結論

係、負責人年齡、負責人是否動用現金卡或信用循環額度之 企業，其正常戶與違約戶所佔之比例具有顯著地差異，可做 為違約預警之變數，此結果與黃重菁【33】、陳家彬、江惠櫻、

賴怡洵【27】、戴錦周、陳研研【38】、陳柏樫【25】等之相 關研究結果相同。在此變數中，又以負責人是否動用現金卡 或信用循環額度區別力最強，顯示中小企業「人治」色彩，

負責人的金錢態度影響中小企業之經營甚巨。

三 、 運 用 前 述 因 素 交 叉 分 析 所 得 之 六 項 具 有 區 別 能 力 的 非 財 變 數，作為建構預警模式之預測變數，以邏輯斯迴歸建構之中 小企業貸款之違約預測模式為：

Logist(Pi)= 2.979+0.901X

其中 X1：產業別，X2：成立時間，X3：擔保品，X4：銀行往來關係，

X

並獲得此邏輯斯迴歸模式之最適判別分割值為 0.2 時，整體 及正常戶、違約戶之判定正確率均達到較均衡之比率，分別 為 85.4%、85.7%及 84.6%，可提高違約戶的誤判機率，達到 較好之違約預測能力。

綜合上述結論，並從有關的企業危機預警模式的研究文獻中 發現，加入非財務資料的預測能力確實較佳，但受限於資訊取得

之機密性及困難度，使得多數的研究皆以上市櫃企業之財務資料 為探討對象。而本文研究對象為未上市櫃之中小企業，並同時採 用財務及非財務因素進行實證研究，正可彌補文獻上之不足。

此外，在實證研究中有關非財務之擔保品變數部分，發現以 信用機構保證之授信戶發生違約的比率最高。政府成立財團法人 中小企業信用保證基金且多次挹資強化其承保能力，即為協助缺 乏 擔 保 實 力 之 中 小 企 業 取 得 融 資 ， 此 現 象 或 可 解 釋 本 研 究 之 結 果；但在此同時，中小企業信用保證基金對於承保對象之篩選實 應更為週嚴謹慎，以增強金融機構授信的意願並符合風險評估的 實際狀況。本研究結果亦可提供中小企業信用保證基金對承保對 象篩選之參考。

中小企業授信金額雖相較小，但授信是銀行的資產，不論金 額之大小，任何損失都是銀行資產的減損，事前徵信審核作業、

客戶篩選若不謹慎，均會影響銀行經營績效，進而顯現風險管控 預警的重要性。近年來因應巴塞爾協定之要求，各銀行陸續導入 信用風險管理工具，建置各自之授信戶信用評等模型，包括統計 模型及專家意見之整合項目。除為利率費率定價參考外，亦列為 授信預警之參考，藉以管理風險資產，提早採取措施，避免損失。

中小型企業與大型企業在產業規模、資本規模、市場佔有率等存 在明顯的差異，故而渠等之信用評等模型也需有所區別，希望本 研究能提供銀行在建置中小企業信用評等模型參考。