基于Logistic模型的大學生網絡消費信貸個人信用評分研究

梁心怡

摘要：近年來，隨著網絡借貸平臺走進人們的生活，信用風險嚴重影響著網絡借貸平臺的發展。其中，個人信用風險在我國消費信貸中是影響力最大的。它在造成借貸平臺資產的不良和資產泡沫化的形成的同時還會對消費信貸的發展有嚴重的影響。一個合理的信用風險評估存在是非常必要的，建立一套比較有效的個人信用評估標準是迫在眉睫。

本文的研究目的是希望通過統計分析，結合大學生網絡消費信貸的個人信用數據，通過定性和定量分析建立適合大學生的個人信用評分模型。

關鍵詞：網絡消費信貸 大學生信用 個人信用評分 Logistic回歸模型

一、大學生網絡消費信貸的現狀

（一）大學生網絡消費信貸信用風險的現狀

網絡消費信貸是近年來發展迅猛的一種消費信貸方式，更是當前高校大學生的一種主要消費方式。作為消費信貸的重要參與者，大學生的信貸消費主要集中在數碼電子產品、學習生活消費、休閑娛樂消費、創業消費四個主要方面。但大學生生活來源單一，投資心態不成熟，看重小額靈活、低成本消費的特點，也使得互聯網消費信貸對高校大學生產生了很多不良影響，存在盲目沖動消費，相互攀比等問題。

（二）大學生網絡消費信貸所存在的問題

根據本文為研究所收集到的來自于北京理工大學珠海學院的325份問卷所得，54%的大學生每月月均生活費少于1500元，46%的受訪學生每月生活費超過1500元。但據問卷顯示，大學生使用額度大于1000元的達到56%，表明大學生花錢的“理想”和缺錢的“現實”落差頗大，由此看出，許多大學生高估了自身還款能力。據此，本文對大學生網絡消費信貸情況進行一系列分析后，發現存在以下這些問題：第一，網絡消費信貸門檻低；第二，網絡消費信貸監管缺位；第三，大學生網絡消費信貸的認識很淺且金融安全意識還很薄弱。

對此，我們迫切需要建立一套反映大學生消費信貸風險情況的個人信用評分模型，通過對大學生個人信用狀況進行打分，直觀地審視每一位大學生的信用情況，并及時監測其信用行為，防止違約情況出現。

二、大學生網絡消費信貸個人信用風險實證分析

（一）指標體系的建立與分析

用于建立個人信用評分模型的樣本數據應能夠代表大學生使用網絡消費信貸的大部分學生的數據，同時我們也要能夠充分的考慮大學生的各項具體特征來確定我們所需要的指標變量，并對定性指標通過賦值進行量化分析。

1.樣本數據的選擇原則。 樣本數據是建立模型的前提，根據國內外大量的文獻研究表明，如若利用Logistic回歸建立個人信用評分模型，而樣本數量卻小于100，可能會導致樣本不具有代表性，沒有任何的參考價值，從而導致得出的模型擬合效果不理想，存在一定的風險；而當樣本數據大于300的時候，所得出的模型擬合效果就相對比較準確。因此，本文在考慮樣本數據時把發放問卷數量設定為350份。

2.樣本數據的采集。本文建模所使用的數據為我們5月11日在北京理工大學珠海學院隨機選取學生發放問卷進行調查得到的大學生使用網絡消費信貸的數據。本文一共發放了350份問卷，其中無效的樣本數據為25份，有效的為325份。其中，選取300組樣本數據用于建模，其余剩下的25份用于檢驗。所選選取的300組建模樣本數據分為兩部分，其中有逾期記錄及違約的樣本為50組，無逾期記錄即履約的有250組，履違約比為5：1。

3.指標變量的設置和量化。考慮到數據的可得性首先結合了國內外普及的“5C”原則挑選了是否曾經作弊，生活費，家庭負債情況是否影響收入，還款占收入比這四個相對應的變量，并結合其他考慮的因素，再引入性別，使用額度，還款期限、逾期記錄這四個變量，共八個變量進行建模。其中逾期記錄作為因變量，其余七類與大學生網絡消費信用評分緊密相關的指標變量為自變量，并一一對指標變量進行量化處理。如表1所示：

（二）個人信用評分模型的建立

1.變量的篩選。首先對選定的300組樣本數據進行單變量Logistic回歸分析，剔除與履約行為無明顯關系的指標變量。從單變量回歸分析結果顯示，生活費、家庭負債情況是否影響收入、使用額度，這三個變量均未通過顯著性檢驗Sig<0.05，不能拒絕方程的原假設，說明這三個變量與因變量逾期記錄（大學生履約情況）不顯著相關，因此剔除這三個指標。同時需要對變量進行多重共線性檢驗，剔除存在嚴重多重共線性的變量。相關矩陣表結果顯示系數都不大于0.8，我們可以初步粗略的判斷出這7個變量之間不存在嚴重的多重共線性。

為了進一步確定各變量之間是否存在多重共線性，對模型進行多重共線性檢驗。結果顯示所有變量的容忍度較高均大于0.1，膨脹因子很小均小于10，因此認為方程這7組變量之間不存在嚴重的多重共線性，不會對最終建立的個人信用評分模型產生嚴重影響。

2.Logistic回歸模型的建立。將以上三個變量剔除后，對剩下保留的性別，是否曾經作弊，還款期限，還款收入比這4個變量再進行Logistic回歸，建立Logistic回歸模型：

由測試的25個學生的信用評分所示，我們可以看到，曾經作弊的次數較少甚至是沒有的學生信用風險低，信用分較高；選擇的還款期限均在6個月內包括即期還款的學生比還款期限在6個月以上的學生信用風險要低，信用分相對高；

而還款占收入比在20%以下的學生也比還款占收入比較大的學生信用分高。

三、研究結論

本文從logistic回歸出發，以北京理工大學珠海學院300位學生的問卷調查為樣本數據，對大學生網絡消費信貸中存在的風險，做了定性分析與定量研究。

在研究中，發現性別，是否曾經作弊，還款期限，還款占收入比這4個因素對模型有著顯著影響。其后，我們通過Logistic回歸模型建立了大學生個人信用評分模型，得到了一套屬于大學生個人信用評分的計算公式。根據該計算公式，我們能夠憑借每一位大學生的個人情況及消費情況，通過模型快速直觀地觀察到其相對應的信用評分，有利于控制大學生信用風險。最后利用的額外樣本數據，檢驗了模型的準確度，結果表明模本文的信用分模型能較好地反映大學生的信用狀況，并為有效監管大學生的信用風險提供了一定的支持。

參考文獻：

[1]李揚.基于Logistic回歸的建設銀行S市分行消費信貸風險研究[D].2012.

[2]張國政，姚珍，楊亦民，基于Logistic回歸的農戶小額信貸風險評估實證研究[J].財會月刊，2016，（27），pp.63-66CNKI.

[3]周瑩，我國商業銀行個人消費信貸業務風險評估研究[D].北京林業大學. 2011CNKI.

[4]汪莉，基于Logistic回歸模型的中小企業信用評分研究[D].合肥工業大學 2008CNKI.

[5]吳麗麗，基于Logistic回歸模型的商業銀行信用風險管理研究[D].哈爾濱工業大學 2007CNKI.

（作者單位：北京理工大學珠海學院會計與金融學院）