摘要 消费信贷行业的蓬勃发展以及消费信贷业务风险和回报的客观规律，使金融机构追求巨额利润的同时，他们不得不面对巨大的信用风险。在发放信用贷款前，银行需要对信用客户进行科学的信用评估，客观，全面，准确地评估消费者的还款能力和偿还贷款的意愿。以避免、控制、减少坏账损失。

在西方国家，个人信用评分通常用于定量评估个人信用消费者的信用状况。在数据挖掘技术的帮助下，构建了信用评分模型，以探索数据中包含的模式和法律，作为消费者信用管理的决策基础。在中国，由于社会信用体系的不完善和信用消费行业的落后，个人信用模式的发展才刚刚起步。常用的信用评分技术一般分为统计方法和非统计方法。统计方法包括线性回归，判别分析，回归，决策树等。非统计方法包括线性规划，神经网络，遗传算法和专家系统。但是对于这些技术来开发信用模型，哪种方法是最好的，没有一致的结论。本文以真实的信用数据为分析对象。但是，实际收集的数据通常“受到污染”。在本文中我们以某贷款机构的历史业务数据作为原始数据基础出发，选取信用卡和贷款总笔数、总合同金额、教育、婚姻、是否有公积金为自变量，以贷款和信用卡逾期笔数为因变量，使用 R语言建立逻辑回归模型。并根据测试集数据以及R对模型进行检验，画出ROC曲线图，由AUC=0.508 说明了在严格的评判用户违约标准下该信用评估模型依然通过检验。因此我们可以推断我们的信用评分模型具有一定的可行性。

关键词：Logistic 回归；信用评分模型；数据挖掘

目录

摘要

Abstract

第一章 绪论-1

1.1选题背景和意义-1

1.2个人信用评分方法介绍-3

第二章 建立模型-4

2.1、logistic回归模型-4

2.11模型介绍-4

2.12模型建立-5

2.13模型应用-7

结 论-9

参 考 文 献-10

附录A 程序-11

致    谢-13