我國(guó)上公司財(cái)務(wù)困境的預(yù)測(cè)模型研究14

1、17 / 14我國(guó)上市公司財(cái)務(wù)困境的預(yù)測(cè)模型研究?jī)?nèi)容提要： 本文以我國(guó)上市公司為研究對(duì)象，選取了 70 家處于財(cái)務(wù)困境的公司和 70 家財(cái)務(wù)正常的公司為樣本，首先應(yīng)用剖面分析和單變量判定分析，研究財(cái)務(wù)困境出現(xiàn)前 5 年內(nèi)各年這二類公司 21 個(gè)財(cái)務(wù)指標(biāo)的差異，最后選定 6 個(gè)為預(yù)測(cè)指標(biāo)，應(yīng)用 Fisher 線性判 定分析、 多元線性回歸分析和 Logistic 回歸分析三種方法， 分別建立三種預(yù)測(cè)財(cái)務(wù)困境的模 型。研究結(jié)果表明： (1)在財(cái)務(wù)困境發(fā)生前 2 年或 1 年，有 16 個(gè)財(cái)務(wù)指標(biāo)的信息時(shí)效性較強(qiáng)， 其中凈資產(chǎn)報(bào)酬率的判別成功率較高； (2)三種模型均能在財(cái)務(wù)困境發(fā)生前做出相對(duì)準(zhǔn)確的

2、 預(yù)測(cè)，在財(cái)務(wù)困境發(fā)生前 4 年的誤判率在 28以內(nèi)； (3) 相對(duì)同一信息集而言， Logistic 預(yù) 測(cè)模型的誤判率最低，財(cái)務(wù)困境發(fā)生前1 年的誤判率僅為 647。一、財(cái)務(wù)困境預(yù)測(cè)模型研究的基本問(wèn)題財(cái)務(wù)困境(Financial distress)又稱"財(cái)務(wù)危機(jī)” (Financial crisis)，最嚴(yán)重的財(cái)務(wù)困境是 “企業(yè)破產(chǎn)” (Bankruptcy) 。企業(yè)因財(cái)務(wù)困境導(dǎo)致破產(chǎn)實(shí)際上是一種違約行為，所以財(cái)務(wù)困 境又可稱為“違約風(fēng)險(xiǎn)” (Default risk) 。事實(shí)上，企業(yè)陷入財(cái)務(wù)困境是一個(gè)逐步的過(guò)程，通 常從財(cái)務(wù)正常漸漸發(fā)展到財(cái)務(wù)危機(jī)。 實(shí)踐中， 大多數(shù)企業(yè)的財(cái)務(wù)困

3、境都是由財(cái)務(wù)狀況正常到 逐步惡化， 最終導(dǎo)致財(cái)務(wù)困境或破產(chǎn)的。 因此，企業(yè)的財(cái)務(wù)困境不但具有先兆，而且是可預(yù) 測(cè)的。 正確地預(yù)測(cè)企業(yè)財(cái)務(wù)困境， 對(duì)于保護(hù)投資者和債權(quán)人的利益、 對(duì)于經(jīng)營(yíng)者防范財(cái)務(wù)危 機(jī)、對(duì)于政府管理部門監(jiān)控上市公司質(zhì)量和證券市場(chǎng)風(fēng)險(xiǎn)，都具有重要的現(xiàn)實(shí)意義。 縱觀財(cái)務(wù)困境判定和預(yù)測(cè)模型的研究， 涉及到三個(gè)基本問(wèn)題： 一是財(cái)務(wù)困境的定義； 二是預(yù)測(cè)變量 或判定指標(biāo)的選擇；三是計(jì)量方法的選擇。(一) 財(cái)務(wù)困境的定義關(guān)于財(cái)務(wù)困境的定義，有不同的觀點(diǎn)。Carmiehael(1972)認(rèn)為財(cái)務(wù)困境是企業(yè)履行義務(wù)時(shí)受阻，具體表現(xiàn)為流動(dòng)性不足、 權(quán)益不足、債務(wù)拖欠及資金不足四種形式。Ross等

4、人(1999 ；2000)則認(rèn)為可從四個(gè)方面定義企業(yè)的財(cái)務(wù)困境：第一，企業(yè)失敗，即企業(yè)清算后仍無(wú)力支 付債權(quán)人的債務(wù)； 第二， 法定破產(chǎn)， 即企業(yè)和債權(quán)人向法院申請(qǐng)企業(yè)破產(chǎn)； 第三， 技術(shù)破產(chǎn)， 即企業(yè)無(wú)法按期履行債務(wù)合約付息還本；第四，會(huì)計(jì)破產(chǎn)，即企業(yè)的賬面凈資產(chǎn)出現(xiàn)負(fù)數(shù)， 資不抵債。從防范財(cái)務(wù)困境的角度看， “財(cái)務(wù)困境是指一個(gè)企業(yè)處于經(jīng)營(yíng)性現(xiàn)金流量不足以 抵償現(xiàn)有到期債務(wù)” ，即技術(shù)破產(chǎn)。在Beaver(1966)的研究中，79家“財(cái)務(wù)困境公司”包括59家破產(chǎn)公司、16家拖欠優(yōu)先股股利公司和 3 家拖欠債務(wù)的公司，由此可見(jiàn)， Beaver 把破產(chǎn)、拖欠優(yōu)先股股利、拖欠 債務(wù)界定為財(cái)務(wù)困境。

5、Altman(1968)定義的財(cái)務(wù)困境是“進(jìn)入法定破產(chǎn)的企業(yè)” °Deakin(1972) 則認(rèn)為財(cái)務(wù)困境公司 “僅包括已經(jīng)經(jīng)歷破產(chǎn)、 無(wú)力償債或?yàn)閭鶛?quán)人利益而已經(jīng)進(jìn)行清算的公 司”。(二) 預(yù)測(cè)變量的選擇現(xiàn)金流量信息類模財(cái)務(wù)困境預(yù)測(cè)模型因所用的信息類型不同分為財(cái)務(wù)指標(biāo)信息類模型、 型和市場(chǎng)收益率信息類模型。1.財(cái)務(wù)指標(biāo)信息類模型。 Ahman(1968)等學(xué)者(Ahman , Haldeman 和 Narayanan, 1980；Platt 和 Platt， 1991)使用常規(guī)的財(cái)務(wù)指標(biāo)，如負(fù)債比率、流動(dòng)比率、凈資產(chǎn)收益率和資產(chǎn)周 轉(zhuǎn)速度等,作為預(yù)測(cè)模型的變量進(jìn)行財(cái)務(wù)困境預(yù)測(cè)。盡管

6、財(cái)務(wù)指標(biāo)廣泛且有效地應(yīng)用于財(cái)務(wù)困境預(yù)測(cè)模型, 但如何選擇財(cái)務(wù)指標(biāo)及是否存在 最佳的財(cái)務(wù)指標(biāo)來(lái)預(yù)測(cè)財(cái)務(wù)困境發(fā)生的概率卻一直存在分歧。Harmer(1983)指出被選財(cái)務(wù)指標(biāo)的相對(duì)獨(dú)立性能提高模型的預(yù)測(cè)能力。 Boritz(1991) 區(qū)分出 65 個(gè)之多的財(cái)務(wù)指標(biāo)作為預(yù)測(cè) 變量。但是,自 Z 模型 (1968)和 ZETA 模型(1977)發(fā)明后,還未出現(xiàn)更好的使用財(cái)務(wù)指標(biāo)于 預(yù)測(cè)財(cái)務(wù)困境的模型。2.現(xiàn)金流量信息類模型?，F(xiàn)金流量類信息的財(cái)務(wù)困境預(yù)測(cè)模型基于一個(gè)理財(cái)學(xué)的基本 原理：公司的價(jià)值應(yīng)等于預(yù)期的現(xiàn)金流量的凈現(xiàn)值。 如果公司沒(méi)有足夠的現(xiàn)金支付到期債務(wù), 而且又無(wú)其他途徑獲得資金時(shí), 那么公司

7、最終將破產(chǎn)。 因此, 過(guò)去和現(xiàn)在的現(xiàn)金流量應(yīng)能很 好地反映公司的價(jià)值和破產(chǎn)概率。在 Gen try， Newbold 和 Whitford(1985a ； 1985b)研究的基礎(chǔ)上，Aziz、Ema nuel 和Lawso n(1988)發(fā)展了現(xiàn)金流量信息預(yù)測(cè)財(cái)務(wù)困境模型。公司的價(jià)值來(lái)自經(jīng)營(yíng)的、政府的、 債權(quán)人的、股東的現(xiàn)金流量的折現(xiàn)值之和。他們根據(jù)配對(duì)的破產(chǎn)公司和非破產(chǎn)公司的數(shù)據(jù), 發(fā)現(xiàn)在破產(chǎn)前 5 年內(nèi)兩類公司的經(jīng)營(yíng)現(xiàn)金流量均值和現(xiàn)金支付的所得稅均值有顯著的差異。 顯然,這一結(jié)果是符合現(xiàn)實(shí)的。 破產(chǎn)公司與非破產(chǎn)公司的經(jīng)營(yíng)性現(xiàn)金流量會(huì)因投資質(zhì)量和經(jīng) 營(yíng)效率的差異而不同,二者以現(xiàn)金支付的所得稅

8、也會(huì)因稅收會(huì)計(jì)的處理差異而不同。Aziz、Emanuel和Lawson(1989)比較了 Z模型、ZETA模型、現(xiàn)金流量模型預(yù)測(cè)企業(yè)發(fā)生財(cái)務(wù)困 境的準(zhǔn)確率,發(fā)現(xiàn)現(xiàn)金流量模型的預(yù)測(cè)效果較好。3 .市場(chǎng)收益率信息類模型。Beaver(1968)是使用股票市場(chǎng)收益率信息進(jìn)行財(cái)務(wù)困境預(yù)測(cè)研究的先驅(qū)。 他發(fā)現(xiàn)在有效的資本市場(chǎng)里, 股票收益率也如同財(cái)務(wù)指標(biāo)一樣可以預(yù)測(cè)破產(chǎn), 但時(shí)間略滯后。Altman和Brenner(1981)的研究表明，破產(chǎn)公司的股票在破產(chǎn)前至少1年內(nèi)在資本市場(chǎng)上表現(xiàn)欠佳。 Clark 和 Weinstein(1 983)發(fā)現(xiàn)破產(chǎn)公司股票在破產(chǎn)前至少 3 年內(nèi)存 在負(fù)的市場(chǎng)收益率。 然

9、而, 他們也發(fā)現(xiàn)破產(chǎn)公告仍然向市場(chǎng)釋放了新的信息。 破產(chǎn)公司股票 在破產(chǎn)公告日前后的兩個(gè)月時(shí)間區(qū)段內(nèi)平均將經(jīng)歷 26的資本損失。Aharony , Jones和Swary(1980)提出了一個(gè)基于市場(chǎng)收益率方差的破產(chǎn)預(yù)測(cè)模型。他們發(fā)現(xiàn)在正式的破產(chǎn)公告日之前的 4 年內(nèi)，破產(chǎn)公司的股票的市場(chǎng)收益率方差與一般公司存在 差異。在接近破產(chǎn)公告日時(shí)，破產(chǎn)公司的股票的市場(chǎng)收益率方差變大。(三) 計(jì)量方法的選擇財(cái)務(wù)困境的預(yù)測(cè)模型因選用變量多少不同分為單變量預(yù)測(cè)模型和多變量預(yù)測(cè)模型；多變量預(yù)測(cè)模型因使用計(jì)量方法不同分為線性判定模型、線性概率模型和Logistic 回歸模型。此外， 值得注意的是， 近年來(lái)財(cái)務(wù)困

10、境預(yù)測(cè)的研究方法又有新的進(jìn)展。 網(wǎng)絡(luò)神經(jīng)遺傳方 法已經(jīng)開(kāi)始被應(yīng)用于構(gòu)建和估計(jì)財(cái)務(wù)困境預(yù)測(cè)模型。(四) 我國(guó)對(duì)企業(yè)財(cái)務(wù)困境預(yù)測(cè)的研究在國(guó)內(nèi)的研究中，吳世農(nóng)、黃世忠 (1986)曾介紹企業(yè)的破產(chǎn)分析指標(biāo)和預(yù)測(cè)模型；陳靜 (1999)以1998年的27家ST公司和27家非ST公司，使用了 19951997年的財(cái)務(wù)報(bào)表數(shù) 據(jù)，進(jìn)行了單變量分析和二類線性判定分析， 在單變量判定分析中，發(fā)現(xiàn)在負(fù)債比率、 流動(dòng) 比率、總資產(chǎn)收益率、凈資產(chǎn)收益率4 個(gè)財(cái)務(wù)指標(biāo)中，流動(dòng)比率與負(fù)債比率的誤判率最低；在多元線性判定分析中，發(fā)現(xiàn)由負(fù)債比率、凈資產(chǎn)收益率、流動(dòng)比率、營(yíng)運(yùn)資本總資產(chǎn)、 總資產(chǎn)周轉(zhuǎn)率6個(gè)指標(biāo)構(gòu)建的模型，在

11、ST發(fā)生的前3年能較好地預(yù)測(cè) ST。張玲(2000)以 120家公司為研究對(duì)象，使用其中 60家公司的財(cái)務(wù)數(shù)據(jù)估計(jì)二類線性判別模型，并使用另 外 60 家公司進(jìn)行模型檢驗(yàn)，發(fā)現(xiàn)模型具有超前 4 年的預(yù)測(cè)結(jié)果。二、本文的樣本和研究方法本文與以前我國(guó)上市公司財(cái)務(wù)困境的研究有所不同。第一，樣本新、時(shí)間長(zhǎng)、容量大。本文研究的ST樣本包括1998 2000年發(fā)生ST的公司，即 A股市場(chǎng)上全部的 ST公司， 同時(shí)剔除了非正常的 ST公司；此外，樣本數(shù)據(jù)的收集時(shí)間延至公司發(fā)生ST前5年，樣本時(shí)間跨度較長(zhǎng)。選入研究的 ST樣本公司70家和相對(duì)應(yīng)的非 ST樣本公司70家，樣本容量 達(dá)到了 140 家，可望在一定

12、程度上降低估計(jì)和預(yù)測(cè)誤差。第二，選擇多種研究方法，建立 單變量判定模型和三種多變量判定模型，并比較各種模型在財(cái)務(wù)困境預(yù)測(cè)中的效率。(一) 財(cái)務(wù)困境公司的樣本選定本文從我國(guó) A 股市場(chǎng)上 3 年中出現(xiàn)的 82 家 ST 公司中界定出 70 家公司作為財(cái)務(wù)困境 公司，進(jìn)行財(cái)務(wù)困境預(yù)測(cè)研究。它們是： (1)連續(xù)兩年虧損，包括因?qū)ω?cái)務(wù)報(bào)告調(diào)整導(dǎo)致連 續(xù)兩年虧損的“連虧”公司，共 51 家； (2)一年虧損但最近一個(gè)會(huì)計(jì)年度的股東權(quán)益低于注 冊(cè)資本，即“巨虧”公司，共 16 家； (3)因注冊(cè)會(huì)計(jì)師意見(jiàn)而特別處理的，共 3 家。但排除 了：(1)上市兩年內(nèi)就進(jìn)入特別處理的公司，共8 家。排除原因是財(cái)務(wù)數(shù)

13、據(jù)過(guò)少和存在嚴(yán)重的包裝上市嫌疑，因此與樣本中的其他公司不具有同質(zhì)性；(2 )因巨額或有負(fù)債進(jìn)行特別處理的公司， 共 2 家。排除原因是或有負(fù)債屬偶發(fā)事件， 不是由企業(yè)正常經(jīng)營(yíng)造成的， 與其他 樣本公司不具有同質(zhì)性； (3)因自然災(zāi)害、重大事故等進(jìn)行特別處理的，共 2家，原因同 (2)。(二) 研究程序和計(jì)量方法本研究首先計(jì)算 140 家樣本公司的盈利增長(zhǎng)比率、股東權(quán)益收益率等 21 個(gè)財(cái)務(wù)指標(biāo)， 這些指標(biāo)綜合反映了企業(yè)的盈利能力、長(zhǎng)短期償債能力、營(yíng)運(yùn)能力、成長(zhǎng)能力和企業(yè)規(guī)模。 在此基礎(chǔ)上， 使用剖面分析對(duì)樣本中的財(cái)務(wù)困境公司和非財(cái)務(wù)困境公司在財(cái)務(wù)困境發(fā)生前5年期間歷年的 21 個(gè)財(cái)務(wù)指標(biāo)進(jìn)行對(duì)

14、比分析，探討對(duì)企業(yè)陷入財(cái)務(wù)困境影響顯著的變量。其 后，應(yīng)用單變量分析， 選擇 4 個(gè)財(cái)務(wù)指標(biāo)為例估計(jì)單變量判定模型。 最后， 篩選和確定對(duì)企 業(yè)陷入財(cái)務(wù)困境影響最為顯著的 6 個(gè)指標(biāo)為模型的判定指標(biāo)，應(yīng)用線性概率模型、 Fisher 二類線性判定模型、 Logistic 模型三種計(jì)量方法，建立和估計(jì)財(cái)務(wù)困境的預(yù)測(cè)模型，并比較 這三種模型的預(yù)測(cè)效果。、實(shí)證研究（一）剖面分析首先分組計(jì)算70家財(cái)務(wù)困境公司和 70家非財(cái)務(wù)困境公司的21個(gè)財(cái)務(wù)指標(biāo)在財(cái)務(wù)困境變量'、年份'財(cái)務(wù)指標(biāo)12345X1盈利增長(zhǎng)指數(shù)-5 . 02801-7. 27657-3. 192363-3 . 87171n

15、. a .X2凈資產(chǎn)報(bào)酬率-9 . 39818-8. 29335-5. 579462-3. 19338-1 . 86256X3資產(chǎn)報(bào)酬率-13.5737-9 . 85133-6 . 17433-4. 38721-2. 29654X4主營(yíng)業(yè)務(wù)利潤(rùn)貢獻(xiàn)率-6. 95792-3 . 38818-3 . 05861-0. 884920. 183391X5主營(yíng)業(yè)務(wù)利潤(rùn)率-2 . 38001-1 . 69139-0 . 3793360 . 3502460. 345284X6利息保障倍數(shù)-1.00056-2 . 47864-0 . 4571410. 8025930. 100075X7流動(dòng)比率-4 . 185

16、23-2 . 559040. 9768771-0. 069731. 036392X8速動(dòng)比率-4 . 78131-2 . 683810. 7578366-0. 167071. 146756X9超速動(dòng)比率-4. 76609-3 . 89110. 1646762-0. 761861 . 120344X10負(fù)債比率7. 0696394. 7093381. 36305922. 1813091 . 015672X11長(zhǎng)期負(fù)債比率2.6776461. 6498881. 20051621. 1411370. 499249X12營(yíng)運(yùn)資本與總資產(chǎn)比例-7.48542-4 . 6706-1 . 073014-0.

17、 967580. 218316X13留存收益與總資產(chǎn)比例-5.86409-7. 30313-3 . 051216-3. 22819-1 . 0225X14資產(chǎn)增長(zhǎng)率-5.45125-5 . 8694-2 . 9187841 . 031446n . a .X15股東權(quán)益增長(zhǎng)率-2.17953-6 . 16978-3. 7052770 . 356409n . a .X16主營(yíng)業(yè)務(wù)收入增長(zhǎng)率-2.22814-2 . 82127-3. 2023610 . 943658n . a .X17應(yīng)收帳周轉(zhuǎn)率-3 . 10585-3 . 55299-0. 873054-1 . 94698-2. 75977X18

18、存貨周轉(zhuǎn)率0 . 76(59030. 269081-0. 639056-0. 84383-0 . 86133X19資產(chǎn)周轉(zhuǎn)宰-5 . 33927-3. 92923-3. 424565-1 . 42641-1 . 9508X20Log（總資產(chǎn)）-2. 06383-0 . 102841. 04430922. 352451. 083705X21Log（總凈資產(chǎn)）-1 . 176660. 3903890. 91286312. 1634951. 358374發(fā)生前1至5年的平均值和標(biāo)準(zhǔn)差等描述性統(tǒng)計(jì)量，比較這二組在21個(gè)財(cái)務(wù)指標(biāo)各年的平均值是否具有顯著差異，其次計(jì)算各年的Z統(tǒng)計(jì)檢驗(yàn)量，結(jié)果如表1所示。剖

19、面分析結(jié)果表明：（1）在ST發(fā)生的前1和2年，財(cái)務(wù)困境公司和非財(cái)務(wù)困境公司的17個(gè)財(cái)務(wù)指標(biāo)的平均值存在顯著的差異；（2）Z值隨著ST發(fā)生時(shí)間的臨近而顯著增大，即二組的財(cái)務(wù)指標(biāo)平均值的差異隨ST發(fā)生時(shí)間的臨近而擴(kuò)大。由此可見(jiàn)，在所選的21個(gè)財(cái)務(wù)指標(biāo)中，除利息保障倍數(shù)、存貨周轉(zhuǎn)率、Log（總資產(chǎn)）和Idg（凈資產(chǎn)）外，其余17個(gè)在財(cái)務(wù)困境發(fā)生前 1至2年中具有顯著的預(yù)測(cè)能力。表1 21個(gè)財(cái)務(wù)指標(biāo)Z統(tǒng)計(jì)量的計(jì)算結(jié)果*Z是二組的平均數(shù)之差除于二組的共同標(biāo)準(zhǔn)誤，即Z=M1-M2/S1/N1+（ S2/N2）嚴(yán)（二）單變量判定分析本文選擇凈資產(chǎn)報(bào)酬率、負(fù)債比例、營(yíng)運(yùn)資產(chǎn)與總資產(chǎn)的比例和資產(chǎn)周轉(zhuǎn)率4個(gè)財(cái)務(wù)指

20、標(biāo)，應(yīng)用單變量判定分析分別建立 4個(gè)單變量預(yù)測(cè)模型， 通過(guò)確定模型的最佳判定點(diǎn)， 可以 判定某一企業(yè)在財(cái)務(wù)困境發(fā)生前 1至5年其是否會(huì)陷入財(cái)務(wù)困境。估計(jì)模型的結(jié)果如表 2 至表5所示。表2凈資產(chǎn)報(bào)酬率在財(cái)務(wù)困境前1-5年的判定模型年份最佳判定點(diǎn)原始值預(yù)測(cè)值合計(jì)誤判率（%）0110. 00計(jì)數(shù)0646709. 35176269百分比091 . 438. 57100110. 1489. 8610020. 055計(jì)數(shù)057137017. 141115970百分比081 . 4318. 57100115. 7184. 2910030. 095計(jì)數(shù)052187025. 901185169百分比O74.

21、2925. 71100126.0973. 9110040. 105計(jì)數(shù)041216234. 151214061百分比066. 1333. 87100134. 43砧.5710050. 105計(jì)數(shù)018133146.031161632百分比058. 0641 . 94100150. 0050. 00100由表2至表5可見(jiàn)：（1）從各個(gè)單變量判定模型的判定效果來(lái)看，凈資產(chǎn)報(bào)酬率的判定 模型誤差最小；營(yíng)運(yùn)資本/總資產(chǎn)的判定模型和負(fù)債比率的判定模型誤差次之，資產(chǎn)周轉(zhuǎn)率的判定模型誤差最大。（2）財(cái)務(wù)指標(biāo)作為預(yù)測(cè)變量具有信息含量和時(shí)效性，其信息含量隨著 時(shí)間的推移而遞減，即指標(biāo)值離財(cái)務(wù)困境發(fā)生的時(shí)間愈短，

22、信息含量愈多，預(yù)測(cè)的準(zhǔn)確性愈高，反之信息含量愈少，預(yù)測(cè)準(zhǔn)確性愈低。（3）結(jié)合剖面分析，在兩組均值的差異性檢驗(yàn)中非常顯著的財(cái)務(wù)指標(biāo)， 在單變量判定分析中的誤判率卻較高。例如，財(cái)務(wù)困境公司與非財(cái)務(wù)困境公司兩組的負(fù)債比率在財(cái)務(wù)困境前1年的Z統(tǒng)計(jì)量為7. 0696，差異性非常顯著，但在單變量判定分析中誤判比率卻高達(dá)24. 46%。以上結(jié)果表明，應(yīng)用不同研究方法分析同一個(gè)指標(biāo)所得結(jié)果不同。 我們認(rèn)為，這是因?yàn)樵谄拭娣治龅?z檢驗(yàn)中，誤判率不僅與兩組的 均值有關(guān)，而且與兩組的樣本分布的狀況有關(guān)。因此，應(yīng)用不同判定分析方法構(gòu)建的單指標(biāo)判定模型，結(jié)論往往相互沖突。表3負(fù)債比率在財(cái)務(wù)困境前 1-5年的判定模型年

23、份最佳判定點(diǎn)原始值10. 585計(jì)數(shù)01百分比0120. 505計(jì)數(shù)01百分比0130. 495計(jì)數(shù)01百分比0140. 53計(jì)數(shù)01百分比0150. 455計(jì)數(shù)01百分比01預(yù)測(cè)值合計(jì)誤判率(%)0153177024. 4617526975. 7124. 2910024. 6475. 3610046247034. 2924467065. 7134. 2910034. 2965. 7110043277038. 1326436961 . 4338. 5710037. 6862. 3210038246237. 4022396161 . 2938. 7110036. 0763. 9310019123

24、138. 1012203261. 2938. 7110037. 5062. 50100表4營(yíng)運(yùn)資本/總資產(chǎn)在財(cái)務(wù)困境前1-5年的判定模型年份最佳判定點(diǎn)原始值預(yù)測(cè)值合計(jì)誤判率(% )0110. 065計(jì)數(shù)054167021 . 581145569077. 1422. 86100百分比120. 2979. 711000502070計(jì)數(shù)表5資產(chǎn)周轉(zhuǎn)率在財(cái)務(wù)困境前1-5年的判定模型0 1(%)130. 4369. 57100140. 0060. 00100137. 6862. 32100144. 2655. 74100146. 8853. 13100（三）多元線性判定模型的變量選擇分析本研究首先應(yīng)用L

25、PM，采用逐步回歸選擇變量方法，對(duì)5年的樣本數(shù)據(jù)依次進(jìn)行回歸，從21個(gè)變量中選擇若干變量。選擇的標(biāo)準(zhǔn)是：F值的概率值小于 0. 10時(shí)進(jìn)入，大于0. 11時(shí)剔除。利用財(cái)務(wù)困境前 1 至 5 年的數(shù)據(jù)，分別進(jìn)行逐步回歸，結(jié)果如表 6 所示。我們最終選 取了 Xl（盈利增長(zhǎng)指數(shù)）、X3（資產(chǎn)報(bào)酬率）、X7（流動(dòng)比率）、X11（長(zhǎng)期負(fù)債與股東權(quán)益比率）、 X12（營(yíng)運(yùn)資本與總資產(chǎn)比）、X19（資產(chǎn)周轉(zhuǎn)率）等6個(gè)指標(biāo)作為多元判定分析的變量。選取這些指標(biāo)的原因是： （ 1 ）以財(cái)務(wù)困境前 1 年的逐步回歸結(jié)果為主，參考其他年份的回歸結(jié)果。 由剖面分析可知， 財(cái)務(wù)困境前 1 年的財(cái)務(wù)指標(biāo)作為財(cái)務(wù)困境預(yù)測(cè)的

26、信息含量最多， 時(shí)效性最 強(qiáng)；離財(cái)務(wù)困境發(fā)生的時(shí)間越遠(yuǎn)，指標(biāo)的信息含量越少，時(shí)效性越差。所以，財(cái)務(wù)困境前1年逐步回歸所得的變量全部入選。 結(jié)合其他年份特別是財(cái)務(wù)困境前 2年的結(jié)果， 營(yíng)運(yùn)資本總 資產(chǎn)比、速動(dòng)比率、負(fù)債比率、應(yīng)收賬款周轉(zhuǎn)率是表現(xiàn)較好的變量。（2 ）兼顧全面綜合的信息反映， 適當(dāng)避免同類信息的重復(fù)反映。 首先，財(cái)務(wù)困境前 1 年逐步回歸所得的變量盈利增 長(zhǎng)指數(shù)、資產(chǎn)報(bào)酬率、長(zhǎng)期負(fù)債股東權(quán)益比率、資產(chǎn)周轉(zhuǎn)率分別是反映企業(yè)成長(zhǎng)能力、盈利能力、 長(zhǎng)期償債能力、營(yíng)運(yùn)能力的指標(biāo)， 但沒(méi)有反映短期償債能力的指標(biāo)。 營(yíng)運(yùn)資本與總資 產(chǎn)比是財(cái)務(wù)困境前 2 年逐步回歸所得的變量之一，而且參數(shù)估計(jì)值的

27、顯著性水平在005之上， 故也把該變量作為預(yù)測(cè)變量之一。 其次，速動(dòng)比率是反映短期償債能力的指標(biāo)， 但更 能全面反映短期償債能力是流動(dòng)比率， 結(jié)合剖面分析， 歷年兩組間的流動(dòng)比率和速動(dòng)比率均 值差異性檢驗(yàn)統(tǒng)計(jì)量 Z 值比較接近，表明這二個(gè)指標(biāo)都能反映的兩組的差異性。因此，從 反映短期償債能力的全面性來(lái)考慮， 我們?cè)诮r(shí)選擇了流動(dòng)比率， 舍棄了速動(dòng)比率。 再次， 考慮到若企業(yè)短期償債能力較強(qiáng)， 會(huì)減少其在短期內(nèi)陷入財(cái)務(wù)困境的概率， 因此把短期償債 能力的兩個(gè)指標(biāo)營(yíng)運(yùn)資本與總資產(chǎn)比和流動(dòng)比率同時(shí)引入預(yù)測(cè)變量組合，加強(qiáng)短期償債能力信息在預(yù)測(cè)中的比重。 第四，負(fù)債比率與長(zhǎng)期負(fù)債股東權(quán)益比同是反映企業(yè)

28、長(zhǎng)期償債能 力的指標(biāo)， 長(zhǎng)期負(fù)債股東權(quán)益比已在財(cái)務(wù)困境前 1 年引入了變量組合， 為避免信息的重復(fù)反 映，舍棄了負(fù)債比率。最后，應(yīng)收賬款周轉(zhuǎn)率與總資產(chǎn)周轉(zhuǎn)率同是反映營(yíng)運(yùn)能力的指標(biāo)，但 應(yīng)收賬款周轉(zhuǎn)率不及總資產(chǎn)周轉(zhuǎn)率反映全面，所以反映營(yíng)運(yùn)能力的指標(biāo)選用總資產(chǎn)周轉(zhuǎn)率， 舍棄應(yīng)收賬款周轉(zhuǎn)率。表 6 各年逐步回歸的所得的變量結(jié)果為了避免多重共線性，對(duì)選定的6個(gè)變量進(jìn)行多重共線性檢驗(yàn)。本文使用的檢驗(yàn)指標(biāo)是 容許度（TOL）和方差膨脹因子（VIF）。計(jì)算公式為：TOLj=1 R2j=1 / VIFj其中，群為均對(duì)其余 k 1個(gè)自變量回歸中的判定系數(shù)R2。當(dāng)TOL較小時(shí)，認(rèn)為存在多重共線性。一般地，方差膨脹

29、因子VIF大于10,認(rèn)為具有高的多重共線性。VIF檢驗(yàn)的結(jié)果年份12345參數(shù)估計(jì)值參數(shù)估計(jì)值參數(shù)估計(jì)值參數(shù)估計(jì)值參數(shù)估計(jì)值截距0. 43800. 22250. 2215-1 . 23650. 6001X10. 1087-0. 1661*-0. 2365X3-2. 9856*一 2. 2959,-4 . 4429*-2 . 7496*X50. 7748*X80. 1596*0. 0874*X1O0. 48440. 5194*X110. 2039*X12-0. 6053xX140. 3597X15-0. 2234*X17-0. 0056-0. 0073*X19-0. 1584*X200. 200

30、8見(jiàn)表7。從表7可知，6個(gè)變量的VIF均小于10,可認(rèn)為各變量之間不存在顯著的多重共 線性。表7多重共線性檢驗(yàn)（四）多元線性判定模型的估計(jì)結(jié)果1. LPM模型。根據(jù)上述選定的 6個(gè)變量及其財(cái)務(wù)困境前 1年的樣本數(shù)據(jù)，得到 LPMX1X3X7X11X12X19TOL0. 62550. 43340. 37920. 95240. 29220. 8030VIF1. 59872. 30732. 63731. 05003. 42251. 2453模型的回歸結(jié)果如表 8所示。LPM模型的方程可表示為:Y=0 3883+0 1065x1-2. 7733x3+0. 0537x7+0. 1970x11-0. 36

31、87X12-0.1388x19R2=06373R2 一橫=06373F=38 . 6508P 值=0 . 0000參數(shù)估計(jì)值標(biāo)準(zhǔn)差T統(tǒng)計(jì)量P值截距0. 38830. 07774. 99920. 0000X10. 10650. 05701 . 86630. 0642X3-2 . 77330. 3068-9. 04080. 0000X70. 05370. 04461 . 20260. 2313X110 1C700 06193 18360.00180預(yù)測(cè)值C5717'00誤判率百始比X12-0 . 3687合0 計(jì)2085-1 . 76850.0793X19-0 . 13880. 0798-

32、1 . 73940. 0843其中：Y是陷入財(cái)務(wù)困境的概率；X1是盈利增長(zhǎng)指數(shù)；x3是資產(chǎn)報(bào)酬率；x7是流動(dòng)比率；X11，是長(zhǎng)期負(fù)債股東權(quán)益比率；x12是營(yíng)運(yùn)資本/總資產(chǎn)； X19是資產(chǎn)周轉(zhuǎn)率。表8 LPM模型的回歸估計(jì)結(jié)果線性概率方程是以 70家非財(cái)務(wù)困境公司與 69家財(cái)務(wù)困境公司在財(cái)務(wù)困境前1年的6個(gè)財(cái)務(wù)指標(biāo)的數(shù)據(jù)為因變量值，取財(cái)務(wù)困境公司為1,非財(cái)務(wù)困境公司為 0作為因變量值進(jìn)行估計(jì)的。因此，理論上取0. 5為最佳判定點(diǎn)。根據(jù)估計(jì)的模型對(duì)原始數(shù)據(jù)進(jìn)行回代判定， 若預(yù)測(cè)值大于0. 5的，判定為財(cái)務(wù)困境公司；否則為非財(cái)務(wù)困境公司。判定結(jié)果如表9所示。表9 LPM在財(cái)務(wù)困境前1年的判定結(jié)果在回

33、判過(guò)程中，70家非財(cái)務(wù)困境公司有 4家被錯(cuò)判，誤判率為 5. 71%; 69家財(cái)務(wù)困 境公司有10家被錯(cuò)判，誤判率為 14. 49%;總的誤判率為 10. 07%。判定正確率較高。 采用同樣的方法可以計(jì)算其他年份的最佳判定點(diǎn)和誤判率。2. Fisher二類線性判定模型。把財(cái)務(wù)困境公司劃分為組合1，非財(cái)務(wù)困境公司劃分為組合2,對(duì)樣本公司的財(cái)務(wù)困境前1年的財(cái)務(wù)數(shù)據(jù)，使用同樣的6個(gè)變量，估計(jì)Fisher二類 線性判定分析。對(duì)于組合1，判定模型為：Z=-6. 059+0. 331x1 25. 865x3+4. 033x7+3. 250x11-11. 905x12+4. 428x19對(duì)于組合2,判定模型

34、為：Z=-4. 8590. 812x1+3. 989x3+3 . 432x7+1. 142x11 一 7 . 734x12+5. 924x19以典則(Canonical)變量代替原始數(shù)據(jù)中指定的自變量，其中，典則變量是原始自變量的線性組合，得到典則的線性判定模型為：Z=0. 4480 . 435x1+11.374x3 0 . 229x70. 803x11+1. 589x12+0. 570x19根據(jù)上述判定模型，以財(cái)務(wù)困境發(fā)生前1年的原始數(shù)據(jù)分別進(jìn)行回代。二個(gè)組合的平均Z值分別是-1 . 3254和1. 3065，樣本個(gè)數(shù)分別為 69和70,所以按完全對(duì)稱原則確定的最 佳判定點(diǎn)為z*。由此可知：

35、當(dāng)把財(cái)務(wù)困境發(fā)生前1年的原始數(shù)據(jù)代入判定模型所得的判定值Z大于Z*，則判為組合2，即非財(cái)務(wù)困境公司，否則判為組合1。由此得到的判定結(jié)果見(jiàn)表10。同理可計(jì)算其他年份的最佳判定點(diǎn)和誤判率。表10 Fisher二類線性判定模型在財(cái)務(wù)困境前1年0 1 (%)110596910 . 07114. 4985。 51100值得指出的是，F(xiàn)isher判定模型在財(cái)務(wù)困境發(fā)生前1年的誤判率為10 . 07%，與LPM模型的誤判率相同，這從應(yīng)用上證明二個(gè)模型是等價(jià)的。Logistic回歸分析，得到3 . Iosistic回歸模型。使用同樣的財(cái)務(wù)指標(biāo)和數(shù)據(jù)，進(jìn)行二元模型的估計(jì)結(jié)果見(jiàn)表 11。表11二元Logistic

36、回歸模型估計(jì)結(jié)果0預(yù)測(cè)值94 . 71100誤判率計(jì)始比合計(jì)截距模型是將所有自變量刪除后只剩一個(gè)截距系數(shù)模型。當(dāng)前模型是含有自變量的Logistic回歸模型。“ Likelihood"為似然函數(shù)值，“一2LogLikelihood"（縮寫為一2LL）是似然 函數(shù)值的自然對(duì)數(shù)的一2倍，常用來(lái)反映模型的擬合程度，其值越小，表示擬合程度越好。因?yàn)镮dsistic模型是使用最大似然估計(jì)，似然函數(shù)值越大，則表明越接近最大似然值，擬合程度越好。從表10可見(jiàn)，變量x1、X3、X11的顯著水平均小于 0. 05，說(shuō)明其預(yù)測(cè)能力較 強(qiáng)；其余3個(gè)變量的顯著水平較高，說(shuō)明其預(yù)測(cè)能力較弱。方程可表

37、示為： log(p心-p)=-0.867+2.5313X2-40.2785X4+0.4597X8+3.2293X12-3.9544X13-1.7814X20P=1/(1+e-(-0.867+2.5313X1-40.2785X3+0.4597X7+3.2293X11-3.9544X12-1.7814X19)根據(jù)回歸所得到的 Logistic方程，以0. 5為最佳判定點(diǎn)，對(duì)財(cái)務(wù)困境前1年的原始數(shù)據(jù)進(jìn)行回代判定，結(jié)果見(jiàn)表12。表12 Logistic回歸模型在財(cái)務(wù)困境前1年的判定結(jié)果截距模型：-2LOG LIKEUHOOD=192 . 68772當(dāng)前模型：-2LOG LIKEUHOOD=50 . 644參數(shù)估計(jì)值標(biāo)準(zhǔn)差Wald統(tǒng)計(jì)量自由度顯著性水平X12. 53130. 759211 . 116810. 0009X3-40 . 27858. 017825. 236810X70. 45970. 56120. 670910. 412