余 勍 李 妍 黃 琪

（作者單位：1.廣州城市理工學(xué)院；2.澳門城市大學(xué)）

隨著中國(guó)改革開放和經(jīng)濟(jì)的不斷發(fā)展，傳媒行業(yè)正在受到越來(lái)越多的關(guān)注。傳媒行業(yè)具有流動(dòng)資產(chǎn)以及無(wú)形資產(chǎn)龐大、固定資產(chǎn)占比很小，生產(chǎn)經(jīng)營(yíng)模式風(fēng)險(xiǎn)高，以及未來(lái)收益不確定性大的特點(diǎn)，面臨的財(cái)務(wù)風(fēng)險(xiǎn)也在不斷增加。因此，傳媒企業(yè)為了在市場(chǎng)競(jìng)爭(zhēng)中具有優(yōu)勢(shì)，如何構(gòu)建一個(gè)合理有效的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型是當(dāng)下亟待解決的重要問(wèn)題。

Fitzpatrick[1]是最早使用變量進(jìn)行財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警研究的學(xué)者，但其只選擇了一個(gè)財(cái)務(wù)指標(biāo)作為研究對(duì)象，這種研究方法沒(méi)有考慮到企業(yè)經(jīng)營(yíng)的全面性。EI Altman[2]使用多元線性模型來(lái)綜合分析企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)狀況，選取了33 個(gè)目標(biāo)組和對(duì)照組，利用1946—1965 年的財(cái)務(wù)數(shù)據(jù)，構(gòu)建了著名的Z 評(píng)分模型。Ohlson J A[3]則首次利用Logistic 回歸模型來(lái)評(píng)價(jià)財(cái)務(wù)風(fēng)險(xiǎn)，并發(fā)現(xiàn)企業(yè)的規(guī)模、業(yè)績(jī)、資產(chǎn)構(gòu)成、資本和資產(chǎn)變現(xiàn)能力這四個(gè)指標(biāo)具有較大的影響。吳世農(nóng)和盧賢義[4]認(rèn)為多變量分析方法比Logistic 模型對(duì)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測(cè)的準(zhǔn)確性要高。李長(zhǎng)山[5]利用Logistic 回歸方法對(duì)中小企業(yè)上市公司進(jìn)行財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)，并得到了較高的風(fēng)險(xiǎn)預(yù)測(cè)準(zhǔn)確率。在國(guó)內(nèi)外學(xué)者研究的基礎(chǔ)上，本文先采用因子分析法結(jié)合選取的財(cái)務(wù)指標(biāo)和數(shù)據(jù)進(jìn)行公因子提取，再利用Logistic 回歸模型構(gòu)建傳媒行業(yè)上市公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型，并據(jù)此提出相關(guān)建議，以期幫助相關(guān)企業(yè)提高抵御財(cái)務(wù)風(fēng)險(xiǎn)的能力。

一、研究設(shè)計(jì)

（一）樣本選取

為進(jìn)行對(duì)比分析，樣本中需要包含一定數(shù)量的危機(jī)樣本和一定數(shù)量同類型正常經(jīng)營(yíng)的公司。在我國(guó)，一般將上市公司中被ST 處理的企業(yè)作為發(fā)生財(cái)務(wù)危機(jī)的標(biāo)志，與之對(duì)應(yīng)的正常經(jīng)營(yíng)公司則標(biāo)記為非ST 公司。本文選取了滬深兩市2018—2020 年A 股主板市場(chǎng)上共12 家ST 公司（以發(fā)生兩年虧損為界），其中5 家為樣本組，另7家為檢驗(yàn)組。同時(shí)隨機(jī)選取正常經(jīng)營(yíng)的公司16 家，其中7 家為樣本組，另9 家為檢驗(yàn)組。

在時(shí)間點(diǎn)的選取上，由于上市公司當(dāng)年年報(bào)的公布時(shí)間是在下一年的4 月30 日之前，因此所選取的企業(yè)在被列入財(cái)務(wù)危機(jī)名單的當(dāng)年，實(shí)際上已經(jīng)連續(xù)虧損兩年，所以為使最后的數(shù)據(jù)分析有意義，兩類公司均選取t-3 年的數(shù)據(jù)進(jìn)行研究。另外，本文樣本數(shù)據(jù)來(lái)源于巨潮網(wǎng)，數(shù)據(jù)分析使用SPSS 軟件。

（二）模型指標(biāo)選取

根據(jù)選取的財(cái)務(wù)指標(biāo)和企業(yè)經(jīng)營(yíng)狀況之間要有緊密聯(lián)系的原則，本文綜合選取了5 大類共17 個(gè)財(cái)務(wù)指標(biāo)，所選指標(biāo)如表1 所示。

表1 模型指標(biāo)選取

（三）財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型構(gòu)建

首先，利用因子分析法在眾多指標(biāo)中找出公因子，用公因子來(lái)解釋原來(lái)的多個(gè)指標(biāo)，公因子Fi的表達(dá)式為：

其中βik（i=1，2，…，k）為第Fi個(gè)因子在Xk上的得分。

其次，利用二元Logistic 回歸模型來(lái)構(gòu)建財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型。Logistic 回歸是研究因變量為二分類或者多分類變量與影響因素之間關(guān)系的一種多變量分析方法，也是一種概率性的非線性回歸分析方法。因變量為狀態(tài)二元變量，取值通常為0 或1。當(dāng)Yit=1 時(shí)，則表明研究樣本事件在時(shí)點(diǎn)t發(fā)生；反之表示研究樣本事件在t時(shí)不發(fā)生。自變量為前述提取的公因子。模型表達(dá)式為：

其中，Yi表示第i家公司是否為ST 公司，取值為0和1；Fk為前述步驟中的公因子變量，pi則代表模型對(duì)第i家公司的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測(cè)概率值，一般可以0.5 為臨界值進(jìn)行判斷。當(dāng)pi大于0.5 則可認(rèn)為該公司面臨財(cái)務(wù)風(fēng)險(xiǎn)。

二、實(shí)證分析

（一）因子分析提取公因子

1.因子分析的可行性

為檢驗(yàn)數(shù)據(jù)能否進(jìn)行因子分析，需要先對(duì)指標(biāo)進(jìn)行可行性檢驗(yàn)。常用的檢驗(yàn)方法是KMO 和巴特利特球形檢驗(yàn)（以下稱Bartlett’s 球形度檢驗(yàn)）檢驗(yàn)。KMO 統(tǒng)計(jì)量是用于比較變量之間簡(jiǎn)單相關(guān)系數(shù)和偏相關(guān)系數(shù)的指標(biāo)，KMO 值越接近于1，說(shuō)明原有變量之間的相關(guān)性越強(qiáng)，原有變量越適合進(jìn)行因子分析。根據(jù)經(jīng)驗(yàn)，一般KMO 值大于0.5 則適合進(jìn)行因子分析。Bartlett’s 球形度檢驗(yàn)則用于檢驗(yàn)相關(guān)系數(shù)矩陣中各變量之間的相關(guān)性，即檢驗(yàn)各個(gè)變量是否相互獨(dú)立，若顯著性值小于0.05 則適合進(jìn)行因子分析。

結(jié)合SPSS 軟件輸出結(jié)果來(lái)看，KMO 值為0.632，小于0.5，自由度為136，說(shuō)明指標(biāo)之間的相關(guān)性較強(qiáng)；巴特利特球形度檢驗(yàn)的近似卡方值為662.156，P值為0.000，小于0.05，拒絕原假設(shè)，因此原有指標(biāo)適合進(jìn)行因子分析。

2.提取公因子

提取公因子時(shí)一般要求各公因子的特征值要大于1，根據(jù)SPSS 軟件的輸出結(jié)果，“初始特征值”中只有4 個(gè)成分的特征值大于1，其余成分的特征值均小于1，因此從原有指標(biāo)中可提取4 個(gè)公因子。提取4 個(gè)公因子后的累計(jì)方差貢獻(xiàn)率達(dá)到78.252%，說(shuō)明利用這4 個(gè)因子可以充分代替原有17 個(gè)指標(biāo)的全部信息，因此本文提取4 個(gè)公因子進(jìn)行建模。

3.公因子命名及計(jì)算得分

利用SPSS 軟件對(duì)數(shù)據(jù)進(jìn)行坐標(biāo)變換及凱撒正態(tài)化最大方差法進(jìn)行旋轉(zhuǎn)后可得到旋轉(zhuǎn)因子載荷矩陣表，如表2 所示。第一個(gè)因子F1 在X1、X5、X6、X7、X8、X9和X12 上具有較大的載荷值，即為盈利因子；第二個(gè)因子F2 在X3、X10、X11、X13、X14 和X15 上具有較大的載荷值，即為財(cái)務(wù)風(fēng)險(xiǎn)因子；第三個(gè)因子F3 在X2、X4 和X16 上具有較大的載荷值，即為成長(zhǎng)因子；第四個(gè)因子F4在X17 上具有較大的載荷值，為營(yíng)運(yùn)因子。

表2 旋轉(zhuǎn)后的成分矩陣表

最后，根據(jù)因子得分系數(shù)矩陣可列出各公因子的計(jì)算表達(dá)式。綜合得分的計(jì)算公式為：

（二）變量顯著性檢驗(yàn)與篩選

1.多重共線性診斷

利用相關(guān)系數(shù)矩陣對(duì)前述4 個(gè)公因子進(jìn)行多重共線性檢驗(yàn)，根據(jù)輸出結(jié)果可知，p值為0.000，因此拒絕原假設(shè)，即4 個(gè)公因子之間不存在多重共線性。

2.正態(tài)性檢驗(yàn)

為檢驗(yàn)公因子的顯著性并篩選出影響力強(qiáng)的指標(biāo)進(jìn)入模型，首先需要檢驗(yàn)每個(gè)公因子的分布情況。本文采用非參數(shù)檢驗(yàn)方法K-S 檢驗(yàn)方法來(lái)對(duì)各個(gè)公因子是否為正態(tài)分布進(jìn)行檢驗(yàn)。如果P取值小于0.05，則表示所檢驗(yàn)的公因子不服從正態(tài)分布。根據(jù)SPSS 軟件的K-S 檢驗(yàn)輸出結(jié)果表（見表3）可知，除F2 因子外，其余公因子均不服從正態(tài)分布。

表3 K-S 檢驗(yàn)和Mann-Whitney U 檢驗(yàn)結(jié)果表

3.單樣本T 檢驗(yàn)和Mann-Whitney U 檢驗(yàn)

為了使得提取出來(lái)的公因子可以建立有效的反映傳媒行業(yè)板塊的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型，需要對(duì)所提取的公因子進(jìn)行顯著性檢驗(yàn)，用SPSS 對(duì)分類出來(lái)的公因子進(jìn)行t檢驗(yàn)，可以剔除掉不顯著的因子。根據(jù)軟件輸出結(jié)果，F(xiàn)2 公因子的t統(tǒng)計(jì)量為0.000，P值1.000，大于顯著性水平0.05，表明原假設(shè)未被拒絕，所以F2 公因子在ST 和非ST 公司之間影響不明顯，應(yīng)予以剔除。

同時(shí)對(duì)4 個(gè)公因子進(jìn)行Mann-Whitney U 檢驗(yàn)，結(jié)果見表5。在顯著性水平為0.05 時(shí)，F(xiàn)3 和F4 兩個(gè)公因子顯著，即成長(zhǎng)能力因子和營(yíng)運(yùn)能力因子在財(cái)務(wù)危機(jī)和非財(cái)務(wù)危機(jī)企業(yè)之間存在顯著差異。綜上所述，最終選取F3 和F4 這兩個(gè)公因子構(gòu)建財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型。

（三）傳媒業(yè)Logistic 財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型

1.傳媒行業(yè)Logistic 逐步回歸模型建立

將前述篩選出的2 個(gè)公因子F3 和F4 代入進(jìn)行二元Logistic 回歸。邏輯回歸的自變量為ST 公司和非ST 公司，將它們分別設(shè)定為0 和1，利用SPSS 軟件建立基于逐步邏輯回歸的Logistic 模型。財(cái)務(wù)危機(jī)發(fā)生的概率值為P，P值越大則越容易發(fā)生財(cái)務(wù)危機(jī)。對(duì)于分類臨界值的設(shè)定，結(jié)合傳媒行業(yè)特點(diǎn)，選取臨界值為0.8。若P值大于0.8，則被判別為具有財(cái)務(wù)風(fēng)險(xiǎn)的公司，反之則為正常公司。

根據(jù)表4 結(jié)果可知，傳媒行業(yè)財(cái)務(wù)預(yù)警模型為：

表4 基于逐步回歸的Logistic 模型結(jié)果

（P大于0.8，財(cái)務(wù)危機(jī)；P≤0.8，財(cái)務(wù)正常）

另根據(jù)卡方值的大小可知，在傳媒行業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型中，公因子F3 對(duì)于企業(yè)的意義較為重要，傳媒類上市公司應(yīng)注重企業(yè)未來(lái)成長(zhǎng)性的監(jiān)控，進(jìn)而有效防范財(cái)務(wù)風(fēng)險(xiǎn)。

2.預(yù)警模型擬合優(yōu)度檢驗(yàn)

對(duì)最終模型進(jìn)行擬合優(yōu)度檢測(cè)，內(nèi)戈?duì)柨芌2為0.402，考克斯-斯奈爾R2為0.299，說(shuō)明模型的擬合度良好?；羲鼓?萊梅肖P值為0.594 大于0.05，說(shuō)明該財(cái)務(wù)預(yù)警模型是有效的。

3.財(cái)務(wù)預(yù)警模型預(yù)警效果檢驗(yàn)

為驗(yàn)證財(cái)務(wù)預(yù)警模型預(yù)測(cè)財(cái)務(wù)風(fēng)險(xiǎn)的準(zhǔn)確性，將樣本組和檢測(cè)組t-3 年的財(cái)務(wù)指標(biāo)數(shù)據(jù)分別代入模型中進(jìn)行預(yù)測(cè)t+3 年后公司是否處于財(cái)務(wù)危機(jī)狀況，預(yù)測(cè)結(jié)果如表5 所示。當(dāng)臨界分割點(diǎn)為0.8 時(shí)，ST 公司預(yù)測(cè)準(zhǔn)確率為83.3%，非ST 公司的預(yù)測(cè)準(zhǔn)確性為81.3%，總體預(yù)測(cè)正確率平均為82.2%，說(shuō)明基于逐步回歸的Logistic 模型對(duì)于預(yù)測(cè)傳媒類上市公司是否為ST 企業(yè)的準(zhǔn)確率較高，模型預(yù)測(cè)結(jié)果值得參考。

表5 預(yù)警效果檢驗(yàn)表

三、結(jié)語(yǔ)

通過(guò)因子分析法從眾多財(cái)務(wù)指標(biāo)中提取出能夠概括反映原有指標(biāo)信息的4 個(gè)公因子，進(jìn)行檢驗(yàn)后篩選出兩個(gè)最終公因子F3 和F4，進(jìn)行Logistic 回歸模型構(gòu)建，并對(duì)傳媒業(yè)上市公司進(jìn)行預(yù)測(cè)準(zhǔn)確性檢驗(yàn)，模型預(yù)測(cè)效果良好。根據(jù)研究結(jié)果可知，傳媒類上市公司的成長(zhǎng)能力和營(yíng)運(yùn)能力對(duì)企業(yè)財(cái)務(wù)狀況有較大的影響，尤其是未來(lái)成長(zhǎng)能力。

基于以上實(shí)證分析結(jié)果提出以下建議：一是傳媒類上市公司需關(guān)注行業(yè)發(fā)展和國(guó)家出臺(tái)的相關(guān)政策，確定行業(yè)流行趨勢(shì)以及未來(lái)走向，進(jìn)行準(zhǔn)確的定位，提高產(chǎn)品變現(xiàn)能力，維持正常的現(xiàn)金流，保障可持續(xù)發(fā)展。二是企業(yè)內(nèi)部需加強(qiáng)管理，結(jié)合模型及時(shí)預(yù)警，針對(duì)自身的情況及時(shí)調(diào)整經(jīng)營(yíng)方針，合理進(jìn)行反饋修正。三是傳媒企業(yè)需要根據(jù)自身的經(jīng)營(yíng)特點(diǎn)適當(dāng)?shù)卣{(diào)整預(yù)警模型，不能太依賴于預(yù)警模型，它只是起輔助性的作用，如何預(yù)防企業(yè)處于財(cái)務(wù)危機(jī)之中以及如何應(yīng)對(duì)財(cái)務(wù)危機(jī)才是關(guān)鍵。