Der Artikel von Junior Jumbong auf Towards Data Science beschreibt eine strukturierte Methode zur robusten Variablenselektion für Credit-Scoring-Modelle, die auf dem Kaggle Credit Scoring Dataset mit 32.581 Krediten basiert. Ausgangspunkt sind 11 Kandidatenvariablen – 7 kontinuierliche und 4 kategoriale –, die Kredit- und Kreditnehmermerkmale abdecken, etwa Einkommen, Alter, Beschäftigungsdauer, Kreditbetrag und Zinssatz. Der Selektionsprozess gliedert sich in vier sequenzielle Filterregeln: Zunächst wird via Kruskal-Wallis-Test geprüft, ob kontinuierliche Variablen einen signifikanten Zusammenhang mit dem Default-Target aufweisen (p < 5 %). Anschließend filtert Cramér's V kategoriale Variablen, wobei ein Mindestwert von 10 % pro Fold gefordert wird – loan_intent fällt dabei heraus. In den Schritten drei und vier werden redundante Variablenpaare eliminiert: Bei kontinuierlichen Variablen gilt ein Spearman-Korrelationsschwellenwert von 60 %, bei kategorialen ein Cramér's-V-Schwellenwert von 50 %; jeweils die Variable mit dem schwächeren Default-Bezug wird entfernt. Am Ende verbleiben 5 kontinuierliche (u. a. person_income, loan_int_rate, loan_percent_income) und 2 kategoriale Variablen. Die Ergebnisse sollen in einem Folgeartikel um Monotonie- und Temporalstabilitätsanalysen der 7 selektierten Variablen ergänzt werden.