본 연구에서는 거절자들의 정보를 신용평가모형에 반영하여 MNAR 가정하에 발생되는 표본선택편의(selection bias)를 줄일 수 있는 신용평가모형을 만들고 그 알고리즘의 확인과 기존 승인자들의 정보만으로 개발되었던 신용평가모형과의 차이 및 개선점에 대해서 확인고자 하였다.
먼저 기존 문헌연구를 통해 MAR(Missing at Random)과 MNAR(Missing Not at Random) 가정 하에서의 거절자 추론방법을 이용하여 거절자들의 정보를 신용평가모형에 반영하는 방법에 대해 알아보았다. 그리고 이를 통해 표본선택편의 문제는 MNAR가정 하에서 설명이 가능하다는 것과 거절자 추론의 방법으로는 통계적 접근의 한계점이 있다는 사실 역시 확인 할 수 있었다.
본 연구에서는 거절자의 우불량 정보를 CB데이터를 통해서 확인이 가능하다는 가정 하에서 추론이 아닌 거절자의 정보를 직접적으로 반영하고자 접근하였다. 이를 위하여 승인자 우량 모형, 거절자 우량 모형을 개발하여 각 집단의 특성을 반영하도록 하고 승인/거절 승인 모형을 통해 승인률과 거절률을 추정, 이를 가지고 승인자 우량 모형과 거절자 우량 모형에 대한 가중치로서 활용하여 모집단의 우량확률을 추정하는 이변량 신용 스코어모형을 만들었다.
본 연구는 German Credit Data를 가지고 시뮬레이션 분석을 하였으며 분석 결과 이변량 신용 스코어모형이 기존의 승인자 우량 모형에 비하여 표본 선택편의에 따른 모형의 왜곡을 줄이고 더 좋은 변별력을 보여준다는 점을 확인 할 수 있었다. 또한 동일한 특성 하에서 차주들의 승인자 우량 모형과 거절자 우량 모형에 대한 가중치에 따라 새로운 우불량 속성을 나타낸다는 측면에서 MNAR 형태에서 모형 알고리즘이 적용된다는 것 역시 확인 할 수 있었다.
본 연구는 개인신용평가 모형에서 표본선택편의의 문제를 해결 할 수 있는 모형개발의 새로운 알고리즘을 제시했다는 점에서 의의를 찾을 수 있다.