信用评级中多类别分类自变量的类合并方法研究

信用评级建模中,当多个分类变量的类别较多时会给模型的估计和预测造成较大影响,因此需要对多类别的分类变量进行预处理。结合连续数据离散化的方法,提出基于Fisher精确检验、CACM准则和ACACM准则的有监督类合并方法。分别采用模拟数据和真实的小微企业信贷业务数据对所提出的方法进行分析,结果表明,对多类别的分类变量进行有效的类合并处理不仅有利于简化模型参数,而且有利于提高信用评级模型的分类效果。