基于多元统计分析的上市公司财务危机预警模型的研究论文

《基于多元统计分析的上市公司财务危机预警模型的研究论文》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于多元统计分析的上市公司财务危机预警模型的研究论文.freelan（1968）等学者使用常规财务指标作为预测模型的变量，Boritz（1999）区分出65个之多的财务指标，但是自Z模型（1968）发明后，还未出现更好的使用财务指标于预测模型的。针对在财务危机预警中财务指标选择的无序性，本文采用统计分析方法中显著性检验方法（T检验）对财务指标进行初次筛选。利用收集的样本数据资料对危机企业被ST前一年的数据进行显著性检验的结果如表1所示。从T检验的结果可以看出来，在危机发生的前一年有11个财务指标通过了显著性检验（以0.05为显著性水平），即X1、X2、X4、X12、X13、X

2、15、X17、X19、X22、X23、X27。因此我们以这11个指标作为第一次筛选的入选变量，以引入预警模型。3．利用主成分分析方法进行主成分分析。通过显著性检验，筛选出11个指标作为建模初选变量，然而这些变量彼此之间存在一定的相关性，因而使得所观测到的数据在一定程度上反映的信息有所重叠。而且变量较多时，在高维空间研究样本比较复杂，势必增加研究问题的复杂性。因此本文利用主成分分析法进行第二次筛选，剔出其中相关性较强的指标，以使模型更加精简。而主成分就是考察从多个变量中提取较少的综合变量，而这几个较少的综合变量又能尽可能多的反映原来变量的信息，并且彼此之间互不相关的一种降维的多

3、元统计方法，此法不受变量多少的影响，又不同于回归分析法及聚类分析法，因而确定吸收原来所有指标的总信息量最多的第一主成分，其次为第二主成分。若有N个指标则可得到N个主成分，但只有贡献率大的前面几个主成分有说明的意义。主成分分析法的步骤如下：（1）对财务指标的观测值进行标准化处理。因为不同的财务指标变量有不同的量纲，而通过∑来求主成分总是优先考虑方差大的变量，有时会造成很不合理的结果，为了消除由于量纲的不同而带来的一些不合理的影响，将对收集的原始数据进行标准化处理，使其平均为零，方差取1。（2）利用标准化的数据计算指标间相关系数矩阵R。（3）按其相关矩阵计算求解相关系数矩阵的特征

4、值和特征向量、贡献率及累积贡献率。4．财务危机预警模型的建立。对90家上市公司的样本分别计算上述11个指标的值。然后利用SPSS软件将样本原始数据进行标准化处理，再计算主成分的特征值和贡献率。本文按特征值由大到小排序选取前八个成分，如表2。从表2中可以看出，前六个主成分对总体变量的累积贡献率为86.1%，按照86.1%的累积贡献率取得六个主成分便基本上可以反应原来11个指标所包含的全部信息。为了对这六个主成分因子进行解释，本文使用正交旋转法中最大方差法进行转换建立因子载荷矩阵，如表3。通过旋转后各因子在各指标上的负荷量呈明显的两极分化趋势，一边趋近1，一边趋近0。根据因子载荷

5、矩阵说明各因子在各个变量上的负载，即影响程度。在主成分分析中，一般认为绝对值大于0.3的负荷就是显著的。我们把计算结果中负荷值大于0.3的变量界定为与主成分显著相关的变量。第一个主成分Z1中，X1和X4的因子载荷量远大于其他因子的载荷量，Z1主要包含了前三个盈利指标的信息，反应了公司的盈利情况，说明公司的盈利能力是一个重要的指标。说明企业持有资产的持续报酬率越高，企业发生财务危机的可能性就越小。同理Z2主要由资产负债比指标解释，故其表示的是企业的偿债能力。主成分Z3中的支配变量为总资产增长率，因此主成分Z3可以解释为成长因子。在建立模型前，需要先对财务指标变量分配进行常态性检

6、验，以W统计量进行常态性检验，其检定常态假设之准则为：若W