康正發(fā) 陳思宇

摘要：選取年報(bào)中有醫(yī)療服務(wù)的國內(nèi)上市的32家企業(yè)，篩選一些影響醫(yī)療服務(wù)企業(yè)信用風(fēng)險(xiǎn)指標(biāo)，建立Logit 回歸模型并展開一些分析討論，驗(yàn)證了模型有較好地對醫(yī)療服務(wù)企業(yè)的信用風(fēng)險(xiǎn)評估能力。

關(guān)鍵詞：信用風(fēng)險(xiǎn);醫(yī)療服務(wù);Logit 模型

中圖分類號：F27文獻(xiàn)標(biāo)識碼：Adoi：10.19311/j.cnki.1672-3198.2022.07.020

0引言

目前，我國綜合性的醫(yī)療服務(wù)市場規(guī)模正在不斷地?cái)U(kuò)大，公立醫(yī)療企業(yè)數(shù)量有所下降，民營醫(yī)療企業(yè)數(shù)量在逐年上升，這代表著民營資本開始慢慢進(jìn)入醫(yī)療市場。隨著人們生活水平的日益提高，人們對于醫(yī)療服務(wù)的要求也在不斷提高。制藥、醫(yī)療器械的研究和生產(chǎn)、醫(yī)療投資管理、基于醫(yī)療服務(wù)領(lǐng)域內(nèi)的技術(shù)開發(fā)等都同屬于醫(yī)療產(chǎn)業(yè)，且由于近幾年的IT技術(shù)和健康管理的興起，預(yù)計(jì)2020年以后的醫(yī)療服務(wù)市場會以更快的發(fā)展速度在我國經(jīng)濟(jì)發(fā)展中取得引人關(guān)注的地位。在醫(yī)療產(chǎn)業(yè)大發(fā)展的背景下，醫(yī)療服務(wù)業(yè)也在不斷成長。醫(yī)療服務(wù)行業(yè)快速發(fā)展的同時(shí)，醫(yī)療服務(wù)企業(yè)中的信用風(fēng)險(xiǎn)也隨之暴露出來，個(gè)別企業(yè)在收購兼并重組中引發(fā)了信用風(fēng)險(xiǎn)，這里試圖針對醫(yī)療服務(wù)企業(yè)的信用風(fēng)險(xiǎn)評估問題展開一些討論。

1文獻(xiàn)綜述及模型概述

1.1文獻(xiàn)綜述

巫磊（2009）利用 Logistic 回歸法中的 Logit 回歸模型建立我國上市公司財(cái)務(wù)困境預(yù)測模型：先采用入選的 10 指標(biāo)，再剔除相關(guān)性較高的指標(biāo)，采用 SPSS 軟件自帶的數(shù)據(jù)挖掘功能——向后逐步回歸法來篩選預(yù)測變量，得出Logit 財(cái)務(wù)困境預(yù)測模型，通過該模型預(yù)測出上市公司是否即將陷入財(cái)務(wù)困境，并對回歸的結(jié)果進(jìn)行了回歸系數(shù)的檢驗(yàn)、擬合優(yōu)度檢驗(yàn)、解釋變量共線性檢驗(yàn)、判定正確率的檢驗(yàn)。

張傳新、王光偉（2012）選取一百多家上市公司為研究樣本，從大量財(cái)務(wù)指標(biāo)中篩選出具有組間顯著性差異的指標(biāo)，運(yùn)用主成分分析提取出五個(gè)主成分，構(gòu)建了一個(gè)度量信用風(fēng)險(xiǎn)的 Logit 模型。檢驗(yàn)所建模型的總體預(yù)測正確率達(dá)94.23%，因而具有一定的超前預(yù)測能力。

趙春媛（2014）選取物價(jià)指數(shù)、企業(yè)脆弱指數(shù)等宏觀指標(biāo)，和償債能力、盈利能力、運(yùn)營能力、成長能力等財(cái)務(wù)指標(biāo)，再選取深市中小板制造業(yè)企業(yè)的年報(bào)數(shù)據(jù)做樣本池，剔除不完整及存在異常的數(shù)據(jù)后，通過軟件對所有數(shù)據(jù)進(jìn)行因子分析，利用回歸建立了中小企業(yè)商業(yè)信用風(fēng)險(xiǎn)評估模型。

1.2模型概述

1.2.1Z-score模型

Z-score模型是由紐約大學(xué)Altman教授在1968年提出的，該模型能對公司未來的破產(chǎn)幾率做出預(yù)測。他通過對破產(chǎn)企業(yè)和正常企業(yè)的對比研究，選取了5個(gè)財(cái)務(wù)比率，并對其賦予相應(yīng)的權(quán)重，此模型的判別函數(shù)如下：

Z = 1.2X1+ 1.4X2+ 3.3X3+ 0.6X4+ 0.99X5

其中：X1=營運(yùn)資本/總資產(chǎn)

X2=留存收益/總資產(chǎn)

X3=息稅前利潤/總資產(chǎn)

X4=股東權(quán)益的市場價(jià)值總額/負(fù)債總額

X5=銷售收入/資產(chǎn)總額，也就是我們所說的總資產(chǎn)周轉(zhuǎn)率。

一個(gè)企業(yè)的Z值越大，陷入財(cái)務(wù)困境的幾率就越小;Z值越小，陷入財(cái)務(wù)困境的幾率就越大。當(dāng)企業(yè)的Z值大于2.675的時(shí)候，我們認(rèn)為該企業(yè)的財(cái)務(wù)情況優(yōu)良，短時(shí)間內(nèi)不會發(fā)生破產(chǎn)的情況;當(dāng)企業(yè)的Z值在1.8～2.675之間時(shí)，我們認(rèn)為該企業(yè)目前屬于“灰色區(qū)域”，無法判斷該公司是否會在短期內(nèi)破產(chǎn);當(dāng)企業(yè)的Z值小于1.8時(shí)，我們認(rèn)為該企業(yè)已經(jīng)被判別為破產(chǎn)了。

1.2.2Logit模型

Logit模型的函數(shù)表達(dá)式是：

P=1/（1+e^（-y））

其中y=a0+∑ni=1aixi。

ai表示第i個(gè)對于是否違約的解釋變量的系數(shù)，y是中間變量，P在這里表示因變量，P的取值 {0，1}。

Logit模型是一種非線性模型，在運(yùn)用該模型時(shí)，首先要確定虛擬變量P的含義。P為0和1代表著一種狀態(tài)的存在與否，在本文里就代表著企業(yè)是否違約，1表示企業(yè)不違約，0表示企業(yè)違約，變量的值越接近0則表示企業(yè)違約的概率越大。Logit模型對于本文的研究內(nèi)容來說，有以下幾個(gè)優(yōu)勢：第一，該模型的被解釋變量本身可以作為二分變量，所以相對于本文的研究內(nèi)容——醫(yī)療服務(wù)企業(yè)的信用風(fēng)險(xiǎn)評估（違約與否）來說，很是契合;第二，Logit回歸對于變量沒有特別嚴(yán)格的要求，對變量的類型不做要求，是否服從正態(tài)分布也是不做要求的;第三，Logit模型寬松的要求使得本文在進(jìn)行數(shù)據(jù)搜集的時(shí)候較為容易。

2基于Logit回歸的醫(yī)療服務(wù)類公司的信用風(fēng)險(xiǎn)實(shí)證分析

2.1Logit模型的構(gòu)建

在所選取的Logit模型當(dāng)中，被解釋變量是虛擬變量，表示的是一種狀態(tài)或者是性質(zhì)。在本文中表示醫(yī)療服務(wù)企業(yè)的違約狀況，也就是違約和不違約。根據(jù)行業(yè)特點(diǎn)，將Z值作為劃分閾值，企業(yè)Z≥2.675時(shí)，變量取值為1，表示企業(yè)不違約;當(dāng)企業(yè)的Z<2.675時(shí)，變量取值為0，表示企業(yè)違約。虛擬變量引入將對企業(yè)信用風(fēng)險(xiǎn)的估計(jì)問題轉(zhuǎn)化成了對企業(yè)的違約概率的大小估算問題。

2.2指標(biāo)的選擇

對于一個(gè)醫(yī)療服務(wù)企業(yè)來說，影響它的信用風(fēng)險(xiǎn)的要素有很多。對我國這類上市公司進(jìn)行分析時(shí)，一般分為企業(yè)披露的財(cái)務(wù)數(shù)據(jù)、市場因素、宏觀經(jīng)濟(jì)調(diào)控情況、企業(yè)治理等多種因素，其中財(cái)務(wù)數(shù)據(jù)的搜集和處理比較容易且準(zhǔn)確，而另外的很多則是非定量因素，非定量因素的搜集和量化有很大的難度。所以本文在指標(biāo)的選取上絕大多數(shù)使用的公司的財(cái)務(wù)數(shù)據(jù)，另外采用一些必要的非財(cái)務(wù)因素作為輔佐因素，以此來進(jìn)行分析的。本文選取的影響醫(yī)療服務(wù)企業(yè)信用風(fēng)險(xiǎn)的各種指標(biāo)主要有：

2.2.1償債能力指標(biāo)

（1）流動(dòng)比率：流動(dòng)比率=流動(dòng)資產(chǎn)/流動(dòng)負(fù)債

（2）速動(dòng)比率：速動(dòng)比率=速動(dòng)資產(chǎn)/流動(dòng)負(fù)債

（3）資產(chǎn)負(fù)債率：資產(chǎn)負(fù)債率=負(fù)債總額/資產(chǎn)總額

2.2.2盈利能力指標(biāo)

（1）銷售凈利率：銷售凈利率=銷售凈利潤/主營業(yè)務(wù)收入

（2）總資產(chǎn)收益率：總資產(chǎn)收益率=凈利潤/平均總資產(chǎn)

（3）凈資產(chǎn)收益率：凈資產(chǎn)收益率=凈利潤/平均凈資產(chǎn)

2.2.3營運(yùn)能力指標(biāo)

（1）總資產(chǎn)周轉(zhuǎn)率：總資產(chǎn)周轉(zhuǎn)率=銷售收入總額/平均資產(chǎn)總額

（2）存貨周轉(zhuǎn)率：存貨周轉(zhuǎn)率=主營業(yè)務(wù)成本/平均存貨余額

（3）應(yīng)收賬款周轉(zhuǎn)率：應(yīng)收賬款周轉(zhuǎn)率=當(dāng)期銷售凈收入/（（期初應(yīng)收賬款余額 + 期末應(yīng)收賬款余額）/2）

2.2.4成長能力指標(biāo)

（1）總資產(chǎn)增長率：總資產(chǎn)增長率=本年總資產(chǎn)增長額/年初總資產(chǎn)

（2）凈利潤增長率：凈利潤增長率=（本期凈利潤-上期凈利潤）/上期凈利潤

（3）主營業(yè)務(wù)收入增長率：主營業(yè)務(wù)收入增長率=本期主營業(yè)務(wù)收入增長額/上期主營業(yè)務(wù)收入

2.2.5行業(yè)市場指標(biāo)

最初考慮選擇專利技術(shù)此類無形資產(chǎn)賬面價(jià)值及相對總資產(chǎn)的占比作為指標(biāo)，但是考慮到相對于成立年限較長的部分企業(yè)來說，很多成立不久的中小企業(yè)可能并沒有持有太多專利，這也不代表著他們的信用風(fēng)險(xiǎn)就一定比成立久的企業(yè)大。所以最后選擇了研發(fā)支出占比（研發(fā)支出/（主營業(yè)務(wù)支出+營業(yè)外支出））來作為參數(shù)考量。

最后在賦值的時(shí)候，將大于本年樣本研發(fā)占比平均值的企業(yè)賦值為1，反之則為0。

2.3實(shí)證分析

2.3.1樣本情況介紹

本文是針對我國一些有醫(yī)療服務(wù)的上市公司來構(gòu)建信用風(fēng)險(xiǎn)評估模型的，選用的Logit模型中所需的數(shù)據(jù)絕大多數(shù)是來自上市公司每年或者每季披露的財(cái)務(wù)數(shù)據(jù)。為獲取數(shù)據(jù)的方便，本文只考慮了在滬深證券交易所上市的且在年報(bào)中披露有醫(yī)療服務(wù)的32家企業(yè)，本文選用的所有財(cái)務(wù)數(shù)據(jù)均來自東方財(cái)富choice數(shù)據(jù)庫。

本文共選取了如表1的32家上市醫(yī)療服務(wù)公司，獲取了它們2016年至2018年的財(cái)務(wù)數(shù)據(jù)信息，2016、2017年的數(shù)據(jù)用于構(gòu)建模型回歸，而2018年的數(shù)據(jù)用于檢驗(yàn)?zāi)Ｐ陀行浴?/p>

2.3.2描述性統(tǒng)計(jì)

首先對變量進(jìn)行統(tǒng)計(jì)描述，觀察變量的范圍，平均水平及波動(dòng)情況。對 2016-2017年的醫(yī)療服務(wù)上市公司的違約概率y（Z-score值）、是否高風(fēng)險(xiǎn)yd（根據(jù)2.675為閾值劃分的虛擬變量）、流動(dòng)比率ldbl、速動(dòng)比率sdbl、資產(chǎn)負(fù)債率lev、銷售凈利潤xsjlr、資產(chǎn)收益率roa、凈資產(chǎn)收益率roe、總資產(chǎn)周轉(zhuǎn)率zzczzl、存貨周轉(zhuǎn)率chzzl、應(yīng)收賬款周轉(zhuǎn)率yszkzzl、總資產(chǎn)增長率tag、凈利潤增長率nag、主營業(yè)務(wù)收入增長率mtgm和研發(fā)支出占比k做描述性統(tǒng)計(jì)，得到各個(gè)變量的最小最大值、均值和標(biāo)準(zhǔn)差，輸出結(jié)果如表2所示。

根據(jù)Z值按照2.675劃分高風(fēng)險(xiǎn)和低風(fēng)險(xiǎn)概率生成虛擬變量yd，Z值大于等于2.675，則yd=1，反之則為0。yd平均值為0.8125，說明低風(fēng)險(xiǎn)樣本占比81.25%。

2.3.3相關(guān)性分析

為了分析變量間兩兩的線性相關(guān)關(guān)系，對破產(chǎn)違約概率y、是否高風(fēng)險(xiǎn)yd、流動(dòng)比率ldbl、速動(dòng)比率sdbl、資產(chǎn)負(fù)債率lev、銷售凈利潤xsjlr、資產(chǎn)收益率roa、凈資產(chǎn)收益率roe、總資產(chǎn)周轉(zhuǎn)率zzczzl、存貨周轉(zhuǎn)率chzzl、應(yīng)收賬款周轉(zhuǎn)率yszkzzl、總資產(chǎn)增長率tag、凈利潤增長率nag、主營業(yè)務(wù)收入增長率mtgm和研發(fā)支出占比k進(jìn)行相關(guān)分析，得到各變量之間的相關(guān)系數(shù)。輸出結(jié)果見表3。

由表3可以看出，流動(dòng)比率、速動(dòng)比率和資產(chǎn)負(fù)債率之間相關(guān)系數(shù)絕對值均大于0.6，且p值小于0.01，說明三者之間存在顯著的線性關(guān)系，選擇資產(chǎn)負(fù)債率作為下文模型中企業(yè)償債能力指標(biāo);從銷售利潤率、總資產(chǎn)利潤率和凈資產(chǎn)利潤率可以看出，相關(guān)系數(shù)顯著大于0.6，選擇總資產(chǎn)收益率作為企業(yè)盈利能力指標(biāo);從總資產(chǎn)周轉(zhuǎn)率、存貨周轉(zhuǎn)率、應(yīng)收賬款周轉(zhuǎn)率相關(guān)系數(shù)可以看出，存貨周轉(zhuǎn)率和總資產(chǎn)周轉(zhuǎn)率具有較高相關(guān)性，選擇總資產(chǎn)周轉(zhuǎn)率和應(yīng)收賬款周轉(zhuǎn)率分別量化企業(yè)資產(chǎn)和賬款流動(dòng)性;從總資產(chǎn)增長率和凈利潤增長率相關(guān)系數(shù)可以看出，兩者相關(guān)系數(shù)顯著為正，選擇總資產(chǎn)增長率作為企業(yè)規(guī)模增長指標(biāo)。

2.3.4回歸分析

為了探究醫(yī)療服務(wù)企業(yè)的信用風(fēng)險(xiǎn)評估模型，采用 2016-2017年的32家醫(yī)療服務(wù)企業(yè)的面板數(shù)據(jù)進(jìn)行分析，建立模型如下，采用logit對模型進(jìn)行回歸。

LogitP=β0+β1K+β2lev+β3roa+β4zzczzl+β5yszkzzl+β6nag+β7migm（1）

將各參數(shù)系數(shù)代入模型，得到：

LogitP=4.1053+1.2774K-0.1316lev+0.1022roa+3.7330zzczzl+0.0383yszkzzl-0.0011nag+1.6597migm（2）

從回歸結(jié)果可以看出，R2為0.5126，說明模型解釋了被解釋變量51.26%的變化信息，卡方值為24.92，伴隨概率為0.0000，說明模型整體擬合效果較好。其中顯著的變量有研發(fā)支出占比、資產(chǎn)負(fù)債率、ROA、總資產(chǎn)周轉(zhuǎn)率，將另外三個(gè)不顯著的變量剔除后回歸發(fā)現(xiàn)擬合度反而下降，并且考慮到面板數(shù)據(jù)的樣本情況，所以選擇保留凈資產(chǎn)增長率、應(yīng)收賬款周轉(zhuǎn)率、主營業(yè)務(wù)收入增長率這三個(gè)變量?；貧w結(jié)果中變量的符號除了凈資產(chǎn)周轉(zhuǎn)率，其余符號都與預(yù)期所符合：研發(fā)支出占比越高，企業(yè)信用風(fēng)險(xiǎn)越低;總資產(chǎn)負(fù)債率越高，企業(yè)信用風(fēng)險(xiǎn)越高;總資產(chǎn)收益率越高，企業(yè)信用風(fēng)險(xiǎn)越低;總資產(chǎn)周轉(zhuǎn)率越高，企業(yè)信用風(fēng)險(xiǎn)越低。

2.3.5模型的有效性檢驗(yàn)

本文將以選取的32家醫(yī)療服務(wù)企業(yè)2018年的Z值作為觀測值，再將樣本中2018年的相關(guān)財(cái)務(wù)數(shù)據(jù)代入Logit模型中，可以得到樣本醫(yī)療服務(wù)企業(yè)違約的概率（1-P），有效性檢驗(yàn)結(jié)果如表5。

由表5可以看出，在所選取的32家醫(yī)療服務(wù)企業(yè)中，模型對高風(fēng)險(xiǎn)組的預(yù)測正確率為100%，對低風(fēng)險(xiǎn)組的預(yù)測正確率為89%，綜合預(yù)測正確率為93.75%，說明模型有較好的對醫(yī)療服務(wù)企業(yè)的信用風(fēng)險(xiǎn)評估能力。

3結(jié)論與啟示

本文應(yīng)用統(tǒng)計(jì)分析模型對32家醫(yī)療服務(wù)企業(yè)2016-2017年的財(cái)務(wù)數(shù)據(jù)進(jìn)行回歸分析，得到以下結(jié)論：研發(fā)支出占比、總資產(chǎn)周轉(zhuǎn)率和總資產(chǎn)收益率越高，醫(yī)療服務(wù)企業(yè)的信用風(fēng)險(xiǎn)越低，而資產(chǎn)負(fù)債率越高，企業(yè)的信用風(fēng)險(xiǎn)越高。

使用2018年的企業(yè)財(cái)務(wù)數(shù)據(jù)進(jìn)行代入檢驗(yàn)，得出模型對于高信用風(fēng)險(xiǎn)醫(yī)療服務(wù)企業(yè)的預(yù)測正確率為100%，對低信用風(fēng)險(xiǎn)醫(yī)療服務(wù)企業(yè)的預(yù)測正確率為89%，綜合預(yù)測正確率為93.75%，說明模型對于醫(yī)療服務(wù)企業(yè)有較好的信用風(fēng)險(xiǎn)估計(jì)能力。

隨著我國經(jīng)濟(jì)的進(jìn)一步發(fā)展，人們對醫(yī)療服務(wù)的需求逐步增加，醫(yī)療服務(wù)企業(yè)也會增加，一些企業(yè)或許會在競爭中淘汰，本文的方法或許對行業(yè)分析或者證券投資有一定的參考意義。

參考文獻(xiàn)

[1]巫磊.基于Logit回歸模型的我國上市公司財(cái)務(wù)困境預(yù)測實(shí)證研究[D].成都：西南財(cái)經(jīng)大學(xué)，2009.

[2]張傳新，王光偉.基于主成分分析和Logit模型的商業(yè)銀行信用風(fēng)險(xiǎn)度量研究[J].西部經(jīng)濟(jì)管理論壇，2012，23（04）：17-23+57.

[3]趙春媛.基于Logit回歸的中小企業(yè)商業(yè)信用風(fēng)險(xiǎn)評估模型及實(shí)證研究[D].上海：華東理工大學(xué)，2014.

3787501908287