（一）信貸客戶拖欠貸款的可能性的預(yù)測一、Logistic模型構(gòu)建結(jié)果1可以從上述表中看出的信息主要有：第一個(gè)表，共有850條記錄，有效記錄700條，缺失700條；第二個(gè)表，因變量default的取值為“Yes”（拖欠貸款）編碼為1，“No”（正常）的編碼為0；第三個(gè)表，提供了虛擬變量的代碼編號(hào)和分布情況：參照水平為“研究生”，虛擬變量為“是否高中以下”、“是否高中”、“是否大學(xué)”、“是否大?！薄６?、模型檢驗(yàn)結(jié)果2從Logistic分析初始階段（step0）的混淆矩陣及方程系數(shù)中可以看出以下信息：（1）517人實(shí)際未拖欠貸款且模型預(yù)測正確，正確率為100%（2）183實(shí)際人拖欠了貸款而模型預(yù)測為0，正確率為0%，模型總的預(yù)測正確率為73.9%。結(jié)果3：通過該結(jié)果可以了解初始階段未進(jìn)入方程的各解釋變量的情況。在下一階段教育程度若進(jìn)入方程，那么ed(2)、ed(3)、ed(4)和incom所對(duì)應(yīng)的score檢驗(yàn)統(tǒng)計(jì)量的觀測值分別為1.910，3.579，2.382，伴隨概率依次為0.167，0.059，0.123，3.526，均大于顯著性水平0.05。模型選擇了Eenter進(jìn)入方式后，本不應(yīng)該進(jìn)入的變量全部進(jìn)入方程中，模型的預(yù)測效果因此而收到了影響。結(jié)果4：當(dāng)模型采用Enter策略時(shí)，回歸方程的顯著性檢驗(yàn)結(jié)果如下：對(duì)數(shù)似然比卡方值為254.801，伴隨概率為0.000，小于顯著性水平0.05，拒絕零假設(shè)，認(rèn)為系數(shù)不全為0，解釋變量的全體與LogitP之間的線性關(guān)系顯著，因此采用該模型合適。結(jié)果5：可以從該表中得到回歸方程擬合優(yōu)度方面的指標(biāo)，-2倍的似然函數(shù)值549.564較大，擬合優(yōu)度不佳，同時(shí)NagelkerkeR^2=0.447也說明擬合優(yōu)度不佳。結(jié)果6：上述表顯示了H-L檢驗(yàn)的結(jié)果：似然比卡方值為9.187，伴隨概率為0.327，大于顯著性水平0.05，接受零假設(shè)，認(rèn)為實(shí)際值的分布與預(yù)測值的分布沒有顯著差異，可以從第二個(gè)表的到認(rèn)證。結(jié)果7：該表顯示了當(dāng)前模型的混淆矩陣：可以看出517人實(shí)際未拖欠貸款（No），模型預(yù)測為479人，正確率為92.6%；183人實(shí)際拖欠貸款（Yes），模型預(yù)測為93人，正確率為50.8%。模型總的預(yù)測正確率為81.7%，比初始相比稍有提高結(jié)果8：該表顯示了回歸方程中各系數(shù)的顯著性檢驗(yàn)指標(biāo)：ed,income,othdebt的Wald統(tǒng)計(jì)量的伴隨概率均大于0.05的顯著性水平，接受零假設(shè)，認(rèn)為這些變量系數(shù)與0無顯著性差異，與LogitP的線性關(guān)系是不顯著的，不應(yīng)保留在方程中。該模型需要重建，因?yàn)榉匠讨邪瞬伙@著的解釋變量，因此該模型不可用，需要重建。結(jié)果9：該表顯示了采用ForwardStepwise的策略下回歸方程的顯著性水平?？梢娝迫槐瓤ǚ街蛋殡S概率為0.000，小于顯著性水平0.05，拒絕零假設(shè)，認(rèn)為所有回歸系數(shù)不同時(shí)為0，解釋變量的全體與LogitP之間的線性關(guān)系顯著，因此模型是有意義的。結(jié)果10：該表顯示了回歸方程的擬合優(yōu)度指標(biāo)，-2倍對(duì)數(shù)似然函數(shù)值越大，擬合優(yōu)度越低?？梢娺@里擬合優(yōu)度不高；NagelkerkeR^2指標(biāo)也說明擬合優(yōu)度不理想。結(jié)果11：該表顯示：H-L檢驗(yàn)結(jié)果認(rèn)為樣本實(shí)際值得到的分布與預(yù)測值得到的分布無顯著差異，擬合優(yōu)度較好，與Nagelkerke的結(jié)果顯示似乎有矛盾。實(shí)際上，該結(jié)果是從統(tǒng)計(jì)檢驗(yàn)的角度得到的，而Nagelkerke僅是一般性結(jié)果。結(jié)果12：該表為混淆矩陣，四個(gè)階段完成后總的預(yù)測正確率為81.4%，相比初始有所提高。結(jié)果13：該表顯示了解釋變量的篩選結(jié)果以及回歸方程系數(shù)的顯著性檢驗(yàn)結(jié)果?？梢钥闯?，最終模型中包含了四個(gè)變量employ,address,debtinc,creddebt。這些變量的Wald觀測值的伴隨概率均小于0.05，故拒絕零假設(shè)，其系數(shù)與LogitP線性關(guān)系顯著，應(yīng)保留在方程中。結(jié)果14：該表顯示變量age,ed,ed(1),ed(2),ed(3),ed(4),income和othdebt未被引入模型，此外，當(dāng)這些變量中的某一個(gè)進(jìn)入模型時(shí)相應(yīng)的概率值就會(huì)大于顯著性水平0.05，會(huì)接受零假設(shè)，認(rèn)為這些系數(shù)與0無顯著性差異，即與LogitP的線性關(guān)系不顯著，所以不應(yīng)進(jìn)入方程。結(jié)果15：三、綜合分析總體來看，其預(yù)測的正確率可達(dá)81.4%，但仍有近20%的部分模型無法解釋，說明還有其他影響因素需要考慮。根據(jù)結(jié)果13可得方程：LogitP=-0.791-0.243employ-0.081adress+0.088debtinc+0.573creddebt該方程表明，LogitP與employ、address、debtinc、creddebt有關(guān)。Employ和address越大，LogitP越小，也即是拖欠貸款的相對(duì)風(fēng)險(xiǎn)就越小；debtinc、creddebt越大，LogitP越大，也即是拖欠貸款的相對(duì)風(fēng)險(xiǎn)越大。而LogitP與年齡、教育程度、收入以及其他債務(wù)并無太大關(guān)系。下表中PGR列為對(duì)因變量default的預(yù)測值，該表包含了缺失值的預(yù)測值，即對(duì)潛在信貸客戶拖欠貸款的可能性的預(yù)測。（二）全國各地區(qū)的年人均收入的差異性和相似性進(jìn)行研究結(jié)果1：該表顯示了7個(gè)原始變量的統(tǒng)計(jì)結(jié)果，包括均值、標(biāo)準(zhǔn)差和分析的個(gè)案數(shù)。一、前提檢驗(yàn)結(jié)果2：該表顯示了7個(gè)原始變量的相關(guān)矩陣，可以看出所有系數(shù)都大于0.3，變量間有較強(qiáng)的線性關(guān)系，適合做因子分析。結(jié)果3：該表為KMO檢驗(yàn)和Bartlett球度檢驗(yàn)的結(jié)果。KMO值為0.887，適合做因子分析；Bartlett球度檢驗(yàn)的伴隨概率為0.000，小于顯著性水平0.05，拒絕零假設(shè)，變量間有顯著的線性相關(guān)關(guān)系，適合做因子分析。二、因子提取結(jié)果4：該表給出了因子提取和因子旋轉(zhuǎn)的結(jié)果。第2欄是特征值，可以看出只有第一個(gè)變量的特征值大于1。由第4欄的累積方差貢獻(xiàn)率可以看出前三個(gè)變量的累積方差貢獻(xiàn)率已達(dá)到92，其中第一個(gè)變量的貢獻(xiàn)最大，其方差貢獻(xiàn)為78.594%。該碎石圖顯示5個(gè)因子中第一個(gè)因子的特征值很大，對(duì)解釋原始變量的貢獻(xiàn)最大，其余的特征值都小于1，我們選取三個(gè)因子。結(jié)果5：該表中第二列是根據(jù)因子分析的初始解計(jì)算出的變量共同度過，在每個(gè)原始變量的所有方差都能被因子變量解釋掉的情況下，每個(gè)變量的共同度為1；第三列是根據(jù)因子分析最終解計(jì)算出的變量共同度（指定提取三個(gè)因子的情況下）。結(jié)果6：該表為因子載荷矩陣。結(jié)果7：該表為旋轉(zhuǎn)后的因子載荷矩陣。由此可見，國有經(jīng)濟(jì)單位、集體經(jīng)濟(jì)單位、股份制經(jīng)濟(jì)單位、外商投資經(jīng)濟(jì)單位、港澳臺(tái)經(jīng)濟(jì)單位在第一個(gè)因子上有較高的載荷。聯(lián)營經(jīng)濟(jì)單位在第二個(gè)因子上有較高載荷，其他經(jīng)濟(jì)單位在第三個(gè)因子上有較高的載荷。結(jié)果8：結(jié)果9：由該表可以看出，因子F_1=0.417國有經(jīng)濟(jì)單位+0.218集體經(jīng)濟(jì)單位-0.504聯(lián)營經(jīng)濟(jì)單位+0.337股份制經(jīng)濟(jì)單位+0.463外商投資經(jīng)濟(jì)單位+0.254港澳臺(tái)經(jīng)濟(jì)單位-0.511其他經(jīng)濟(jì)單位，因子F_2和F_3同樣的方法可求得。結(jié)果10：由表顯示三個(gè)因子之間沒有線性相關(guān)關(guān)系。三、綜合評(píng)價(jià)3個(gè)因子在較大程度上反映了原始變量的大部分信息，其累積貢獻(xiàn)率達(dá)92.141%，因此可用因子的方差貢獻(xiàn)率作為綜合評(píng)價(jià)的權(quán)重，于是3個(gè)因子按各自的方差貢獻(xiàn)率加權(quán)再相加作為為綜合評(píng)價(jià)得分，其計(jì)算公式為：F=0.49F_1+0