Research on Personal Credit Evaluation Model of Chongqing

ZHOU Min; SHI Ying; LI Tao

doi:10.13718/j.cnki.xsxb.2021.03.011

It is the first time to carry out extensive investigation and research on personal credit evaluation in Chongqing. According to the regional GDP ranking, we selected citizens from different occupations in Yubei District, Jiulongpo District, Nan'an District, Dadukou District, Fuling District, Bishan District, Qianjiang district and Wuxi County to conduct interviews and research. After information collection and discussion, we determine the questionare for personal credit evaluation in Chongqing. An online questionnaire survey was conducted for the general public of Chongqing, and 5638 valid questionnaires were collected. After an exploratory factor analysis, we get a personal credit model including four dimensions: personal social credit, personal economic and public resources credit, personal judicial credit and personal credit positive information. The confirmatory factor analysis of the exploration model shows that the personal credit model has an ideal fit degree. Based on the principal component analysis theory, according to the interpretation rate of each dimension and the load coefficient of each item, the preliminary personal credit evaluation model is determined.

HTML

社会信用体系是以法律法规和社会公约为依据，以社会成员的信用记录和信息共享为基础，以信用服务业为依托，通过政府监管、社会组织监督、信用主体自我管理，实现各类信用活动规范运行，形成激励守信、惩戒失信机制，促进和谐诚信社会建设的管理机制，是社会主义市场经济体制和社会管理体制的重要制度安排^[1]. 个人信用评估是社会信用体系建设的重要组成部分和核心基础，对推进社会信用体系建设有着突出作用，因此个人信用评价是国家着力推进的重要课题.

个人信用评价模型应是由个人遵守法定义务和履行约定义务状态的多项指标构成的体系，这些指标具有一定的逻辑关系，能够得出自然人的信用水平^[2-15]. 目前，全国有多个省市已率先开展了信用评价工作. 浙江省的个人信用评价指标体系将个人信用分为身份特质、社会公德、履约能力、遵纪守法、经济行为5个维度，结构清晰，指标主要以公共信息为主，不涉及个人收入、资产等隐私数据. 荣成市、安康市等5城市从商务领域、社会管理领域、政务领域对个人信用评分，为公务员队伍设计了专门的指标，加强了对重点人群的监控. 由于社会信用体系建设还处于初级阶段，信用数据存在数据格式标准不统一，数据归集不全，数据量较少等问题. 为了避免上述问题，本研究选择了探索性因素分析和验证性因素分析的方法进行重庆市个人信用评价的模型构建.

3. 信效度检验

计算克隆巴赫系数评价问卷及各因素的同质性信度，结果显示整体问卷的α系数为0.983.

个人社会信用的信用维度包含28个题项，α系数为0.984; 个人经济及公共资源信用的信用维度包含8个题项，α系数为0.895; 个人信用正面信息的信用维度包含6个题项，α系数为0.931; 个人司法信用的信用维度包含3个题项，α系数为0.835, 各个维度信度良好. 验证性因素分析结果表明该问卷具有较好的结构效度.

综上，本研究最终得到一套包含4个维度，45个题项的问卷，其信度、效度均达到心理测量学的要求.

3.3. 个人信用评价模型确立

3.3.1. 数学模型

通过分析既可以降低数据维度又保留了原数据的大部分信息. 而主成分分析中所讨论的信息，就是指标的变异性，用标准差或方差表示它.

设X=(X₁, …, X_p)′为一个p维随机向量，并假定存在二阶矩，其均值向量与协差阵分别记为：

考虑如下的线性变换

用矩阵表示为

其中

一般情形，第k主成分为满足T_k′T_k=1和Cov(Y_k, Y_i)=Cov(T_k′X, T_i′X)=0(i < k)且使得D(Y_k)=T_k′ΣT_k达到最大的Y_k=T_k′X.

主成分向量的协方差矩阵D(Y)=Λ. 其中Λ=diag(λ₁, λ₂, …, λ_p), 即D(Y_i)= λ_i, i=1, 2, …, p, 且Y₁, Y₂, …, Y_p互不相关. 记Σ=(σ_ij), 由于tr(Λ)=tr(T′ΣT)=tr(ΣTT′)=tr(Σ), 所以 $\sum_{i=1}^{p} \lambda_{i}=\sum_{i=1}^{p} \sigma_{i i}$或 $\sum_{i=1}^{p} D\left(Y_{i}\right)=\sum_{i=1}^{p} D\left(X_{i}\right)$.

因为Y=T′X, 即Y_k=t_1kX₁+t_2kX₂+…+t_pkX_p, 所以cov(X_i, Y_k)=cov(e_i′X, T_k^′X)=e_i′D(X)T_k=λ_kt_ik, 即可得

从原始变量X₁, X₂, …, X_p中提取m个主成分信息量Y₁, Y₂, …, Y_m, 称为m个主成分Y₁, Y₂, …, Y_m对原始变量x_i的贡献率. 其值为

当m=p时，

而关于原始变量X₁, X₂, …, X_p对主成分Y₁, Y₂, …, Y_m的影响，即Y_k=t_1kX₁+t_2kX₂+…+t_pkX_p, 称t_ik为第k主成分Y_k在第i个原始变量X_i上的载荷，它度量了X_i对Y_k的重要程度，可视为第k主成分Y_k对X₁, X₂, …, X_p的总方差贡献.

3.3.2. 个人信用评价的最终模型

根据探索性因素分析及验证性因素分析的结果，以主成份分析作为提取方法，建立包括4个维度(个人社会信用、个人经济及公共资源信用、个人信用正面信息、个人司法信用)与45个题项的最终模型如表 7个人信用维度载荷系数表.

根据主成分分析的理论基础、各维度的解释率、每个题项的载荷系数可初步计算每个维度的权重值. 由此可以初步得到一个个人信用评价模型如表 8个人信用模型维度权重表.

4. 结语

通过回收的《重庆市个人信用建设问卷》数据进行探索性因素分析，得到了由4个维度组成的个人信用模型. 从各类人群在各个维度认识上的差异可以发现，律师在个人司法信用，银行职员在个人经济及公共资源信用与其他行业从业人员的看法有非常显著的区别. 因此，通过问卷调查得到的模型受限于调查人群的知识背景，与专业人士的认识可能会存在差别. 但通过普通市民得到的探索性因素分析信用模型，有利于该模型的推广使用. 建议后续通过收集真实的指标数据以大数据研究方法进行模型验证.

通过因素分析法，根据因素的载荷量进行维度权重的计算，只能大致推算每个维度的权重值. 因为因素分析的降维操作会带来解释率的下降，根据4个维度的解释率进行再次计算推算出各个维度的权重值，并可进一步推算出每个指标的分值，是一种粗略推算权重的方法，可以通过问卷调查的数据分析建立初步的模型. 但在模型的实际应用中应考虑推算过程带来的误差，应利用指标数据进行修正、调优.

个人信用评价模型的建设过程是一个动态的过程，需要不断更新完善. 目前，从调研中收集到的信用热点信息还有：支付宝花呗信用、网络贷款信用、环境保护、垃圾分类、网络言论、电子诈骗等因素. 因此在建立个人信用模型的过程中，还应考虑指标更新、权重更替的机制，保证指标体系与时俱进.

Figure (3) Table (8) Reference (16)

Name
	Name cannot be empty!
E-mail
	Mailbox cannot be empty! Mailbox cannot be empty!
Telephone
	Mobile number cannot be empty! Please enter a valid mobile number!
Title

Content
Verification Code

[1]	吴晶妹. 三维信用论[M]. 北京: 当代中国出版社, 2013. Google Scholar
[2]	上海市人大财政经济委员会, 上海市人大常委会法制工作委员会, 上海市发展和改革委员会. 上海市社会信用条例释义[M]. 上海: 上海人民出版社, 2017. Google Scholar
[3]	吴晶妹. 现代信用学[M]. 北京: 中国人民大学出版社, 2009. Google Scholar
[4]	楼裕胜. 信用城市建设: 杭州的调查与思考[M]. 北京: 中国金融出版社, 2018. Google Scholar
[5]	李曙光. 个人信用评估研究[M]. 北京: 中国金融出版社, 2008. Google Scholar
[6]	罗培新. 社会信用法: 原理、规则、案例[M]. 北京: 北京大学出版社, 2018. Google Scholar
[7]	李镇华. 信用制度建设的理论基础探讨: 基于信用风险管理的视角[M]. 北京: 中国金融出版社, 2010. Google Scholar
[8]	刘新海. 征信与大数据[M]. 北京: 中信出版社, 2016. Google Scholar
[9]	武安华. 商业银行个人信用评分研究[M]. 北京: 中国金融出版社, 2015. Google Scholar
[10]	中国市场学会信用学术委员会. 中国社会信用体系[M]. 北京: 中国方正出版社, 2012. Google Scholar
[11]	刘肖原. 我国社会信用体系建设问题研究[M]. 北京: 知识产权出版社, 2016. Google Scholar
[12]	陈勇阳. 个人信用管理: 理论、实务及案例[M]. 重庆: 重庆大学出版社, 2016. Google Scholar
[13]	黄卓. 互联网金融时代中国个人征信体系建设研究[M]. 北京: 中国社会科学出版社, 2018. Google Scholar
[14]	HIRTH S. Credit Rating Dynamics and Competition [J]. Journal of Banking & Finance, 2014, 49: 100-112. Google Scholar
[15]	FISHER R A. The Use of Multiple Measurements in Taxonomic Problems [J]. Annals of Eugenics, 1936, 7(2): 179-188. Google Scholar
[16]	张文彤, 邝春伟. SPSS统计分析基础教程[M]. 2版. 北京: 高等教育出版社, 2011. Google Scholar

Message Board

Research on Personal Credit Evaluation Model of Chongqing

Abstract

References

Access History

通讯作者: 陈斌, bchen63@163.com

Article Metrics

Access History

Other Articles By Authors