伴随着农村经济的不断发展，当前农村的产业结构也在发生着巨大变化，以规模经营为主的种植业、养殖业以及果茶林业在广大农村地区迅速发展，规模经营成为广大农民增收的制胜法宝，但这其中的绝大多数农户都依靠农村金融体系，主要是农村信用社等机构提供的小额贷款维持经营。因此，农村小额贷款有着庞大的需求规模，但此贷款单笔金额小、笔数多，不利于机构管理。由于我国小额信贷发展起步晚，信贷机构的发展机制尚不健全，以及农户信用风险的独特性，致使在对农户进行信用评估的过程中，常会出现信用评价指标不全面、信用等级评定标准不一，以及传统审查人为主观性太强等问题，耗费人力、物力的同时又不利于风险控制。所以，在申请贷款的广大农户中区分优质客户（信用等级高）和一般客户（信用等级低），以控制信贷风险，实现信贷机构持续健康发展的同时完善农村信用评价机制，这是各方利益相关者的利益诉求。因此，建立一套行之有效的农户信用评价方法具有重要的现实意义，这也正是本文的研究目的。本文采用理论分析与实证分析相结合的论证方式，借鉴前人研究成果，并结合吉林省农村信用社贷款农户的数据特征，建立本文的农户信用评价三级指标体系：目标级（一级指标）是“好客户”或“坏客户”的二分类；准则级（二级指标）包括四大类，即家庭自然特征、偿债能力、经营状况和担保状况；指标级（三级指标）是隶属于准则级的具体指标，文中共有13个具体指标。其中，家庭自然特征包括户主年龄、文化程度、婚姻状况、健康状况、家庭劳动力人数以及家庭抚养人数等指标；偿债能力包括家庭对外负债、住房现值、家庭年收入及年消费和家庭总资产等指标；经营状况以土地种植面积指标为代表；担保状况指是否有担保人这一指标。文章实证部分，首先对数据进行基本处理，即数据筛选、样本分配和标准化，进而通过因子分析得到九个公共因子，这些公共因子作为评价农户信用的代表信息被输入Logistic模型和SVM模型。然后用样本数据分别对Logistic模型和SVM模型进行实证分析，分别到两模型对样本的预测结果。组合模型部分，以Logistic模型和SVM模型为基础，通过最小方差法求解权重系数的方法构建组合模型，建模完成后对其进行检验。最后将三个模型对样本的预测结果进行对比，得出结论。实证结果表明，Logistic模型和SVM模型均能较好的对农户信用进行评价，尤其在两个单模型基础上建立起来的组合模型对农户信用评价的效果更好。在对检验样本进行预测时，Logistic模型预测准确率是79.08%，SVM模型预测准确率是75.56%，组合模型的预测准确率为84.06%，组合模型的预测准确率均优于两个单一模型，且其预测误差也小于两个单一模型。为了进一步验证组合模型的预测效果优于两个单一模型，分别用三个模型对检验样本2进行预测分析，Logistic模型、SVM模型和组合模型的预测准确率分别为71.42%、73.02%和77.78%，此预测结果再次证明组合模型在继承了两个单一模型预测准确率高、稳定性好的基础上，并提高了这两个性能指标。本研究表明，Logistic模型和SVM模型可用于对吉林省农户进行信用评价，但基于二者而建立的组合模型具有更高的预测准确率和稳定性，其预测效果更好，所以，Logistic-SVM组合模型对吉林地区信贷农户的信用评价更符合实际情况。