在過去許多信用卡相關文獻探討上，大多使用客戶基本資料如性別、婚姻、教育、居住狀況、現在年齡、年收入、職業類別…等變數再配合聯合徵信中心資料協助發卡機構進行客戶評分審核，確實也發現到許多影響風險甚鉅的顯著因子，但在針對外在環境所影響到的區域性的變數並未列入評估系統，鑑於富風險性的客戶可能形成區域性群聚現象，因此針對區域性變數是否宜列入評分系統中，產生了此次研究的動機。
    本次研究資料以國內某銀行已核發的信用卡客戶為研究對象，蒐集到2007年1月份至2009年1月份有動用的客戶並排除資料不全的部分一共100,394筆，其中逾期呆帳客戶24,087筆，與正常使用客戶76,307筆，透過LR模型研究方法將基本資料變數與再加上區域性變數相互比較，最後實證結果發現：選取3項區域性變數「各地區平均每戶人口數」、「各地區平均每人存款餘額」、「各地區人口密度」後，模型更加的完整，評估風險更具準確性，也因此確認區域性變數對於信用卡風險評估深具影響力。此一發現意味著銀行發行信用卡時，應更加注重地區性變數影響風險的層面並更加的要求客戶提供存款或財力證明，如此才能在利差優勢下維持授信品質降低營運風險並穩健的擴大市占率，避免風險控管失靈，遭金融監管機關強制停止發卡的命運。

According to past statistics on credit card related researches and measurement, information of Credit Information Center combines with client’s gender, marriage, education, living standard, age, income, occupation and so on; these results assist credit card agencies to measure customer’s credit. On face, some factors might cause risk. However this result does not include external environmental factors, rich-risk customers might be a cluster and live in the same region; therefore, regional variables will be discussed on following chapters.
The research materials is based on credit card owners from a domestic bank from 2007 to 2009; there are 100,394 records which only gathered from usage of credit cards and completed client profile , non-performing loans overdue customers are  24,087 records, and normal usage of credit card are 76,307 records. LR model calculated basic data and regional variables, and then added three more variables: "the average household population of the region", "regional average deposit balance" and "regional population density "; this combination was more accurate and therefore confirmed that regional variables is the most important element on credit card measurement system. This findings show that banks should request clients to provide deposit statement or financial resource and consider about regional variables for application of credit cards. Otherwise, it could make sure quality on issue credit cards and reduce operational risks, moreover, expend its market and avoid forbiddance of issue credit from government.

目    錄
目錄
表目錄
圖目錄
第一章 緒論	1
第一節 研究背景及動機	1
第二節  研究目的	3
第三節  研究流程	4
第二章 文獻探討	5
第一節 信用卡發展現況	5
第二節  信用卡功能與相關數據	10
第三節：信用卡風險評估及管理	19
第三章 研究方法	27
第一節 研究對象	27
第二節 研究架構	28
第三節 變數定義	29
第四節 研究方法	34
第四章 實證分析	36
第一節 敘述性統計	36
第二節 資料交叉分析	39
第三節 相關分析	50
第四節 信用卡風險評等模型建立	52
第五章 結論與建議	60
第一節 研究結論	60
第二節 研究限制	62
第三節 研究建議	63
參考文獻	64
附件3-3-1 台灣各地區平均每戶人口數與人口密度	67

表  目  錄
表2-1-1 我國信用卡市場發展大事紀	8
表2-1-2 信用卡分類說明	9
表2-2-1 本國前20大發卡機構信用卡業務及財務資訊	18
表2-3-1 信用卡各年度相關論文表	22
表2-3-2 信用卡文獻研究整理表	24
資料來源：本研究整理	25
表3-3-1 台灣地區土地面積、人口數暨人口密度與平均每人存款餘額	32
表3-3-2 樣本變數分類表	33
表4-1-1 樣本變數統計量表	36
表4-1-2 樣本變數敘述性統計表	37
表4-1-3 樣本變數次數分配統計表(非數值型)	38
表4-1-4 樣本變數次數分配統計表(數值型)	38
表4-2-1 性別在正常戶、呆帳戶之間的交叉分析表	39
表4-2-2 婚姻在正常戶、呆帳戶之間的交叉分析表	40
表4-2-3 學歷在正常戶、呆帳戶之間的交叉分析表	41
表4-2-4 居住狀況在正常戶、呆帳戶之間的交叉分析表	42
表4-2-5 職業類別在正常戶、呆帳戶之間的交叉分析表	43
表4-2-6 年齡在正常戶、呆帳戶之間的交叉分析表	44
表4-2-7年收入在正常戶、呆帳戶之間的交叉分析表	45
表4-2-8平均每戶人口數在正常戶、呆帳戶之間的交叉分析表	46
表4-2-9平均每人存款在正常戶、呆帳戶之間的交叉分析表	47
表4-2-10人口密度在正常戶、呆帳戶之間的交叉分析表	48
表4-2-11交叉分析中影響呆帳之變數表	49
表4-3-1全部自變數Pearson相關分析表	51
表4-4-1個人屬性之LR分析結果	53
表4-4-2加入區域性因素LR分析結果	54
表4-4-3個人屬性之LR預測結果	59
表4-4-4加入區域性因素LR預測結果	59

圖  目  錄
圖1-3-1 研究流程	4
圖2-2-1 信用卡交易流程圖	10
圖2-2-2 信用卡各月循環信用餘額	13
圖2-2-3 信用卡各月當月簽帳金額	13
圖2-2-4 信用卡各月預借現金金額	14
圖2-2-5 信用卡各月總應收帳款趨勢圖	15
圖2-2-6 信用卡當月有效卡率趨勢圖	16
圖2-2-8 信用卡各年度轉銷呆帳金額與逾期比率圖	17
圖2-3-1 銀行信用卡申請徵審作業流程圖	19
圖3-2-1 信用卡評分原始模型	28
圖3-2-2 信用卡評分系統模型 -加入區域性變數	28

參考文獻
一、  中文部份
1.	林有田(1980)，「信用管理-不景氣時期的壞帳預防與處理實務」，陽明管理發展中心。
2.	張仁哲(1982)，「我國信用卡現代化問題之研究」，國立政治大學企業管理研究所碩士論文。
3.	許愛惠(1994)，「信用卡信用風險審核範例學習系統之研究」，國立政治大學資訊管理研究所碩士論文。
4.	曾俊堯(1995)，「信用卡信用管理之研究」，國立政治大學企業管理研究所碩士論文。
5.	龔昶元(1998)，「Logistic Regression 模式應用於信用卡信用風險審核之研究」，台北銀行月刊，28卷9期，頁35-49。
6.	施孟龍、尤清芳與李佳珍(1999)，「Logit Model應用於信用卡信用風險審核之研究」，金融財務月刊，10月。
7.	賴欣儀(1999)，「消費者風險態度與資金運用行為對銀行信用卡業務影響之研究」，中山大學企業管理學系研究所碩士論文。
8.	陳炳良(1999)，信用卡的風險管理，金融財務第 3 期，頁77-91。
9.	張文生(2000)，「銀行建構信用卡信用風險即時預警系統之研究」，私立中原大學企業管理研究所碩士論文。
10.	呂美慧(2000)，「銀行授信評等模式─Logistic Regression 之應用」，國立政治大學金融研究所碩士論文。
11.	陳鴻文(2002)，「個人小額信用貸款授信模式之個案研究」，國立高雄第一科技大學財務管理研究所碩士論文。
12.	李美笑(2002)，「信用卡持卡人信用風險之研究」，私立逢甲大學保險研究所碩士論文。
13.	江淑娟(2002)，「信用評等因素與信用卡違約風險之關係─以台灣A金融機構所發行之信用卡為例」，私立逢甲大學保險研究所碩士論文。
14.	林重光(2003)，「影響現金卡信用風險因素之實證研究」，國立雲林科技大學財務金融研究所碩士論文。
15.	林旭青(2003)，「現金卡發行風險評估模型之研究－以國內某一發卡銀行為例」，私立淡江大學國際貿易研究所碩士在職專班論文。
16.	劉泰谷(2004)，「信用卡信用評分模型之建構與分析」，世新大學管理學院財務金融研究所碩士論文。
17.	陳炳霖(2004)，「現金卡授信風險之評估 以國內某銀行為例」，逢甲大學經營管理碩士在職專班碩士論文。

18.	黃祈龍(2005)，「信用卡申請評分表的建立 以國內某銀行為例」，逢甲大學經營管理碩士在職專班碩士論文。
19.	黃合志(2005)，「多功能信用卡授信風險之評估~以國內某銀行為例」，中正大學國際經濟研究所碩士論文。
20.	尹相志(2009)，「SQL Server 2008 Data Mining資料採礦」，悅知文化。
	
二、  英文部份
1.	Hunn, P., 1971, “Bank credit in the 1970’s new realities and old verities” The Journal of Commercial Bank Lending, June, pp.29-34.
2.	Steenacke, A.and M. J. Goovaerts, 1989, “A Credit Scoring Model for Personal Loans.”Insurance, mathematics & economics, pp. 31-34. 
3.	Cabena, P., 1998,“Discovering Data Mining: from Concept to Implementation,” Upper Saddle River, New York：Prentice Hall.

三、  網站部份
1.	行政院金融監督管理委員會： http://www.fscey.gov.tw
2.	聯合信用卡處理中心： http://www.nccc.com.tw
3.	卡優新聞網：http://www.cardu.com.tw
4.	內政部統計處：http://www.moi.gov.tw/stat/