4.4.1 基于未经调整财务指标的实证研究
1）描述性统计
（1）t－3年的描述性统计
256家样本公司t－3年未经调整指标描述性统计的结果如下表4.4所示。
表4.4 t－3年未经调整指标描述性统计结果
（2）t－2年的描述性统计
256家样本公司t－2年未经调整指标描述性统计的结果如下表4.5所示。
表4.5 t－2年未经调整指标描述性统计结果
续表4.5
（3）t－1年的描述性统计
256家样本公司t－1年未经调整指标描述性统计的结果如下表4.6所示。
表4.6 t－1年未经调整指标描述性统计结果
2）T检验
（1）t－3年的T检验结果
256家公司的t－3年数据的T检验结果如表4.7所示。
表4.7 未经调整指标t－3年数据的T检验结果
从表4.7中可以看出只有X9和X10对应的显著性水平小于0.05，其他变量的显著性水平均高于0.05，说明除X9和X10以外，其他变量都不存在明显差异，在区分两类企业上的作用并不大。
（2）t－2年的T检验结果
256家公司的t－2年数据的T检验结果如表4.8所示：
表4.8 未经调整指标t－2年数据的T检验结果
从表4.8中可以看出只有X3和X9对应的显著性水平小于0.05，其他变量的显著性水平均高于0.05，说明除X3和X9以外，其他变量都不存在明显差异，在区分两类企业上的作用并不大。
（3）t－1年的T检验结果
256家公司的t－1年数据的T检验结果如表4.9所示：
表4.9 未经调整指标t－1年数据的T检验结果
从表4.9中可以看出只有X1、X3和X5对应的显著性水平小于0.05，其他变量的显著性水平均高于0.05，说明除X1、X3和X5以外，其他变量都不存在明显差异，在区分两类企业上的作用并不大。
3）Mann－Whitney检验
当样本指标不服从正态分布时，对两个样本均值差异性的判断应使用Mann－Whitney非参数检验。由于无法确定样本指标是否服从正态分布，因此在T检验后还要进行Mann－Whitney非参数检验。本书采用的方法是综合T检验和Mann－Whitney非参数检验的结果，只要一种检验拒绝显著性的假设，就认为该指标不具有显著性，建模时应该剔除该指标。
（1）t－3年Mann－Whitney检验
t－3年的未经调整指标Mann－Whitney检验结果如表4.10所示。
表4.10 t－3年未经调整指标Mann－Whitney检验结果
从表4.10可以看出，在显著性水平为0.05的情况下，t－3年的指标中通过T检验的X9、X10指标也通过了Mann－Whitney检验。
（2）t－2年Mann－Whitney检验
t－2年的未经调整指标Mann－Whitney检验结果如表4.11所示。
表4.11 t－2年未经调整指标Mann－Whitney检验结果
从表4.11可以看出，在显著性水平为0.05的情况下，t－2年的指标中通过T检验的X3、X9指标也通过了Mann－Whitney检验。
（3）t－1年Mann－Whitney检验
t－1年的未经调整指标Mann－Whitney检验结果如表4.12所示。
表4.12 t－1年未经调整指标Mann－Whitney检验结果
从上表4.12可以看出，在显著性水平为0.05的情况下，t－1年的指标中通过T检验的X1、X3、X5指标也通过了Mann－Whitney检验。
综合上述的两种显著性检验的结果，我们分别得到t－1年、t－2年、t－3年用于建模的预警指标体系，总结如下表4.13所示：
表4.13 调整前预警指标体系的构成
4）多元判别分析
使用变量K描述样本类别，将财务危机企业的K值取0，正常企业的K值取1。建模首先依据2006年至2007年108对样本（216家）的数据进行，然后用2008年对样本20对（40家）的数据进行测试。在SPSS11.5的环境下调用“Classify—Discriminant”程序，可以分别得到ST前1～3年的判别分析模型。
（1）t－3年的多元判别分析
t－3年的多元判别分析结果如表4.14所示。
表4.14 t－3年基于未经调整财务指标的分类方程系数
根据表4.14的结论，我们可以得到t－3年的判别模型如式4.1和式4.2所示：
将建模数据和外推数据分别代入判别函数，分别得到回判和外推的结果。按照Fisher线性判别方法，将相同年份的样本观测分类到较大的分类函数值中，即当K0≥K1时将样本归入类别0，K0＜K1时将样本归入类别1，结果如表4.15所示。
表4.15 t－3年基于未经调整财务指标的Fisher线性判别模型的分类准确率
（2）t－2年的多元判别分析
t－2年的多元判别分析结果如表4.16所示。
表4.16 t－2年基于未经调整财务指标的分类方程系数
根据表4.16的结论，我们可以得到t－2年的判别模型如式4.3和式4.4所示。
将建模数据和外推数据分别代入判别函数，分别得到回判和外推的结果如表4.17所示。
表4.17 t－2年基于未经调整财务指标的Fisher线性判别模型的分类准确率
（3）t－1年的多元判别分析
t－1年的多元判别分析结果如表4.18所示。
表4.18 t－1年基于未经调整财务指标的分类方程系数
根据表4.18的结论，我们可以得到t－1年的判别模型如式4.5和式4.6所示。
将建模数据和外推数据分别代入判别函数，分别得到回判和外推的结果如表4.19所示。
表4.19 t－1年基于未经调整财务指标的Fisher线性判别模型的分类准确率
5）逻辑回归分析
用变量P描述样本类别，将财务危机企业的P值取0，正常企业的P值取1。在SPSS11.5的环境下调用“Regression—Binary Logistic”程序，得到ST前1～3年的逻辑回归模型，结果详见表4.20～表4.25。
（1）t－3年的逻辑回归分析
t－3年的逻辑回归分析结果如表4.20所示。
表4.20 t－3年基于未经调整财务指标的逻辑回归方程系数
由表4.20的结果可以得到下面的逻辑回归判别模型如式4.7所示。
将建模数据和外推数据分别代入逻辑回归判别模型：当P≤0.5时将样本归入类别0，P＞0.5时将样本归入类别1，可得回判和外推分类的准确率结果。t－3年逻辑回归模型的分类准确率结果详见表4.21。
表4.21 t－3年基于未经调整财务指标的逻辑回归分类结果
（2）t－2年的逻辑回归分析
t－2年的逻辑回归分析结果如表4.22所示。
表4.22 t－2年基于未经调整财务指标的逻辑回归方程系数
由表4.22的结果可以得到下面的逻辑回归判别模型如式4.8所示：
将建模数据和外推数据分别代入逻辑回归判别模型：当P≤0.5时将样本归入类别0，P＞0.5时将样本归入类别1，可得回判和外推分类的准确率结果。t－2年逻辑回归模型的分类准确率结果详见表4.23。
表4.23 t－2年基于未经调整财务指标的逻辑回归分类结果
续表4.23
（3）t－1年的逻辑回归分析
t－1年的逻辑回归分析结果如表4.24所示。
表4.24 t－1年基于未经调整财务指标的逻辑回归方程系数
由表4.24的结果可以得到下面的逻辑回归判别模型如式4.9所示。
将建模数据和外推数据分别代入逻辑回归判别模型：当P≤0.5时将样本归入类别0，P＞0.5时将样本归入类别1，可得回判和外推分类的准确率结果。t－3年逻辑回归模型的分类准确率结果详见表4.25。
表4.25 t－1年基于未经调整财务指标的逻辑回归分类结果
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
