经营效率与企业危机相关性研究

《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.