随着经济增长,个人贷款业务日益增多,伴随而来的逾期行为也逐渐增加,这是一个亟待解决的问题。作为银行等贷款机构控制信贷风险的重要工具之一,信用评价模型是一个重要的研究课题。统计学方法已广泛应用于信用评价中。本文将广义部分线性变系数模型应用于信用评价中,建立统计模型,分析影响客户违约的各种因素。首先,应用B样条基函数对广义部分线性变系数模型函数系数进行逼近,并利用Lasso方法和Group Lasso方法对模型的参数分量和非参数分量进行变量选择和参数估计,使用坐标下降法求解模型参数。采用Group Lasso和Lasso方法进行数值模拟。其次,利用饼状图和柱状图直观描述变量,采用引入虚拟变量和数据标准化对数据进行预处理。考虑到数据本身的不平衡性,利用Random Oversampling方法进行数据补充。使用广义部分线性变系数模型和Logistic回归模型建模,分别通过Group Lasso和Lasso方法进行变量选择和参数估计,并进行对比分析。结合函数系数估计的非线性形式与ROC曲线的对比结果,综合分析广义部分线性变系数模型具有的可解释性和灵活性,就违约准确预测能力方面说明本文所建立的模型比Logistic回归模型具有优势。最后,根据统计分析结果对信用评价提供几点建议。