Con base en los datos de rotación realizar los puntos 1 a 4:

library(readxl)
datos = read_excel("~/Desktop/Datos_Creditos.xlsx")
names(datos)
## [1] "DEFAULT"       "DIAS_MORA"     "ANTIUEDAD"     "EDAD"         
## [5] "CUOTA_TOTAL"   "INGRESOS"      "CARTERA_TOTAL"
datos$COMPROMISO=round(datos$CUOTA_TOTAL/datos$INGRESOS*100,1)


# datos$y=as.numeric(datos$Rotación=="Si")
# table(datos$Rotación,datos$y)

  1. Seleccionar 3 variables categóricas (distintas de rotación) y 3 variables cuantitativas, que consideren estén relacionadas con la rotación. Nota: Justificar por que estas variables están relacionadas y que tipo de relación se espera (Hipótesis). Ejemplo: Se espera que las horas extra se relacionen con la rotación ya que las personas podrían desgastarse mas al trabajar horas extra y descuidan aspectos personales. La hipótesis es que las personas que trabajan horas extra tienen mayor posibilidad de rotar que las que no trabajan extra. (serian 6, una por variable).

  2. Realizar un análisis univariado (caracterización). Nota: Los indicadores o gráficos se usan dependiendo del tipo de variable (cuanti o cuali). Incluir interpretaciones de la rotación.

# require(ggplot2)
# require(ggpubr)
# 
# g1=ggplot(datos,aes(x=Edad))+geom_histogram()+theme_bw()
# g2=ggplot(datos,aes(x=`Viaje de Negocios`))+geom_bar()+theme_bw()
# 
# ggarrange(g1, g2,labels = c("A", "B"),ncol = 2, nrow = 1)

names(datos)
## [1] "DEFAULT"       "DIAS_MORA"     "ANTIUEDAD"     "EDAD"         
## [5] "CUOTA_TOTAL"   "INGRESOS"      "CARTERA_TOTAL" "COMPROMISO"
require(table1)
y <- table1::table1(~ ANTIUEDAD+ EDAD+COMPROMISO| DEFAULT, data = datos)

y
0
(N=741)		 1
(N=39)		 Overall
(N=780)
ANTIUEDAD
Mean (SD) 18.2 (11.9) 14.5 (11.6) 18.0 (11.9)
Median [Min, Max] 15.5 [0.255, 37.3] 9.99 [1.37, 37.3] 15.1 [0.255, 37.3]
EDAD
Mean (SD) 57.1 (12.5) 55.2 (12.4) 57.0 (12.5)
Median [Min, Max] 58.0 [26.6, 92.4] 53.7 [30.4, 78.9] 57.9 [26.6, 92.4]
COMPROMISO
Mean (SD) 17.0 (11.9) 26.7 (21.8) 17.4 (12.7)
Median [Min, Max] 15.3 [0, 85.8] 23.1 [0.800, 130] 15.6 [0, 130]
  1. Realizar un análisis de bivariado en donde la variable respuesta sea la rotación codificada de la siguiente manera (y=1 es si rotación, y=0 es no rotación), con base en estos resultados identifique cuales son las variables determinantes de la rotación e interpretar el signo del coeficiente estimado. Compare estos resultados con la hipotesis planteada en el punto 2.
t.test(datos$COMPROMISO~datos$DEFAULT)
## 
##  Welch Two Sample t-test
## 
## data:  datos$COMPROMISO by datos$DEFAULT
## t = -2.7594, df = 39.204, p-value = 0.008756
## alternative hypothesis: true difference in means is not equal to 0
## 95 percent confidence interval:
##  -16.800108  -2.589635
## sample estimates:
## mean in group 0 mean in group 1 
##        16.96154        26.65641
t.test(datos$ANTIUEDAD~datos$DEFAULT)
## 
##  Welch Two Sample t-test
## 
## data:  datos$ANTIUEDAD by datos$DEFAULT
## t = 1.9332, df = 42.35, p-value = 0.05992
## alternative hypothesis: true difference in means is not equal to 0
## 95 percent confidence interval:
##  -0.1610822  7.5375264
## sample estimates:
## mean in group 0 mean in group 1 
##        18.21966        14.53144
t.test(datos$EDAD~datos$DEFAULT)
## 
##  Welch Two Sample t-test
## 
## data:  datos$EDAD by datos$DEFAULT
## t = 0.94189, df = 42.162, p-value = 0.3516
## alternative hypothesis: true difference in means is not equal to 0
## 95 percent confidence interval:
##  -2.196093  6.040982
## sample estimates:
## mean in group 0 mean in group 1 
##        57.08114        55.15869
datos$EDAD_GRUPO=cut(datos$EDAD,breaks = c(0,20,40,60,80,100))
require(CGPfunctions)
PlotXTabs2(data = datos,x = EDAD_GRUPO,y = DEFAULT)

  1. Realizar la estimación de un modelo de regresión logistico en el cual la variable respuesta es rotación (y=1 es si rotación, y=0 es no rotación) y las covariables las 6 seleccionadas. Interprete los coeficientes del modelo y la significancia de los parametros.
modelo=glm(DEFAULT~EDAD+ANTIUEDAD+COMPROMISO,data = datos,family = binomial(link="logit"))

summary(modelo)
## 
## Call:
## glm(formula = DEFAULT ~ EDAD + ANTIUEDAD + COMPROMISO, family = binomial(link = "logit"), 
##     data = datos)
## 
## Deviance Residuals: 
##     Min       1Q   Median       3Q      Max  
## -1.1700  -0.3526  -0.2798  -0.2167   2.9410  
## 
## Coefficients:
##             Estimate Std. Error z value Pr(>|z|)    
## (Intercept) -4.27244    0.94783  -4.508 6.56e-06 ***
## EDAD         0.02054    0.01913   1.074    0.283    
## ANTIUEDAD   -0.04685    0.02158  -2.171    0.030 *  
## COMPROMISO   0.04523    0.01140   3.968 7.24e-05 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## (Dispersion parameter for binomial family taken to be 1)
## 
##     Null deviance: 309.68  on 779  degrees of freedom
## Residual deviance: 288.08  on 776  degrees of freedom
## AIC: 296.08
## 
## Number of Fisher Scoring iterations: 6
OR=exp(modelo$coefficients)
OR
## (Intercept)        EDAD   ANTIUEDAD  COMPROMISO 
##  0.01394766  1.02075494  0.95423016  1.04626372
  1. Evaluar el poder predictivo del modelo con base en la curva ROC y el AUC.
##Ejemplo vamos a predeccir la probabilidad de que un asociado presente default si tiene:
# 30 años, lleva 5 años en la empresa y su nivel de compromiso es de 50%


lineal=-4.27244+(0.02054*30)-(0.04685*5)+(0.04523*50) 
exp(lineal)/(1+exp(lineal))
## [1] 0.1639688
predict(modelo,list(EDAD  =30,ANTIUEDAD=5, COMPROMISO=50),type = "response")
##         1 
## 0.1639472
table(datos$DEFAULT)/780
## 
##    0    1 
## 0.95 0.05
probas=predict(modelo,list(EDAD  =datos$EDAD,ANTIUEDAD=datos$ANTIUEDAD, COMPROMISO=datos$COMPROMISO),type = "response")

default_modelo=probas>0.45

table(datos$DEFAULT,default_modelo)
##    default_modelo
##     FALSE TRUE
##   0   739    2
##   1    38    1
(471+25)/780
## [1] 0.6358974
library(pROC)
## Type 'citation("pROC")' for a citation.
## 
## Attaching package: 'pROC'
## The following objects are masked from 'package:stats':
## 
##     cov, smooth, var
ROC_res=roc(datos$DEFAULT~probas, percent = T, ci=T)
## Setting levels: control = 0, case = 1
## Setting direction: controls < cases
ROC_res
## 
## Call:
## roc.formula(formula = datos$DEFAULT ~ probas, percent = T, ci = T)
## 
## Data: probas in 741 controls (datos$DEFAULT 0) < 39 cases (datos$DEFAULT 1).
## Area under the curve: 70.37%
## 95% CI: 62.31%-78.42% (DeLong)
plot(ROC_res,print.auc=T,print.thres = "best",col="red"
         ,xlab = "Specificity", ylab = "Sensitivity")

  1. Predeccir la probabilida de que un individuo (hipotetico) rote y defina un corte para decidir si se debe intervenir a este empleado o no (posible estrategia para motivar al empleado).
predict(modelo,list(EDAD  =20,ANTIUEDAD=1, COMPROMISO=10),type = "response")
##          1 
## 0.03058482
  1. En las conclusiones se discute sobre cual seria la estrategia para disminuir la rotación en la empresa (con base en las variables que resultaron significativas en el punto 3). Ejemplo: Mejorar el ambiente laboral, los incentivos económicos, distribuir la carga de horas extra (menos turnos y mas personal).