截止到2014年,中国中小企业数量高达343135个,占全部企业的98%以上,GDP贡献占一半以上,在整个国民经济中发挥着重要作用。新常态下,中国经济增长趋于平缓,经济亟待转型升级、改变经济发展方式,使中国经济实现平稳快速增长。科学技术是第一生产力,中国科技型中小企业的发展为中国经济的发展注入新的活力,科技型中小企业的发展对中国经济发展与增长至关重要。而融资难一直是科技型中小企业面临的难题,信用评级与银行及非银金融机构是否发放贷款密切关联。鉴于此,本文在前人文献研究基础上,重点探讨使用组合评价和Lasso-Logistic计量模型两种方法对科技型中小企业信用进行研究。首先,剖析了科技型中小企业对于国家经济发展的重要性和阻碍其发展的重大问题,然后从理论层面和现实层面两个角度分析信用评级的重要意义。其后,比较和总结国内外关于中小企业信用评级的研究文献,阐述信用评级产生的理论基础,为后续信用评级方法研究提供理论依据。其次,结合科技型中小企业特点,借鉴已有文献,建立了一套适合科技型中小企业的信用评级指标体系,评级体系中共涵盖11个一级指标和36个二级指标。在此基础上,分别运用熵值法、DEA、等权法和主成分分析法对选定的86个样本企业进行信用评分并排序。4种方法的排序结果是有差别的,为了得到更为准确、稳健、一致的排序,本文采用组合评价方法将上述4种单一方法分别按照平均值法、Borda法,Copeland法、模糊Borda法四种不同的组合方法进行组合评价,通过事前检验和事后检验,最终选出一种最优的科技型中小企业信用评级组合评价方法。此外,考虑到被解释变量的特殊性和自变量较多的特点,本文将Lasso算法引入Logistic回归,构建了Lasso-Logistic计量模型来研究科技型中小企业信用评级问题。一方面,Lasso算法能够处理数据量庞大的问题,适合未来数据发展的趋势。另一方面,通过Lasso-Logistic方法可以遴选出对研究对象是否违约影响显著的变量,同时可以估计参数大小。检验结果表明,该模型预测精度很高。将这种方法应用于实际,不仅能够为信用评级相关主体节约收集信息的人力物力及时间成本,而且能帮助投资者遴选出信用较好的公司进行长期投资,降低投资风险。最后,从难易程度和准确度两个方面对比分析组合评价法和Lasso-Logistic计量方法,并对这两种方法进行适用性分析。分析结果表明:组合评价法原理简单,操作计算比较容易。Lasso-Logistic计量方法原理较为复杂,但是预测违约准确度较高。此外,根据模型实证结果,本文从企业和银行两个层面,为科技型中小企业提高自身信用等级和银行对科技型中小企业信用评级提供了相应建议。文章最后针对未来信用评级研究提出了几点展望,以期能够抛砖引玉,丰富信用评级研究。