本研究樣本資料是以花東地區 H 信用合作社之南部營業單位的個人 房貸業務為研究範圍及對象，有鑑於研究對象之個人房貸授信戶比重逐 漸增加，藉由個人房貸案件之探討，找出房貸逾期違約的關鍵授信特徵 風險。就 2010 年至 2015 年期間，抽樣個人貸款授信案，依已產生違約 延滯繳款及正常繳款之案件為樣本資料期間。
(一)樣本資料來源
係由研究者所服務之國內某信用合作社分佈在南區各分社中，委請 各分社單位授信人員就截至 2010 年至 2015 年間，所承作之個人房屋抵 押貸款授信案件為研究樣本，包含現已違約及正常案件做為研究資料，
並依借款人所提供之個人資料文件、徵信審查人員所提供的聯徵中心資 料、不動產訪價報告等其他審核條件因素整理出相關之變數，再運用統 計方法分析，以了解這些變數與影響貸款案件逾期之關係，藉以協助徵 信審查人員能有效率地做出放款判斷及准駁參考。
3.2 變數說明及特性分析
本研究將藉由某金融機構所提供之樣本資料進行分析，分析內容以 本研究實證所使用之 10 個變數因子，即性別、年齡、工作年資、年收 入、聯徵查詢次數、信用卡有無循環利息、有無保證人、核貸金額、核 准利率、貸款年限與是否違約延滯繳款狀況作分析。 並以是否逾期繳 款為因變數(Y)，將借款戶區分為繳息正常的授信戶，則令 Y 為 0；若繳 款逾期三個月以上之授信戶即為不良放款戶，則令 Y 為 1。
依據有關國內、外相關文獻及個案金融機構之個人授信申請書、貸 款准駁批覆書、個人徵信報告表及財團法人聯合徵信中心之聯徵查詢資 料、徵信人員之房屋訪價調查報告等資料及金融業於消費者申請貸款業 務之徵信審查標準，將風險變數依其特性分為區分為三大類:第一類為授 信戶之基本資料、第二類為授信戶之財力及聯徵信用狀況、第三類為核 准貸款條件等三大類等 10 項自變數。
表 5 為本研究風險變數分類彙整表，授信戶之個人基本屬性、財力 及信用狀況、核准貸款條件等三類變數分別予以說明之定義。另研究變 數的樣本資料選取來源為：(1)個人貸款授信申請書資料。（2）聯合徵 信中心的主、從債務查詢、信用卡、現金卡繳款狀況查詢等資料。(3) 授信批覆准駁表(4)授信戶申貸文件（他行往來存摺、薪資轉帳、所得 及財產清單等資料）(5)過去相關文獻在分析模式中經常被採用之變 數。
表 5 風險變數分類彙整表
表 6 為 105 年各業受僱員工每月薪資統計表，顯示各行業男性薪資 為 58430 元-168044 元，女性薪資為 40191 元-134750 元，差異上介 於最低 6.6%-最高 30.83%，因此，各行業薪資所得仍以男性為較高。
二、 授信戶之財力及聯徵信用狀況：
1.年收入(X4)：
一般傳統觀念認為薪資所得收入愈低，經濟條件各方面相對較 差，其房貸逾期產生風險會較高，故對有固定所得來源、薪資轉帳 者認為會有較穩定的年收入，故本研究依申貸戶提供之財力文件中 的年收入作為變數。
2.聯徵查詢次數(X5)(申貸近三個月被他行查詢次數）：
以我國聯合徵信中心資料，發現若在短期內密集向各金融機構 申請信用聯徵查詢者，其信用風險值相對偏高。故將此變數納入，
若近期（最近三個月）授信戶密集的向他行申貸紀錄，其信用條件 較不佳，審查人員應從嚴審查申貸用途。因此，金融機構查詢紀錄 次數以 0、1、2 表示，查詢次數為 0 次者則 X5 為 0，查詢次數為 1
〜2 次者則 X5 為 1，查詢次數為 3(含)次以上者則 X5 為 2。
3.信用卡有無循環利息(X6)：
將此變數納入之原因，係一般實務上認為產生信用卡循環利息者 (繳款狀況顯示 2N 等狀況)，大都是需要短期資金週轉或理財觀念不 佳所致，故房貸違約風險亦較高。而信用卡商品屬於高利率金融商 品，顯示申貸人財務狀況明顯產生困難，放款審查人員更應注意。
因此，依聯徵中心查詢結果，將此變數納入並以 0 與 1 表示，0 代 表信用卡無循環利息，1 代表有循環利息。
三、 核准貸款條件：
1.有無提供保證人(X7)：
陳祈財(2005)、蔡士斌(2007)實證分析結果認為，借款人有無徵 提保證人與房貸違約呈顯著相關，保證人會對借款人還款產生督促
作用，或主動協商還款事宜，所以違約機率相對較低。就貸款風險 而言，為確保貸款安全有兩道安全保障防線，第一道防線為還款來 源，第二道即為擔保品（物保）及保證人（人保），若處分擔保品尚 不足清償之貸款本息，則轉向保證人求償，或兩者並行，因此，銀 行為求債權確保，或認為債權保障有所不足時，借款人會向金融機 構申請提供保證人，同時並應具備一定資格與條件。因此，有無徵 提保證人可降低違約風險並提高銀行債務求償機會，故依貸款申請 資料將有無提供保證人納入此變數，有無提供保證人變數，以 0 與 1 表示，0 代表無保證人，1 代表有保證人。
2.核貸金額(X8)：
林文琴(2007)、蘇煒平(2009)實證分析結果認為，貸款金額與房 貸違約風險呈顯著正相關，核准貸款金額成數愈高，較容易因外在 因素影響減少收入而降低償債能力，導致逾期違約發生。一般實務 而言，金融機構核貸成數會依買賣總價之 7-8 成為准貸金額，授信 戶申請貸款金額越高，相對造成違約風險機率也較高，故依申貸資 料中的核貸金額批覆結果納入變數。
3.核貸利率(X9)：
蘇煒平(2009)、陳鈞鎮(2011)研究分析顯示，在貸款核准利率 3%
以上之授信戶，發生逾期的機率明顯高於貸款利率較低者，因此，
貸款利率愈高，每月負擔繳款金額壓力大，使授信戶產生償還因難 而造成違約狀況，故貸款利率與房貸違約呈顯著正相關。而目前有 關政府補貼性優惠房貸，其利息補貼利率訂定標準是依據申貸戶的 基本薪資等其它條件承作，一般實務上認為願接授利率高的貸款客 戶屬於較高風險客戶，故依准駁結果將貸款利率納入變數。
4.貸款年限(X10)：
貸款年限在本研究中是指借款戶自貸放日貣為契約生效日至契 約終止的年數。一般而言，授信戶申貸年限大多為 20 年及 30 年較 多，隨著借款時間的拉長，外在環境的不確定因素增加，易使風險 相對提高，所以借款戶的借款期間愈長，產生違約逾期的機率也會 較高，故依貸款申請書中的貸款年限納入變數。
表 7 為過去國內、外有關研究風險特徵因素選取相關文獻彙整 表，研究主題包含有風險評估模式、風險審核之研究等議題，當中 無論有擔保貸款或無擔保之信用貸款，特徵風險變數的選取及統計 方法大致相似，而參考這些相關文獻之研究主題，實有助於發現影 響貸款逾期違約因素及實證統計方法。
表 7 風險特徵因素選取之相關文獻彙整表
Updegrave 1987
影響信用卡或短
Goovaerts 1989
個人貸款之信用
3.3 研究分析方法
(一) 敘述性統計分析：
以敘述性統計分析借款戶基本個人資料屬性與核准貸款條件之 變動情形，以瞭解這些變數分配狀況與是否發生貸款逾期之關聯。
(二) 羅吉斯迴歸模型：
迴歸分析是描述一個依變項與一個或多個預測變項之間的關係，
在迴歸分析中，預測變項通常是連續變項，自變項（預測變項）如 果是間斷變項，要投入迴歸模式時頇先轉化為虛擬變項，而所探討 的依變項如果是二分類別變項（例如：是與否、成功與失敗、同意 與不同意），則可以使用「羅吉斯迴歸」分析。
吳明隆(2010）認為 Logistic 迴歸分析與多元迴歸分析的最大差 異在於依變項性質之不同，使得兩者在參數估計與假設上有所差異，
進行複迴歸分析時，迴歸模式通常必頇符合常態性的假定，而羅吉 斯迴歸的基本假設與其他多變量分析的假設不同，它無頇具有符合 常態分配的假設。就貸款繳息情形是否正常而言，有許多狀況（例 如：工作年資、職業、年收入等）都可能是影響貸款繳息的關鍵因 素，這些可能影響繳息狀況正常與否的因素則稱為解釋變數。這些 解釋變數並不需要與依變數呈線性關係，而依變數也不需要呈常態 分配的假設，在羅吉斯迴歸分析中，解釋變數可以是類別變數，也 可以是連續變數。為符合本研究主題之特性，故選擇採用 Logistic 迴 歸分析，用此模型分析各自變數對授信案件是否發生違約逾期的影 響程度，做為本研究之統計方法。
將上述探討發生逾期放款之十項解釋變數，建構羅吉斯迴歸模 型如下:公式一
Y = 𝛽0+𝛽1𝑋1+𝛽2𝑋2+𝛽3𝑋3+𝛽4𝑋4+𝛽5𝑋5+𝛽6𝑋6+𝛽7𝑋7+𝛽8𝑋8+𝛽9𝑋9+𝛽10𝑋10+
ε
其中表示 Y：是否逾期繳款；X1：性別；X2：年齡；X3：工作年 資；X4：年收入；X5：聯徵查詢次數；X6：信用卡有無循環利息；
X7：有無提供保證人；X8：核貸金額; X9：核准利率; X10：貸款年 限。
𝛽1, 𝛽2, 𝛽3, 𝛽4, 𝛽5, 𝛽6, 𝛽7, 𝛽8, 𝛽9, 𝛽10為迴歸模型之參數值 𝛽 0:為截距項
ε
：為誤差項。第肆章 實證結果與分析
本研究藉由所蒐集的樣本資料使用 SPSS 統計軟體進行敘述性 統計分析與羅吉斯迴歸分析，來衡量金融業貸款案之授信評量風險 因子對繳款逾期而造成違約之機率，並將所蒐集之資料的樣本結構 加以瞭解這些特徵風險變數與貸款授信案發生逾期違約的關聯性，
以作為金融業貸款審查核貸之參考。
4.1 敍述統計分析結果
本研究依房貸貸放各變項內容，分別計算其百分比以瞭解申貸 戶的基本資料，並將資料整理並進行相關的敘述性統計分析，包含 平均數、標準差、最大值及最小值等，以利研究與暸解各變項的情 況。
表 8 彙整表為各變數之敍述統計值，樣本資料中的核貸平均額 度為 278.7 萬而最大值為 450 萬、最小值只有 140 萬，顯示有產生
表 8 彙整表為各變數之敍述統計值，樣本資料中的核貸平均額 度為 278.7 萬而最大值為 450 萬、最小值只有 140 萬，顯示有產生