搜索

tag 标签: 案例分析

相关帖子

版块 作者 回复/查看 最后发表
案例分析《案例研究方法的应用》 attachment 案例库 gecong123 2012-8-3 18 7035 ormosia2009 2019-5-10 21:21:55
【高清PDF】谢中华 MATLAB统计分析与应用 40个案例分析 带书签 attachment MATLAB等数学软件专版 hkxwj 2013-6-25 29 6669 6585976156 2019-4-14 12:55:46
考研高分经验,以及微观经济学案例分析(结合知识点,紧贴教材) attachment 经管考研 weijue 2013-3-25 5 1923 四月天小谭谭 2018-3-7 18:20:36
【逗逗烟花】 营销策划案例 attachment 案例库 虎跃营销 2013-2-5 9 3857 熙苒88 2017-2-10 20:09:03
十大风投失败案例分析 attachment 真实世界经济学(含财经时事) atomic1984 2013-3-11 3 1192 atomic1984 2016-12-24 02:47:27
收购案例分析 attachment 行业分析报告 cqld783 2013-4-22 2 2162 iloveccx 2016-4-1 15:23:42
宝洁带杠杆利率互换交易案例分析报告 attachment 金融工程(数量金融)与金融衍生品 wqq641198939 2013-5-7 2 3961 mhzhang0544 2016-3-12 12:12:44
万能的案例分析方法 attachment 案例库 yawa2012 2013-4-28 79 14758 奔跑的蜗牛君 2016-1-8 16:48:04
【R语言】初中级_4月@北京 R语言论坛 2010beryl 2013-7-15 103 7889 larryptboat 2015-2-28 14:53:49
博弈论案例分析 attachment 博弈论上传下载区 quqi1991 2013-5-19 2 1336 littlelion 2014-5-26 16:08:26
2012年中国并购市场概况及典型案例分析 attachment 行业分析报告 liut1808 2013-3-11 5 2523 刘乾鑫@肖喆 2014-3-25 10:53:58
我国房地产基金的典型案例分析 attachment 行业分析报告 just_tonight 2013-4-24 211 12521 树杪百重泉 2013-12-24 07:40:35
【业务流程】由案例分析让人力为流程增值 人力资源管理 华恒智信 2013-9-1 0 602 华恒智信 2013-9-1 17:45:13
资产评估实务与案例分析 attachment 李靠队-江苏大学财经学院 队队 2013-6-2 0 773 队队 2013-6-2 12:28:45
案例分析 attachment 金融学(理论版)上传下载专区 vince_yong 2013-5-24 1 570 又见上帝~ 2013-5-24 14:04:38
悬赏 求 外贸信用风险管理及案例分析 邹根宝 - [!reward_solved!] attachment 求助成功区 风从虎,云从龙 2013-5-2 1 402 carey019 2013-5-2 16:21:00
悬赏 求《国际市场投资高手案例分析》(英汉对照) - [悬赏 100 个论坛币] 悬赏大厅 风从虎,云从龙 2013-4-24 0 1804 风从虎,云从龙 2013-4-24 15:48:03
悬赏 求 公共管理案例分析 陈奇星,陈尤文 电子版 - [悬赏 40 个论坛币] 悬赏大厅 万年一眼 2013-3-30 0 1410 万年一眼 2013-3-30 12:48:55
案例分析:企业管理中为何不能乱用末位淘汰制--人力资源管理 论文版 chinabaixue 2013-3-4 0 1716 chinabaixue 2013-3-4 20:00:17

相关日志

分享 [微观经济学教材] 26个经典案例分析,微观的,需要的拿走!!!
247214825 2014-5-4 08:56
案例1:价格到底谁说了算 案例2:主机与附件的不同弹性 案例3:垃圾中的边际效用 案例4:运用边际效用均等法则进行检查准备工作 案例5: 生产过程中的分工 案例6:边际实物报酬是怎样递减的 案例7:波音747的短期成本的测量 案例8:农村春联市场:完全竞争的缩影 案例9:泛美航空公司的终结 案例10:垄断形成的原因——专利、知识产权  案例11:保暖内衣的冷与热 案例12:大亚湾炼油厂建成,中海油、中石油和中石化将三分天下 案例13:揭秘价格战  案例14:欧佩克对世界石油市场的垄断  案例15:天津丑女“张静事件”及美国经济学家的调查报告 案例16:日本人的高储蓄率 案例17:20世纪30年代的银行倒闭与货币供给 案例18:东亚危机及其教训 案例19:克林顿经济学的调控作用 案例20 :物价上涨与通货膨胀 案例21:美国ZF的债务与赤字 案例22:中央银行的独立性与宏观经济 案例23:中国的宏观经济政策搭配实践 案例24:两次世界大战之间德国的超速通货膨胀 案例25:促进经济增长的政策 案例26: 美国经济持续增长113个月
11 次阅读|0 个评论
分享 软件开发过程和案例分析(咨询)
rucgxw 2012-8-24 13:40
软件开发过程和案例分析(咨询)有诸多相似,和相互借鉴之处软件开发过程, 诸如:需求,概要设计,详细设计,编码测试,系统测试,发布等等,以及与之并行的管理,质量保证等工作,这些都可以借鉴到咨询行业中。
个人分类: 学习方法|0 个评论
分享 SPSS—回归—二元Logistic回归案例分析
shupianer 2012-7-3 14:50
二元 Logistic ,从字面上其实就可以理解大概是什么意思, Logistic 中文意思为 “ 逻辑 ” 但是这里,并不是逻辑的意思,而是通过 logit 变换来命名的,二元一般指 “ 两种可能性 ” 就好比逻辑中的 “ 是 ” 或者 “ 否 ” 一样, Logistic 回归模型的假设检验 —— 常用的检验方法有似然比检验( likelihood ratio test ) 和 Wald 检验) 似然比检验的具体步骤如下: 1 :先拟合不包含待检验因素的 Logistic 模型,求对数似然函数值 INL0 2 :再拟合包含待检验因素的 Logistic 模型,求新的对数似然函数值 InL1 3: 最后比较两个对数似然函数值的差异,若两个模型分别包含 l 个自变量和 P 个自变量,记似然比统计量 G 的计算公式为 G=2(InLP - InLl). 在零假设成立的条件下,当样本含量 n 较大时, G 统计量近似服从自由度为 V = P-l 的 x 平方分布,如果只是对一个回归系数(或一个自变量)进行检验,则 v=1. wald 检验,用 u 检验或者 X 平方检验,推断各参数 βj 是否为 0 ,其中 u= bj / Sbj, X 的平方 = ( bj / Sbj), Sbj 为回归系数的标准误 这里的 “ 二元 ” 主要针对 “ 因变量 ” 所以跟 “ 曲线估计 ” 里面的 Logistic 曲线模型不一样,二元 logistic 回归是指因变量为二分类变量是的回归分析,对于这种回归模型,目标概率的取值会在( 0-1 ),但是回归方程的因变量取值却落在实数集当中,这个是不能够接受的,所以,可以先将目标概率做 Logit 变换,这样它的取值区间变成了整个实数集,再做回归分析就不会有问题了,采用这种处理方法的回归分析,就是 Logistic 回归设因变量为 y, 其中 “1” 代表事件发生, “0” 代表事件未发生,影响 y 的 n 个自变量分别为 x1, x2 ,x3 xn 等等 记事件发生的条件概率为 P 那么 P= 事件未发生的概理为 1-P 事件发生跟 ” 未发生的概率比 为 ( p / 1-p ) 事件发生比,记住 Odds 将 Odds 做对数转换,即可得到 Logistic 回归模型的线性模型: 还是以教程 “blankloan.sav" 数据为例,研究银行客户贷款是否违约(拖欠)的问题,数据如下所示: 上面的数据是大约 700 个申请贷款的客户,我们需要进行随机抽样,来进行二元 Logistic 回归分析,上图中的 “0” 表示没有拖欠贷款, “1” 表示拖欠贷款,接下来,步骤如下: 1 :设置随机抽样的随机种子,如下图所示: 选择 “ 设置起点 ” 选择 “ 固定值 ” 即可,本人感觉 200 万的容量已经足够了,就采用的默认值,点击确定,返回原界面、 2 :进行 “ 转换 ”— 计算变量 “ 生成一个变量( validate) ,进入如下界面: 在数字表达式中,输入公式: rv.bernoulli ( 0.7 ),这个表达式的意思为:返回概率为 0.7 的 bernoulli 分布随机值 如果在 0.7 的概率下能够成功,那么就为 1 ,失败的话,就为 "0" 为了保持数据分析的有效性,对于样本中 “ 违约 ” 变量取缺失值的部分, validate 变量也取缺失值,所以,需要设置一个 “ 选择条件 ” 点击 “ 如果 ” 按钮,进入如下界面: 如果 “ 违约 ” 变量中,确实存在缺失值,那么当使用 "missing” 函数的时候,它的返回值应该为 “1” 或者 为 “true" , 为了剔除 ” 缺失值 “ 所以,结果必须等于 “0“ 也就是不存在缺失值的现象 点击 ” 继续 “ 按钮,返回原界面,如下所示: 将是 “ 是否曾经违约 ” 作为 “ 因变量 ” 拖入因变量选框,分别将其他 8 个变量拖入 “ 协变量 ” 选框内, 在方法中,选择: forward.LR 方法 将生成的新变量 “validate" 拖入 " 选择变量 “ 框内,并点击 ” 规则 “ 设置相应的规则内容,如下所示: 设置 validate 值为 1 ,此处我们只将取值为 1 的记录纳入模型建立过程,其它值(例如: 0 )将用来做结论的验证或者预测分析,当然你可以反推,采用 0 作为取值记录 点击继续,返回,再点击 “ 分类 ” 按钮,进入如下页面 在所有的 8 个自变量中,只有 “ 教育水平 ” 这个变量能够作为 “ 分类协变量 ” 因为其它变量都没有做分类,本例中,教育水平分为:初中,高中,大专,本科,研究生等等 , 参考类别选择: “ 最后一个 ” 在对比中选择 “ 指示符 ” 点击继续按钮,返回 再点击 —“ 保存 ” 按钮,进入界面: 在 “ 预测值 " 中选择 ” 概率,在 “ 影响 ” 中选择 “Cook 距离 ” 在 “ 残差 ” 中选择 “ 学生化 ” 点击继续,返回,再点击 “ 选项 ” 按钮,进入如下界面:
个人分类: 统计相关|3 次阅读|0 个评论

京ICP备16021002-2号 京B2-20170662号 京公网安备 11010802022788号 论坛法律顾问:王进律师 知识产权保护声明   免责及隐私声明

GMT+8, 2019-7-23 19:57