Modelación con regresión para análisis de otorgamento de crédito

Resumen

Con el avance del Big Data y el creciente número de grandes masas de datos en las más diversas áreas de estudio, las técnicas de minería de datos se vuelven cada vez más necesarias para obtener información estadística precisa y robusta. Este estudio tuvo como objetivo mostrar la eficiencia de la regresión logística como técnica de minería de datos en la obtención de un modelo útil y estadísticamente efectivo en el análisis de clientes para el otorgamiento de crédito bancario. Los datos provienen del repositorio de aprendizaje automático de la Universidad de California-Irvin UCI. La base de datos se dividió en dos grupos: entrenamiento y prueba. El modelo ajustado se seleccionó mediante el método stepwise en el programa R. El modelo cumplió con las expectativas de bondad de ajuste, con una precisión de aproximadamente 72% en discriminar clientes no morosos de no morosos, sensibilidad de 87% de los 140 no morosos. -clientes morosos, el modelo fue correcto 122 y especificidad del 38%. La curva ROC tenía un área de 0.847, sugiriendo un ajuste efectivo.