امتیاز دهی اعتباری، روشی است که احتمال این مسئله را که، آیا متقاضی وام یا وام گیرنده فعلی بدهی خود رابه موقع پرداخت می کند (خوش حساب خواهد بود) یا اینکه در پرداخت بدهی خود قصور می کند را برآورد می نماید. دو نوع روش برای امتیازدهی اعتباری شامل مدل آماری سنتی مثل تجزیه و تحلیل رگرسیون و مدل های داده کاری مثل طبقه بندی و رگرسیون های سلسله مراتبی و دسته بندی آنها وجود دارد. در این تحقیق، ساختار هر دو مدل امتیازدهی اعتبار، بر اساس داده های صحیح از یک بانک بررسی شده است و میان آنها مقایسه ای انجام گرفته که حاصل آن بر ضرورت بکارگیری مدل های آماری در تصمیم گیری های اعتباری است و در مقایسه بین دو مدل رگرسیون دو گانه، در امتیازدهی اعتباری عملکرد رگرسیون لاجیت بهتر از رگرسیون پرابیت می باشد. با وجود محدودیت در دسترسی به داده های اعتباری، مدل های برازش شده به دقتی بیش از 80درصد رفتار اعتباری مشتریان را پیش بینی می نمایند و مدل لاجیت با رویکرد پسین با حداکثر دقت حدود90 درصد عملکرد بهتری در تفسیر رفتار اعتباری مشتریان دارد.