@misc{Ptak-Chmielewska_Aneta_Modele_2014,
 author={Ptak-Chmielewska, Aneta},
 identifier={DOI: 10.15611/ekt.2014.4.01},
 year={2014},
 rights={Wszystkie prawa zastrzeżone (Copyright)},
 publisher={Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu},
 description={Ekonometria = Econometrics, 2014, Nr 4 (46), s. 9-21},
 language={pol},
 abstract={Ryzyko kredytowe jest jednym z najważniejszych rodzajów ryzyka, na które wystawiony jest bank. Ryzyko upadłości przedsiębiorstw jest zazwyczaj modelowane z wykorzystaniem analizy dyskryminacyjnej lub regresji logistycznej. Jednakże poszukiwane są nowe sposoby i techniki efektywniejszej predykcji bankructwa. Jedną z takich metod jest analiza przeżycia. Analiza prezentowana w tym artykule ma na celu porównanie nowych metod predykcji bankructwa z tradycyjnymi modelami, takimi jak regresja logistyczna. Wskazane są zalety i wady tych metod oraz propozycja rozszerzenia analizy przeżycia o makrozmienne, a modelu regresji – o zmienne nominalne. Włączenie makrozmiennych podnosi moc predykcyjną modeli. Oszacowano modele z wykorzystaniem próby polskich przedsiębiorstw MŚP zawierającej 1561 przedsiębiorstw, w tym 807 upadłości},
 title={Modele predykcji upadłości MŚP w Polsce – analiza z wykorzystaniem modelu przeżycia Coxa i modelu regresji logistycznej},
 type={artykuł},
 keywords={analiza przeżycia, makrozmienne, model Coxa, ryzyko bankructwa, survival analysis, macrovariables, Cox model, bankruptcy risk},
}