銀行借款作為企業的一種資金來源，企業與銀行的往來關係可為企業帶來附加利益，且藉由中小企業對銀行揭露其內部資訊、以及銀行借款須定期付息的現金流出壓力，銀行就能對企業營運扮演監督的角色，降低中小企業的代理問題與資訊不對稱現象，降低企業經營的道德風險；若有了長期經營的銀行往來關係，企業不但可以降低利息、增加借款額度，也可以為建立企業聲譽，有利於企業再行籌資。本研究即是建立中小企業的信用評等模型，並探討銀行往關係所隱含的意義，並討論「銀行往來關係」是否可以成為中小企業企業倒帳風險及經營狀況的代理變數。

實證結果發現：(1)「該企業過去是否已獲得銀行授信核可」為銀行往來關係中最重要、最具分類能力的變數。根據此項特性值，我們可以將樣本分成特性明顯不同的兩個群體。並且根據不同的群體，本研究建立四個不同的模型。模型一、二適用於「過去曾獲得授信核可之企業」，模型三、四則適用於「過去未曾獲得授信核可之企業」。若比較模型一、二與模型三、四，可發現模型一、二的解釋能力與預測能力優於模型三、四；這表示，「過去曾獲得授信核可之企業」，其行為與風險是較能預測的。(2)關於銀行往來關係，我們使用了諸多變數作為銀行往來關係的代理變數，包括企業本身及企業負責人在銀行借款的額度、額度變動率、借款帳戶的屬性（是支票存款、擔保放款或無擔保放款）、負債資金的性質（長期、中期借款或短期借款）等、“企業被金融機構查詢次數”、“企業負責人個人被金融機構查詢次數”等；攸關程度較高的變數如下：企業中期放款餘額（及其變動率）、企業短期放款餘額（及其變動率）、個人有擔保放款餘額及其變動率、企業及個人無違約情事之放款總額。關於模型結果，對台灣中小企業而言，銀行往來關係的確可以作為衡量企業倒帳風險、營運狀況、財務能力的代理變數。(3)本研究各模型皆以銀行往來關係為最主要的模型變數。整個來說，所有模型的分類正確率與預測正確率皆在75%以上，顯示這些模型的確能在事前辨別企業是否倒帳。另外，在可忍受的誤拒率水準之下，各模型的誤授率最低可達6.97%，幾乎與國內全體銀行的總平均逾放比相同；這樣的模型低誤授率即可用自動化的數量評等模型達成，顯示出此模型在實務上具有實用性。(4)在其他非銀行往來關係的變數項方面，「企業登記資本額」與中小企業各項特性值皆顯著相關，顯示出企業之登記資本額的確隱含著重要的資訊內涵；在中小企業嚴重資訊不對稱、財報資訊不真實的狀況之下，企業營運規模與資本額可作為中小企業獲利能力、償債能力、資訊不對稱程度的代理變數，也是銀行在執行借款作業時的一個攸關變數。

1. “中小企業白皮書”，民國88年，經濟部發行
2. 陳錦村、許通安、林蔓蓁，“銀行授信違約風險之預測,” 管理科學學報，民國85年7月，頁173-195
3. 陳錦村，“銀行授信客戶之信用評等與模式比較”，輔仁管理評論．民國86年3月，頁145-172
4. 龐欽元，“農業行庫授信風險評估模式之研究”，國立中興大學農業經濟學系碩士論文，民國87年
5. 呂美慧，“銀行授信評等模式---Logistic Regression 之應用”，國立政治大學金融學系碩士論文，民國89年
6. 李惠民，“中小企業信用風險評估模式之趼究-(金融授信評估模式之研究)”，淡江大學管理科學研究所碩士論文．民國74年
7. 黃重菁，“銀行對中小企業授信考量因素之研究”， 國立政治大學企業管理學系碩士論文，民國87年
8. 賴科宏，“不對稱訊息下銀行授信制度之研究分析”，國立台北大學經濟學系碩士論文，民國88年
9. 劉凌鋒，“中小企業之財務問題研究--以電子零組件貿易商為例”， 國立中山大學財務管理學系碩士論文，民國87年
10. 陳盈樺，“台灣地區銀行與企業融資關係之探討--主力銀行機制”， 國立銘傳大學金融學系碩士論文，民國89年
11. 章靜心，“放款活動與企業失敗之相互影響—以產業之縱橫資料為實證”， 國立中原大學企業管理學系碩士論文，民國89年
12. 張宮熊，“台灣信用分配下民間金融體系對中小企業經營績效之影響─以製造業為例”，國立中山大學企業管理學系碩士論文，民國78年
13. 黎法寬，“中小企業信用分析模式”， 國立暨南國際大學國際企業學系碩士論文，民國86年
14. 郭憲章、黎法寬，“中小企業信用分析模式之研究,”, 台灣銀行季刊第五十卷第三期，頁91-113，民國88年
15. 薛琦、胡名雯，“從經濟面看台灣的中小企業”，企銀季刊第十八卷第三期，頁1-13，民國85年
16. Fama E.F. and Michael C. Jesen(1985), “Organizational Forms and Investment Decisions,” Journal of Financial Economics 14, pp.101-119
17. Fama E.F., “What’s Different about Bank?”(1985), Journal of Monetary Economics 15, pp.29-39
18. Gardner M. J. and Mills D. L.(1989),“Evaluating the Likelihood of Default on Delinquent Loans,” Financial Management Winter 1989, pp.55-63
19. Mitchell A Petersen and Raghuram G Rajan (1994),“The Benefit of Lending Relationship:Evidence from Small Business Data,” Journal of Finance vol.1 no.1 , pp.3-37
20. Cavalluzo K. and Cavalluzzo L. (1998),“Market Structure and Discrimination: The Case of Smalll Business,” Journal of Money, Credit, and Banking November 1998, pp.771-192
21. Marco Pagano and Tullio Jappelli (1993), “Information Sharing in Credit Market,” The Journal of Finance December 1993, pp.1693-1718
22. Joe Cheung(1999), “A Probability Based Approach to Estimating Costs of Capital for Small Business,” Small Business Economics 12, pp.331-336,
23. Crouhy Michel, Dan Galai, Robert Mark (2000),“A Comparative Analysis of Current Credit Risk Models,” Journal of Banking and Finance 24, pp.59-117
24. Diamond, Douglas(1984),“Financial Intermediate and Delegated Monitoring,” Review of Economic Studies, pp.393-414
25. Carol Yeh-Yun Lin (1998), “Success Factor of Small-and Medium-Sized Enterpp.rises in Taiwan：An Analysis of Cases,” Journal of Small Business, pp.43-56
26. Harell F.E. and Lee K. L. , “A Compp.arison of the Discrimination of Discriminant Analysis and Logistic Regression under Multivariate Normality,”Statistics in Biomedical, PP.ublic Health and Environmental Sciences, Sen PP..K. edition, Amsterdam, 1985
27. Kim J.S., Tokuhata G.K. and Bartz J.R.(1985),“Comparison of Multivariate Regression Analysis Between Logistic Model and the Least Square Model Using SAS Software,” SAS Users Groupp. International Conference Proceedings, pp.1109-1112
28. Blackwell D.W. and D.S. Kidwell (1988), “An Investigation of Cost Difference Between Public Sales and Private Placement of Debt,” Journal of Financial Economics 22, pp. 253-278
29. Lo A.W.(1986),“Logit Versus Discriminant Analysis – A Spp.ecification Test and App.pp.lication to Corpp.orate Bankrupp.tcies,” Journal of Econometrics vol.31, pp.151-178