本文研究基于logit方法的上市公司违约风险的度量问题以及它和来自宏微观的各因素之间的关系。文章对比了当今较为流行的结构化模型、简约化模型和其它统计模型之间的区别和利弊，并引证了logit模型在度量离散时间个体违约风险上的可行性。随后根据我国具体情况，将被证监会“特别处理”的公司季度列为陷入违约风险的标记，使用51个A股上市公司在包含了“上升-危机-衰退-复苏”这一完整经济周期的2005年至2011年间26个时间段的包括来自公司财务、交易市场和宏观经济的12个自变量的面板数据，进行面板logit模型回归，得到基于logistic函数的违约风险数量式。文章在前人使用logit方法进行单期财务状况预测的研究基础上补充进来自宏观经济和市场的变量，并引入时间序列的估计方法，研究发现该logit方法并不能以确切的违约概率值预测公司是否会发生信用事件，但面板结构数据的拟合结果能给出公司的信用风险走势，从而预测公司在某时期的信用质量变化趋势。同时，实证结果表明公司层面数据的单位变动带来的违约风险变化较小且平缓，相比之下宏观经济和交易市场上的变量如GDP同比增长率、利率等对违约风险的影响较大且剧烈，因而认为公司层面的变量对处于同一市场环境的公司信用评级有参考意义，但对公司的总体违约风险的全面度量必须要考虑进宏观变量。