论文部分内容阅读
摘要：本文建立了基于面板logit模型的上市公司财务困境动态分析模型，以装备制造业上市公司为例，根据2000—2009年的财务数据进行了实证分析。结果显示，速动比率、总资产增长率、营业毛利率、债务保障率和固定资产周转率是影响公司发生财务困境的重要因素。
关键词：面板logit模型；财务困境；装备制造业
作者简介：刘芳（1983-），湖南岳阳人，上海电机学院商学院讲师。
中图分类号：F224.0 文献标识码：A doi:10.3969/j.issn.1672-3309（x）.2011.09.34 文章编号：1672-3309（2011）09-80-03
随着全球经济一体化进程的加快和我国市场经济体制改革的深化，我国企业面临的生存环境竞争性在不断加剧。从微观上来看，在激烈的市场竞争中，如果企业经营或管理过程中出现的问题得不到有效控制与及时解决，容易致使企业步入财务困境的被动局面，进而导致企业遭受破产的威胁。从宏观上来看，如果企业的财务危机问题得不到妥善处理，在全球经济融合日益密切的背景下，可能会诱发“蝴蝶效应”，将企业层次的风险危机扩大至行业层面、国家范围，甚至是全球领域。装备制造业是我国国民经济中的基础性、战略性及支柱性产业，具有产业关联度高、经济拉动力大及就业吸纳力强的先天优势，早在1998年中央经济工作会议中就提出要“大力发展装备制造业”。因此，对装备制造业企业财务困境进行实证分析，无论对于宏观政府层面、中观行业层面还是微观企业层面，都具有十分重要的现实意义。
鉴于此，本文以装备制造业的上市公司为研究对象，对装备制造业上市公司进行了财务困境的实证分析。考虑到以往的财务困境实证分析方法大多未摆脱静态分析的局限性，本文建立了基于面板logit模型的上市公司财务困境动态分析模型，以期为装备制造业上市公司进行财务风险管理提供有益的借鉴。
一、财务困境的界定
如何界定财务困境是进行财务困境实证分析要解决的首要问题，国内外学术界对财务困境的界定尚未形成权威的公认标准。国外较具代表性的观点有：Beaver（1966）认为，企业若发生诸如债券违约、银行透支、未支付优先股股利或破产事件均可视为发生财务困境；Blum（1974）认为，财务困境是指企业无力偿还到期债务，进入破产程序或与债权人协商减少债务的事件。国内大多数学者将财务困境界定为因财务状况异常而被“特别处理”（ST），如陈静（1999）、吴世农、卢贤义（2001）等。本文采取国内研究常用的做法，将“特别处理”作为上市公司陷入财务困境的标志。
二、财务困境分析模型变量的选取
综合考虑国内外与财务困境有关的研究中常用的财务指标，结合资料的可得性和完整性，初步确定了反映偿债能力、成长能力、盈利能力、现金流量能力、营运能力等5个方面30个财务指标作为备选变量。
偿债能力的衡量指标包括：资产负债率X1、权益对负债比率X2、流动负债比率X3、长期负债比率X4、流动比率X5、速动比率X6、保守速动比率X7、现金比率X8；成长能力的衡量指标包括：总资产增长率X9、营业收入增长率X10；盈利能力的衡量指标包括：营业利润率X11、营业毛利率X12、销售净利率X13、资产报酬率X14、总资产净利润率X15、投入资本回报率X16、成本费用利润率X17；现金流量能力的衡量指标包括：现金流量比率X18、债务保障率X19、全部资产现金回收率X20、现金再投资比率X21、每股经营活动现金净流量X22、每股现金净流量X23；营运能力的衡量指标包括：资本密集度X24、应收账款周转率X25、存货周转率X26、流动资产周转率X27、固定资产周转率X28、总资产周转率X29、股东权益周转率X30。
在诸多备选财务指标中，存在部分财务指标在ST公司与非ST公司之间没有显著差异的问题，这将使得财务困境分析模型的科学性大打折扣，因此有必要检验各项财务指标的均值在ST公司与非ST公司之间是否存在显著差异。对财务指标均值的差异检验要视财务变量的分布而定，若财务变量服从正态分布，则财务指标的均值差异检验可使用T检验法，若财务变量不服从正态分布，则财务指标的差异检验须采用非参数检验法。
三、财务困境分析模型的构建
根据本文对财务困境的界定，若公司i在时间t处于ST状态，则yit=1，反之则yit=0，则公司i在时间t被ST的概率为pit，进而pit可表示为解释变量的函数形式pit=P(yit=1)=E(yit|xit)=F(xit')。在线性概率模型中，F(xit')=xit'，则可通过常规的处理面板数据的方法进行建模。但xit的定义域通常为实数域，则yit'的估计值不一定介于0到1之间，有可能超出其定义域的范围。为解决此问题，可采用logistic或正态累积分布函数使F(xit')限定在0到1的范围内变动，与这两种概率函数对应的变换成为logit变换和probit变换，相应的模型为面板logit模型和面板probit模型。由于面板probit模型适用的条件为随机误差项服从正态分布，而面板logit模型则不受此条件约束，因此本文选择面板logit模型作为财务困境分析模型。
面板logit模型分为固定效应面板logit模型与随机效应面板logit模型两种情况。
当个体效应i是固定效应时，对于固定效应面板logit模型
其中i和是未知参数。
对于固定的T，随着N的增加，待估参数i也增加，则对于固定的T，i的极大似然估计不再是一致的，存在“伴随参数问题”。解决“伴随参数问题”的常见方法是求出i的最小充分统计量。对于固定效应面板logit模型，Chamberlain（1980）找出i的一个最小充分统计量为yit，因此，Chamberlain建议可通过极大化条件似然函数P(yi1,…yiT|yit)得到的条件极大似然估计。
当个体效应i是随机效应时，仍可用固定效应情况下的条件极大似然估计方法来估计，的渐近性质将不改变。
为了检验面板logit模型存在固定效应还是随机效应，可采用Hausman-type检验，此检验是基于Chamberlain条件极大似然估计量减去忽略个体效应的普通极大似然估计量的差。两种估计量都可通过常规方法求得，去掉常数项i后可得渐近方差的估计值，从而构造出Hausman x2统计量。
四、财务困境的实证分析
（一）样本选择及数据来源
根据中国证券监督管理委员会发布的《上市公司行业分类指引》，选取行业代码为C7的机械、设备、仪表行业作为装备制造业的衡量，其中包括C71普通机械制造业、C73专用设备制造业、C75交通运输设备制造业、C76电器机械及器材制造业、C78仪器仪表及文化、办公用机械制造业等五个子类。选取了2001年前在沪深两市挂牌交易共计142家装备制造业上市公司2000—2009年的财务年报数据，数据来源为国泰安数据库（CSMAR）。
（二）财务指标的正态性检验
采用STATA10.0软件，运用Shapiro-Wilk正态性检验方法，检验30项财务指标的正态性。结果显示，在0.05的显著性水平下，ST公司与非ST公司的30项财务指标均不服从正态分布，因此需要采用非参数检验法对财务指标的差异性进行统计检验。
（三）财务指标的均值差异检验
采用STATA10.0软件，运用双样本的Wilcoxon rank-sum (Mann-Whitney)检验方法，检验ST公司与非ST公司的30项财务指标是否具有显著差异。结果显示，流动负债比率（X3）的P值为0.2509，长期负债比率（X4）的P值为0.2509，在0.05的显著性水平下不能拒绝原假设，故流动负债比率与长期负债比率这两项财务指标在ST公司与非ST公司之间的差异不显著，应从备选指标中剔除，其余28项财务指标的P值均小于0.05，则予以保留。
（四）面板logit模型实证分析结果
考虑到公司出现财务困境被“特别处理”主要受到前一年度财务报告的影响，本文设定的存在个体效应的面板logit模型为
其中Xi表示财务指标向量，Xit-1为公司i的财务指标在t-1年度的取值。
采用STATA10.0软件中的xtlogit命令，对装备制造业上市公司2000—2009年的财务指标数据建立财务困境的固定效应面板logit模型，采用逐步回归法筛选变量，分别估计了个体效应为固定效应与随机效应的形式，建立了固定效应面板logit模型与随机效应面板logit模型，然后进行Hausman-type检验。检验结果显示，模型应设定为随机效应模型，随机效应面板logit模型估计结果如表1所示。
由此可得模型的估计结果为
logit(it)=-1.26-0.68X6it-1-3.79X9it-1-4.83X12it-1-1.29X19it-1-0.15X28it-1
其中logit(it)=
面板logit模型估计结果显示，在0.05的显著性水平下，各变量的系数均是显著的。此外，模型的似然比检验统计量LR=94.76，P值为0.000<0.05，故模型的估计效果较好。
五、结论
本文运用面板logit模型对装备制造业上市公司的财务困境进行了实证分析，实证研究结果表明：速动比率、总资产增长率、营业毛利率、债务保障率和固定资产周转率是影响公司发生财务困境的显著因素。
速动比率等于速动资产除以流动负债得到的比率，速动比率越大则公司的短期偿债能力越强，速动比率的系数为-0.68，表明公司的短期偿债能力越强，发生财务困境的可能性越小；总资产增长率等于当年总资产与上年总资产的差额除以上年总资产得到的比率，总资产增长率越大表明公司的成长能力越好，总资产增长率的系数为-3.79，表明公司的成长能力越好，陷入财务困境的可能性就越小；营业毛利率等于销售毛利除以营业收入净额得到的比率，营业毛利率越大表明公司的盈利能力越强，营业毛利率的系数为-4.83，表明公司的盈利能力越差，就越有可能发生财务危机；债务保障率等于经营活动产生的现金净流量除以负债总额的比率，债务保障率越高则公司的现金流能力越好，债务保障率的系数为-1.29，表明公司的现金流能力越差，陷入财务困境的概率就越大；固定资产周转率是销售收入净额与固定资产平均净值的比率，是衡量固定资产利用效率的指标，固定资产周转率越高则公司的营运能力越强，固定资产周转率的系数为-0.15，表明公司的营运能力越强，面临财务困境的可能性就越小。
（责任编辑：方涵）
参考文献：
[1]陈静.上市公司财务恶化预测的实证分析[J].会计研究,1999，(04).
[2]吴世农、卢贤义.我国上市公司财务困境的预测模型研究[J].经济研究,2001，(06).
[3]白仲林.面板数据的计量经济分析[M].天津：南开大学出版社，2008.
[4]Beaver W. Financial ratios as predictors of failures[J].Journal of Accounting Research, 1966，(04).
[5]Blum M. Failure company discriminated analysis[J].Journal of accounting research, 1974，(12).
关键词：面板logit模型；财务困境；装备制造业
作者简介：刘芳（1983-），湖南岳阳人，上海电机学院商学院讲师。
中图分类号：F224.0 文献标识码：A doi:10.3969/j.issn.1672-3309（x）.2011.09.34 文章编号：1672-3309（2011）09-80-03
随着全球经济一体化进程的加快和我国市场经济体制改革的深化，我国企业面临的生存环境竞争性在不断加剧。从微观上来看，在激烈的市场竞争中，如果企业经营或管理过程中出现的问题得不到有效控制与及时解决，容易致使企业步入财务困境的被动局面，进而导致企业遭受破产的威胁。从宏观上来看，如果企业的财务危机问题得不到妥善处理，在全球经济融合日益密切的背景下，可能会诱发“蝴蝶效应”，将企业层次的风险危机扩大至行业层面、国家范围，甚至是全球领域。装备制造业是我国国民经济中的基础性、战略性及支柱性产业，具有产业关联度高、经济拉动力大及就业吸纳力强的先天优势，早在1998年中央经济工作会议中就提出要“大力发展装备制造业”。因此，对装备制造业企业财务困境进行实证分析，无论对于宏观政府层面、中观行业层面还是微观企业层面，都具有十分重要的现实意义。
鉴于此，本文以装备制造业的上市公司为研究对象，对装备制造业上市公司进行了财务困境的实证分析。考虑到以往的财务困境实证分析方法大多未摆脱静态分析的局限性，本文建立了基于面板logit模型的上市公司财务困境动态分析模型，以期为装备制造业上市公司进行财务风险管理提供有益的借鉴。
一、财务困境的界定
如何界定财务困境是进行财务困境实证分析要解决的首要问题，国内外学术界对财务困境的界定尚未形成权威的公认标准。国外较具代表性的观点有：Beaver（1966）认为，企业若发生诸如债券违约、银行透支、未支付优先股股利或破产事件均可视为发生财务困境；Blum（1974）认为，财务困境是指企业无力偿还到期债务，进入破产程序或与债权人协商减少债务的事件。国内大多数学者将财务困境界定为因财务状况异常而被“特别处理”（ST），如陈静（1999）、吴世农、卢贤义（2001）等。本文采取国内研究常用的做法，将“特别处理”作为上市公司陷入财务困境的标志。
二、财务困境分析模型变量的选取
综合考虑国内外与财务困境有关的研究中常用的财务指标，结合资料的可得性和完整性，初步确定了反映偿债能力、成长能力、盈利能力、现金流量能力、营运能力等5个方面30个财务指标作为备选变量。
偿债能力的衡量指标包括：资产负债率X1、权益对负债比率X2、流动负债比率X3、长期负债比率X4、流动比率X5、速动比率X6、保守速动比率X7、现金比率X8；成长能力的衡量指标包括：总资产增长率X9、营业收入增长率X10；盈利能力的衡量指标包括：营业利润率X11、营业毛利率X12、销售净利率X13、资产报酬率X14、总资产净利润率X15、投入资本回报率X16、成本费用利润率X17；现金流量能力的衡量指标包括：现金流量比率X18、债务保障率X19、全部资产现金回收率X20、现金再投资比率X21、每股经营活动现金净流量X22、每股现金净流量X23；营运能力的衡量指标包括：资本密集度X24、应收账款周转率X25、存货周转率X26、流动资产周转率X27、固定资产周转率X28、总资产周转率X29、股东权益周转率X30。
在诸多备选财务指标中，存在部分财务指标在ST公司与非ST公司之间没有显著差异的问题，这将使得财务困境分析模型的科学性大打折扣，因此有必要检验各项财务指标的均值在ST公司与非ST公司之间是否存在显著差异。对财务指标均值的差异检验要视财务变量的分布而定，若财务变量服从正态分布，则财务指标的均值差异检验可使用T检验法，若财务变量不服从正态分布，则财务指标的差异检验须采用非参数检验法。
三、财务困境分析模型的构建
根据本文对财务困境的界定，若公司i在时间t处于ST状态，则yit=1，反之则yit=0，则公司i在时间t被ST的概率为pit，进而pit可表示为解释变量的函数形式pit=P(yit=1)=E(yit|xit)=F(xit')。在线性概率模型中，F(xit')=xit'，则可通过常规的处理面板数据的方法进行建模。但xit的定义域通常为实数域，则yit'的估计值不一定介于0到1之间，有可能超出其定义域的范围。为解决此问题，可采用logistic或正态累积分布函数使F(xit')限定在0到1的范围内变动，与这两种概率函数对应的变换成为logit变换和probit变换，相应的模型为面板logit模型和面板probit模型。由于面板probit模型适用的条件为随机误差项服从正态分布，而面板logit模型则不受此条件约束，因此本文选择面板logit模型作为财务困境分析模型。
面板logit模型分为固定效应面板logit模型与随机效应面板logit模型两种情况。
当个体效应i是固定效应时，对于固定效应面板logit模型
其中i和是未知参数。
对于固定的T，随着N的增加，待估参数i也增加，则对于固定的T，i的极大似然估计不再是一致的，存在“伴随参数问题”。解决“伴随参数问题”的常见方法是求出i的最小充分统计量。对于固定效应面板logit模型，Chamberlain（1980）找出i的一个最小充分统计量为yit，因此，Chamberlain建议可通过极大化条件似然函数P(yi1,…yiT|yit)得到的条件极大似然估计。
当个体效应i是随机效应时，仍可用固定效应情况下的条件极大似然估计方法来估计，的渐近性质将不改变。
为了检验面板logit模型存在固定效应还是随机效应，可采用Hausman-type检验，此检验是基于Chamberlain条件极大似然估计量减去忽略个体效应的普通极大似然估计量的差。两种估计量都可通过常规方法求得，去掉常数项i后可得渐近方差的估计值，从而构造出Hausman x2统计量。
四、财务困境的实证分析
（一）样本选择及数据来源
根据中国证券监督管理委员会发布的《上市公司行业分类指引》，选取行业代码为C7的机械、设备、仪表行业作为装备制造业的衡量，其中包括C71普通机械制造业、C73专用设备制造业、C75交通运输设备制造业、C76电器机械及器材制造业、C78仪器仪表及文化、办公用机械制造业等五个子类。选取了2001年前在沪深两市挂牌交易共计142家装备制造业上市公司2000—2009年的财务年报数据，数据来源为国泰安数据库（CSMAR）。
（二）财务指标的正态性检验
采用STATA10.0软件，运用Shapiro-Wilk正态性检验方法，检验30项财务指标的正态性。结果显示，在0.05的显著性水平下，ST公司与非ST公司的30项财务指标均不服从正态分布，因此需要采用非参数检验法对财务指标的差异性进行统计检验。
（三）财务指标的均值差异检验
采用STATA10.0软件，运用双样本的Wilcoxon rank-sum (Mann-Whitney)检验方法，检验ST公司与非ST公司的30项财务指标是否具有显著差异。结果显示，流动负债比率（X3）的P值为0.2509，长期负债比率（X4）的P值为0.2509，在0.05的显著性水平下不能拒绝原假设，故流动负债比率与长期负债比率这两项财务指标在ST公司与非ST公司之间的差异不显著，应从备选指标中剔除，其余28项财务指标的P值均小于0.05，则予以保留。
（四）面板logit模型实证分析结果
考虑到公司出现财务困境被“特别处理”主要受到前一年度财务报告的影响，本文设定的存在个体效应的面板logit模型为
其中Xi表示财务指标向量，Xit-1为公司i的财务指标在t-1年度的取值。
采用STATA10.0软件中的xtlogit命令，对装备制造业上市公司2000—2009年的财务指标数据建立财务困境的固定效应面板logit模型，采用逐步回归法筛选变量，分别估计了个体效应为固定效应与随机效应的形式，建立了固定效应面板logit模型与随机效应面板logit模型，然后进行Hausman-type检验。检验结果显示，模型应设定为随机效应模型，随机效应面板logit模型估计结果如表1所示。
由此可得模型的估计结果为
logit(it)=-1.26-0.68X6it-1-3.79X9it-1-4.83X12it-1-1.29X19it-1-0.15X28it-1
其中logit(it)=
面板logit模型估计结果显示，在0.05的显著性水平下，各变量的系数均是显著的。此外，模型的似然比检验统计量LR=94.76，P值为0.000<0.05，故模型的估计效果较好。
五、结论
本文运用面板logit模型对装备制造业上市公司的财务困境进行了实证分析，实证研究结果表明：速动比率、总资产增长率、营业毛利率、债务保障率和固定资产周转率是影响公司发生财务困境的显著因素。
速动比率等于速动资产除以流动负债得到的比率，速动比率越大则公司的短期偿债能力越强，速动比率的系数为-0.68，表明公司的短期偿债能力越强，发生财务困境的可能性越小；总资产增长率等于当年总资产与上年总资产的差额除以上年总资产得到的比率，总资产增长率越大表明公司的成长能力越好，总资产增长率的系数为-3.79，表明公司的成长能力越好，陷入财务困境的可能性就越小；营业毛利率等于销售毛利除以营业收入净额得到的比率，营业毛利率越大表明公司的盈利能力越强，营业毛利率的系数为-4.83，表明公司的盈利能力越差，就越有可能发生财务危机；债务保障率等于经营活动产生的现金净流量除以负债总额的比率，债务保障率越高则公司的现金流能力越好，债务保障率的系数为-1.29，表明公司的现金流能力越差，陷入财务困境的概率就越大；固定资产周转率是销售收入净额与固定资产平均净值的比率，是衡量固定资产利用效率的指标，固定资产周转率越高则公司的营运能力越强，固定资产周转率的系数为-0.15，表明公司的营运能力越强，面临财务困境的可能性就越小。
（责任编辑：方涵）
参考文献：
[1]陈静.上市公司财务恶化预测的实证分析[J].会计研究,1999，(04).
[2]吴世农、卢贤义.我国上市公司财务困境的预测模型研究[J].经济研究,2001，(06).
[3]白仲林.面板数据的计量经济分析[M].天津：南开大学出版社，2008.
[4]Beaver W. Financial ratios as predictors of failures[J].Journal of Accounting Research, 1966，(04).
[5]Blum M. Failure company discriminated analysis[J].Journal of accounting research, 1974，(12).