Modelagem com regressão logística para análise de concessão de crédito

Abstract

Devido ao aumento do volume de dados ao longo dos anos, as técnicas de mineração de dados se tornam cada vez mais relevantes para obtenção de informações. Portando, esse trabalho tem como objetivo mostrar a eficiência de uma técnica de mineração de dados que é a regressão logística, onde a característica principal é a abordagem das variáveis resposta categóricas nas suas formas binárias e múltiplas. Ao longo do trabalho são discutidos métodos para estimação do modelo de regressão e testes para avaliação desse modelo gerado. Os dados são oriundos do repositório MachineLearning Repository’s da Universidade da California-Irvin UCI. O programa usado para modelar o modelo logístico foi software R. Os dados foram divididos em treinamento e teste, onde o modelo ajustado foi selecionado atravéz do método stepwise com nível de significância de < 0.05. O modelo atendeu as expectativas de qualidade do ajuste, as métricas do modelo foram uma acurácia de aproximadamente 72 % em discriminar clientes adimplentes de inadimplentes, sensibilidade de 87% dos 140 clientes adimplente o modelo acertou 122 e especificidade de 38%. Outra ferramenta utilizada para avaliar o modelo é a curva ROC, que teve uma área de 0,847 sugerindo que o modelo é bastante eficiente.