본문 바로가기
HOME> 논문 > 논문 검색상세

논문 상세정보

공통요인분석자혼합모형의 요인점수를 이용한 일반화가법모형 기반 신용평가
A credit classification method based on generalized additive models using factor scores of mixtures of common factor analyzers

임수열    (전남대학교 통계학과   ); 백장선    (전남대학교 통계학과  );
  • 초록

    로지스틱판별분석은 금융 분야에서 유용하게 사용되고 있는 통계적 기법으로 신용평가 시 해석이 쉽고 우수한 분별력으로 많이 활용되고 있지만 종속변수에 대한 설명변수들의 비선형적인 관계를 설명하는 부분에는 한계점이 있다. 일반화가법모형은 로지스틱판별모형의 장점과 함께 종속변수와 설명변수 사이의 비선형적인 관계도 설명할 수 있다. 그러나 연속형 설명변수의 수가 대단히 많은 경우이 두 방법은 모형에 유의한 변수를 선택해야하는 문제점이 있다. 따라서 본 연구에서는 다수의 연속형 설명변수들을 공통요인분석자혼합모형에 의한 차원축소를 통해 변환된 소수의 요인점수들을 일반화가법모형의 새로운 연속형 설명변수로 사용하여 신용분류를 하는 방법을 제시한다. 실제 금융자료를 이용하여 로지스틱판별모형과 일반화가법모형, 그리고 본 연구에서 제안한 방법에 의한 정분류율을 비교한 결과 본 연구에서 제안한 방법의 분류 성능이 더 우수하였다.


    Logistic discrimination is an useful statistical technique for quantitative analysis of financial service industry. Especially it is not only easy to be implemented, but also has good classification rate. Generalized additive model is useful for credit scoring since it has the same advantages of logistic discrimination as well as accounting ability for the nonlinear effects of the explanatory variables. It may, however, need too many additive terms in the model when the number of explanatory variables is very large and there may exist dependencies among the variables. Mixtures of factor analyzers can be used for dimension reduction of high-dimensional feature. This study proposes to use the low-dimensional factor scores of mixtures of factor analyzers as the new features in the generalized additive model. Its application is demonstrated in the classification of some real credit scoring data. The comparison of correct classification rates of competing techniques shows the superiority of the generalized additive model using factor scores.


  • 주제어

    공통요인분석자 .   로지스틱판별분석 .   신용분류 .   일반화가법모형.  

  • 참고문헌 (11)

    1. 기승도, 강기훈 (2010). 일반화가법모형에서 축소방법의 적용연구. <응용통계연구>, 23, 207-218.     
    2. 구자용, 최대우, 최민성 (2005). 스플라인을 이용한 신용 평점화. <응용통계연구>, 18, 543-553. 
    3. 한성실, 정기문 (2004). 로지스틱 회귀모형을 이용한 채택확률모형. <한국자료분석학회>, 6, 1153-1161. 
    4. 홍종선, 정민섭 (2011). 신용평가에서 로지스틱회귀를 이용한 미결정자 추론. <한국데이터정보과학회지>, 22, 149-157.     
    5. Baek, J., McLachlan, G. J. and Flack, L. (2010). Mixtures of factor analyzers with common factor loadings: applications to the clustering and visualisation of high-dimensional data. IEEE Transactions on Pattern Analysis and Machine Intelligence, 32, 1298-1309. 
    6. Baesens, B., Van Gestel, T., Viaene, S., Stepanova, M., Suykens, J. and Vanthienen, J. (2003). Benchmarking state-of-the-art classification algorithms for credit scoring. Journal of the Operational Research Society, 54, 627-635. 
    7. Berkson, J. (1951). Why I prefer logits to probits. Biometrics, 7, 327-339. 
    8. Brooks, C. A., Clark, R. R., Hadgu, A. and Jones, A. M. (1988). The robustness of the logistic risk functions. Communication in Statistics, Simulation, 17, 1-24. 
    9. Ghahramani, Z. and Hinton, G. E. (1996). The EM algorithm for mixture of factor analyzers, Technical Report CRG-TR-96-1, 8, University of Toronto, Canada. 
    10. Lin, D. Y., Wei, L. J. and Ying, Z. (2002). Model-checking techniques based on cumulative residuals. Biometrics, 58, 1-12. 
    11. Press, S. R. and Wilson, S. (1978). Choosing between logistic regression and discriminant analysis. Journal of the American Statistical Association, 73, 669-705. 
  • 이 논문을 인용한 문헌 (1)

    1. Choi, Nayeon ; Huh, Jib 2014. "A longitudinal study for child aggression with Korea Welfare Panel Study data" Journal of the Korean Data & Information Science Society = 한국데이터정보과학회지, 25(6): 1439~1447     

 저자의 다른 논문

 활용도 분석

  • 상세보기

    amChart 영역
  • 원문보기

    amChart 영역

원문보기

무료다운로드
  • NDSL :
  • 한국데이터정보과학회 : 저널
유료다운로드

유료 다운로드의 경우 해당 사이트의 정책에 따라 신규 회원가입, 로그인, 유료 구매 등이 필요할 수 있습니다. 해당 사이트에서 발생하는 귀하의 모든 정보활동은 NDSL의 서비스 정책과 무관합니다.

원문복사신청을 하시면, 일부 해외 인쇄학술지의 경우 외국학술지지원센터(FRIC)에서
무료 원문복사 서비스를 제공합니다.

NDSL에서는 해당 원문을 복사서비스하고 있습니다. 위의 원문복사신청 또는 장바구니 담기를 통하여 원문복사서비스 이용이 가능합니다.

이 논문과 함께 이용한 콘텐츠
이 논문과 함께 출판된 논문 + 더보기