祁新柏广才 【摘要】经济新常态下,创新已经成为影响中小企业生存的关键因素,文章基于创新视角,从中小企业板选取25家财务困境企业与25家财务正常企业作为研究样本,进行Logistic回归分析,结果证明,引入创新能力指标构建的财务危机预警模型,具有更高的预测准确率。 【中图分类号】F275【文献标识码】A【文章编号】10025812(2019)03004403 一、引言 我国中小企业数量庞大,已经成为支撑我国经济发展、承担社会责任的重要组成部分。当前的新常态经济强调经济增长的质量,经济增长从要素、投资驱动转向科技创新驱动。而中小企业规模小、控制资源少的特点,决定了其在行业竞争中所处于的劣势地位。中小企业的生存问题直接影响我国经济、社会的稳定。构建中小企业的财务危机预警模型,防范财务危机的发生,对保证中小企业的生存发展具有较强的现实意义。 财务危机预警分析包括定性分析与定量分析方法。定性分析方法主要有财务风险分析调查法、财务危机阶段分析法和管理评分法,定性分析方法缺乏量化手段,依赖分析者的主观判断,而财务危机预警定量分析可以弥补定性分析存在的缺陷。Altman(1968)〔1〕选择5个财务指标,建立Z评分模型对企业财务状况进行预测,Z评分模型分析要求财务数据服从正态分布假设,为克服模型不足,学者们又提出了Logistic模型和神经网络模型,余立凡、曾五一(2005)〔2〕以上市公司为研究对象,对财务指标进行因子分析,得到Logistic回归模型,杜英、王晓华、孙洪哲(2011)〔3〕应用神经网络对我国企业进行财务危机预警测试,都取得较高的预测精确效果。 经济新常态背景下,创新已经成为影响中小企业生存发展的关键因素,本文的创新点在于,基于创新视角在建立Logistic财务危机预警模型中,引入反映企业创新能力的财务与非财务指标。 二、中小企业财务危机预警模型设计 (一)Logistic回归法 由于财务指标与财务危机发生的概率是非线性关系,本文采用Logistic回归模型进行中小企业财务危机预警研究。Logistic回归函数是非线性函数模型,模型采用最大似然估计法求解参数,不要求多元正态分布和等协方差假设,自变量可以为虚拟值,中小企业财务危机预警Logistic模型形式如下: Ln〔pi(1pi)〕01X1i2X2ikXki(1) 式中,xki表示第k個财务指标,第i家中小企业,pi表示根据模型估计出第i家中小企业发生财务危机的概率,p取值范围在(0,1)之间,当p0。5时,判定该企业发生财务危机,p0。5时,则判定企业财务正常。 (二)研究样本选取与数据来源 由于我国中小企业存在财务不规范、会计信息失真的现象,参考国内外学者的研究方法,以中小企业板上市公司为研究对象。国内外学者对财务困境的定义存在分歧,国外学者界定财务困境为破产,而国内学者更倾向认为财务困境是企业财务状况发生恶化。本文参照国内学者的思路,将证券市场特别处理及首次发生亏损的企业作为财务困境企业〔4〕。故选择中小板非财务造假ST企业12家及2017年首次发生亏损的企业13家,作为财务困境企业;按11的比例从中小板企业非亏损企业中随机选择25家企业作为财务正常企业。 构建财务危机预警模型目的是为了防范财务危机的发生,本文所分析企业财务报表数据、财务困境企业选择发生亏损前一年财务报表数据、财务正常企业选择2017年财务报表数据均数据来源自中小板企业公开财务报表。财务困境企业与财务正常企业样本如下页表1所示。 (三)指标选取 创新是企业生存发展的源动力,但中小企业由于自身的特点,很少设立正式的研发部门进行项目研发。中小企业更倾向从外部取得创新成果,直接购买专利技术,表现为企业内部无形资产的增加、无形资产占企业总资产结构比例的增加,所以本文用无形资产增加额以及无形资产占总资产的比重这两个数据来反映中小企业的创新能力,其中无形资产增加额作为非财务指标。一般情况非财务指标多为定性指标,但定性指标衡量与评价中会加入过多主观因素,可以将非财务指标用定量指标表示。无形资产的增加额在计量上属财务指标,但无形资产增加额与企业创新能力是完全呈相关关系,无形资产增加额越大,直接说明企业创新能力越强,本文将无形资产增加额作为非财务指标。 本文基于创新视角构建中小企业财务预警模型,从企业偿债能力、经营能力、盈利能力、发展能力、获现能力和创新能力六个维度,初步选取20个财务指标与1个非财务指标,见表2。 (四)预警指标因子分析 1。KMO检验。进行因子分析需要确定选取指标是否适合做因子分析,本文首先对样本企业指标数据预处理,进行正态分布检验,初步指标筛选过程中剔除资产负债率(X4)、销售获现比率(X18),对筛选后的18个财务指标进行KMO和Bartlett检验,检验结果达到因子分析要求,表明指标间存在关联作用可以进行因子分析。 2。公共因子计算。表3为18个财务指标公共因子特征值、贡献率计算结果,可知7个公共因子,反映出18个财务指标81。842的信息量,特征值均大于1。本文选择7个公共因子作为财务指标的替代变量,分别记为F1、F2、F3、F4、F5、F6、F7。 3。因子载荷系数计算。下页表4为F1、F2、F3、F4、F5、F6、F7和18个财务指标原始变量间的载荷矩陈计算结果。 由下页表4可知,F1可以较好反映X5、X7、X9、X11、X12、X19财务指标信息,F2可以较好反映X15、X17财务指标信息,F3可以较好反映X1、X2财务指标信息,F4可以较好反映X6、X9财务指标信息,F5可以较好反映X10指标信息,F6可以较好反映X6、X14财务指标信息,F7可以较好反映X3财务指标信息。 三、基于logistic回归的中小企业财务危机预警模型实证 (一)基于纯财务指标的logistic模型 本文将中小企业是否陷入财务困境作为因变量,因变量取值为1,表示中小企业陷入财务困境,因变量取值为0,表示中小企业财务正常。采用SPSS21。0软件对50家公司财务指标数据进行Logistic回归,回归模型拟合优度检验,Loglikeihood似然值为29。398,CoxSnell统计量为0。550,Nagelkerke统计量为0。733,说明模型的拟合效果良好。在p0。05水平下,模型中因子F3、F6通过显著性检验,见表5。 根据表5各变量系数计算结果,财务危机预警模型计算式为: Ln〔p(1pi)〕0。8094。105F35。471F(2) (二)引入创新能力非财务指标的Logistic模型 在纯财务指标回归模型基础上,考虑非财务指标对模型的影响,引入中小企业创新能力的无形资產增加额指标Y1,运用SPSS21。0软件对50家公司财务指标数据进行Logistic回归,回归模型拟合优度检验,Loglikeihood似然值为15。034,CoxSnell统计量为0。662,Nagelkerke统计量为0。883,模型取得更好的拟合效果。在p0。05水平下,模型中因子F3、F6通过显著性检验,见表6。 根据表6各变量系数计算结果,财务危机预警模型计算式为: Ln〔p(1pi)〕0。2698。530F317。814F60。715Y(3) (三)结果分析比较 1。纯财务指标Logistic模型检验结果。采用纯财务指标建立Logistic回归模型,进行中小企业财务危机预警检验结果见表7,由表7可知,对财务困境企业和财务正常企业,纯财务指标回归模型财务危机预警的准确率分别是92和88。 2。引入创新能力非财务指标Logistic模型检验结果。在纯财务指标回归模型基础上,引入中小企业创新能力的非财务指标建立Logistic回归模型,进行中小企业财务危机预警检验结果见表8,由表8可知,对财务困境企业和财务正常企业,纯财务指标回归模型财务危机预警的准确率分别是96和94。 四、结论 本文选取了中小企业板50家企业作为研究对象,财务困境企业25家,财务正常企业25家。通过财务指标变量初筛选、KMO检验、公共因子及因子载荷系数计算等步骤,分别构建了纯财务指标和引入创新能力非财务指标的Logistic财务危机预警模型。结果表明,对财务困境企业和财务正常企业的预测,纯财务指标模型的准确率是92、88;而引入非财务指标模型的准确率为96、94,比较可知,引入创新能力非财务指标构建的Logistic财务危机预警模型,具有更高的预测准确率。J 【主要参考文献】 〔1〕AltmanEI。Financialratios,discriminateanalysisandthepredictionofcorporatebankruptcy〔J〕。JournalofFinance,1968,23(4):589609。 〔2〕余立凡,曾五一。上市公司财务危机预警的Logistic模型〔J〕。东南学术,2005,(2):110114。 〔3〕杜英,王晓华,孙洪哲。基于神经网络的企业财务危机预警模型研究〔J〕。会计之友,2011,(5):3942。 〔4〕李红梅,田景鲜。公司财务危机预警模型比较研究以A股制造业上市公司为例〔J〕。财会月刊,2013,(10):2529。 〔5〕孙静,王纯杰。企业财务预警模型的比较研究〔J〕。商业会计,2018,(07):112114。 【作者简介】 祁新,男,苏州大学金融学硕士,江苏大学管理学博士(在读);现任扬州科技学院(筹)经济贸易学院经济基础部主任,讲师,兼任扬州市商业会计学会常务理事;主要研究方向:公司财务。 柏广才,男,扬州科技学院(筹)国际交流学院院长,教授、会计师,兼任中国商业会计学会学术委员、江苏省商业会计学会常务理事、扬州市商业会计学会副会长、扬州市会计学会副秘书长;研究方向为财务管理和绩效评价。