作为一项发展潜力巨大的金融创新技术,小企业信用评分在国外银行小企业贷款中应用较广,它有助于提高小企业的信贷可获得性,对解决小企业融资难困境有很大帮助。但在我国却一直未受到应有的关注。与传统的贷款管理技术相比,信用评分法在很大程度上可实现小企业贷款处理的自动化,提高贷款审批和处理的效率,有助于银行更精确地为贷款定价。然而拒绝样本的数据缺失是信用评分建模中不可避免的问题,引入拒绝推论的方法构建小企业信用评分模型非常必要。本文对小企业、信用评分和拒绝推论三个概念进行了界定,在比较传统信用评估方法和信用评分法的基础上,对信用评分法应用于评估小企业信用风险的适用性进行了深入分析。实证分析所采用的样本数据来源于按照国家统计标准从wind数据库中筛选出的小企业,将其分为两个子样本,并构建了基于企业主个人变量、企业特征变量和企业财务变量的小企业信用评分指标体系。利用第一个子样本,对其财务指标应用了主成分分析,建立了基于logistic回归的小企业信用评分模型。将该模型应用于第二个子样本进行模拟信贷筛选,从而产生了带有缺失样本的模拟信贷数据,利用典型的拒绝推论方法—Heckman二阶段模型预测新的信用评分模型,将其结果与忽略缺失数据的审查模型和拥有完全信息的标准模型进行比较,结果显示Heckman二阶段模型的表现优于直接忽略缺失样本数据的审查模型,更接近标准模型的结果。研究表明,拒绝推论能够有效解决信用评分建模中由于缺失数据引起的样本选择偏差问题,提高信用评分模型的有效性和预测能力。