In this section we identify the mos

In this section we identify the most important variables that affectthe success probability of the listing by using pair wise correlationtests. In order to perform the tests some of the variables had to betransformed. The most important transformation was done to the‘Status’ variable. This was transformed into a dummy variable. Thestatus ‘completed’ was entered as 1 and ‘expired’, ‘withdrawn’ and‘cancelled’ as 0. We do not know the reasons behind the borrower'swithdrawal decision. However, the number of withdrawn listings isvery significant, up to 30% of all listings. Therefore, we cannot excludethem all. It seems that a great majority of these listings has beenwithdrawn because of lack of interest by the bidders. Only 1% of allwithdrawn listings were fully funded. Apparently, some people do notwant to see their listing expire, if the bidders show only little interestin it. They would rather withdraw it and create a new listing withdifferent listing parameters. In total, there were 140,265 borrowerswho made listings on Prosper.com. Of these people, up to 67,297(48%) had multiple listings. Most of the people who made multiple listings had done so because their first listing did not get funded. Up to77% of the people who had made multiple listings had at least oneunsuccessful listing. This further underscores the point that theborrowers could really use a strategic decision support tool, whichwould help them in finding the right listing parameters the first time.For this part of the study, the credit grade scale AA–HR wastransformed to numbers between 1 and 7. This is an unorthodox wayof describing the credit grade, because the credit grade is ordinalscaled, not interval scaled as 1–7 would suggest. Later, this problemhas been solved by calculating each credit grade individually, but thisscaling allows easy preliminary examination. The funding option wastransformed into a dummy variable so that “Open for duration” wasentered as 1 and “Close when funded” as 0. The same approach wasused with the variable ‘homeownership’.

結果 (繁體中文) 1:

在本節中，我們找出影響最重要的變量
使用成對的相關上市的成功概率
測試。為了進行測試的一些變量必須
改變。最重要的轉變是為了在
“狀態”變量。此轉化到一個虛擬變量。在
“已完成”狀態被輸入為1和'過期'，'退出'和
'取消'為0。我們不知道借款人的背後的原因
撤軍決定。然而，撤銷上市數量是
非常顯著至全部房源的30％。因此，我們不能排除
他們所有。看來，絕大部分這些房源一直
由於缺乏投標人支取本金利息。所有的只有1％的
撤銷列表進行充分的資金。顯然，有些人不
希望看到自己的上市到期，如果投標人只表現出一點興趣
在裡面。他們寧願收回，並創建一個新的上市
不同的上市參數。在總共有140265借款人
誰上Prosper.com做上市。這些人當中，高達67297
（48％）有多個列表。大多數誰做多個列表的人已經這樣做了，因為他們的第一款上市並沒有得到資助。截至
誰取得了多重上市的人的77％至少有一次
不成功的上市。這進一步強調了一點，在
借款人能夠真正使用的戰略決策支持工具，這
將有助於他們找到列出參數在第一時間正確的。
在研究的這一部分中，信用等級規模AA-HR被
轉化為數字1和7這是一個非正統的方式之間
描述信用等級，這是因為信用等級順序
按比例，而不是間隔縮放為1-7將建議。後來，這個問題
已經通過分別計算每一個信用等級得到解決，但這個
比例可以輕鬆初審。這些資金選項被
改造成一個虛擬變量，使“開放的時間”被
輸入為1和“關閉時，資助”為0是一樣的方法
與變量“擁有住房”使用。

結果 (繁體中文) 2:

在本節中，我們將確定影響
使用對智相關性列出成功的概率
測試。為了執行測試，一些變數必須
轉化。最重要的轉變是
"狀態"變數。這被轉換成一個虛擬變數。的
狀態"已完成"被輸入為 1 和"過期"，"已撤回"和
"已取消"為 0。我們不知道借款人的原因
撤回決定。但是，已撤銷的清單數量為
非常重要的，高達30%的所有上市。因此，我們不能排除
他們所有。看來，這些上市的絕大多數已經
因投標人缺乏興趣而撤回。只有1%
撤銷的上市資金充足。顯然，有些人不
希望看到他們的上市到期，如果投標人只顯示很少的興趣
在它。他們寧願撤回它，並創建一個新的上市
不同的清單參數。共有140，265名借款人
誰在Prosper.com上市。其中多達67，297人
(48%)有多個清單。大多數多次上市的人之所以這樣做，是因為他們的第一次上市沒有得到資金。最多
77% 的人誰做了多個上市至少有一個
不成功的清單。這進一步強調了以下觀點：
借款人可以真正使用戰略決策支援工具，這
這將有助於他們在第一時間找到合適的清單參數。
在研究的這一部分，信用等級等級AA_HR是
轉換為介於 1 和 7 之間的數位。這是一種非正統的方式
描述信用等級，因為信用等級是正號
縮放，而不是將間隔縮放為 1-7。稍後，此問題
已通過單獨計算每個信用等級來解決，但
縮放允許輕鬆進行初步檢查。供資方案是
轉換為虛擬變數，以便"持續時間開放"是
輸入為 1，將"資金到位時關閉"輸入為 0。同樣的方法是
與變數"房屋擁有權"一起使用。

結果 (繁體中文) 3:

在本節中，我們將確定影響
利用成對相關法計算上市成功概率
測驗。為了執行測試，一些變數必須
轉化。最重要的轉變是
“Status”變數。這被轉換成一個虛擬變數。這個
狀態“completed”輸入為1，“expired”、“revacted”和
“已取消”為0。我們不知道借款人
撤回决定。然而，撤回上市的數量是
非常重要，高達所有上市公司的30%。囙此，我們不能排除
全都是。似乎這些上市公司中的絕大多數
因投標人不感興趣而撤回。只有1%
撤回上市的資金全部到位。顯然，有些人不會
希望看到他們的上市到期，如果競標者只表現出很少的興趣
在裡面。他們寧願撤回並創建一個新的
不同的清單參數。總共有140265名借款人
他在Prosper.com上上市。其中67297人
（48%）有多個上市公司。大多數多次上市的人之所以這麼做，是因為他們的首次上市沒有獲得資金。高達
77%的多次上市的人至少有一次
上市失敗。這進一步強調了
借款人可以真正使用一個戰略決策支持工具
有助於他們第一次找到正確的清單參數。
在這部分的研究中，AA-HR的信用等級是
轉換為1到7之間的數位。這是一種非正統的管道
描述信用等級，因為信用等級是有序的
按比例縮放，而不是按1-7的間隔縮放。後來，這個問題
已經通過單獨計算每個學分來解决了，但是
縮放可以方便地進行初步檢查。資金選擇是
轉換為虛擬變數，以便“持續打開”
輸入為1，“資金到位時關閉”為0。同樣的方法是
與變數“房屋所有權”一起使用。