?　最近在做催收評(píng)分卡中的滾動(dòng)率模型，在變量篩選這一步遇到了一些困惑，思考了很多覺得很有意義，有必要分享一下。如有理解不當(dāng)之處還望多多指正。
?　第一個(gè)問題是關(guān)于邏輯回歸中系數(shù)為正的檢驗(yàn)。先附上代碼：

# 邏輯回歸系數(shù)符號(hào)篩選,在篩選前需要做woe轉(zhuǎn)換 def forward_delete_coef(x_train,y_train):"""x_train -- x訓(xùn)練集y_train -- y訓(xùn)練集return :coef_col回歸系數(shù)符號(hào)篩選后的變量lr_coe：每個(gè)變量的系數(shù)值"""col_list = list(x_train.columns)coef_col = []for col in col_list:coef_col.append(col)x_train2 = x_train.loc[:,coef_col]sk_lr = LogisticRegression(random_state=0).fit(x_train2,y_train)coef_df = pd.DataFrame({'col':coef_col,'coef':sk_lr.coef_[0]})if coef_df[coef_df.coef<0].shape[0]>0:coef_col.remove(col)x_new_train = x_train.loc[:,coef_col]lr = LogisticRegression(random_state=0).fit(x_new_train,y_train)lr_coe = pd.DataFrame({'col':coef_col,'coef':lr.coef_[0]})return coef_col,lr_coe

?　是不是一定要做這一步檢驗(yàn)?zāi)?#xff1f;經(jīng)過一下午的思考和排查發(fā)現(xiàn)還是必須要的，下面慢慢解釋原因。
?　首先回到WOE的計(jì)算上面，看一下bad_rate和WOE值的關(guān)系。

?　結(jié)論就是某一箱的bad_rate越高，相應(yīng)的WOE值也就越大。我觀察了下所有箱的bad_rate和woe值確實(shí)是單調(diào)的。
然后再看一下每一箱的評(píng)分映射邏輯：

?　簡(jiǎn)單說，就是每一箱的得分等于，
$$scor{e}_i=?B?C?WO{E}_i$$
?　這里的B在評(píng)分卡映射中提到過，等于PDO/log(2)，所以是個(gè)正數(shù)。
再回到每一個(gè)變量，解釋一下每個(gè)變量的得分情況：一個(gè)變量各個(gè)分箱的bad_rate越高，相應(yīng)的WOE就越大，對(duì)應(yīng)的分?jǐn)?shù)應(yīng)該越低。也就是$?B?C?WO{E}_i$越低。那么C乘B的符號(hào)就需要為正，否則就會(huì)出現(xiàn)bad_rate越高，分?jǐn)?shù)也越高的情況。所以C的符號(hào)應(yīng)為正。
?　這里的前提是以分?jǐn)?shù)越高，違約概率越低來考量的。
?　所以結(jié)論就是，之所以要求系數(shù)為正，是為了便于解釋評(píng)分卡單變量的得分。只有系數(shù)為正，才能對(duì)壞樣本率高的箱賦予較低的得分。

?　第二個(gè)問題就是評(píng)分卡變量的顯著性檢驗(yàn)。附上代碼。

# 顯著性篩選,在篩選前需要做woe轉(zhuǎn)換 def forward_delete_pvalue(x_train,y_train):"""x_train -- x訓(xùn)練集y_train -- y訓(xùn)練集return :顯著性篩選后的變量"""col_list = list(x_train.columns)pvalues_col=[]for col in col_list:pvalues_col.append(col)x_train2 = sm.add_constant(x_train.loc[:,pvalues_col])sm_lr = sm.Logit(y_train,x_train2)sm_lr = sm_lr.fit()for i,j in zip(sm_lr.pvalues.index[1:],sm_lr.pvalues.values[1:]): if j>=0.05:pvalues_col.remove(i)x_new_train = x_train.loc[:,pvalues_col]x_new_train2 = sm.add_constant(x_new_train)lr = sm.Logit(y_train,x_new_train2)lr = lr.fit()print(lr.summary2())return pvalues_col

?　特意去翻了一下筆記，關(guān)于一元線性回歸的顯著性檢驗(yàn)。

?　分為F檢驗(yàn)和T檢驗(yàn)。F檢驗(yàn)用來檢驗(yàn)總體回歸關(guān)系的顯著性，T檢驗(yàn)用來檢驗(yàn)各個(gè)回歸系數(shù)的顯著性。
?　在變量篩選中，相關(guān)性剔除是一定要做的，相關(guān)性的檢驗(yàn)就是去除變量之間的線性相關(guān)關(guān)系。相關(guān)系數(shù)小，只能說明變量之間無線性相關(guān)關(guān)系，但是仍有可能存在非線性相關(guān)的關(guān)系。
?　所以，是不是一定要進(jìn)行顯著性檢驗(yàn)，并不是。但是相關(guān)性檢驗(yàn)一定是需要的。

第三個(gè)問題就是強(qiáng)變量是否應(yīng)該入模。
?　以評(píng)分卡為例，強(qiáng)變量的意思就是IV值很高，單箱的WOE值也很高。這種情況下其實(shí)可以將這一箱單獨(dú)作為一條策略。當(dāng)單箱的WOE值大于1的時(shí)候，可以推導(dǎo)一下壞樣本率。

?　WOE值大于1的時(shí)候，壞樣本率大于12.4%。之前看到說應(yīng)該是65%，這里留下疑問。如果有錯(cuò)誤歡迎私信我。
再附上一個(gè)關(guān)于強(qiáng)變量是否應(yīng)該作為入模變量的文章，可以思考一下。
評(píng)分卡強(qiáng)變量是否應(yīng)該入模

【作者】：Labryant
【原創(chuàng)公眾號(hào)】：風(fēng)控獵人
【簡(jiǎn)介】：某創(chuàng)業(yè)公司策略分析師，積極上進(jìn)，努力提升。乾坤未定，你我都是黑馬。
【轉(zhuǎn)載說明】：轉(zhuǎn)載請(qǐng)說明出處，謝謝合作！~

總結(jié)

以上是生活随笔為你收集整理的评分卡实战中的几个问题的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。