Fallbeispiel: Kreditscoring

Größe: px
Ab Seite anzeigen:

Download "Fallbeispiel: Kreditscoring"

Transkript

1 Fallbeispiel: Kreditscoring Stefan Lang 14. Juni 2005 SS 2005 Datensatzbeschreibung (1) Ziel Untersuchung der Bonität eines Kunden in Abhängigkeit von erklärenden Variablen Zielvariable Bonität des Kunden: 1 =Kunde nicht kreditwürdig, 0 = Kunde kreditwürdig Datenbeispiel: Kreditscoring 1

2 Datensatzbeschreibung (2) Variable Beschreibung boni Bonität des Kunden: 1 = Kunde nicht kreditwürdig, d.h. Kredit wurde nicht zurückbezahlt 0 = Kunde kreditwürdig laufz Laufzeit des Kredits in Monaten moral Frühere Zahlungsmoral des Kunden: 1 = gute Moral 0 = schlechte Moral zweck Verwendungszweck : 1 = privat 0 = geschäftlich hoehe Kredithöhe geschl Geschlecht : 1 = männlich 0 = weiblich famst Familienstand: 1 = verheiratet 0 = ledig konto laufendes Konto 1 = gutes Konto 2 = schlechtes Konto 3 = kein Konto Datenbeispiel: Kreditscoring 2 Deskriptive Auswertung (1) Histogramm: Kredithöhe Histogramm: Kredithöhe Kredithöhe Kredithöhe Abbildung 1: Histogramm und Kerndichteschätzer Kredithöhe. Datenbeispiel: Kreditscoring 3

3 Deskriptive Auswertung (2) Histogramm: Laufzeit des Kredits Histogramm: Laufzeit des Kredits Laufzeit Laufzeit Abbildung 2: Histogramm und Kerndichteschätzer Laufzeit. Datenbeispiel: Kreditscoring 4 Logitmodell (1) boni i B(1, π i ) π i = exp(η i) 1 + exp(η i ) η i = β 0 + β 1 laufz i Geschätztes Modell LR chi2(1) = Log likelihood = Pseudo R2 = boni Coef. Std. Err. z P> z [95% Conf. Interval] laufz _cons Datenbeispiel: Kreditscoring 5

4 Logitmodell (2) Geschätztes Modell (Odds ratios) LR chi2(1) = Log likelihood = Pseudo R2 = boni Odds Ratio Std. Err. z P> z [95% Conf. Interval] laufz Verwende alternativ die zentrierte Laufzeit, d.h. laufzc = laufz laufz = laufz 20.9 und erhalte boni i B(1, π i ) π i = exp(η i) 1 + exp(η i ) η i = β 0 + β 1 laufzc i Datenbeispiel: Kreditscoring 6 Logitmodell (3) Geschätztes Modell LR chi2(1) = Log likelihood = Pseudo R2 = boni Coef. Std. Err. z P> z [95% Conf. Interval] laufzc _cons Geschätztes Modell (Odds ratios) LR chi2(1) = Log likelihood = Pseudo R2 = boni Odds Ratio Std. Err. z P> z [95% Conf. Interval] laufzc Datenbeispiel: Kreditscoring 7

5 Logitmodell (4) η i = β 0 + β 1 laufzc i + β 2 hoehec i hoehec = hoehe hoehe = hoehe 3.27 Geschätztes Modell LR chi2(2) = Log likelihood = Pseudo R2 = boni Coef. Std. Err. z P> z [95% Conf. Interval] laufzc hoehec _cons Datenbeispiel: Kreditscoring 8 Logitmodell (5) Geschätztes Modell (Odds Ratios) LR chi2(2) = Log likelihood = Pseudo R2 = boni Odds Ratio Std. Err. z P> z [95% Conf. Interval] laufzc hoehec Modelliere den Einfluss der Kredithöhe durch ein Polynom, d.h. η i = β 0 + β 1 laufzc i + β 2 hoehec i + β 3 hoehe2c i + β 3 hoehe3c i Datenbeispiel: Kreditscoring 9

6 Logitmodell (6) Geschätztes Modell LR chi2(4) = Log likelihood = Pseudo R2 = boni Coef. Std. Err. z P> z [95% Conf. Interval] laufzc hoehec hoehe2c hoehe3c _cons Datenbeispiel: Kreditscoring 10 Logitmodell (7) Effekt der Kredithöhe Effekt der Kredithöhe exp(effekt der Kredithöhe) exp(effekt der Kredithöhe) Abbildung 3: Logitmodell Kreditscoring: Effekt der Kredithöhe (links) und exp(effekt der Kredithöhe) (rechts). Abbildung ohne zusätzliche Stützstellen ab Kredithöhe Datenbeispiel: Kreditscoring 11

7 Logitmodell (8) Effekt der Kredithöhe Effekt der Kredithöhe exp(effekt der Kredithöhe) exp(effekt der Kredithöhe) Abbildung 4: Logitmodell Kreditscoring: Effekt der Kredithöhe (links) und exp(effekt der Kredithöhe) (rechts). Abbildung mit zusätzlichen Stützstellen ab Kredithöhe Datenbeispiel: Kreditscoring 12 Logitmodell (9) Weitere Visualisierungsvariante: Geschätzte Wahrscheinlichkeiten in Abhängigkeit der Kredithöhe, wenn die übrigen Kovariablen bei ihrem Mittelwert festgehalten werden. Hier bei laufzc = 0 bzw. laufz = π = exp(β 0 + β 2 hoehec i + β 3 hoehe2c i + β 3 hoehe3c i ) 1 + exp(β 0 + β 2 hoehec i + β 3 hoehe2c i + β 3 hoehe3c i ) Datenbeispiel: Kreditscoring 13

8 Logitmodell (10) geschätzte Ausfallw.keiten versus Kredithöhe (laufz=20.9) geschätzte Ausfallw.keiten versus Kredithöhe (laufz=20.9) gesch. Wahrscheinlichkeiten gesch. Wahrscheinlichkeiten Abbildung 5: Logitmodell Kreditscoring: geschätzte Ausfallwahrscheinlichkeit in Abhängigkeit der Kredithöhe, wenn die Laufzeit 20.9 Monate beträgt. Rechte Grafik ohne zusätzliche Stützstellen, linke Grafik mit zusätzlichen Stützstellen. Datenbeispiel: Kreditscoring 14

Fallstudie: Schadenshäufigkeiten bei Kfz-Versicherungen

Fallstudie: Schadenshäufigkeiten bei Kfz-Versicherungen Fallstudie: Schadenshäufigkeiten bei Kfz-Versicherungen Stefan Lang 12 Oktober 2005 WS 05/06 Datensatzbeschreibung (1) Daten Versicherungsdaten für Belgien ca 160000 Beobachtungen Ziel Analyse der Risikostruktur

Mehr

29. Mai 2006. 5. Bei Unterschleif gilt die Klausur als nicht bestanden und es erfolgt eine Meldung an das Prüfungsamt.

29. Mai 2006. 5. Bei Unterschleif gilt die Klausur als nicht bestanden und es erfolgt eine Meldung an das Prüfungsamt. L. Fahrmeir, C. Belitz Department für Statistik Bitte für die Korrektur freilassen! Aufgabe 1 2 3 4 Punkte Klausur zur Vorlesung Statistik III für Studenten mit Wahlfach Statistik 29. Mai 2006 Hinweise:

Mehr

8. Februar 2007. 5. Bei Unterschleif gilt die Klausur als nicht bestanden und es erfolgt eine Meldung an das Prüfungsamt.

8. Februar 2007. 5. Bei Unterschleif gilt die Klausur als nicht bestanden und es erfolgt eine Meldung an das Prüfungsamt. L. Fahrmeir, C. Belitz Department für Statistik Bitte für die Korrektur freilassen! Aufgabe 1 2 3 4 Punkte Klausur zur Vorlesung Statistik III für Studenten mit Wahlfach Statistik 8. Februar 2007 Hinweise:

Mehr

Analog zu Aufgabe 16.1 werden die Daten durch folgenden Befehl eingelesen: > kredit<-read.table("c:\\compaufg\\kredit.

Analog zu Aufgabe 16.1 werden die Daten durch folgenden Befehl eingelesen: > kredit<-read.table(c:\\compaufg\\kredit. Lösung 16.3 Analog zu Aufgabe 16.1 werden die Daten durch folgenden Befehl eingelesen: > kredit

Mehr

Kapitel 4: Binäre Regression

Kapitel 4: Binäre Regression Kapitel 4: Binäre Regression Steffen Unkel (basierend auf Folien von Nora Fenske) Statistik III für Nebenfachstudierende WS 2013/2014 4.1 Motivation Ausgangssituation Gegeben sind Daten (y i, x i1,...,

Mehr

Kategoriale abhängige Variablen: Logit- und Probit -Modelle. Statistik II

Kategoriale abhängige Variablen: Logit- und Probit -Modelle. Statistik II Kategoriale abhängige Variablen: Logit- und Probit -Modelle Statistik II Wiederholung Literatur Annahmen und Annahmeverletzungen Funktionen Exponenten, Wurzeln usw. Das Problem Das binäre Logit-Modell

Mehr

Generalisierte lineare Modelle. Statistik 3 im Nebenfach. Binäre Regressionsmodelle. 4.1 Binäre Regression

Generalisierte lineare Modelle. Statistik 3 im Nebenfach. Binäre Regressionsmodelle. 4.1 Binäre Regression Generalisierte lineare Modelle Statistik 3 im Nebenfach Friedrich Leisch Institut für Statistik Ludwig-Maximilians-Universität München WS 2010/2011 basierend auf Fahrmeir, Kneib & Lang (2007) 4 Generalisierte

Mehr

Klausur zur Vorlesung Statistik III für Studenten mit dem Wahlfach Statistik

Klausur zur Vorlesung Statistik III für Studenten mit dem Wahlfach Statistik Ludwig Fahrmeir, Nora Fenske Institut für Statistik Bitte für die Korrektur freilassen! Aufgabe 1 2 3 4 Punkte Klausur zur Vorlesung Statistik III für Studenten mit dem Wahlfach Statistik 29. März 21 Hinweise:

Mehr

Kreditscoring zur Klassifikation von Kreditnehmern. Variablenübersicht des Datensatzes "Kreditscoring zur Klassifikation von Kreditnehmern"

Kreditscoring zur Klassifikation von Kreditnehmern. Variablenübersicht des Datensatzes Kreditscoring zur Klassifikation von Kreditnehmern Ergänzung zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 Kreditscoring zur Klassifikation von Kreditnehmern Beschreibung des Datensatzes Die Vergabe von Privatkrediten wird von der Bonität der

Mehr

Datei Kredit.sav, Variablenbeschreibung und Umkodierungen. Variablenübersicht des Datensatzes "Kreditscoring zur Klassifikation von Kreditnehmern"

Datei Kredit.sav, Variablenbeschreibung und Umkodierungen. Variablenübersicht des Datensatzes Kreditscoring zur Klassifikation von Kreditnehmern A Beschreibung des Original-Datensatzes Kreditscoring Die vorliegende Datei enthält die Daten aus einer geschichteten Lernstichprobe, welche von einer süddeutschen Großbank durchgeführt wurde. Bei einer

Mehr

Lehrstuhl für Statistik und empirische Wirtschaftsforschung Prof. Regina T. Riphahn, Ph.D. Prüfung im Fach Ökonometrie im WS 2011/12 Lösungsskizze

Lehrstuhl für Statistik und empirische Wirtschaftsforschung Prof. Regina T. Riphahn, Ph.D. Prüfung im Fach Ökonometrie im WS 2011/12 Lösungsskizze Lehrstuhl für Statistik und empirische irtschaftsforschung Prof. Regina T. Riphahn, Ph.D. Prüfung im ach Ökonometrie im S 20/2 Lösungsskizze Aufgabe (.5 Punkte) Sie verfügen über einen Datensatz, der Informationen

Mehr

Grundzüge der Ereignisdatenanalyse

Grundzüge der Ereignisdatenanalyse Grundzüge der Ereignisdatenanalyse Regressionsmodelle Sommersemester 2009 Regressionsmodelle Event History Analysis (1/48) Übersicht Wiederholung Exponential- und Weibull-Modell Weitere Modelle Regressionsmodelle

Mehr

Übersicht. VL Forschungsmethoden. Ereignisdatenanalyse

Übersicht. VL Forschungsmethoden. Ereignisdatenanalyse VL Forschungsmethoden Ereignisdatenanalyse 1 2 3 4 5 Übersicht VL Forschungsmethoden Event Data (1/45) Harold Macmillan, PM 1957-1963 The greatest challenge in politics: events, my dear boy, events Was

Mehr

Kommentierter SPSS-Ausdruck zur logistischen Regression

Kommentierter SPSS-Ausdruck zur logistischen Regression Daten: POK V AG 3 (POKV_AG3_V07.SAV) Kommentierter SPSS-Ausdruck zur logistischen Regression Fragestellung: Welchen Einfluss hat die Fachnähe und das Geschlecht auf die interpersonale Attraktion einer

Mehr

Semiparametrisches Kredit Scoring

Semiparametrisches Kredit Scoring Semiparametrisches Kredit Scoring Marlene Müller Fraunhofer Institut für Techno- und Wirtschaftsmathematik (ITWM) Kaiserslautern Bernd Rönz, Wolfgang Härdle Center for Applied Statistics and Economics

Mehr

Entscheidungsbaumverfahren

Entscheidungsbaumverfahren Entscheidungsbaumverfahren Allgemeine Beschreibung Der Entscheidungsbaum ist die Darstellung einer Entscheidungsregel, anhand derer Objekte in Klassen eingeteilt werden. Die Klassifizierung erfolgt durch

Mehr

Kreditstudie. Kreditsumme, -zins und -laufzeit betrachtet nach Wohnort und Geschlecht des/r Kreditnehmer/s

Kreditstudie. Kreditsumme, -zins und -laufzeit betrachtet nach Wohnort und Geschlecht des/r Kreditnehmer/s Kreditstudie Kreditsumme, -zins und -laufzeit betrachtet nach Wohnort und Geschlecht des/r Kreditnehmer/s CHECK24 2015 Agenda 1 2 3 4 5 Zusammenfassung Methodik Kreditsumme, -zins & -laufzeit nach Bundesland

Mehr

Zeitreihen. Statistik II

Zeitreihen. Statistik II Statistik II Wiederholung Literatur -Daten Trends und Saisonalität Fehlerstruktur Statistik II (1/31) Wiederholung Literatur -Daten Trends und Saisonalität Fehlerstruktur Statistik II (1/31) Zum Nachlesen

Mehr

2.Tutorium Generalisierte Regression

2.Tutorium Generalisierte Regression 2.Tutorium Generalisierte Regression - Binäre Regression - Moritz Berger: 04.11.2013 und 11.11.2013 Shuai Shao: 06.11.2013 und 13.11.2013 Institut für Statistik, LMU München 1 / 16 Gliederung 1 Erweiterte

Mehr

ε heteroskedastisch BINARY CHOICE MODELS Beispiele: Wahlentscheidung Kauf langlebiger Konsumgüter Arbeitslosigkeit Schätzung mit OLS?

ε heteroskedastisch BINARY CHOICE MODELS Beispiele: Wahlentscheidung Kauf langlebiger Konsumgüter Arbeitslosigkeit Schätzung mit OLS? BINARY CHOICE MODELS 1 mit Pr( Y = 1) = P Y = 0 mit Pr( Y = 0) = 1 P Beispiele: Wahlentscheidung Kauf langlebiger Konsumgüter Arbeitslosigkeit Schätzung mit OLS? Y i = X i β + ε i Probleme: Nonsense Predictions

Mehr

Präsentation auf der regionalen Nutzerkonferenz des Forschungsdatenzentrums der Länder am 21./22.04.2005 in Berlin

Präsentation auf der regionalen Nutzerkonferenz des Forschungsdatenzentrums der Länder am 21./22.04.2005 in Berlin Betriebliche Weiterbildung im europäischen Vergleich Neue Analysemöglichkeiten auf Basis der Mikrodaten der zweiten europäischen Weiterbildungserhebung (CVTS2) Präsentation auf der regionalen Nutzerkonferenz

Mehr

Multiple Regression II: Signifikanztests, Gewichtung, Multikollinearität und Kohortenanalyse

Multiple Regression II: Signifikanztests, Gewichtung, Multikollinearität und Kohortenanalyse Multiple Regression II: Signifikanztests,, Multikollinearität und Kohortenanalyse Statistik II Übersicht Literatur Kausalität und Regression Inferenz und standardisierte Koeffizienten Statistik II Multiple

Mehr

Fallbeispiel 5: Humankapital und Returns to Education. Seite 1

Fallbeispiel 5: Humankapital und Returns to Education. Seite 1 Fallbeispiel 5: Humankapital und Returns to Education Seite 1 Gliederung Einführung: Wirkungsanalysen in der Wirtschaftspolitik I. Theoretischer Teil 1 Humankapital 2 Returns to Education: Schooling Model

Mehr

Log-lineare Analyse I

Log-lineare Analyse I 1 Log-lineare Analyse I Einleitung Die log-lineare Analysemethode wurde von L.A. Goodman in den 60er und 70er Jahren entwickelt. Sie dient zur Analyse von Zusammenhängen in mehrdimensionalen Kontingenztafeln

Mehr

Einführung in die Logistische Regression. Fortbildung zur 19.Informationstagung Tumordokumentation

Einführung in die Logistische Regression. Fortbildung zur 19.Informationstagung Tumordokumentation Einführung in die Logistische Regression Fortbildung zur 9.Informationstagung Tumordokumentation Bernd Schicke, Tumorzentrum Berlin FB Bayreuth, 29.März 20 Gliederung Einleitung Schätzen von Maßzahlen

Mehr

Multivariate Analyseverfahren

Multivariate Analyseverfahren Multivariate Analyseverfahren Logistische Regression Prof. Dr. Stein 14.01.2014 & 20.01.2014 1 / 62 Inhaltsverzeichnis 1 Grundidee 2 3 4 5 2 / 62 Der Erklärungsgegenstand Soziale Forschungsgegenstände

Mehr

Koeffizienten der Logitanalyse. Kurt Holm. Almo Statistik-System www.almo-statistik.de holm@almo-statistik.de kurt.holm@jku.at

Koeffizienten der Logitanalyse. Kurt Holm. Almo Statistik-System www.almo-statistik.de holm@almo-statistik.de kurt.holm@jku.at Koeffizienten der Logitanalyse Kurt Holm Almo Statistik-System www.almo-statistik.de holm@almo-statistik.de kurt.holm@jku.at 1 Kurt Holm Koeffizienten der Logitanalyse Eine häufig gestellte Frage lautet:

Mehr

Auswertung und Darstellung wissenschaftlicher Daten (1)

Auswertung und Darstellung wissenschaftlicher Daten (1) Auswertung und Darstellung wissenschaftlicher Daten () Mag. Dr. Andrea Payrhuber Zwei Schritte der Auswertung. Deskriptive Darstellung aller Daten 2. analytische Darstellung (Gruppenvergleiche) SPSS-Andrea

Mehr

Binäre Auswahlmodelle (Logit, Probit,...)

Binäre Auswahlmodelle (Logit, Probit,...) Binäre Auswahlmodelle (Logit, Probit,...) 27. November 204 In diesem Kapitel führen wir eine Klasse von Modellen für binäre Auswahlprobleme ein, deren wichtigste Vertreter das Logit- und das Probit-Modell

Mehr

Survival Analysis. Rene.Boeheim@jku.at. December 2008

Survival Analysis. Rene.Boeheim@jku.at. December 2008 Survival Analysis René Böheim Rene.Boeheim@jku.at December 2008 Basierend auf Cleves, Gould, and Gutierrez (2004), An Introduction to Survival Analysis using Stata, Revised Edition, Stata Press, Texas.

Mehr

Übungen zur Vorlesung. Statistik 2. a) Welche Grundannahmen der linearen Regression sind in Modell (1) verletzt?

Übungen zur Vorlesung. Statistik 2. a) Welche Grundannahmen der linearen Regression sind in Modell (1) verletzt? Institut für Stochastik WS 2007/2008 Universität Karlsruhe JProf. Dr. H. Holzmann Blatt 7 Dipl.-Math. oec. D. Engel Übungen zur Vorlesung Statistik 2 Aufgabe 25 (keine Abgabe) Angenommen die Zielvariable

Mehr

Allgemeine Regressionsanalyse. Kovariablen / Prädiktoren / unabhängige Variablen X j R d, evtl. deterministisch

Allgemeine Regressionsanalyse. Kovariablen / Prädiktoren / unabhängige Variablen X j R d, evtl. deterministisch Prof. Dr. J. Franke Statistik II für Wirtschaftswissenschaftler 9.1 Allgemeine Regressionsanalyse Daten (X j, Y j ), j = 1,..., N unabhängig Kovariablen / Prädiktoren / unabhängige Variablen X j R d, evtl.

Mehr

Skript zur Vorlesung Computerintensive Verfahren in der Statistik

Skript zur Vorlesung Computerintensive Verfahren in der Statistik Skript zur Vorlesung Computerintensive Verfahren in der Statistik Stefan Lang Institut für Statistik Ludwigstrasse 33 email: lang@stat.uni-muenchen.de 15. Januar 24 Ich bedanke mich bei zahlreichen StudentInnen

Mehr

Kap. 9: Regression mit einer binären abhängigen Variablen

Kap. 9: Regression mit einer binären abhängigen Variablen Kap. 9: Regression mit einer binären abhängigen Variablen Motivation Lineares Wahrscheinlichkeitsmodell Probit- und Logit-Regression Maximum Likelihood Empirisches Beispiel: Analyse der HMDA-Daten Ausblick:

Mehr

Verbriefung von Versicherungsrisiken

Verbriefung von Versicherungsrisiken Verbriefung von Versicherungsrisiken Institutstag 5. Mai 2015 1. Einführung Schadenversicherung Lebensversicherung 2. Wie funktioniert Verbriefung? 3. Einsatz als Rückversicherung 2 / 19 Histogramm der

Mehr

5 Zusammenhangsmaße, Korrelation und Regression

5 Zusammenhangsmaße, Korrelation und Regression 5 Zusammenhangsmaße, Korrelation und Regression 5.1 Zusammenhangsmaße und Korrelation Aufgabe 5.1 In einem Hauptstudiumsseminar des Lehrstuhls für Wirtschafts- und Sozialstatistik machten die Teilnehmer

Mehr

3. Einführung in die Zeitreihenanalyse

3. Einführung in die Zeitreihenanalyse 3. Einführung in die Zeitreihenanalyse Dr. Johann Burgstaller Finance Department, JKU Linz (Dieser Foliensatz wurde zuletzt aktualisiert am 25. Dezember 2007.) Dr. Johann Burgstaller IK Empirische Kapitalmarktforschung

Mehr

Vorlesung. Informationsökonomik und die Theorie der Firma

Vorlesung. Informationsökonomik und die Theorie der Firma Vorlesung Informationsökonomik und die Theorie der Firma Ulrich Schwalbe Universität Hohenheim 5. Vorlesung 28.11.2007 Ulrich Schwalbe (Universität Hohenheim) Informationsökonomik 5. Vorlesung 28.11.2007

Mehr

90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft

90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft Prof. Dr. Helmut Küchenhoff SS08 90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft am 22.7.2008 Anmerkungen Überprüfen Sie bitte sofort, ob Ihre Angabe vollständig ist. Sie sollte

Mehr

6.0 Logistische Regression. 6 Logistische Regression. 6.1 Das binäre Modell. 6 Logistische Regression

6.0 Logistische Regression. 6 Logistische Regression. 6.1 Das binäre Modell. 6 Logistische Regression 6.0 Logistische Regression 6.1 Das binäre Modell 6.1 Das binäre Modell Sei x der Vektor der Einflussgrößen mit einem Eins-Element, um die Regressionskonstante zu modellieren. Angenommen, es gilt das Regressionsmodell:

Mehr

Multinomiale logistische Regression

Multinomiale logistische Regression Multinomiale logistische Regression Die multinomiale logistische Regression dient zur Schätzung von Gruppenzugehörigkeiten bzw. einer entsprechenden Wahrscheinlichkeit hierfür, wobei als abhänginge Variable

Mehr

Unsupervised Kernel Regression

Unsupervised Kernel Regression 9. Mai 26 Inhalt Nichtlineare Dimensionsreduktion mittels UKR (Unüberwachte KernRegression, 25) Anknüpfungspunkte Datamining I: PCA + Hauptkurven Benötigte Zutaten Klassische Kernregression Kerndichteschätzung

Mehr

Die binäre Logistische Regression ein vielseitiges und robustes Analyseinstrument sozialwissenschaftlicher Forschung

Die binäre Logistische Regression ein vielseitiges und robustes Analyseinstrument sozialwissenschaftlicher Forschung Die binäre Logistische Regression ein vielseitiges und robustes Analyseinstrument sozialwissenschaftlicher Forschung Eine Einführung für Anwender - Marcel Erlinghagen - Gelsenkirchen, Oktober 2003 Gliederung

Mehr

Laufende Beratungsfälle

Laufende Beratungsfälle Seite 1 Laufende Beratungsfälle (ohne Abschlüsse) Insolvenzberatung Schuldnerberatung Gesamtberatung Beratungsfälle aus 1999 oder früher, die in 2000 fortgesetzt wurden 1724 1869 3593 Neue Beratungsfälle

Mehr

Multivariate Analyse: Einführung in das COX-Modell

Multivariate Analyse: Einführung in das COX-Modell Auswertung Multivariate Analyse: Einführung in das COX-Modell Deskriptive Statistik Häufigkeiten, Univariate Statistiken, Explorative Datenanalyse, Kreuztabellen) Induktive Statistik, Vergleich von Mittelwerten

Mehr

Einführung in STATA. Programmversion 8

Einführung in STATA. Programmversion 8 Freie Universität Berlin Institut für Soziologie Garystr. 55 D-14195 Berlin Tutorien zur VL Statistik I Einführung in STATA Programmversion 8 Ergänzung zu den Vorlesungen Statistik im Grundstudium Lehrgebiet

Mehr

Stufen der mobilen Evolution: Verteilung in Europa.

Stufen der mobilen Evolution: Verteilung in Europa. Stufen der mobilen Evolution: Verteilung in. Angaben in Prozent & Russland gesamt: 13 58 Mio. 95 Mio. 26 117 Mio. UK 15 37 25 Niederlande 12 30 43 15 11 21 36 32 Polen 8 21 26 45 Russland 16 17 14 53 Non-Connected

Mehr

Tabelle 6a: Deskriptive Statistiken der metrischen Variablen

Tabelle 6a: Deskriptive Statistiken der metrischen Variablen Ergebnisse 77 5 Ergebnisse Das folgende Kapitel widmet sich der statistischen Auswertung der Daten zur Ü- berprüfung der Hypothesen. Die hier verwendeten Daten wurden mit den in 4.3 beschriebenen Instrumenten

Mehr

Freiwillige Weiterversicherung in der Arbeitslosenversicherung mehr Schutz für Selbstständige

Freiwillige Weiterversicherung in der Arbeitslosenversicherung mehr Schutz für Selbstständige Freiwillige Weiterversicherung in der Arbeitslosenversicherung mehr Schutz für Selbstständige Selbstständig erwerbstätig Jenseits des Arbeitnehmerdaseins Wissenschaftliche Tagung des Fachausschusses Erwerbstätigkeit/Arbeitsmarkt

Mehr

Statistische Auswertung

Statistische Auswertung Statistische Auswertung Organisation Schuldnerberatung des Diak. Werkes Hildesheim-Sarstedt Auswertungszeitraum 1/2011 bis 12/2011 1 Inhaltsverzeichnis 1 Gesamtanzahl der beratenen Haushalte... 3 2 Beratungssituation...

Mehr

Vorlesung:Multivariate Analyseverfahren

Vorlesung:Multivariate Analyseverfahren Vorlesung:Multivariate Analyseverfahren Josef Brüderl, Oktober 24 Multivariate Verfahren sind statistische Verfahren zur Analyse der Beziehungsstruktur mehrerer Variablen. Man kann multivariate Verfahren

Mehr

Rauchen bis kurz vor Bekanntwerden einer Schwangerschaft: Physiologische Beeinträchtigung im Kindergartenalter?

Rauchen bis kurz vor Bekanntwerden einer Schwangerschaft: Physiologische Beeinträchtigung im Kindergartenalter? Rauchen bis kurz vor Bekanntwerden einer Schwangerschaft: Physiologische Beeinträchtigung im Kindergartenalter? Marc Jarczok, Sven Schneider, Joachim E. Fischer, Freia De Bock 1 Mannheimer Institut für

Mehr

Institut für Soziologie Dipl.-Soz. Benjamin Gedon. Methoden 2. Logistische Regression I

Institut für Soziologie Dipl.-Soz. Benjamin Gedon. Methoden 2. Logistische Regression I Institut für Soziologie Dipl.-Soz. Methoden 2 Logistische Regression I Programm Ergänzung zu letzter Sitzung: Interpretation nichtlinearer Effekte Anwendungsbereich der logistischen Regression Entwicklung

Mehr

Diskriminanzanalyse Beispiel

Diskriminanzanalyse Beispiel Diskriminanzanalyse Ziel bei der Diskriminanzanalyse ist die Analyse von Gruppenunterschieden, d. h. der Untersuchung von zwei oder mehr Gruppen hinsichtlich einer Vielzahl von Variablen. Diese Methode

Mehr

Vortrag Kredit. PM 08.07.2014 Seite 1

Vortrag Kredit. PM 08.07.2014 Seite 1 Vortrag Kredit PM Seite 1 Was glaubt ihr...was ein Kredit ist? Seite 2 Allgemein Thema Kredit // Definition Rückzahlung Seite 3 Kredit Personengruppen - Privatkunden z.b. Hr. Meier - Firmenkunden z.b.

Mehr

Wolfgang Trutschnig. Salzburg, 2014-05-08. FB Mathematik Universität Salzburg www.trutschnig.net

Wolfgang Trutschnig. Salzburg, 2014-05-08. FB Mathematik Universität Salzburg www.trutschnig.net Auffrischungskurs Angewandte Statistik/Datenanalyse (Interne Weiterbildung FOR SS14-08) Block 1: Deskriptive Statistik, Wiederholung grundlegender Konzepte, R FB Mathematik Universität Salzburg www.trutschnig.net

Mehr

Tutorial: Homogenitätstest

Tutorial: Homogenitätstest Tutorial: Homogenitätstest Eine Bank möchte die Kreditwürdigkeit potenzieller Kreditnehmer abschätzen. Einerseits lebt die Bank ja von der Vergabe von Krediten, andererseits verursachen Problemkredite

Mehr

Humboldt-Universität zu Berlin

Humboldt-Universität zu Berlin Humboldt-Universität zu Berlin Wirtschaftswissenschaftliche Faultät Institut für Statisti und Öonometrie Lehrstuhl Statisti Bachelor-Abschlussarbeit Sommersemester 2005 Analyse der Arbeitslosigeit mit

Mehr

Lernender.ch - Das Infoportal für Lernende

Lernender.ch - Das Infoportal für Lernende 1. Kreditgesuch: Wird mit zusätzlichen Unterlagen vor gestellt (Projektbeschreibung/ Bilanz und Erfolgsrechnung/ Angaben zur Unternehmung/ Persönliche Angaben und Referenzen) 2. Beurteilung des Kreditgesuchs:

Mehr

Fachhochschule Bochum Fachhochschule Münster Fachhochschule Südwestfalen

Fachhochschule Bochum Fachhochschule Münster Fachhochschule Südwestfalen Fachhochschule Bochum Fachhochschule Münster Fachhochschule Südwestfalen Verbundstudiengang Technische Betriebswirtschaft Prof. Dr. rer. nat. habil. J. Resch Teilprüfung: Mathematik 1 (Modul) Termin: Februar

Mehr

Microlending - Finanzierung für kleine Unternehmen

Microlending - Finanzierung für kleine Unternehmen Microlending - Finanzierung für kleine Unternehmen 1 Entstehung Gründungsberatungsgesellschaften in Bayern und Sachsen Mikrofinanzierer für Deutschland vorrangig Bayern und Sachsen Sitz in München und

Mehr

Finanzierung. Oliver Grünwald. Existenzgründungsbetreuer. Stadtsparkasse München

Finanzierung. Oliver Grünwald. Existenzgründungsbetreuer. Stadtsparkasse München Finanzierung Oliver Grünwald Existenzgründungsbetreuer Stadtsparkasse München Finanzierung? Wie viel meines eigenen Geldes soll ich einbringen? Welche anderen Geldgeber können mein Vorhaben unterstützen?

Mehr

Analyse bivariater Kontingenztafeln

Analyse bivariater Kontingenztafeln Analyse bivariater Kontingenztafeln Werden zwei kategoriale Merkmale mit nicht zu vielen möglichen Ausprägungen gemeinsam analysiert, so kommen zur Beschreibung der gemeinsamen Verteilung im allgemeinen

Mehr

Lebenslagen und Teilhabechancen von Männern und Frauen im Alter

Lebenslagen und Teilhabechancen von Männern und Frauen im Alter Lebenslagen und Teilhabechancen von Männern und Frauen im Alter Vortrag zur Fachtagung Alter und Geschlecht vom 6.-8. November 2013 in Weimar Anna Richter Gliederung: 1. Alter und Geschlecht als soziale

Mehr

Energieeffizient Bauen - Kredit

Energieeffizient Bauen - Kredit Energieeffizient Bauen - Kredit PROGRAMMNUMMER 153 KREDIT Das Wichtigste in Kürze Ab 1,41% effektiver Jahreszins Bis 50.000 Euro Darlehenssumme pro Wohneinheit Bis zu 5.000 Euro Tilgungszuschuss pro Wohneinheit

Mehr

Skript zur Übung: Grundlagen der empirischen Sozialforschung - Datenanalyse

Skript zur Übung: Grundlagen der empirischen Sozialforschung - Datenanalyse Skript zur Übung: Grundlagen der empirischen Sozialforschung - Datenanalyse Phasen des Forschungsprozesses Auswahl des Forschungsproblems Theoriebildung Theoretische Phase Konzeptspezifikation / Operationalisierung

Mehr

Diversitätsinklusion in der universitären Fernlehre: Studienziele und Studienerfolg. Katharina Stößel & Stefan Stürmer FernUniversität in Hagen

Diversitätsinklusion in der universitären Fernlehre: Studienziele und Studienerfolg. Katharina Stößel & Stefan Stürmer FernUniversität in Hagen Diversitätsinklusion in der universitären Fernlehre: Studienziele und Studienerfolg Katharina Stößel & Stefan Stürmer FernUniversität in Hagen Institut für Psychologie Lehrgebiet Diversität im (Fern)Studium

Mehr

Konsum- und Kfz-Finanzierung. Grundlagenstudie zur Konsumund. GfK Finanzmarktforschung, Oktober 2008

Konsum- und Kfz-Finanzierung. Grundlagenstudie zur Konsumund. GfK Finanzmarktforschung, Oktober 2008 Grundlagenstudie zur Konsumund Kfz-Finanzierung GfK Finanzmarktforschung, Inhaltsverzeichnis 2 A. Ratenkredite B. Weitere Finanzierungsformen C. Aktuelle Nutzung verschiedener Finanzierungsformen D. Finanzierung

Mehr

Einführung in STATA. 3. Oktober 2007

Einführung in STATA. 3. Oktober 2007 Einführung in STATA Stefan Lang Universität Innsbruck Institut für Statistik Universitätsstraße 15, A-6020 Innsbruck E-mail: stefan.lang@uibk.ac.at Internet: http://www.uibk.ac.at/statistics/personal/lang/index.html

Mehr

Verbraucherdarlehen in der Bankpraxis

Verbraucherdarlehen in der Bankpraxis Verbraucherdarlehen in der Bankpraxis Inhalt 1. Persönliche Vorstellung 2. Bedeutung für die Genossenschaft 3. Vertragspartner 4. Easy-Credit 5. Bonitätsabhängig - was steckt dahinter? 6. Offene Fragen

Mehr

Verbraucher-Scoring Wie bewertet mich die Wirtschaft?

Verbraucher-Scoring Wie bewertet mich die Wirtschaft? Blaue Reihe 2 Verbraucher-Scoring Wie bewertet mich die Wirtschaft? Inhaltsverzeichnis Was ist unter Scoring zu verstehen?... 2 Wie muss man sich ein Scoring vorstellen?... 2 Wofür wird der Scorewert genutzt?...

Mehr

Kennen Sie Ihren wahren Wert? Kreditscoring und Datenschutz

Kennen Sie Ihren wahren Wert? Kreditscoring und Datenschutz Kennen Sie Ihren wahren Wert? Kreditscoring und Datenschutz Meike Kamp Datenschutz Schleswig-Holstein Kreditscoring und Datenschutz Vorstellung ULD Was ist Kredit-Scoring? Datenschutzrechtliche Aspekte

Mehr

Varianzanalyse * (1) Varianzanalyse (2)

Varianzanalyse * (1) Varianzanalyse (2) Varianzanalyse * (1) Einfaktorielle Varianzanalyse (I) Die Varianzanalyse (ANOVA = ANalysis Of VAriance) wird benutzt, um Unterschiede zwischen Mittelwerten von drei oder mehr Stichproben auf Signifikanz

Mehr

Intrahaushalts- Entscheidungsfindung in Europa

Intrahaushalts- Entscheidungsfindung in Europa Intrahaushalts- Entscheidungsfindung in Europa Workshop Feministischer ÖkonomInnen (FemÖk), 18.1.2013 Agenda Ausgangspunkte Black Box Haushalt Forschungsfragen Hypothesen Daten und Methode Exkurs: Cluster-Analyse

Mehr

CHECK24-Autokreditatlas. Analyse der Autokredit-Anfragen aller CHECK24-Kunden aus 2011 & 2012

CHECK24-Autokreditatlas. Analyse der Autokredit-Anfragen aller CHECK24-Kunden aus 2011 & 2012 CHECK24-Autokreditatlas Analyse der Autokredit-Anfragen aller CHECK24-Kunden aus 2011 & 2012 Stand: März 2013 CHECK24 2013 Agenda 1. Methodik 2. Zusammenfassung 3. Autokredite 2011 vs. 2012 4. Kredit,

Mehr

Die Beurteilung von Kreditrisiken mittels künstlicher neuronaler Netze am Beispiel österreichischer KMUs

Die Beurteilung von Kreditrisiken mittels künstlicher neuronaler Netze am Beispiel österreichischer KMUs Die Beurteilung von Kreditrisiken mittels künstlicher neuronaler Netze am Beispiel österreichischer KMUs 1. Klagenfurter KMU Tagung Tanja Schuschnig Alexander Brauneis Institut für Finanzmanagement 25.09.2009

Mehr

Statistische Auswertung

Statistische Auswertung Statistische Auswertung Organisation Schuldnerberatung des Diak. Werkes Hildesheim-Sarstedt Auswertungszeitraum 1/2009 bis 12/2009 Inhaltsverzeichnis 1 Gesamtanzahl der beratenen Haushalte... 2 2 Beratungssituation...

Mehr

Automatische Mustererkennung zur Klassifikation von Konsumentenverhalten am Beispiel der Kreditwürdigkeitsprüfung

Automatische Mustererkennung zur Klassifikation von Konsumentenverhalten am Beispiel der Kreditwürdigkeitsprüfung Prof. Dr. Gerhard Arminger Dipl.-Ök. Alexandra Schwarz Bergische Universität Wuppertal Fachbereich Wirtschaftswissenschaft Fach Statistik Automatische Mustererkennung zur Klassifikation von Konsumentenverhalten

Mehr

Master of Science in Pflege

Master of Science in Pflege Master of Science in Pflege Modul: Statistik Einfache und multiple Regressionsanalyse / Logistische Regressionsanalyse November 2012 Prof. Dr. Jürg Schwarz Folie 2 Programm 28. November 2012: Vormittag

Mehr

Nationalität (geplantes) Jahresgewinn Arbeitsplätze / Ausbildungsplätze

Nationalität (geplantes) Jahresgewinn Arbeitsplätze / Ausbildungsplätze Persönliche Angaben Kreditantrag Blatt 1 Persönliche Daten Anrede Vorname Name Herr Frau Straße PLZ Ort Bundesland Familienstand Geburtsdatum Geburtsort Mobil Nationalität (geplantes) Jahresgewinn Arbeitsplätze

Mehr

Kredit und Darlehen. Kreditsicherung

Kredit und Darlehen. Kreditsicherung Kredit und Darlehen Kredit Unter Kredit versteht man die Überlassung von Geld oder anderen vertretbaren Sachen mit der Vereinbarung, dass der am Ende der vereinbarten vertraglichen Frist den Geldbetrag

Mehr

Informationen zum Neubau einer Immobilie

Informationen zum Neubau einer Immobilie Informationen zum Neubau einer Immobilie Sie möchten sich den Traum einer eigenen Immobilie erfüllen. Die Basis dafür bildet eine auf Sie zugeschnittene Baufinanzierung. Häufig stellen sich folgende Fragen:

Mehr

Sie fahren mit über uns gekauften Neuwagen Werbung, unsere Partner zahlen! Abbildung ähnlich! Ein will ich auch Produkt! Ihr neuer Wagen.

Sie fahren mit über uns gekauften Neuwagen Werbung, unsere Partner zahlen! Abbildung ähnlich! Ein will ich auch Produkt! Ihr neuer Wagen. Sie fahren mit über uns gekauften Neuwagen Werbung, unsere Partner zahlen! Abbildung ähnlich! Ein will ich auch Produkt! Ihr neuer Wagen. teamsponsor-car's FAHREN WERBEPARTNER ZAHLEN Ausgangspunkt unserer

Mehr

Prüfen von Mittelwertsunterschieden: t-test

Prüfen von Mittelwertsunterschieden: t-test Prüfen von Mittelwertsunterschieden: t-test Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de Statistik 1 S. Garbade (SRH Heidelberg) t-test

Mehr

Matrikel-Nr.: Fachrichtung: Sem.-Zahl: Seminarschein soll ausgestellt werden über ABWL Integrationsseminar BBL

Matrikel-Nr.: Fachrichtung: Sem.-Zahl: Seminarschein soll ausgestellt werden über ABWL Integrationsseminar BBL Institut für Geld- und Kapitalverkehr der Universität Hamburg Prof. Dr. Hartmut Schmidt Integrationsseminar zur Allgemeinen Betriebswirtschaftslehre und Bankbetriebslehre Wintersemester 2002/2003 Zuständiger

Mehr

Aktuelles aus der Financial Times Deutschland

Aktuelles aus der Financial Times Deutschland verfahren Seminar: Warum wir falsch liegen und trotzdem weitermachen - Aktuelle Themen in Banken und Versicherungen Oliver Kühnle Ludwig-Maximilians-Universität München - Institut für Statistik 9. Juli

Mehr

Vorlesung 7: Value-at-Risk für Kreditrisiken

Vorlesung 7: Value-at-Risk für Kreditrisiken Vorlesung 7: Value-at-Risk für Kreditrisiken 17. April 2015 Dr. Patrick Wegmann Universität Basel WWZ, Department of Finance patrick.wegmann@unibas.ch www.wwz.unibas.ch/finance Die Verlustverteilung im

Mehr

Modelle mit diskreten abhängigen Variablen

Modelle mit diskreten abhängigen Variablen Kapitel 19 Modelle mit diskreten abhängigen Variablen 19.1 Vorbemerkungen Bisher sind wir stets davon ausgegangen, dass die abhängige Variable y intervallskaliert ist. Zusätzlich haben wir meist angenommen,

Mehr

Dr. Tilly Lex (DJI) Wege ins Ausbildungs- und. Direkteinstiege, Umwege und. AID:A-Befunde. Aufwachsen in Deutschland

Dr. Tilly Lex (DJI) Wege ins Ausbildungs- und. Direkteinstiege, Umwege und. AID:A-Befunde. Aufwachsen in Deutschland Dr. Tilly Lex (DJI) Wege ins Ausbildungs- und Beschäftigungssystem: e, Umwege und Zwischenschritte h itt AID:A-Befunde Aufwachsen in Deutschland 3 Gliederung I. Wer schafft den direkten Einstieg in eine

Mehr

Die weltweite Finanzkrise aus mikroökonomischer Sicht

Die weltweite Finanzkrise aus mikroökonomischer Sicht Die weltweite Finanzkrise aus mikroökonomischer Sicht Stefan Simon Hanns-Seidel-Stifung Inhalt Finanzkrisen Freier Markt und Markt- bzw. Staatsversagen Fehlentwicklungen bei der aktuellen Krise Diskussion

Mehr

3.1 Finanzielle Ziele 1. 3.1 Finanzielle Ziele S. 67. Welche vier finanziellen Zielsetzungen muss eine Unternehmung berücksichtigen?

3.1 Finanzielle Ziele 1. 3.1 Finanzielle Ziele S. 67. Welche vier finanziellen Zielsetzungen muss eine Unternehmung berücksichtigen? 3.1 Finanzielle Ziele 1 3.1 Finanzielle Ziele S. 67 Welche vier finanziellen Zielsetzungen muss eine Unternehmung berücksichtigen? Zahlungsbereitschaft Gewinn und Rentabilität Kapitalbedarf Finanzielle

Mehr

Statistische Analyse eines multivariaten Continuation Ratio-Models mit Standardwerkzeugen

Statistische Analyse eines multivariaten Continuation Ratio-Models mit Standardwerkzeugen Statistische Analyse eines multivariaten Continuation Ratio-Models mit Standardwerkzeugen Ein Regressionsmodell für korrelierte ordinale Daten Jürgen Wellmann Institut für Epidemiologie und Sozialmedizin,

Mehr

Monte Carlo Methoden in Kreditrisiko-Management

Monte Carlo Methoden in Kreditrisiko-Management Monte Carlo Methoden in Kreditrisiko-Management P Kreditportfolio bestehend aus m Krediten; Verlustfunktion L = n i=1 L i; Die Verluste L i sind unabhängig bedingt durch einen Vektor Z von ökonomischen

Mehr

Lehrerfortbildung Finanzierung. Esslingen, 12. März 2012

Lehrerfortbildung Finanzierung. Esslingen, 12. März 2012 Lehrerfortbildung Finanzierung Esslingen, 12. März 2012 Finanzierungsarten 1. Sparkassen-Privatkredit Dient der Finanzierung von Konsumgütern, wie z.b. - KFZ - Einrichtung/Möbel/Renovierung - Urlaub -

Mehr

Preferred citation style for this presentation

Preferred citation style for this presentation Preferred citation style for this presentation Simma, A. (2002) Ziel- und Verkehrsmittelwahl für Wege zum Skifahren in der Schweiz, 3. AMUS-Konferenz, Aachen, Juli 2002. 1 Ziel - und Verkehrsmittelwahl

Mehr

Commercial Banking Übung 1 Kreditscoring

Commercial Banking Übung 1 Kreditscoring Commercial Banking Übung Kreditscoring Dr. Peter Raupach raupach@wiwi.uni-frankfurt.de Sprechzeit Dienstag 6-7:00 Uhr Raum 603 B Kreditscoring Gliederung Grundanliegen Das Sample Modellspezifikation Diskriminanzanalyse

Mehr

Leverage-Effekt = Hebelwirkung des Verschuldungsgrads bei der Eigenkapitalrendite, wenn die Gesamtkapitalrentabilität über dem Fremdkapitalzins liegt

Leverage-Effekt = Hebelwirkung des Verschuldungsgrads bei der Eigenkapitalrendite, wenn die Gesamtkapitalrentabilität über dem Fremdkapitalzins liegt Leverage-Effekt lever (engl.) = Hebel leverage (engl.= = Hebelkraft Leverage-Effekt = Hebelwirkung des Verschuldungsgrads bei der Eigenkapitalrendite, wenn die Gesamtkapitalrentabilität über dem Fremdkapitalzins

Mehr

Datensatzbeschreibung

Datensatzbeschreibung Aufgabengebiet: Einkommens- und Verbrauchsstichprobe 1993 Blatt Nr. 1 von 14 EF1 1-7 7 C ALN Laufende Nummer EF2 8-11 4 EF2U1 8-9 2 C ALN Bundesland 01 = Schleswig-Holstein 02 = Hamburg 03 = Niedersachsen

Mehr