蔣翠俠，　趙　怡，　許啟發(fā)

(合肥工業(yè)大學(xué) a.管理學(xué)院; b.過程優(yōu)化與智能決策教育部重點(diǎn)實(shí)驗(yàn)室，合肥　230009)

?

基于截尾分位數(shù)回歸模型的上市公司財(cái)務(wù)困境影響因素研究

蔣翠俠a,b，趙怡a，許啟發(fā)a,b

(合肥工業(yè)大學(xué) a.管理學(xué)院; b.過程優(yōu)化與智能決策教育部重點(diǎn)實(shí)驗(yàn)室，合肥230009)

摘要：用生存分析方法研究財(cái)務(wù)困境，通常用Cox比例風(fēng)險(xiǎn)模型來建模，但Cox比例風(fēng)險(xiǎn)模型的應(yīng)用需要滿足兩個假定，現(xiàn)實(shí)中難以同時(shí)滿足。為解決Cox比例風(fēng)險(xiǎn)模型的不足，將截尾分位數(shù)回歸模型應(yīng)用到生存分析中。該模型對生存時(shí)間直接進(jìn)行建模，增加了模型的可解釋性，為分析生存數(shù)據(jù)提供了一種有效的方法，并可借此對上市公司發(fā)生財(cái)務(wù)困境的影響因素做出判斷。實(shí)證結(jié)果表明，在上市公司財(cái)務(wù)困境研究中，將截尾分位數(shù)回歸模型和Cox比例風(fēng)險(xiǎn)模型的實(shí)證結(jié)果相比較，發(fā)現(xiàn)截尾分位數(shù)回歸模型的結(jié)果更為準(zhǔn)確。

關(guān)鍵詞：財(cái)務(wù)困境；生存分析；截尾分位數(shù)回歸；ST公司

一、引言

在市場經(jīng)濟(jì)中，上市公司首次上市后是否會陷入財(cái)務(wù)困境是金融、會計(jì)研究領(lǐng)域中的一個值得探討的問題。選擇合理的財(cái)務(wù)風(fēng)險(xiǎn)分析方法，采取正確的財(cái)務(wù)戰(zhàn)略措施，有效地防范和控制財(cái)務(wù)風(fēng)險(xiǎn)，從而預(yù)防陷入財(cái)務(wù)困境，對我國上市公司健康、持續(xù)的發(fā)展有著極其重要的現(xiàn)實(shí)意義。

國外很早就有學(xué)者開始對財(cái)務(wù)困境進(jìn)行研究。Willim(1966)[1]認(rèn)為，應(yīng)該以預(yù)測財(cái)務(wù)危機(jī)為目標(biāo)，其利用單變量判別模型分析了所選取財(cái)務(wù)指標(biāo)的預(yù)測效率。Altman(1968)[2]利用多變量判別模型來預(yù)測上市公司的破產(chǎn)可能性。Ohlson(1980)[3]最早利用Probit方法來預(yù)測財(cái)務(wù)困境。Lane等(1986)[4]最早將Cox比例風(fēng)險(xiǎn)模型應(yīng)用在預(yù)測銀行倒閉的問題上，發(fā)現(xiàn)Cox比例風(fēng)險(xiǎn)模型均優(yōu)于傳統(tǒng)的判別分析方法。

國內(nèi)學(xué)者研究財(cái)務(wù)困境影響因素的時(shí)間較晚。陳靜(1999)[5]利用同行業(yè)、同規(guī)模非ST公司和ST公司各27家，選取其中4個財(cái)務(wù)指標(biāo)進(jìn)行研究分析。盧聲等(2001)[6]選取基本的財(cái)務(wù)指標(biāo)作為解釋變量來建立預(yù)測模型，運(yùn)用Fisher判別分析方法，估計(jì)出各個財(cái)務(wù)指標(biāo)變量的系數(shù)。謝赤、羅長青(2007)[7]根據(jù)各種財(cái)務(wù)困境預(yù)測模型對分布的要求，將所有的模型方法分為參數(shù)法和非參數(shù)法(含生存分析)，并指出在這種分析方法中無需規(guī)定基礎(chǔ)風(fēng)險(xiǎn)函數(shù)的具體分布，更符合企業(yè)財(cái)務(wù)困境的真實(shí)情況。鄧曉嵐、陳曉輝、王宗軍(2007)[8]運(yùn)用非參數(shù)生存分析方法，對中國上市公司的財(cái)務(wù)困境風(fēng)險(xiǎn)進(jìn)行了評價(jià)，認(rèn)為綜合類上市企業(yè)的多元化經(jīng)營可能有助于分散風(fēng)險(xiǎn)。陳磊、任若恩(2007)[9]運(yùn)用Cox比例風(fēng)險(xiǎn)模型研究上市公司出現(xiàn)財(cái)務(wù)困境的問題，以133個制造業(yè)上市公司作為研究樣本，發(fā)現(xiàn)盈利能力、現(xiàn)金能力、資產(chǎn)周轉(zhuǎn)率與財(cái)務(wù)風(fēng)險(xiǎn)負(fù)相關(guān)，而期間費(fèi)用與財(cái)務(wù)風(fēng)險(xiǎn)正相關(guān)。

目前國內(nèi)對公司財(cái)務(wù)困境的研究主要使用Cox比例風(fēng)險(xiǎn)模型，Cox比例風(fēng)險(xiǎn)模型雖然有很多優(yōu)點(diǎn)，但是其模型不允許協(xié)變量影響的符號隨著響應(yīng)的大小而改變，并且是對生存危險(xiǎn)率建模。為了改變這種情況，可以嘗試其他建模方法。由Powell[12]提出的截尾分位數(shù)回歸模型就為這樣的問題提供了一個相當(dāng)自然和直接的方法。本文試圖在以下兩個方面進(jìn)行探索研究：一是在樣本選取方面，并沒有按照大多數(shù)文獻(xiàn)采用的“配對抽樣”的方法進(jìn)行樣本選取，即首先選取一定數(shù)量的財(cái)務(wù)困境公司，然后再按照一定標(biāo)準(zhǔn)(行業(yè)相同且規(guī)模相近)選取相對應(yīng)的非財(cái)務(wù)困境公司，作為配對樣本。而是直接選取樣本，不人為調(diào)整ST公司與非ST公司的比例；二是國內(nèi)目前尚未有將截尾分位數(shù)回歸模型應(yīng)用到財(cái)務(wù)困境中的文獻(xiàn)，本文將截尾分位數(shù)回歸模型和Cox比例風(fēng)險(xiǎn)模型的實(shí)證結(jié)果相比較，對上市公司財(cái)務(wù)困境影響因素做出判斷。

二、財(cái)務(wù)困境的含義與計(jì)量

財(cái)務(wù)困境是財(cái)務(wù)風(fēng)險(xiǎn)的一種極端表現(xiàn)，是指企業(yè)無法償還到期債務(wù)所引發(fā)的危機(jī)，通常從財(cái)務(wù)正常漸漸發(fā)展到財(cái)務(wù)困境，不存在一個明確的分界點(diǎn)將企業(yè)分為陷入財(cái)務(wù)困境和沒有陷入財(cái)務(wù)困境兩類。由于國內(nèi)財(cái)務(wù)困境預(yù)測的研究對象主要針對上市公司，故一般將財(cái)務(wù)困境界定為財(cái)務(wù)狀況異常而被“特別處理”。

1.生存時(shí)間的界定

考慮到上市公司發(fā)生財(cái)務(wù)危機(jī)、陷入財(cái)務(wù)困境是一個動態(tài)持續(xù)的過程，因此本文給定的上市公司生存時(shí)間是從公司正常持續(xù)經(jīng)營的狀態(tài)到陷入財(cái)務(wù)困境的時(shí)間。即將公司上市時(shí)間確定為生存時(shí)間的觀測起點(diǎn)。

對于陷入財(cái)務(wù)困境的樣本公司，觀測終點(diǎn)則是上市公司首次被進(jìn)行特別處理的時(shí)間；對于非財(cái)務(wù)困境的樣本公司，觀測期的終點(diǎn)設(shè)置為2014年12月31日。

2.財(cái)務(wù)指標(biāo)的確定

建立財(cái)務(wù)困境預(yù)測模型關(guān)鍵在于識別出其核心影響因素。在初次選取財(cái)務(wù)指標(biāo)時(shí)，原則上盡可能地全面揭示企業(yè)財(cái)務(wù)和綜合發(fā)展水平，構(gòu)建能夠全面反映公司的財(cái)務(wù)狀況，參照國內(nèi)外學(xué)者的實(shí)證結(jié)果，選用最易獲取的財(cái)務(wù)比率指標(biāo)作為預(yù)測指標(biāo)，從企業(yè)的償債能力、營運(yùn)能力、盈利能力、現(xiàn)金流量、風(fēng)險(xiǎn)水平、發(fā)展能力、股東獲利能力、相對價(jià)值指標(biāo)、股利分配九個方面33個指標(biāo)作為財(cái)務(wù)困境影響因素，為了方便運(yùn)算，將影響因素名稱更換為Xi(i=1,2,…,33)的形式,具體內(nèi)容見下頁表1。

表1　財(cái)務(wù)困境影響因素

三、模型與方法

1.模型表示

(1)

其中β(τ)是回歸系數(shù)向量，誤差項(xiàng)εi(i=1,…,n)為獨(dú)立的隨機(jī)變量。

2.模型估計(jì)

回歸系數(shù)向量β(τ)可以通過式(2)來估計(jì)：

(2)

在很多實(shí)際應(yīng)用中，所有觀測值的刪失時(shí)間都能被觀測到是不現(xiàn)實(shí)的。通常情況下，只能觀測到隨機(jī)變量Yi=min{Ti,Ci}和指示變量δi=1。當(dāng)δi=1時(shí)，觀測到的Yi是準(zhǔn)確的生存時(shí)間，Ci觀測不到，這時(shí)需要新的方法。

Portnoy[13]提出了一個方法，該方法就是將每個截尾觀測的潛在貢獻(xiàn)值重新分配到它右側(cè)的觀測中，即將每個截尾觀測的截尾概率值P{Yi>Ci}重新分配到它右側(cè)的觀測中。通過這種算法可以得到生存函數(shù)的估計(jì)值。因?yàn)榉治粩?shù)函數(shù)只與位置有關(guān)，取決于殘差的符號，所以Ci點(diǎn)處的貢獻(xiàn)值可能被重新分配到大于所有數(shù)據(jù)的任何一點(diǎn)處，不是必須局限地分配到大于Ci的某些特定觀測對象上，我們就可以將加權(quán)的思想運(yùn)用到截尾分位數(shù)回歸中。

當(dāng)觀測對象發(fā)生截尾時(shí)，對應(yīng)的截尾生存時(shí)間和潛在真實(shí)的生存時(shí)間分別為Ci和Ti，滿足Ci0，則Ti-xTβ(τ)<0；但如果Ci-xTβ(τ)<0，Ti-xTβ(τ)的符號正負(fù)難以確定，這種現(xiàn)象稱為“交叉”。因此，估計(jì)每個截尾觀測對象的截尾概率就成為最核心的問題。從分位數(shù)回歸的角度看，這就意味著尋找分位數(shù)函數(shù)xTβ(τ)與Ci交叉處的τi值。即當(dāng)遇到一個τi，使得Yi=xTβ(τ)，并且δi=0，就把刪失觀測值分成兩個部分：一部分留在初始位置Yi處，另一部分重新分配到+∞。質(zhì)量被均勻地分配到分布的上尾1-τi處，對于任何τ>τi，該截尾觀測處的權(quán)重wi(τ)定義如下：

(3)

(4)

3.模型優(yōu)點(diǎn)

截尾分位數(shù)回歸模型和Cox比例風(fēng)險(xiǎn)模型相比，優(yōu)勢在于它不但可以描述因變量均值與自變量的關(guān)系，還可以度量分布的低尾和高尾對自變量的影響。不同分位數(shù)下回歸系數(shù)及其統(tǒng)計(jì)的顯著性都存在巨大差異，這樣可以獲取分布函數(shù)的形狀和參數(shù)信息，得到的結(jié)果也會更加真實(shí)可信。

四、數(shù)值模擬

本節(jié)通過數(shù)值模擬，對比截尾分位數(shù)回歸模型和Cox比例風(fēng)險(xiǎn)回歸模型。

1.滿足比例風(fēng)險(xiǎn)假定的模擬分析

(2)結(jié)果比較對模擬數(shù)據(jù)進(jìn)行建模，結(jié)果見表 2。結(jié)果顯示，對于滿足比例風(fēng)險(xiǎn)假定的數(shù)據(jù)，Cox比例風(fēng)險(xiǎn)模型和截尾分位數(shù)回歸模型的回歸系數(shù)與真實(shí)值1非常接近，但截尾分位數(shù)回歸模型的回歸系數(shù)更加準(zhǔn)確。由于模擬數(shù)據(jù)中不存在異質(zhì)問題，所以不同分位數(shù)水平對應(yīng)的回歸系數(shù)非常接近，隨著截尾比例的增加，回歸系數(shù)可能會逐漸偏離真實(shí)值。

表2　不同截尾比例下回歸系數(shù)的模擬分析

注：隨著截尾比例的增加，無法估計(jì)高分位點(diǎn)對應(yīng)結(jié)果，這里以NA來表示。

2.違背比例風(fēng)險(xiǎn)假定的模擬分析

由于對數(shù)正態(tài)回歸模型不滿足Cox比例風(fēng)險(xiǎn)假定，故此次模擬采用對數(shù)正態(tài)回歸模型產(chǎn)生數(shù)據(jù)。

(1)數(shù)據(jù)選取確定樣本量為200，截尾比例分別為20%、40%、60%。首先，產(chǎn)生服從(0,1)均勻分布的隨機(jī)數(shù)作為自變量x，再產(chǎn)生服從N(0,1)正態(tài)分布的隨機(jī)數(shù)作為誤差項(xiàng)ε，產(chǎn)生服從B(200,0.2)的隨機(jī)數(shù)作為截尾指示變量，這時(shí)截尾比例為20%。令β=1，利用t=exp(1+βx+ε)得到相應(yīng)的生存時(shí)間t。每次得到1 000個樣本，分別采用Cox比例風(fēng)險(xiǎn)模型和截尾分位數(shù)回歸模型，計(jì)算出這1 000個樣本的回歸系數(shù)的均值以及與真實(shí)值的誤差。

(2)結(jié)果比較對模擬數(shù)據(jù)進(jìn)行建模，結(jié)果見表3。結(jié)果顯示，對于不滿足比例風(fēng)險(xiǎn)假定的數(shù)據(jù)，Cox比例風(fēng)險(xiǎn)模型的回歸系數(shù)有偏；截尾分位數(shù)回歸模型的回歸系數(shù)與真實(shí)值1非常接近，隨著截尾比例的增加，回歸系數(shù)可能會逐漸偏離真實(shí)值。

表3　不同截尾比例下回歸系數(shù)的模擬分析

續(xù)表

注：隨著截尾比例的增加，無法估計(jì)高分位點(diǎn)對應(yīng)結(jié)果，這里以NA來表示。

五、實(shí)證分析

1.數(shù)據(jù)選取

本文選取我國2000年上市的142家公司作為研究對象，將公司上市時(shí)間確定為生存時(shí)間的觀測起點(diǎn)，這樣對于上市公司而言界定生存時(shí)間的起點(diǎn)方面，可以獲取所有上市公司在生存時(shí)間起點(diǎn)的信息，從而能夠有效地避免可能會干擾模型的左刪失數(shù)據(jù)。觀測期終點(diǎn)以樣本是否觸發(fā)特定的事件來分別確定。對于陷入財(cái)務(wù)困境的樣本公司，觀測終點(diǎn)則是上市公司首次被進(jìn)行特別處理的時(shí)間；對于非財(cái)務(wù)困境的樣本公司，觀測期的終點(diǎn)設(shè)置為2014年12月31日。在這期間首次被特別處理的公司的生存時(shí)間為上市時(shí)間與被處理時(shí)間之間的月數(shù)，且指示變量為1。未被處理的公司的生存時(shí)間為從上市時(shí)間與觀測期終點(diǎn)時(shí)間結(jié)束時(shí)間之間的月數(shù)，且指示變量為0。根據(jù)前文表1所選出的財(cái)務(wù)指標(biāo)，我們通過國泰安數(shù)據(jù)庫搜集了相關(guān)公司的財(cái)務(wù)指標(biāo)數(shù)據(jù)，并與其生存時(shí)間以及生存狀態(tài)共同組成了上市公司生存分析的數(shù)據(jù)。

2.財(cái)務(wù)困境影響因素實(shí)證結(jié)果

本節(jié)擬合Cox比例風(fēng)險(xiǎn)模型與截尾分位數(shù)回歸模型，對上市公司財(cái)務(wù)困境開展定量研究，并將研究結(jié)果進(jìn)行對比。

(1)Cox比例風(fēng)險(xiǎn)模型結(jié)果第一，利用全部變量擬合Cox比例風(fēng)險(xiǎn)模型。根據(jù)Cox比例風(fēng)險(xiǎn)模型對上市公司生存分析數(shù)據(jù)進(jìn)行分析，其估計(jì)結(jié)果見表 4。由該表可以看出，利用全部解釋變量擬合Cox等比例風(fēng)險(xiǎn)模型的擬合效果并不好，只有X3一個指標(biāo)是顯著的，考慮到變量之間的多重共線性以及無關(guān)變量的存在，下面利用AIC準(zhǔn)則來選取變量。

表4　擬合Cox等比例風(fēng)險(xiǎn)模型回歸系數(shù)估計(jì)

續(xù)表

注：***表示1%水平下顯著。

第二,根據(jù)AIC準(zhǔn)則選擇最優(yōu)Cox模型為優(yōu)化Cox比例風(fēng)險(xiǎn)模型的結(jié)果，使用AIC準(zhǔn)則進(jìn)行變量選擇，并對變量選擇后的模型進(jìn)行參數(shù)估計(jì)，結(jié)果見表5。

表5　根據(jù)AIC準(zhǔn)則選擇最優(yōu)Cox模型系數(shù)估計(jì)

注：***、**與*分別表示1%、5%與10%水平下顯著。

從表 5可以看出，通過AIC準(zhǔn)則，選出X1、X3、X16、X28、X29這些顯著的變量，其中X1、X3在α為1%的水平下顯著，X16在α為5%的水平下顯著，X28、X29在α為10%的水平下顯著，而所估計(jì)的結(jié)果與最初估計(jì)的結(jié)果相比，模型估計(jì)的結(jié)果更好。這表明除去多重共線性后，X1流動比率、X3現(xiàn)金比率、X16總資產(chǎn)凈利潤率、X28可持續(xù)增長率、X29每股收益這些指標(biāo)對于預(yù)測上市公司是否陷入財(cái)務(wù)困境是有效的。從入選的指標(biāo)來看，反映公司償債能力的指標(biāo)最多，說明上市公司的財(cái)務(wù)風(fēng)險(xiǎn)狀況與其償債能力的聯(lián)系最為緊密。另外反映公司盈利能力、發(fā)展能力和股東獲利能力的指標(biāo)也有涉及。

從單個變量的系數(shù)符號來看，X3現(xiàn)金比率的系數(shù)為負(fù)，與財(cái)務(wù)困境風(fēng)險(xiǎn)負(fù)相關(guān)，由于現(xiàn)金比率與流動負(fù)債成反比，說明公司的流動負(fù)債越多，財(cái)務(wù)困境風(fēng)險(xiǎn)就越大。X16總資產(chǎn)凈利潤率系數(shù)為負(fù)，說明公司的盈利能力越強(qiáng)越不容易陷入財(cái)務(wù)困境。X29每股收益系數(shù)為正，說明每股收益越高越不容易陷入財(cái)務(wù)風(fēng)險(xiǎn)。X1流動比率的系數(shù)為正，這可能由于流動比率是對償債能力的粗略估計(jì)，不同行業(yè)的流動比率，通常有明顯的差別。所以這可能是導(dǎo)致與我們通常認(rèn)為的結(jié)果不一致的原因。X28可持續(xù)增長率的系數(shù)也為正，表明與財(cái)務(wù)風(fēng)險(xiǎn)正相關(guān)，這點(diǎn)和我們通常認(rèn)為的并不相同，具體的原因還有進(jìn)一步探究。

(2) 截尾分位數(shù)回歸模型結(jié)果根據(jù)AIC準(zhǔn)則選取的變量，用截尾分位數(shù)回歸模型對上市公司生存分析數(shù)據(jù)進(jìn)行分析。參數(shù)估計(jì)如表 6和下頁圖1所示。

表6　截尾分位數(shù)回歸系數(shù)估計(jì)

續(xù)表

圖1　擬合截尾分位數(shù)回歸模型系數(shù)隨τ的變化情況

表6和圖1給出了擬合截尾分位數(shù)回歸的結(jié)果，圖1中間的實(shí)線表示在不同分位數(shù)下各個參數(shù)的回歸系數(shù)，陰影區(qū)域?yàn)?5%置信區(qū)間帶。

從圖1可以看出，隨著分位點(diǎn)的增加，速動比率X2對企業(yè)生存時(shí)間的影響增大。 速動比率代表企業(yè)以速動資產(chǎn)償還流動負(fù)債的綜合能力。由于存貨沒有變現(xiàn)能力，所以速動比率比流動比率更能表現(xiàn)一個企業(yè)的短期償債能力。現(xiàn)金比率X3的系數(shù)在整個分位點(diǎn)為正，說明其與企業(yè)生存時(shí)間正相關(guān)，并且系數(shù)隨著分位點(diǎn)的增加先上升后下降，說明現(xiàn)金比率并非是越高越好，而是保持在一定范圍內(nèi)最好，一般認(rèn)為現(xiàn)金比率保持在20%以上為好，但這一比率過高，意味著企業(yè)流動資產(chǎn)未能得到合理運(yùn)用，現(xiàn)金類資產(chǎn)獲利能力低，會導(dǎo)致企業(yè)機(jī)會成本增加。 凈資產(chǎn)收益率X18的系數(shù)在整個分位點(diǎn)為正，說明其與企業(yè)生存時(shí)間正相關(guān)，并且隨著分位點(diǎn)的增加，凈資產(chǎn)率對企業(yè)生存時(shí)間的影響增大。 綜合杠桿X27系數(shù)在低分位點(diǎn)為正，隨著分位點(diǎn)的增加逐漸下降至負(fù)數(shù)，說明綜合杠桿較低時(shí)，對企業(yè)生存時(shí)間的影響是正向的，隨著綜合杠桿的增加，企業(yè)所面臨的風(fēng)險(xiǎn)也就越大，對生存時(shí)間的影響逐漸變?yōu)樨?fù)向影響。而可持續(xù)增長率X28的系數(shù)隨著分位點(diǎn)的增加先下降后增加，說明可持續(xù)增長率對生存時(shí)間的影響先增大后減小。 每股收益X29的系數(shù)在低分位點(diǎn)為正，隨著分位點(diǎn)的增加逐漸下降為負(fù)數(shù)，說明在低分點(diǎn)下，每股收益對企業(yè)生存時(shí)間的影響是正向影響，但是卻隨著分位點(diǎn)的增加而下降，說明每股收益越高反而越容易發(fā)生財(cái)務(wù)困境，這可能是因?yàn)槊抗墒找孢^高有可能是因?yàn)槊抗傻墓蓛r(jià)較低，并不能完全反映上市公司的財(cái)務(wù)狀況。

整體上看，Cox比例風(fēng)險(xiǎn)模型和截尾分位數(shù)回歸模型的結(jié)果基本一致，但是截尾分位數(shù)回歸模型能夠反映系數(shù)隨τ的變化情況，更符合實(shí)際情況。

六、結(jié)論與啟示

將截尾分位數(shù)回歸模型引入生存分析，對生存時(shí)間直接進(jìn)行建模，增加了模型的可解釋性，并且能夠?qū)ι鲜泄矩?cái)務(wù)困境的影響因素做出準(zhǔn)確的判斷。本文通過數(shù)值模擬，區(qū)分兩種狀態(tài)，對比了截尾分位數(shù)回歸模型與Cox比例風(fēng)險(xiǎn)模型的效果，發(fā)現(xiàn)前者優(yōu)于后者。最后，選取我國上市公司作為研究對象，對上市公司陷入財(cái)務(wù)困境的影響因素進(jìn)行了實(shí)證研究。

實(shí)證結(jié)果表明：第一，截尾分位數(shù)回歸模型能夠從眾多財(cái)務(wù)指標(biāo)中篩選出主要影響因素，即償債能力、盈利能力、發(fā)展能力以及股東獲利能力等，有利于揭示上市公司陷入財(cái)務(wù)困境的機(jī)理，從而便于提出有針對性的風(fēng)險(xiǎn)控制措施；第二，截尾分位數(shù)回歸模型能夠反映系數(shù)隨τ的變化情況，可以更加準(zhǔn)確地反映財(cái)務(wù)指標(biāo)對企業(yè)生存時(shí)間的影響。因此，在分析企業(yè)財(cái)務(wù)困境時(shí)，可以將截尾分位數(shù)回歸模型的結(jié)果與Cox比例風(fēng)險(xiǎn)模型結(jié)果進(jìn)行對比，以便考察在不同的市場環(huán)境下(與分位數(shù)點(diǎn)相對應(yīng))上市公司財(cái)務(wù)困境的影響因素，對其進(jìn)行準(zhǔn)確的識別。

參考文獻(xiàn)：

[1]Beaver W H. Financial ratios as predictors of failure[J]. Supplement to Journal of Accounting Research, 1966,(4)：71-111.

[2]Altman E I. Financial ratios, discriminant analysis and the prediction of corporate bankruptcy[J]. The Journal of Finance, 1968,(4): 589-609.

[3]Ohlson J A. Financial ratios and the probabilistic prediction of bankruptcy[J]. Accounting Research, 1980,(1): 109-131.

[4]Lane W R, Looney W, Wansley J W. An application of the Cox proportional hazareds model to bank failure[J]. Journal of Banking and Finance, 1986,(4): 511-531.

[5]陳靜. 上市公司財(cái)務(wù)惡化預(yù)測的實(shí)證分析[J]. 會計(jì)研究, 1999,(4): 45-49.

[6]盧聲, 任若恩, 李清. 中國上市公司財(cái)務(wù)危機(jī)困境模型的研究[J]. 北京航空航天大學(xué)學(xué)報(bào), 2001,(1): 22-27.

[7]謝赤, 羅長青. 財(cái)務(wù)困境的參數(shù)方法與非參數(shù)方法及其比較[J]. 當(dāng)代財(cái)經(jīng), 2007,(7):113-117.

[8]鄧曉嵐, 陳朝暉, 王宗軍. 公司財(cái)務(wù)困境非參數(shù)生存分析模型評價(jià)[J]. 武漢理工大學(xué)學(xué)報(bào), 2007,(6): 121-124.

[9]陳磊, 任若恩. 基于比例危險(xiǎn)和主成分模型的公司財(cái)務(wù)困境預(yù)測[J]. 財(cái)經(jīng)問題研究, 2007,(7): 93-96.

[10]彭非,王偉. 生存分析[M]. 北京: 中國人民大學(xué)出版社, 2004.

[11]Cox D R. Regression models and life-tables[J]. Journal of the Royal Statistical Society Series B(Methodology), 1972,(2):187-220.

[12]Powell J L. Censored regression quantiles[J]. Journal Econometrics, 1986,(1):143-155.

[13]Portnoy S. Censored regression quantiles[J]. Journal of the American Statistical Association, 2003,(464):1001-1012.

[14]李文娟. 中國ST企業(yè)的生存分析的實(shí)證研究[D].廈門：廈門大學(xué), 2006.

[15]龔凱頌,焦菲. 企業(yè)風(fēng)險(xiǎn)與財(cái)務(wù)困境預(yù)警分析——基于ST德棉的案例分析[J].財(cái)會通訊，2012，(27):111-113.

[16]呂院朋. 基于Cox模型的我國房地產(chǎn)上市公司財(cái)務(wù)困境預(yù)警研究[D]. 西安: 西北大學(xué), 2014.

[17]郭愛梅. 企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的識別分析[J]. 經(jīng)營管理者，2014, (3):238-239.

[18]孫志猛. 刪失分位數(shù)回歸模型基于擴(kuò)展興趣信息準(zhǔn)則的平均估計(jì)[J]. 中國科學(xué):數(shù)學(xué)，2014,(8): 857-874.

(責(zé)任編輯謝媛媛)

Analysis of Factors Affecting Financial Distress of Listed Companies in China Based on Censored Quantile Regression Model

JIANG Cui-xiaa,b,ZHAO Yia,XU Qi-faa,b

(a.School of Management; b.Key Laboratory of Process Optimization and Intelligent Decision Making of Ministry of Education, Hefei University of Technology, Hefei 230009, China)

Abstract:The Cox proportional hazards model for survival analysis is often applied to studying the problem of financial distress. However, this model needs two difficult assumptions on the behavior of conditional survival functions. So the censored quantile regression model is introduced to survival analysis. The modeling on survival times is made directly with interpretable regression coefficients, which improves the interpretability of the model. It not only provides an effective way for survival analysis, but also is able to identify the key factors affecting the financial distress of listed companies correctly. The results of empirical analysis on listed companies in China show that the censored quantile regression model performs better than the Cox proportional hazards model in the study of financial distress.

Key words:financial distress; survival analysis; censored quantile regression; ST firms

中圖分類號：F224.0

文獻(xiàn)標(biāo)志碼：A

文章編號：1008-3634(2016)01-0015-10

作者簡介：蔣翠俠(1973-)，女，安徽碭山人，副教授，碩士生導(dǎo)師。

基金項(xiàng)目：國家自然科學(xué)基金項(xiàng)目(71071087)；教育部人文社會科學(xué)研究規(guī)劃基金項(xiàng)目(14YJA790015)

收稿日期：2015-07-06