مقاله دانشگاهی – نقش متغیرهای مالی و شخصیتی در ریسک عدم بازپرداخت تسهیلات مشتریان حقوقی بانکها و ارایه …

رابطه (۳-۱) را به صورت زیر نیز می توان باز نویسی کرد :
(۳-۲)
بنابراین با در دست داشتن ضرایب مربوطه مدلی بدست می آید که توسط آن می توان احتمال وقوع پیشامد را برای هر یک از افراد جامعه مورد نظر محاسبه کرد. رابطه اخیر تابع توزیع تجمیعی لوجستیک می باشد.
یکی از منافع رگرسیون لاجیت این نکته است که کافی است بدانیم پدیده مورد نظر (موفقیت یا عدم موفقیت یک فرد ) اتفاق افتاده باشد یا خیر. در این صورت می توان از یک متغیر گسسته مانند صفر و یک برای نشان دادن پدیده مذکور استفاده نمود. به این ترتیب از متغیر وابسته می توان بمنظور تخمین احتمال وقوع و یا عدم وقوع اتفاق مورد نظر سود جست اگر احتمال وقوع بیشتر از ۵/۰ پیش بینی شود در این صورت وقوع پدیده مورد نظر حتمی تلقی می شود و در غیر این صورت وقوع پدیده غیر حتمی خواهد بود. در این ارتباط رگرسیون لوجستیک رابطه S شکل را بین احتمال وقوع یک پدیده و ترکیب خطی از متغیر های مستقل را پدید می آورد.
شکل(۳-۱) رابطه لوجستیک بین متغیر وابسته و متغیرهای مستقل

برای دانلود متن کامل این فایل به سایت torsa.ir مراجعه نمایید.

احتمال وقوع پدیده (متغیر مستقل)
۰٫۲ ۰٫۴ ۰٫۶ ۰٫۸ ۱٫۰

سطوح مختلف ترکیبات خطی متغیرهای مستقل
در سطوح پایین متغیر های مستقل احتمال وقوع به سمت صفر میل می نماید و با افزایش سطوح متغیر های مستقل احتمال افزایش یافته و در سطوح بالای متغیر های مستقل این مقدار به سمت یک میل می نماید.(آذرعادل و مومنی،۱۳۸۹،۹۸)
به هر حال مقدار احتمال همیشه بین صفر و یک باقی می ماند. همانطوری که در شکل(۳-۱) مشخص است رابطه بین متغیر های مستقل و وابسته غیر خطی است . لذا عملاٌ به هیچ عنوان نمی توان مدل احتمال خطی را برای برآورد آن استفاده نمود. داده های واقعی بر اساس اینکه پدیده مورد نظر اتفاق افتاده یا خیر دو حالت یک و صفر را به خود اختصاص می دهند و لذا در بالا و پایین نمودار قرار می گیرند. وقوع یا عدم وقوع پدیده مزبور با توجه به سطوح مختلف از ترکیبات خطی متغیر های مستقل تعیین می شود.
بنابراین با مقایسه امتیاز مشتری با حد امتیاز قبولی بانک نسبت به پذیرش یا عدم پذیرش درخواستهای اعتبار تصمیم گیری می نماید اگر امتیاز بدست آمده بیشتر از ۵/۰ و بالای ۵۰ درصد بود متقاضی در طبقه «خوب» دسته بندی شده و اعتبار وی تصویب می شود و در غیر این صورت در طبقه «بد» قرار گرفته و اعتبار تصویب نمی شود.
این طبقه بندی، امتیازهای بدست آمده توسط مدل را به دو گروه تقسیم می نماید که می تواند دو نوع هزینه طبقه بندی را به بانک تحمیل نماید که عبارتند از :
خطای نوع اول :ریسک اعتباری وقتی که یک متقاضی «بد» به اشتباه در گروه «خوب» قرار می گیرد .
خطای نوع دوم :ریسک تجاری وقتی که یک متقاضی «خوب» به اشتباه در گروه «بد» قرار می گیرد.