制造业作为我国经济的支柱产业,影响着我国国民经济的发展。从2008年全球性金融危机到2012年,制造业公司出现产品过剩的情况,库存积压逐渐显现,公司的收入减少、盈利逐步恶化。到2012年开始产能逐渐下降,公司面临了严重的库存压力、财务压力以及创新升级压力,再加上如今劳动成本提高,我国制造业面临着挑战。制造业上市公司在商业银行贷款额度最高,是商业银行的重要客户,制造业公司的盈利恶化,将很可能产生信用违约,最终对整个经济环境产生影响。可见对制造业上市公司的盈利状况和信用风险的分析具有重要的经济意义。本文首先介绍了研究的背景和意义,通过总结国内外对信用风险研究的突破,规划了论文的研究方案,接着对信用风险相关理论进行阐述,在前人的基础上,分析多种信用评分方法和模型,最终确立了用DEA-Tobit模型来客观有效的评估制造业信用风险。本文创新使用了主成份指标作为输出指标,全面的利用指标体系,提高准确性;在模型选择中,综合选择BCC模型与交叉效率评价法,从自评和他评两个角度研究信用效率,增加结果的准确度。实证中,根据证券行业划分标准,选取了 2013年到2017年的120家制造业上市公司作为样本公司,其中轻纺工业40家、资源加工工业40家与机械、电子制造业40家。在输入输出指标选取上,运用了主成份分析,将所选19个指标降维成6个主成份作为输出指标,资产负债率与销售成本率作为输入指标进行信用风险测算。首先选用DEA-BCC模型对120家样本进行信用评分的测算,基于模型的结果,从综合信用效率、纯技术效率、规模效率三个角度进行分析并结合不同子行业的情况进行信用风险分析,结果表明三个行业的综合效率与纯技术效率值偏低,规模效率较高,其中资源加工工业的信用风险最低。又进一步分析了各个投入产出指标的不足与冗余情况,由此了解各个公司信用效率无效的原因及改进措施。之后运用交叉效率评价法,对120家公司进行信用评分,得出相对客观的信用分数,并进行排序。最后本文从宏观层面与微观层面全面分析可能影响信用风险的因素,最终选择10个变量作为解释变量,交叉效率结果作为被解释变量,构建了 Tobit模型来验证这些因素与制造业信用效率之间的关系,得出制造业上市公司信用效率受人均GDP、资产负债率、营业成本率的负向影响,受贷款加权平均利率、员工储备、股权集中度的正向影响。根据全文的研究,本文在文章结尾时做了总结并提出了对策。