预期新顾客.ppt

12.為了進行假設檢定，我們將比較依據回應率和被核准的可 能性，使用同步回應和核准模式。我們區隔整個樣本為估 計樣本和支持樣本。 13.我們使用估計樣本的模型去定義支持樣本的模型。例如， 使用回應可能性的估計模型去計算支持樣本回應的數量。 1.第一種模式的重點是由之前討論的家庭信譽和其他生活模 式的特點求出一個其家庭回應的機率。 2.用一個binary probit formulation，我們建立模式估計樣本 7854戶家庭中有3844個家庭對產品有回應。 3.家庭收入低和有較低的抵押貸款申請人在35至64歲間 更可能作出回應。 4.婚姻狀況和家庭中兒童的數目對於產品的回應結果並 不顯著。 5.企業主管和中階管理人員（經理）也不太可能回應。 一種可能的解釋是職業在樣本中是一個不適合的變數。 6.抵押貸款因素所產生的影響清楚地說明逆選擇。較差的貸 款績效、提供較高比例的信貸、更多的調查、較短的信貸 歷史、更多之前付款問題，這些指標都和回應的機率呈現 正相關。 7.受訪者比較不會接受新的銀行卡，可能是因為該銀行的信 貸經驗不夠多。 －利用這些結果，我們預測支持樣本(3856戶)的回應率。 我們將每個家庭進行排序。預計前1/10的消費者將最有 可能回應提供的產品。 8.因為我們有這些家庭實際的反應數據和核准數據，我們可 以研究反應導向選擇模型如果被用來評分堅持樣本的概況 績效會如何。 根據逆選擇，選擇觀點根據回應的結果可預見的高反應率 但低的批准率。 1.透過3844個回應的觀察值，從其中篩選出可以核准的人。預測可否 核准的要素，主要是收入、信用、和抵押貸款相關的變數。 2.申請人收入較高、有良好的付款記錄者比較有可能被核准。 3.我們使用第二個模型的結果估計核准的機率，在支持樣本中 有1870個家庭有回應。將有回應的家庭進行排序，發現前十 分之一的樣本最有可能被核准。 5.利用實際核准的數據作為驗證樣本。如果我們只考慮回應 的顧客，核准率為前3/10的樣本（ 62 ％ ）是比其餘的申請 人核准的比率（ 32 ％ ）更大。 6.根據管理者的經驗，管理者認為將會回應的家庭並不一定 會有回應。 1.為了確定誰會回應我們並獲得核准，我們需要考慮兩個 依變數：反應和核准。在這裡根據probit model formulations 來估計： 2.X1和X2是描述個人家庭，包括信譽、收入、抵押貸款和 生活方式的特徵等等。依變數R是觀察消費者是否有回應。 依變數A是觀察是否被核准。 1.我們要結合這兩個結果去確認各個家庭是否會有回應並且核 准，其假設如下： P(R = 1 and A = 1) = Φ2(B1X1, B2X2, ρ) 2. Φ2是一個標準常態累積的雙變數，B1和B2是估計等式一的 參數，而ρ關聯之間的誤差項。項目X1和X2用來預測回應 以及核准。 3.在他們之間的雙變數Probit模型反應係數有小部分的差異， 但這些差異是微不足道的。 4.我們發現兩個等式間的誤差項在統計學上是不顯著的 (ρ = .062, p .83)。這暗示了估計係數核准模型是沒有 偏差的。 5.此結果證實了兩個研究發現： (1)在比較核准模型的係數和回應並核准模型同時存在情況 的係數後，我們發現有幾個係數是有些微差異的。 (2)我們發現透過個別的回應改善雙變數Probit模型的適合度 和核准的Probit模型是沒有顯著差異的。 6. 評估反應模型和核准模型的等式一係數其結果是不顯著 的。但若使用等式二來評估的話會產生不同的結果。 7.兩模型同時討論的結果對公司來說會是最好的。 8.為了確定回應和核准模型的預期，我們利用等式一的估 計係數放入等式二中。 9.在所有家庭的前十分之一最有可能做出回應並且被核准。 10.回應比率為60%，低於公式二回應的可能性(72%)；核准 比率為41%，低於公式二被核准的消費者上(62%)。 11.整合的結果顯示有大多數為核准的，這個結果是支持H1a 的；此外，兩種情況同時存在的結果發現少有拒絕的消費 者，這是支持H1b的情況。 1.評估兩種情況的選擇預期之財政影響，這需要同時考慮其他 相關的利益。 2.此分析的假設 (1)我們要確認前30%的預期 (2)我們假設所有的成本單位適用於所有的消費者。 3.以擔保貸款的產品為例，平均的房屋貸款大概是$