多变量信用风险判别模型法通常需要以下数据：
历史信用记录：包括借款人过去的信用历史，如逾期还款记录、贷款记录、信用卡账单记录等。个人信息：包括借款人的年龄、性别、婚姻状况、教育背景、职业等。财务信息：包括借款人的收入、资产、负债情况、投资情况等。申请信息：包括借款人的贷款用途、贷款金额、贷款期限等。社会信息：包括借款人的社会关系、社会地位、社交网络等。多变量信用风险判别模型主要通过对上述数据进行分析和建模，来预测借款人违约的概率。在数据收集方面，可以通过借款申请表、信用报告、财务报表等渠道获得相关数据。在建模过程中，可以使用统计分析方法、机器学习算法等技术来构建预测模型，并通过模型评估和验证来提高模型的准确性和稳定性。
关键字：多变量信用风险判别模型、数据需求、历史信用记录、个人信息、财务信息、申请信息、社会信息。