多变量信用风险判别模型几种模型的优缺点主要体现在以下几个方面：

（1）Z-score模型具有较高的判别精度，但存在着几处不足：一是该模型要求的工作量比较大。二是在前一年的预测中，Z-score模型的预测精度比较高，但在前两年、前三年的预测中，其预测精度都大幅下降，甚至低于一元判别模型。三是Z-score模型有一个很严格的假设，即假定自变量是呈正态分布的，两组样本要求等协方差，而现实中的样本数据往往并不能满足这一要求。

（2）Logit模型的最大优点是，不需要严格的假设条件，克服了线性方程受统计假设约束的局限性，具有了更广泛的适用范围。这种模型的使用较为普遍，但其计算过程比较复杂，而且在计算过程中有很多的近似处理，这不可避免地会影响到预测精度。

（3）Probit模型和Logit模型的思路很相似，都采用极大化似然函数，但在具体的计算方法和假设前提上又有一定的差异，主要体现在三个方面：一是假设前提不同，Logit不需要严格的假设条件，而Probit则假设企业样本服从标准正态分布，其概率函数的p分位数可以用财务指标线性解释。二是参数a、b的求解方法不同，Logit采用线性回归方法求解，而Probit采用极大似然函数求极值的方法求解。三是求破产概率的方法不同，Logit采用取对数方法，而Probit采用积分的方法。