Page 78 - 信用評等模型12堂課-以消費金融為例

64

非
、
羅吉
線
(Discriminant Analysis) 建 立 模型可 運 用的方 性 迴歸 法 (Linear regression) 常多，如 區別 、 分析
斯迴歸 (logistic regression) 及分 類 樹 (Classification Trees)
等 統 計方 法 ；或是 類 神 經 網路 (Neural Networks) 、 基 因 演算
法 (Genetic Algorithms) 及專家 系統 (Expert Systems) 等 非
統 計方 法 。

在實 務 運 用上， 選擇 線 性 迴歸 或 羅吉斯迴歸 來建構評分

模 式 ，在模 式 實 行 上成本較低也較 快速 ，是模型研發人 員最
常 選 用 之 方 式 。
迴歸 分析 起 始於 19 世 紀 末 ， 學 者高 登 (Gorden) 發表一

項 他 所做有關利用 父母 身 體特徵 去 預測 子女 身 體特徵 的研 究

成 果 。 他 在 文 獻 中 首 度使用「 Regression 」來表示 父母 身高
對 子女 身高的影響 效應 ，因此，利用一個或多個 變 數欲 預測
另 一 變 數 的方 法 稱 「 迴歸 分析」。 易言之 ，利用一個 解 釋 變

數 (Independent Variable ，或 稱 「 自變 數 」 ) 去 描 述 或 預測

反 應變 數 (Dependent Variable ，或 稱 「因 變 數 」 ) 所建 立 的
迴歸 模 式 稱 為「 簡 單 迴歸 」 (Simple Regression) ； 若 利用多
個 變 數 去 預測 一個反 應變 數 ，則所建 至 於「 立 的 迴歸 模 式 稱 為「 複

(Multiple Regression)
羅吉斯迴歸
。
(Logistic
迴歸
」
」
釋
解
去
Regression)
變
則是為了利用多個
好 / 壞 等，而建 立 的 迴歸 數 模型。 預測 一個 二 元事
件
，例如是
/
、
否