（三）模型准确率检验
以P=0.4作为划分违约与否的分割点，整个模型的预测准确率为88.6%（见表7）。因此，本文建立的Logistic模型能较好的判断中小企业的信用状况。对中小企业进行信用评价时，可以按照模型计算出相应的P值，P值越小，发生违约的概率越低，信用状况越高。当P值小于0.4的时候，可以判断企业信用状况良好，反之则信用状况较差。
四、结论
缓解中小企业融资困境，提升企业信用能力特别是建立中小企业信用评价体系是解决问题的关键。本文以企业信用状况出发，从财务和非财务两方面构建中小企业信用评价模型。对于财务指标，采用因子分析法进行分析，消除指标之间的相关性，减少数据量。然后对财务因子和非财务因子综合分析，利用Logistic回归构建中小企业信用评价模型。经验证，财务指标中对中小企业信用状况有着较大影响的因素集中在盈利能力和偿债能力指标上，其次为发展能力和营运能力指标，而现金流能力对企业信用影响较小。非财务指标中对企业信用状况影响较大的因素为企业规模、员工数，而大股东持股比例、管理者学历的影响则较小。
本文在进行模型构建时，从财务和非财务两个方面考虑，更能判断企业的状况。在非财务指标的选取上，选取了反映其特点的企业规模指标、员工人数指标，符合中小企业的特点，可以为中小企业提升信用，缓解融资问题提供一定的积极作用。
参考文献：
[1]卢超、钟望舒：《商业银行对中小企业信用风险评价的方法探索》，《金融论坛》2009年第9期。
[2]安乐：《基于逻辑回归的中小企业信用评价研究》，《上海金融学院学报》2014年第2期。
[3]范柏乃、朱文斌：《中小企业信用评价指标的理论遴选与实证分析》，《科研管理》2003年第6期。
