Raport z analizy danych
2026-01-31
1 Wstęp
Celem niniejszego raportu jest analiza danych dotyczących
kredytów. Dane zostały wczytane z pliku kredyty_new.csv i
zawierają informacje o różnych aspektach kredytów udzielanych
klientom.
Dane pochodzą ze strony Kaggle
oraz obejmują 45 000 rekordów i 14
zmiennych, które opisują zarówno cechy osób ubiegających się o
pożyczkę, jak i parametry samych pożyczek. Zmienną docelową jest
loan_status, określająca decyzję
kredytową:
1 – pożyczka zatwierdzona,
0 – pożyczka odrzucona.
Zbiór danych zawiera informacje takie jak wiek, płeć, poziom wykształcenia, roczny dochód, doświadczenie zawodowe, status mieszkaniowy, kwotę i cel pożyczki, oprocentowanie, długość historii kredytowej oraz informację o wcześniejszych zaległościach kredytowych. Dane mają charakter syntetyczny, czyli zostały wygenerowane sztucznie, ale w sposób odzwierciedlający rzeczywiste zależności występujące w procesach oceny kredytowej.
Dane te mogą być wykorzystywane w różnych celach analitycznych i badawczych, między innymi:
- Analiza eksploracyjna (EDA) – zrozumienie struktury
danych, wykrycie wzorców, zależności i rozkładów poszczególnych
zmiennych.
- Klasyfikacja – budowa modeli predykcyjnych
pozwalających przewidywać decyzję kredytową (
loan_status) dla nowych wnioskodawców.
- Regresja – modelowanie zmiennej ciągłej, np.
credit_score, w celu przewidywania zdolności kredytowej.
- Analiza jakości danych – identyfikacja błędów,
braków i wartości nielogicznych.
- Symulacje i testowanie algorytmów – wykorzystanie danych do testowania różnych podejść do oceny ryzyka kredytowego.
1.1 Pytania badawcze
- Które cechy profilu klienta najsilniej korelują z otrzymaniem pozytywnej oceny scoringowej?
- Jakie są główne różnice w profilu (np. dochód, wiek, stan cywilny) między klientami, którzy otrzymali pozytywną ocenę, a tymi, którzy otrzymali negatywną?
- Czy wysokość dochodu jest najważniejszym czynnikiem decydującym o przyznaniu kredytu?
- W jakim stopniu długość posiadanej historii kredytowej wpływa na ostateczny scoring?
- Wraz ze wzrostem wieku spada prawdopodobieństwo otrzymania pożyczki.
1.2 Opis zmiennych
Zbiór danych zawiera 14 zmiennych opisujących osoby ubiegające się o pożyczkę oraz cechy samej pożyczki. Poniższa tabela przedstawia zestawienie wszystkich kolumn wraz z krótkim opisem:
| Nazwa zmiennej | Opis | Typ danych |
|---|---|---|
| person_age | Wiek osoby | Liczba zmiennoprzecinkowa |
| person_gender | Płeć osoby | Kategoryczna |
| person_education | Najwyższy poziom wykształcenia | Kategoryczna |
| person_income | Roczny dochód | Liczba zmiennoprzecinkowa |
| person_emp_exp | Lata doświadczenia zawodowego | Liczba całkowita |
| person_home_ownership | Status własności mieszkania (np. wynajem, własność, hipoteka) | Kategoryczna |
| loan_amnt | Wnioskowana kwota pożyczki | Liczba zmiennoprzecinkowa |
| loan_intent | Cel pożyczki | Kategoryczna |
| loan_int_rate | Oprocentowanie pożyczki | Liczba zmiennoprzecinkowa |
| loan_percent_income | Kwota pożyczki jako procent rocznego dochodu | Liczba zmiennoprzecinkowa |
| cb_person_cred_hist_length | Długość historii kredytowej w latach | Liczba zmiennoprzecinkowa |
| credit_score | Wynik punktowy kredytu | Liczba całkowita |
| previous_loan_defaults_on_file | Wskaźnik wcześniejszych zaległości w spłacie pożyczek | Kategoryczna |
| loan_status (target variable) | Status zatwierdzenia pożyczki: 1 = zatwierdzona; 0 = odrzucona | Liczba całkowita |
1.3 Wstępna analiza jakości danych
Przegląd danych wskazuje, że mimo dużej liczby obserwacji (45 000 wierszy), zbiór wymaga wstępnego oczyszczenia i ujednolicenia. Poniżej przedstawiono główne obserwacje dotyczące jakości danych:
- Braki danych (NA):
person_age– 1 000 braków,loan_amnt– 1 500 braków,credit_score– 1 500 braków.
Braki te mogą wymagać imputacji lub usunięcia wierszy z niepełnymi wartościami.
- Wartości nielogiczne i odstające:
person_agezawiera wartości do 144 lat, co jest nierealne,person_emp_expprzyjmuje maksymalnie 125 lat doświadczenia, co również wskazuje na błąd,person_incomeosiąga wartości powyżej 7 200 000 USD, co znacznie odbiega od pozostałych danych.
- Rozbieżności kategorialne:
- Zmienne tekstowe (
person_gender,person_education,person_home_ownership,loan_intent) mogą zawierać różne formy zapisu (np. różne wielkości liter), co wymaga standaryzacji. - Zmienna
previous_loan_defaults_on_filepowinna zostać przekodowana do formatu binarnego (np. 0/1) w celu ułatwienia modelowania.
- Zmienne tekstowe (
Pomimo tych nieścisłości zbiór stanowi dobrą bazę do analizy danych z zakresu oceny ryzyka kredytowego, modelowania decyzji finansowych oraz symulacji procesów kredytowych. W dalszej części raportu dane zostaną poddane czyszczeniu, wizualizacji i analizie statystycznej w celu przygotowania ich do modelowania predykcyjnego.
2 Oczyszczenie danych z braków i wartości nielogicznych
2.1 Sprawdzenie poprawności danych przed oczyszczeniem
2.2 Wizualizacja braków danych
2.2.1 Liczba braków na zmienną
2.2.2 Diagram zestawu braków danych
2.2.3 Wizualizacja braków danych w formie mapy cieplnej
2.3 Lokalizacja błędów
2.4 Sprawdzenie poprawności danych po imputacji
3 Analiza danych
3.1 Wykres Pareto dla kwoty pożyczki
Wykres Pareto pokazuje sumę udzielonych pożyczek, zaczynając od największych kwot i stopniowo dodając coraz mniejsze. Każdy słupek to kolejna pożyczka, a czerwona linia pokazuje, jak narasta suma wszystkich kwot pożyczek. Z wykresu widać, że niewielka liczba największych pożyczek odpowiada za znaczną część całkowitej wartości portfela – większość osób wnioskuje o znacznie niższe kwoty.
3.2 Rozkład kwoty pożyczki w zależności od statusu pożyczki
Rozkład kwoty pożyczki jest bardzo podobny zarówno wśród wniosków zaakceptowanych, jak i odrzuconych – w obu grupach większość pożyczek dotyczy kwot od kilku do kilkunastu tysięcy złotych. Mediany oraz zakresy typowych wartości są zbliżone, co widać na boxplotach. Zarówno w grupie zatwierdzonych, jak i odrzuconych wniosków, pojawiają się pojedyncze, bardzo wysokie kwoty jako wartości odstające. Decyzja o przyznaniu lub odrzuceniu pożyczki nie jest więc silnie związana z jej wysokością.
3.3 Wykres funkcji dystrybuanty skumulowanej (ECDF) dla kwoty pożyczki
Większość pożyczek koncentruje się poniżej 10 000 PLN (stroma część krzywej), natomiast wartości powyżej 30 000 PLN stanowią jedynie niewielki odsetek obserwacji (krzywa zbliża się do 1 dopiero na końcu).
3.4 Mapa korelacji zmiennych numerycznych
Mapa korelacji pokazuje zależności pomiędzy zmiennymi numerycznymi w zbiorze danych. Zdecydowana większość korelacji jest słaba lub umiarkowana, a tylko nieliczne pary zmiennych wykazują silniejszy związek.
Najwyższe korelacje obserwujemy pomiędzy: Wiek a długość historii kredytowej (r = 0.81) — im ktoś starszy, tym dłuższą ma historię kredytową, co jest intuicyjne. Doświadczenie zawodowe lata i wiek (r = 0.75) — starsze osoby mają też więcej lat doświadczenia. Kwota pożyczki a procent_dochodu_pozyczka (r = 0.64) — wyższa kwota pożyczki wiąże się z większym udziałem raty w dochodzie.
4 Wyniki w odniesieniu do pytań badawczych
4.1 Pytanie: Czy wysokość dochodu jest najważniejszym czynnikiem decydującym o przyznaniu kredytu? (sprawdzenie realnego wpływu wysokości dochodu na prawdopodobieństwo udzielenia kredytu)
W większości przypadków dochody osób biorących pożyczki są relatywnie niskie (większość skupiona w dolnym zakresie), ale jest też mała grupa osób z bardzo wysokimi dochodami — wykres pokazuje tę nierównomierność i kilka ekstremalnych wartości.
4.2 Pytanie: Jakie są główne różnice w profilu (np. dochód, wiek, stan cywilny) między klientami, którzy otrzymali pozytywną ocenę, a tymi, którzy otrzymali negatywną?
| Zmienna | Poziom | Status 0 | Status 1 |
|---|---|---|---|
| Płeć | Mężczyzna | 22.2% | 77.8% |
| Płeć | Kobieta | 22.2% | 77.8% |
| Wykształcenie | Policealne | 22.0% | 78.0% |
| Wykształcenie | Licencjat | 22.5% | 77.5% |
| Wykształcenie | Doktorat | 22.9% | 77.1% |
| Wykształcenie | Szkoła średnia | 22.3% | 77.7% |
| Wykształcenie | Magister | 21.8% | 78.2% |
| Status mieszkaniowy | Hipoteka | 11.6% | 88.4% |
| Status mieszkaniowy | Inny | 33.3% | 66.7% |
| Status mieszkaniowy | Własność | 7.5% | 92.5% |
| Status mieszkaniowy | Najem | 32.4% | 67.6% |
| Cel pożyczki | Spłata zadłużenia | 30.3% | 69.7% |
| Cel pożyczki | Edukacja | 17.0% | 83.0% |
| Cel pożyczki | Remont | 26.3% | 73.7% |
| Cel pożyczki | Leczenie | 27.8% | 72.2% |
| Cel pożyczki | Wydatki osobiste | 20.1% | 79.9% |
| Cel pożyczki | Inwestycja | 14.4% | 85.6% |
Dochód osobisty
- Osoby którym udzielono pożyczki mają średnio wyższe dochody.
Rodzaj zamieszkania
- Osoby posiadające własne mieszkanie lub kredyt hipoteczny częściej dostają pożyczki niż osoby wynajmujące mieszkanie lub pozostałe.
Cel pożyczki
- Największy odsetek udzielonych pożyczek jest w kategorii venture oraz education.
Stopa procentowa
- Pożyczki, które zostały udzielone, mają średnio niższe oprocentowanie.
Relacja pożyczki do dochodu
W przypadku udzielonych pożyczek wartość pożyczki stanowi przeciętnie mniejszy odsetek dochodu klienta.
Pozostałe analizowane zmienne nie wykazują istotnego wpływu na decyzję o udzieleniu pożyczki.
4.3 Pytanie: Czy wysokość dochodu jest najważniejszym czynnikiem decydującym o przyznaniu kredytu?
Do oszacowania wpływu zmiennych zastosujemy regresję logistyczną.
Na podstawie poprzedniej analizy bierzemy pod uwagę czynniki wpływające na udzielenie lub nieudzielenie pożyczki (uwzględniamy tylko kolumny numeryczne do policzenia korelacji).
| term | estimate | std.error | statistic | p.value |
|---|---|---|---|---|
| (Intercept) | 2.894055 | 0.027229 | 106.28754 | 0 |
| procent_dochodu_pozyczka | -10.414450 | 0.142722 | -72.97023 | 0 |
| Iloraz.szans.przy.wzroście.o.1pp | Iloraz.szans.przy.wzroście.o.10pp | |
|---|---|---|
| procent_dochodu_pozyczka | 0.901 | 0.353 |
Im większy udział raty w dochodzie, tym niższe prawdopodobieństwo otrzymania pożyczki; każdy wzrost o 1 punkt procentowy zmniejsza szanse o około 10% (OR≈0.901), o 10 punktów procentowych o około 65% (OR≈0.353), a przy 40% udziału przewidywane prawdopodobieństwo wynosi około 22%.
Duże znaczenie ma relacja pożyczki do dochodu, czyli to, jaką część rocznych zarobków stanowi wnioskowana kwota. Im mniejszy udział pożyczki w dochodzie, tym większe prawdopodobieństwo jej akceptacji.
4.4 Hipoteza: Wraz ze wzrostem wieku spada prawdopodobieństwo otrzymania pożyczki.
W powyższej próbie dominuje grupa 23–27 lat (48%), następnie 28–32 (23%) i 18–22 (12%); udział starszych roczników jest bardzo mały (41–60 to pojedyncze procenty, a 60+ zaledwie ~0.2%). Empiryczne prawdopodobieństwo uzyskania pożyczki do okolic 55–60 lat utrzymuje się na poziomie ~75–80% i lekko spada w okolicach 60 lat. Skokowy wzrost powyżej 60 lat nie odzwierciedla rzeczywistej decyzji kredytowej—wynika z zastosowania imputacji hot‑deck dla brakujących danych, a nie z obserwacji; przy tak znikomej liczbie przypadków 60+ wyniki są artefaktem i nie powinny być interpretowane. Podsumowując, w dostępnych realnych obserwacjach trend względem wieku jest co najwyżej płaski lub lekko malejący, natomiast wnioski dla 60+ są niewiarygodne z powodu imputacji i bardzo małej liczebności.
5 Analiza opisowa
5.1 Statystyki opisowe dla numerycznych zmiennych według statusu pożyczki
| Dependent: status_pozyczki | Odrzucona | Zatwierdzona | p | |
|---|---|---|---|---|
| wiek | Mean (SD) | 27.6 (6.0) | 27.8 (5.9) | <0.001 |
| dochod_roczny | Mean (SD) | 59886.1 (45338.3) | 86157.0 (87035.2) | <0.001 |
| doswiadczenie_zawodowe_lata | Mean (SD) | 5.1 (5.9) | 5.4 (5.9) | <0.001 |
| kwota_pozyczki | Mean (SD) | 10797.7 (7097.7) | 9227.7 (6030.8) | <0.001 |
| oprocentowanie | Mean (SD) | 12.9 (3.1) | 10.5 (2.7) | <0.001 |
| procent_dochodu_pozyczka | Mean (SD) | 0.2 (0.1) | 0.1 (0.1) | <0.001 |
| dlugosc_historii_kredytowej | Mean (SD) | 5.7 (3.9) | 5.8 (3.8) | 0.002 |
| scoring_kredytowy | Mean (SD) | 631.8 (50.4) | 632.9 (50.5) | 0.059 |
Pożyczki zatwierdzone mają średnio wyższy dochód roczny, dłuższą historię kredytową, niższe oprocentowanie, niższy procent dochodu przeznaczany na pożyczkę i nieco wyższą kwotę pożyczki niż pożyczki odrzucone. Różnice między grupami są istotne statystycznie dla większości cech (poza scoringiem kredytowym, który nie różni się pomiędzy grupami).
5.2 Statystyki opisowe dla kategorycznych zmiennych według statusu pożyczki
| Dependent: status_pozyczki | Odrzucona | Zatwierdzona | p | |
|---|---|---|---|---|
| plec | Kobieta | 4485 (44.9) | 15674 (44.8) | 0.914 |
| Mężczyzna | 5515 (55.1) | 19326 (55.2) | ||
| wyksztalcenie | Policealne | 2650 (26.5) | 9378 (26.8) | 0.733 |
| Licencjat | 3018 (30.2) | 10381 (29.7) | ||
| Doktorat | 142 (1.4) | 479 (1.4) | ||
| Szkoła średnia | 2671 (26.7) | 9301 (26.6) | ||
| Magister | 1519 (15.2) | 5461 (15.6) | ||
| status_mieszkaniowy | Hipoteka | 2144 (21.4) | 16345 (46.7) | <0.001 |
| Inny | 39 (0.4) | 78 (0.2) | ||
| Własność | 222 (2.2) | 2729 (7.8) | ||
| Najem | 7595 (76.0) | 15848 (45.3) | ||
| cel_pozyczki | Spłata zadłużenia | 2163 (21.6) | 4982 (14.2) | <0.001 |
| Edukacja | 1552 (15.5) | 7601 (21.7) | ||
| Remont | 1258 (12.6) | 3525 (10.1) | ||
| Leczenie | 2378 (23.8) | 6170 (17.6) | ||
| Wydatki osobiste | 1521 (15.2) | 6031 (17.2) | ||
| Inwestycja | 1128 (11.3) | 6691 (19.1) | ||
| wczesniejsze_zaleglosci | Nie | 10000 (100.0) | 12142 (34.7) | <0.001 |
| Tak | 0 (0.0) | 22858 (65.3) | ||
| (Missing) | 0 (0.0) | 0 (0.0) |
Nie ma istotnych różnic w podziale na płeć ani wykształcenie pomiędzy pożyczkami odrzuconymi i zatwierdzonymi. Status mieszkaniowy oraz wcześniejsze zaległości mają znaczenie: pożyczki częściej są zatwierdzane osobom o statusie „Hipoteka” lub „Własność” i tym, którzy nie mieli wcześniejszych zaległości. Różnią się także cele pożyczek – zatwierdzane są częściej w przypadku edukacji i inwestycji, a rzadziej na spłatę zadłużenia, remont czy wydatki medyczne.
5.3 Statystyki opisowe kluczowych zmiennych według statusu pożyczki
Pożyczki zatwierdzone są średnio niższe niż odrzucone, ale udzielane osobom o znacznie wyższych dochodach. Dla zatwierdzonych widać mniejszy udział pożyczki w dochodzie i niższe oprocentowanie. Odchylenia i rozstępy są wyraźnie wyższe w grupie zatwierdzonej, co świadczy o większym zróżnicowaniu dochodów i kwot. Co ciekawe, scoring kredytowy i wiek nie różnią się mocno między grupami — zwłaszcza średnie i mediana są niemal identyczne, mimo nieco większej rozpiętości w grupie zatwierdzonej. Można zauważyć, że zatwierdzane pożyczki są przyznawane osobom o lepszej sytuacji finansowej i niższym ryzyku zadłużeniowym.
6 Wnioskowanie statystyczne
6.1 Test t Studenta — porównanie średnich pomiędzy grupami
Poniżej porównujemy średnie wybranych zmiennych numerycznych pomiędzy
osobami, którym przyznano pożyczkę (status_pozyczki = 1) a
tymi, którym odmówiono (status_pozyczki = 0). Dla każdej
zmiennej numerycznej wykonujemy test t Studenta.
| Zmienna | Kod | Średnia: Odrzucona | Średnia: Zatwierdzona | Statystyka t | Wartość p | Wynik |
|---|---|---|---|---|---|---|
| Wiek | wiek | 27.577 | 27.841 | -3.913 | <0.001 | istotna |
| Dochód roczny | dochod_roczny | 59886.097 | 86157.041 | -40.441 | <0.001 | istotna |
| Doświadczenie zawodowe (lata) | doswiadczenie_zawodowe_lata | 5.149 | 5.414 | -3.993 | <0.001 | istotna |
| Kwota pożyczki | kwota_pozyczki | 10797.663 | 9227.727 | 20.139 | <0.001 | istotna |
| Oprocentowanie (%) | oprocentowanie | 12.857 | 10.478 | 70.003 | <0.001 | istotna |
| Pożyczka/dochod (%) | procent_dochodu_pozyczka | 0.203 | 0.122 | 71.365 | <0.001 | istotna |
| Długość historii kredytowej [lata] | dlugosc_historii_kredytowej | 5.698 | 5.836 | -3.125 | 0.002 | istotna |
| Scoring kredytowy | scoring_kredytowy | 631.783 | 632.865 | -1.894 | 0.058 | nieistotna |
Na podstawie wyników testu t Studenta można stwierdzić, że pożyczkę najłatwiej uzyskują osoby, które charakteryzują się wyższym rocznym dochodem, wnioskują o niższą kwotę pożyczki oraz deklarują niższe oprocentowanie i stosunkowo mniejsze obciążenie dochodu ratą kredytową. Innymi słowy, banki czy instytucje udzielające pożyczek zdecydowanie preferują wnioskodawców o ustabilizowanej sytuacji finansowej, dla których potencjalna ratowna pożyczka nie stanowi zbyt dużej części rocznych zarobków – to minimalizuje ryzyko kredytowe z perspektywy pożyczkodawcy.
6.2 Test chi-kwadrat — porównanie zmiennych kategorycznych względem statusu pożyczki
| Etykieta | Zm. w bazie | Statystyka chi² | df | Wartość p | Istotność |
|---|---|---|---|---|---|
| Płeć | plec | 0.012 | 1 | 0.914 | nieistotna |
| Wykształcenie | wyksztalcenie | 2.016 | 4 | 0.733 | nieistotna |
| Status mieszkaniowy | status_mieszkaniowy | 2989.515 | 3 | <0.001 | istotna |
| Cel pożyczki | cel_pozyczki | 909.648 | 5 | <0.001 | istotna |
| Wcześniejsze zaległości | wczesniejsze_zaleglosci | 13270.288 | 1 | <0.001 | istotna |
Na podstawie przeprowadzonych testów chi-kwadrat widać, że status mieszkaniowy, cel pożyczki oraz wcześniejsze zaległości są istotnie powiązane ze statusem przyznania pożyczki. Oznacza to, że te cechy mają realny wpływ na decyzję kredytową – instytucje finansowe przywiązują dużą wagę do tego, czy klient miał wcześniej zaległości, jaki ma status mieszkaniowy oraz na jaki cel zaciąga pożyczkę.
Natomiast płeć i wykształcenie nie wykazały istotnego statystycznie związku z decyzją o udzieleniu kredytu, więc te czynniki nie mają większego znaczenia w analizowanym zbiorze danych.
O przyznaniu pożyczki decydowały przede wszystkim czynniki związane ze stabilnością mieszkaniową, historią zadłużenia klienta i przeznaczeniem pożyczki. Aspekty demograficzne, takie jak płeć czy poziom wykształcenia, nie odgrywały tu istotnej roli.
6.3 Analiza ANCOVA — wpływ statusu pożyczki na kwotę przy kontroli dochodu i wieku
| Czynnik | df | Statystyka F | Wartość p | Istotność |
|---|---|---|---|---|
| Status pożyczki | 1 | 906.09301 | <0.001 | istotna |
| Dochód roczny | 1 | 2975.79666 | <0.001 | istotna |
| Wiek | 1 | 20.80893 | <0.001 | istotna |
| Residuals | 44996 | NA | NA | NA |
Przeprowadzona analiza ANCOVA wykazała, że status pożyczki, dochód roczny oraz wiek mają istotny wpływ na kwotę pożyczki, nawet po wzajemnym skorygowaniu ich wpływu. Oznacza to, że średnia kwota udzielanej pożyczki znacząco różni się w zależności od tego, czy wniosek został zatwierdzony czy odrzucony, a także rośnie wraz z wyższym dochodem oraz – w mniejszym stopniu – wraz z wiekiem klienta. Wszystkie te czynniki okazały się wysoce istotne statystycznie (p < 0.001), co potwierdza, że są one kluczowymi determinantami wysokości udzielanej pożyczki i powinny być uwzględniane w procesie oceny wniosków kredytowych.
6.4 Wykres interakcji między statusem pożyczki, a statusem mieszkaniowym wpływającym na dochód roczny
Wykres pokazuje średnie roczne dochody w podziale na status mieszkaniowy i status pożyczki: linie dla grup “Odrzucona” i “Zatwierdzona” są blisko siebie we wszystkich kategoriach, co sugeruje brak wyraźnej interakcji - dochód nie różnicuje istotnie efektu zatwierdzenia pożyczki między wynajmem, własnością czy hipoteką.
6.5 Test Kruskala-Wallisa - nieparametryczny test statystyczny służący do porównywania median
| Test | Statystyka | p-value |
|---|---|---|
| Kruskal-Wallis | H = 3402 | <0.001 |
| Dunn (0 vs 1) | Z = 58.33 | <0.001 |
| Status pożyczki | N | Mediana | Kwartyl1 | Kwartyl3 | Przycięta średnia |
|---|---|---|---|---|---|
| 0 | 10000 | 50629 | 36841.75 | 71888.25 | 53704.32 |
| 1 | 35000 | 72928 | 51476.50 | 101994.00 | 76787.85 |
Test Kruskal–Wallisa wykazał istotną różnicę w rozkładzie dochodu rocznego między grupami (χ² ≈ 3402.37, df = 1, p < 0.001). Post‑hoc Dunn potwierdza, że różnica dotyczy pary 0 vs 1 (stat ≈ 58.3, p_FDR < 0.001); z tabeli opisowej wynika, że grupa „Zatwierdzona” ma wyraźnie wyższe wartości dochodu (mediana ≈ 72 928, średnia ≈ 86 157) niż grupa „Odrzucona” (mediana ≈ 50 629, średnia ≈ 59 886).
6.6 Porównanie % pożyczki względem wcześniejszych zaległości
Wykres pokazuje rozkład udziału kwoty pożyczki w dochodzie (w %) dla dwóch grup: bez wcześniejszych zaległości („Nie”) i z wcześniejszymi zaległościami („Tak”). Czerwone kropki to trimmed mean - ~14.9% dla grupy „Nie” i ~11.6% dla „Tak”, czyli osoby bez wcześniejszych zaległości biorą przeciętnie nieco większe pożyczki w stosunku do dochodu. Jednocześnie rozkłady silnie się pokrywają i obie mają sporo obserwacji w przedziale ~10–30% oraz pojedyncze wartości skrajne powyżej ~50%.
7 Podsumowanie i wnioski końcowe
Niniejszy raport poddał analizie zbiór 45 000 wniosków kredytowych. Przeprowadzony został proces czyszczenia danych, imputacji braków metodą hot-deck oraz weryfikacji statystycznej.
7.1 Jakość danych i czyszczenie
Analiza wykazała obecność licznych błędów logicznych w danych surowych (np. wiek 144 lata, staż pracy 125 lat), co wymagało rygorystycznego czyszczenia.
Rekomendacja: Dla celów predykcyjnych w przyszłości, zaleca się budowę modelu regresji logistycznej w oparciu o zmienne: procent_dochodu_pozyczka, dochod_roczny oraz wczesniejsze_zaleglosci, gdyż wykazują one najwyższą moc dyskryminacyjną.
7.2 Kluczowe czynniki wpływające na decyzję kredytową
Najsilniejszymi czynnikami różnicującymi grupę pożyczek zatwierdzonych od odrzuconych okazały się wskaźniki ekonomiczne oraz historia kredytowa. Najważniejszym parametrem numerycznym okazała się relacja pożyczki do dochodu. Im wyższy udział wnioskowanej kwoty w rocznym dochodzie, tym gwałtowniej spada szansa na akceptację (każdy wzrost o 1 p.p. udziału zmniejsza szanse na pożyczkę o ok. 10%).
Jeżeli chodzi o dochód mediana osób z zatwierdzoną pożyczką (~73 tys. PLN) jest o niemal 45% wyższa niż w grupie odrzuconej (~50 tys. PLN), co potwierdził test Kruskala-Wallisa (p < 0,001). Kolejnym ważnym aspektem okazała się historia finansowa oraz wiarygodność. Brak wcześniejszych zaległości płatniczych oraz posiadanie nieruchomości (hipoteka lub własność) istotnie zwiększają prawdopodobieństwo pozytywnej decyzji.
7.2.1 Cel pożyczki
Przeprowadzona analiza wykazała, że instytucje finansowe wykazują preferencje co do przeznaczenia środków. Najwyższy odsetek akceptacji odnotowano dla pożyczek o charakterze “inwestycyjnym” (Venture) oraz edukacyjnym. Najtrudniej o finansowanie w przypadku spłaty zadłużenia, remontów i wydatków medycznych.
7.2.2 Czynniki nieistotne statystycznie
Wbrew postawionym hipotezom, pewne cechy profilu klienta nie mają statystycznie istotnego wpływu na status pożyczki, a są nimi:
Płeć i wykształcenie: Testy chi-kwadrat wykazały brak zależności – proces decyzyjny wydaje się być wolny od uprzedzeń demograficznych w tym zakresie.
Wiek: W przedziale 18–60 lat trend prawdopodobieństwa akceptacji jest relatywnie płaski. Wiek silnie korluje z długością historii kredytowej, ale sam w sobie nie jest barierą w uzyskaniu finansowania.
7.2.3 Kryteriów przyznania kredytu
Najważniejsze wnioski, odnośnie kryteriów przyznania kredytu:
Sytuacja finansowa a demografia: Bank ocenia głównie sytuację finansową. Płeć, wiek czy poziom wykształcenia okazały się praktycznie nieistotne w procesie podejmowania decyzji.
Zdolność do spłaty: Najważniejszym wskaźnikiem jest to, jaką część zarobków stanowi rata. Im mniejszy jest to procent, tym większa szansa na otrzymanie kredytu.
Dochód: Osoby, które dostały pożyczkę, zarabiały średnio znacznie więcej (mediana 73 tys. PLN) niż te, których wnioski odrzucono (50 tys. PLN).
Historia i majątek: Czysta historia kredytowa (brak wcześniejszych zaległości) oraz posiadanie nieruchomości (własność lub hipoteka) stanowia silne fundamenty, do pozytywnej decyzji kredytowej.
Cel pożyczki: Łatwiej o kredyt na rozwój (edukacja, inwestycje) niż aspekty takie jak spłata starych długów czy remonty.
7.3 Wnioski końcowe
Portfel kredytowy jest zarządzany w oparciu o racjonalną ocenę zdolności do spłaty i historię kredytową, przy jednoczesnym zachowaniu neutralności wobec cech demograficznych klientów. Kryteria, które mają najwiekszą szanse na powodzenie w otrzymaniu decyzji pozytywnej dotyczącej kredytu to: nieskie obciążenie dochodu, brak zaległości w przeszłości klienta, stabilne oraz wysokie zarobki oraz posiadanie własnego mieszkania/ domu. Czynniki demograficzne oraz wiek kredytobiorcy okazały się być mniej istotne.