|
| Titre : | المفاضلة بين الانحدار اللوجستي وأشجار القرار في التنبؤ بمنح القروض : دراسة حالة الوكالة الوطنية لتسيير القرض المصغر ANGEM | | Type de document : | texte imprimé | | Auteurs : | مهني زينب, Auteur ; فيصل معاش, Directeur de thèse | | Editeur : | كلية العلوم الاقتصادية والتجارية وعلوم التسيير جامعة فرحات عباس سطيف1 الجزائر | | Année de publication : | 2025 | | ISBN/ISSN/EAN : | TH/M5358 | | Langues : | Arabe | | Résumé : | تسعى هذه الدراسة إلى استكشاف النماذج التنبؤية الحديثة في تحسين عملية اتخاذ القرار الائتماني في مجال القروض المصغرة، وذلك من خلال مقارنة تطبيقية بين نموذج الانحدار اللوجستي ونموذج أشجار القرار.
تم اعتماد بيانات واقعية مستمدة من الوكالة الوطنية لتسيير القرض المصغر « ANGEM »بسطيف، مع التركيز على معالجة مشكلة اختلال توازن البيانات باستعمال تقنية SMOTE، وقد أظهرت النتائج تباينا في الأداء بين النموذجين، حيث امتاز الانحدار اللوجستي بسهولة التفسير والوضوح الاحصائي، بينما برزت أشجار القرار بقدرتها على التعامل مع العلاقات غير الخطية والبيانات غير المتوازنة، خصوصا بعد تطبيق تقنيات المعالجة المسبقة.
توصلت الدراسة إلى أهمية التكامل بين الدقة الكمية والقدرة التفسيرية في النماذج التنبؤية، وأوصت بتبني مقاربات قائمة على الذكاء الاصطناعي لدعم قرارات التمويل، بما يعزز من عدالة وفعالية منح القروض المصغرة خاصة في السياقات المحلية ذات الطابع الاجتماعي والاقتصادي المتباين.
Summary
This study examines the effectiveness of modern predictive modeling techniques in optimizing credit decision processes within the realm of microcredit.
A comparative analysis is performed, contrasting logistic regression and decision tree models, grounded in empirical data sourced from the National Agency for the Management of Microcredit in Sétif. Particular emphasis is placed on addressing the challenges posed by data imbalance through the implementation of the SMOTE methodology,The findings reveal nuanced performance profiles for each model: logistic regression is notable for its interpretability and statistical rigor, whereas decision trees demonstrate marked proficiency in accommodating non-linear relationships and mitigating the effects of imbalanced datasets, particularly following preprocessing interventions.
The research emphasizes the imperative of synergizing quantitative accuracy with interpretive insight and advocates for the integration of AI-supported strategies to enhance financial decision-making, thereby fostering fairness and efficiency in microcredit resource allocation, especially within heterogeneous socio-economic contexts.
| | En ligne : | http://dspace.univ-setif.dz:8888/jspui/bitstream/123456789/5547/1/%d9%852-%20535 [...] |
المفاضلة بين الانحدار اللوجستي وأشجار القرار في التنبؤ بمنح القروض : دراسة حالة الوكالة الوطنية لتسيير القرض المصغر ANGEM [texte imprimé] / مهني زينب, Auteur ; فيصل معاش, Directeur de thèse . - [S.l.] : كلية العلوم الاقتصادية والتجارية وعلوم التسيير جامعة فرحات عباس سطيف1 الجزائر, 2025. ISSN : TH/M5358 Langues : Arabe | Résumé : | تسعى هذه الدراسة إلى استكشاف النماذج التنبؤية الحديثة في تحسين عملية اتخاذ القرار الائتماني في مجال القروض المصغرة، وذلك من خلال مقارنة تطبيقية بين نموذج الانحدار اللوجستي ونموذج أشجار القرار.
تم اعتماد بيانات واقعية مستمدة من الوكالة الوطنية لتسيير القرض المصغر « ANGEM »بسطيف، مع التركيز على معالجة مشكلة اختلال توازن البيانات باستعمال تقنية SMOTE، وقد أظهرت النتائج تباينا في الأداء بين النموذجين، حيث امتاز الانحدار اللوجستي بسهولة التفسير والوضوح الاحصائي، بينما برزت أشجار القرار بقدرتها على التعامل مع العلاقات غير الخطية والبيانات غير المتوازنة، خصوصا بعد تطبيق تقنيات المعالجة المسبقة.
توصلت الدراسة إلى أهمية التكامل بين الدقة الكمية والقدرة التفسيرية في النماذج التنبؤية، وأوصت بتبني مقاربات قائمة على الذكاء الاصطناعي لدعم قرارات التمويل، بما يعزز من عدالة وفعالية منح القروض المصغرة خاصة في السياقات المحلية ذات الطابع الاجتماعي والاقتصادي المتباين.
Summary
This study examines the effectiveness of modern predictive modeling techniques in optimizing credit decision processes within the realm of microcredit.
A comparative analysis is performed, contrasting logistic regression and decision tree models, grounded in empirical data sourced from the National Agency for the Management of Microcredit in Sétif. Particular emphasis is placed on addressing the challenges posed by data imbalance through the implementation of the SMOTE methodology,The findings reveal nuanced performance profiles for each model: logistic regression is notable for its interpretability and statistical rigor, whereas decision trees demonstrate marked proficiency in accommodating non-linear relationships and mitigating the effects of imbalanced datasets, particularly following preprocessing interventions.
The research emphasizes the imperative of synergizing quantitative accuracy with interpretive insight and advocates for the integration of AI-supported strategies to enhance financial decision-making, thereby fostering fairness and efficiency in microcredit resource allocation, especially within heterogeneous socio-economic contexts.
| | En ligne : | http://dspace.univ-setif.dz:8888/jspui/bitstream/123456789/5547/1/%d9%852-%20535 [...] |
|  |
المفاضلة بين الانحدار اللوجستي وأشجار القرار في التنبؤ بمنح القروض 
