【摘要】 文章以48家ST企業(yè)和252家正常企業(yè)為研究樣本，采用主成分分析將眾多財務(wù)指標(biāo)轉(zhuǎn)化為反應(yīng)企業(yè)財務(wù)績效的幾個關(guān)鍵主成分。實證分析中，以樣本企業(yè)28個財務(wù)指標(biāo)數(shù)據(jù)為基礎(chǔ)，得到代表全部財務(wù)信息80%以上的12個主成分。進(jìn)而利用Logit回歸分析構(gòu)建評估模型，整體準(zhǔn)確率達(dá)到93%，能有效預(yù)測上市公司是否存在財務(wù)危機。
　　【關(guān)鍵詞】 財務(wù)績效；Logit模型；主成分分析；財務(wù)危機
　　
　　一、引言
　　隨著市場競爭的日趨激烈，形形色色的風(fēng)險與危機導(dǎo)致企業(yè)的生存環(huán)境進(jìn)一步惡化，全球陷入財務(wù)危機甚至破產(chǎn)的企業(yè)也日益增多，而一些關(guān)鍵財務(wù)指標(biāo)的規(guī)律性變化能有效地揭示企業(yè)財務(wù)狀況變化趨勢，使得這種財務(wù)績效預(yù)測研究對現(xiàn)代企業(yè)的健康持續(xù)發(fā)展有著巨大的參考意義。
　　企業(yè)財務(wù)危機預(yù)測研究始于20世紀(jì)60年代，Beaver（1966） 提出了單變量預(yù)測分析法進(jìn)行財務(wù)危機預(yù)測研究。Altman（1968）首次利用多元判別分析法構(gòu)建財務(wù)危機預(yù)測模型。第一個采用Logit模型對企業(yè)進(jìn)行破產(chǎn)預(yù)測研究的是Ohlson（1980），他選擇了1970至1976年在美國上市的105家破產(chǎn)公司和2 058家非破產(chǎn)公司作為研究樣本，最后發(fā)現(xiàn)公司規(guī)模、資本結(jié)構(gòu)、業(yè)績和當(dāng)前的融資能力等4個變量對公司破產(chǎn)概率的影響最為顯著。由于Logit模型對樣本數(shù)據(jù)不做任何概率分布的假定，在預(yù)測中得到了相當(dāng)廣泛的應(yīng)用。
　　隨著我國證券市場管理日益走向成熟，上市公司信息披露制度不斷完善，財務(wù)數(shù)據(jù)研究更具可得性和真實性，越來越多的國內(nèi)學(xué)者也逐漸開始進(jìn)行相關(guān)研究。陳曉和陳治鴻（2000）采用Logit模型對38家ST和132家非ST上市公司進(jìn)行研究，發(fā)現(xiàn)負(fù)債權(quán)益比、應(yīng)收賬款周轉(zhuǎn)率、主營利潤/總資產(chǎn)、留存收益/總資產(chǎn)等指標(biāo)能顯著預(yù)測企業(yè)財務(wù)績效。吳世農(nóng)和盧賢義（2001）通過對1998—2000年深滬的140家上市公司分別應(yīng)用線性判別分析、多元線性回歸分析和Logit回歸分析進(jìn)行綜合研究，證實對同一樣本而言Logit預(yù)測模型具有更高的可靠性。馬九杰，郭宇輝，朱勇（2004）采用Logit模型進(jìn)行我國縣域中小企業(yè)貸款違約分析，證明財務(wù)狀況特別是資本結(jié)構(gòu)、資產(chǎn)周轉(zhuǎn)狀況、股權(quán)狀況的影響尤為顯著，另外，企業(yè)家個人特征、企業(yè)所在地域經(jīng)濟發(fā)展水平也有一定的影響。劉 ，羅慧（2004）選取ST公司和正常公司各73家作為樣本，采用判別分析、Logitistic回歸和神經(jīng)網(wǎng)絡(luò)三種方法進(jìn)行對比分析，并結(jié)合其優(yōu)點建立了優(yōu)于每種單獨方法的混合模型。
　　在以上研究成果的基礎(chǔ)上，本文擬通過采用主成分分析法對我國上市公司多個財務(wù)指標(biāo)進(jìn)行綜合分析，得到代表主要財務(wù)信息的關(guān)鍵主成分，據(jù)此構(gòu)建Logit回歸模型預(yù)測我國上市公司財務(wù)績效，以有效地評估上市公司的財務(wù)危機。
　　
　　二、Logit模型理論基礎(chǔ)
　　Logit函數(shù)是最早的離散選擇模型，是普通多元線性回歸模型的推廣，也是目前應(yīng)用最廣的二元回歸模型之一。該模型采用最大似然估計法進(jìn)行參數(shù)估計，無需樣本數(shù)據(jù)呈正態(tài)分布的前提條件，克服了線性方程受假設(shè)約束的局限性，能更好地適用于企業(yè)財務(wù)指標(biāo)的數(shù)據(jù)分析。
　　假設(shè)企業(yè)有財務(wù)危機的概率為P，取值范圍在0和1之間，企業(yè)無財務(wù)危機的概率為1-P，則有：
　　其中yi（i=1，2，…，n）為企業(yè)財務(wù)績效的影響因素，αi（i=1，2，…，n）為待估計參數(shù)。
　　對于任一企業(yè)，P值越大，表示該企業(yè)發(fā)生財務(wù)危機的可能性越大；反之，則表示該企業(yè)發(fā)生財務(wù)危機的可能性越小。一般地，Logit模型選擇0.5作為分割點，若P>0.5，則判斷為有財務(wù)危機企業(yè)；若P<0.5，則判斷為無財務(wù)危機企業(yè)。
　　
　　三、實證分析
　?。ㄒ唬颖具x取
　　本次研究的樣本從2007至2009年財務(wù)報表完整的上市公司中選取，將采用分層抽樣的方法，分別獨立地從2007年、2008年、2009年各上市公司年報財務(wù)數(shù)據(jù)中隨機選取80個、105個、115個，共計300個樣本，以充分保證樣本具有足夠的代表性和普遍性。數(shù)據(jù)來源于巨潮咨詢網(wǎng)（www.cninfo.com.cn）、上海證券交易所（www.sse.com.cn）和深圳證券交易所（www.szse.cn）等網(wǎng)站。
　?。ǘ┲笜?biāo)篩選
　　1.財務(wù)指標(biāo)選取
　　在借鑒了國內(nèi)外研究成果、2009年企業(yè)績效評價標(biāo)準(zhǔn)值后，本次研究共選取了28個財務(wù)指標(biāo)，具體如表1所示。
　　2.主成分分析法
　　在對企業(yè)進(jìn)行財務(wù)績效分析時，必須考慮眾多的財務(wù)指標(biāo)，以盡可能周全地檢驗各種指標(biāo)對企業(yè)財務(wù)績效的影響力。但這些指標(biāo)之間彼此有一定的相關(guān)性，統(tǒng)計數(shù)據(jù)反映的信息在一定程度上存在重疊，變量太多會增加計算量和分析問題的復(fù)雜性，因此利用Logit模型對企業(yè)財務(wù)績效進(jìn)行評估之前，先采用主成分分析法對相關(guān)財務(wù)指標(biāo)進(jìn)行分析。主成分分析也稱主分量分析，旨在利用降維的思想減少指標(biāo)數(shù)量，主要通過線性變換將原來的多個指標(biāo)組合成相互獨立的少數(shù)幾個能充分反映總體信息的綜合指標(biāo)。
　　一般地，需要挑選前幾個方差最大的主成分，且要求他們累計包含的信息量需大于原始數(shù)據(jù)信息總量的80%，從而具備較好的代替性。
　　設(shè)原始變量分別為x1、x2、x3…xm，主成分為F1、F2、F3…Fk，則每個主成分都是原來多個指標(biāo)的線性組合，故而可得主成分因子的表達(dá)式如下：
　　Fi=ai1x1+ai2x2+ai3x3+…+aimxm （i=1，2，3…k） （4）
　　其中：aij為第i個主成分因子在第j個指標(biāo)上的負(fù)載，m為指標(biāo)個數(shù)，k為提取主成分的個數(shù)。
　　3.財務(wù)指標(biāo)主成分分析
　　根據(jù)學(xué)者Kaiser（1974）的觀點，當(dāng)KMO值為0.6時，表示適合進(jìn)行主成分分析，且KMO值越大說明變量間共同因素越多，越適合進(jìn)行主成分分析。
　　先利用SPSS11.5中 對樣本組原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，之后通過進(jìn)行主成分分析可行性檢驗，從輸出結(jié)果知樣本數(shù)據(jù)的KMO為0.625，可進(jìn)行主成分分析。
　　通過檢驗后，即可由 對樣本數(shù)據(jù)進(jìn)行主成分分析，由輸出結(jié)果知：前12個主成分包含了原始數(shù)據(jù)信息總量的80.41%，說明前12個主成分足可以代表原28個財務(wù)指標(biāo)評價企業(yè)的財務(wù)績效。則由式（4）和主成分負(fù)載系數(shù)矩陣即可得到主成分因子的計算表達(dá)式如下：
　　F1=0.2424x1-0.517x2+0.7047x3-0.6126x4+…+0.3302x27
　　+0.7241x28
　　F2=-0.1000x1+0.5378x2-0.5421x3+0.5768x4+…+0.2403x27
　　-0.1473x28
　　……
　　F12=0.3827x1+0.0587x2+0.0881x3-0.1825x4+…-0.0717x27
　　-0.2090x28 （5）
　?。ㄈ┠Ｐ蛥?shù)
　　由上述分析知模型的自變量分別為F1、F2、F3、F4、F5、F6、F7、F8、F9、F10、F11、F12，設(shè)樣本企業(yè)的分類指標(biāo)為T（因變量），T=0表示該企業(yè)無財務(wù)危機，T=1表示該企業(yè)有財務(wù)危機。將被特別處理的上市公司（ST公司）界定為有財務(wù)危機企業(yè)，即T=1，其他正常的上市公司則為無財務(wù)危機企業(yè)，即T=0。
　　利用Regression→BinaryLogistic進(jìn)行回歸分析，在“Method”選項中選擇“Enter”，即將所有自變量強制進(jìn)入回歸方程，從而得到輸出結(jié)果如表2所示。
　　
　　根據(jù)回歸結(jié)果，將各參數(shù)代入式（3），得Logit回歸函數(shù)為：
　　P=［1+exp（0.6466-1.6594F1+0.7515F2-0.5468F3+0.0966F4
　　-0.7408F5+0.3872F6-0.5038F7+0.5312F8+0.4631F9+0.1429F10
　　-0.0228F11-0.0670F12）］-1（6）
　　將上市公司財務(wù)數(shù)據(jù)代入以上函數(shù)評估財務(wù)績效時，若計算結(jié)果小于50%，則該公司不存在財務(wù)危機；反之，該公司存在財務(wù)危機。
　?。ㄋ模┠Ｐ偷臏?zhǔn)確性及檢驗
　　SPSS的輸出結(jié)果（表3）表明上述Logit模型預(yù)測企業(yè)財務(wù)危機的整體準(zhǔn)確率可達(dá)93%，其中對無財務(wù)危機企業(yè)判斷的準(zhǔn)確率高達(dá)98.41%，但對具有財務(wù)危機企業(yè)判斷的準(zhǔn)確率卻相對較低。
　　為了進(jìn)一步檢驗上述模型的適用性，筆者特將2010年的30家正常企業(yè)和30家ST企業(yè)列為測試樣本，將其財務(wù)信息引入模型，得到的判定結(jié)果如表4所示，可知模型預(yù)測的整體準(zhǔn)確率為80%，其中對無財務(wù)危機企業(yè)判定的準(zhǔn)確率仍高達(dá)93.33%，對具有財務(wù)危機企業(yè)判定的準(zhǔn)確性為66.67%，與原始樣本的判定準(zhǔn)確率基本一致。
　　
　　四、結(jié)論
　　本文通過實證研究方式構(gòu)建了評價我國上市公司財務(wù)績效的Logit模型，并對60家上市公司2010年財務(wù)數(shù)據(jù)進(jìn)行了實證檢驗，結(jié)果表明：建立的模型預(yù)測效果良好，準(zhǔn)確率達(dá)到80%以上，判定結(jié)果可行度較高，具備一定的實用性；原始樣本和測試樣本的判定結(jié)果差別不大，說明模型的穩(wěn)定性較好，它能為企業(yè)盡早發(fā)現(xiàn)其潛在的財務(wù)危機提供一定的參考信息，有助于企業(yè)有效地進(jìn)行內(nèi)部管理。
　　但本次研究也存在一些缺陷，首先，樣本數(shù)量較少限制了構(gòu)建模型的科學(xué)性，在一定程度上會降低模型的質(zhì)量和可靠性；其次，原始樣本和測試樣本中正常企業(yè)和ST企業(yè)的比例分別為5:1和1:1，均與市場的實際比例有一定的差異，從而會影響模型預(yù)測準(zhǔn)確率的有效性。
　　
　　【參考文獻(xiàn)】
　　［1］ Beaver.W.Financial Ratios as Predictors of Failure［J］.Supplement to Journal of Accounting Research，1966（17）：71-111.
　　［2］ E.Altman.Financial Ratios， Discriminate Analysis and the Prediction of Corporate Bankruptcy［J］.Joumal of Finance，1968（9）：589-609.
　?。?］ Ohlson.J.S.Financial Ratios and the Probabilistic Prediction of Bankruptcy［J］.Journal of Accounting Research，1980（18）：109-131.
　　［4］ 陳曉，陳治鴻.中國上市公司的財務(wù)困境預(yù)測［J］.中國會計與財務(wù)研究，2000（9）：55-72.
　?。?］ 吳世農(nóng)，盧賢義.我國上市公司財務(wù)困境的預(yù)測模型研究［J］.經(jīng)濟研究，2001（6）：46-55.
　?。?］ 馬九杰，郭宇輝，朱勇.縣域中小企業(yè)貸款違約行為與信用風(fēng)險實證分析［J］.管理世界，2004（5）：58-66.
　　［7］ 劉 ，羅慧.上市公司財務(wù)危機預(yù)警分析——基于數(shù)據(jù)挖掘的研究［J］.數(shù)理統(tǒng)計與管理，2004（3）：51-56，68.