SPSS 卡方、logistic回归、评分卡

一、logistic

logit变换：y → 分组取P → log(p/(1-p)) ；

logistic回归： log(p/(1-p)) = β0 + β1x1 + β2x2 + ... + βnxn；

二、逻辑回归（y为分类变量）分析步骤

• 图形：条形图；
• 卡方：
• logistic回归：β → or（）； Zβ → garma； R2 → 伪R2；
• 修正x：工具变量（大）、哑变量（小）、woe分箱（大）；
• 应用

如何看数据：

     行：看大小（小：60~3000行、质量高、问卷；  大：10万行以上、质量低、数据库）；

     列：测量级别、角色（y、x判定）；

y的判定：

• 有预测误差；
• 拿到这个指标的成本是否很高（收入：电商拿到成本很高，金融拿到成本很低；  国内信用：芝麻得分）；
• 抽象的指标：金融：信用； 管理：绩效； 心理学：幸福感； 医院：发病风险率； 电商：客户流失率；
• 整合型指标：违约非抽象指标，但可以整合为信用指标；
• 业务危机：问题就是y，从运营报告找；
• boss；

1、图形

图形构建器 → 条形图 → 简单条形图 → 组 → 分组 → 将x放入横坐标，y放入堆积；

   国际顶级银行违约率控制在2%以内；

   国内顶级银行违约率控制在10%以内；

   互联网金融违约率控制在20%~40%；

---------------------------------------------------------------------------------------------------------------------------------

编辑 → 选项

2、卡方

 分析 → 描述统计 → 交叉表

期望就是不相关；

当俩个事件同时发生的概率等于各自概率相乘，表示俩个事件不相关；

 

 

 

 

3、建logistic回归

 大数据连续型变量尽量要分组；

spss没有garma输出，需要自己计算；

 

4、修正x

4.1、工具变量

 计算 → 计算变量 → 如果 →

 

 

 用定义的x与实际变量建相关，找出相关性较高的变量，即为要找的变量。

工具变量的步骤：

• 判断问题所在（二分类：可以定义3个x（0预测为1,1预测为0，预测错误），多分类多个组合）：那个问题更重要；
• 建立工具变量（if ... then）：一般一个只建一个x，解决一个问题；
• 将工具x放入模型，看指标（伪R2）是否被改善；
• 将工具x接到需要找数据的大数据后；（性能问题）
• 建工具x与变量的相关：最好>0.8以上，找到xj；
• 将找到的变量xj接到小数据后面；
• 将xj加入自变量，重新建模；

数据对接：

数据 → 复制数据集

数据 → 合并文件 → 添加变量

4.2、分箱woe

分箱：连续变量   →  分类变量      用在大数据中；

最优变换：分类变量 → 连续变量     用在小数据中；

分箱的优点：通俗、速度、避免过拟合、加强监督woe、避免强异常、保密；

woe用来评价分组是否合理，及如何调整，判断变量与y相关性；

分组：

转换 → 可视分箱 → 

 

 

* 可视分箱.
*employ.
RECODE  employ (MISSING=COPY) (LO THRU 1=1) (LO THRU 4=2) (LO THRU 6=3) (LO THRU 8=4) (LO THRU 
    12=5) (LO THRU 17=6) (LO THRU HI=7) (ELSE=SYSMIS) INTO 工作时间分组.
VARIABLE LABELS  工作时间分组 'Years with current employer （分箱化）'.
FORMATS  工作时间分组 (F5.0).
VALUE LABELS  工作时间分组 1 '' 2 '' 3 '' 4 '' 5 '' 6 '' 7 ''.
VARIABLE LEVEL  工作时间分组 (ORDINAL).
*address.
RECODE  address (MISSING=COPY) (LO THRU 1=1) (LO THRU 2=2) (LO THRU 4=3) (LO THRU 6=4) (LO THRU 
    7=5) (LO THRU 10=6) (LO THRU 13=7) (LO THRU 17=8) (LO THRU HI=9) (ELSE=SYSMIS) INTO 居住时间分组.
VARIABLE LABELS  居住时间分组 'Years at current address （分箱化）'.
FORMATS  居住时间分组 (F5.0).
VALUE LABELS  居住时间分组 1 '' 2 '' 3 '' 4 '' 5 '' 6 '' 7 '' 8 '' 9 ''.
VARIABLE LEVEL  居住时间分组 (ORDINAL).
*income.
RECODE  income (MISSING=COPY) (LO THRU 22.8=1) (LO THRU 30=2) (LO THRU 40.3=3) (LO THRU 62.05=4) 
    (LO THRU HI=5) (ELSE=SYSMIS) INTO 收入分组.
VARIABLE LABELS  收入分组 'Household income in thousands （分箱化）'.
FORMATS  收入分组 (F5.0).
VALUE LABELS  收入分组 1 '' 2 '' 3 '' 4 '' 5 ''.
VARIABLE LEVEL  收入分组 (ORDINAL).
*debtinc.
RECODE  debtinc (MISSING=COPY) (LO THRU 3.04=1) (LO THRU 4.675=2) (LO THRU 6.31=3) (LO THRU 7.8=4) 
    (LO THRU 9.59=5) (LO THRU 11.61=6) (LO THRU 14.46=7) (LO THRU 18.62=8) (LO THRU HI=9) (ELSE=SYSMIS) 
    INTO 贷款收入比分组.
VARIABLE LABELS  贷款收入比分组 'Debt to income ratio (x100) （分箱化）'.
FORMATS  贷款收入比分组 (F5.0).
VALUE LABELS  贷款收入比分组 1 '' 2 '' 3 '' 4 '' 5 '' 6 '' 7 '' 8 '' 9 ''.
VARIABLE LEVEL  贷款收入比分组 (ORDINAL).
*creddebt.
RECODE  creddebt (MISSING=COPY) (LO THRU 0.2688=1) (LO THRU 0.54487876=2) (LO THRU 0.90620424=3) 
    (LO THRU 1.4342041=4) (LO THRU 2.58739299=5) (LO THRU HI=6) (ELSE=SYSMIS) INTO 信用卡分组.
VARIABLE LABELS  信用卡分组 'Credit card debt in thousands （分箱化）'.
FORMATS  信用卡分组 (F5.0).
VALUE LABELS  信用卡分组 1 '' 2 '' 3 '' 4 '' 5 '' 6 ''.
VARIABLE LEVEL  信用卡分组 (ORDINAL).
*othdebt.
RECODE  othdebt (MISSING=COPY) (LO THRU 0.74850048=1) (LO THRU 1.27342103=2) (LO THRU 1.96120368=3) 
    (LO THRU 3.01172788=4) (LO THRU 4.97349762=5) (LO THRU HI=6) (ELSE=SYSMIS) INTO 其他贷款分组.
VARIABLE LABELS  其他贷款分组 'Other debt in thousands （分箱化）'.
FORMATS  其他贷款分组 (F5.0).
VALUE LABELS  其他贷款分组 1 '' 2 '' 3 '' 4 '' 5 '' 6 ''.
VARIABLE LEVEL  其他贷款分组 (ORDINAL).
EXECUTE.

分组结果解读： 

用spss手工求解woe和IV：

分析 → 表 → 定制表

 

 

 

 把概率比、概率差的结果表转化为数据集：

1. OMS → 打开
2. 运行定制表
3. OMS → 关闭

实用程序 → OMS控制面板

   → 重新运行定制表 →

  →  产生一张新的数据集

数据 → 汇总

 数据拆分：

数据 → 拆分文件

 

前期一般多分组，后期合并比拆分更容易；

 woe优点：

• 处理缺失值
• 优化分组
• 加强监督（分组后IV值变大变小）
• 非线性直线化

 一键操作：编辑 → 选项 → 文件位置 

金融行业选择：银行（申请√ → 第1；行为√ → 第2；催收×）；电商金融系统（消费贷√ → 第1；现金贷：申请 → 第2 / 行为 → 第3）

4.3、哑变量

名义变量没有顺序，需转换；

 转换 → 创建虚变量

 

回归	正态	异常	异方差	x选择	共线性
线性	√	√	√	√	√
logistic	×	×	×	√	√