| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 目录 | 第8-10页 |
| 插图索引 | 第10-11页 |
| 附表索引 | 第11-12页 |
| 第1章 绪论 | 第12-22页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.1.1 研究背景 | 第12-13页 |
| 1.1.2 本文的研究意义 | 第13页 |
| 1.2 当前农户信用评价的操作流程和问题 | 第13-14页 |
| 1.3 文献综述 | 第14-18页 |
| 1.3.1 信用评价的指标选取上 | 第14-16页 |
| 1.3.2 在信用评价方法上 | 第16-18页 |
| 1.3.3 研究评述 | 第18页 |
| 1.4 本文内容、研究方法及创新 | 第18-22页 |
| 1.4.1 本文的内容 | 第18-20页 |
| 1.4.2 研究方法和创新点 | 第20-22页 |
| 第2章 农户信用评价的理论基础和方法 | 第22-33页 |
| 2.1 农户信用评价理论 | 第22-24页 |
| 2.1.1 农户信用风险产生的原因及其独特性 | 第22-23页 |
| 2.1.2 农户信用特征的独特性 | 第23-24页 |
| 2.2 农户信用评价方法 | 第24-33页 |
| 2.2.1 信用评价方法的发展 | 第24-27页 |
| 2.2.2 Logistic 回归模型 | 第27-28页 |
| 2.2.3 BP 神经网络模型 | 第28-31页 |
| 2.2.4 两种方法的优势与局限性比较 | 第31-33页 |
| 第3章 农户信用评价指标体系的构建 | 第33-40页 |
| 3.1 个人和中小企业农户指标分析 | 第33-35页 |
| 3.1.1 个人信用评价指标分析 | 第33-34页 |
| 3.1.2 中小企业信用评价指标分析 | 第34-35页 |
| 3.2 农户信用评价指标体系的构建 | 第35-38页 |
| 3.3 农户信用指标的描述性性统计分析 | 第38-40页 |
| 第4章 BP 神经网络和 Logistic 回归比较研究 | 第40-47页 |
| 4.1 用因子分析提取指标 | 第40-43页 |
| 4.1.1 样本数据的预处理 | 第40页 |
| 4.1.2 指标的因子分析 | 第40-43页 |
| 4.2 基于 Logistic 回归的农户信用评价 | 第43-45页 |
| 4.2.1 Logistic 回归模型的应用 | 第43-44页 |
| 4.2.2 Logistic 回归模型应用效果讨论 | 第44-45页 |
| 4.3 基于 BP 神经网络的农户信用评价 | 第45-46页 |
| 4.3.1 隐含层的确定 | 第45页 |
| 4.3.2 BP 神经模型的应用 | 第45-46页 |
| 4.3.3 BP 神经网络应用效果讨论 | 第46页 |
| 4.4 BP 神经网络与 Logistic 回归应用效果比较 | 第46-47页 |
| 第5章 组合模型的构建及应用 | 第47-53页 |
| 5.1 基于 BP 神经网络和 Logistic 回归的组合模型构建 | 第47-49页 |
| 5.1.1 网络参数的设计 | 第47-48页 |
| 5.1.2 组合模型的应用及效果讨论 | 第48-49页 |
| 5.2 模型检验 | 第49-50页 |
| 5.3 聚类分析与农户信用等级评定标准 | 第50-53页 |
| 5.3.1 聚类分析 | 第51-52页 |
| 5.3.2 农户信用等级结果有效性分析 | 第52-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 附录A BP 神经网络测算的 MATLAB 程序 | 第59页 |
