商业银行信用卡业务的风险及防范(13)
时间:2017-02-08 21:35 来源:毕业论文 作者:毕业论文 点击:次
模型(5﹒2)的解释： a) 从0.878007提高到0.902027， 从0.872816提高到0.895637，说明拟合优度确实有所提高。 b) 因为虚拟变量Sex=1时，表示的是男性，而且sex的系数也为正，这两点说明了在总体上，男性比女性的逾期还款天数要多，也就是男性违约的可能性更大一些。 5.6 包含一个两分定性变量，一个四分定性变量，两个定量变量的回归估计模型 假设该模型如下： 个体、中小民企： =0， =0， =1 中小国企、大型民企： =1， =0， =0 大型国企、外企： =0， =1， =0 军队事业机关： =0， =0， =0 用Eviews软件作回归模型分析见表4。 表4 Eviews输出结果 从上述结果中可以看出， ， ， 的系数都没有通过t检验。虽然 =0.905163比模型（5﹒2）的 =0.902027大了一点，但是 =0.891930比模型（5﹒2）的 减小了。说明只是因为解释变量的增加使得 提高了，模型的拟合优度并没有改进。所以，单位类型这个风险因素不应该加入到客户信用卡评分模型中。 综合上述估计过程，选用模型（5﹒2） 作为客户信用卡评分模型。 5.7 模型的检验及模型变量解释 5.7.1 模型检验 a) 自相关检验。D．W.有所提高。查表得 = 1.46， =1.63,4－ =2.37，因为D.W.=2.191348， <D.W.< 4－ ,则无自相关，DW通过自相关检验。 b) 检验多重共线性： (1)通过相关系数来检验，见表5。 表5 Correlation Matrix FAGE CREDIT SEX FAGE 1.000000 -0.353003 -0.080769 CREDIT -0.353003 1.000000 -0.228540 SEX -0.080769 -0.228540 1.000000 这三个解释变量两两的相关系数都是负数，说明它们两两都呈负相关。 (2) 较高，t值也很显著。不满足多重共线性的“经典特征”。 综合（1）（2）基本可以说明模型的多重共线性程度比较轻，没有对参数估计产生严重后果。 (责任编辑：qin) |