论文部分内容阅读
摘要：大学生个人信用制度的缺损是实施国家助学贷款政策的“瓶颈”。本文致力于建立一个国家助学贷款信用评分模型，用于预测贷款人（困难学生）将来可能的信用度，并以此作为贷款决策的重要依据。
关键词：助学贷款；信用评分模型；层次分析法
国家助学贷款是由政府主导、财政贴息，银行、教育行政部门与高校共同操作的专门帮助高校贫困学生的银行贷款，由国家指定的商业银行负责发放，对象是在校的全日制高校中经济有困难的本专科学生、第二学位学生和研究生，目的是帮助他们支付在校期间的学费、住宿费和日常生活费。它是一种无担保贷款，兼具政策性与商业性的特征，是一种以信用方式提供的个人教育消费贷款。
从长远看，国家助学贷款将成为资助经济困难学生的主要手段。然而国家助学贷款业务中的信用风险给银行带来了巨大挑战。高等院校作为借款人的管理者，是沟通借贷双方间最合适的桥梁。在一些具体问题上，学校与银行必须默契配合，相互谅解，共同为国家助学贷款的有效实施而努力。
本文致力于建立一个国家助学贷款信用评分模型，用于预测贷款人（困难学生）将来可能的信用度，同时，根据评分模型各子模块的得分情况，了解困难学生存在的不足和问题，以便高校有针对性地对学生进行引导和教育，更好的发挥其中介桥梁的作用。本文选择广东商学院作为切入点，构建国家助学贷款信用评分模型，在验证模型真实可信且科学合理的情况下，可以推广到全省乃至全国高校。
一、建立国家助学贷款信用评分模型的必要性
大学生个人信用制度的缺损已成为实施国家助学贷款政策的“瓶颈”。在西方发达国家，依托高度发达的电子信息网络系统，个人信用征询系统十分完备。任何一个毕业生在就业以后，不论在任何单位工作，其工薪收入都必须通过转账记入其个人信用卡账户，而银行个人信用卡账户又必须以其个人终生唯一的社会保障号码为依据。这样学生毕业以后，不管其工作流动性有多大，银行均可通过遍布全国的信息网络系统及时掌握借款人的行踪和收入，从而有效控制风险。但是，目前在我国，个人信用征询系统还刚刚在个别城市少数人群身上建立。由于技术手段相对落后，并且人口众多，地域分散，建立全国联网的个人信用征询系统还需一个漫长的过程。在这样的信用环境里，对没有信用记录的大学生发放助学贷款，贷款银行也很难及时掌握借款学生的行踪，按时收回贷款本息，贷款风险更加难以控制。加上国家助学贷款金额小、笔数多，人力财力成本非常高，不少银行出现“惜贷”现象。所以，十分有必要找到一种确实可行的方法，将申请贷款学生的现有的资料和实际情况进行量化，计算出他(她)的信用分，以便在发放贷款之前就对学生的信用状况有所了解，作为贷款决策的一个重要依据。
二、国家助学贷款信用评分模型的构建
国家助学贷款信用评分模型的建立过程分指标筛选、指标权重确定和实证研究三大部分。
（一）指标选取
以全面性、科学性、定性与定量结合、可操作性为原则选取指标，同时，充分考虑贷款学生的品格、能力和素质、家庭情况、环境等几个方面因素，借鉴消费信贷信用评分体系中各项指标的选取，考虑在国家助学贷款中的信用评分对象(在校大学生)所独有的特点，以借款人未来的还款意愿和还款能力作为评分的关键因素，最终选取了5个一级指标，分别是：学生基本情况、在校情况、诚信记录、内在素质和外在环境。每个一级指标下又有若干个二级指标，共计20个二级指标组成了国家助学贷款信用评分体系（具体如表1所示）。
本模型与以往的模型相比，加入了学生内在素质这个指标，包括学生诚信品质和成就动机，主要是考虑学生这两个内在素质对学生今后能否按时还款影响较大。诚信品质高的人，对自己的行为等会较诚信品质低的人负责，将来还款的可能性更大。而成就动机高的学生，会付出更多的努力，以争取成功。从这个意义上来说，高成就动机的学生比低成就动机的学生更容易成功，更有能力来履行以后的还款计划。
（二）确定指标权重
权重是多指标综合评价中的一个重要因素，权重与变量值是影响评价结果的两大因素。在单项指标已经确定的情况下，权重的变化将不可避免地导致评价结论的变化。在对申请国家助学贷款的在校大学生进行信用评分时，有些指标占有重要地位，对评价对象的信用影响大一些，其权重也要大一些；而有些指标影响小一些，那么其权重也就小一些。要把这些指标对助学贷款申请人信用的影响程度用量来表示时，就必须借助数学工具来解决。
本文采用Delphi法(德尔菲法)和AHP法(层次分析法)相结合的方法来确定国家助学贷款信用评分指标体系的各个指标的权重，从而保证各指标权重的准确性。
本研究中划分了三层，其中准则层为5个一级指标，指标层为20个二级指标；接着是对单一准则下同一层次各因素之间的重要性进行两两比较，得出两两比较矩阵；再接下来是计算单一准则下的相对权重；紧接着进行一致性检验；然后计算各层次因素的组合权重；最后进行层次总排序一致性检验。把权重转换成为百分制的权数并制定相应的计分标准，得出国家助学贷款信用评分表。
各指标评分标准具体如下：
1. 性别：根据以往信贷记录，女性比男性的信用度要高，所以，男生计生分为0.1，女生计分为0.3。
2. 年龄：在个人的消费信用研究中表明，被评分的对象，随着年龄的变化，其信用值会呈先上升后下降的趋势。而在校大学生几乎都处于信用上升的年龄段，因此，对这项指标的评价可以划分为18—23岁、24—27岁、27岁以上三个年龄段，各个年龄段对应的得分为0.1、0.2、0.3。
3. 健康状况：根据学校有关体检的记录，有病史者计分为0.3、无病史者计分为0.6。
4. 学历：一般情况下，学历越高，毕业后就业就相对容易，收入也越高。因此，专科生计分为0.5、本科生计分为1、硕士生计分为1.5。
5. 户籍：农村户籍得分为0.2、乡镇户籍得分为0.3、城市户籍得分为0.5。
6. 个人支出：个人消费高，可用于还款的钱就相对少。故月消费800元以上、600—800元、300—600元、300元以下得分分别为0.6、1.2、1.8、2.4。
7. 成绩排名：按照平均绩点分成四档，2.0以下、2.0—2.5、2.5—3.0、3.0以上，得分分别为0、0.4、0.8、1.2。
8. 奖学金收入：这里的奖学金包括普通奖学金和特殊奖学金。普通奖学金是指各高校按学期或学年，根据学生在此期间的综合排名而评定的奖学金的等级，分为一等、二等、三等三个等级，得分依次为1.8、2.8、3.8；特殊奖学金收入是指除了普通奖学金以外的奖学金收入，我们把这项指标定为其他奖学金，得分为1。
9. 打工收入：分为有打工收入和无打工收入，得分分别为6.8、2。
10. 奖惩情况：在这一指标中分为奖励、无奖励或处分、处分三个等级，得分依次为2.2、1、0。
11. 贷款了解程度：包括主动与银行联系程度、对助学贷款政策和还款等的了解程度。贷款人主动与银行联系的程度反映了其对于个人信用的重视程度，经常主动与银行联系的贷款人违约的可能性也就比从不联系的贷款人要低得多。对助学贷款的流程、政策以及还款的方式等方面了解的贷款人，要比不了解的贷款人违约的可能性低。我们把这一指标分为不了解、知道一点、非常了解三个等级，得分依次为0、3、7.4。
12. 在校还款记录：由于借款人有奖学金收入、打工收入或其它收入，有可能在校期间就能归还一部分的贷款，这样的借款人信用得分自然也就高。我们把这项指标划分为有还款记录和无还款记录，得分依次为6、0。
13. 诚信品质：学生的诚信品质高，则将来按期还款的可能性高。这一指标我们设计了四个问题，按照问题的答案给分，满分为8分。本项指标的计算公式为：
学生诚信品质评分实际值= ×23.7
14. 成就动机：学生的成就动机强，会自觉付出更多的努力以取得成功，具备还款能力的可能性更大些。这一指标我们也设计了四个问题，按照问题的答案累加得分，满分为16分。本项指标的计算公式为：
学生成就动机评分实际值= ×19
15. 学校性质：毕业学校的等级从一定程度上决定了学生将来就业的难易和收入的稳定性。本项指标分为名牌大学、重点大学、一般院校和民办院校，得分依次为1.4、1、0.6、0.2。
16. 专业性质：专业性质分为热门专业、一般专业和冷门专业。由于需求量的不同，冷门专业的毕业生要比热门专业的毕业生更难就业。因此，得分依次为0.2、1、1.4。
17. 家庭人均月收入：此项指标以600元为满分（各地情况有所不同，以当地人均月收入为准），家庭收入较高的学生一般不须贷款，因此高于600元的得分为0。对于0—600元之间的，计算公式为：
家庭人均月收入评分实际值= ×8.4
18. 家庭负债情况：家庭负债率过高不利于债务的偿还，因此，贷款风险较高。家庭负债占家庭资产的比例≤20%的得分为4.6，20%<家庭负债占家庭资产的比例≤50%的得分为3，50%<家庭负债占家庭资产的比例≤80%的得分为1.8，家庭负债占家庭资产的比例>80%的得分为0。
19. 当年大学生就业率：学生就业率是指当年的大学毕业生的总体就业率，以此来说明宏观经济环境对贷款学生就业既而对信用值的影响。此项指标满分值为100%，O分值为70%。对于介于100%—70%时，其计算公式为：
当年大学生就业率评分实际值= ×4.5
20. 学校历史违约率：学校历史违约率指借款申请人所在学校历史累计违约的人数占历史累计得到贷款的人数的百分比。大学生跟风现象比较严重，学校历史违约情况对该校大学生的信用有着一定的影响。很明显，这项指标得满分的时候，实际的指标值应该为0%，即所有贷款学生都按时还款，没有人违约。其0分值，我们采用商业银行传统的标准8%。当学校历史违约率介于0—8%时，该项指标的计算公式为：
学校历史违约率评分实际值= ×8.4
根据评分模型得出来的分值，我们划分了4个等级。
（三）实证研究，检验模型的科学合理性
进一步验证本文构建的国家助学贷款信用评分模型的科学性、合理性，还必须在实务上通过样本分析，对它的科学合理性进行实证研究。国家助学贷款信用评分指标体系是否科学客观关键在于应用它评定的贷款学生的信用分值结果是否与贷款学生实际表现的信用状况相吻合。所以，在前两部分工作的基础上，本文抽取了100个贷款学生的信息资料，并用这些资料所提供的信息代入国家助学贷款信用评分表，将所得的信用分值同这些学生的实际履约情况相比较，得到了较为满意的结果。
三、国家助学贷款信用评分模型的运用与探索研究
本文以广东商学院作为切入点，在已构建国家助学贷款信用评分模型的基础上，适当增加了一些题目，编制了《广东商学院国家助学贷款情况调查问卷》，进一步了解该校助学贷款方面的一些情况，以便有针对性地进行改善。
本次调查从广东商学院的14个教学院系中，按照申请贷款学生人数30%的比例随机抽取样本，施测《广东商学院国家助学贷款情况调查问卷》，共发放问卷350份，回收问卷303份，其中有效问卷288份，得分结果如表所示。
结果表明，广东商学院学生的信用情况总体良好，40—80分值的学生人数占了绝大部分，但是，仍存在一些问题。例如，高信用级别的学生人数很少，二级风险人数比较多，有近40%等。学校应该加大对低分值学生的教育和引导，通过各种途径如讲座、广播等，加深学生对助学贷款政策、受助者的义务等方面的了解。
另外，从调查中，我们了解到，对于“国家助学贷款政策了解程度”非常熟悉的占调查人数5.86%，基本了解的占78.39%，了解不多的占12.83%，不了解的占2.93%；对于“现行贷款政策满意程度”的调查中，很满意的占7.30%，基本满意的占73.72%，不太满意的占15.69%，很不满意的占3.28%；关于“了解有关资助政策及申请助学贷款信息”途径主要是班主任老师介绍，占49.64%。班主任老师对学生的影响比较大，学校要加强班主任老师关于助学贷款和诚信教育方面的学习，以便他们更好地开展工作。同时，也可开设信用教育课程，并配备专门的教师，开展信用教育主题活动，引导学生养成诚实守信的美德。
关于学生的诚信品质方面，满分为8分，4分以下的占6%，5—6分的占62.55%，7—8分的占31.84%。总体来看，该校学生的诚信品质普遍较好，这也是该校贷款违约率远低于国家商业银行采用的传统标准8%的原因之一，当然，更与学校的管理、相关人员的努力分不开。
关于学生的成就动机方面，满分为16分，4分以下的占3.70%，5—8分的占30.74%，9—12的占54.07%，13—16分的占11.48%。总的来说，该校高成就动机的学生不是很多，需要进一步加强引导。同时，做好借贷贫困学生的就业指导，帮助他们做好就业准备；优先推荐优秀的贷款学生就业，并鼓励贷款学生到边远地区工作。根据国家新的贷款政策，贷款学生毕业后自愿到国家需要的艰苦地区、艰苦行业工作，服务期达到一定年限，经批准可以奖学金方式代偿其贷款。
综上所述，实行国家助学贷款是近年来我国实施科教兴国战略，帮助经济困难学生顺利完成学业的新举措，在高校贫困生资助工作体系中占有主体地位。通过构建和运用国家助学贷款信用评分模型，有效降低和控制国家助学贷款的风险，及时发现贷款工作中存在的问题，采取有效措施，加强对学生的诚信宣传教育及贷款管理，使国家助学贷款工作顺利进行，充分发挥其应有的作用。
“本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文”
关键词：助学贷款；信用评分模型；层次分析法
国家助学贷款是由政府主导、财政贴息，银行、教育行政部门与高校共同操作的专门帮助高校贫困学生的银行贷款，由国家指定的商业银行负责发放，对象是在校的全日制高校中经济有困难的本专科学生、第二学位学生和研究生，目的是帮助他们支付在校期间的学费、住宿费和日常生活费。它是一种无担保贷款，兼具政策性与商业性的特征，是一种以信用方式提供的个人教育消费贷款。
从长远看，国家助学贷款将成为资助经济困难学生的主要手段。然而国家助学贷款业务中的信用风险给银行带来了巨大挑战。高等院校作为借款人的管理者，是沟通借贷双方间最合适的桥梁。在一些具体问题上，学校与银行必须默契配合，相互谅解，共同为国家助学贷款的有效实施而努力。
本文致力于建立一个国家助学贷款信用评分模型，用于预测贷款人（困难学生）将来可能的信用度，同时，根据评分模型各子模块的得分情况，了解困难学生存在的不足和问题，以便高校有针对性地对学生进行引导和教育，更好的发挥其中介桥梁的作用。本文选择广东商学院作为切入点，构建国家助学贷款信用评分模型，在验证模型真实可信且科学合理的情况下，可以推广到全省乃至全国高校。
一、建立国家助学贷款信用评分模型的必要性
大学生个人信用制度的缺损已成为实施国家助学贷款政策的“瓶颈”。在西方发达国家，依托高度发达的电子信息网络系统，个人信用征询系统十分完备。任何一个毕业生在就业以后，不论在任何单位工作，其工薪收入都必须通过转账记入其个人信用卡账户，而银行个人信用卡账户又必须以其个人终生唯一的社会保障号码为依据。这样学生毕业以后，不管其工作流动性有多大，银行均可通过遍布全国的信息网络系统及时掌握借款人的行踪和收入，从而有效控制风险。但是，目前在我国，个人信用征询系统还刚刚在个别城市少数人群身上建立。由于技术手段相对落后，并且人口众多，地域分散，建立全国联网的个人信用征询系统还需一个漫长的过程。在这样的信用环境里，对没有信用记录的大学生发放助学贷款，贷款银行也很难及时掌握借款学生的行踪，按时收回贷款本息，贷款风险更加难以控制。加上国家助学贷款金额小、笔数多，人力财力成本非常高，不少银行出现“惜贷”现象。所以，十分有必要找到一种确实可行的方法，将申请贷款学生的现有的资料和实际情况进行量化，计算出他(她)的信用分，以便在发放贷款之前就对学生的信用状况有所了解，作为贷款决策的一个重要依据。
二、国家助学贷款信用评分模型的构建
国家助学贷款信用评分模型的建立过程分指标筛选、指标权重确定和实证研究三大部分。
（一）指标选取
以全面性、科学性、定性与定量结合、可操作性为原则选取指标，同时，充分考虑贷款学生的品格、能力和素质、家庭情况、环境等几个方面因素，借鉴消费信贷信用评分体系中各项指标的选取，考虑在国家助学贷款中的信用评分对象(在校大学生)所独有的特点，以借款人未来的还款意愿和还款能力作为评分的关键因素，最终选取了5个一级指标，分别是：学生基本情况、在校情况、诚信记录、内在素质和外在环境。每个一级指标下又有若干个二级指标，共计20个二级指标组成了国家助学贷款信用评分体系（具体如表1所示）。
本模型与以往的模型相比，加入了学生内在素质这个指标，包括学生诚信品质和成就动机，主要是考虑学生这两个内在素质对学生今后能否按时还款影响较大。诚信品质高的人，对自己的行为等会较诚信品质低的人负责，将来还款的可能性更大。而成就动机高的学生，会付出更多的努力，以争取成功。从这个意义上来说，高成就动机的学生比低成就动机的学生更容易成功，更有能力来履行以后的还款计划。
（二）确定指标权重
权重是多指标综合评价中的一个重要因素，权重与变量值是影响评价结果的两大因素。在单项指标已经确定的情况下，权重的变化将不可避免地导致评价结论的变化。在对申请国家助学贷款的在校大学生进行信用评分时，有些指标占有重要地位，对评价对象的信用影响大一些，其权重也要大一些；而有些指标影响小一些，那么其权重也就小一些。要把这些指标对助学贷款申请人信用的影响程度用量来表示时，就必须借助数学工具来解决。
本文采用Delphi法(德尔菲法)和AHP法(层次分析法)相结合的方法来确定国家助学贷款信用评分指标体系的各个指标的权重，从而保证各指标权重的准确性。
本研究中划分了三层，其中准则层为5个一级指标，指标层为20个二级指标；接着是对单一准则下同一层次各因素之间的重要性进行两两比较，得出两两比较矩阵；再接下来是计算单一准则下的相对权重；紧接着进行一致性检验；然后计算各层次因素的组合权重；最后进行层次总排序一致性检验。把权重转换成为百分制的权数并制定相应的计分标准，得出国家助学贷款信用评分表。
各指标评分标准具体如下：
1. 性别：根据以往信贷记录，女性比男性的信用度要高，所以，男生计生分为0.1，女生计分为0.3。
2. 年龄：在个人的消费信用研究中表明，被评分的对象，随着年龄的变化，其信用值会呈先上升后下降的趋势。而在校大学生几乎都处于信用上升的年龄段，因此，对这项指标的评价可以划分为18—23岁、24—27岁、27岁以上三个年龄段，各个年龄段对应的得分为0.1、0.2、0.3。
3. 健康状况：根据学校有关体检的记录，有病史者计分为0.3、无病史者计分为0.6。
4. 学历：一般情况下，学历越高，毕业后就业就相对容易，收入也越高。因此，专科生计分为0.5、本科生计分为1、硕士生计分为1.5。
5. 户籍：农村户籍得分为0.2、乡镇户籍得分为0.3、城市户籍得分为0.5。
6. 个人支出：个人消费高，可用于还款的钱就相对少。故月消费800元以上、600—800元、300—600元、300元以下得分分别为0.6、1.2、1.8、2.4。
7. 成绩排名：按照平均绩点分成四档，2.0以下、2.0—2.5、2.5—3.0、3.0以上，得分分别为0、0.4、0.8、1.2。
8. 奖学金收入：这里的奖学金包括普通奖学金和特殊奖学金。普通奖学金是指各高校按学期或学年，根据学生在此期间的综合排名而评定的奖学金的等级，分为一等、二等、三等三个等级，得分依次为1.8、2.8、3.8；特殊奖学金收入是指除了普通奖学金以外的奖学金收入，我们把这项指标定为其他奖学金，得分为1。
9. 打工收入：分为有打工收入和无打工收入，得分分别为6.8、2。
10. 奖惩情况：在这一指标中分为奖励、无奖励或处分、处分三个等级，得分依次为2.2、1、0。
11. 贷款了解程度：包括主动与银行联系程度、对助学贷款政策和还款等的了解程度。贷款人主动与银行联系的程度反映了其对于个人信用的重视程度，经常主动与银行联系的贷款人违约的可能性也就比从不联系的贷款人要低得多。对助学贷款的流程、政策以及还款的方式等方面了解的贷款人，要比不了解的贷款人违约的可能性低。我们把这一指标分为不了解、知道一点、非常了解三个等级，得分依次为0、3、7.4。
12. 在校还款记录：由于借款人有奖学金收入、打工收入或其它收入，有可能在校期间就能归还一部分的贷款，这样的借款人信用得分自然也就高。我们把这项指标划分为有还款记录和无还款记录，得分依次为6、0。
13. 诚信品质：学生的诚信品质高，则将来按期还款的可能性高。这一指标我们设计了四个问题，按照问题的答案给分，满分为8分。本项指标的计算公式为：
学生诚信品质评分实际值= ×23.7
14. 成就动机：学生的成就动机强，会自觉付出更多的努力以取得成功，具备还款能力的可能性更大些。这一指标我们也设计了四个问题，按照问题的答案累加得分，满分为16分。本项指标的计算公式为：
学生成就动机评分实际值= ×19
15. 学校性质：毕业学校的等级从一定程度上决定了学生将来就业的难易和收入的稳定性。本项指标分为名牌大学、重点大学、一般院校和民办院校，得分依次为1.4、1、0.6、0.2。
16. 专业性质：专业性质分为热门专业、一般专业和冷门专业。由于需求量的不同，冷门专业的毕业生要比热门专业的毕业生更难就业。因此，得分依次为0.2、1、1.4。
17. 家庭人均月收入：此项指标以600元为满分（各地情况有所不同，以当地人均月收入为准），家庭收入较高的学生一般不须贷款，因此高于600元的得分为0。对于0—600元之间的，计算公式为：
家庭人均月收入评分实际值= ×8.4
18. 家庭负债情况：家庭负债率过高不利于债务的偿还，因此，贷款风险较高。家庭负债占家庭资产的比例≤20%的得分为4.6，20%<家庭负债占家庭资产的比例≤50%的得分为3，50%<家庭负债占家庭资产的比例≤80%的得分为1.8，家庭负债占家庭资产的比例>80%的得分为0。
19. 当年大学生就业率：学生就业率是指当年的大学毕业生的总体就业率，以此来说明宏观经济环境对贷款学生就业既而对信用值的影响。此项指标满分值为100%，O分值为70%。对于介于100%—70%时，其计算公式为：
当年大学生就业率评分实际值= ×4.5
20. 学校历史违约率：学校历史违约率指借款申请人所在学校历史累计违约的人数占历史累计得到贷款的人数的百分比。大学生跟风现象比较严重，学校历史违约情况对该校大学生的信用有着一定的影响。很明显，这项指标得满分的时候，实际的指标值应该为0%，即所有贷款学生都按时还款，没有人违约。其0分值，我们采用商业银行传统的标准8%。当学校历史违约率介于0—8%时，该项指标的计算公式为：
学校历史违约率评分实际值= ×8.4
根据评分模型得出来的分值，我们划分了4个等级。
（三）实证研究，检验模型的科学合理性
进一步验证本文构建的国家助学贷款信用评分模型的科学性、合理性，还必须在实务上通过样本分析，对它的科学合理性进行实证研究。国家助学贷款信用评分指标体系是否科学客观关键在于应用它评定的贷款学生的信用分值结果是否与贷款学生实际表现的信用状况相吻合。所以，在前两部分工作的基础上，本文抽取了100个贷款学生的信息资料，并用这些资料所提供的信息代入国家助学贷款信用评分表，将所得的信用分值同这些学生的实际履约情况相比较，得到了较为满意的结果。
三、国家助学贷款信用评分模型的运用与探索研究
本文以广东商学院作为切入点，在已构建国家助学贷款信用评分模型的基础上，适当增加了一些题目，编制了《广东商学院国家助学贷款情况调查问卷》，进一步了解该校助学贷款方面的一些情况，以便有针对性地进行改善。
本次调查从广东商学院的14个教学院系中，按照申请贷款学生人数30%的比例随机抽取样本，施测《广东商学院国家助学贷款情况调查问卷》，共发放问卷350份，回收问卷303份，其中有效问卷288份，得分结果如表所示。
结果表明，广东商学院学生的信用情况总体良好，40—80分值的学生人数占了绝大部分，但是，仍存在一些问题。例如，高信用级别的学生人数很少，二级风险人数比较多，有近40%等。学校应该加大对低分值学生的教育和引导，通过各种途径如讲座、广播等，加深学生对助学贷款政策、受助者的义务等方面的了解。
另外，从调查中，我们了解到，对于“国家助学贷款政策了解程度”非常熟悉的占调查人数5.86%，基本了解的占78.39%，了解不多的占12.83%，不了解的占2.93%；对于“现行贷款政策满意程度”的调查中，很满意的占7.30%，基本满意的占73.72%，不太满意的占15.69%，很不满意的占3.28%；关于“了解有关资助政策及申请助学贷款信息”途径主要是班主任老师介绍，占49.64%。班主任老师对学生的影响比较大，学校要加强班主任老师关于助学贷款和诚信教育方面的学习，以便他们更好地开展工作。同时，也可开设信用教育课程，并配备专门的教师，开展信用教育主题活动，引导学生养成诚实守信的美德。
关于学生的诚信品质方面，满分为8分，4分以下的占6%，5—6分的占62.55%，7—8分的占31.84%。总体来看，该校学生的诚信品质普遍较好，这也是该校贷款违约率远低于国家商业银行采用的传统标准8%的原因之一，当然，更与学校的管理、相关人员的努力分不开。
关于学生的成就动机方面，满分为16分，4分以下的占3.70%，5—8分的占30.74%，9—12的占54.07%，13—16分的占11.48%。总的来说，该校高成就动机的学生不是很多，需要进一步加强引导。同时，做好借贷贫困学生的就业指导，帮助他们做好就业准备；优先推荐优秀的贷款学生就业，并鼓励贷款学生到边远地区工作。根据国家新的贷款政策，贷款学生毕业后自愿到国家需要的艰苦地区、艰苦行业工作，服务期达到一定年限，经批准可以奖学金方式代偿其贷款。
综上所述，实行国家助学贷款是近年来我国实施科教兴国战略，帮助经济困难学生顺利完成学业的新举措，在高校贫困生资助工作体系中占有主体地位。通过构建和运用国家助学贷款信用评分模型，有效降低和控制国家助学贷款的风险，及时发现贷款工作中存在的问题，采取有效措施，加强对学生的诚信宣传教育及贷款管理，使国家助学贷款工作顺利进行，充分发挥其应有的作用。
“本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文”