3、线性模型与逻辑回归：系数解读、特征重要性排序、置信区间

线性模型和逻辑回归，是金融风控里最基础也最常用的模型。很多人觉得它们太简单，没什么好讲的。但我做了这么多年风控，反而觉得——越简单的模型，越考验你对业务的理解深度。

今天我们就来聊聊，怎么把这两个模型的系数读透，怎么给特征排个靠谱的重要性顺序，以及置信区间到底能告诉我们什么。

3.1 线性回归的系数：别只看正负号

线性回归的系数，说白了就是「X每变化一个单位，Y平均变化多少」。但在风控场景里，这个解读要小心。

举个例子。我做过一个信贷评分卡项目，特征「年龄」的系数是0.02。乍一看，年龄越大评分越高？但仔细一想，年轻人收入低、还款能力弱，中年人收入稳定、评分高，老年人退休后收入下降、评分又低了。所以年龄和风险其实是U型关系。

线性模型默认是直线关系，你硬塞进去，系数就会失真。我建议的做法是：

• 先做分箱，把连续变量离散化
• 观察每个箱体的坏账率，确认单调性
• 如果确实单调，再用线性模型；否则考虑加入平方项或做WOE编码

3.2 逻辑回归的系数：从Logit到概率

逻辑回归输出的是概率，但它的系数解读要绕个弯。模型内部其实是在拟合Logit，也就是ln(p/(1-p))。

系数表示：X每变化一个单位，Logit值变化多少。但Logit值不好理解，我们更关心概率的变化。

我习惯的做法是：

1. 先算出基准概率p0
2. 然后算系数对应的优势比（Odds Ratio），即exp(β)
3. 最后说「X每增加1个单位，违约概率变为原来的exp(β)倍」

举个例子。假设模型里「近3个月查询次数」的系数是0.3，那么exp(0.3)≈1.35。意思是：查询次数每多1次，违约的优势比增加35%。

3.3 特征重要性排序：别迷信系数大小

很多人直接拿逻辑回归系数的绝对值来排特征重要性。嗯，这其实是个坑。

为什么？因为系数受量纲影响。你想想看，如果「收入」的单位是元，系数可能是0.0001；如果换成万元，系数就变成1了。绝对值能比吗？

我推荐几种更靠谱的方法：

方法	原理	适用场景
标准化系数	先把所有特征标准化，再比较系数	特征量纲差异大时
Wald统计量	系数除以标准误，越大越重要	考虑系数稳定性
置换重要性	打乱某个特征，看模型效果下降多少	模型已经训练好之后
SHAP值	基于博弈论，每个特征对预测的贡献	需要解释单笔预测时

我个人最常用的是标准化系数。操作很简单：

# Python示例：标准化系数
from sklearn.preprocessing import StandardScaler
import statsmodels.api as sm

# 标准化特征
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)

# 训练逻辑回归
model = sm.Logit(y, sm.add_constant(X_scaled)).fit()

# 输出标准化系数
print(model.params.sort_values(ascending=False))

这样排出来的顺序，才真正反映了特征对模型的影响力度。

3.4 置信区间：告诉你系数有多「靠谱」

系数只是一个点估计。它到底稳不稳？置信区间能回答这个问题。

置信区间越窄，说明系数估计越精确。如果区间包含0，说明这个特征可能不显著。

我曾经在一个项目中，看到「婚姻状况」的系数是-0.5，看起来已婚比未婚风险低。但一看95%置信区间，是[-1.2, 0.2]，包含了0。嗯，这个特征其实不显著，不能盲目相信系数。

在Python里，用statsmodels可以很方便地输出置信区间：

# 输出系数的置信区间
print(model.conf_int())

# 也可以合并展示
result = pd.DataFrame({
    'coef': model.params,
    'lower': model.conf_int()[0],
    'upper': model.conf_int()[1]
})
print(result)

3.5 本章知识体系

下面这张图，帮你把本章的核心逻辑串起来：

这张图把本章的三个核心内容串在了一起。你从「模型系数」出发，往左走是系数解读，往中间走是特征重要性排序，往右走是置信区间。三者结合，才能得到真正可靠的特征重要性判断。

好了，这一章就到这里。记住一句话：系数是骨架，置信区间是血肉，标准化是尺子。三者缺一不可。

---

公众号:蓝海资料掘金营，微信deep3321