In Table 2 the correlation analysis

In Table 2 the correlation analysis is repeated for two differentcredit grades: A and D. This demonstrates how different the two creditgrades are from each other. Now that the aggregate credit informationvariable is already taken into account in the data sampling itself, wecan see that the decision variables become much more important. Thecorrelations of the ‘amount’ and the ‘starting rate’ are now relativelyhigh. The correlations of the ‘funding option’ and the ‘duration’ seemto remain at a low level. Note that the number of observations inTable 1 is different across attributes. For example, the ‘Debt to Income’attribute was not calculated in cases where income was not reported,or it was zero.Now that the samples already contain information about the creditgrade, the correlations of the rest of the credit information variablesare significantly lower. It would seem that the ‘debt-to-income ratio’would have the highest correlation with success of the listing within acredit grade. ‘Homeownership’ seems to be problematic. In creditgrade A there is no correlation at all. In credit grade D the correlation isnegative, which is counter-intuitive. Owning a house seems tonegatively affect the borrower's chances of getting the loan funded.Because of this inconsistency, this variable was omitted.1 Apparently,the delinquency related credit information variables seem to havesome correlation with the success of the listing, but this time the‘current delinquencies’ are more heavily emphasized. The ‘amountdelinquent’ and ‘delinquencies last 7 years’ seem to underperform the‘current delinquencies’ throughout the data. The last credit informationvariable, the ‘income’, behaves very inconsistently. In credit gradeA the correlation is very small but positive. In credit grade D thecorrelation is negative, which is again counter-intuitive. It could bethat people expect borrowers with high income to manage theirfinancial situation better than credit grade D implies. The correlationof the income variable is relatively low, perhaps because the income isself-reported and possibly inaccurate.Based on this analysis the most influential variables are the‘starting rate’, ‘amount requested’, ‘credit grade’, ‘debt-to-income ratio’ and ‘current delinquencies’.2 The development of the borrowerdecision aid was designed with this set of variables.

結果 (繁體中文) 1:

在表2中重複進行相關性分析了兩個不同的
信用等級：A和D.這體現了兩國的信用如何不同
檔次彼此。現在，信貸總規模的信息
變量已經考慮到了數據採樣本身，我們
可以看到，決策變量變得更加重要。所述
的“量”和“起始速率'的相關性，現在是相對
高的。在“資助選項”和“時間”的相關性似乎
保持在一個較低的水平。注意觀察在數
表1是跨不同的屬性。例如，“債務與收入”
屬性未在未申報的收入情況來計算，
或者是零。
現在，採樣已經包含有關信用信息
分級，信用信息變量的其餘部分的相互關係
是顯著降低。這似乎是“債務-收入比”
將有一個內上市成功，相關度最高
的信用等級。“擁有住房”似乎是有問題的。在信用
A級有完全沒有相關性。在信用等級d的相關性為
負，這是反直覺的。擁有一所房子，似乎
得到資助貸款的借款人的機會產生負面影響。
由於這種不一致的，這個變量是omitted.1顯然，
拖欠相關信用信息的變量似乎有
隨著上市的成功一定的相關性，但這次的
“當前拖欠”更著重強調。在'量
拖欠“和”拖欠過去7年似乎跑輸
整個數據“當前拖欠”。最後的信用信息
變量，在“收入”，表現很不一致。在信用等級
A中的相關性非常小，但積極的。在信用等級d的
相關係數為負，這又是違反直覺的。這可能是
人們所期待的高收入借款人管理其
優於信用等級d意味著財務狀況。相關
收入變量是比較低的，也許是因為收入
自我報告的並且可能不準確。
在此基礎上分析，最有影響力的變量是
“開動率”，“款要求”，“信用等級”，“債務收入比”和“當前delinquencies'.2借款人的發展
決策輔助設計與這組變量。

結果 (繁體中文) 2:

在表 2 中，對兩個不同的
學分：A和D。這說明了兩個信用點的不同
成績是相互的。現在，總的信用資訊
變數已經考慮到資料採樣本身，我們
可以看到決策變數變得更加重要。的
"金額"和"起始率"的相關性現在相對比較
高。"融資選項"和"持續時間"的相關性似乎
保持在低水準。請注意，在
表 1 的屬性不同。例如，"債務到收入"
屬性未計算在未報告收入的情況下，
或者是零
現在，示例已包含有關信用的資訊
等級，其餘信用資訊變數的相關性
顯著較低。似乎"債務與收入比率"
將有最高的相關性與成功上市內
信用等級。"房屋擁有權"似乎存在問題。以信用
A級根本沒有相關性。在信用等級 D 中，相關性為
負，這是違反直覺的。擁有一所房子似乎
對借款人獲得貸款的機會產生負面影響。
由於這種不一致，這個變數被省略了。
拖欠相關的信用資訊變數似乎有
與上市的成功有一定的相關性，但這次
"當前違約"受到的強調更為嚴重。'金額
拖欠"和'拖欠7年'似乎表現不佳
整個資料的"當前拖欠"。最後的信用資訊
變數，"收入"，其活動非常不一致。在信用等級
A 相關性很小，但呈正數。在信用等級 D
相關性為負，這再次有悖常理。可能是
人們期望有高收入的借款人管理他們的
財務狀況好于信用等級D暗示。相關性
收入變數是相對較低的，也許是因為收入是
自我報告，可能不准確。
根據此分析，最具影響力的變數是
"起始利率"，"請求金額"，"信貸等級"，"債務收入比"和"當前拖欠"。
決策輔助是用這組變數設計的。

結果 (繁體中文) 3:

在錶2中，對兩個不同的
學分：A和D。這說明這兩個學分有多不同
成績是互相的。現在總的信用資訊
在數據採樣本身中已經考慮了變數，我們
可以看出決策變數變得更加重要。這個
“金額”和“起始利率”的相關性現在相對而言
很高。“融資選擇權”和“期限”的相關性似乎
保持在低水準。注意，在
錶1是不同的内容。例如，“債務對收入”
在沒有報告收入的情况下沒有計算内容，
或者是零。
既然樣本已經包含了信用證的資訊
等級，其餘信用資訊變數的相關性
顯著降低。似乎“債務收入比”
與上市成功的相關性最高
信用等級。“房屋所有權”似乎有問題。賒帳
甲級根本沒有相關性。在信用等級D中，相關性為
否定，這是違反直覺的。擁有一棟房子似乎
對借款人獲得貸款的機會產生負面影響。
因為這種不一致，這個變數被省略了。1顯然，
與拖欠有關的信貸資訊變數似乎有
與上市的成功有些關聯，但這次
“當前的拖欠”被更加強調。“金額”
“拖欠”和“過去7年的拖欠”的表現似乎不如
整個數據中的“當前拖欠”。最後的信用資訊
變數，即“收入”，表現得非常不一致。信用等級
A相關性很小，但正相關。D級學分
相關性是負的，這又是違反直覺的。可能是
人們希望有高收入的借貸者
財務狀況好於信用等級D所暗示的。相關性
收入變數相對較低，可能是因為收入
自我報告，可能不準確。
基於這種分析，最有影響的變數是
“起始利率”、“申請金額”、“信用等級”、“債務與收入比率”和“當前拖欠”。2借款人的發展
決策輔助是用這組變數設計的。