工业企业风险动态预警指标的相关分析

1.相关分析原理

相关分析（correlation analysis）研究现象之间是否存在某种依存关系，并对具有依存关系的现象探讨其相关方向以及相关程度，是研究随机变量之间的相关关系的一种统计方法。经过专家筛选的浙江工业企业风险动态预警第一轮指标体系X^（1）中，一些预警指标之间可能存在高度的相关关系，这种高度相关性会导致预警信息的重复过度使用，从而大大降低预警结果的科学性和合理性。通过对预警指标之间的相关分析，删除一些与其他预警指标高度相关且隶属度相对较低的预警指标，可以有效消除或者降低预警指标重复反映被测量对象信息而带来的对预警结果的影响。

预警指标相关分析通常包括以下三个基本过程：

一是对预警指标的标准化处理。由于各个预警指标的计量单位和数量级不尽相同，需要对原始数据进行无量纲处理，以减少预警指标的不同计量单位对分析结果的影响。假设X_i为预警指标的原始数据，为预警指标的均值，S_i为预警指标的标准差，Z_i为标准化值，则有

二是计算各预警指标之间的简单相关系数R_ij。简单相关系数R_ij的计算公式为

三是根据研究需要，确定一个临界值M（0＜M＜1），如果R_ij＞M，则可以删除其中一个隶属度较低的预警指标（X_i或者X_j）；如果R_ij＜M，则同时保留X_i和X_j这两个预警指标。

2.相关分析结果

工业企业风险动态预警的第一轮指标体系X^（1）所使用的33个解释变量中，包括25个财务指标和8个宏观环境指标。财务指标之间存在一定的相关关系，即解释变量之间存在多重共线性，会直接导致方程回归系数估计的标准误差偏大、系数估计值的精确度降低等问题，因此需要对其进行相关分析。

课题组通过查阅浙江省2005年至2012年57家在沪深两市上市交易的工业企业季度公报，采集了工业企业风险动态预警第一轮指标体系X^（1）中25个财务指标的数据。在此基础上，运用SPSS统计软件包对其进行相关分析，得到这25个指标的相关系数矩阵，如表5.2、表5.3及表5.4所示。

表5.2　相关系数（一）

续表

续表

^**在α=1%的条件下显著相关（双侧检验）。

^*在α=5%的条件下显著相关（双侧检验）。

表5.3　相关系数（二）

续表

续表

^**在α=1%的条件下显著相关（双侧检验）。

^*在α=5%的条件下显著相关（双侧检验）。

表5.4　相关系数（三）

续表

续表

^**在α=1%的条件下显著相关（双侧检验）。

^*在α=5%的条件下显著相关（双侧检验）。

相关分析的结果表明，绝大多数财务指标之间的相关系数非常高，而且都达到了高度显著的程度。以现金流量比率X₂₅为例，其与债务保障率X₂₄的相关系数为0.983，而且经检验在1%的显著性水平下高度相关。因此，在后续研究中应关注解释变量之间的多重共线性问题。