改革开放以来,作为国民经济基础的农业在我国取得了巨大的发展,实现了从吃不饱到吃得好的历史性跨越。然而,相对于第二、三产业的发展,由于过去长期实行农业反哺工业,城乡“二元结构”的政策体制,农业发展依然严重滞后于其他产业的发展。加之,农业受自然灾害等影响较大,使农业生产的风险加大,进一步导致对农业的投资严重不足。本文通过Logistic模型对农业供应链金融信用风险进行研究,选取相关农业上市公司2014～2016年三年的财务数据及农业供应链金融运营情况指标进行分析,由于并非所有上述农业上市公司2014～2016年三年的应收账款坏账率都能找到,有的农业上市公司只有其中一年或两年的相关数据,因此本文最终形成包含91个样本容量的非均衡面板数据,样本个数较以往的研究进行了扩容。主要运用二元Logistic回归和主成分分析较为准确地测算了合作客户在农业供应链金融产品方面的守约概率。不同于已有文献多采用ST定义企业是否违约,本文用Z值来定义农业供应链金融上市公司违约风险的高低,在公司的违约风险价值方面,Z值除了有很高的准确价值,同样在精准预测方面有优势,对已有供应链金融的研究进行了有效的补充和完善。本文首先介绍了农业供应链金融的相关文献综述及理论基础,选取具有代表性的指标并引入具体的案例对农业供应链金融进行实证研究,最后得出结论为相比于传统融资模式,农业供应链金融融资环境下可以显著提高相关企业的守约率,有助于提高农业企业的信誉,使得其能够从银行获得更多的融资服务。通过分类表来测算模型的有效性,结果显示,通过模型计算公司的违约概率值,模型对于高违约和低违约样本预测的准确率分别高达84.2%和95.8%,得到的回归模型总的预测准确率为93.4%,表明模型对于预测信用风险有较好的准确性,该研究有助于降低银行贷款的信用风险,同时提高整个农业供应链金融的运营效率。