First, to examine the robustness of

First, to examine the robustness of the increase in prediction
accuracy measured by increases in the accuracy ratio, we conduct
a cross-validation simulation. In each simulation run we randomly
split the sample in two equally large parts, the calibration and the
prediction set. The calibration set is used to fit the above mentioned
two models. We then calculate the accuracy ratios for both
models, separately for the calibration set (in-the-sample) and prediction
set (out-of-the-sample). Using these accuracy ratios, we obtain
two differences in prediction accuracy between the full and
baseline model, one in-the-sample and one out-of-the-sample.
This procedure is repeated for 1000 simulation runs. The mean of
the in-the-sample differences is 19.59 percentage points, while
the mean of the out-of-the-sample differences is even higher with
21.63 percentage points. We conclude that the value of business
credit information is robust and confirmed by the out-of-the-sample
analysis.

Results (Thai) 1:

ครั้งแรก การตรวจสอบเสถียรภาพของเพิ่มทำนาย
เราดำเนินความถูกต้องในการวัด โดยการเพิ่มอัตราความแม่นยำ
การจำลองการตรวจสอบข้าม จำลองแต่ละรันเราสุ่ม
แบ่งตัวอย่างในสองส่วนเท่า ๆ กันขนาดใหญ่ การปรับเทียบและ
ชุดคาดเดา ใช้ชุดปรับเทียบให้พอดีกับข้างบนกล่าวถึง
2 รุ่น เราแล้วคำนวณอัตราความถูกต้องทั้ง
โมเดล แยกต่างหากสำหรับเทียบกำหนด (ในเดอะตัวอย่าง) และทำนาย
ตั้ง (ออกของเดอะตัวอย่าง) เราใช้อัตราส่วนเหล่านี้ถูกต้อง รับ
สองแตกในทำนายแม่นยำเต็ม และ
รุ่นพื้นฐาน หนึ่งในเดอะตัวอย่าง และออกหนึ่ง-ของ--ตัวอย่างการ
ขั้นตอนนี้ซ้ำสำหรับการจำลอง 1000 ทำงาน ค่าเฉลี่ยของ
แตกในอย่างเป็น 19.59 จุด ขณะที่
ค่าเฉลี่ยของความแตกต่างออกอย่างจะสูงขึ้นด้วย
21.63 จุด เราสรุปที่มูลค่าของธุรกิจ
ข้อมูลสินเชื่อจะแข็งแกร่ง และได้รับการยืนยัน โดยออกของเดอะตัวอย่าง
วิเคราะห์

Results (Thai) 3:

ก่อน เพื่อตรวจสอบความแกร่งของเพิ่มคำทำนาย
วัดความถูกต้อง โดยเพิ่มขึ้นในอัตราส่วนที่ถูกต้อง เราดำเนินการ
ข้ามการตรวจสอบระบบ ในแต่ละจำลองวิ่งเราสุ่ม
แบ่งตัวอย่างสองขนาดใหญ่เท่าๆ กัน ส่วน การปรับเทียบและ
การคาดการณ์ชุด การตั้งค่าจะใช้ให้พอดีกับที่กล่าวข้างต้น
2 รูปแบบ เราก็คำนวณอัตราส่วนความถูกต้องทั้ง
รุ่นที่แยกต่างหากสำหรับการตั้งค่า ( ในตัวอย่าง ) และตั้งค่า
พยากรณ์ ( จากตัวอย่าง ) โดยใช้อัตราส่วนความถูกต้องเหล่านี้เราได้รับความแม่นยำในการทำนาย
สองความแตกต่างระหว่างเต็มรูปแบบพื้นฐานและ
, หนึ่งในตัวอย่างหนึ่งของตัวอย่าง
ขั้นตอนนี้ซ้ำสำหรับ 1000 จำลองวิ่ง ค่าเฉลี่ย
ในตัวอย่างความแตกต่างเป็นเพียงคะแนนร้อยละ , ในขณะที่
ของค่าเฉลี่ยของกลุ่มตัวอย่างแตกต่างกันจะสูงขึ้นด้วย
เฉลี่ยคะแนนร้อยละ . เราสรุปได้ว่า ค่าของข้อมูลเครดิตธุรกิจ
คือแข็งแกร่งและยืนยันโดยจากการวิเคราะห์ตัวอย่าง