| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1. 绪论 | 第10-16页 |
| 1.1 选题的背景和意义 | 第10-11页 |
| 1.1.1 选题的背景 | 第10-11页 |
| 1.1.2 选题的意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 面向中小企业 | 第11-12页 |
| 1.2.2 面向小微型科技企业 | 第12页 |
| 1.2.3 面向创业企业 | 第12页 |
| 1.2.4 现有研究成果的分析 | 第12-13页 |
| 1.3 研究的内容和创新点 | 第13-16页 |
| 1.3.1 研究内容和方法 | 第13-14页 |
| 1.3.2 研究的创新点 | 第14-16页 |
| 2. 基础理论 | 第16-22页 |
| 2.1 概念界定 | 第16-17页 |
| 2.1.1 小微型科技创业企业的概念 | 第16页 |
| 2.1.2 信用评价的具体概念 | 第16-17页 |
| 2.2 信用评价理论 | 第17-19页 |
| 2.2.1 信息不对称理论 | 第17-18页 |
| 2.2.2 交易成本理论 | 第18页 |
| 2.2.3 博弈理论 | 第18-19页 |
| 2.3 信用评价模型 | 第19-22页 |
| 2.3.1 信用评价传统模型 | 第19页 |
| 2.3.2 信用评价改进模型 | 第19-22页 |
| 3. 河南省小微型科技创业企业的特点及影响其信用水平的因素 | 第22-30页 |
| 3.1 河南省小微型科技创业企业信用风险产生的演化过程和机理 | 第22-25页 |
| 3.1.1 演化过程 | 第22-25页 |
| 3.1.2 内部影响指标 | 第25页 |
| 3.1.3 外部影响指标 | 第25页 |
| 3.2 河南省小微型科技创业企业的特点和融资状况 | 第25-28页 |
| 3.2.1 企业特点 | 第25-26页 |
| 3.2.2 融资状况 | 第26-27页 |
| 3.2.3 融资难的原因 | 第27-28页 |
| 3.3 河南省小微型科技创业企业信用评价的影响因素 | 第28-30页 |
| 3.3.1 环境因素 | 第28页 |
| 3.3.2 能力因素 | 第28-29页 |
| 3.3.3 意愿因素 | 第29-30页 |
| 4. 河南省小微型科技创业企业信用评价指标体系的建立 | 第30-41页 |
| 4.1 建立信用评价指标体系的必要性 | 第30-31页 |
| 4.1.1 实现企业和融资机构的共贏 | 第30页 |
| 4.1.2 现有指标体系的局限性 | 第30-31页 |
| 4.2 信用评价指标体系的建立 | 第31-39页 |
| 4.2.1 建立指标体系的原则 | 第31页 |
| 4.2.2 建立指标体系的思路 | 第31-33页 |
| 4.2.3 指标体系的筛选和确定 | 第33-39页 |
| 4.3 信用评价各项指标数据的降维 | 第39-41页 |
| 4.3.1 因子分析理论 | 第39页 |
| 4.3.2 因子分析数学解释 | 第39-41页 |
| 5. 河南省小微型科技创业企业信用评价模型的选择 | 第41-49页 |
| 5.1 模型的选择 | 第41页 |
| 5.2 模型的建立 | 第41-47页 |
| 5.2.1 Logit二项模型 | 第41-44页 |
| 5.2.2 BP神经网络模型 | 第44-47页 |
| 5.3 数据的收集 | 第47-49页 |
| 5.3.1 财务指标数据 | 第48页 |
| 5.3.2 非财务指标数据 | 第48-49页 |
| 6. 河南省小微型科技创业企业信用评价的实证研究 | 第49-61页 |
| 6.1 数据降维 | 第49-54页 |
| 6.1.1 财务数据 | 第49-51页 |
| 6.1.2 非财务数据 | 第51-54页 |
| 6.2 实证分析 | 第54-59页 |
| 6.2.1 Logit二项模型 | 第54-56页 |
| 6.2.2 BP神经网络模型 | 第56-59页 |
| 6.3 实证研究结果的总结 | 第59-61页 |
| 6.3.1 模型对比 | 第59-60页 |
| 6.3.2 模型优化结论 | 第60-61页 |
| 7. 研究结论与政策建议 | 第61-64页 |
| 7.1 研究结论 | 第61页 |
| 7.2 政策建议 | 第61-64页 |
| 参考文献 | 第64-67页 |
| 作者简介及在校期间获得的科研成果 | 第67-68页 |
| 致谢 | 第68-70页 |
| 附录 | 第70-89页 |
