评估心得体会范文

引言：寻求写作上的突破？我们特意为您精选了4篇评估心得体会范文，希望这些范文能够成为您写作时的参考，帮助您的文章更加丰富和深入。

篇1

作为老师，要不断完善自我，外塑形象，内增学识，趋于好老师；作为学校，要尽一切办法努力打造好老师，留住好教师，谋学校发展。一周督导评估之旅，明白：

一、学校要制定合适的发展规划：

1、制定好的学校发展规划，明确学校发展方向，明确教育工作理念，明确校训、校风、教风、学风、作风，提出学校发展要求，树立品牌打造意识，提升教师专业素养，提升师生精气神，抓好细节，由细致到精致进而到极致发展。

2、带头着力探寻教育教学新模式（八中“tst”，xx县四小“五步教学法”）。为新的教学理念作准备，安好班班通，作好用之前的教师培训，提高教育技术能力（如课件制作，课堂上的使用等）。可请进来，带出去，学校要舍得花钱打造教师。

二、抓好常规教育：

1、注重教师敬业精神（增强责任心，增强服务意识，以当教师为乐，以当教师为荣，校兴我兴，校荣我荣，校耻我耻，有不苦不累，生活无味，不拼不后搏，此生白活的想法）和师德师风的培养（不上课，故意迟到、拖堂、懒散、麻将、抽烟、喝酒上课、乱丢乱扔等）和学生行为习惯的养成教育（穿衣、饮食、午休、晚休、起床、说话、做事等）；着力打造团队意识和服务意识，要追求自身发展，做和尚就要撞钟。

2、学校制定相关的制度方案（教学、德育、后勤），然后按制度方案落实，着力督促，检查到位，记录详实，整改及时，总结诚恳。成败的关键在于制度方案的执行力。

3、备好课，写好教案：栏目填写清楚，书写要认真，必须带教案上课，可着力打造电子版教案，集体备课，装订成册，共同使用，将知识性错误在上课前消灭；上好课：（课前3分钟红歌提升精气神，提高学习效率）忌满堂灌，要改变教学模式，多关注学生，发挥学生的主体性、积极性、主动性，也要上好作文课和实验课；认真批改作业：量适中，批改认真，对错误处要有更正，要有评语，有等次，的批改日期。

4、着实开展好第二课堂（开展好音乐、体育、美术、心理健康等课；开展好书法课（有书法课，有每天下午第一节课前的20分钟轻音乐书法练习）；有科技创新课（合理利用资源，变废为宝，进行再利用。）等；用好心理咨询室和少年宫、将图书室、实验室，真正发挥它们的作用，督查到位，管理精细。总之，这些有助于学生喜欢学习，喜欢学校，流失率会低。

5、督查用好早读和晚读：要齐读，要真读，不要用来上课和做作业等；班会课：不能用来上课，班会课是用来安排班务的，是用来对学生进行道德、纪律、安全、健康常识等的教育的，学生可以用好道德讲堂对学生进行道德教育；升旗仪式和大课间：用实团委，用活少年宫，成立学生会（主持、音响、形式：师生齐唱国歌、国旗下讲话、经典诵读、达体舞、跳绳、跑步、呼啦圈等）。

三、作好学校宣传

1、加大对学校的宣传力度（利用网络、校刊、校报、电视媒体等），使教育面向社会，不流于形式的多开家长会，成立管委会，开好社区会，学校发展规划，学校的发展不公要让师生知道，让领导知道，还要让社区知道。让更多人了解学校，认识学校。

2、丰富校园文化，陶冶师生情操。（形式有写真、书法、绘画、玻璃板等；内容有：千字文、公民道德三字经、健康教育宣传、卫生宣传、心理健康知识、行为习惯养成、名人名言；班级文化建设上，学校可适当出资帮助打造，有班规、班约、班歌、班级宣言、班训、班风、《中学生日常行为规范》、《中学生守则》等

篇2

doi：103969/jissn1004-7484（x）201309610文章编号：1004-7484（2013）-09-5362-01

功能性消化不良因缺乏器质性疾病基础，造成患者进食减少、消化吸收率低、营养不良等，影响患者生活质量。老年人功能性消化不良发生率高达25%，其病因复杂，机制不明，症状反复发作。我院采用焦虑自评量表（SAS）、症状自评量表（SCL-90）及抑郁自评量表（SDS），对老年患者进行心理评估，并采取相关护理措施，现报告如下。

1资料与方法

11一般资料选取2011年3月――2013年3月于我院进行治疗的功能性消化不良老年患者40例，男28例，女12例，年龄63-88岁，平均（756 58）岁，均采用功能性消化不良罗马III诊断标准。选取同一时间门诊体检无功能性消化不良老年患者40例为对照组，其中男30例，女10例，年龄62-86岁，平均（765 62）岁。两组患者年龄、性别无统计学差异（P>005），有可比性。

12方法

121心理评估方法使用统一指导语，以问卷调查方式对两组患者进行心理状况评估。SDS与SAS均包括20个项目，分为4级评分的自评量表；SCL-90包括强迫、人际关系、精神病性、抑郁、焦虑、恐怖、躯体化、偏执等10个因子，共计90项。

122护理干预方法①用药护理：当患者症状严重时，进行药物治疗。上腹部疼痛剧烈、烧伤感明显，可选择质子泵抑制剂、H2受体拮抗剂等抑酸药，也可选择铝碳酸镁、硫糖铝等胃粘膜保护剂；早饱、餐后胀饱明显患者，可选用莫沙必利、潘立酮等促动力药；精神症状明显患者，可服用少量抗抑郁药。若出现药物治疗不良反应，及时通知医师，调整用药。②饮食护理：老年人的消化功能、吸收功能逐渐减退，护理中，医护人员要知道老年患者进行科学饮食，形成良好的饮食习惯。饮食要多样，做到食物色、香、味、形俱全，合理搭配粗细粮、干稀粮，以增加患者胃口，促使患者合理饮食；以山楂、话梅、甜橙等食物刺激患者开胃。进餐时，以蛋白质、维生素、矿物质含量丰富且易消化的食物为主，勿食过冷、过热、辛辣等刺激性强、不易消化的食物，禁食含盐量高、腌制食物。③心理护理：以和蔼、平等态度与患者进行沟通，并向患者讲解心理因素与疾病发生的关系，创造和谐的室内环境与人际交往环境，降低患者的紧张、焦虑、恐惧等心理。对患者进行健康教育，促使患者了解功能性消化不良的一些可能性病因，并说明消化性不良可有效治疗，降低患者对自身病症的恐惧感，树立患者治疗信心，促使患者积极配合治疗。

13统计学方法以SPSS130统计软件包分析处理统计学数据，以t检验心理评估量分值比较，组间差异以P

2结果

21SDS、SAS及SCL-90评分结果观察组SDS、SAS评分均显著高于对照组，且两组数据差异有统计学意义（P

22护理后观察组疗效经护理，所有患者的紧张、恐惧、抑郁心理减轻，且所有症状消失21例，症状明显减轻19例。

3讨论

功能性消化不良常表现为上腹部疼痛、上腹部烧伤感、早饱或餐后饱胀等症状，虽对患者的生命安全危害不大，但严重影响患者正常生活，加大患者心理压力。功能性消化不良的引发原因尚不明确，但日常心理因素、饮食习惯、环境温度可影响肠胃道功能，进而诱发消化不良症状，值得强调的是，幽门螺杆菌感染可能是部分功能性消化不良患者发生相关症状的主要病因，因此根除幽门螺杆菌可使部分患者症状改善或消失。

我院以问卷法对患者心理状况进行调查，并以正常对照组为参照，分析功能性消化不良老年患者临床表现与心理状态的关系，发现老年患者具有明显的躯体化、抑郁、焦虑等心理状态，且抑郁、焦虑更为突出。针对患者心理与病状，我院采取心理护理、药物护理与饮食护理措施，帮助患者全面认识心理状态、日常生活习惯、用药方法与患者康复的关系，临床效果显著。

参考文献

[1]张翠红，杨杰护理干预对130例功能性消化不良的疗效观察[J]贵阳医学院学报，2010（04）：428-429

篇3

一、引言

随着我国经济的不断发展，金融市场也日益开放，有效的风险管理机制对商业银行也越来越重要。据统计中小企业占去全国企业总数的99%以上，这无疑为商业银行提供了很大的市场，但是中小企业自身存在着抗风险能力弱、规模小、生命周期短等众多问题，这也就导致了商业银行对其“惜贷慎贷”的问题。因此，如果能找出影响中小企业信用风险程度的最显著的指标，并知道他们之间的联系，这样就能有助于减轻商业银行在放贷时的一些顾虑，从而达到中小企业和商业银行双赢的局面。本文通过对样本企业进行实证研究，依据影响企业风险程度的各个指标，在一般的Logistic模型基础上建立了Logistic变换的回归正交模型，来对企业风险程度进行分析，找出了主要影响其风险程度的指标，最终，建立了主要影响指标与企业风险程度之间的Logistic变换的回归正交模型。

二、Logistic变换的回归正交模型

（一）回归正交表设计

设x1，x2，…xm为影响研究试验指标p的m个因素。对于其中一个因素xj，它的变化范围为[xj1，xj2]，其中xj1为其下水平，xj2为其上水平，xj0为其零水平，xj0=（xj1+xj2）/2。因素xj的变化间距为上水平与零水平的差，Δj=xj2-xj0。接下来，对因素进行编码，一般称xj为自然变量，zj为规范变量。因素xj的编码zj是将xj各水平进行线性变换zj=（xj-xj0）/Δj。最后，令y=ln（p/（1-p）），对试验指标进行Logistic变换，y作为新的试验指标，应用到回归正交试验表中。在两水平正交试验表中，只需把原表中的“2”变成“1”，“1”变成“-1”就可以得到二水平回归正交试验设计表。

（二）模型建立

根据上面的分析，首先要建立基于规范变量的Logistic回归方程：

ln（p/（1-p））=β0+β1z1+β2z2…βmzm

因为转换过程比较复杂此处就不具体列出，可参考相关文献，方程最终可以转换为：

ln（p/（1-p））=γ0+γm1xm1+γm2xm2…+γmkxmk

在式中，γ0=β0-■-■-…■，γmj=■，j=1，2…，k

在转换后的模型中直接实现了回归正交试验在非线性回归问题中的运用，可以找到对试验指标影响显著地因素，并可以判断各个因素对试验指标影响的重要性顺序。

三、实证研究

（一）变量选取及赋值

影响信用风险评估的因素有很多，根据现有的一些资料和相关文献，充分考虑企业的偿债能力、盈利能力、运营能力、成长能力、财务结构和企业概况等方面因素，最终选定了9个指标，为了便于模型求解，对选取的9个指标进行量化处理：x1产权比例（1表示小于100%，2表示大于100%）；x2资产规模（1表示小于10亿元，2表示大于10亿元）；x3固定资产比率（1表示小于30%，2表示大于30%为1）；x4净资产增长率（1表示小于10%，2表示大于10%）；x5资产负债率（1表示小于50%为，2表示大于50%）；x6所处地区（1表示中西部，2表示东部）；x7企业主学历（1表示硕士以下，2表示硕士及硕士以上）；x8主营业务利润率（1表示小于10%，2表示大于10%）；x9流动比率（1表示小于2，2表示大于2）。

对上述9个因素采用两水平正交表L12（211）安排正交回归试验。对正交表L12（211）中各因素变量进行规范化处理，见表1：

通过一次回归正交设计表，建立基于规范变量的Logistic回归方程：

ln■=β0+β1z1+β2z2…β9z9

用Matlab进行运算，得到回归方程如下：

ln■=-0.008+0.035z1-0.065z2-0.235z3-0.146z4+1.141z5

-0.019z6-0.049z7-0.012z8+0.253z9

（二）模型检验

针对上面的回归方程，用方差分析对回归方程的显著性和各个回归系数的在显著水平下进行检验分析。根据检验结果Fz8

由表2可以明显看出，在显著水平下，因素对实验结果有非常显著的影响，因素对实验结果有显著影响，整体所建立的回归方程很显著。

（三）模型简化

根据前面对各个因素的检验分析，将显著的因素提取出来，重新进行回归，再由编码公式化简方程，得到最终方程为：

ln■=-5.3004+0.531x3+0.248x4+2.291x5+0.521x9

最终得到了信用风险程度与x3固定资产比率，x4净资产增长率，x5资产负债率，x9流动比率4个因素的Logistic回归模型，这四个因素对信用风险程度影响的重要性顺序为：资产负债率x5>固定资产比率x3>流动比率x9>资产负债率x5。

四、结论

本文的数据来源主要是120家企业2010、2011年的财务资料，在数据搜集方面，由于商业银行内部资料的保密性，能获得的资料还是很有限的，与全国中小企业数量相比，本文的样本量还是比较少的。考虑全部影响指标的初始模型主要9个指标，从初始模型中可以看出企业的资产规模越大、主营业务利润率越大，产权比例越小，其风险程度就越小；东部的企业相比中西部而言，风险程度较小；企业主的学历越高，风险程度也有一定变小的趋势。在原始模型的基础上，剔除影响不显著的因素后，最终的模型主要有4个财务指标，分别是固定资产比率、净资产增长率、资产负债率和流动比率，其中固定资产比率是财务结构的指标，净资产增长率是成长能力的指标，流动比率和资产负债率偿债能力的指标。也就是说企业这四项变量的数值越大，企业违约的风险也就越大。因此，商业银行在预测中小企业信用风险时要综合考察企业的盈利能力、成长能力、偿债能力以及财务结构。

参考文献

[1]任明接，李海燕，刘洪.基于Logistic变换的回归正交试验模型[J].辽宁科技大学学报，2012（03）.

篇4

一、引言

20世纪末以来，随着以互联网、大数据为代表的信息技术快速发展，金融与互联网从逐渐融合到全面渗透，“互联网金融”概念应运而生。互联网金融凭借成本低廉、高效便捷、受众广泛的特征使其在满足客户个性化需求、服务长尾客群方面具有先天性优势，因此传统商业银行可以通过l展互联网金融模式，加快个人信贷领域产品和服务创新，达到业务处理的便捷性，提升客户体验，增加客户黏性，拓展普惠金融服务范围。传统的小额贷款主要面向中低收入个人客户、中小企业主等群体，涉及面广、个性化需求强烈，由于缺乏统一的规范化管理，风险管理难度较大，这也是商业银行小额贷款业务发展缓慢的一个主要原因，但随着“互联网+金融”模式的兴起，大数据、云计算、社交网络、搜索引擎等互联网技术不断突破与运用，商业银行大力发展个人小额贷款业务已成为可能，但同时也应看到随之而来的欺诈风险、准入风险等，商业银行信用风险管理所考量的因素不断细化。所以，传统商业银行如何运用互联网金融的优势来创新发展个人小额信贷业务、抢占个人信贷业务市场、高效的解决信息不对称的问题，有效的管理风险将会成为传统商业银行未来不得不考虑的问题。

信贷的核心是风险管理，而对于个人小额贷款业务而言，风险管理的核心是客户信用管理，包括客户准入管理、存量客户管理及逾期客户管理。所以如何识别不同时期的客户的信用风险并进行有效控制将成为商业银行发展小额贷款业务的重中之重。本文将利用光大银行长沙分行收集的实际样本数据进行分析，以二分类Logistic回归为计量工具，通过对商业银行的个人信用贷款数据进行分析，来识别影响个人小额贷款信用风险的主要因素，旨在对商业银行在开展个人小额信贷业务中的风险管理提供一种思路或方法。

二、 文献综述

在对贷款风险管理的研究中，定量分析方法越来越受到学者和实践操作者们的青睐。定量分析法不仅可以优化贷款决策，将被动的风险管理模式转为积极主动的防范和控制风险，还能尽可能的减少拖欠的账款，降低收回账款的成本；同时还可以提高贷款决策效率，节约人力成本，实现贷款决策过程的客观性、信息化和科学化。从目前的研究来看，贷款风险研究的定量模型主要有判别分析法（Altman E，1968[1]）、主成分分析法（Weat Robert Craig， 1985[2]）、Z-score和ZETA模型（Altman，1968，2000），Logistic回归，贝叶斯决策模型（Daniel E，1992[3]），上世纪末以来，人工智能技术的快速发展使得银行运用该技术进行信用风险评估和贷款决策已成为可能。上述定量分析方法虽然均能在不同程度上对贷款风险进行研究，但各有侧重和短板，比如Z-score和ZETA模型只适用于对上市公司进行研究，贝叶斯网络模型则主要是偏重于操作风险。

大量研究证明Logistic是被广泛运用于个人信用风险评估的较为成熟的模型。Altman 、 Sabato（2007）[4]等人通过长期研究发现，使用logistic 模型衡量中小企业信用风险可以取得最佳效果，且该模型限制件较少，操作便利，且具有较高的预测性。该模型的主要优势是：一是因变量取值可以是违约概率与履约概率发生比的任何自然对数，对自变量没有任何限制；二是对数据是否满足协方差相同和正态分布的假设没有作限制性要求，适用范围广；三是因变量是一个二分类变量，只能取0或1的数值，可以直观的说明某个事件是否发生以及发生的概率是多少。我国学者在研究贷款信用风险的时候也多采用Logistic回归模型。姜秀华等（2002）[5]在采用13个变量进行logistic回归分析的基础上构建了财务危机预警模型。于立勇（2004）[6][7]首先运用正向逐步选择法选择信用风险评估指标变量，然后在Logistic回归模型的基础上构建违约概率测算模型。梁琪（2005）[8]将主成分分析法结合到Logistic模型中进行分析研究，构建了上市公司经营失败预警模型，并提出引入主成分分析法的logistic模型在预测准确度对和风险度量稳定性方面都优于简单的logistic模型。油永华（2006）[9]运用Logistic回归模型对100家上市企业的信用风险进行了定性的评价。石晓军（2006）[10]运用贝叶斯法对边界Logistic违约率模型的预测效果进行了分析。葛君（2010）[11]运用Logistic回归模型对信用卡信用风险进行了研究。罗晓光（2011）[12]将 Logistic 回归法引入商业银行财务风险预警模型，从资本充足性风险、信用风险、盈利能力风险、流动性风险和发展能力风险五个方面建立了适合商业银行的财务风险预警模型。史小康（2015）[13]将非对称连接函数的思想引入到信用评级中，将有偏Logistic分布的分布函数作为连接函数的反函数，利用实际数据来估计偏度参数和回归系数对个人信用进行了研究。

然而随着互联网金融的兴起，大数据时代的到来，商业银行所能获取的数据也越来越方便、快捷，数据也会越来越复杂多样，变量之间的关系也会变得纷繁复杂。以往研究专门针对个人小额贷款的研究较少，在建模方面，对离散数据进行建模尤为更少。本文在现有Logistic回归模型侧重财务指标的基础上，以非财务指标为重点来识别和评估商业银行个人小额贷款的信用风险，旨在为传统商业银行进军互联网金融领域提供一种新思路或者新方法，对风险因素进行量化。

三、Logistic模型简介及变量选取

3.1 模型简介

所以由（4）式可知， 的经济意义表示在控制其他变量水平的情形下， 变化 ，则对数优势比率变化 或优势比率变化 ，特别的，当 为等级变量或哑变量时， 每增加一个等级或变化一种类型，对应的两个样本之间的对数优势比率变化 或优势比（OR）率增加 ，由此也可知当 大于0时（此时OR>1），每增加一个等级导致个人的违约概率就降低，反正增加。

3.2变量选取

Schreiner（1999）对发展中国家的小额贷款进行研究表明，可以根据潜在借款人与历史不良借款人的特性对违约风险进行评估，其中性别、职业、违约记录、借款人与信贷员从业经验以及借贷机构性质等对贷款违约风险产生显著影响。此外诸如季节因素、政策变化和市场变化等外部环境变量也会对违约风险产生一定的影响。Olomola（2000）通过研究指出，借款人与贷款人特征以及贷款特征对判断贷款是否违约有着决定性的影响。借款人特征有：教育背景、借贷情况、存款情况、贷款类型及其贷款经历，而贷款特征包含贷款规模、期限、用途，贷款人特征有信贷员拜访次数，申请与批准之间的时间长度。Schreiner（2004）的研究对发展中国家的小额贷款信用风险构建非常详细的评估指标体系，具体如下图所示。

在国内，有部分学者从对小额贷款的信用评估指标体系进行了研究和构建，但这些研究基本都是从理论展开论述的。孟建华（2002）对国内和国外的小额贷款差异进行了比较细致的研究，研究指出，贷款担保和法律约束是影响我国小额贷款风险评估的最大影响因素。任娜（2011）在对小额贷款公司的贷款客户类别进行区分的条件下，在Z 值模型中引入非财务因素的，设置二级指标进行信用风险评估。但是该研究最终未能结合实际样本数据作进一步分析，对多涉及指标的合理性与科学性没能进行实证检验。此外，国内学者关于小额贷款信用风险评估的相关研究大部分都是以农村信用社的小额贷款数据为样本进行的。

所以结合已有的研究成果和样本数据的可获得性，本文选取性别、年龄、职业、学历、城市发展程度、信用卡持有情况、电子渠道开通情况、存贷比和年收入等9个指标作为解释变量，对个人小额贷款信用风险进行评估。

四、数据来源及实证

（一）数据样本选取

逾期未还本付息，即客户违约的预判，是商业银行小额信用贷款风险把控的关键。直接导致银行呆账、坏账的产生，甚至带来流动性风险。本文样本数据来源于中国光大银行长沙分行的个人信用贷款数据，从该行2014-2016年办理信用贷款的客户中随机抽选530个样本数据，并从中筛选出100万以下的小额信用贷款客户，获取性别、年龄、职业、学历、城市发展程度、信用卡持有情况、电子渠道开通情况、存贷比和年收入等基本信息。本文将这9方面的数据转换为14个虚拟变量。

客户准入的标准是其正常履约能力水平，客户是否能正常履约是模型的判断依据。通过对客户履约能力的预判，授信银行对预计能正常还款的客户提供金融产品和服务，拒绝还款存在不确定性的客户的授信申请。在本文中，我们将违约客户定义为一年内发生三次（含）以上欠息或垫款的客户，履约客户为一年内未发生或发生三次以下欠息或垫款的客户。通过数据整理，530个样本数据中履约客户和违约客户客户数分别是410和120，并选取指颂逑等绫 1所示。

（二）样本虚拟变量处理

由于我们选取的解释变量和被解释变量都属于离散变量，所以在进行建模回归之前，我们需要将其变成虚拟变量，如表2所示，其中1表示“是”，0表示“否”。例如：性别（sex），sex=1，表示为男性，sex=0表示不是男性（即为女性）。由于为了避免多重共线性，在建立虚拟变量之前，虚拟变量的个数要比分类变量的个数小1。例如：学历有三个分类，但只能建立2个虚拟变量，当edu1=0和edu2=0都等于0时表示高中、中专以下学历，这样就可以避免多重共线性问题。在建立模型前，我们将数据进行虚拟变换，以符合模型的回归分析要求，将指标逐一转换为虚拟变量如表2所示。

（三）样本数据的格兰杰因果检验

对上述所构建的虚拟变量和履约率做格兰杰因果分析，根据相关统计指标反复检验比较之后，我们选取的滞后阶数为2，其检验结果最好，检验结果如表3所示。

根据上表检验结果我们发现，如果在5%的显著性水平下，只有Cit2、Loa2两个指标大于 0.05，否定原假设；但是在10%的显著性水平下，除了Int，其他全部变量的检验p值都显著小于0.10，在剔除掉电子渠道开通情况后，其余变量在一定程度上都对履约率产生影响，因此，我们剔除电子渠道开通情况，将其余变量都选入到模型中。

（四）模型的计算

从表4我们可以看出，模型似然比为84.89，两个伪决系数分别为83.1%和76.4%，即解释变量可以解释被解释变量的程度，都在75%以上，说明模型解释效果较好。另一方面，解释变量的系数在10%显著水平下，都是显著的。此外从模型的预测精度来看，如表5所示，模型对410个履约样本的预测准确率为84.88%，对120个违约样本的预测准确率为88.33%，整体准确率为85.66%。特别的性别、信用卡持有情况、学历、存贷比、收入、年龄等变量系数为正值代表着客户履约率会提高，为负值则代表客户违约率会升高。其影响程度可以通过OR来进行分析。从表4的回归系数，我们可以得出以下结论：

1、从各因素影响大小方面来看，年龄、收入、职业水平以及学历对违约率的影响较大，应纳入贷款考察的重点。通过模型可以看出，年龄越大的客户，其违约率就越低，从年龄的OR值来看，年龄在31岁-45岁阶段的履约概率与年龄在30岁以下的履约概率的优势比为71.47，而年龄在45以上岁阶段的履约概率与年龄在30岁以下的履约概率的优势比为1360.354。其原因可能是由于其信用观念的不断加强以及自身能力的提高，收入也会随之增加，道德约束感增强，所以更不容易违约，这样已有的研究文献结论相一致。在职业方面，国有企业、股份制企业的员工与私营个体户的OR值为26倍多，他们不仅受公司内部的规章制度约束，同时也受社会责任的道德约束，其违约率较低。同样在学历方面，高学历的客户违约率较低，主要是因为教育水平高、信用观念、法律意识较强，以及工作家庭较稳定、收入可观、自有资金充足，特别的，当学历是在硕士以上时，其违约的风向大大降低。

2、从银行存量客户方面来看，LOA1估计系数明显高于LOA2，说明存贷比越低，其履约的概率越大。原因可能是客户的资金大多用于储蓄存款、银行理财等稳定性收益产品，属于相对保守型投资，他们认为按期还款是理所当然的事情；而持有信用卡的客户相对于未持有信用卡的客户履约率较高，原因可能是客户在长期的信用卡使用过程中已经形成了到期还本付息的消费习惯，所以对于自己的资金使用有着合理而清晰的计划，每月会有足额的资金用作还款，很少发生逾期。

3、从性别方面来看，女性的履约率高于男性，原因可能是男性客户的资金更多用于创业、大额投资等用途，受经济环境、行业、经营等因素影响，发生资金链断裂，无法按期还款甚至导致不良贷款的几率较大。

4、从地域方面来看，县级市、地级市的客户违约概率较大。原因主要有两点，一是一、二线城市市民受教育程度更高、信用观念更强、工作与收入也更加稳定；二是县级、地级城市客户资金用途一般用于农业、工业投资，受地域、市场、自然等因素影响较大，投资风险较大。

五、结论

本文在现有的研究基础上，利用光大银行长沙分行采集的实际样本数据，通过格兰杰因果检验和构建Logistic回归模型，对个人小额贷款的信用风险进行了实证分析，本文所构建评估模型对离散数据和分类数据有着特有的优势。文章主要结论如下：

第一，从格兰杰因果关系检验来看，在置信水平10%条件下，本文根据以往研究的文献和相关理论选取的9个指标变量中，只有电子渠道开通情况与是否违约不存在格兰杰因果关系外，其他的8个变量都显著相关，模型结果较好，解释程度达75%以上。

第二，从风险因素的影响显著程度来看，年龄、收入、职业水平以及学历对违约率的影响较大，应纳入贷款考察的重点。年龄是特别显著影响个人小额贷款的信用指标，年龄越大的客户，其违约率就越低，特别的，年龄在45以上岁阶段的履约概率与年龄在30岁以下的履约概率的优势比为1360.354倍。国有企业、股份制企业的员工与私营个体户的OR值为26倍多，其违约率较低。学历方面，高学历的客户违约率较低，特别的，当学历是在硕士以上时，其违约的风向大大降低。存贷比越低，持有信用卡的客户，其履约的概率越大。个人的信用风险在对不同的性别也有着显著差异，女性的优势比男性的1.76倍。此外县级市、地级市的客户违约概率较大。

因此，基于本文的研究，在互联网金融时代，为了提高个人小额贷款信用风险管理水平，我们建议：在金融系统越发复杂，需要综合考虑更多更细的风险因素，要结合定性和定量的方法对信用风险进行评估，构建适合我国商业银行实际情况且易于操作的风险评估指标体系，定量化分析与评估信用风险。在具体操作方面，我们建议：在筛选个人小额贷款客户时，应充分考虑其特有的基本背景信息指标，在其他条件相同的情况下，选取年龄越大、女性、收入越稳定、学历越高、持有信用卡、存贷比越低、来自于一、二线城市的客户；商业银行应有针对性地对其进行有效规避和分散。

六、参考文献

[1] Altman E.Financial ratios， discriminant analysis and the prediction of corporate bankruptcy.J.Finanec. 1968，589-609.

[2] West R C. A factor-analytic approach to bank condition[J]. Journal of Banking & Finance， 1985， 9（2）： 253-266.

[3] Pugh W N， Page D E， Jahera J S. Antitakeover charter amendments： Effects on corporate decisions[J]. Journal of Financial Research， 1992， 15（1）： 57-67.

[4] Altman E I， Sabato G. Modelling credit risk for SMEs： Evidence from the US market[J]. Abacus， 2007， 43（3）： 332-357.

[5] 姜秀A，任强，孙铮. 上市公司财务危机预警模型研究[J]. 预测，2002，03：56-61.

[6] 于立勇，詹捷辉. 基于Logistic回归分析的违约概率预测研究[J]. 财经研究，2004，09：15-23.

[7] 于立勇，詹捷辉，金建国. 内部评级法中违约概率与违约损失率的测算研究[J]. 统计研究，2004，12：22-26.

[8] 梁琪. 企业经营管理预警：主成分分析在logistic回归方法中的应用[J]. 管理工程学报，2005，01：100-103.

[9] 油永华. 企业信用状况的定性评价――基于logistic回归模型的分析[J]. 统计与信息论坛，2006，06：85-88.

[10] 石晓军，任若恩，肖远文. 边界Logistic违约率模型Bayes分析及实证研究[J]. 中国管理科学，2006，04：25-29.

[11] 葛君. 基于Logistic模型的信用卡信用风险研究[J]. 中国信用卡，2010，24：26-32.

[12] 罗晓光，刘飞虎. 基于Logistic回归法的商业银行财务风险预警模型研究[J]. 金融发展研究，2011，11：55-59.

[13] 史小康，何晓群. 有偏logistic回归模型及其在个人信用评级中的应用研究[J]. 数理统计与管理，2015，06：1048-1056.

[14] Viganò L. A CREDIT SCORING MODEL FOR DEVELOPMENT BANKS： AN AFRICAN CASE STUDY/UN MODELE DE" CREDIT SCORING" POUR LES BANQUES DE DEVELOPPEMENT： UNE ETUDE DE CAS AFRICAIN[J]. Savings and development， 1993： 441-482.

[15] Van Gool J， Verbeke W， Sercu P， et al. Credit scoring for microfinance： is it worth it？[J]. International Journal of Finance & Economics， 2012， 17（2）： 103-123.

[16] Kinda O， Achonu A. Building a Credit Scoring Model for the Savings and Credit Mutual of the Potou Zone[J]. Consilience： The Journal of Sustainable Development， 2012 （7）： 17-32.

[17] Schreiner M. A Scoring Model of the Risk of Costly Arrears at a Microfinance Lender in Bolivia[J]. Cancer Medicine， 2001， 4（1）：36C42.

[18] Schreiner M. Scoring arrears at a microlender in Bolivia[J]. ESR Review， 2004， 6（2）： 65.

[19] Schreiner M. Credit scoring for microfinance： Can it work？[J]. Journal of Microfinance/ESR Review， 2000， 2（2）： 105-118.

[20] Kinda O， Achonu A. Building a Credit Scoring Model for the Savings and Credit Mutual of the Potou Zone[J]. Consilience： The Journal of Sustainable Development， 2012 （7）： 17-32.

[21] Blanco A， Pino-MejíAs R， Lara J， et al. Credit scoring models for the microfinance industry using neural networks： Evidence from Peru[J]. Expert Systems with applications， 2013， 40（1）： 356-364.

[22] Maddala G S. Limited-dependent and qualitative variables in econometrics[M]. Cambridge university press， 1986.

[23] West R C. A factor-analytic approach to bank condition [J]. Journal of Banking & Finance， 1985， 9（2）：253-266.