library(readr)
Loan_Approval_Dataset <- read_csv("Loan_Approval_Dataset.csv")

Modelo

Loan_Approval_Dataset$Education <- relevel(as.factor(Loan_Approval_Dataset$Education), ref = "Graduate")
Loan_Approval_Dataset$Self_Employed= relevel(as.factor(Loan_Approval_Dataset$Self_Employed), ref = "No")


modelo <- glm(Loan_Status ~ Income * Self_Employed + Income + Loan_Amount + Education + Self_Employed + Cibil_Score, family = binomial, data = Loan_Approval_Dataset)

coefs3 <- summary(modelo)$coefficients


tabla_mod <- data.frame(
Termino = rownames(coefs3),
Logit = round(coefs3[, "Estimate"],3),
Odds_Ratio = round(exp(coefs3[, "Estimate"]), 3),
row.names = NULL,
check.names = FALSE
)

tabla_mod
##                   Termino   Logit Odds_Ratio
## 1             (Intercept) -11.661      0.000
## 2                  Income   0.000      1.000
## 3        Self_EmployedYes   0.121      1.128
## 4             Loan_Amount   0.000      1.000
## 5   EducationNot Graduate  -0.071      0.931
## 6             Cibil_Score   0.022      1.022
## 7 Income:Self_EmployedYes   0.000      1.000

Interpretación de Coeficientes

Intercepto: La probabilidad de aprobación de un empleado graduado es muy baja cuando el ingreso , monto solitario y porcentaje de crédito se mantienen constantes.

Ingreso : Para un empleado graduado, la probabilidad de aprobación no se ve significativamente afectada por su ingreso mensual. Es decir, cada dólar adicional en ingreso mensual tiene un efecto nulo, manteniendo las demás variables constantes.

Trabajo por su cuenta : Para un trabajador independiente graduado, la probabilidad de ser aprobado aumenta un 13% en comparación con aquellos empleados, manteniendo su ingreso mensual, puntaje de crédito , y cantidad de deuda solicitada constante.

Monto solicitado: Para un empleado graduado, la probabilidad de aprobación no se ve significativamente afectada por la cantidad del monto solicitado. Cada dólar adicional en el monto soilicitado tiene un efecto nulo al manter las demás variables constantes.

Nivel educativo (no graduado): Para un empleado que no se haya graduado, la probabilidad de aprobación es un 7% menor respecto a ser un empleado graduado, manteniendo las demás variables constantes.

Puntuaje crediticio: Para un empleado con puntuación crediticia, la probabilidad de aprobación va aumentando un 2.2% por cada punto adicional de crédito que tenga, manteniendo las demás variables constantes.

Interacción Ingreso Mensual: Empleo por Cuenta Propia: Para graduandos , el efecto de ser empleado por su propia cuenta no se ve afectada por su ingreso mensual, manteniéndo las demás variables constantes.

Justificación de variables de referencia: Se utilizó “Empleado” como categoría de referencia para el tipo de empleo porque la mayoría de las personas trabajan como empleados en lugar de por cuenta propia. Adicional, los trabajadores por cuenta propia enfrentan mayor inestabilidad financiera, ya que pocos negocios independientes se mantienen exitosos a largo plazo.

Se utilizó “Graduado” como categoría de referencia para educación porque una proporción considerable de personas graduadas financia sus estudios mediante deuda estudiantil, lo que los convierte en un grupo relevante de referencia para analizar la aprobación de deudas. De esta manera, el modelo presenta interpretaciones más realistas y de mayor utilidad práctica para instituciones financieras.