4. 描述性统计分析：单变量分布分析、分组对比分析、坏样本率计算与趋势观察

描述性统计分析是坏样本归因的起点，也是后续建模与策略制定的基础。本章聚焦于如何通过单变量分布、分组对比、坏样本率计算及趋势观察，快速定位异常特征与高风险客群。

4.1 单变量分布分析

单变量分布分析用于观察每个特征在坏样本与全量样本中的分布形态，识别数据异常、缺失模式及极端值。常用方法包括直方图、箱线图与累积分布函数（CDF）对比。

分析步骤：

1. 数据清洗： 剔除明显异常值（如年龄为负、收入为0），标记缺失值。
2. 分布可视化： 绘制坏样本与全量样本的分布叠加图，观察形态差异。
3. 统计量计算： 计算均值、中位数、标准差、偏度与峰度，量化分布差异。
4. 分位数对比： 比较坏样本与全量样本在 5%、25%、50%、75%、95% 分位点的数值差异。

4.2 分组对比分析

分组对比分析通过将样本按关键维度（如年龄、收入、地区、产品类型）分组，比较组内坏样本率与特征分布差异，识别高风险子群。

常用分组维度：

• 人口统计学： 年龄、性别、婚姻状况、教育水平。
• 信用行为： 历史逾期次数、信用卡使用率、查询次数。
• 产品属性： 贷款金额、期限、利率、担保方式。
• 时间维度： 放款月份、还款周期、账龄。

分组对比分析流程：

1. 确定分组变量与目标变量（是否坏样本）。
2. 计算每组样本量、坏样本数、坏样本率。
3. 计算组内特征均值与标准差，对比组间差异。
4. 使用卡方检验或 ANOVA 检验组间差异显著性。
5. 标记高风险组，进入策略调整环节。

4.3 坏样本率计算与趋势观察

坏样本率（Bad Rate）是贷后策略中最核心的监控指标，定义为：

坏样本率 = 坏样本数 / 总样本数 × 100%

在实际业务中，坏样本率需结合时间窗口（如 vintage、月度、季度）进行趋势观察，以判断风险是收敛还是恶化。

趋势观察的三种常见视角：

• Vintage 视角： 按放款月份分组，观察同一批次在不同账龄下的坏样本率累积曲线。
• 月度滚动视角： 计算每月新增放款在固定观察期（如 M3+）内的坏样本率，观察月度波动。
• 账龄视角： 按当前账龄（如 1-12 期）计算各期坏样本率，识别风险爆发期。

4.4 综合应用：从描述到归因

描述性统计分析并非终点，而是为后续归因提供线索。通过单变量分布发现异常特征，通过分组对比锁定高风险客群，通过趋势观察判断风险变化方向，三者结合可形成完整的归因假设。

典型归因路径示例：

1. 单变量分析发现“近6月查询次数”在坏样本中显著偏高。
2. 分组对比显示查询次数 > 10 的客群坏样本率达 12%，远高于整体 4%。
3. 趋势观察发现该客群占比在近 3 个月持续上升。
4. 归因结论： 多头借贷客群涌入是近期坏样本率上升的主要驱动因素。