[통계학] 신용평가모형-German Credit Case

 1  [통계학] 신용평가모형-German Credit Case-1
 2  [통계학] 신용평가모형-German Credit Case-2
 3  [통계학] 신용평가모형-German Credit Case-3
 4  [통계학] 신용평가모형-German Credit Case-4
 5  [통계학] 신용평가모형-German Credit Case-5
 6  [통계학] 신용평가모형-German Credit Case-6
 7  [통계학] 신용평가모형-German Credit Case-7
 8  [통계학] 신용평가모형-German Credit Case-8
 9  [통계학] 신용평가모형-German Credit Case-9
※ 미리보기 이미지는 최대 20페이지까지만 지원합니다.
  • 분야
  • 등록일
  • 페이지/형식
  • 구매가격
  • 적립금
자료 다운로드  네이버 로그인
소개글
[통계학] 신용평가모형-German Credit Case에 대한 자료입니다.
목차
Ⅰ. 분석개요
Ⅱ. 세부내용
1. 변수분할
2. 변수정리 / 기초작업(scoring, exclusion, dummy, metric 규정)
3. 로지스틱 회귀분석 실시
5. Fitted value 조절에 따른 모형 적합도 판단
6. Test set 에의 검증

본문내용

1. 변수분할
- 7:3으로 1000개의 변수 분할 (7==Training Group, 3==Test Group)

2. 변수정리 / 기초작업(scoring, exclusion, dummy, metric 규정)
1) Checking account(부도율과 음의 상관관계) : 계정이 없다부터, 계정이 커질수록 높은
점수를 배치하였다. 하지만 각 분포별 부도율을 보면, checking account가 없는 집단의
부도율이 오히려 그것이 어느 정도 있는 그룹보다도 낮았다. 따라서 A14(no checking
account)소그룹만 따로 Group Profile 분석을 통해 이 소그룹의 특성을 파악해보았다.
파악결과, 오히려 가장 낮은 A13보다도 A14그룹만의 분석결과는 부도율이 더 낮았다.
따라서, 스코어링을 다시하기로 결정(No checking account에 가장 높은 스코어값 할당).
2) Duration in Month : numerical 변수이기에 놔두었다. 다만, Property와의 선형상관관계
가 있는지는 알아보았다. (Regression으로 확인결과 유의한 P값 도출, 관계성 확인)
3) Credit History : Dummy 처리 실시(4개로) - 각 카테고리별 부도율의 방향성, 관계성이 보이지 않음.
4) Purpose : Dummy 처리 실시(7개로) - 마찬가지로 부도율의 방향성, 관계성이 보이지 않음
5) Credit Amount : numerical 변수이기에 놔두었다. 다만, Property와의 선형상관관계가
있는지는 알아보았다. (Regression으로 확인결과 유의한 P값 도출, 관계성 확인)
6) Savings accout / bonds : 유의한 상관관계가 보인다. 따라서, 스코어링 작업 실시.
오늘 본 자료
더보기
  • 오늘 본 자료가 없습니다.
해당 정보 및 게시물의 저작권과 기타 법적 책임은 자료 등록자에게 있습니다. 위 정보 및 게시물 내용의 불법적 이용,무단 전재·배포는 금지되어 있습니다. 저작권침해, 명예훼손 등 분쟁요소 발견 시 고객센터에 신고해 주시기 바랍니다.