GIỚI THIỆU

Khai báo thư viện

library(dplyr)
## 
## Attaching package: 'dplyr'
## The following objects are masked from 'package:stats':
## 
##     filter, lag
## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union
library(ggplot2)
library(scales)
Loan_default=read.csv("D://rstudio/code/Loan_default.csv")

df <- Loan_default %>%
select(Default, CreditScore, Income, LoanAmount, LoanTerm, LoanPurpose)

df$Default <- as.factor(df$Default)
df$LoanPurpose <- as.factor(df$LoanPurpose)

Giới thiệu về bộ dữ liệu

Bộ dữ liệu Loan Default Prediction Dataset được cung cấp trên Kaggle, gồm 255.347 quan sát và 18 biến, mô phỏng dữ liệu tín dụng tiêu dùng. Các biến bao gồm đặc điểm cá nhân (tuổi, thu nhập, nghề nghiệp), lịch sử tín dụng, thông tin khoản vay, và biến kết quả

dim(Loan_default)
## [1] 255347     18

Kiểm tra dữ liệu

colSums(is.na(Loan_default))
##         LoanID            Age         Income     LoanAmount    CreditScore 
##              0              0              0              0              0 
## MonthsEmployed NumCreditLines   InterestRate       LoanTerm       DTIRatio 
##              0              0              0              0              0 
##      Education EmploymentType  MaritalStatus    HasMortgage  HasDependents 
##              0              0              0              0              0 
##    LoanPurpose    HasCoSigner        Default 
##              0              0              0
sum(duplicated(Loan_default))
## [1] 0

Giải thích các biến

variable_description <- data.frame(
Variable = c("LoanID", "Age", "Income", "LoanAmount", "CreditScore",
"MonthsEmployed", "NumCreditLines", "InterestRate", "LoanTerm", "DTIRatio",
"Education", "EmploymentType", "MaritalStatus", "HasMortgage",
"HasDependents", "LoanPurpose", "HasCoSigner", "Default"),
Description = c("Mã khoản vay", "Tuổi khách hàng", "Thu nhập hàng năm",
"Số tiền vay", "Điểm tín dụng", "Số tháng đã làm việc",
"Số lượng dòng tín dụng hiện tại/trước đây", "Lãi suất vay (%)",
"Thời hạn vay", "Tỷ lệ nợ trên thu nhập", "Trình độ học vấn",
"Loại hình công việc", "Tình trạng hôn nhân",
"Có vay thế chấp hay không", "Có người phụ thuộc hay không",
"Mục đích vay", "Có người đồng ký vay hay không", "Khả năng vỡ nợ")
)
variable_description
##          Variable                               Description
## 1          LoanID                              Mã khoản vay
## 2             Age                           Tuổi khách hàng
## 3          Income                         Thu nhập hàng năm
## 4      LoanAmount                               Số tiền vay
## 5     CreditScore                             Điểm tín dụng
## 6  MonthsEmployed                      Số tháng đã làm việc
## 7  NumCreditLines Số lượng dòng tín dụng hiện tại/trước đây
## 8    InterestRate                          Lãi suất vay (%)
## 9        LoanTerm                              Thời hạn vay
## 10       DTIRatio                    Tỷ lệ nợ trên thu nhập
## 11      Education                          Trình độ học vấn
## 12 EmploymentType                       Loại hình công việc
## 13  MaritalStatus                       Tình trạng hôn nhân
## 14    HasMortgage                 Có vay thế chấp hay không
## 15  HasDependents              Có người phụ thuộc hay không
## 16    LoanPurpose                              Mục đích vay
## 17    HasCoSigner            Có người đồng ký vay hay không
## 18        Default                            Khả năng vỡ nợ

Thống kê mô tả

Biến phụ thuộc

table(df$Default)
## 
##      0      1 
## 225694  29653
prop.table(table(df$Default))
## 
##         0         1 
## 0.8838718 0.1161282
df %>%
count(Default) %>%
mutate(Percent = n / sum(n) * 100,
Label = paste0(Default, " (", round(Percent, 1), "%)")) %>%
ggplot(aes(x = "", y = Percent, fill = Default)) +
geom_col(width = 1, color = "white") +
coord_polar("y", start = 0) +
geom_text(aes(label = Label), position = position_stack(vjust = 0.5),
color = "white", size = 5) +
labs(title = "Biểu đồ tròn: Tỷ lệ vỡ nợ") +
scale_fill_manual(values = c("#377eb8", "#e41a1c")) +
theme_void() +
theme(plot.title = element_text(hjust = 0.5, face = "bold"))

Biến độc lập

Phần này sẽ trình bày thống kê mô tả cho các biến độc lập chính.

summary(df[, c("CreditScore", "Income", "LoanAmount", "LoanTerm")])
##   CreditScore        Income         LoanAmount        LoanTerm    
##  Min.   :300.0   Min.   : 15000   Min.   :  5000   Min.   :12.00  
##  1st Qu.:437.0   1st Qu.: 48826   1st Qu.: 66156   1st Qu.:24.00  
##  Median :574.0   Median : 82466   Median :127556   Median :36.00  
##  Mean   :574.3   Mean   : 82499   Mean   :127579   Mean   :36.03  
##  3rd Qu.:712.0   3rd Qu.:116219   3rd Qu.:188985   3rd Qu.:48.00  
##  Max.   :849.0   Max.   :149999   Max.   :249999   Max.   :60.00

Box minh hoạ

boxplot(df$LoanAmount, main = "Boxplot LoanAmount", ylab = "LoanAmount", col = "lightblue")

boxplot(df$CreditScore, main = "Boxplot CreditScore", ylab = "CreditScore", col = "lightgray")

boxplot(df$Income, main = "Boxplot Income", ylab = "Income", col = "lightgreen")

boxplot(df$LoanTerm, main = "Boxplot LoanTerm", ylab = "LoanTerm (tháng)", col = "lightpink")

Phân tích theo từng biến

CreditScore theo Default

df %>%
group_by(Default) %>%
summarise(Mean = mean(CreditScore), Median = median(CreditScore),
SD = sd(CreditScore), Min = min(CreditScore), Max = max(CreditScore))
## # A tibble: 2 × 6
##   Default  Mean Median    SD   Min   Max
##   <fct>   <dbl>  <dbl> <dbl> <int> <int>
## 1 0        576.    577  159.   300   849
## 2 1        559.    553  159.   300   849
df %>%
group_by(Default) %>%
summarise(Mean_CreditScore = mean(CreditScore, na.rm = TRUE)) %>%
ggplot(aes(x = Default, y = Mean_CreditScore, fill = Default)) +
geom_col(width = 0.5) +
geom_text(aes(label = round(Mean_CreditScore, 1)), vjust = -0.5, size = 5) +
labs(title = "Điểm tín dụng trung bình theo trạng thái vỡ nợ",
x = "Default (0 = Không vỡ nợ, 1 = Vỡ nợ)",
y = "CreditScore (Mean)") +
theme_minimal()

Income theo Default

df %>%
group_by(Default) %>%
summarise(Mean = mean(Income), Median = median(Income),
SD = sd(Income), Min = min(Income), Max = max(Income))
## # A tibble: 2 × 6
##   Default   Mean Median     SD   Min    Max
##   <fct>    <dbl>  <dbl>  <dbl> <int>  <int>
## 1 0       83899. 84238. 38499. 15000 149999
## 2 1       71845. 66566  40785. 15004 149995
df %>%
group_by(Default) %>%
summarise(Mean_Income = mean(Income)) %>%
ggplot(aes(x = Default, y = Mean_Income, fill = Default)) +
geom_col(width = 0.5) +
geom_text(aes(label = round(Mean_Income, 1)), vjust = -0.5, size = 5) +
labs(title = "Thu nhập trung bình theo trạng thái vỡ nợ",
x = "Default (0 = Không vỡ nợ, 1 = Vỡ nợ)",
y = "Income (Mean)") +
theme_minimal()

LoanAmount theo Default

df %>%
group_by(Default) %>%
summarise(Mean = mean(LoanAmount), Median = median(LoanAmount),
SD = sd(LoanAmount), Min = min(LoanAmount), Max = max(LoanAmount))
## # A tibble: 2 × 6
##   Default    Mean Median     SD   Min    Max
##   <fct>     <dbl>  <dbl>  <dbl> <int>  <int>
## 1 0       125354. 124236 70708.  5001 249999
## 2 1       144515. 152672 69548.  5000 249993
df %>%
group_by(Default) %>%
summarise(Mean_LoanAmount = mean(LoanAmount)) %>%
ggplot(aes(x = Default, y = Mean_LoanAmount, fill = Default)) +
geom_col(width = 0.5) +
geom_text(aes(label = round(Mean_LoanAmount, 1)), vjust = -0.5, size = 5) +
labs(title = "Số tiền vay trung bình theo trạng thái vỡ nợ",
x = "Default (0 = Không vỡ nợ, 1 = Vỡ nợ)",
y = "LoanAmount (Mean)") +
theme_minimal()

LoanTerm theo Default

df %>%
group_by(Default) %>%
summarise(Mean = mean(LoanTerm), Median = median(LoanTerm),
SD = sd(LoanTerm), Min = min(LoanTerm), Max = max(LoanTerm))
## # A tibble: 2 × 6
##   Default  Mean Median    SD   Min   Max
##   <fct>   <dbl>  <dbl> <dbl> <int> <int>
## 1 0        36.0     36  17.0    12    60
## 2 1        36.1     36  17.0    12    60
df %>%
group_by(Default) %>%
summarise(Mean_LoanTerm = mean(LoanTerm)) %>%
ggplot(aes(x = Default, y = Mean_LoanTerm, fill = Default)) +
geom_col(width = 0.5) +
geom_text(aes(label = round(Mean_LoanTerm, 1)), vjust = -0.5, size = 5) +
labs(title = "Thời hạn vay trung bình theo trạng thái vỡ nợ",
x = "Default (0 = Không vỡ nợ, 1 = Vỡ nợ)",
y = "LoanTerm (Mean)") +
theme_minimal()