研究概述

財(cái)務(wù)危機(jī)(Financial crisis)又稱財(cái)務(wù)困境(Financial distress)，是指企業(yè)由于營(yíng)銷、決策或不可抗拒因素的影響，使經(jīng)營(yíng)循環(huán)和財(cái)務(wù)循環(huán)無(wú)法正常持續(xù)或陷于停滯的狀態(tài)，具體表現(xiàn)包括持續(xù)性虧損、無(wú)償付能力、違約和破產(chǎn)等。

研究意義

財(cái)務(wù)危機(jī)將給投資者、債權(quán)人以及銀行等金融機(jī)構(gòu)帶來(lái)風(fēng)險(xiǎn)，所以他們都希望在投資決策時(shí)就能得到關(guān)于財(cái)務(wù)危機(jī)的警示。財(cái)務(wù)危機(jī)給企業(yè)和社會(huì)帶來(lái)了嚴(yán)重的影響，適時(shí)、準(zhǔn)確地對(duì)企業(yè)財(cái)務(wù)危機(jī)進(jìn)行預(yù)測(cè)分析是市場(chǎng)競(jìng)爭(zhēng)機(jī)制的客觀要求。因此利用相關(guān)信息構(gòu)建有效的財(cái)務(wù)危機(jī)預(yù)警模型，獲得上市公司財(cái)務(wù)狀況惡化的預(yù)警信號(hào)，對(duì)于投資者、債權(quán)人、經(jīng)營(yíng)者以及監(jiān)管者等諸多方面都具有重要的現(xiàn)實(shí)意義。

判別分析

判別分析方法是英國(guó)統(tǒng)計(jì)學(xué)家Fisher最先建立的一種統(tǒng)計(jì)方法。在財(cái)務(wù)危機(jī)預(yù)測(cè)研究中，該方法使用多個(gè)變量進(jìn)行判定分析，是多元統(tǒng)計(jì)分析中用于判別樣本所屬類型的一種統(tǒng)計(jì)方法。判別分析模型主要解決的問(wèn)題是，在已知某些研究對(duì)象的分類情況后，再利用這些已知類別的樣本生成一種判別標(biāo)準(zhǔn)，用以確定新的樣本屬于已知類別中的哪一類。兩分類判別分析模型的思想，是通過(guò)將多維數(shù)據(jù)投影到某個(gè)方向上，投影的原則是將類與類盡可能地分開，然后再選擇合適的判別規(guī)則，將待判的樣品進(jìn)行分類判別。

數(shù)據(jù)來(lái)源

打開數(shù)據(jù)概覽如下所示：

依次單擊菜單“分析—分類—判別式”執(zhí)行判別分析過(guò)程。選擇分組變量及自變量，并定義分組變量的范圍是0到1。

單擊統(tǒng)計(jì)量按鈕，依次勾選如下三個(gè)復(fù)選框：博克斯(協(xié)方差檢驗(yàn))、費(fèi)希爾(判別系數(shù))、未標(biāo)準(zhǔn)化。點(diǎn)擊“繼續(xù)按鈕”返回主面板。

單擊“方法”按鈕，依次勾選如下三個(gè)復(fù)選框：威爾克(判別統(tǒng)計(jì)量)、使用F的概率、步驟摘要(輸出選項(xiàng))，單擊“繼續(xù)”按鈕返回主面板。

單擊“分類”按鈕，依次勾選根據(jù)組大小計(jì)算、分組、摘要表(分類結(jié)果摘要)，單擊“繼續(xù)”按鈕返回主面板。

設(shè)置完畢后，點(diǎn)擊確定，生成結(jié)果。

結(jié)果分析

“分類案例處理摘要”表格給出參與分析的數(shù)據(jù)信息，有效案例為185例，無(wú)缺失數(shù)據(jù)。

典型判別函數(shù)的檢驗(yàn)。由于只有一個(gè)典型判別函數(shù)，所以它解釋了所有的變異，并記錄在了“特征值”表格里。而Wilks'Lambda檢驗(yàn)的Sig遠(yuǎn)小于0.01，表示這個(gè)判別函數(shù)的判別作用是顯著成立的。

變量選擇過(guò)程的輸出。給出了變量篩選的過(guò)程，在第1步加入了資產(chǎn)收益率變量，在第5步加入了總資產(chǎn)變量，并且每一步的wilks'Lambda檢驗(yàn)都很顯著(Sig值均遠(yuǎn)小于0.01)，這說(shuō)明每一步加入的變量對(duì)正確判斷分類都是有顯著作用的。

標(biāo)準(zhǔn)化的典型判別系數(shù)。“系數(shù)”表格輸出的是判別函數(shù)中各個(gè)變量的標(biāo)準(zhǔn)化系數(shù)，由此可以判斷各函數(shù)主要受哪些變量的影響。“結(jié)構(gòu)矩陣”表格給出的是判別變量和標(biāo)準(zhǔn)化判別函數(shù)之間的相關(guān)性數(shù)據(jù)，同樣可以用來(lái)判斷判別函數(shù)受哪些變量的影響較大。綜合這兩個(gè)表格的數(shù)據(jù)，認(rèn)為此判別函數(shù)與資產(chǎn)收益率、存貨流動(dòng)負(fù)債比率、總資產(chǎn)的相關(guān)性較大。

Fisher判別系數(shù)。使用典型判別系數(shù)(標(biāo)準(zhǔn)化的或未標(biāo)準(zhǔn)化的)時(shí)，對(duì)每個(gè)觀測(cè)先要計(jì)算出平面(或直線)坐標(biāo)值，然后比較與類別重心的距離，再進(jìn)行判別歸類。相比而言，使用Fisher判別函數(shù)就要簡(jiǎn)單得多，對(duì)每個(gè)觀測(cè)直接利用Fisher判別函數(shù)計(jì)算其屬于各類的得分，并把此觀測(cè)歸入得分最高的一個(gè)類別即可。

最終判別的結(jié)果總結(jié)表。“分類結(jié)果”表格給出了典型判別函數(shù)的判別效果。首先，此判別模型對(duì)所有案例的分類準(zhǔn)確率達(dá)到了93%，初始模型的92.4%的分類準(zhǔn)確率有所提高，由此說(shuō)明使用Separate-groups選項(xiàng)還是較為合理的；其次，93%的判斷準(zhǔn)確率也是比較高的，說(shuō)明此判別分析模型能很好的用來(lái)預(yù)測(cè)上市公司的財(cái)務(wù)預(yù)警問(wèn)題。

具體看來(lái)，原始數(shù)據(jù)里未ST的159家公司，經(jīng)過(guò)模型判別有156家(98.1%)仍判定為未ST的；原始數(shù)據(jù)里的首ST的26家公司，經(jīng)過(guò)模型判別有16家(61.5%)仍判定為首ST的，有10家首ST公司的財(cái)務(wù)狀況預(yù)測(cè)錯(cuò)誤。從后驗(yàn)概率的角度看，預(yù)測(cè)出19家財(cái)務(wù)危機(jī)預(yù)警的上市公司里，有16家(84.2%)是真的發(fā)生了財(cái)務(wù)危機(jī)。

總結(jié)

以上是生活随笔為你收集整理的单变量和多变量财务预警模型_SPSS数据分析，基于判别分析上市公司财务危机预警分析...的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。