從還款方式看，等額本金還款法更容易發生提前還款現象；從貸款價值比（LTV）看，提前還款組LTV均值為40.51%小於正常還款組的40.77%。
從房產特征來看，單位房價越高越容易發生提前還款現象；從區域特征來看，房價越高提前還款現象越明顯。
六、因子賦值
本文中在用因子分析法提取因子時，我們選用了SPSS
16.0軟件中的主成份分析法，采用方差解釋度大於85%的原則來選取因子的個數，共抽取了9個因子。
接著對提取出來的9個因子進行賦值，記為Fi（i=1，2，…，8）。在給因子賦值之前首先要對原始變量進行標準化，然後將標準化後的原始變量矩陣乘以因子得分係數矩陣即得到賦值後的因子分值。
同時由表三我們可以看出，在因子1中，貸款金額、貸款餘額、住房麵積對因子1的貢獻度最大，具有最強的解釋力，其次是年齡、月還款額占家庭收入比例、還款方式、貸款價值比和住房總價值對因子1的貢獻度較大，而其因子的分析同理。
至此得到了新的因子變量，這些因子變量包含了原先19個變量的絕大部分信息，同時又避免了原始變量的多重共線性問題，為後麵的判別分析奠定了基礎。
七、判別函數
應用判別分析，可以研究各變量對個人住房抵押提前還款風險的影響方法和影響程度，進而達到判別未知分類貸款可能所屬類別的目的。
判別函數的一般形式是：
Y=a0+a1x1+a2x2+a3x3+…+anxn
其中，Y為判別值；x1，x2，…，xn為反映個人住房抵押貸款違約特征的變量；a1，a2，a3，…an為各自變量的係數，即判別係數。
Y=a0+a1x1+a2x2+a3x3+…+anxn
判別函數分析的程序是先將所研究的樣本分為違約貸款組和正常貸款組，根據“組內離散性最小、組間離散性最大”的原則建立判別函數來對未知分組屬性的樣本的可能歸屬進行判別。
八、判別結果
根據判別分析，可以得出這樣的結論：借款人財務狀況越好，提前還款的可能性越大。月還款額占家庭收入比例越高、貸款期限越長、貸款運行期數越長、單位房價越高，個人住房抵押貸款提前還款可能性越大。房價指數越高，提前還款可能性越大。男性、收入穩定者、受教育程度越高越傾向於提前還款。家庭收入越高，越容易發生提前還款現象。等額本金還款法更容易發生提前還款現象。已婚借款人較未婚借款人提前還款的可能性較大。貸款利率越高，提前還款可能性越大。本地人提前還款的可能性大於外地人。
【參考文獻】
[1] 劉洪玉、孫冰：個人住房抵押貸款提交還款風險因素實證研究[J].同濟大學學報（自然科學版），2007（1）.
（責任編輯：趙小茜）