已预测
ST
0
1
百分比校 正
647
1
99.8
35
1
2.8
94.7
TPR和FPR
如何平衡不是一个容易的问题，需要根据实际工作 需要选取适当的临界值，使得总损失最小化
分类表a
已预测
已观测
步 ST 0
骤
1
总计百分 比
ST 01
百分 比校 正
464 184 71.6
11 25 69.4
71.5
a.
七、分析报告
数据要求
因变量应具有二分特点，保证因变量的取值为0或1； 自变量可以是分类变量或数值变量，如果为分类变量，应 为二分变量或被重新编码的指示变量，如果为数值变量，最 好为多元正态分布。 Logistic模型 预测观测量相对于某一事件的发生概率：
e 0 1x1 p x p prob(event) 1 e0 1x1 p xp
3.ATO（X3） 资产周转率，量化一个企业对资产的利用效率；
4.ROA（X4） 资产收益率，反映每单位资产能够给企业带来
的利润如何；
5.GROWTH（X5） 销售收入增长率，反映企业的增长速度；
6.LEV（X6） 债务资产比率，也称杠杆比率。反映企业总资
产中来自于债权人的比率；
7.SHARE（X7） 企业第一大股东的持股比率，反映该企业的
即被ST之前第三年的数据 因变量为该企业的ST状态，即ST或非ST。（二分
特点） 定义Y=0表示非ST,定义Y=1表示ST。 如果因变量是取值多个的定性变量，逻辑回归不 再适用，应该考虑多分变量的逻辑斯谛回归。
四、指标设计
1.ARA（X1） 应收账款与总资产的比例，反映盈利质量；
2.ASSET（X2） 对数变换后的资产规模，反映公司规模；
股权结构。
统计数据
五、描述分析
单变量描述分析
变量分组对比的描述分析（盒状图）
ARA
0.8
0.6
0.4
0.2
0
0
1
ST
步骤 0
已观测 ST
分类表(a)(,)(b)
ST
0
0
648
1
36
ST
0均 值
N
标 准 差
中 值
极 小 值
极 大 值
1均 值
报告
ARA
ASSET
ATO ROA
GROWTH LEV
第三讲 二项逻辑回归
——以上市企业特别处理ST为例
一、二项逻辑（Binary Logisitic）回归
二项逻辑斯蒂回归是可以用来预测具有两分特 点的因变量概率的统计方法，它适用于判断一些事 情将是发生还是不发生，某个候选人将当选还是不 当选，某个人容易患某种病还是不容易患该病等等。
与前面线性回归和方差分析中因变量为数值型 变量不同，二项逻辑回归中的因变量具有两分特点。 即：因变量只有两个值——发生（是）或不发生 （否）。
613
045E-1
712 210
170
034
6.63429700 2.06881011 .4345 5.20196415 1.06396773 4.02690387
000E-2
50E1
50 000E-2
000E-1
000E-1
.000000000 18.6607003 .0028 .000081700 -
某一事件不发生的概率：prob(no event)=1-prob(event)
Logistic回归系数
log(
prob(event) prob(noevent)
)

0

1x1




p
x
p
prob(event) e0 1x1 pxp prob(noevent)
模型回归使用极大似然比法和迭代方法 评价模型——判断拟合的优劣
1.模型的拟合度 2.系数检验 3.影响点的查找 4.交互项
二、案例背景介绍
特别处理（special treatment,ST）政策是我 国股市持有的一项旨在保护投资者利益的政策。
被特别处理的股票每日涨跌幅度是受到限制的， 对被特别处理的股票证监会要求在原股票名称之前 加上“ST”,以作提醒。
《上海证券交易所股票上市规则》关于特别处理的 详细规定：
1
.919
统计学推断
全局检验：
~
~
H0 : 0, H1 : 0
离差（DEV）,似然比检验（卡方分布）
局部检验：
H0 : j 0, H1 : j 0
七、预测评估
预测模型
预测评估
最优预测规则
已观测 步骤 ST 0
1 总计百分比 a. 切割值为0.5
分类表a
课后练习
移动通信客户流失规律分析 1.研究目的
通过对某移动通信公司客户的流失数据分析，了解客户 流失规律，建立流失预警系统，为客户关系管理服务。 2.数据介绍
某年度随机抽取的1000个移动通信客户。因变量时他们 来年的流失行为。采集指标：客户等级：1,2,3,4；主叫次 数（%）：7日内日均主叫次数/90日内日均主叫次数；被叫 次数（%）；通话时长（%）；费用（%） 3.作业要求
相关参考文献
ST政策的后果
股票涨跌幅度被限制在5%以内； 持续亏损可能会被退市； 误导投资者 影响企业正常经营 我们更关心：
企业怎么避免由于被ST面临着的退市风险？ 投资者怎么能察觉什么样的企业更有可能被ST?
三、数据介绍
我国股市的ST状况
大股东占款行为同企业ST的关系
数据说明 数据来源于某商业数据库； ST的样本是在第t年被ST的深沪两市公司； 相应的财务指标（解释变量）取自于第t-3年，
.018431070
6
.950727316
.634684249 24.0176107 3.151 .311129979 .998556503 .980321752
5
3
1.75077078 2.08569455 .4183 4.21299924 -
4.82பைடு நூலகம்25133
583E-1
77E1
14 167E-2
2.49055246 222E-1
六、统计模型
ST概率
似然函数
步骤 1a ARA
方程中 的变量
B
S.E,
Wals
df
Sig.
4.880 1.492 10.690 1
.001
ASSET .247 .224
1.211 1
.271
ATO
-.507 .657
.596
1
.440
ROA
-.637 6.224 .010
9.06034667 2.07734594 .5254 5.66334496 1.23044284 4.01843469
762E-2
60E1
10 049E-2
216E-1
995E-1
648
648
648 648
648
648
.086735709 8.32429628 .3676 .037417359 .299471209 .164487412