目前普遍采用的信用评级模型主要是依据企业提供的财务数据来预测企业的违约率,这类模型仅仅是对企业的历史数据进行分析,缺乏预测性,因此如何提高企业信用评级模型的预测能力,就成了国际上普遍关注的问题。国外学者Bergeretal在其研究中发现,在对企业进行信用评级时,如果能够综合考虑企业的财务指标和非财务指标比仅仅以财务指标为变量,能够更准确的预测企业的违约概率。通过阅读大量文献发现,近年来学者们在进行企业信用评级研究时虽然综合考虑了非财务指标因素,但仅仅是对其进行了定性分析并没有进行具体的定量分析。本文以在沪市上市的包括零售业、房地产业、旅游业、纺织业4个行业的93家公司作为研究对象,选取企业的部分财务指标和非财务指标作为变量,并采用KMV模型为验证模型,通过实证研究探讨非财务指标对企业信用评级的影响。本文主要考量公司治理因素、企业市场地位、股权结构这三个非财务指标,利用统计软件(?)SPSS19.0对选取的数据进行描述性分析、信度和效度分析、相关性分析和回归分析,对非财务指标与信用评级之间的作用机理进行了分析与说明,并结合国内外学者关于信用评级模型的相关研究方法,构筑了非财务指标与企业信用评级的理论模型。在此基础上,从公司治理因素、企业市场地位和股权结构三个角度进行了分析,在企业的信用级别与预期违约率呈负相关的假设前提下,提出相关假设并通过实证分析得出：公司治理因素的质量与预期违约率显著负相关；企业市场地位与预期违约率显著负相关；合理的股权结构与预期违约率显著负相关。