Logistic Regression과 Generalized Additive Model을 이용한 생명보험 해약 예측모형

Abstract

본 논문에서는 첫 번째로, 원변수를 이용한 로지스틱 회귀분석으로 생명보험의 고객 이탈여부에 영향을 주는 중요 변수를 찾아보고, 두 번째로, 독립변수 중 비선형인 독립변수가 존재할 경우 비선형인 각 독립변수들에 대하여 적절한 평활함수(Smoothing function)을 이용하여 종속변수를 예측함으로써 비선형 독립변수의 특성까지 고려한 통계적 분석방법인 일반화 가법모형(Generalized Additive Model)을 이용한 추정결과를 토대로 연속형 독립변수들의 적절한 변수변환을 고려해 보았다. 세 번째로, 일반화 가법모형의 분석 결과를 토대로 원변수와 로그변환변수를 모두 포함한 로지스틱 회귀모형을 구축해 보았다. 마지막으로 원변수를 이용한 로지스틱 회귀모형, 변수변환을 이용한 로지스틱 회귀모형의 예측력을 비교하여 보았다. 각 모형의 Deviance값과 AIC값 비교, 리프트 차트(Lift Chart)를 이용하여 모형의 예측력을 비교해 본 결과 원변수를 이용한 로지스틱 회귀모형 보다는 GAM 추정결과를 토대로 연속형 독립변수들의 적절한 변수변환을 이용한 로지스틱 회귀모형의 Deviance값과 AIC값이 작아지는 것을 볼 수 있었다. 또한 리프트 차트(Lift Chart)이용한 모형평가에서도 변수변환을 이용한 로지스틱 회귀모형이 1등급(상위10%)에서 예측력이 뛰어났으며, 등급이 낮을수록 Lift값이 안정적으로 감소하는 것을 볼 수 있었다. 따라서 변수변환을 이용한 로지스틱 회귀모형이 원변수만 이용한 로지스틱 모형보다 예측력이 우수함을 알 수 있었고, 종속변수와 독립변수 사이의 비선형적인 관계를 설명할 수 있는 일반화 가법모형을 토대로 연속형 독립변수들의 적절한 변수변환을 고려해 보았다는 점에서 본 논문의 의의를 찾을 수 있다.;This paper studies the problem of predicting cancellation of the life insurance using logistic regression and generalized additive model(GAM). Using the variable selection method based on backward elimination with a=0.15, we find the appropriate linear logistic model. Then we apply the GAM model to find the possible nonlinear transformations of the continuous independent variables. On the basis of the GAM results, we obtain simple parametic model with log-transformed variables which has a smaller AIC value. Lift Charts based on the new test data show that our model has a better predictive power than the model based on the original variables.