构建信用风险综合评价体系——基于主成分与因子分析

多维数据在建模过程中，会出现很多问题，在基于logit模型的客户信用风险预测一文中，有谈到关于变量降维的几种方法：（1）基于经验，简单但主观性很强；（2）基于变量的统计显著性，模型上可靠但未必实务上可用；（3）变量规约，即用因子分析、主成分分析等方法将多个变量分解或合成为少数几个聚合因子。

之前用的是（1）和（2），这篇文章讨论第三种：主成分分析与因子分析。首先解决两个问题。

• 什么是主成分分析与因子分析

同：都是统计降维方法，将多个变量浓缩为少数几个新变量（主成分或因子）
异：浓缩方法不同，主成分分析是将原变量进行聚合，新变量（主成分）表示为原变量的线性组合；因子分析是将原变量进行结构，原变量表示为新变量（因子）的线性组合。

• 主成分分析与因子分析有什么用？

（1）对解释变量进行降维处理，输出值作为下一步的输入值，作为其它建模过程的准备部分。
（2）直接作为建模主体，构建指标评价体系。

下面通过一个案例加以说明。
背景与上一篇文章相似，我们依然希望通过一些变量和数据建立起客户（银行）的风险评估体系&#