《经营效率与企业危机相关性研究》由会员分享,可在线阅读,更多相关《经营效率与企业危机相关性研究(31页珍藏版)》请在金锄头文库上搜索。
1、 經營效率與企業危機相關性研究經營效率與企業危機相關性研究 東吳大學國貿所 張大成 台北商業技術學院 周麗娟 銘傳大學財金所 黃筱雯 壹、緒論 企業發生危機的原因可能有財務結構不良或經營效率不彰兩種因素,但過去 的學者及研究人員在建立企業危機預警模式時,多半只考慮到公司的財務比率或 總體經濟變數,而忽略了經營效率對於企業發生危機的影響。本文以近十年企業 經營失敗的公司,並選取若干同產業、體質相近之正常公司作為對照組,觀察經 營效率與企業發生危機間是否具有相關性。實證結果顯示,在經營效率方面,失 敗公司在接近危機發生年度時本業經營效率確有惡化的趨勢;且長期而言正常公 司群體之平均經營效率值優於失
2、敗公司群體。故短期而言,財務方面的惡化為企 業發生危機的肇因;但長期來說,本業方面經營效率不彰,於競爭過程中遭市場 淘汰,為導致企業發生失敗的主因。 近年來台灣企業危機頻傳,經營不善或財務周轉失靈而導致失敗的公司分布 於各產業中,如台鳳食品、大穎塑膠、新泰伸銅、國產汽車及尖美建設等。有鑑 於企業若發生財務危機或陷於經營困境時,對社會將會造成嚴重的衝擊,廣大的 投資人與債權人將蒙受損失,公司員工會因失業而使生計陷入困境,若是上下游 產業也因遭受波及而引發連鎖倒閉事件,則後果的嚴重性更是不堪設想。故財政 2 部於 87 年底集資約 600 多億元,作為企業危機紓困貸款金額,同時更要求貸款 銀行不得
3、緊縮危機企業銀根,以協助危機企業渡過財務危機。 由於當前的金融環境,及全球化使企業間競爭加遽,我們相信,因經營不善 而被市場淘汰的公司數目將不斷增加,所以企業危機預警模式的建立有其必要 性。過去的學者及研究人員,在建立預警模式時,多以公司的財務比率或總體變 數作為解釋危機發生之變數,如 Altman(1968)的區別分析法(Discriminant analysis) ;Zmijewski(1984)採用的 Probit 模型,及 Ohlson(1980)採用的 Logit 模型。 事實上,一家公司之所以發生危機,原因可能有以下兩點: 1. 其財務結構發生問題。例如採用過高的財務槓桿,或是公司
4、負責人掏空 公司資產來炒作有價證券;當外在環境發生變化(如:無法償還利息本金或股市 景氣不佳)時,公司將發生財務危機而造成失敗情況。 2.該公司本身經營效率不彰,在競爭中被市場淘汰,從而發生企業失敗的現 象。 申言之,我們認為既有文獻中所採用的財務指標或總體經濟指標,並不足以 完整解釋一家企業之所以發生危機的原因,因為它們大多只考慮到公司財務結構 方面的問題,而忽略考慮公司的經營效率。此外,Bauer, Berqer and Humphre (1999,頁 86 及頁 108)指出,傳統會計上所使用的效率比率值,明顯的會受 市場價格、要素價格及其他市場外生因素的影響。故本文利用生產函數所估計的
5、 3 效率指標,透過統計的方法,將上述外生因素的干擾予以排除,將可更完整地表 達企業經營效率的觀念。 於既有文獻中,Cebenoyan, Cooperman and Register(1993)採用經由成本函 數所估算之無效率指標,與不同地區之個人所得、資產總額等變數一起納入 Logit 模式中,作為美國儲貸銀行經營失敗之研究,這也是我們唯一發現將公司本業之 經營效率納入預警模式考量之文獻。但由於該文並未考慮財務結構變數,似乎又 忽略了公司失敗的另一可能原因。 總言之,我們認為,基於企業可能經營失敗的兩大原因:財務結構不良與本 業經營效率不彰,在既有的文獻預警模式中,皆未能將兩者同時納入考慮。
6、故本 研究的主要目的為將企業經營效率納入預警模式中,藉以分析經營效率與企業危 機發生間的關係。本文臆測,若納入企業經營效率後可增加危機預警模式之區別 能力,則可判定本業效率不良也為導致企業危機發生的原因之一。同時可避免未 來主管當局將紓困貸款用於非短期財務周轉不靈,而為長期經營不善的企業,使 紓困貸款能做最有效率的運用。 就樣本而言,本研究擬將近十年企業經營失敗的公司納入樣本,另外亦會選 取若干相同產業、體質相近的健全公司作為對照組。至於就企業經營效率的估 計,本文將利用 translog 生產函數,採用 Battese and Coelli(1995)的隨機邊界 模型,以合併橫斷面與時間序列
7、資料(Panel data)來估計企業個別技術效率。 其次我們亦將採用其他財務比率,例如:負債比率、流動比率、等等,及其他總 4 體變數,作為本研究的控制變數;而對於多種不同財務變數的選取,本文將採因 素分析法,進行變數之萃取。最後,我們將以預警模式中廣受學者使用的 Logit 分析法,來建構本研究之預警模型;並探討納入了企業經營效率後,是否能否增 進模型的區別能力,以觀察經營效率與企業發生危機之關聯性。 本文章節安排如下:除本節為研究動機之介紹外,第二節為相關文獻之探 討。第三節則為研究方法的介紹,其中包括有企業經營效率之估計、財務變數選 取之因素分析方法與 Logit 分析方法之介紹。第四
8、節為本文樣本挑選之準則與資 料來源。第五節分析本文之實證結果,最後則為結論。 貳、文獻探討 文獻上探討公司經營失敗的預警模式,主要可區分為:單變量分析法、多變 量分析法及解釋變數受限制下的迴歸分析法(包括:Probit 及 Logit 模式) ;以下 就針對上述議題之相關文獻作逐一介紹。 Beaver(1966)以單變量分析法建立預警模式,為最早將財務變數的預測功 能引入實證領域中。其研究方法為,以 79 家財務失敗的企業為準,並針對每一 失敗企業,尋找相同產業,規模相近的另一家未失敗企業為配對樣本,蒐集其失 敗企業及配對樣本企業在財務危機發生前五年之財務報表,以計算 14 個財務比 率。再透
9、過 Mann-Whithey-Wilcoxen 無母數統計之二分類檢定法,計算所有企業 在上述財務比率的比值及順序,求取臨界點而使得錯誤分類之百分比為最低。 雖然 Beaver 的研究在方法上有許多的新意,例如他採取配對選樣方法,以 5 控制樣本觀察值之間因行業因素及規模大小因素所引起的混淆效果;但因不同財 務比率的預測方向及能力常存在極大差異,甚至會有互相矛盾的情形,故單變量 分析方式雖然簡易,卻遭受諸多批判;為解決此一問題,多變量區別分析法因應 而生,且逐漸取代單變量分析方式於財務預警模型中。 最早以多變量分析法運用於企業失敗預測模型上應首推 Altman(1968) ,其 蒐集 33 家
10、破產公司為標準,再按各行業別隨機抽樣,選取未破產公司為配對樣 本,考慮 22 種財務比率,經逐步線性區別分析(Stepwise Multiple Discriminate Analysis;MDA) ,萃取得到 5 種最具預測能力的財務比率,構成一條類似迴歸 式的區別函數,進而求算 Z 值(亦稱為 ZScore 模式) 。 該模型在破產前一年的預測準確度高達 95 ,但在破產前兩年的準確度降 至 72 。故 Altman 的研究結論指出區別模型對於企業失敗的預警只限於短期有 效,超過兩年以上即不適用。 然而,由於多變量區別分析法,需假設解釋變數為多元常態分配且不得存在 高度線性重合關係,同時其
11、配對的兩樣本之變異數共變數矩陣亦需相同。但根 據潘玉葉(1990)研究發現,台灣上市股票公司的財務比率多不符合常態分配之 假設;且實際上,經營失敗與正常經營的公司間其共變異矩陣並不相同。因此後 續學者多改採 Binary Dependent Variable 的機率模型,即 Probit 或 Logit 模型進行 預警模型的建立。 Ohlson(1980)認為,由於多變量區別分析法在使用上諸多限制,首先質疑 6 以多變量區別分析法所建構的預警模型,而建議以 Logit 迴歸分析法進行財務危 機預警之研究 ; 蒐集 1970 年到 1976 年破產之公司 105 家及未破產公司 2058 家,
12、利用 9 個自變數建構了三個危機預警模型,實證結果顯示其正確率分別為 96.12 、95.55 、92.84 ,其區別效果較之前學者更為顯著。而 Collins and Green (1982)則比較區別分析法及 Logit 分析法的預測效果,其實證結果認定 Logit 模式之預測效果較多變量區別分析法模式為佳。 此外 , Mensah (1984) 則同時考慮公司的 38 種財務比率及其他總體變數 (如: 通貨膨脹率、利率、景氣循環及可用的信用額度) 等指標,利用因素分析法 (Factor Analysis)進行解釋變數之篩選,並同時利用多變量區別分析模式與 Logit 分析 模式,建立企業
13、失敗預警模型;結論為在相同的經濟情況下,不同的產業應運用 不同的預測模型,可有效增進模型的預測能力。 不同於 Mensah(1984)的結果,Bhargava, Dubelaar and Scott (1998)利用 Logit 模式進行零售業之預警模型之建立,該文認為就不同的產業別而言 (例如: 零售業與製造業) ,使用相同的預測模式,其結果並無統計上的差異;換言之, 該文建議就企業危機預警模式而言,可以同時涵蓋不同的公司與產業別。 Lo(1986)則認為就不同預警模式的配適能力而言,若樣本資料符合常態分 配,則多變量區別分析模式將較 Logit 區別分析模式有效率;但若資料不符合常 態分配
14、時,則 Logit 分析模式較多變量區別分析法模式為佳。故該文建議後續研 究者應先利用文中的 Hausman 檢定法,進行樣本型態的檢定。 7 值得一提的是 Cebenoyan, Cooperman and Register(1993)採用經由成本函 數所估算的無效率指標,加上不同地區之個人所得、資產總額等變數,利用 Logit 模式探討美國儲貸銀行經營失敗之研究;這是我們唯一發現一篇將經營效率納入 企業失敗預警模型的文獻。 另外,在財務危機預測中,學者大多使用財務比率作為模型的自變數,由於 財務比率資料多由會計報表中得到,受限於歷史成本原則,許多資產資料都由不 同年度的資料組成,而不同年度的
15、物價水準不一,但是大部分的學者並未對財務 報表進行調整;Mensah(1983)利用特定物價水準(Specific Price Level)來調 整財務報表中的會計資料,再運用調整後的資料建立預警模型,視其是否優於只 利用歷史資料所建立之模型,結果顯示並無法明顯改善模型預測能力。針對這一 點,國內由劉怡顯(1988)實證後發現,經過一般物價水準調整後之財務資料, 在財務危機預測方面 , 並不比傳統歷史成本的財務資料效果好 , 獲得一致的結論 。 最後,在國內相關文獻方面;陳明賢(1986)首度將 Probit 及 Logit 模型運 用於財務危機預測上,實證結果發現比國內同型研究在預測能力上有
16、較好之表 現。潘玉葉(1990)則透過檢定,發現台灣股票上市公司的財務比率大多不符合 常態分配之假設,在 20 種財務比率中,僅有營運資金百分比、負債比率、銷貨 毛利率及營業報酬率在 5 的顯著水準下符合常態分配,因此建議利用 Logit 模 式建立企業失敗的預警模型。 參、研究方法 8 一、企業經營效率之估計 本研究將採 translog 的生產函數進行效率指標之估算;而就效率指標而言, 我們將採用計量隨機邊界法(econometric stochastic frontier approach)進行隨機 生產函數之估計;由於資料型態屬於棋盤式資料(panel data) ,1因此我們將採用 Bettese and Collie(1995)之模型,進行參數及效率指標之估計。 一般 panel data 的模型設計大多根據 Aigner, Lovell and Schmidt(1977)的隨 機邊界模型予以延伸到時間序列而得: Ni Ttitititit uvxY 1,2.