薛靖峰

摘 要 中小企業(yè)對國民經(jīng)濟的發(fā)展具有深遠的影響，但是，中小企業(yè)融資難等方面的缺陷加大了中小企業(yè)財務(wù)危機發(fā)生的幾率。本文選取了17個中小型上市企業(yè)為樣本，從償債、營運、盈利和發(fā)展能力四個方面選取15個財務(wù)指標(biāo)，首先對其進行KMO和Bartlett檢驗，其次利用SPSS20.0，采用主成分分析法提取5個公因子，并用該因子建立Logistic回歸模型，最后選取45個外企作為樣本對模型進行檢驗，為中小企業(yè)的投資者和管理者提供預(yù)警模型，以提高其安全性。

關(guān)鍵詞 財務(wù)危機 主成分分析法 Logistic回歸模型

中圖分類號：F275 文獻標(biāo)識碼：A DOI：10.16400/j.cnki.kjdkx.2016.08.067

Abstract Small and medium-sized enterprises have a far-reaching impact on the development of the national economy. However， the defects of the financing difficulties of small and medium-sized enterprises have increased the probability of the financial crisis. This paper selects 17 small and medium-sized listed companies as a sample， from the debt， operation， profitability and development capacity of four aspects of selected 15 financial indicators， first of all the were kmo and Bartlett test， followed by the use of spss20.0， five common factors were extracted by the method of principal component analysis and the factor logistic regression model was established， and finally selects 45 foreign as the sample of the model inspection， provide the early warning model for the investors and managers of small and medium-sized enterprises， to improve their safety.

Key words financial crisis； principal component analysis； Logistic regression model

0 引言

近年來，中小企業(yè)有了較快的發(fā)展。但是，在發(fā)展過程中最大的問題是市場需求不足、缺乏核心競爭力，同時還存在融資困難、財務(wù)制度不健全以及風(fēng)險防范意識淡薄等缺陷，這些問題不僅成為制約中小企業(yè)結(jié)構(gòu)調(diào)整、產(chǎn)業(yè)升級的最根本原因，同時也增加了中小企業(yè)破產(chǎn)的概率。因此，針對中小企業(yè)建立一套適用的財務(wù)危機預(yù)警機制對防范危機尤為重要。

1 研究方法

1.1 中小企業(yè)預(yù)警指標(biāo)的選取

結(jié)合我國中小企業(yè)目前發(fā)展現(xiàn)狀，本文選取的預(yù)警指標(biāo)主要包括四個方面：

（1）償債能力：流動比率（），速動比率（），現(xiàn)金比率（），資產(chǎn)負債率（），利息保障倍數(shù)（）；（2）營運能力：流動資產(chǎn)周轉(zhuǎn)率（），存貨周轉(zhuǎn)率（），應(yīng)收帳款周轉(zhuǎn)率（），總資產(chǎn)周轉(zhuǎn)率（）；（3）盈利能力：銷售毛利率（），銷售凈利率（），凈資產(chǎn)收益率（），總資產(chǎn)報酬率（）；（4）發(fā)展能力：總資產(chǎn)增長率（），凈利潤增長率（）。

1.2 主成分分析

主成分分析法考慮各指標(biāo)間的相互關(guān)系，采用降維的方法將原有的多維變量由少數(shù)彼此獨立的綜合指標(biāo)來替代進行分析，并從中挑選出幾個重要的指標(biāo)進行評價，以便于更加深刻地揭示事物的內(nèi)在規(guī)律。

1.3 Logistic回歸分析

Logistic回歸分析是建立在累積概率函數(shù)的基礎(chǔ)上，運用最大似然估計來尋找觀察對象的條件概率，進而對觀察對象的財務(wù)狀況和經(jīng)營風(fēng)險進行預(yù)測。Logistic回歸模型為：

=

= + + + … + = （）

其中，為常數(shù)項，（ = 1，2，3，...，）為回歸系數(shù)。

2 結(jié)果與分析

2.1 數(shù)據(jù)來源

本研究數(shù)據(jù)來源于新浪財經(jīng)網(wǎng)站。

2.2 數(shù)據(jù)處理與計算

2.2.1 KMO和Bartlett檢驗

將選取的15個指標(biāo)變量進行KMO和Bartlett檢驗，結(jié)果如下：

由表1可知：KMO檢驗結(jié)果為0.568，符合其采用的標(biāo)準(zhǔn)，且Bartlett檢驗的顯著性為0.000，因此所選取的指標(biāo)數(shù)值適用于主成分分析。

2.2.2 確定主成分

計算標(biāo)準(zhǔn)矩陣的相關(guān)陣R的特征值、方差貢獻率和累計貢獻率（表2）。

由表2可知：前5個特征值大于1，且累計貢獻率達到96.759%，表明這5個因子可以反映15個財務(wù)指標(biāo)的大部分信息。因而，本文用這5個公因子來表示原始的15個財務(wù)指標(biāo)。

2.2.3 構(gòu)建因子模型

將初始因子載荷矩陣表中每一列值分別除以特征值的開方，得出每一個特征值對應(yīng)的特征向量，即因子得分系數(shù)。

根據(jù)因子得分系數(shù)表，寫出前5個主成分的計算模型：

2.2.5 模型的檢驗

由表4可知：本文主要選取的45個樣本中32個財務(wù)良好企業(yè)，正確判斷28個，準(zhǔn)確率為87%；13個財務(wù)危機企業(yè)，正確判斷9，準(zhǔn)確率為69%；總體判斷準(zhǔn)確率為79.6%。

2.3 計算結(jié)果分析

（1）本文選擇了能較為全面反映企業(yè)信息且具有動態(tài)性、可行性以及代表性的指標(biāo)，并對選擇的指標(biāo)進行了科學(xué)的篩選，從而使信息量的流失最小。（2）本文分析比較所建立的兩種預(yù)警模型，結(jié)果發(fā)現(xiàn)，建立的綜合模型預(yù)測精度更高。

3 建議與展望

本文采用主成分分析法提取的主因子構(gòu)建Logistic回歸分析模型。但在實際應(yīng)用時，仍存在不足，可從以下方面進行完善：（1）在擴大選取的樣本規(guī)模時，應(yīng)權(quán)衡上市和非上市二者的比重，做到更加合理、全面，以便提高預(yù)警模型的準(zhǔn)確度。（2）更廣泛的非財務(wù)指標(biāo)被添加到預(yù)警模型以進一步提高預(yù)警模型預(yù)測的精確度。

參考文獻

[1] 張鵬，劉永波，李明.基于C&R樹的上市公司財務(wù)危機預(yù)警研究[J].會計之友，2015：135-142.

[2] 劉義龍，郝青，李松.上市公司財務(wù)預(yù)警指標(biāo)體系的構(gòu)建——綜合考慮財務(wù)指標(biāo)和非財務(wù)指標(biāo).河北軟件職業(yè)技術(shù)學(xué)院學(xué)報，2015：10-18.

[3] 崔德志.非金融企業(yè)流動性風(fēng)險預(yù)警研究.福建行政學(xué)院學(xué)報，2012：89-100.