本文在对国内外各种信用风险度量模型的分析和比较的基础上，结合传统的非线性统计技术以及基于期权定价理论的现代模型，建立了刻画非上市公司特征的信用风险度量模型。接下来，本文利用中国上市公司的最新数据和某国有商业银行的非上市公司信贷数据对PFM(Private Firm Model)模型，Probit模型和基于PFM的Probit模型进行了实证研究和分析，从中发掘出影响我国非上市公司信用风险的显著因素。在文章的最后采用分类预测正确性检验和ROC曲线分析两种方法对各模型的效力进行了比较分析，从中得出了丰富的实证研究结论并指出了改进和后续研究的方向。通过理论和实证研究发现，基于PFM的Probit模型具有最强的违约预测能力，且随着违约时间的接近，模型的识别能力也越强；Probit模型的辨别能力相对弱一些，但也具有识别公司信用恶化趋势的能力；PFM模型的结果则不太理想，预测准确率相比最差，该模型虽然能识别出整体信用风险的变化趋势，但对于个体信用风险趋势的把握上并不好。说明在传统静态的财务比率分析的基础上加入反映市场动态特征的前瞻性因子——违约距离能更好地反映非上市公司信用风险的情况。在影响非上市公司信用风险的各个变量中，实证分析表明流动性、资本结构和公司规模这三类指标能很好地说明我国非上市公司信用风险的特征，是度量非上市公司信用风险的优良指标，特别是现金类资产与总资产比率，流动负债率和利息保障倍数这三个指标显著性非常高且很稳定。违约距离因子表现也很稳定，且显著性水平较高，对公司的违约风险具有较强的解释力。另盈利性指标，公司活动性和增长性指标显著性水平较低，说明该类指标与公司信用风险之间相关关系较弱。