三、模型测试效果的比较 | 第40-41页 |
| 四、模型的稳定性比较 | 第41页 |
| 五、小结 | 第41-43页 |
| 第五章 基于广义线性混合模型（GLMM）的分析 | 第43-58页 |
| 第一节 逐步回归下的广义线型混合模型 | 第43-48页 |
| 一、建立广义线性混合模型 | 第44-47页 |
| 二、模型的拟合与测试效果 | 第47-48页 |
| 第二节 LASSO 变量选择下的广义线型混合模型 | 第48-51页 |
| 一、建立广义线性混合模型 | 第48-50页 |
| 二、模型的拟合与测试结果 | 第50-51页 |
| 第三节 SCAD 变量选择下的广义线型混合模型 | 第51-53页 |
| 一、建立广义线性混合模型 | 第51-53页 |
| 二、模型拟合与预测的效果 | 第53页 |
| 第四节 模型之间的比较 | 第53-58页 |
| 一、广义线性混合模型之间的比较 | 第53-54页 |
| 二、广义线性混合模型与广义线性模型的比较 | 第54-56页 |
| 三、广义线性混合模型与数据挖掘方法的比较 | 第56-57页 |
| 四、小结 | 第57-58页 |
| 第六章 结论 | 第58-61页 |
| 第一节 本文的研究结论 | 第58-60页 |
| 一、变量选择方法之间的比较 | 第58-59页 |
| 二、广义线性混合模型与广义线性模型之间的比较 | 第59-60页 |
| 第二节 需要进一步研究的问题 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 附录 | 第65-78页 |
| 致谢 | 第78-79页 |
| 攻读硕士研究生期间发表的论文及科研成果 | 第79页 |
