3. 样本偏差对模型的影响：过拟合与欠拟合、AUC与KS失真、模型泛化能力下降、业务决策错误

样本偏差并非仅仅是一个数据预处理问题，它会像“病毒”一样渗透到模型开发的各个环节，最终导致模型失效。理解偏差如何具体影响模型性能，是进行有效校准的前提。本章将系统剖析样本偏差引发的四大核心问题。

3.1 过拟合与欠拟合：偏差导致的学习失衡

样本偏差会直接破坏模型训练集与真实分布之间的一致性，导致模型在学习过程中出现两种极端情况：

• 过拟合（Overfitting）：当训练样本存在选择性偏差（例如只包含高信用人群）时，模型会过度学习这些特定样本的噪声和细节，而忽略了真实世界中更广泛的模式。模型在训练集上表现极好，但在包含“未见过的”低信用人群的测试集上表现急剧下降。
• 欠拟合（Underfitting）：当样本偏差导致信息量不足（例如样本量过小或特征分布严重扭曲）时，模型无法捕捉到数据中的有效规律。模型在训练集和测试集上表现均不佳，无法区分好坏客户。

3.2 AUC与KS失真：评估指标的“虚假繁荣”

AUC（Area Under the ROC Curve）和 KS（Kolmogorov-Smirnov）是风控模型最常用的两个评估指标。然而，当样本存在偏差时，这两个指标会严重失真，给模型评估带来误导。

3.3 模型泛化能力下降：从“实验室”到“战场”的失效

泛化能力（Generalization Ability）是指模型在未见过的、真实分布的数据上做出准确预测的能力。样本偏差是泛化能力的头号杀手。其影响路径如下：

1. 训练分布偏移： 模型在偏差样本上学习到的决策边界，与真实分布下的最优决策边界存在系统性偏移。
2. 特征重要性扭曲： 偏差样本可能导致某些特征的重要性被高估或低估。例如，在只有高收入人群的样本中，“收入”这一特征可能无法有效区分好坏客户，导致模型错误地降低了其权重。
3. 决策阈值失效： 模型在偏差样本上确定的最优评分卡切分点（cut-off），在真实样本上可能完全失效，导致通过率或坏账率失控。

3.4 业务决策错误：从模型失效到真金白银的损失

上述所有技术层面的影响，最终都会传导至业务层面，造成直接的经济损失和战略误判。以下是样本偏差导致业务决策错误的典型场景：

业务决策错误的具体表现包括：

• 审批策略失误： 通过率过高导致坏账激增，或通过率过低导致业务萎缩。
• 额度定价错误： 对高风险客户给予过高额度，对低风险客户给予过低额度，无法实现风险与收益的平衡。
• 催收策略失效： 无法准确识别逾期客户的真实风险等级，导致催收资源错配。
• 客群结构恶化： 模型持续拒绝某类客群，导致存量客群结构单一，风险集中度升高。