上市公司财务危机预警研究(2) 模型回归方程为： In［pt／(1-pt)］=0.275-0.546*X1+0.0002*X2+0.030*X3-0.010*X4-0.167*X5-4*X6（1） 其中X1是净资产收益率，X2为主营业务利润率，X3为资产负债率，X4为利息倍数，X5为应收账款周转率，X6为总资产周转率但只有净资产收益率的系数通过显著性检验对其他变量的系数的显著性做Wald联合零检验，结果如下： Test Statistic Value df Probability F-statistic 1.154389 (6，74) 0.3400 Chi-square 6.926337 6 0.3277 相伴概率均大于5%，原假设通过检验，说明除了净资产收益率外，其他的变量不起解释作用即净资产收益率作为最重要的财务指标之一对财务状况有较好的预测能力，它涵盖了其他财务指标的信息，这跟刘国光、王慧敏和张兵(2005)的研究结论不同，但与王宏炜(2004)的结论一致另外，单独以净资产收益率为解释变量的模型判别率比单独以资产净利率为解释变量的模型判别率高，同时，本文还检验了其他指标的组合模型，包括已获利息倍数与总资产周转率、主营业务利润率与总资产周转率、已获利息倍数与主营业务利润率、已获利息倍数与总资产周转率与主营业务利润率等。
但无论拟合度还是判别正确率都不如以净资产收益率为单独自变量的模型好，这说明模型的构建并不是指标越多越好，指标变多不仅使模型变得复杂，而且指标间的相关性将影响模型的有效性和预测能力因此，模型财务指标最终选择净资产收益率回归结果如下： In［pi/(1-pi)］=-0.6949958985*ROE+0.4648624725（2） 模型判别正确率结果如下表： 公司类型 危机公司 正常公司 总样本 判别正确率 92.868 0.95 86.90 结果表明模型对危机公司的判别正确率高达92.86%，均大于由多指标模型的判别结果，刘国光、王慧敏和张兵(2005)的判别正确率为75.5%，张鸣和程涛(2005)的判别正确率为86.7%，王宏炜(2004)的判别正确率为91.11%；对正常公司的判别正确率达80.95%，低于刘国光、王慧敏和张兵(2005)的96%和王宏炜(2004)的93.3%，与张鸣和程涛(2005)的结果差不多；对于总样本的判别率为86.90%，与其他研究结果几乎相同 对模型的拟合优度评价如下表： H-L Statistic： 15.4012 Prob.Chi-Sq(8) 0.0318 Andrews Statistic：26.1328 Prob.Chi-Sq(10) 0.0036 结果表明模型的拟合相当不错，在95%的置信水平上模型通过拟合优度检验。
模型总体效果很不错 三、结论及后续研究 本文以ST执行期在2003、2004和2005年的上海交易所ST公司和其配对的非ST公司为样本，通过对样本数据财务指标，运用logistic回归构建财务预警模型结果发现，单纯以净资产收益率为解释变量的预警模型无论在判别正确率，还是在拟合优度层面都要好于指标组合模型结论可以归纳为： 1.在指标的选择上，单自变量logistic回归表明，只有净资产收益率、资产净利率、主营业务利润率、已获利息倍数、资产负债率、应收账款周转率和总资产周转率具有解释能力，但根据相关性分析本文选择六个指标建立组合模型 2.组合模型回归系数中除了净资产收益率外，其他系数均不显著单独以净资产收益率为解释变量的模型具有很好的判别效果这表明净资产收益率几乎涵盖了其他指标的信息 3.单自变量的logit模型的判别正确率并不比其他学者所构建的指标组合模型差，表明建模指标并不是越多越好，相反指标增多不仅使模型变得复杂，而且自变量相关性或共线性问题的存在将使模型的判别效果和预测效果变得更差 模型的结论具有重要的理论和实践意义但是财务指标始终是静态的、事后的许多研究表明财务指标具有滞后性，基于财务比率指标的模型是静态的，不能动态反映企业的信用状况变化情况。
考虑连续动态的模型将是未来研究的重点后续研究包括考察企业的现金流因素；结合信用风险结构模型中的违约距离因素建立新的动态的危机预警模型等 Reference： ［1］刘国光，王慧敏，张兵.考虑违约距离的上市公司预警模型研究［J］.财经研究，2005(11)：59-68 ［2］张鸣，程涛.上市公司财务预警实证研究的动态视角［J］.财经研究，2005(1)：62-71 ［3］龚小君，王光华.我国财务预警研究的回顾与展望［J］.经济学，2005(2)：186-188 ［4］马喜德.上市公司财务困境预测模型比较研究［J］.经济师，2005(3)：180-181 -全文完-。