据国家统计局公布的数据,2017年第一季度,消费市场运行平稳,最终消费支出对经济增长的贡献率达77.2%,比上年同期提高2.2个百分点;全国网上商品零售额1.1万亿元,同比增长25.8%。在社会投资增速放缓的背景下,中国经济增长进入消费拉动阶段。随着互联网消费的迅猛发展,许多电子商务企业为了促进消费交易量的增加,都相继推出消费信贷业务。大学生群体以其消费观念超前、易于接受新鲜事物的特点,迅速成为了互联网电商企业竞相争取的对象。互联网消费信贷的推出在为大学生提供新型支付方式、消费模式,给消费者带来更好购物体验的同时,也进一步刺激了消费、增加了互联网电商企业的销售额。然而电商企业在享受由互联网消费信贷刺激所带来的利润的同时,却往往容易忽视这背后隐藏的种种风险问题。目前,互联网电商企业对于消费信贷风险采取比较粗犷的管理模式,具体表现为管理方法落后,风险识别能力不强,没有形成一套规范完整的风险管理体系,这也将在一定程度上阻碍互联网消费信贷的进一步发展。关于互联网消费信贷研究大多以定性分析为主,定量研究较少。为此,本文梳理了国内外相关文献,探寻大学生互联网消费信贷的基础理论问题。通过对其他研究中个人信用评估指标的梳理,并结合大学生以及互联网消费信贷本身的特点,初步总结出大学生互联网消费信贷风险的可能影响因素。然后从大学生受信者的角度收集数据,利用数据对初始指标的相关性进行检验并做降维处理,提炼出进入模型的风险影响因素指标。最后,用Logistic回归模型识别出消费信贷风险的主要影响因素,得出个人信用评估模型,用于具体分析单个消费者的违约风险。通过模型的识别,得出8个对大学生互联网消费信贷风险有显著影响的指标因子:年龄因子、学历因子、在校守纪因子、生活费满足因子、贷后还款因子、其他信贷产品特征因子、其他信贷平台信用因子、还贷违约风险因子。对于模型的实际意义,研究发现该风险评估模型对于用户违约风险的预测效果较好,可利用消费信贷申请人的相关数据分析借款人的违约风险,进一步辅助互联网电商企业进行贷前风险评估,这对我国互联网电商企业面向大学生的小额消费信贷贷前风险管理有借鉴意义。文章结尾处,对大学生互联网消费信贷风险管理从互联网消费信贷平台、政府、大学生借款人、学校四个方面提出对策建议,通过这四方面的良性循环互动,更有效控制大学生互联网消费信贷的风险。