本文主要研究了基于拒绝推断的中国银行业中个人信用评分模型问题，通过对前人研究成果的学习借鉴和自我探索总结，本文主要做了如下工作:　　（一）本文首先从数据缺失机制开始探索，深入阐述了样本有偏产生的原因和在信用评分模型研究中使用拒绝推断的必要性;并阐述了当前银行领域中的信用评分模型定义及与拒绝推断之间的关系;　　（二）在梳理信用评分模型理论和相关模型验证的基础上，改进了扩张法的等宽分组打包法，使用了基于Pseudo F Statistic、CCC指标的动态聚类对申请者进行打包分组;改进了两阶段模型的估计方法，构建了含有一个自由参数的拟似然的两阶段模型和含有非参数部分的广义偏线性模型的两阶段模型。最后将本文介绍已有的信用评分模型以及改进的信用评分模型用于实际的数据当中，并借助Bootstrap方法来修正过大的估计偏差;　　（三）基于Person残差和Cooks距离统计量考察各个模型的拟合优度和异常值的诊断，在不同的违约概率取舍点和概率区间内比较各个模型的预测能力，并发现基于拟似然和广义偏线性模型的两阶段估计在拟合效果和预测能力方面都优于普通两阶段估计。　　此外，本文对多变量缺失模式进行了初步探索。以往的研究多是基于单变量缺失模式，即所使用的样本中只有一个变量有缺失，这与本文使用的实际数据的多变量缺失不符。本文通过离散插补、回归插补等方法对于缺失严重的自变量进行了处理，对多变量缺失模式进行了初步探索。