Nachdem in Kapitel 2 zunächst die allgemeine Idee einer Regression kurz beschrieben wird, erläutert das darauffolgende Kapitel die theoretischen Grundlagen des Modells der multiplen linearen Regression genauer. Dabei wird zunächst die Modellgleichung beschrieben, die Annahmen des Modells festgelegt und die Berechnung der Modellparameter vorgestellt. Die Einfachregression wird als Spezialfall der linearen multiplen Regression eingeführt, bevor auf die Auswertung und Interpretation einer Regressionsanalyse eingegangen wird. Schließlich werden Güte und Stabilität eines Regressionsmodells und verschiedene Teststatistiken erläutert. Das vierte Kapitel beschäftigt sich mit der Anwendung des Regressionsmodells auf einen Datensatz von Privatkundenkrediten. Mithilfe der Regression soll anhand ausgewählter Merkmale, die die persönliche, wirtschaftliche und rechtliche Situation der Kreditnehmer charakterisieren, auf das Kreditausfallrisiko geschlossen werden. Zwar gelingt es die Einflüsse auf das Kreditausfallrisiko zu beschreiben, doch bei der Anwendung auf den Datensatz werden die Schwachstellen des linearen Modells aufgedeckt. Daraufhin wird das besser geeignete Logit-Modell kurz vorgestellt und angewendet. Im letzten Kapitel wird ein Fazit gezogen, indem die verschiedenen Erkenntnisse der Regressionsmodelle zusammengefasst und hinsichtlich einer Anwendung in der Praxis bewertet werden.
Inhaltsverzeichnis
- Einleitung
- Idee der Regressionsanalyse
- Die multiple lineare Regressionsanalyse
- Modellannahmen
- Schätzen der Modellparameter
- Die Einfachregression als Spezialfall der multiplen Regression
- Interpretation der Parameter im multiplen Modell
- Transformation der abhängigen Variablen
- Nicht-Linearitäten in den unabhängigen Variablen
- Interaktionen unabhängiger Variablen
- Das Bestimmtheitsmaß im multiplen Regressionsmodell
- Multikollinearität
- Konfidenzintervalle und Signifikanztests
- Anwendung des Regressionsmodells zur Analyse von Kreditausfallrisiko
- Beschreibung des Datensatzes
- Beschreibung der abhängigen Variablen
- Probleme des linearen Modells bei binären Zielvariablen
- Auswahl der unabhängigen Variablen
- Anwendung des linearen Regressionsmodells
- Interpretation
- Das Logit-Modell und die Maximum Likelihood-Methode
- Ergebnisse des Logit-Modells
Zielsetzung und Themenschwerpunkte
Die Arbeit befasst sich mit der empirischen Analyse von Kreditausfallrisiko. Ziel ist es, ein Regressionsmodell zu entwickeln, welches das Ausfallrisiko von Krediten anhand relevanter Faktoren prognostiziert.
- Anwendung der Regressionsanalyse zur Modellierung von Kreditausfallrisiko
- Untersuchung der Einflussfaktoren auf das Ausfallrisiko von Krediten
- Vergleich verschiedener Regressionsmodelle (lineares Modell vs. Logit-Modell)
- Interpretation der Ergebnisse und deren Relevanz für die Kreditvergabe
- Bewertung der Modellgüte und Limitationen der verwendeten Methoden
Zusammenfassung der Kapitel
- Einleitung: Die Einleitung stellt das Thema der Arbeit vor und erläutert die Bedeutung von Kreditausfallrisiko im Kontext des Kreditwesens. Sie beschreibt die Problematik der Kreditvergabe und die Notwendigkeit, das Ausfallrisiko zu minimieren.
- Idee der Regressionsanalyse: Dieses Kapitel führt in die grundlegenden Konzepte der Regressionsanalyse ein und erläutert die Anwendungsmöglichkeiten in der Ökonometrie.
- Die multiple lineare Regressionsanalyse: Hier werden die wichtigsten Annahmen des linearen Regressionsmodells vorgestellt. Es werden die verschiedenen Methoden zur Schätzung der Modellparameter erläutert und die Interpretation der geschätzten Koeffizienten beleuchtet.
- Anwendung des Regressionsmodells zur Analyse von Kreditausfallrisiko: Dieses Kapitel beschreibt den Datensatz, der für die Analyse verwendet wird. Es werden die abhängige und unabhängige Variablen definiert und die Besonderheiten bei der Analyse von binären Zielvariablen (Kreditausfall ja/nein) diskutiert. Anschließend wird das lineare Regressionsmodell auf den Datensatz angewendet und die Ergebnisse interpretiert.
- Das Logit-Modell und die Maximum Likelihood-Methode: Dieses Kapitel stellt das Logit-Modell als alternative Methode zur Analyse von binären Zielvariablen vor. Es werden die Ergebnisse des Logit-Modells präsentiert und mit denen des linearen Modells verglichen.
Schlüsselwörter
Die Arbeit konzentriert sich auf die Themen Kreditausfallrisiko, Regressionsanalyse, lineares Modell, Logit-Modell, Maximum Likelihood-Methode, Datensatz, binäre Zielvariable, Einflussfaktoren, Modellgüte und Interpretation der Ergebnisse. Die verwendeten Methoden und Ergebnisse können für die Kreditvergabe und das Risikomanagement von Bedeutung sein.
- Citar trabajo
- Niklas Herber (Autor), 2014, Regressionsmodelle. Empirische Analyse von Kreditausfallrisiko, Múnich, GRIN Verlag, https://www.grin.com/document/321976
