1 引言

截止2014年6月底，河南省中小微型企業的數目達到41.53萬家，其中小微型企業的數目為39.8萬家，在全省企業總數目中占到90%,共吸收1203.35萬從業人員。其產值占到全省GDP的一半多點、在全省出口總額中占到60%、占到全省科技創 新 總 數 量 的70%、吸收就業人數占到全省就業總數的80%.然而，小微型科技企業當前的融資難題已成為阻礙其穩定發展的一大障礙，究其原由主要是在目前我國的市場經濟中，小微型科技企業的競爭力與大型企業相比明顯處于劣勢。在現有的融資渠道中有些相關界定條件較嚴格，小微型科技企業大部分不符合條件，于是很難在這些渠道中取得需要的資金，例如股票和債券市場。

大部分小微型科技企業獲得資金的渠道傾向于向銀行和金融機構的貸款，然而現實中小微型科技企業也不受銀行等金融機構的青睞。銀行等金融機構更愿意招攬大型企業融資業務，從央行近幾年的統計數據來看，小微型科技企業獲得貸款的比重不斷增長，然而僅僅占據了銀行全部貸款業務的30%.隨著黨中央提出的深入改革政策的落實，金融機構可以獲得更多的民間資本，針對小微型科技企業的中小型金融機構將獲得大力發展，如何有效實施針對小微型科技企業的金融服務將成為金融機構新的著力點。在這種新形勢下，傳統的信用評價模型的弊端將日漸顯露?；诖吮疚奶岢隽酸槍幽鲜⌒∥⑿涂萍计髽I信用評價特點的模型體系。

2 文獻綜述

國外針對企業信用評價的研究起步較早，已有200年的發展歷程。其中獲得理想效果的研究主要來自美國和歐洲。早在1936年，Fisher根據自己的研究成果提出了統計判別方法的企業信用評價預測模型，如今國內外相關研究學者仍將其廣泛用于企業的信用評價研究。經過20世紀30年代的經濟大蕭條后，企業信用評價的研究得到人們的更多關注，使其得到不斷完善和發展和優化。企業信用評價指標體系以定量指標為主的研究逐漸成為主流，傳統的作為主要研究變量的定性指標逐漸轉變為輔助變量。根據對現有企業信用評價相關文獻的研究和統計，在國外現有的選擇企業財務指標作為指標變量評價模型中，至少涵蓋了67項財務指標，其中較常使用的財務指標變量大概有10項，基本上集中在企業的盈利能力、償債能力和成長能力和營運能力等方面。

盡管國外針對企業信用評價的研究相對較成熟，但大部分主要依據發達的市場經濟條件下企業的特征來設計，并不完全符合國內還不完善的市場經濟條件下企業的特征，因此只能將其作為研究國內企業信用評價的借鑒和學習材料。近幾年隨著國內經濟的快速發展，信用評價中介機構得到快速發展，相關學者和針對小微型科技企業信用評價的研究有了一定的發展，但并沒有形成成熟的信用評價體系和模型，針對小微型科技企業信用評價的研究還處于探索階段。因此，本文建立的適合河南省小微型科技企業特征的信用評價指標體系和模型具有一定的實證分析和使用價值。

3 信用評價指標體系的建立

基于全面系統的描述企業的經營狀態，本文初始選取了16個可以有效體現企業資產管理情況，企業盈利和現金流量情況，企業主營業務和償債能力的指標作為研究和建立模型的變量。具體如下表1所示：【1】

4 信用評價模型的構建

本文針對河南省小微型科技企業融資難的問題，構建適合對其進行信用評價的模型，篩選了河南省100家小微型企業的財務數據作為實證分析的樣本數據。

基于研究模型的通用性考慮，本文所選取的小微型科技企業來自于各個行業。數據來源于瑞思數據庫和東方財富Choice數據庫。

4.1指標的篩選

初始建立的指標體系各變量間可能存在較強的相關性，為提高評價體系的可靠性、準確性和有效性，本文運用SPSS19.0對指標體系進行相關性檢驗，Pear-son相關性檢驗的檢驗結果如表2所示。如果兩個指標變量的Pearson相關性檢驗的值的絕對值接近于1,則表明這兩個指標變量之間有顯著的相關性，即其中一個指標變量可由另一個指標變量線性表示，因此只需保留一個指標變量即可。本文針對此類情況剔除一個指標變量，保留另一個指標變量。具體分析過程如下所示。從上表中可知，在5%的顯著性水平情況下，本文剔除的在指標體系中與其他指標變量存在顯著相關性的指標有以下幾項：流動比率、凈資產收益率、凈利潤增長率和流動資產周轉率?？捎枰员Ａ舻闹笜俗兞糠謩e為：速動比率、資產負債率、現金流動比率、資產凈利潤率、銷售凈利率、總資產報酬率、存貨周轉率、應收賬款周轉率、總資產周轉率、營業收入增長率、總資產增長率、股東權益增長率。下文建立符合小微型科技企業信用評價特點的信用評價模型將以這12個指標變量作為主要指標。

4.2因子分析

經過對初始指標體系的篩選，提高了評價指標體系的準確性、可靠性和有效性，但是指標變量間可能還存在共線性問題。為有效解決共線性問題，本文采用因子分析對指標變量進行降維處理，提取出潛在的主因子作為建立模型的指標變量，不僅可以方便建模操作也可以有效提高模型的準確性、可靠性和有效性。

具體分析過程如下所示：

（1）因子分析檢驗。首先對以上指標進行KMO檢驗與Bartlett球形檢驗，看其是否符合因子分析的條件，本文檢驗結果如表3所示：經過檢測，由上表可知，Bartlett球形檢驗的p值為0.000<0.05,KMO統計量為0.508>0.5,符合因子分析條件，可對其進行分析。

（2）選取公因子。對以上指標采用因子分析法來篩選公因子，分析結果如下所示：根據上表4所示，前5個主成份變量的特征值分別為2.819、1.851、1.517、1.298和1.053,都大于1,且其累計方差達到71.156%,可知所有指標變量的主要信息來自于前五個因子，因此將其作為下文的解釋變量是合適的，將其分別標記其為F1、F2、F3、F4、F5.

表5旋轉成份矩陣a成份1 2 3 4 5資產負債率（%）_Dbastrt -.113 .826 .068 .042 .061速動比率（%）_Qckrt -.003 -.881 .095 .014 .045經營 凈 現 金 流 量/流 動 負 債 _NOCFtotcurlia.490 -.150 -.105 -.070 -.223營業收入增長率 （%）_Opeinc-mgrrt-.123 -.151 .193 .724 -.183總資產增長率（%）_Totassgrrt .062 .083 -.040 .829 .049股東權益相對年初增長率（%）_EquYTDgrrt.269 .298 -.145 .498 .357資產報酬率（%）_ROAEBIT .888 .118 .258 .125 .138資產凈利率（%）_ROA .922 .049 .161 .106 .113銷售凈利率（%）_Netprfrt .741 -.111 -.028 -.055 -.125存貨周轉率（次）_Invtrtrrat .001 -.110 .869 -.070 -.162應收賬款周轉率（次）_ARTrat -.115 -.029 .035 -.060 .904總資產周轉率（次）_Totassrat .206 .095 .810 .171 .257提取方法：主成份。

旋轉法：具有Kaiser標準化的正交旋轉法。