Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "krzywe ROC" wg kryterium: Temat


Wyświetlanie 1-2 z 2
Tytuł:
Predicting bankruptcy of agriculture companies : validating selected models
Prognozowanie upadłości spółek rolnych : weryfikacja wybranych modeli
Autorzy:
Karas, M.
Reznakova, M.
Pokorny, P.
Powiązania:
https://bibliotekanauki.pl/articles/406121.pdf
Data publikacji:
2017
Wydawca:
Politechnika Częstochowska
Tematy:
bankruptcy prediction models
ROC curves
agriculture
modele predykcji bankructwa
krzywe ROC
rolnictwo
Opis:
Many bankruptcy prediction models have been published so far, most of them were especially designated for the manufacturing companies. According to several studies, these models are inappropriate for other industries, as such application would be connected with a significantly lower accuracy than could be expected. The aim of this paper is to analyse the current accuracy of four traditional bankruptcy prediction models in the field of agriculture. The results showed that these models are less accurate in this field in comparison with the original results. This motivates the effort of deriving new models that would be specially developed for agriculture business.
Dotychczas opublikowano wiele modeli predykcji bankructwa, większość została przeznaczona dla firm produkcyjnych. Według badań, modele te są nieodpowiednie dla innych gałęzi przemysłu, ponieważ takie zastosowanie wiązałoby się ze znacznie niższą dokładnością, niż można byłoby się spodziewać. Celem niniejszego artykułu jest analiza aktualnej dokładności czterech tradycyjnych modeli predykcji bankructwa w rolnictwie. Wyniki wykazały, że modele te są mniej dokładne w tej dziedzinie w porównaniu z pierwotnymi wynikami. Motywuje to wysiłek do wyprowadzania nowych modeli, które zostałyby specjalnie opracowane dla przedsiębiorstw rolniczych.
Źródło:
Polish Journal of Management Studies; 2017, 15, 1; 110-120
2081-7452
Pojawia się w:
Polish Journal of Management Studies
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie krzywych ROC w analizie ubóstwa miejskich i wiejskich gospodarstw domowych
Application of ROC Curves in Poverty Analysis of Urban and Rural Households
Autorzy:
Sączewska-Piotrowska, Anna
Powiązania:
https://bibliotekanauki.pl/articles/1050511.pdf
Data publikacji:
2016-06-30
Wydawca:
Główny Urząd Statystyczny
Tematy:
ubóstwo
model logitowy
identyfikacja ubogich
krzywe ROC
miejskie i wiejskie gospodarstwa domowe
poverty
logit model
targeting the poor
ROC curves
urban and rural households
Opis:
W artykule przeprowadzono analizę determinant ubóstwa miejskich i wiejskich gospodarstw domowych z wykorzystaniem dwumianowego modelu logitowego. Do oceny mocy predykcyjnej oszacowanych modeli ryzyka ubóstwa gospodarstw miejskich i wiejskich zastosowano krzywe ROC oraz pola pod krzywymi ROC, oznaczane jako AUC. Wyboru punktów odcięcia (poziom prawdopodobieństwa, poniżej którego gospodarstwo uznawane jest za nieubogie) dokonano na podstawie wyznaczonych krzywych ROC. Dzięki wyznaczeniu krzywych ROC i pól AUC dla uproszczonych modeli logitowych, czyli zawierających podzbiory determinant określono wskaźnik najlepiej identyfikujący ubogie gospodarstwa domowe w mieście i na wsi. Najlepsze rezultaty w identyfikacji ubogich gospodarstw w mieście i na wsi są osiągane przy zastosowaniu wskaźnika odnoszącego się do grupy społeczno-ekonomicznej gospodarstwa domowego.
The article analyses poverty determinants of urban and rural households using binomial logit model. There were used ROC curves and area under ROC curves (AUC) to evaluate the predictive power of estimated risk models of urban and rural households poverty. Based on ROC curves there were chosen cut-off points (level of probability below which a household is considered not poor). On the basis of ROC curves and areas under ROC curves for simplified logit models (containing subsets of determinants) there was pointed the best poverty indicator. In urban and in rural areas the best targeting indicator is socio-economic group of household.
Źródło:
Przegląd Statystyczny; 2016, 63, 2; 211-234
0033-2372
Pojawia się w:
Przegląd Statystyczny
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies