Logit变换与中国寿险行业经验生命表制技术

经验生命表是研究寿险系统长期人寿保险业务必不可少的分析与核算工具,利用它可以展示被保险人死亡年龄的分布特点,从而为计算寿金保险金,责任准备金和退保金提供科学依据;同对,经验生命表预期死亡水平与寒际死亡水平对比所形成的死差益,又是保险公司利润核算和投保人保单分红的先决条件。因此,经验生命表对经营长期人寿保险业务至关重要。

我国城镇居民平均消费倾向的实证研究——基于Logit变换的回归分析

本文在建立凯恩斯消费函数模型和杜森贝里消费函数模型的基础上,对平均消费倾向等变量做Logit变换,建立了Logit平均消费倾向模型。然后,利用1992-2005年我国城镇居民人均支配收入、人均消费性支出等样本数据,对我国城镇居民的平均消费倾向进行实证分析。研究结果表明,近年来,我国城镇居民平均消费倾向呈现下降的趋势。最后,提出了提高我国城镇居民平均消费倾向的政策建议。

基于经验logit变换的急性心肌梗死治疗质量影响因素分析

目的计算急性心肌梗死患者治疗质量的综合得分并进行经验logit变换,获得影响治疗质量的因素,为治疗质量的改善提供数据支持。方法收集急性心肌梗死患者数据,利用11个指标对急性心肌梗死患者的治疗质量进行评价,计算指标使用率和患者治疗质量综合得分;进行综合得分经验logit变换,获得综合得分的变换值进行统计描述;以目标变量为经验logit变换的综合得分,利用线性回归模型分析治疗质量的影响因素。结果本研究收集急性心肌梗死患者4 137例;使用率最高的指标为住院期间氯吡格雷的使用,使用率最低的为住院前12-lead ECG。经验logit变换的综合得分服从正态分布,门诊入院的患者综合得分经验logit变换值最高为0. 705 4±0. 645 5,住院天数≤7天最低为0. 194 3±0. 605 1。治疗质量影响因素分析结果为:大年龄,急诊入院,梗死部位发生在下壁、多壁的治疗质量较差;双休日入院、住院时间和住院费增加、合并症数量少的治疗质量较好。结论利用线性回归分析治疗质量综合得分的影响因素,从数据的角度应考虑治疗质量综合得分的正态性问题,建议进行数据的logit变换;改善急性心肌梗死患者的治疗质量,应关注年龄大,急诊和工作日入院,心肌梗死部位多,合并症数量多及住院时间短的患者。

社会统计分析中的悖论与变换问题

如何解释隐现于列联表中的辛普森悖论,如何区分回归中logit变换与probit变换的内在差异与背后假定,是社会统计分析中两大应用性问题。文章从社会统计对象的独特特征出发,认为辛普森悖论与其说是"悖论",不如说是反映了分类数据的非线性特征,反映了列联表从高维压缩至低维时的统计信息差异,实质上是欧氏空间的降维问题。同理,在回归分析中,由于分类数据的非线性特征,无论logit变换,还是probit变换,实际上只有在0.2～0.8之间才基本呈现线性,在这个范围之外,两个函数都是高度非线性的。

基于年龄移算法的多要素人口预测模型构建与运用

人口预测模型的建构应充分考虑人口预测的数量与结构特征。文章用生命表拟合、布拉斯模型logit变换、总和生育率法等技术,构建基于年龄移算法的多要素人口预测模型。先以1990—2000年分年龄性别人口、育龄妇女生育率、分年龄性别死亡率基础数据预测2010年人口趋势,用以验证logit函数中a、b参数值,再预测我国2010—2020年人口发展趋势。此模型避免了六普详细数据的难以获得,同时参数值的设定具有可验证性,在短期的人口预测中较为精准。

贝叶斯对数线性估计

用Logits变换方法来讨论列联表的贝叶期估计，这时的估计称为贝叶斯对数线性估计，最早是由Lconard（1973，1975）提出的．Leonard讨论了二维表的对数线性贝叶斯估计；其后，Nazerat（1987）给出了三维表的贝叶斯对数线性估计．该文采用矩阵求微商方法，立足于高维表贝叶斯线性估计的较一般的表达形式；具体对四维表讨论员叶斯对数线性估计的表达和计算．

二项分布基于logit变换的近似信仰推断

利用调整的logit变换后估计量的渐近正态性对二项分布建立了近似的枢轴方程,并由此得到了二项分布参数的一种近似信仰分布.对一样本和两样本情形的数值结果表明,该近似信仰分布导出的区间估计具有比文献中推荐的区间估计更好的小样本频率性质.

试论Logit变换与我国寿险经验生命表制作技术

一、问题的提出 我国自1982年恢复人寿保险业务以来,寿险业一直借用日本经验生命表来开展业务。然而,日本经验生命表毕竟源自日本寿险公司的实务经验资料,与我国的寿险行业经验死亡水平存在差异。特别是随着我国社会主义市场经济体制的建立和“复关”进程的加快,多元竞争的保险市场在我国已经形成,为了开发我国人寿保险市场的巨大潜力,制作我国寿险行业自身的经验生命表已成为亟待解决的问题。

二级评分题目测验的等值

在二级评分的模型下，给出了一种新的测验等值的方法－ｌｏｇｉｔ变换法，并通过模拟数据和实际数据对现有的几种方法进行了比较，说明此方法简化了计算但又不失精确性．

基于Logistic的信用卡套现侦测评分模型

信用卡套现是信用卡产业面临的一种主要风险。单笔的套现交易与正常交易间无显著差异,难以进行基于特征的过滤筛选。为自动、高效地识别套现账户,根据统计学特征先遴选出各相关变量,并结合业务分析,利用Logistic回归模型的非线性曲线特征缺陷,克服其自变量多维相关敏感性缺陷,计算出各变量的影响权重系数,构建了信用卡套现侦测评分模型。实践表明识别准确率达到82.72%。

基于损失函数为指数平方形式的稳健Logistic回归

Logistic回归模型在处理分类数据中有着十分广泛的应用,通常为了简化模型而使用Logit变换将模型化为线性回归模型,但Logit变换会导致误差分量分布函数不同,从而导致模型误差增大.首先对Logit变换进行修正,在考虑离群值影响的基础上,利用指数平方损失函数和自适应LASSO形式稳健回归惩罚函数,从而对线性回归模型进行了修正,其次对股票涨跌情况进行了预测,最后结果表明,修正的模型对期望风险较小的投资者有更高的预测成功率.

诉讼处置不良贷款违约损失率估计的模型簇

违约损失率(LGD)是内部评级高级法要求的重要参数之一,已成为商业银行风险管理的重要手段。由于受数据等多方面的限制,国内外尚无对我国大型商业银行诉讼处置不良贷款违约损失率估计的研究。本文在对我国某大型商业银行诉讼处置不良贷款违约损失率全面统计分析的基础上,找出回收率的影响因素,采用决策树模型,判别出极端回收和非极端回收。针对非极端回收的情况综合运用Logit变换、Beta-正态逆变换、WOE变换等方法,建立点估计模型;随后利用广义Beta回归给出了LGD的分布模型;在对四个模型进行相关性分析的基础上用最小误差平方和的方法建立了组合模型,由此形成由判别模型与组合模型构成的模型簇。实证结果表明,极端回收的判别准确率高达77.6%,组合模型的均方误差低于5%;模型簇在极端回收和非极端回收两类表现出很好的一致性。

非线性主成分在课堂教学评估体系中的应用

介绍了Box-C ox、L og it等非线性变换及非线性主成分的概念,并利用非线性主成分来构造教学评估体系中的权系数,和线性主成分相比,我们得到了较好的结果.