会计国有企业财务危机预警模型实证探讨

【摘 要】 财务危机从根本上威胁着企业的持续性经营和发展，不对其预测浅析【会计论文】很可能给企业和社会的影响。近年来，我国政府部门频繁出台文件和措施要求企业是国有企业要加强对财务危机的管理制约。文章海市××区国有企业为研究，选取了29家出现财务困境的国有企业和29家财务正常的国有企业为样本，参照国内外学者对上市公司财务危机预警的研究策略会计专业论文，并国有企业财务实际，选择13个财务指标为变量，应用Logistic回归浅析【会计论文】建立财务危机预警模型。研究：所建立的Logistic预测模型对财务危机发生前一年的预测准确率达9

3.1%。

【会计论文范文词】 国有企业； 财务危机； 预警模型

一、财务危机预警模型研究的【会计论文】

纵观财务危机判定和预测模型的研究，涉及到三个【会计论文】：一是财务危机的定义；二是预测变量或判定指标的选择；三是计量策略会计专业论文的选择。

(一)财务危机的定义

财务危机又称财务困境。国外学者的同类研究一般破产标准（Altman，1968；Ohlson，1971；Platt，1990和1994）。论文范文，我国的情况与国外不同，我国的研究大都把被处理（ST）的上市公司财务危机的公司（陈静，1999；李华中，2001）。在的研究中，考虑到国有企业的特殊性及实际情况，并研究的思想，将连亏两年（简称LK）的国有企业研究样本，并将财务危机视作“因财务论文格式范文困难而出现连续亏损两年即LK”。

(二)指标变量的选择

参照国内外学者研究上市公司财务危机预警模型的策略会计专业论文，我国国有企业年报已有的财务信息，选择债务风险、流风险、盈利能力风险和投资风险4个共13个财务指标财务危机预警指标，并将其构建财务危机预警模型的预选指标。

(三)计量策略会计专业论文的选择

统计科学的不断发展，越来越多的计量模型被应用到财务危机预警研究中。
西方关于财务危机预测研究成果最和影响最广泛的是威廉·比弗（Willian Beer）的单一变量模型和艾得沃德·阿尔特曼（Edward I.Altiman）的“Z-Score”模型。比弗对1945年至1964年间79家失败企业和对应的79家成功企业的比较研究，财务指标对预测财务危机最：流量/债务总额，净收益/资产总额（资产收益率），债务总额/资产总额（资产负债率）。美国财务专家阿尔特曼1968年了企业财务危机预测的“Z-Score”模型，该模型适用于上市公司，样本选取的是1946年至1965年期间破产申请的33家公司和同样数量的非破产公司。计算，该模型给出了总的判断分，称为Z值。Z的分值越高，企业发生财务危机的可能就越小，反之亦然。
在国内，学者陈静（1999）以1998年27家ST公司和27家配对的非ST公司为样本，1995年至1997年54家样本企业财务数据，了单变量和二类线性判定浅析【会计论文】，在单变量判定浅析【会计论文】中，在负债比率、流动比率、总资产收益率、净资产收益率4个财务指标中，流动比率、负债比率的误判率最低；在多元线性判定浅析【会计论文】中，负债比率、净资产收益率、流动比率、营运资本/总资产、总资产周转率6个指标构建的模型在ST发生的前3年能较好地预测ST。的论文范文是在宣布前一年预测模型的准确率较高，离宣布年越远，准确率越低。
周首华等（1996）对阿尔特曼的“Z-Score”模型了拓展研究，建立了“F分数模式”，F分数模式的临界值为0.0274，此数值上下0.0755为不确定区域，F分数越小，发生财务危机的概率就越大。
吴世农、卢贤义（2001）三种模型——LMP、Fisher模型、Logistic模型，对我国上市公司财务危机预警模型了对比性的研究，成果：1.在单变量模型中，净资产酬劳率的判断效果更好；2.多变量模型优于单变量模型；

3.与其他两种多变量模型相比，Logistic模型的判断准确率更高。

，近年来神经网络模型和决策树模型等也被用到财务危机预警研究中。如李健（2009）神经网络模型浅析【会计论文】，盈利能力指标对企业论文格式范文发生财务危机影响最为，流量指标具有较好的短期预测能力，资产管理能力指标具有较好的长期预测能力；决策树模型易于理解的财务危机企业的特点【会计论文范文】属性规则集。

二、实证研究

(一)样本选取

参照其他学者对上市公司财务危机预警的研究策略会计专业论文，把连亏两年的国有企业处理为LK。选取上海市××区2009年1月至2009年6月间180多家国有企业，在2008年年报后，因连亏两年而被视作LK的29家国有企业研究样本。同时，国民经济行业分类代码选取了同种行业、同等规模的29家非LK公司配对样本。在选取样本时了会计论文范文：

1.在对LK公司的配对公司的选择上坚持同行业、同规模的原则。

2.非LK的样本以同行业为选取标准，即在资产规模不同的情况下，要保持行业的一致性，排除行业差异的干扰。
3.所以在选择观测年限时，取LK前一年即2007年的财务年度的财务指标，对应的配对样本也取同期的财务指标。

4.在选取样本时，均选年报已经被审核过的公司样本，以确保研究数据的真实可靠。

的数据均来自国资信息平台V3。运用的统计浅析【会计论文】软件为SPSS17.0。

(二)单变量浅析【会计论文】

从表2中，LK与非LK公司之间有财务指标很大差异，X

3、X4、X6、X7、X9等财务指标。

接下来，独立样本的均值比较，来浅析【会计论文】LK公司与非LK公司之间各单项财务指标的差异规律。建立假设，然后运用独立样本T检验来假设检验。
假设：H0：LK公司与非LK公司之间13个财务指标同期均值相等
H1：LK公司与非LK公司之间13个财务指标同期均值不相等
从表3的性检验结果汇总表，样本和样本2间财务指标有11个指标能在很小性下拒绝原假设而接受备选假设，两个样本间的这11个指标具有的差异，这些指标是X

1、X2、X4、X5、X6、X7、X8、X9、X1X12、X13。

(三)Logistic回归模型

1.因子浅析【会计论文】

从表4，前5个因子的特点【会计论文范文】根为2.62、2.14、1.52、1.23、1.21，值大于1，累积方差贡献率为79.51%，即前5个变量解释了原有变量总方差的79.51%。在因子旋转后，累积方差比变化，影响原有变量的度，保持了信息的完整性，使原有变量在总体上信息丢失较少，因子浅析【会计论文】理想效果。
表6的成分得分系数矩阵，写出用以表示原有变量的因子得分函数：
P1=-0.24X1+0.29X2+0.02X4+0.23X5+0.08X6
-0.26X7+0.28X8-0.05X9+0.17X11-0.04X12-0.04X13
P2=-0.12X1-0.01X2+0.12X4-0.11X5-0.06X6
-0.13X7+0.08X8+0.02X9-0.08X11+0.44X12+0.44X13



P3=0.22X1+0.28X2+0.26X4+0.42X5+0.27X6+0.36X7
-0.18X8+0.09X9+0.01X11+0.13X12+0.14X13
P4=0.20X1+0.09X2+0.08X4+0.03X5-0.62X6+0.16X7
+0.02X8-0.07X9+0.57X11+0.05X12+0.05X13
P5=0.26X1+0.07X2-0.01X4+0.09X5-0.23X6-0.11X7
+0.31X8+0.72X9-0.24X11-0.05X12-0.05X13

2.Logistic回归预警模型

接下来，，引入用来表示论文格式范文出现财务危机的虚拟变量V，V取0代表非LK公司，V取1代表LK公司；，将因子浅析【会计论文】中的5个因子Pi自变量，将虚拟变量V因变量引入，二分类Logistic回归建立预警模型并检验。
二元逻辑回归拟合方程为：
表8输出的是该Logistic模型的-2对数似然值和两个伪决定系数Cox & Snell R 方和Nagelkerke R 方，后从不同角度了所建模型中自变量的变异占因变量总变异的比例。，上述两个伪决定系数达到0.86和0.95，该模型中自变量对因变量有良好的解释。
取0.5为概率P最佳分割点，对该模型预测，P小于0.5认定为非Lk公司，P大于0.5认定为LK公司。
从表9的分类表，该预测模型对非LK公司的预测准确率为88.0%，对LK公司的预测准确率为9

3.1%，整体预测效果为90.6%，预测效果良好。

三、研究论文范文

选取2007年和2008年上海××区国有企业中29家连续亏损两年的公司样本，同时选取同行业（按国民经济行业代码分类）、同规模的29家非连续亏损两年的公司配对样本。财务指标具有通用性和易性的特点，从效率性原则和实用性原则出发，基于我国国有企业年报已有的财务信息，选择债务风险、流风险、盈利能力风险和投资风险4个共13个财务指标财务风险预警指标，并将其构建财务危机预警模型的预选指标。在构建预警模型的中，，单变量浅析【会计论文】，找出具有性差异的指标，然后，对指标因子浅析【会计论文】，提取出主成分即因子，自变量引入预警模型。，构建预警模型并检验，所建的预测模型具有良好的预测效果，对国有企业预测财务危机具有较高的作用。●

【文献】
［1］ 吴世农，卢贤义.我国上市公司财务困境预警模型研究［J］.经济研究，2001（6）.
［2］ 陈晓，陈治鸿.上市公司的财务困境预测［J］.会计与财务研究，2000（9）.
［3］ 吴世农，黄世忠.企业破产的浅析【会计论文】指标和预测模型［J］.经济【会计论文】，1986（6）.
［4］ 闫哲.基于Logistic模型的上市公司财务危机预测的实证研究［D］.东北财经大学，2007.
［5］ 朱振梅.基于Logistic回归的上市公司财务危机预警模型［J］.会计之友，2007（8）.
［6］ Beer W.Financial Ratios as Predictors of Failures［J］.Journal of Accounting Research，1996（4）.
［7］ GambolaM.J.,J.E. KetzandD.D.Williams.CashFlowin Bankruptcy Prediction［J］.Financial Management，1987（16）.
［8］ Lau A H.A Five-State Financial Distress Prediction Model［J］.Journal of Accounting Research，1987（25）.
［9］ Platt H., M. B. Platt and J. G. Pedersen. Bankruptcy Prediction with Real Variables［J］.Journal of Business Finance & Accounting，1994（21）.

[1]