Những phân tích và nhận xét về các phương pháp XHTD cá nhân cho thấy không có phương pháp nào tỏ ra toàn năng mà mỗi phương pháp có thể áp dụng thích hợp cho một số nội dung đánh giá nhất định, Vì vậy, để tận dụng những ưu điểm và hạn chế nhược
điểm của mỗi phương pháp, người ta có thể áp dụng phương pháp kết hợp.
Nội dung của phương pháp kết hợp là việc áp dụng nhiều phương pháp trong quá trình đánh giá và với mỗi nội dung cần đánh giá chỉ áp dụng những phương pháp đánh giá phù hợp với tiêu thức đó.
Căn cứ vào nội dung của phương pháp, các yêu cầu chủ yếu của một mô hình cũng trong thực tế XHTD, các mô hình miêu tảở phần trên ít khi sử dụng dưới các dạng thuần
27
túy của nó. Các mô hình thường được kết hợp với một trong 2 dạng mô hình khác. Phương pháp kết hợp này thể hiện có nhiều lợi thế vì chúng bổ sung cho nhau. Ví dụ, các mô hình thống kê và lý thuyết có lợi thế nằm trong mục tiêu của chúng và thực hiện sự
phân loại cao hơn so với các mô hình chNn đoán. Tuy nhiên, các mô hình thống kê và lý thuyết chỉ có thể thực hiện với một số giới hạn các nhân tố vỡ nợ của cá nhân. Không bao gồm kiến thức của các chuyên gia như trong dạng của mô hình chNn đoán, những thông tin quan trọng về mất khả năng trả nợ của cá nhân sẽ bị mất trong những trường hợp cá biệt. Hơn nữa, không phải tất cả các mô hình thống kê có khả năng thực hiện quá trình với dữ liệu định tính một cách trực tiếp như DA, hoặc chúng đòi hỏi một số lượng lớn dữ liệu
để tìm một hàm đúng như mô hình Logit, những dữ liệu này thường không có sẵn trong ngân hàng dữ liệu. Để đạt được một bức tranh đầy đủ về mức độ tín nhiệm của cá nhân trong những trường hợp như vậy, sẽ rất thích hợp khi đánh giá dữ liệu định tính bằng sử
dụng mô hình chNn đoán. Mô hình chNn đoán này đòi hỏi phải có một số lượng lớn các chuyên gia trong quá trình xếp hạng hơn trong trường hợp đánh giá tín dụng tự động khi sử dụng các mô hình thống kê và lý thuyết, nghĩa là sử dụng cả hai mô hình sẽ gia tăng khả năng chấp nhận của người sử dụng.
28