基于logit 模型的农业上市公司财务困境预警研究

（四川农业大学 四川成都 611130）

笔者通过研究发现，在我国46家农业上市公司中，有14家曾经或正陷入财务困境，比率高达21.88%。农业上市公司持续健康发展面临很多问题，导致农业资本市场的资源配置效率降低，而目前研究领域对上市公司财务危机预警的理论和实证研究比较多，但专门研究农业上市公司财务危机预警方法的却不多见，而且针对农业上市公司财务危机预警的研究虽然取得一定成果，但在实际应用中的成效并不十分理想。因此，进一步探讨如何建立适合我国农业上市公司的财务困境预警方法显得十分必要。

一、文献综述

（一）预警指标的选择

目前财务困境预警的研究主要包括财务困境界定、预警指标的选择和预警模型的建立三个方面。国内外学者们研究财务困境预警时所采用的指标大体上可以分为定性、定性和定量相结合两种选择方法。定性的指标选择主要依赖于学者自己的专业知识以及其对财务困境和财务指标内涵的分析，主观性较强。而定性和定量相结合这种选择方法在主观选择的基础上利用统计学的方法进行筛选，近年来受到了更多学者的青睐，如梁琪（2005）运用主成分分析，将反映企业财务状况的24个指标浓缩为6个主成分，并以此为变量构建回归模型。

（二）预警模型的建立

企业财务预警模型一直在不断的改进和创新，常见的有一元判定模型、多元判定模型、多元逻辑回归模型、多元概率比回归模型、人工网络模型和联合预警模型六类。我国财务困境预警研究较国外起步较晚，学者们大多通过引进国外先进方法并对其进行改进。吴世农和黄世忠（1986）开创了我国财务困境预测的先河，分析了财务指标在破产预测中的作用并介绍了Fisher判别分析的应用方法。吴世农和卢贤义 （2001）运用Fisher线性判定、多元线性回归和回归分析，建立了主板市场ST公司的财务预警模型。此后，模型在我国财务困境预警研究领域得到许多学者的青睐，对于该模型的改进也在不断深入。如鲜向铎和向锐（2007）建立了财务困境预测的混合模型。

二、研究方法和研究样本

国内比较流行的是运用模型进行财务预警，其较高的预测准确性在以往的研究中得到了证明，因而本文基于模型对农业上市公司进行财务困境预警，以2011年的数据为预测研究数据并用此期间公司的财务状况检验模型预测的准确性。最后在2012年数据的基础上，预测目前可能发生财务困境的农业上市公司。

由于ST公司的标准能够反映企业盈利能力的恶化和自有资本的消蚀，即真实偿债能力的下降，并且特别处理是一个客观发生的事件，有很高的可度量性，因此本文沿用国内学者普遍采用的做法，即选取ST企业作为财务困境样本企业。Zmijewski曾指出，当财务困境公司在样本中所占的比重接近真实比重时能够减少估计误差。因此本文根据证监会行业分类指引，选取全体A类上市公司作为研究样本，数据来源于CSMAR数据库。为了减少缺失值的影响，本文剔除了在此期间退市和新上市的公司。

三、实证分析

（一）指标筛选

通过对两种财务指标的分析可知，定性指标选择法主观性较强，获得的财务指标体系虽然财务含义清晰，但往往建模预测效果欠佳。定性和定量结合的方法克服了上述主观性较强的缺点，通过设计的可分性度量寻找具有高信息含量的输入特征，理论上更为科学，建模预测的实际效果也更佳，故本文在选取财务指标时采用此种方法。本文选择企业盈利能力、偿债能力、营运能力、发展能力、股东获利能力、现金流量、风险水平等八个方面选择指标，结合有关学者的研究，在剔除掉缺失值较多的指标之后，初步选了115个财务指标。

1.指标正态性及差异度检验。首先运用SPSS 20.0对指标进行Kolmogorov-Smirnov检验，结果显示74个指标通过检验，符合正态分布。为了进一步验证指标是否具有统计意义，即指标在ST公司和非ST公司之间是否具有显著差异，本文进一步对符合正态分布的指标进行独立样本T检验，结果表明两类企业之间具有显著差异的指标有16个，分别是销售收到现金比率、每股留存收益、留存收益资产比、每股筹资活动现金净流量、每股未分配利润、全部资产现金回收率、每股经营活动现金净流量、息税前利润、应收账款周转天数、市销率、息前税后利润、财务费用率、存货与收入比、息税折旧摊销前利润、管理费用率、每股营业收入，对前面未能通过K-S检验的41个指标进行Mann-Whitney U检验，发现营运资金对净资产总额比率、净资产收益率增长率、营运指数和负债与权益市价比率等4个指标存在着明显区分度。

2.指标相关性检验。原先115个指标经过上面三步的筛选余下的20个指标不能直接代入方程，因为它们之间相关程度较高，直接进行分析不仅会因多重共线性对模型预测产生影响，也较为复杂。在经过KMO统计量和Bartletts球形检验后，得到KMO值为0.327，小于0.5，因此不适用于主成分分析。因此本文改用简单相关性分析，将相关系数限定在0.5之内，排除那些相关性较强的指标，防止多重共线性对模型的干扰。

经过相关性分析发现现金比率、息税前利润、存货与收入比、息税折旧摊销前利润、每股营业收入、负债与权益市价比率几个指标直接存在较强的相关性，因而将其剔除。再用Eveiws6.0对变量进行异方差检验和显著性检验之后，最终将变量留存收益资产比、每股未分配利润、每股留存收益、全部资产现金回收率、每股经营活动现金净流量、应收账款周转天数、营运资金对净资产总额比率、营运指数等八个指标纳入预测模型，分别将其命名为 X1、X2、X3、X4、X5、X6、X7和 X8。

（二）财务困境预警模型分析

利用多元回归方法分析变量之间关系或进行预测时的一个基本要求是：被解释变量应该是连续定距型变量。然而，实际应用中这种要求未必都能够得到很好的满足。在数据分析的应用中，尤其是在社会科学研究中，有时会出现被解释变量是0-1二值品质型变量的情况，即因变量只取0或1。在这种情况下，就要应用函数进行变量估计。

通常，运用多元回归对变量进行研究分析或是进行预测时会要求被解释变量应该是连续的定距型的变量。但是在实践中，尤其是社科类的研究中，常常会发生违背这种假设的情况。比如虚拟变量，即0-1变量作为因变量的情况。此时，就需要建立logit回归模型。

yi=1表示某个事件发生，yi=0表示该事件不发生，P表示自变量为Xi时该事件发生的概率，即yi=1的概率。由于logit模型不满足一般的多元线性回归分析的前提假设，因而采用极大似然估计对模型的参数进行估计。

本文的研究正好符合logit分布的特点，因此建立logit预测模型。若i上市公司处于ST状态，令yi=1，反之则令yi=0。则上市公司被特殊处理的概率为P1，得到logit预测模型的函数形式 pi=E（yi|xi）=F（Xi，βi），其中 k 维行向量 βi=（β1i，β2i…βki）表示各个变量的决定系数；β0表示模型的截距；k维列向量 X1i=（X1i，X2i…Xki）T表示被选入的各个财务指标。

运用SPSS 20.0的Binary Logistic回归对37家农业上市公司2011年的数据对模型进行拟合，计算结果如表1所示。

表1 回归结果

（三）预警模型的检验及预测

将2011年的数据代回预警模型，由于本文是选取全体农业上市公司为样本，而不是一般学者采用的1∶1的比例，经过本文的多次尝试，在同时保证第一类错误和第二类错误发生概率基本相同且具有较高的预测精度的前提下，选择以0.3为最佳判定点而不是大多数论文所采用的0.5的分界点。

对得到的P值进行判定，若P＞0.3就判定公司发生财务困境，反之则认为公司财务状况正常。其检验结果如表2所示。

表2 检验预测结果

由表2可以看出，预警模型的综合预测准确率达到了97.3%，说明本文建立的模型有一定的可靠性和准确性。

同样以0.3为最佳判定点，将2012年的财务数据代回建立的预警模型，剔除P值小于0.3的企业，得到7家目前可能发生财务困境的农业上市公司及其概率，logit模型预测结果：公司名称及财务困境概率p分别为：中福实业0.54、永安林业 0.33、绿大地 0.64、中鲁 B0.59、*ST 景谷 0.98、新农开发 0.87、香梨股份 0.67。

四、结论与建议

在上面预测结果中值得注意的是，永安林业（P=0.33）以前未被特殊处理过，据永安林业称，受林业政策的影响，公司2013年砍伐面积指标同比上年下降31.89%；另因木材行情不断走低，木材价格持续下滑，公司全年完成木材销售9.27万立方米，同比上年下降10.09%。公司同时还披露业绩预告，预计2014年一季度亏损550万元至1100万元，上年同期公司亏损162.84万元。公司称今年第一季度亏损的主要原因为木材限伐政策仍在执行中，木材产量持续减少，木质原料收购成本居高不下，虽然永安林业不是ST公司，但其面临财务困境的可能性较大，这值得我们注意。

由于农业投资周期长、风险大、收益低的特点，且容易受到气候变化、经济形势以及国家政策等多重因素的影响，农业上市公司面临的财务风险较高。公司应根据自身特点，建立适用于本企业的财务预警模型，结合非定量的方法进行分析，提早采取措施避免财务危机的恶化。同时建立健全风险防控机制，提高企业应对财务困境的能力，规避财务风险。这有助于农业上市公司的可持续经营，有利于农业龙头企业发挥模范带头作用，从而促进农业和整个国民经济的健康发展。