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，那么怎么样选择这些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。

例如下雨的几率为0.25，不下雨的几率为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几率比为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(违约几率)的某种波及，因此可以大自然地将自变量从头开始编码：当自变量取值Ai时，编码为相对应的WOEi。

IV information value 消息值。

IV=sum((p1-p0)*log(p1/p0)) 。

IV值可以用来衡量各变量对y的预测实力，用来筛选变量。

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可以研究各个level间的跳转对odds的提高是否是线性的。而IV值可以衡量变量全体的预测实力。

对连续变量而言，可以通过将连续变量进行分箱的适合，可能是等距分箱，可能是等频分箱，往往一般选后者。此时此刻WOE和IV坐拥和 离散型变量一样的意义。