目錄 11.1實(shí)證模型與分析統(tǒng)計(jì)方法 11.2數(shù)據(jù)來源及指標(biāo)體系 2資料來源：W農(nóng)村商業(yè)銀行業(yè)務(wù)公示信息節(jié)選 4資料來源：根據(jù)W農(nóng)村商業(yè)銀行貸款資料歸納整理 51.3主成分因子分析 51.3.1假定條件 51.3.2方法與步驟 61.3.3實(shí)證分析 61.3.4因子評分 101.3.5因子檢驗(yàn)及實(shí)證結(jié)果 141.4基于Logistic模型的回歸分析 151.1實(shí)證模型與分析統(tǒng)計(jì)方法1997年，J.P.摩根提出了CreditMetrics這一信用計(jì)量模型，其在量化信用風(fēng)險(xiǎn)管理產(chǎn)品中應(yīng)用，這一模型表明，債務(wù)人的信用狀況由信用風(fēng)險(xiǎn)決定，信用等級可由企業(yè)信用狀況決定，信用等級的變化會帶來信用工具價(jià)值的相應(yīng)變化[39]。KMV模型從借款企業(yè)所有者角度考慮貸款違約問題，以債務(wù)人的資產(chǎn)市場價(jià)值決定信用風(fēng)險(xiǎn)。CreditRisk+模型中，將不可預(yù)知的事件人為違約，不可預(yù)測的隨機(jī)事件變換稱為假定違約率，將其作為前提，進(jìn)行預(yù)期損失的估量。SBCS，英文全稱為SmallBusinessCreditScoring，其指的是小企業(yè)信用評分模型，其將小微企業(yè)的信息作為重要輸入變量在模型構(gòu)建中應(yīng)用，涵蓋征信機(jī)構(gòu)信用記錄、資產(chǎn)負(fù)債、收入及支出水平、消費(fèi)資料等內(nèi)容[40]。SBCS模型可進(jìn)行多信息的收集，依靠數(shù)據(jù)匯總工具進(jìn)行信用分值的應(yīng)用，對測貸后的還本付息狀況進(jìn)行預(yù)測，進(jìn)而間接影響貸款審批決策結(jié)果[56]。通過國內(nèi)外學(xué)者對小微信貸風(fēng)險(xiǎn)模型的探索可以發(fā)現(xiàn)，常用的統(tǒng)計(jì)分析信貸風(fēng)險(xiǎn)形式涵蓋主成分因子、神經(jīng)網(wǎng)絡(luò)、多元因素回歸分析及判別分析等[41]。然而，多數(shù)學(xué)者針對小微企業(yè)財(cái)務(wù)因素進(jìn)行貸款違約分析，對非財(cái)務(wù)因素導(dǎo)致貸款違約的卻相對較少。為突出非財(cái)務(wù)因素對小微信貸風(fēng)險(xiǎn)控制的影響程度，本文以W農(nóng)村商業(yè)銀行貸款準(zhǔn)入條件為切入點(diǎn)，從企業(yè)財(cái)務(wù)指標(biāo)中選取營業(yè)利潤率、資產(chǎn)負(fù)債率、應(yīng)收賬款周轉(zhuǎn)率、流動比率、營業(yè)收入增長率等最具代表性的指標(biāo)，結(jié)合行業(yè)性質(zhì)、發(fā)展前景、管理者素質(zhì)、貸款結(jié)構(gòu)等非財(cái)務(wù)指標(biāo)，從中挖掘小微企業(yè)的盈利能力、營運(yùn)能力、償債能力以及發(fā)展?jié)摿?，進(jìn)而判斷其還本付息能力。1.2數(shù)據(jù)來源及指標(biāo)體系筆者站在小微企業(yè)授信時(shí)已滿足授信準(zhǔn)入時(shí)各項(xiàng)基本財(cái)務(wù)指標(biāo)條件的角度，以主成分因子分析方法，充分揭示非財(cái)務(wù)指標(biāo)對小微信貸風(fēng)險(xiǎn)質(zhì)量的影響程度，以此為授信機(jī)構(gòu)綜合判斷小微企業(yè)還款能力和風(fēng)險(xiǎn)可控性提供借鑒。本文數(shù)據(jù)來源主要是人民銀行官網(wǎng)數(shù)據(jù)、銀保監(jiān)分局公示數(shù)據(jù)、巴彥淖爾烏拉特中旗農(nóng)村信用聯(lián)社內(nèi)部信息平臺公示數(shù)據(jù)和信貸臺賬統(tǒng)計(jì)數(shù)據(jù)、烏拉特中旗市場監(jiān)督管理局獲取的脫敏后的小微企業(yè)信息庫數(shù)據(jù)、烏拉特中旗各大商業(yè)銀行間內(nèi)部共享數(shù)據(jù)。利用所掌握的小微企業(yè)近5年的信貸歷史數(shù)據(jù)、調(diào)取地方工商部門官方統(tǒng)計(jì)數(shù)據(jù)和網(wǎng)站、征信顯示的政府機(jī)構(gòu)公共記錄，實(shí)時(shí)跟蹤調(diào)整以確保研究期間數(shù)據(jù)的穩(wěn)定性。本次實(shí)證分析的數(shù)據(jù)是從已掌握的12183條小微企業(yè)（含個(gè)體工商戶、小微企業(yè)主）中存量貸款客戶中隨機(jī)抽取的1000條有存量貸款的客戶信息組成。按照信貸質(zhì)量五級分類標(biāo)準(zhǔn)，有正常類貸款樣本718個(gè)、關(guān)注類樣本88個(gè)、次級類樣本192個(gè)、可疑類樣本2個(gè)、損失類樣本0個(gè)。財(cái)務(wù)指標(biāo)的選取。選取財(cái)務(wù)指標(biāo)時(shí)考慮到小微客戶沒有規(guī)范的財(cái)務(wù)系統(tǒng)和報(bào)表統(tǒng)計(jì)，商業(yè)銀行對于小微客戶授信準(zhǔn)入時(shí)多數(shù)考慮客戶的資產(chǎn)負(fù)債情況、利潤情況、應(yīng)收賬款情況等，為此從已獲得小微企業(yè)的財(cái)務(wù)數(shù)據(jù)中選取普遍使用的財(cái)務(wù)指標(biāo)，分別為營業(yè)利潤率、流動比率、資產(chǎn)負(fù)債率、應(yīng)收賬款周轉(zhuǎn)率、營業(yè)收入增長率，同時(shí)細(xì)分為六個(gè)層次不同層次，直觀判斷企業(yè)是否具備準(zhǔn)入資格，低于“不予授信”等級的財(cái)務(wù)狀況則無法取得貸款授信額度。表1.1信貸風(fēng)險(xiǎn)因子分析財(cái)務(wù)指標(biāo)及變量說明表1.1信貸風(fēng)險(xiǎn)因子分析財(cái)務(wù)指標(biāo)及變量說明（續(xù)）資料來源：W農(nóng)村商業(yè)銀行業(yè)務(wù)公示信息節(jié)選一般來說，通過企業(yè)的財(cái)務(wù)報(bào)表或?qū)徲?jì)報(bào)告，就可以獲取以上財(cái)務(wù)信息，大部分商業(yè)銀行會根據(jù)評分標(biāo)準(zhǔn)進(jìn)行客戶等級評定，以此作為客戶授信準(zhǔn)入的必要條件。然而，相比于財(cái)務(wù)指標(biāo)，非財(cái)務(wù)因素往往未被放款機(jī)構(gòu)給予充分的重視，因此本文通過主成分因子分析，分析難以直觀獲取信息的非財(cái)務(wù)指標(biāo)，對商業(yè)銀行在評價(jià)小微客戶貸款風(fēng)險(xiǎn)影響因素時(shí)可以更加準(zhǔn)確識別除財(cái)務(wù)指標(biāo)以外的更為重要的非財(cái)務(wù)指標(biāo)。非財(cái)務(wù)指標(biāo)的選取。從樣本中抽取行業(yè)、企業(yè)存續(xù)期間、主營業(yè)務(wù)范圍、從業(yè)人員、企業(yè)主年齡、企業(yè)主文化程度、企業(yè)成立時(shí)間、貸款期限、貸款額度、逾期本金、逾期利息、本金逾期天數(shù)、利息逾期天數(shù)、擔(dān)保方式、展期標(biāo)識等15個(gè)非財(cái)務(wù)指標(biāo)。表1.2信貸風(fēng)險(xiǎn)因子分析非財(cái)務(wù)指標(biāo)及變量說明編號具體項(xiàng)目變量名稱計(jì)算方法X6企業(yè)特征行業(yè)批發(fā)零售=1，餐飲住宿=0X7存續(xù)期間1年以內(nèi)；1-3年；4年以上X8主營業(yè)務(wù)主營業(yè)務(wù)X9從業(yè)人員0人，1人，2-5人，6人以上X10企業(yè)主年齡20歲以下，20-45,46-60,60歲以上X11企業(yè)主素質(zhì)普通教育=0，高等教育=1X12企業(yè)成立時(shí)間企業(yè)成立時(shí)間X13貸款狀況貸款期限貸款期限X14貸款額度綜合授信額度X15逾期本金X16本金逾期天數(shù)大于30天；大于60天；大于90天X17表外欠息金額X18利息逾期天數(shù)大于30天；大于60天；大于90天X19擔(dān)保方式有擔(dān)保=1，無擔(dān)保=0X20展期標(biāo)識已展期=1，未展期=0資料來源：根據(jù)W農(nóng)村商業(yè)銀行貸款資料歸納整理該模型的因變量是企業(yè)違約狀況，按照五級形態(tài)劃分，正常、關(guān)注類貸款為正常履約組，設(shè)定為0，次級、可疑、損失類貸款為逾期違約組，設(shè)定為1。虛擬變量是擔(dān)保方式、展期標(biāo)識、行業(yè)、企業(yè)主素質(zhì)；其余變量均為隨機(jī)變量。1.3主成分因子分析因子分析方法可以較好的分析研究變量之間相互關(guān)系，依靠多變量內(nèi)部依賴聯(lián)系，對觀測數(shù)據(jù)基本結(jié)構(gòu)進(jìn)行分析。此法既可以避免樣本信息重復(fù)，又規(guī)避了計(jì)算權(quán)重的主觀性，它從指標(biāo)樣本信息量的多少來確定其重要程度，隨樣本集合而變化，減少了人為干預(yù)，提高綜合評價(jià)的效度。依靠主成分因子分析，降維多種指標(biāo)，進(jìn)行代表性風(fēng)險(xiǎn)因子的選擇，解釋重要因子，探尋影響小微信貸質(zhì)量變動的主要非財(cái)務(wù)指標(biāo)風(fēng)險(xiǎn)點(diǎn)，以此來說明企業(yè)貸款風(fēng)險(xiǎn)程度的主要影響因素，為商業(yè)銀行授信小微貸款的貸前調(diào)查環(huán)節(jié)提供依據(jù)。1.3.1假定條件假定條件一：樣本中主體的存量貸款全部按照樣本提供機(jī)構(gòu)的貸款審批程序完成授信和用信。假定條件二：貸款五級分類認(rèn)定全部按照真實(shí)性原則調(diào)實(shí)，不存在主觀調(diào)整貸款形態(tài)的違規(guī)行為。1.3.2方法與步驟第一步，設(shè)樣本觀察矩陣為X，將原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理后得到相關(guān)矩陣R=XTX。第二步，設(shè)特征向量矩陣為U=（U1，U2，…，Up），p代表變量數(shù)；則主因子陣F=UTX=(F1，F(xiàn)2，…Fa，…，F(xiàn)n)，n代表樣本數(shù)；第a個(gè)樣本的主因子觀測值為Fa=UTXa(a=1，2，…，n），又可稱為a的因子得分矩陣。第三步，m為主因子個(gè)數(shù)，依據(jù)累計(jì)方差貢獻(xiàn)率進(jìn)行確定，其概率在85%以上，構(gòu)建因子模型。第四步，在有解釋效用部分進(jìn)行注音字矩陣的保留，將信息量很少的參與部分設(shè)定為，最終可以得到因子模型矩陣方程式：（公式1.1）1.3.3實(shí)證分析借助SPSSModeler統(tǒng)計(jì)軟件將樣本數(shù)據(jù)導(dǎo)入后，通過取樣適量性KMO檢驗(yàn)、Bartlett球形檢驗(yàn)及概率值結(jié)果研究，0.958為LMO的樣本值，248為樣本自由度，1193.56為球形檢驗(yàn)數(shù)值，P＜0.01=0.000，差異明顯，同時(shí)也可以證明本次樣本中的選取的指標(biāo)數(shù)據(jù)適合進(jìn)行因子分析（表1.3）。表1.3KMO測度和球形檢驗(yàn)表項(xiàng)目值項(xiàng)目值KMO測度值0.958球型檢驗(yàn)值1193.56自由度248顯著性0.000數(shù)據(jù)來源：SPSS計(jì)算匯總抽取共同因子方差并進(jìn)行排序，可得到變量方差最接近1的七個(gè)因子（表1.4），即營業(yè)利潤率X1、企業(yè)存續(xù)期間X2、流動比率X3、企業(yè)主素質(zhì)X6、貸款金額X9、表外欠息金額X12、展期標(biāo)識X15是影響貸款質(zhì)量的風(fēng)險(xiǎn)因子。表1.4變量共同性（變量方差）因子初始提取貸款金額_X91.0001.000企業(yè)存續(xù)期間_X21.0001.000企業(yè)主素質(zhì)_X61.0000.996營業(yè)利潤率_X11.0000.996展期標(biāo)識_X151.0001.000流動比率_X31.0001.000表外欠息金額_X121.0001.000數(shù)據(jù)來源：SPSS計(jì)算匯總求得各項(xiàng)指標(biāo)的特征值和貢獻(xiàn)率。從表1.5中可以看出相關(guān)矩陣的前四個(gè)特征值分別為35.788、25.854、11.633、13.815，累計(jì)貢獻(xiàn)率超過了85%的設(shè)定值（具體為90.11%），說明前四項(xiàng)主成分包含了項(xiàng)目指標(biāo)的充分信息，故m=4。表1.5信貸風(fēng)險(xiǎn)因子特征值及百分比成分初始特征值被提取的載荷平方和平方荷載的旋轉(zhuǎn)和合計(jì)方差累計(jì)方差合計(jì)方差累計(jì)方差合計(jì)方差累計(jì)方差12.50535.78835.7882.50535.78835.7882.00228.59428.59421.81025.85461.6421.81025.85461.6421.99928.55657.15031.02611.65376.2951.02611.65376.2951.00011.28571.43440.96713.81590.1090.96713.81590.1091.00011.28285.71650.6859.78099.8890.6859.78099.8890.99211.17399.88960.0080.111100.0000.0080.111100.0000.0080.111100.0007-5.551E-17-7.930E-16100.0005.551E-177.930E-16100.0005.551E-177.930E-16100.000數(shù)據(jù)來源：SPSS計(jì)算匯總建立因子載荷矩陣，得出如下結(jié)果：表1.6主成分因子載荷矩陣成分1234567貸款金額_X90.8570.442-0.012-0.019-0.256-0.0620.000企業(yè)存續(xù)期間_X20.8520.446-0.018-0.021-0.2640.0620.000企業(yè)主素質(zhì)_X6-0.6020.795-0.0670.032-0.0260.0000.000營業(yè)利潤率_X1-0.6020.795-0.0670.032-0.0260.0000.000展期標(biāo)識_X150.1560.2590.689-0.5800.3120.0000.000流動比率_X30.2480.1690.4620.7890.2710.0000.000表外欠息金額_X120.4830.238-0.573-0.0680.6140.0000.000數(shù)據(jù)來源：SPSS計(jì)算匯總按照因子分析的規(guī)則，因子具有比例較高的解釋方差，其原變量信息數(shù)量較多，依據(jù)表1.3內(nèi)容，2.505為第一成分初始表現(xiàn)，35.788%為方差比例，第二成分中，1.810為初始特征值，25.854%為可解釋的方差比例，1.026為第三個(gè)成分的初始特征值，11.653%為可解釋的方差比值，0.967為第四成分的初始特征值，13.815%為可解釋的方差比例。其余三個(gè)因子中，均在1以下，其表明，這幾個(gè)成分的解釋力度遠(yuǎn)遠(yuǎn)低于直接引入原變量。因此，為了對主因子作出正確合理的解釋，簡化結(jié)構(gòu)，舍去因子荷載為零的因子5、因子6和因子7，對剩余四個(gè)因子載荷矩陣進(jìn)行方差最大旋轉(zhuǎn)，可得旋轉(zhuǎn)后的因子載荷矩陣，如下表1.7所示：表1.7旋轉(zhuǎn)后的主成分因子載荷矩陣成分1234企業(yè)主素質(zhì)_X60.997-0.074-0.0090.018營業(yè)利潤率_X10.997-0.074-0.0090.018貸款金額_X9-0.0750.9790.0780.070企業(yè)存續(xù)期間_X2-.00820.9770.0850.075流動比率_X3-0.0120.1160.9930.008展期標(biāo)識_X150.0280.1040.0080.994表外欠息金額_X12-0.0390.229-0.010-0.026數(shù)據(jù)來源：SPSS計(jì)算匯總綜上分析結(jié)果所示，35.788%為F1的第一因子貢獻(xiàn)度，其表明，五項(xiàng)指標(biāo)中，其發(fā)揮主導(dǎo)效用，F(xiàn)1因子在企業(yè)主素質(zhì)X6、營業(yè)利潤率X1、企業(yè)存續(xù)期間X2上有較大的載荷，發(fā)映出一個(gè)小微信貸業(yè)務(wù)風(fēng)險(xiǎn)程度，取決于經(jīng)營者所從事的行業(yè)領(lǐng)域、管理者的管理理念和財(cái)務(wù)運(yùn)用能力以及企業(yè)的存續(xù)時(shí)間。這三項(xiàng)指標(biāo)，對于企業(yè)授信準(zhǔn)入評級、貸款還本付息能力的度量上發(fā)揮的作用不容小覷，可稱之為“行業(yè)因子”。第二主因子F2的貢獻(xiàn)度為25.854%，在表外欠息金額X12、貸款金額X9、企業(yè)存續(xù)期間X2上有較大的載荷，說明商業(yè)銀行在準(zhǔn)入小微貸款時(shí)，要著重考量和評估企業(yè)存續(xù)期和生命力，對企業(yè)發(fā)展作出前瞻性評價(jià)，以此來設(shè)定貸款額度和最優(yōu)授信方案，在貸款還本付息設(shè)定上，要采取符合小企業(yè)生產(chǎn)運(yùn)營周期，否則容易造成因結(jié)息方式與小微企業(yè)資金運(yùn)作周期不符而導(dǎo)致的表外欠息，進(jìn)而形成企業(yè)貸款因欠息90天而進(jìn)入次級不良貸款，可稱之為“還款意愿因子”。第三主因子F3的貢獻(xiàn)度為11.653%，在貸款金額X9、企業(yè)存續(xù)期間X2和流動比率X3上有較大的載荷，說明企業(yè)額流動比率決定短期借款的償債能力，成為貸款審批額度大小的關(guān)鍵。企業(yè)的主營業(yè)務(wù)收入、資產(chǎn)負(fù)債及現(xiàn)金流量大小等財(cái)務(wù)指標(biāo)，反映企業(yè)營業(yè)規(guī)模的同時(shí)，亦可以展現(xiàn)企業(yè)短期貸款的償還能力。如果企業(yè)流動比率較低，則可以證明該企業(yè)運(yùn)營動力不足，資金周轉(zhuǎn)不暢，還款能力也有所降低，可稱之為“財(cái)務(wù)運(yùn)營因子”。第四主因子F4的貢獻(xiàn)度為13.815%，其在貸款金額X9、企業(yè)存續(xù)期間X2和展期標(biāo)識X15上有較大的載荷，說明小微企業(yè)在貸款存續(xù)期間，發(fā)生過貸款展期記錄，意味著其還本付息能力的下降，進(jìn)而對整個(gè)貸款的履約形成一定的風(fēng)險(xiǎn)，可稱之為“履約能力因子”。通過因子分析，可以得出4個(gè)主要的風(fēng)險(xiǎn)度量因子的線性組合方程式:F1=0.498X1+0.498X6+0.3402X9+0.3421X2+0.06213X15+0.193X12+0.09919X4+0.6294F2=0.9101X1+0.9101X6+0.2467X9+0.2444X2+0.1429X15+0.1313X12+0.0932X4-1.15F3=-0.1354X1-0.1354X6-0.01799X9-0.01152X2+0.6718X15-0.5584X12+0.4504X4+0.1712F4=0.06867X1+0.06867X6-0.02197X9-0.01954X2-0.6X15-0.07038X12+0.8161X4-0.0868利用主因子對總信息量的貢獻(xiàn)度進(jìn)行加權(quán)，即歸一化處理，可得綜合評價(jià)函數(shù)：（公式1.2）進(jìn)一步得出風(fēng)險(xiǎn)評價(jià)綜合因子：（公式1.3）1.3.4因子評分將標(biāo)準(zhǔn)化數(shù)據(jù)代入公式1.2中，可得樣本中小微企業(yè)在四個(gè)綜合因子方面的得分與排序，代入公式1.3中，可計(jì)算出全部樣本信貸風(fēng)險(xiǎn)因子狀況的綜合得分及排序。表1.8樣本信貸風(fēng)險(xiǎn)因子得分及排序（節(jié)選50組）為了確?？蛻粜畔踩?，企業(yè)客戶名稱用省略處理后的營業(yè)執(zhí)照號碼代替表1.8樣本信貸風(fēng)險(xiǎn)因子得分及排序（續(xù)）表1.8樣本信貸風(fēng)險(xiǎn)因子得分及排序（續(xù)）數(shù)據(jù)來源：SPSS計(jì)算匯總1.3.5因子檢驗(yàn)及實(shí)證結(jié)果從上述計(jì)算出綜合因子得分的50個(gè)樣本進(jìn)行聚類分組分析，通過此方法可以將風(fēng)險(xiǎn)綜合因子和貸款不良率建立聯(lián)系，用貸款違約率去驗(yàn)證綜合因子衡量小微信貸主體的風(fēng)險(xiǎn)水平是否合理。由此可得出分析結(jié)果：50個(gè)樣本中，第一類樣本數(shù)為10，不含次級或以上不良貸款信息，貸款違約率為0，風(fēng)險(xiǎn)綜合因子的得分分布介于2.78-5.37之間。第二類樣本數(shù)為15，有3筆次級以上的不良貸款，貸款違約率為20%，風(fēng)險(xiǎn)綜合因子的得分分布介于1.6-2.64之間。第三類樣本數(shù)為25，有20筆次級以上的不良貸款，貸款違約率為80%，風(fēng)險(xiǎn)綜合因子的得分分布介于-0.66至1.25之間。由此可見，第一樣本具有較好的貸款質(zhì)量，2.78為風(fēng)險(xiǎn)綜合因子的得分最下限，貸款違約為第二組存在的內(nèi)容，且風(fēng)險(xiǎn)綜合因子得分上限為2.64，可以取兩個(gè)數(shù)值的平均數(shù)作為閾值，商業(yè)銀行可以選取綜合因子得分在2.71以上的企業(yè)客戶進(jìn)行授信準(zhǔn)入，同時(shí)嚴(yán)格分析借款企業(yè)的貸款需求和借款用途，在完成貸前調(diào)查的前提下考慮一定的授信額度。第三組的不良貸款率較高，顯現(xiàn)出如果小微企業(yè)的風(fēng)險(xiǎn)綜合因子得分在1.25以下，商業(yè)銀行就應(yīng)該審慎發(fā)放貸款，甚至說此類客戶不應(yīng)進(jìn)行授信準(zhǔn)入。此分析方法在作者所在機(jī)構(gòu)的其他樣本外存量小微貸款進(jìn)行校驗(yàn)，得到的情況基本接近本次分析結(jié)果。因此可以證明本論文構(gòu)建的小微企業(yè)風(fēng)險(xiǎn)因子模型是穩(wěn)定的，同時(shí)以此度量出的小微信貸業(yè)務(wù)風(fēng)險(xiǎn)因素也是較為準(zhǔn)確的。1.4基于Logistic模型的回歸分析考慮到貸款形態(tài)具有正常類、關(guān)注類、次級類、可疑類和損失類的多分類性，在上述主成分因子分析的基礎(chǔ)上，繼續(xù)探究各變量對貸款風(fēng)險(xiǎn)的影響情況，按照貸款五級分類結(jié)果，開展多因素回歸分析?；貧w分析模型顯示，分析自變量與因變量之間的聯(lián)系，每個(gè)模型必須存在一個(gè)值與之對象，其概率和為1，因此選擇基于因子分析得出的四個(gè)公因子為自變量，以五級分類認(rèn)定結(jié)果為因變量。假設(shè)y=1或者y=0，x是影響y的一個(gè)風(fēng)險(xiǎn)因子，假設(shè)在x條件下y=1的概率是p=p(y=1|x)，而在多元模型中，y可以取多個(gè)值，可得公式：(公式1.4)對模型展開并整理可得公式：(公式1.5)利用SPSS軟件對上一部分因子分析提取的公共因子進(jìn)行回歸分析，因樣本機(jī)構(gòu)無損失類貸款，本次分析以正常、關(guān)注、次級、可疑為分類標(biāo)準(zhǔn)。絕大部分商業(yè)銀行都對正常類貸款有較為普遍的一致性認(rèn)同，因此以正常類形態(tài)為本次回歸分析的參照類別。結(jié)果如下表1.9：表1.9參數(shù)估算值貸款形態(tài)（五級）系數(shù)值標(biāo)準(zhǔn)誤差卡方自由度顯著性優(yōu)勢比95%置信區(qū)間最低值最高值關(guān)注截距-1.7430.50611.88210.001流動比率-.0670.0442.33510.1270.9350.8581.019營業(yè)利潤率0.7530.4572.71910.0992.1240.8685.198發(fā)放金額0.0000.0001.68210.1951.0001.0001.000表外欠息金額0.0000.00011.96210.0001.0001.0001.000[存續(xù)年限=1-3年]0.3360.4350.59910.4391.4000.5973.280[存續(xù)年限=1年以內(nèi)]-0.3030.6310.23110.6310.7380.2142.543[展期標(biāo)識=0]8.4421.12456.40910.0004638.804512.41841991.028次級截距-2.1210.52016.63210.000流動比率-.0450.0421.14310.2850.9560.8811.038營業(yè)利潤率0.5780.4501.65210.1991.7830.7381.305發(fā)放金額0.0000.0000.05310.8181.0001.0001.000表外欠息金額0.0000.00015.17110.0151.0001.0001.000[存續(xù)年限=1-3年]0.3240.4380.54710.4601.3830.5863.263[存續(xù)年限=1年以內(nèi)]0.3320.6090.29710.5861.3940.4221.599[展期標(biāo)識=0]6.