- 相關(guān)推薦
我國上市公司財務(wù)困境的預(yù)測模型研究
內(nèi)容提要：本文以我國上市公司為研究對象，選取了70家處于財務(wù)困境的公司和70家財務(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，研究財務(wù)困境出現(xiàn)前5年內(nèi)各年這二類公司21個財務(wù)指標的差異，最后選定6個為預(yù)測指標，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)測財務(wù)困境的模型。研究結(jié)果表明：(1)在財務(wù)困境發(fā)生前2年或1年，有16個財務(wù)指標的信息時效性較強，其中凈資產(chǎn)報酬率的判別成功率較高；(2)三種模型均能在財務(wù)困境發(fā)生前做出相對準確的預(yù)測，在財務(wù)困境發(fā)生前4年的誤判率在28％以內(nèi)；(3)相對同一信息集而言，Logistic預(yù)測模型的誤判率最低，財務(wù)困境發(fā)生前1年的誤判率僅為6．47％。一、財務(wù)困境預(yù)測模型研究的基本問題
財務(wù)困境(Financial distress)又稱“財務(wù)危機”(Financial crisis)，最嚴重的財務(wù)困境是“企業(yè)破產(chǎn)”(Bankruptcy)。企業(yè)因財務(wù)困境導(dǎo)致破產(chǎn)實際上是一種違約行為，所以財務(wù)困境又可稱為“違約風(fēng)險”(Default risk)。事實上，企業(yè)陷入財務(wù)困境是一個逐步的過程，通常從財務(wù)正常漸漸發(fā)展到財務(wù)危機。實踐中，大多數(shù)企業(yè)的財務(wù)困境都是由財務(wù)狀況正常到逐步惡化，最終導(dǎo)致財務(wù)困境或破產(chǎn)的。因此，企業(yè)的財務(wù)困境不但具有先兆，而且是可預(yù)測的。正確地預(yù)測企業(yè)財務(wù)困境，對于保護投資者和債權(quán)人的利益、對于經(jīng)營者防范財務(wù)危機、對于政府管理部門監(jiān)控上市公司質(zhì)量和證券市場風(fēng)險，都具有重要的現(xiàn)實意義。縱觀財務(wù)困境判定和預(yù)測模型的研究，涉及到三個基本問題：一是財務(wù)困境的定義；二是預(yù)測變量或判定指標的選擇；三是計量方法的選擇。
(一)財務(wù)困境的定義
關(guān)于財務(wù)困境的定義，有不同的觀點。Carmiehael(1972)認為財務(wù)困境是企業(yè)履行義務(wù)時受阻，具體表現(xiàn)為流動性不足、權(quán)益不足、債務(wù)拖欠及資金不足四種形式。Ross等人(1999；2000)則認為可從四個方面定義企業(yè)的財務(wù)困境：第一，企業(yè)失敗，即企業(yè)清算后仍無力支付債權(quán)人的債務(wù)；第二，法定破產(chǎn)，即企業(yè)和債權(quán)人向法院申請企業(yè)破產(chǎn)；第三，技術(shù)破產(chǎn)，即企業(yè)無法按期履行債務(wù)合約付息還本；第四，會計破產(chǎn)，即企業(yè)的賬面凈資產(chǎn)出現(xiàn)負數(shù)，資不抵債。從防范財務(wù)困境的角度看，“財務(wù)困境是指一個企業(yè)處于經(jīng)營性現(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，Beaver把破產(chǎn)、拖欠優(yōu)先股股利、拖欠債務(wù)界定為財務(wù)困境。Altman(1968)定義的財務(wù)困境是“進入法定破產(chǎn)的企業(yè)”。Deakin(1972)則認為財務(wù)困境公司“僅包括已經(jīng)經(jīng)歷破產(chǎn)、無力償債或為債權(quán)人利益而已經(jīng)進行清算的公司”。
(二)預(yù)測變量的選擇
財務(wù)困境預(yù)測模型因所用的信息類型不同分為財務(wù)指標信息類模型、現(xiàn)金流量信息類模型和市場收益率信息類模型。
1．財務(wù)指標信息類模型。Ahman(1968)等學(xué)者(Ahman，Haldeman和Narayanan，1980；Platt和Platt，1991)使用常規(guī)的財務(wù)指標，如負債比率、流動比率、凈資產(chǎn)收益率和資產(chǎn)周轉(zhuǎn)速度等，作為預(yù)測模型的變量進行財務(wù)困境預(yù)測。
盡管財務(wù)指標廣泛且有效地應(yīng)用于財務(wù)困境預(yù)測模型，但如何選擇財務(wù)指標及是否存在最佳的財務(wù)指標來預(yù)測財務(wù)困境發(fā)生的概率卻一直存在分歧。Harmer(1983)指出被選財務(wù)指標的相對獨立性能提高模型的預(yù)測能力。Boritz(1991)區(qū)分出65個之多的財務(wù)指標作為預(yù)測變量。但是，自Z模型(1968)和ZETA模型(1977)發(fā)明后，還未出現(xiàn)更好的使用財務(wù)指標于預(yù)測財務(wù)困境的模型。
2．現(xiàn)金流量信息類模型�，F(xiàn)金流量類信息的財務(wù)困境預(yù)測模型基于一個理財學(xué)的基本原理：公司的價值應(yīng)等于預(yù)期的現(xiàn)金流量的凈現(xiàn)值。如果公司沒有足夠的現(xiàn)金支付到期債務(wù)，而且又無其他途徑獲得資金時，那么公司最終將破產(chǎn)。因此，過去和現(xiàn)在的現(xiàn)金流量應(yīng)能很好地反映公司的價值和破產(chǎn)概率。
在Gentry，Newbold和Whitford(1985a；1985b)研究的基礎(chǔ)上，Aziz、Emanuel和Lawson(1988)發(fā)展了現(xiàn)金流量信息預(yù)測財務(wù)困境模型。公司的價值來自經(jīng)營的、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)實的。破產(chǎn)公司與非破產(chǎn)公司的經(jīng)營性現(xiàn)金流量會因投資質(zhì)量和經(jīng)營效率的差異而不同，二者以現(xiàn)金支付的所得稅也會因稅收會計的處理差異而不同。Aziz、Emanuel和Lawson(1989)比較了Z模型、ZETA模型、現(xiàn)金流量模型預(yù)測企業(yè)發(fā)生財務(wù)困境的準確率，發(fā)現(xiàn)現(xiàn)金流量模型的預(yù)測效果較好。
3．市場收益率信息類模型。Beaver(1968)是使用股票市場收益率信息進行財務(wù)困境預(yù)測研究的先驅(qū)。他發(fā)現(xiàn)在有效的資本市場里，股票收益率也如同財務(wù)指標一樣可以預(yù)測破產(chǎn)，但時間略滯后。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)在資本市場上表現(xiàn)欠佳。Clark和Weinstein(1983)發(fā)現(xiàn)破產(chǎn)公司股票在破產(chǎn)前至少3年內(nèi)存在負的市場收益率。然而，他們也發(fā)現(xiàn)破產(chǎn)公告仍然向市場釋放了新的信息。破產(chǎn)公司股票在破產(chǎn)公告日前后的兩個月時間區(qū)段內(nèi)平均將經(jīng)歷26％的資本損失。
Aharony，Jones和Swary(1980)提出了一個基于市場收益率方差的破產(chǎn)預(yù)測模型。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)公司的股票的市場收益率方差與一般公司存在差異。在接近破產(chǎn)公告日時，破產(chǎn)公司的股票的市場收益率方差變大。
(三)計量方法的選擇
財務(wù)困境的預(yù)測模型因選用變量多少不同分為單變量預(yù)測模型和多變量預(yù)測模型；多變量預(yù)測模型因使用計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，近年來財務(wù)困境預(yù)測的研究方法又有新的進展。網(wǎng)絡(luò)神經(jīng)遺傳方法已經(jīng)開始被應(yīng)用于構(gòu)建和估計財務(wù)困境預(yù)測模型。
(四)我國對企業(yè)財務(wù)困境預(yù)測的研究
在國內(nèi)的研究中，吳世農(nóng)、黃世忠(1986)曾介紹企業(yè)的破產(chǎn)分析指標和預(yù)測模型；陳靜(1999)以1998年的27家ST公司和27家非ST公司，使用了1995—1997年的財務(wù)報表數(shù)據(jù)，進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)在負債比率、流動比率、總資產(chǎn)收益率、凈資產(chǎn)收益率4個財務(wù)指標中，流動比率與負債比率的誤判率最低；在多元線性判定分析中，發(fā)現(xiàn)由負債比率、凈資產(chǎn)收益率、流動比率、營運資本／總資產(chǎn)、總資產(chǎn)周轉(zhuǎn)率6個指標構(gòu)建的模型，在ST發(fā)生的前3年能較好地預(yù)測ST。張玲(2000)以120家公司為研究對象，使用其中60家公司的財務(wù)數(shù)據(jù)估計二類線性判別模型，并使用另外60家公司進行模型檢驗，發(fā)現(xiàn)模型具有超前4年的預(yù)測結(jié)果。
二、本文的樣本和研究方法
本文與以前我國上市公司財務(wù)困境的研究有所不同。第一，樣本新、時間長、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股市場上全部的ST公司，同時剔除了非正常的ST公司；此外，樣本數(shù)據(jù)的收集時間延至公司發(fā)生ST前5年，樣本時間跨度較長。選入研究的ST樣本公司70家和相對應(yīng)的非ST樣本公司70家，樣本容量達到了140家，可望在一定程度上降低估計和預(yù)測誤差。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務(wù)困境預(yù)測中的效率。
(一)財務(wù)困境公司的樣本選定
本文從我國A股市場上3年中出現(xiàn)的82家ST公司中界定出70家公司作為財務(wù)困境公司，進行財務(wù)困境預(yù)測研究。它們是：(1)連續(xù)兩年虧損，包括因?qū)ω攧?wù)報告調(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會計年度的股東權(quán)益低于注冊資本，即“巨虧”公司，共16家；(3)因注冊會計師意見而特別處理的，共3家。但排除了：(1)上市兩年內(nèi)就進入特別處理的公司，共8家。排除原因是財務(wù)數(shù)據(jù)過少和存在嚴重的包裝上市嫌疑，因此與樣本中的其他公司不具有同質(zhì)性；(2)因巨額或有負債進行特別處理的公司，共2家。排除原因是或有負債屬偶發(fā)事件，不是由企業(yè)正常經(jīng)營造成的，與其他樣本公司不具有同質(zhì)性；(3)因自然災(zāi)害、重大事故等進行特別處理的，共2家，原因同(2)。
(二)研究程序和計量方法
本研究首先計算140家樣本公司的盈利增長比率、股東權(quán)益收益率等21個財務(wù)指標，這些指標綜合反映了企業(yè)的盈利能力、長短期償債能力、營運能力、成長能力和企業(yè)規(guī)模。在此基礎(chǔ)上，使用剖面分析對樣本中的財務(wù)困境公司和非財務(wù)困境公司在財務(wù)困境發(fā)生前5年期間歷年的21個財務(wù)指標進行對比分析，探討對企業(yè)陷入財務(wù)困境影響顯著的變量。其后，應(yīng)用單變量分析，選擇4個財務(wù)指標為例估計單變量判定模型。最后，篩選和確定對企業(yè)陷入財務(wù)困境影響最為顯著的6個指標為模型的判定指標，應(yīng)用線性概率模型、Fisher二類線性判定模型、Logistic模型三種計量方法，建立和估計財務(wù)困境的預(yù)測模型，并比較這三種模型的預(yù)測效果。
三、實證研究
(一)剖面分析
首先分組計算70家財務(wù)困境公司和70家非財務(wù)困境公司的21個財務(wù)指標在財務(wù)困境發(fā)生前1至5年的平均值和標準差等描述性統(tǒng)計量，比較這二組在21個財務(wù)指標各年的平均值是否具有顯著差異，其次計算各年的Z統(tǒng)計檢驗量，結(jié)果如表1所示。剖面分析結(jié)果表明：(1)在ST發(fā)生的前1和2年，財務(wù)困境公司和非財務(wù)困境公司的17個財務(wù)指標的平均值存在顯著的差異；(2)Z值隨著ST發(fā)生時間的臨近而顯著增大，即二組的財務(wù)指標平均值的差異隨ST發(fā)生時間的臨近而擴大。由此可見，在所選的21個財務(wù)指標中，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個在財務(wù)困境發(fā)生前1至2年中具有顯著的預(yù)測能力。
表1 21個財務(wù)指標Z統(tǒng)計量的計算結(jié)果*
(二)單變量判定分析
本文選擇凈資產(chǎn)報酬率、負債比例、營運資產(chǎn)與總資產(chǎn)的比例和資產(chǎn)周轉(zhuǎn)率4個財務(wù)指標，應(yīng)用單變量判定分析分別建立4個單變量預(yù)測模型，通過確定模型的最佳判定點，可以判定某一企業(yè)在財務(wù)困境發(fā)生前1至5年其是否會陷入財務(wù)困境。估計模型的結(jié)果如表2至表5所示。
表2 凈資產(chǎn)報酬率在財務(wù)困境前1-5年的判定模型
由表2至表5可見：(1)從各個單變量判定模型的判定效果來看，凈資產(chǎn)報酬率的判定模型誤差最�。粻I運資本／總資產(chǎn)的判定模型和負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)財務(wù)指標作為預(yù)測變量具有信息含量和時效性，其信息含量隨著時間的推移而遞減，即指標值離財務(wù)困境發(fā)生的時間愈短，信息含量愈多，預(yù)測的準確性愈高，反之信息含量愈少，預(yù)測準確性愈低。(3)結(jié)合剖面分析，在兩組均值的差異性檢驗中非常顯著的財務(wù)指標，在單變量判定分析中的誤判率卻較高。例如，財務(wù)困境公司與非財務(wù)困境公司兩組的負債比率在財務(wù)困境前1年的Z統(tǒng)計量為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24．46％。以上結(jié)果表明，應(yīng)用不同研究方法分析同一個指標所得結(jié)果不同。我們認為，這是因為在剖面分析的z檢驗中，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)建的單指標判定模型，結(jié)論往往相互沖突。
表3 負債比率在財務(wù)困境前1-5年的判定模型
表5 資產(chǎn)周轉(zhuǎn)率在財務(wù)困境前1-5年的判定模型
(三)多元線性判定模型的變量選擇分析
本研究首先應(yīng)用LPM，采用逐步回歸選擇變量方法，對5年的樣本數(shù)據(jù)依次進行回歸，從21個變量中選擇若干變量。選擇的標準是：F值的概率值小于0．10時進入，大于0．11時剔除。
利用財務(wù)困境前1至5年的數(shù)據(jù)，分別進行逐步回歸，結(jié)果如表6所示。我們最終選取了Xl(盈利增長指數(shù))、X3(資產(chǎn)報酬率)、X7(流動比率)、X11(長期負債與股東權(quán)益比率)、X12(營運資本與總資產(chǎn)比)、X19(資產(chǎn)周轉(zhuǎn)率)等6個指標作為多元判定分析的變量。選取這些指標的原因是：(1)以財務(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，財務(wù)困境前1年的財務(wù)指標作為財務(wù)困境預(yù)測的信息
含量最多，時效性最強；離財務(wù)困境發(fā)生的時間越遠，指標的信息含量越少，時效性越差。所以，財務(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務(wù)困境前2年的結(jié)果，營運資本總資產(chǎn)比、速動比率、負債比率、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，適當避免同類信息的重復(fù)反映。首先，財務(wù)困境前1年逐步回歸所得的變量盈利增長指數(shù)、資產(chǎn)報酬率、長期負債股東權(quán)益比率、資產(chǎn)周轉(zhuǎn)率分別是反映企業(yè)成長能力、盈利能力、長期償債能力、營運能力的指標，但沒有反映短期償債能力的指標。營運資本與總資產(chǎn)比是財務(wù)困境前2年逐步回歸所得的變量之一，而且參數(shù)估計值的顯著性水平在0．05之上，故也把該變量作為預(yù)測變量之一。其次，速動比率是反映短期償債能力的指標，但更能全面反映短期償債能力是流動比率，結(jié)合剖面分析，歷年兩組間的流動比率和速動比率均值差異性檢驗統(tǒng)計量Z值比較接近，表明這二個指標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考慮，我們在建模時選擇了流動比率，舍棄了速動比率。再次，考慮到若企業(yè)短期償債能力較強，會減少其在短期內(nèi)陷入財務(wù)困境的概率，因此把短期償債能力的兩個指標——營運資本與總資產(chǎn)比和流動比率同時引入預(yù)測變量組合，加強短期償債能力信息在預(yù)測中的比重。第四，負債比率與長期負債股東權(quán)益比同是反映企業(yè)長期償債能力的指標，長期負債股東權(quán)益比已在財務(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)率同是反映營運能力的指標，但應(yīng)收賬款周轉(zhuǎn)率不及總資產(chǎn)周轉(zhuǎn)率反映全面，所以反映營運能力的指標選用總資產(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，對選定的6個變量進行多重共線性檢驗。本文使用的檢驗指標是容許度(TOL)和方差膨脹因子(VIF)。計算公式為：
TOLj=1—R2j=1／VIFj
其中，群為均對其余k—1個自變量回歸中的判定系數(shù)R2。當TOL較小時，認為存在多重共線性。一般地，方差膨脹因子VIF大于10，認為具有高的多重共線性。VIF檢驗的結(jié)果見表7。從表7可知，6個變量的VIF均小于10，可認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
(四)多元線性判定模型的估計結(jié)果
1．LPM模型。根據(jù)上述選定的6個變量及其財務(wù)困境前1年的樣本數(shù)據(jù)，得到LPM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+0．1970x11-0．3687Xl2-0.1388x19
其中：Y是陷入財務(wù)困境的概率；X1是盈利增長指數(shù)；x3是資產(chǎn)報酬率；x7是流動比率；X11，是長期負債股東權(quán)益比率；x12是營運資本／總資產(chǎn)；X19是資產(chǎn)周轉(zhuǎn)率。
表8 LPM模型的回歸估計結(jié)果
線性概率方程是以70家非財務(wù)困境公司與69家財務(wù)困境公司在財務(wù)困境前1年的6個財務(wù)指標的數(shù)據(jù)為因變量值，取財務(wù)困境公司為1，非財務(wù)困境公司為0作為因變量值進行估計的。因此，理論上取0．5為最佳判定點。根據(jù)估計的模型對原始數(shù)據(jù)進行回代判定，若預(yù)測值大于0．5的，判定為財務(wù)困境公司；否則為非財務(wù)困境公司。判定結(jié)果如表9所示。
表9 LPM在財務(wù)困境前1年的判定結(jié)果
在回判過程中，70家非財務(wù)困境公司有4家被錯判，誤判率為5．71％；69家財務(wù)困境公司有10家被錯判，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算其他年份的最佳判定點和誤判率。
2．Fisher二類線性判定模型。把財務(wù)困境公司劃分為組合1，非財務(wù)困境公司劃分為組合2，對樣本公司的財務(wù)困境前1年的財務(wù)數(shù)據(jù)，使用同樣的6個變量，估計Fisher二類線性判定分析。
對于組合1，判定模型為：
Z=-6．059+0．331x1一25．865x3+4．033x7+3．250x11-11．905x12+4．428x19
對于組合2，判定模型為：
Z=-4．859—0．812x1+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=0．448—0．435xl+11.374x3—0．229x7—0．803x11+1．589x12+0．570x19
根據(jù)上述判定模型，以財務(wù)困境發(fā)生前1年的原始數(shù)據(jù)分別進行回代。二個組合的平均Z值分別是-1．3254和1．3065，樣本個數(shù)分別為69和70，所以按完全對稱原則確定的最佳判定點為z*。由此可知：當把財務(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，即非財務(wù)困境公司，否則判為組合1。由此得到的判定結(jié)果見表10。同理可計算其他年份的最佳判定點和誤判率。
表10 Fisher二類線性判定模型在財務(wù)困境前1年
值得指出的是，F(xiàn)isher判定模型在財務(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)用上證明二個模型是等價的。
3．Iosistic回歸模型。使用同樣的財務(wù)指標和數(shù)據(jù)，進行二元Logistic回歸分析，得到模型的估計結(jié)果見表11。
表11 二元Logistic回歸模型估計結(jié)果
截距模型是將所有自變量刪除后只剩一個截距系數(shù)模型。當前模型是含有自變量的Logistic回歸模型。“Likelihood"為似然函數(shù)值，“—2LogLikelihood"(縮寫為—2LL)是似然函數(shù)值的自然對數(shù)的—2倍，常用來反映模型的擬合程度，其值越小，表示擬合程度越好。因為Idsistic模型是使用最大似然估計，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，變量x1、X3、X11的顯著水平均小于0．05，說明其預(yù)測能力較強；其余3個變量的顯著水平較高，說明其預(yù)測能力較弱。
方程可表示為：
log(p/(1-p))=-0.867+2.5313X2-40.2785X4+0.4597X8+3.2293X12-3.9544X13-1.7814X20
即
P=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，對財務(wù)困境前1年的原始數(shù)據(jù)進行回代判定，結(jié)果見表12。
表12 Logistic回歸模型在財務(wù)困境前1年的判定結(jié)果
在財務(wù)困境前1年，70個非財務(wù)困境公司有4個被錯判，誤判率為5．71％，69個財務(wù)困境公司有5個被錯判，誤判率7．25％，總體上看，139個公司有9個被錯判，誤判率6．47％。同樣地，使用二元Logistic回歸可以對財務(wù)困境前2年財務(wù)困境前5年的情況進行判定分析，判定結(jié)果見表13。
表13 三種多元判定分析方法估計模型的比較
四、結(jié)論與啟示
第一，我國上市公司的財務(wù)指標包含著預(yù)測財務(wù)困境的信息含量，因此其財務(wù)困境具有可預(yù)測性。第二，在我國上市公司陷入財務(wù)困境的前1年和前2年，本文所選的21個財務(wù)指標中16個指標具有判定和預(yù)測財務(wù)困境的信息含量，但各個指標的信息含量不同，預(yù)測財務(wù)困境的準確率不同。在單變量分析中，凈資產(chǎn)報酬率的判定效果較好。第三，多變量判定模型優(yōu)于單變量判定模型。第四，比較三種判定模型的效果表明，Logistic模型的判定準確性最高。
參考文獻
陳靜，1999：《上市公司財務(wù)惡化預(yù)測的實證分析》，《會計研究》第4期。
吳世農(nóng)、黃世忠，1986：《企業(yè)破產(chǎn)的分析指標和預(yù)測模型》，《中國經(jīng)濟問題》第6期。
張玲，2000：《財務(wù)危機預(yù)警分析判別模型》，《數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究》第3期。
【我國上市公司財務(wù)困境的預(yù)測模型研究】相關(guān)文章：
我國上市公司財務(wù)困境的預(yù)測模型研究08-05
中國上市公司績效評價模型研究08-05
對我國上市公司兼并收購的實證研究08-05
我國上市公司的代理成本問題研究08-05
我國上市公司退市標準的法律問題研究08-05
我國上市公司盈利信息鑒別的實證研究08-05
我國農(nóng)村融資困境與對策08-20