变量选择方法_工具变量的选择必须满足的条件

变量选择方法_工具变量的选择必须满足的条件 就是选择X可能模型的入参有很多X，那么如何选择这些X？

---

WOE weight of evidence 证据权重。

这里就顺道说下odds ratio (OR值)的概念：odds 优势比。

比如下雨的概率为0.25，不下雨的概率为0.75。

0.25与0.75的比值可以约分为1比3。

因此，我们可以说今天将会下雨的优势比为1:3(或者今天不会下雨的概率比为3:1)若是风控模型，病例组就是正样本，对照组就是好样本。

WOE=ln(BI/BT / GI/GT)*100%=ln(p1/p0)= ln(BI/GI / BT/GT)=ln(oddsi / oddsT)p1和p0分别表示了违约样本与正常样本占各自总体的比例;可以认为WOE衡量了自变量取Ai时的违约险算比(oddsratio)与总体违约险算比之间的某种差异。

正因为如此，直观地可以认为WOE蕴含了自变量取值对目标变量(违约概率)的某种影响，因此可以自然地将自变量重新编码：当自变量取值Ai时，编码为相应的WOEi。

---

IV information value 信息值。

IV=sum((p1-p0)*log(p1/p0)) 。

---

IV值可以用于衡量各变量对y的预测能力，用于筛选变量。

对离散型的变量，如 一线城市、二线城市；博士、硕士等学历变量。

woe可以观察各个level间的跳转对odds的提升是否是线性的。

而IV值可以衡量变量整体的预测能力。

对连续变量而言，可以通过将连续变量进行分箱的合理，可能是等距分箱，可能是等频分箱，一般选后者。

此时WOE和IV拥有和 离散型变量同样的意义。