摘?要：中小企業(yè)是國(guó)民經(jīng)濟(jì)的重要組成部分，是推動(dòng)中國(guó)經(jīng)濟(jì)增長(zhǎng)的重要因素。但中小企業(yè)的融資仍然是制約其發(fā)展的難題。對(duì)于中小企業(yè)來(lái)說(shuō)，企業(yè)經(jīng)營(yíng)者的信用狀況很大程度上決定了中小企業(yè)貸款未來(lái)的償還情況，中小企業(yè)主的個(gè)人維度信息將作為構(gòu)建信用評(píng)價(jià)的不可或缺的變量?；诖?，本研究在前人研究的基礎(chǔ)上，建立了Logistics回歸模型，并運(yùn)用SPSS軟件對(duì)90家中小企業(yè)數(shù)據(jù)進(jìn)行實(shí)證分析。研究結(jié)果表明，信用評(píng)價(jià)模型在預(yù)測(cè)和準(zhǔn)確性上取得了較好的結(jié)果。

關(guān)鍵詞：中小微企業(yè);信用預(yù)測(cè);Logistics模型

中圖分類(lèi)號(hào)：F830?文獻(xiàn)標(biāo)識(shí)碼：A?文章編號(hào)：1008-4428（2019）11-0133-02

一、 引言

自從1978年以來(lái)，我國(guó)中小微企業(yè)發(fā)展迅猛。截至2017年底2018年初，全國(guó)各類(lèi)企業(yè)總數(shù)達(dá)到了1527.84萬(wàn)戶(hù)。小型微型企業(yè)1169.87萬(wàn)戶(hù)，占比76.57%。

從中可以看到，中小微企業(yè)在國(guó)民經(jīng)濟(jì)里占了非常重要的地位，是我國(guó)經(jīng)濟(jì)增長(zhǎng)的強(qiáng)勁動(dòng)力，然而目前中小微企業(yè)的資金支持遠(yuǎn)遠(yuǎn)不能滿(mǎn)足其發(fā)展的需要，中小微企業(yè)的信用擔(dān)保不穩(wěn)定、融資存在高風(fēng)險(xiǎn)是銀行等商業(yè)機(jī)構(gòu)不愿意貸款的主要原因。上述問(wèn)題的本質(zhì)在于當(dāng)前的中小微企業(yè)信用評(píng)價(jià)體系不能夠很好地反映其信用水平，這是中小微企業(yè)融資困難的一個(gè)重要原因。故，當(dāng)前需要建立一個(gè)合理的中小微企業(yè)信用評(píng)價(jià)體系。

本文對(duì)中小微企業(yè)信用評(píng)價(jià)模型進(jìn)行研究，分析中小微企業(yè)信用評(píng)價(jià)的指標(biāo)，加入了企業(yè)主個(gè)人維度指標(biāo)，構(gòu)建一個(gè)評(píng)價(jià)指標(biāo)更加完善的中小微企業(yè)Logistics信用評(píng)價(jià)模型，最后運(yùn)用SPSS軟件對(duì)數(shù)據(jù)進(jìn)行實(shí)證分析，進(jìn)而完善信用評(píng)價(jià)體系的相關(guān)研究。

二、 相關(guān)企業(yè)信用評(píng)價(jià)技術(shù)

在1950之前，主要通過(guò)專(zhuān)家自身的經(jīng)驗(yàn)去評(píng)價(jià)企業(yè)信用，專(zhuān)家通過(guò)閱讀材料結(jié)合經(jīng)驗(yàn)做出最后的信用評(píng)價(jià)，這種方式帶有極強(qiáng)的主觀性，造成誤判的也無(wú)法避免。到了1960年之后，人們開(kāi)始采用定性的方法去研究企業(yè)信用評(píng)價(jià)，特別是統(tǒng)計(jì)方法的研究。

從以往的公司經(jīng)營(yíng)成敗經(jīng)驗(yàn)發(fā)現(xiàn)，公司的財(cái)務(wù)信息至關(guān)重要。最早采用公司財(cái)務(wù)比率進(jìn)行信用分析的是威廉·H·比弗（1967），他通過(guò)將經(jīng)營(yíng)失?。╢ailure）定義為一個(gè)公司無(wú)法償付到期債務(wù)，根據(jù)這一定義搜集了158 家公司（79 家失敗和79 家非失敗公司）的配對(duì)樣本，運(yùn)用了兩分法檢驗(yàn)單一財(cái)務(wù)比率對(duì)財(cái)務(wù)失敗的預(yù)測(cè)能力。之后，Altman（1968）通過(guò)對(duì)財(cái)務(wù)比率等變量采用統(tǒng)計(jì)方法進(jìn)行篩選，建立了多元線(xiàn)性判別式分析模型，即Z-score模型，Z-score模型在預(yù)測(cè)公司成敗的問(wèn)題上取得了較好的效果。邁耶和皮弗（1970）首先采用線(xiàn)性概率模型對(duì)公司運(yùn)營(yíng)失敗進(jìn)行預(yù)測(cè)，但是后面發(fā)現(xiàn)該模型在應(yīng)用上有較大的統(tǒng)計(jì)問(wèn)題。到了1970年后期，學(xué)者的研究方向從線(xiàn)性回歸轉(zhuǎn)移到非線(xiàn)性回歸，在預(yù)測(cè)公司失敗的研究上多采用多元條件概率模型，到20世紀(jì)90年代后期出現(xiàn)了一批綜合性的信用評(píng)價(jià)方法。決策支持系統(tǒng)和多目標(biāo)決策相繼被提出用于解決有關(guān)定性變量方面的問(wèn)題。隨著計(jì)算機(jī)技術(shù)的發(fā)展，專(zhuān)家評(píng)估系統(tǒng)和人工神經(jīng)網(wǎng)絡(luò)也被逐漸應(yīng)用到企業(yè)信用評(píng)價(jià)當(dāng)中來(lái)。

根據(jù)具體狀況不同，采用構(gòu)建中小微企業(yè)信用評(píng)價(jià)模型的方法也有所不同。國(guó)內(nèi)學(xué)者也對(duì)中小企業(yè)信用評(píng)分模型進(jìn)行了比較和分析，發(fā)現(xiàn)Logistics回歸模型相對(duì)于其他方法比較優(yōu)秀。但是在對(duì)中小微企業(yè)的信用指標(biāo)選擇上，學(xué)者們多數(shù)集中在企業(yè)的財(cái)務(wù)信息上，而中小微企業(yè)中有很大一部分是企業(yè)主個(gè)人企業(yè)，企業(yè)的信用與企業(yè)主個(gè)人相關(guān)性較大，中小微企業(yè)所有者的信用狀況在很大程度上決定了企業(yè)貸款的償還。

綜上，本文在基于公司財(cái)務(wù)指標(biāo)的前提下，加入部分企業(yè)主個(gè)人的財(cái)務(wù)指標(biāo)，運(yùn)用Logistics模型，評(píng)價(jià)中小微企業(yè)的信用，這能很好地反映企業(yè)真實(shí)的信用狀況。

三、 建模分析

（一）數(shù)據(jù)準(zhǔn)備及特征變量選取

根據(jù)我國(guó)2011年7月發(fā)布的新的中小企業(yè)劃分標(biāo)準(zhǔn)，報(bào)告中將中小企業(yè)劃分為中型、小型和微型三大類(lèi)。

基于此，本文通過(guò)企業(yè)調(diào)查的數(shù)據(jù)得到了90份樣本數(shù)據(jù)，既包含了上市公司，又包含了個(gè)體經(jīng)營(yíng)企業(yè)等。根據(jù)企業(yè)是否拖欠工人工資、客戶(hù)貸款和其他債務(wù)，以及是否履行合同不力等行為將企業(yè)定義為壞客戶(hù)，反之則定義為好客戶(hù)。如此，可將得到的數(shù)據(jù)劃分為60個(gè)好客戶(hù)、30個(gè)壞客戶(hù)。

本文綜合考慮三大報(bào)表，將各報(bào)表的數(shù)據(jù)互相結(jié)合、對(duì)比。以?xún)攤?、盈利水平、營(yíng)運(yùn)水平以及成長(zhǎng)水平四個(gè)方面維度作為基礎(chǔ)，來(lái)構(gòu)建中小微企業(yè)信用評(píng)價(jià)指標(biāo)體系。在此基礎(chǔ)上將中小企業(yè)主的收支情況、信用記錄等信息作為變量納入模型，最終我們將38個(gè)特征變量作為初選變量選入。其中包括4個(gè)企業(yè)特征變量，16個(gè)體現(xiàn)企業(yè)內(nèi)部財(cái)務(wù)狀況的特征變量，18個(gè)企業(yè)主特征變量。

通過(guò)設(shè)定相關(guān)系數(shù)閾值為0.65，對(duì)變量進(jìn)行相關(guān)性檢驗(yàn)。變量間相關(guān)系數(shù)大于0.8，可以作為判斷變量間是否具有多種共線(xiàn)性的臨界點(diǎn)。根據(jù)隸屬度以及設(shè)定的閾值，刪除了6個(gè)變量，最終結(jié)果保留32個(gè)變量進(jìn)入下一步的Logistics回歸模型。

（二）Logistics結(jié)果

在經(jīng)過(guò)上述變量的篩選以及多重共線(xiàn)性處理后，將選入的變量數(shù)據(jù)導(dǎo)入SPSS軟件中做Logistics回歸分析。分別通過(guò)向前和向后逐步篩選對(duì)選入的變量做進(jìn)一步的分析和剔除，反復(fù)多次之后再運(yùn)用enter 方法進(jìn)行再次回歸分析，得到最終的模型結(jié)果。經(jīng)過(guò)多種方法嘗試和回歸結(jié)果比較，發(fā)現(xiàn)向前（有條件）方法的回歸結(jié)果較好，但是篩選出來(lái)的變量較少，有些較為理想的變量未被選入，故采用enter方法將部分變量強(qiáng)制進(jìn)入回歸，得到了較好的結(jié)果，如表1所示。

從表1看到部分方程中的變量顯著大于0.05，但從表2可以看到方程的-2對(duì)數(shù)似然值為52.086，內(nèi)戈?duì)柨芌方的值為0.681大于0.5小于1，可以認(rèn)為回歸模型的顯著性水平和擬合優(yōu)度良好，霍斯默-萊梅肖檢驗(yàn)顯著性水平P值為0.997，接近于1，故不應(yīng)該拒絕原假設(shè)?？梢哉J(rèn)為樣本實(shí)際值得到的分布與預(yù)測(cè)值得到的分布沒(méi)有顯著差異，回歸模型的擬合度較好。

將最終得到的變量及模型回歸系數(shù)帶入LogitP=ln （P1-P）得到Logistic回歸方程：

（三）ROC曲線(xiàn)、AUC值與臨界值的確定

如圖1所示，ROC曲線(xiàn)接近圖的左上角，與對(duì)角線(xiàn)的距離較遠(yuǎn)，可以判斷該Logistics信用評(píng)價(jià)模型在區(qū)分好壞客戶(hù)上結(jié)果較好。并且可以從表3看到AUC（Area Under the Curve）的值為0.931，接近于1，同樣說(shuō)明了模型有較強(qiáng)的辨識(shí)好壞客戶(hù)的能力。

SPSS軟件的默認(rèn)截?cái)嘀凳?.5，即若是模型預(yù)測(cè)值如果大于0.5，則判斷為好客戶(hù);否則判斷為壞客戶(hù)。默認(rèn)的截?cái)嘀翟O(shè)置得過(guò)小容易導(dǎo)致較大的誤判，即將會(huì)違約的客戶(hù)判斷為好客戶(hù)的概率變大，這在實(shí)際應(yīng)用中會(huì)帶來(lái)本金的損失?？梢詮哪Ｐ偷念A(yù)測(cè)分類(lèi)表4中看出，本文能夠正確識(shí)別壞客戶(hù)的比率只有73.3%，但是模型的整體準(zhǔn)確率卻能達(dá)到84.7%，所以需要ROC曲線(xiàn)來(lái)重新確定臨界值。

如表5所示，當(dāng)預(yù)測(cè)好客戶(hù)的概率為0.4200時(shí)，尤登指數(shù)的最大值為0.729，那么該點(diǎn)所對(duì)應(yīng)的尤登指數(shù)值即為臨界值。即在實(shí)際應(yīng)用中模型預(yù)測(cè)值大于0.729，則判斷為好客戶(hù)，反之則為壞客戶(hù)。

四、 研究結(jié)果

對(duì)于中小微企業(yè)來(lái)說(shuō)，中小微企業(yè)經(jīng)營(yíng)者的信用狀況很大程度上決定了中小微企業(yè)貸款未來(lái)的償還情況，將中小微企業(yè)主的收支狀況、信用記錄等信息作為構(gòu)建企業(yè)信用評(píng)價(jià)模型不可或缺的變量。基于此，本文在借鑒前人的基礎(chǔ)上，引入了企業(yè)維度變量同時(shí)加入了企業(yè)主個(gè)人維度的變量，運(yùn)用SPSS軟件，利用90家中小企業(yè)數(shù)據(jù)構(gòu)建了Logistics回歸模型，比起以往的信用模型在準(zhǔn)確性和易用性上有很大的提升。研究結(jié)果表明，模型在主要關(guān)注的目標(biāo)即識(shí)別好壞客戶(hù)以及預(yù)測(cè)方面取得較好的結(jié)果。將來(lái)可以將模型進(jìn)一步拓展，將其開(kāi)發(fā)成信用評(píng)分卡，使得模型在使用上具有更好的簡(jiǎn)便性和操作性。

參考文獻(xiàn)：

[1]胡航.企業(yè)信用評(píng)價(jià)模型的研究與實(shí)現(xiàn)[D].西安：西安電子科技大學(xué)，2012：121-130.

[2]張金貴，侯宇.基于Logit 模型的中小企業(yè)信貸風(fēng)險(xiǎn)實(shí)證分析[J].會(huì)計(jì)之友，2014（30）：41-45.

[3]劉小龍.基于Logistic 模型的中小企業(yè)財(cái)務(wù)危機(jī)預(yù)警研究[D].上海：東華大學(xué)，2014：135-139.

[4]鄭玉華，崔曉東.公司財(cái)務(wù)預(yù)警Logit模型指標(biāo)選擇與實(shí)證分析[J].財(cái)會(huì)月刊，2013（24）：15-18.

[5]王千紅，張敏.我國(guó)中小企業(yè)信用違約風(fēng)險(xiǎn)識(shí)別的實(shí)證研究[J].上海經(jīng)濟(jì)， 2017（1）： 91-100.

[6]Miyamoto.M.Credit Risk Assessment for a Small Bank by Using a Multinomial Logistic Regression Model[J].International Journal of Finance & Accounting，2014，3（5）：327-334.

[7]鄧愛(ài)民，王珂.中小企業(yè)在供應(yīng)鏈金融業(yè)務(wù)中信用風(fēng)險(xiǎn)評(píng)估的實(shí)證研究[J].征信，2015（9）：23.

[8]施林麗，李晨宇，季琛.基于Logistic 回歸模型的中小企業(yè)信用評(píng)價(jià)[J].高師理科刊，2018，38（5）：10-17.

[9]朱艷敏.基于信用評(píng)分模型的小微企業(yè)貸款的可獲得性研究[D].蘇州：蘇州大學(xué)，2014.

[10]李戰(zhàn)江.微型企業(yè)信用評(píng)價(jià)指標(biāo)體系的構(gòu)建[J].技術(shù)經(jīng)濟(jì)，2017，36（2）：109-116.

[11]朱艷敏，陳超. Z_score模型最優(yōu)分割點(diǎn)的確定方法比較：基于違約風(fēng)險(xiǎn)預(yù)測(cè)能力的分析[J].南方金融，2013（8）：74-77.

作者簡(jiǎn)介：

李日揚(yáng)，男，海南澄邁人，北京郵電大學(xué)經(jīng)濟(jì)管理學(xué)院研究生。