单变量判别方法
早期对企业信用评估的定量评估主要有两种形式：一种是单变量模式，即运用单一变量评估企业信用；另一种是多变量模式，即运用多种指标来建立多元线性判别函数来评估企业的信用。最早运用第一种方法的是美国学者威廉·比弗（William Beaver）。
（一）概念
Beaver（1966）在20世纪60年代就通过单变量预警模型来对经营正常和经营失败的公司进行预测。他将参与研究的158家公司分为经常成功和经常失败两个小组，对它们进行了比较分析，发现债务保障率能够更好地体现公司的财务状况，误判率最低，最后得出现金流总负债比的预测效果更好的结论。
（二）模型设计
所谓单变量的线性判别分析，是指X是一维的，用fk（x）=P（X=x|Y=k）来表示当观察点属于第k类时，自变量X的概率密度分布。假设
，即对于不同类别的数据，它们对应的X的分布的方差相同。那么就有
对于给定的X=x，使得pk（x）最大的一类k，就把x划分到第k类。
（三）应用
单变量判别模型最早是Beaver于1966年提出，他使用5个财务比率作为变量对158家企业做了单变量判定预测。吴世农和卢贤义（2001）对140家上市公司的21个财务指标进行了剖面分析，建立含有4个单变量的判别预测模型。(https://www.daowen.com)
（四）单变量判别方法的优势及不足
1.优势
①单变量分析十分简单，不需要复杂的运算。
②如果能够选择合适的指标，会产生很好的效果。
2.不足
①显而易见，任何单个指标都无法全面地反映企业财务状况，因此无法在唯一的指标中得出企业运营情况从而对企业进行评价。
②单变量判别方法会很大程度地排斥其他指标的作用，选用不同的财务指标来分析，可能会得到不同的结果，结论的冲突就会使得分析毫无意义。
因此，解决单变量不足之处的一个途径就是能将多个变量融合到一个模型中，也就是多元判别模型。