摘要: 国际经验表明,信用评分技术可较好地解决小企业贷款高成本、高风险及信息不对称难题。本文广泛选取了可适用于小企业主信用评分领域的12个数据挖掘模型(包括本文的改进模型门限Logistic),并以3个银行微观客户数据集(样本量分别为30488、1000和700)为案例,通过10折交叉验证和预期分类错误成本的方式,检验了这些模型的综合信用评分能力。分析结果及稳健性检验表明,本文改进的门限Logistic模型在模型预测能力及预期错误分类成本等多方面均表现优秀;而基于决策树的组合方法也表现良好。本研究对国内商业银行建立合适的小企业主贷款信用评分模型具有参考意义;而该类模型的实施可推动银行微观金融统计进而宏观政府金融统计工作的完善。