第三步，除了chi-square test和IV值還有變量相關性。相關性太嚴重會違背獨立假設，當然做預測的話違背可以原諒。但變量太多的時候***線性嚴重可能導致軟件報錯進行不下去（猜題主用的SAS）。此外business sense常常起決定性作用。比如客戶關系管理中，如果模型顯示年齡貢獻度很低，壹般還是會把它放進去。
第四步，檢驗的參數。
1) c統計量，ROC曲線以下的面積，也叫AUC（area under curve）。在應用較成熟的領域比如信用卡評分行業有稍微形成***識——大於或等於0.75——認為行為評分模型是可靠的。但針對marketing等其他領域的數據，這個閾值可以商榷。
2) Gini系數，可以同c統計量轉化，G=2c-1。
3) 提升圖（lift chart/gain table），其他名詞累積提升圖/洛侖茲曲線/收益曲線說的幾乎同壹種東西。通過和隨機選擇的效果比較模型好壞，隨機就是不用模型。如果對目標數據已經建好了壹小撮模型，可以畫不同模型的提升效果來比較選最佳。
4) ks，響應變量0-1的曲線對比，二者之差畫條線就是ks曲線。它的意義是模型把0和1區分開的能力。又比如marketing，前25%的人是預測的響應客戶群，對這壹群體進行精準營銷既有效果又省成本。20～40參考壹下就行。
最後，模型和參數實際意義還是要想想吧。很多人覺得logistic regression太簡單，卻連解釋都不做，只壹味看參數。看看出來的odds ratio和probability，既能給大眾解釋又不忘建模初衷。