Una institución financiera quiere entender qué factores inciden en la aprobación de solicitudes de préstamo. Contamos con un conjunto de datos reales (archivo: Loan_Approval_Dataset.csv, disponible en Moodle) que incluye información del solicitante, su situación laboral, activos reportados y el resultado de la solicitud.
Variable objetivo (binaria):
Loan_Status: Decisión de solicitud (Approved,
Rejected)
Variables explicativas disponibles:
| Variable | Decripción | Tipo sugerido |
|---|---|---|
Income |
Ingreso mensual (USD) | Numérica |
Loan_Amount |
Monto solicitado (USD) | Numérica |
Education |
Nivel educativo (Graduate / Not Graduate) | Categórica |
Self_Employed |
Trabaja por cuenta propia (Yes / No) | Categórica |
Cibil_Score |
Puntaje crediticio | Numérica |
1: Decisión solicitud es
Aceptada0: Decisión solicitud es
Denegada##
## 0 1
## 1613 2656## Loan_Status Income Loan_Amount Education Self_Employed Cibil_Score
## 1 1 9600000 29900000 Graduate No 778
## 2 0 4100000 12200000 Not Graduate Yes 417
## 3 0 9100000 29700000 Graduate No 506
## 4 0 8200000 30700000 Graduate No 467
## 5 0 9800000 24200000 Not Graduate Yes 382
## 6 0 4800000 13500000 Graduate Yes 319##
## Call:
## glm(formula = Loan_Status ~ Income + Loan_Amount + Education +
## Self_Employed + Cibil_Score, family = binomial(link = "logit"),
## data = datos)
##
## Coefficients:
## Estimate Std. Error z value Pr(>|z|)
## (Intercept) -1.163e+01 4.019e-01 -28.939 < 2e-16 ***
## Income -4.036e-07 5.502e-08 -7.337 2.18e-13 ***
## Loan_Amount 1.320e-07 1.706e-08 7.734 1.04e-14 ***
## Education Not Graduate -7.118e-02 1.118e-01 -0.637 0.524
## Self_Employed Yes 5.635e-02 1.118e-01 0.504 0.614
## Cibil_Score 2.214e-02 7.137e-04 31.019 < 2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## (Dispersion parameter for binomial family taken to be 1)
##
## Null deviance: 5660.7 on 4268 degrees of freedom
## Residual deviance: 2088.2 on 4263 degrees of freedom
## AIC: 2100.2
##
## Number of Fisher Scoring iterations: 7## (Intercept) Income Loan_Amount
## 0.000 1.000 1.000
## Education Not Graduate Self_Employed Yes Cibil_Score
## 0.931 1.058 1.022Interpretaciones:
Intercept (OR = 0.00) - Indica que, en ausencia de los demás factores (Income, Loan_Amount, Education[Not Graduate], Self_Employed[Yes], Cibil_Score), la probabilidad base de aprobar las solicitudes de préstamos son de 0%.
Income (OR = 0.9999996) - Un aumento de 1 unidad en el Ingreso, disminuye la probabilidad de la aprobación de un préstamo, manteniendo las demás variables constantes.
Loan_Amount (OR ≈ 1.000) - Por cada unidad adicional que aumenta el monto solicitado, los odds de aprobación aumentan, pero tienen un efecto muy prequeño.Manteniendo las demás variables constantes.
Education Not Graduate (OR = 0.931) - Los solicitantes de un préstamo con un nivel de educación no graduados tienen un 6.9% menos que los graduados en la aprobación de un préstamo. Sin embargo, la variable no es estadísticamente significativa.
Self_Employed Yes (OR = 1.058) - Los solicitantes de un préstamo con empleo propio (independientes), tienen un 5.8% de aprobación más que los empleados no independientes. Sin embargo, la variable no es estadísticamente significativa.
Cibil_Score (OR = 1.022) - Por cada punto adicional en el puntuaje Cibil, la aprobación de un préstamo aumenta un 2.2%. Es el predictor con mayor relevancia al momento de aprobar un préstamo. Manteniendo las demás variables constantes.