在信用風險的分析上，應變數就是發生與不發生，通常以1、0 來表示。若透過一般的最小平方法來處理，所求得的估計量雖滿足不偏性(Unbiased)，但存在幾個缺點，應變數並不滿足迴歸分析中常態分配的假設、殘差項存在變異數異質的問題。在模型的解釋能力方面，更存在著以下困擾 1.忽略了不同規模與分配下應變數的邊際變化。 2.極端值的情形下，參數的係數將會受到很大的影響。
本研究引進了分量迴歸(Quantiles Regression)的工具，最早由Koenker and Bassett(1978)所提出，能解決在使用最小平方法來處理時所出現的問題，以架構公司信用風險模型的評估，提出客觀的評估標準，並檢驗其用以風險控管的能力。
實證結果整理，各分量Binary Regression Quantiles的預測解釋能力和傳統的Logit模型仍存在一定的差距。

一、中文部份
1. 白鎮維、趙令斌，「信用風險之評估—介紹KMV 之EDF 及若干國內實證」，貨幣觀測與信用評等第27 期。
2. 林公韻(2005)，「信用違約機率之預測-Robust Logistic Regression.」， 政治大學金融研究所碩士論文。
3. 王懷德（2002），「KMV 模型於國內未上市、未上櫃之公開發行公司之研究」，東吳大學會計研究所碩士論文。
4. 沈中華(2002)，「金融市場」，華泰出版社。
5. 沈中華、謝孟芬，「事件風險：以貨幣危機及銀行危機為例」，企銀季刊第廿二卷第二期。
6. 沈中華、郭照榮(2001)譯，「金融機構管理」，華泰出版社。
7. 沈中華，「違約機率與博達營收增加」，93 年8 月24 日經濟日報社論。
8. 何太山（1977），「運用區別分析建立商業放款信用評分制度」，政治大學企業管理研究所碩士論文。
9. 周培如（2004），「銀行危機預警指標-KMV 信用風險模型與財務指標之應用」，國立政治大學經濟學系研究所碩士論文。
10. 林妙宜(2002)，「公司信用風險之衡量」，政治大學金融研究所碩士論文。
11. 陳松男(2002)，「金融工程學」，華泰出版社。
12. 陳威光(2001)，「選擇權—理論、實務與應用」，智勝出版社。
13. 陳肇榮（1983），「運用財務比率預測企業財務危機之實證研究」，政治大學企業管理研所博士論文。
14. 陳明賢（1985），「財務危機預測之計量分析研究」，台灣大學商學研究所碩士論文。
15. 邱順南（2003），「台灣銀行業金融預警模型之探討」，嶺東技術學院財務金融研究所碩士論文。
16. 林妙宜（2001），「信用風險之衡量」，國立政治大學金融學系研究所碩士論文。
17. 林宓穎（2001），「上市公司財務危機預警模式之研究」，國立政治大學財政學系研究所碩士論文。
18. 劉文仲(2002)，「銀行早期預警系統－市場與會計資訊之應用」，東吳大學經濟研究所。
19. 卓怡如（1995），「財務危機預警模型之建立－以上市及未上市公司為例」，台灣大學財務金融研究所碩士論文。
20. 蕭惠元、陳惠玲，「台灣企業債務違約分析－TCRI 違約率統計」，貨幣觀測與信用評等第34 期。
21. 陳建賓（2003），「加入公司治理指標的企業財務危機預測研究：Logistic 模型的應用」，淡江大學財務金融學系研究所碩士論文。
22. 張大成、劉宛鑫、沈大白，「信用評等模型之簡介」，中國商銀月刊 91 年11 月號。
23. 顧石望(1996)，「金融預警制度之研究─以本國一般銀行為例」，政治大學企業管理研究所。
24. 許峻賓，(2003)，「KMV模型於預警系統之實證研究」，真理大學財經研究所碩士論文。
25. 陳思翰，(2003)，「商業銀行如何利用Logit及KMV模型檢視授信政策」，中央大學財務金融研究所碩士論文。
26. 蘇郁嵐，(2003)，「企業違約預警模式之建立--Merton模型與Ohlson模型的結合」，東吳大學國際貿易研究所碩士論文。
27. 黃景鋒，(2005)，「公司信用風險之衡量-以財務比率與選擇權評價法為例」，淡江大學財務金融研究所碩士論文。
28. 忻維毅，(2006)，「信用違約機率之預測－Binary Regression Quantiles的應用」，國立政治大學經濟研究所碩士論文。

二、英文部分
1. Altman, E. I. (1968), Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy, Journal of Finance 23, 589-609.
2. Altman, E.I., R. Haldeman & P. Narayanan,(1977), “ZETA analysis: A New Model to Identity Bankruptcy Risk of Corporations,” Journal of Banking & Finance, pp.64-75.
3. Altman, E. I., Macro, G. and Varetto, F. (1994), “Corporate distress diagnosis: Comparison using linear discriminate analysis and neural networks (The Italian Experiences),” Journal of Banking and Finance, 505-529.
4. Black, F. and Cox, J. C. (1976), “Valuing Corporate Securities: Some Effects of Bond Indenture Provisions,” Journal of Finance 31, 351-367.
5. Black, F. and M. Scholes. (1973), The Pricing of Options and Corporate Liabilities, Journal of Political Economy, May-Jun, 637-654.
6. Crosbie, P. and Bohn, J. (2003), “Modeling Default Risk,” Moody’s KMV Company.
7. Coats, P. and Fant, L. (1993), “Recognizing financial distress patterns using a neural network tool,” Financial Management, 142-155.
8. Deakin, E. B.(1972), A Discriminant Analysis of Predictors of Business Failure, Journal of Accounting Research 10, 167-179.
9. Duffie, D. and Garleanu, N. (2001), “Risk and Valuation of Collateralized Debt Obligations,” Working Paper, Graduate School Business, Stanford University.
10. Dutta, S. and Shekhar, S. (1988), “Bond Rating: A Non-Conservative Application of Neural Network,” Proceeding of the IEEE International Conference on Neural Networks II, 443-450.
11. Gonzalez-Hermosillo (1999), " Developing indicators to provide early warnings of banking crises."，Finance & Development,Vol 36.
12.Hardy,Pazarbasioglu (2002), " Determinants and leading indicators of banking crises：Further evidence."
13.Hull, J. (2003), Options, Futures and Other Derivative Securities. Englewood, NJ: Prentice Hall.
14.Jarrow, R. and Turnbull, S. (1995), “Pricing Derivatives on Financial Securities Subject to Credit Risk,” Journal of Finance 50, 53-86.
15. Jorge R. Sobehart, Sean C. Keenan and Roger M. Stein (2000), Validation Methodologies for Default Risk Models, Moody’sInvestors Service.
16. Kaplan, R. S. and G. Urwitz (1979), Statistical Models of Bond Ratings: A Methodological Inquiry, Journal of Business, Vol. 52, Iss. 2; 231-262.
17. Kealhofer (2003), " Quantifying Credit Risk I：Default Prediction.", Financial Analysts Journal.
18. Kealhofer (2003), " Quantifying Credit Risk II：Default Prediction.", Financial Analysts Journal.
19. Koenker,R. and Bassett,G.B. (1979), Regression Quantiles,
Econometrica, 46,33-55.
20. Merton, R.C. (1974), On the Pricing of Corporate Debt: The Risk Structure of Interest Rates, Journal of Finance, June, 449-470.
21. Martin, D. (1977), Earning Warning of Bank Failure: A Logit Regression Approach, Journal of Banking and Finance, Vo l.1, 249-276
22. Ohlson,J.T. (1980), Financial Ratios and the Probabilistic Prediction of Bankruptcy, Journal of Accounting Research 18, 109-131
23. Pogue, T. and R. Soldofsky (1969), "What's in a Bond Rating", The Journal of Financial and Quantitative Analysis, 4 (2), pp. 201-228.
24. Reisz, A. S. and Perlich, C. (2004), ”A Market-Based Framework for Bankruptcy Prediction,” Journal of Economic Literature Classification System: G13, G33.
25. Rousseuw P.J. (1984), Least median of squares regression. Journal of the American Statistical Association, 79, 871-880.
26. Roger M. Stein (2002), Benchmarking Default Prediction Models: Pitfalls and Remedies in Model Validation, Technical Report #30124, Moody’s KMV.
27. Taffler, R.J. (1983), The Assessment of Company Solvency and Performance Using a Statistical Model, Accounting and Business Research, 295-308.
28. West, R. C. (1985), “A factor-analytic approach to bank condition,” Journal of Banking and Finance 9, 253-266.