4. PSI 手动计算实战（一）：使用 Excel 进行单特征 PSI 计算

本章将带领你使用 Excel 完成一次完整的单特征 PSI 计算。通过手动分箱、计算占比和最终 PSI 值，你将深入理解 PSI 的每一个计算环节，为后续自动化实现打下坚实基础。

4.1 实战背景与数据集

假设我们监控一个信贷评分模型中的关键特征 “收入等级”（分为 A、B、C、D 四个等级）。我们收集了模型开发时的预期分布（训练集）和当前生产环境中的实际分布（近期样本）。

4.2 第一步：分箱（Binning）

PSI 计算要求将特征划分为若干个互斥的箱（Bin）。对于类别型特征，每个类别天然就是一个箱。对于连续型特征，需要先进行等距分箱、等频分箱或基于业务阈值的分箱。

在本例中，“收入等级”已经是离散类别，因此我们直接使用 A、B、C、D 四个等级作为分箱结果。如果特征值出现预期分布中不存在的类别，需要将其归入“其他”箱，以保证分箱结构一致。

4.3 第二步：计算实际占比与预期占比

在 Excel 中，我们为每个箱计算两个关键指标：

• 预期占比（P_i）： 该箱预期样本数 / 总预期样本数
• 实际占比（A_i）： 该箱实际样本数 / 总实际样本数

在 Excel 中，假设数据从第 2 行开始，B 列为预期样本数，C 列为实际样本数，则公式如下：

// 预期占比（D2 单元格）
= B2 / SUM($B$2:$B$5)

// 实际占比（E2 单元格）
= C2 / SUM($C$2:$C$5)

将上述公式向下填充至所有箱，得到完整占比表：

4.4 第三步：计算 PSI 值

PSI 的数学公式为：

PSI = Σ (A_i - P_i) × ln(A_i / P_i)

在 Excel 中，为每个箱计算中间值（F 列），然后求和：

// 单个箱的 PSI 贡献（F2 单元格）
= (E2 - D2) * LN(E2 / D2)

// 最终 PSI 值
= SUM(F2:F5)

计算过程与结果如下：

4.5 PSI 计算流程总览

下图展示了从原始数据到最终 PSI 值的完整计算链路：

4.6 结果解读与预警阈值

计算得到的 PSI 值为 0.0325。根据行业通用标准：

• PSI < 0.1： 无显著漂移，特征分布稳定。
• 0.1 ≤ PSI < 0.25： 轻度漂移，建议调查原因并加强监控。
• PSI ≥ 0.25： 严重漂移，需要立即采取行动，如模型重训或特征工程调整。

本例 PSI 远低于 0.1，表明“收入等级”特征在近期生产环境中的分布与训练集基本一致，模型在该特征上的表现预计保持稳定。