Tag: modele statystyczne (1)

Częstym problemem przed jakim staje badacz po zbudowaniu modelu statystycznego, jest pytanie czy wnosi on jakąś wartość poznawczą. Modele klasy logit oraz probit dają ekonometrykowi szereg testów oraz miar dopasowania, w oparciu o które możliwa jest wiarygodna ocena jakości modelu.

Prognozowanie upadłości przedsiębiorstw

Jest to szczególnie ważny model w przypadku prognozowania upadłości. Jego zastosowanie pozwala w porę wykryć tego typu ryzyko.

Potencjalne skutki błędnych prognoz

Błędy prognozy w przypadku przewidywania upadłości która nie będzie miała miejsca naraża decydentów w najlepszym przypadku na poważne straty czasowe oraz błędnie podejmowane decyzje (pod presją groźby upadłości fałszywie wykrytej przez model). O wiele bardziej niebezpieczny jest przypadek bezgranicznej wiary we wskazania modelu, który byłby błędnie skonstruowany.

W przypadku wskazania poprawnej sytuacji przez model w sytuacji rzeczywistego zagrożenia czujność decydentów jest uśpiona, co znacznie opóźnia możliwość podjęcia procesów naprawczych. Uwagi te prowadzą do wniosku, iż testy istotności modelu oraz badanie jego dopasowania są bardzo ważnym elementem modelowania, na który należy zwrócić szczególną uwagę.

Podsumowanie

Dla modeli klasy logit oraz probit istnieje szereg testów. Podstawowym jest test zbiorowy dla wszystkich parametrów modelu. Test ilorazu wiarygodności (likelihood-ratio test) jest powszechnie stosowanym testem w modelach logitowych. Bazuje on na statystce chi-kwarat.

Powszechnie stosuje się również test chi-kwadrat Pearsona, badający zależność pomiędzy obserwowanymi wartościami zmiennej zależnej a wartościami przewidywanymi.