4.2. Stepwise Logistic RegressionAl

4.2. Stepwise Logistic Regression
Although the results of the univariate analysis indicate that only ROA, CUREENT,
CFNI, CFLT, CFTA, DUAL, BSIZE, and ODOWN are statistically different between
financially distressed and healthy firms, it cannot be concluded that only this group
variables would have a strong predictive ability or a strong discriminatory power for the
multivariate logistic regression model. Hence, all independent variables would be reconsidered
and re-entered into model when applying the stepwise logistic regression
procedure. Table 5 demonstrates the results for the data of one year before financial
distress1.
[Insert Table 5 Here]
Results show that the independent variables that are entered the final model are the
return on asset (ROA), debt-to-equity ratio (DE), current ratio (CURRENT), cash flow from
operation-to-net income (CFNI), CEO duality (DUAL), managerial ownership (MOWN),
and institutional ownership (IOWN). The signs of all parameter estimates are expected. All
variables are statistically significant, except the IOWN variable. Interestingly, the final
prediction model includes only seven independent variables, which represent two main
categories of variables, financial ratios and corporate governance variables. The
macroeconomics variables do not appear to be an important influence on the probability of
financial distress one year prior to the financial distress. In other words, there is no
improvement to the model by adding the macroeconomic variables. This is not surprising
because Table 3 indicates that there exists the high correlation among the selected
macroeconomic variables and no correlation between the financial distress and
macroeconomic variables. Hence, they are excluded from the final model.
Considering the financial ratio variables comprised in the model, the ROA and CFNI,
which are the measurements of firm’s profitability, are negatively related to the probability
of financial distress. In terms of ROA, this means that the firms with a relative low ROA
are inefficient use of their business assets in generating profit back to the firms. These low
ROA firms tend to have high probability of falling into financial distress. Also, in terms of
1 As the stepwise regression is employed, only independent variables that highly contribute to the
predictive ability of the final model are comprised; other variables are omitted.
20
CFNI, it implies that the firms with a relative low CFNI cannot generate high cash flow
from the net income prepared on an accrual basis. These firms are more likely to have the
cash flow problems, enhancing the probability of financial distress. Hence, the logistic
regression results confirm the results of the univariate test above in which financially
distressed firms are often less profitable. In addition, consistent with the expectations, the
DE ratio is positively associated with the probability of financial distress. The higher the
DE ratio, the greater the probability of financial distress is. With high amounts of liabilities
in relation to total equity, the firm has more financial risk. With high financial risk, the
firm can run into trouble. Particularly, during adverse conditions, the firm is more likely to
be exposed to potential losses and is less likely to generate cash flow to pay off the existing
liabilities. Hence, it is reasonable to conclude that the financially distressed firms are high
leveraged which can be seen via the high DE ratio. Moreover, the CURRENT ratio is also
negatively related to the probability of financial distress. This implies that with low
CURRENT ratio, the probability of financial distress increases. As the current ratio points
out the ability of a firm to match its liquid assets with its short-term liabilities, low current
ratio can indicate the liquidity problem. Hence, it can be stated that the financially
distressed firms are more likely to have a relatively low current ratio because of the risk of
insolvency in the short-term. This is consistent with the univariate results above.
In terms of corporate governance variables, the parameter estimate of DUAL
indicates that CEO duality has a significantly positive effect on the probability of financial
distress in nonfinancial firms. This means that the financially distressed firms are more
likely to have CEOs serving also as board chairmen, confirming the results of univariate
analysis above. As the CEO holds the board chairman position, he is more likely to have
the ability to pursue personal interests and less likely to be aligned with the interest of
shareholders (Fama, 1980; Jensen, 1993; Jensen & Meckling, 1976). Moreover, the CEO
holding the title of chairman of the board of directors may override the control. This can
mitigate the effectiveness of board’s monitoring, creating serious agency problems and
ultimately enhancing the probability of financial distress. Furthermore, the parameter
estimate of MOWN indicates the negative relationship between managerial ownership and
the probability of financial distress. The result points out that once the management holds
no-to-less shares of firm they serve, they have less incentive to align their goals with those
of owners (Fama, 1980; Jensen, 1993; Jensen & Meckling, 1976). It is due to the fact that
they do not involve in the financial outcomes which are the results of their decision. They
21
do not act like the owners; thereby they are more likely to pursue their self interests at the
expense of owners’ well-being. Because of these, the agency costs increase with the
probability of financial distress. Moreover, it is observed that the IOWN is included in the
final model with the expected sign, but it is statistically insignificant. This implies there is
no influence of outside shareholders’ ownership on the occurrence of financial distress.
However, the inclusion of this IOWN can enhance the predictive ability of financial
distress prediction model.
For the goodness-of-fit of the final model, the model chi-square and -2log likelihood
are presented in Table 6. They are used to test the null hypothesis that all regression
coefficients in the equation are zero. The results confirm that the null is rejected at a high
significant level. This indicates that the model fits data very well. Also, to explain whether
the set of variables included in the final model can explain a significant portion of the
variability in the data, the Pseudo R Square is reported. The Cox & Snell R square of 0.671
and Nagelkerke R square of 0.895 indicate the good explanatory power of the final model.
[Insert Table 6 Here]
4.3. Classification Accuracy
To ensure that the financial distress prediction model obtained above is the “reliable”
prediction model, the classification accuracy test is employed by using the Type I and
Type II analysis (Altman, 1968; Casey & Bartczak, 1985; Gilbert et al., 1990; Nam & Jinn,
2000; Ohlson, 1980). Type I refers to the probability of accurate classification of
financially distressed firm, while Type II refers to the probability of accurate classification
of healthy firms. Hence, in this study the “reliable” financial distress prediction model
should have the joint maximization of Type I and Type II.
To classify and predict a firm, the probability of financial distress for each firm is
calculated from the cumulative probability function as in the following.
22
1/{1 exp[ ( ... )]} 0 1 1 2 2 n n P = + − β +β X +β X + +β X
Where, P = the probability of financial distress for firm i;
exp = exponential function;
β1, β2,… βn = slope coefficients;
X1, X2,… Xn = independent variables;
Once the probability of financial distress is obtained, each firm is classified into
financial distress or healthy based on a cutoff estimated probability of 0.5. As the estimated
probability is more than 0.5, the firm is classified as financial distress and if less than 0.5,
the firm is classified as healthy (Casey & Bartczak, 1985, Gilbert et al., 1990; Lee & Yeh,
2004; Nam & Jinn, 2000; Ohlson, 1980). Table 7 presents the classification accuracy for
the prediction model based on data within the sample one-year prior to the financial
distress. Results show that the Type I and Type II accuracy rates are overwhelming. This
means that the final prediction model have the discriminating power to classify correctly
the financially distressed firms about 97.8% (only 1 misclassification out of 45) and to
classify correctly the healthy firms about 93.3% (only 3 misclassification out of 45). The
results show the overall accurate classification rate of the model for the first year before
financial distress is of about 95.6%.
[Insert Table 7 Here]
5. CONCLUSIONS
The study is aimed at developing a financial distress prediction model for
nonfinancial firms listed on the SET via the stepwise logistic regression analysis. Using a
sample of 45 financially distressed firms over the period of January 2000 to March 2009
and matched sample of healthy firms, the final prediction model combined measures of
financial ratios and corporate governance variables. Other basic indicators of the
macroeconomics are not found to be significant. However, this final model provides an
impressive result in which it yields an overall correct classification accuracy of 95.6% one
year prior to financial distress.
23
The financial ratios comprised in the final model are return on assets, cash flow
from operation-to-net income, debt-to-equity ratio, and current ratio. The first two
variables are the measurement of profitability, next is leverage, and last is liquidity. Results
indicate that the financial distressed firms tend to be less profitable, high leveraged, and
less liquid. The results also confirm the prior findings that the accrual-based ratios are
persistently claimed to be significant as predictors of financial distress and

ผลลัพธ์ (ไทย) 1:

4.2 การถดถอยโลจิสติก stepwiseแม้ว่าผลลัพธ์ของการวิเคราะห์อย่างไร univariate บ่งชี้ว่า เฉพาะราว CUREENTCFNI, CFLT, CFTA คู่ BSIZE และ ODOWN มีความแตกต่างทางสถิติระหว่างเป็นทุกข์ และสุขภาพทางการเงินบริษัท มันไม่สามารถสรุปได้ว่า เฉพาะกลุ่มนี้ตัวแปรจะมีความสามารถในงานที่แข็งแกร่งหรือโจ่งแจ้งกำลังแข็งแรงสำหรับการแบบจำลองถดถอยโลจิสติกตัวแปรพหุ ดังนั้น จะทบทวนตัวแปรอิสระทั้งหมดและป้อนใหม่อีกครั้งเป็นรุ่นเมื่อใช้การถดถอยโลจิสติก stepwiseขั้นตอนการ ตาราง 5 แสดงผลสำหรับข้อมูลหนึ่งปีก่อนทางการเงินdistress1[แทรกตาราง 5 ที่นี่]จะแสดงผลว่า ตัวแปรอิสระที่มีป้อนรุ่นสุดท้ายกลับสินทรัพย์อัตรา), หนี้หุ้นอัตราส่วน (DE), อัตราส่วนสภาพคล่อง (ปัจจุบัน), กระแสเงินสดจากรายได้จากการดำเนินงานสุทธิ (CFNI), CEO ทวิภาวะ (คู่) ความเป็นเจ้าของบริหารจัดการ (MOWN),และเจ้าของสถาบัน (IOWN) สัญญาณของประเมินพารามิเตอร์ทั้งหมดคาดว่า ทั้งหมดตัวแปรสำคัญทางสถิติ ยกเว้นตัวแปร IOWN สุดท้ายเป็นเรื่องน่าสนใจแบบจำลองการคาดการณ์รวมถึงเจ็ดเท่าอิสระตัวแปร ซึ่งแสดงถึงหลักสองประเภทของตัวแปร อัตราส่วนทางการเงิน และตัวแปรกำกับ ที่ไม่ปรากฏตัวแปรเศรษฐศาสตร์มหภาคจะ มีอิทธิพลสำคัญในการการเงินทุกข์ทุกข์ทางการเงินปีหนึ่ง ในคำอื่น ๆ มีไม่ปรับปรุงแบบจำลองโดยการเพิ่มตัวแปรเศรษฐกิจมหภาค จึงไม่น่าแปลกใจเนื่องจากตาราง 3 แสดงว่า มีสหสัมพันธ์สูงระหว่างที่เลือกตัวแปรเศรษฐกิจมหภาคและไม่มีความสัมพันธ์ระหว่างความทุกข์ทางการเงิน และตัวแปรเศรษฐกิจมหภาค ดังนั้น พวกเขาจะถูกแยกออกจากรุ่นสุดท้ายพิจารณาตัวแปรอัตราส่วนทางการเงินประกอบด้วยในรุ่น ราวและ CFNIซึ่งเป็นการวัดผลกำไรของบริษัท ส่งสัมพันธ์กับความเป็นไปได้ทุกข์ทางการเงิน ในราว ซึ่งหมายความ ว่า บริษัท มีราวต่ำสุดสัมพัทธ์จะไม่ใช้สินทรัพย์ของธุรกิจในการสร้างกำไรกลับไปยังบริษัท เหล่านี้ต่ำบริษัทราวมักจะ มีสูงน่าตกไปอยู่ในความทุกข์ทางการเงิน ยัง ในแง่ของ1 เป็นการถดถอยการ stepwise เป็นลูกจ้าง ตัวแปรอิสระเท่านั้นที่สูงนำไปสู่การความสามารถในการคาดการณ์ของแบบสุดท้ายจะประกอบด้วย ตัวแปรอื่น ๆ จะถูกละเว้นจาก20CFNI มันหมายถึงว่า บริษัท มี CFNI ต่ำญาติไม่สามารถสร้างกระแสเงินสดสูงจากกำไรสุทธิที่จัดทำบนพื้นฐานการรับรู้ บริษัทเหล่านี้มีแนวโน้มที่จะมีการปัญหากระแสเงินสด เพิ่มความเป็นไปได้ของความทุกข์ทางการเงิน ดังนั้น การลอจิสติกถดถอยผลยืนยันอย่างไร univariate ผลการทดสอบข้างต้นซึ่งทางการเงินบริษัทเป็นทุกข์มักน้อยมีกำไร นอกจากนี้ สอดคล้องกับความคาดหวัง การอัตราส่วน DE สัมพันธ์บวกกับความเป็นไปได้ของความทุกข์ทางการเงินได้ สูงกว่าอัตราส่วน DE น่ายิ่งทุกข์ทางการเงินได้ กับจำนวนหนี้สินที่สูงเกี่ยวกับหุ้น บริษัทมีความเสี่ยงทางการเงินเพิ่มเติม มีความเสี่ยงสูงทางการเงิน การบริษัทสามารถเรียกใช้เป็นปัญหา โดยเฉพาะ ระหว่างเงื่อนไขร้าย บริษัทเป็นไปได้มากสามารถสัมผัสกับความสูญเสียที่อาจเกิดขึ้น และมีแนวโน้มน้อยลงเพื่อสร้างกระแสเงินสดการชำระเงินที่มีอยู่หนี้สิน ดังนั้น จึงเหมาะสมที่จะสรุปว่า บริษัทเป็นทุกข์ทางการเงินสูงleveraged ที่สามารถเห็นผ่านอัตราส่วน DE สูง นอกจากนี้ อัตราส่วนสภาพคล่องอยู่ส่งที่เกี่ยวข้องกับความเป็นไปได้ของความทุกข์ทางการเงิน นี้หมายถึงที่ มีต่ำอัตราส่วนสภาพคล่อง ความน่าเป็นทุกข์ทางการเงินเพิ่มขึ้น เป็นจุดอัตราส่วนสภาพคล่องออกความสามารถของบริษัทให้ตรงกับสินทรัพย์ของเหลวกับของหนี้สินระยะสั้น ต่ำปัจจุบันอัตราส่วนสามารถบ่งชี้ปัญหาสภาพคล่อง ดังนั้น มันสามารถระบุที่การเงินบริษัทเป็นทุกข์มักจะมีอัตราส่วนสภาพคล่องค่อนข้างต่ำเนื่องจากความเสี่ยงของล้มละลายในระยะสั้น สอดคล้องกับผลลัพธ์อย่างไร univariate ข้างอยู่ในแง่ของตัวแปรกำกับ ประเมินพารามิเตอร์ของคู่บ่งชี้ว่า ทวิภาคของ CEO มีผลดีอย่างมากต่อความเป็นไปได้ทางการเงินทุกข์ในบริษัท nonfinancial หมายความ ว่า บริษัทเงินเป็นทุกข์เป็นแนวโน้มที่จะมีให้บริการยังเป็นคณะแขก รับรองผลอย่างไร univariate CEOsการวิเคราะห์ข้างต้น ประธานกรรมการบริหารดำรงตำแหน่งประธานคณะกรรมการ เขาเป็นแนวโน้มที่จะมีความสามารถในการติดตามผลประโยชน์ส่วนบุคคล และมีแนวโน้มน้อยลงเพื่อให้สอดคล้องกับความสนใจของผู้ถือหุ้น (Fama, 1980 เจนเซน 1993 เจนและ Meckling, 1976) นอกจากนี้ ประธานกรรมการบริหารเก็บชื่อของประธานคณะกรรมการอาจแทนการควบคุมการ นี้สามารถลดประสิทธิภาพของคณะกรรมการตรวจสอบ สร้างปัญหาร้ายแรงหน่วยงาน และในที่สุด เพิ่มความทุกข์ทางการเงิน นอกจากนี้ พารามิเตอร์ประเมินของ MOWN บ่งชี้ความสัมพันธ์ระหว่างความเป็นเจ้าของบริหารจัดการลบ และความทุกข์ทางการเงิน ผลคะแนนออกที่เมื่อมีการจัดการไม่น้อยกว่าหุ้นของบริษัทที่ให้บริการ มีงานน้อยจัดเป้าหมายกับของเจ้าของ (Fama, 1980 เจนเซน 1993 เจนและ Meckling, 1976) ก็เนื่องจากว่าพวกเขาไม่เกี่ยวข้องกับในผลลัพธ์ทางการเงินซึ่งเป็นผลของการตัดสินใจของพวกเขา พวกเขา21ไม่ดำเนินการเช่นเจ้า จึงมีแนวโน้มที่จะไล่ตามผลประโยชน์ของตนเองที่จะค่าใช้จ่ายของเจ้าของ เนื่องจากเหล่านี้ ต้นทุนหน่วยเพิ่มด้วยการความทุกข์ทางการเงิน นอกจากนี้ มันจะสังเกตว่า IOWN ที่อยู่ในการรุ่นสุดท้าย ด้วยเครื่องหมายที่คาดไว้ แต่มันมีสำคัญทางสถิติ นี้หมายถึงมีไม่มีอิทธิพลของความเป็นเจ้าของหุ้นอยู่นอกบนการเกิดขึ้นของทุกข์ทางการเงินอย่างไรก็ตาม การรวมของ IOWN นี้สามารถเพิ่มความสามารถในการคาดการณ์ของการเงินแบบจำลองพยากรณ์ความทุกข์สำหรับความดีของพอดีรุ่นสุดท้าย รูปแบบ chi-square และ - 2log โอกาสมีแสดงในตาราง 6 พวกเขาใช้ในการทดสอบสมมติฐานว่างที่ถดถอยทั้งหมดค่าสัมประสิทธิ์ในสมการเป็นศูนย์ ผลยืนยันว่า ค่า null ที่ถูกปฏิเสธในสูงอย่างมีนัยสำคัญระดับ บ่งชี้ว่า รูปแบบที่เหมาะกับข้อมูลดีมาก ยัง อธิบายว่าชุดของตัวแปรที่อยู่ในรูปแบบสุดท้ายสามารถอธิบายเป็นส่วนสำคัญของการความแปรผันในข้อมูล รายงานตาราง R หลอก สแควร์ค็อกซ์และเซี R ของ 0.671และ R Nagelkerke ตารางของ 0.895 ระบุอำนาจอธิบายดีรุ่นสุดท้าย[แทรกตาราง 6 ที่นี่]4.3 การจัดประเภทความแม่นยำเพื่อให้แน่ใจว่า แบบจำลองพยากรณ์ความทุกข์ทางการเงินได้ข้างต้นเป็น "เชื่อถือ"แบบจำลองทำนาย ทดสอบความถูกต้องจัดประเภทเป็นลูกจ้างโดยแบบผม และวิเคราะห์ชนิด II (Altman, 1968 เคซี่ย์ & Bartczak, 1985 Gilbert et al., 1990 น้ำและญิน2000 Ohlson, 1980) ผมหมายถึงที่น่าถูกต้องการจัดประเภทชนิดเป็นทุกข์ทางการเงินของบริษัท ในขณะที่ชนิด II หมายถึงความน่าเป็นของการจัดประเภทที่ถูกต้องของบริษัทเพื่อสุขภาพ ดังนั้น นี้ศึกษารูปแบบการคาดเดาความทุกข์ทางการเงินที่ "เชื่อถือ"ควรมีการร่วม maximization ของพิมพ์ฉัน และชนิด IIการจัดประเภท และทำนายบริษัท เป็นความทุกข์ทางการเงินสำหรับแต่ละบริษัทคำนวณได้จากฟังก์ชันความน่าเป็นที่สะสมต่อไปนี้221 / { 1 exp [()...] } 0 1 1 2 2 n n P = + −β + β X β X + + + β X, P =ความน่าเป็นทุกข์ทางการเงินสำหรับบริษัทฉันประสบการณ์ =ฟังก์ชันเอ็กซ์โพเนนเชียΒ1, Β2, ... Βn =สัมประสิทธิ์ความชันX 1, X 2, ... Xn =ตัวแปรอิสระเมื่อได้รับความทุกข์ทางการเงิน แต่ละบริษัทจะแบ่งเป็นความทุกข์ทางการเงิน หรือสุขภาพตามความน่าเป็นประมาณตัดยอด 0.5 เป็นการประเมินความน่าเป็นมีค่ามากกว่า 0.5 บริษัทถูกจัดประเภทเป็นเงินทุกข์และ ถ้าน้อยกว่า 0.5บริษัทถูกจัดประเภทเป็นสุขภาพ (Casey และ Bartczak, 1985, Gilbert et al., 1990 ลีและ Yeh2004 น้ำและญิน 2000 Ohlson, 1980) ตาราง 7 แสดงความถูกต้องของการจัดประเภทสำหรับแบบคาดเดาตามข้อมูลภายในหนึ่งปีก่อนทางการเงินตัวอย่างความทุกข์ ผลลัพธ์แสดงว่า ฉันและอัตราความแม่นยำชนิด II จะครอบงำ นี้หมายความว่าแบบจำลองการคาดการณ์สุดท้ายได้รับการจำแนกอำนาจจำแนกอย่างถูกต้องเป็นทุกข์เงินกระชับประมาณ 97.8% (misclassification 1 จาก 45) และจำแนกถูกต้องบริษัทสุขภาพประมาณ 93.3% (misclassification 3 เท่าจาก 45) ที่ผลลัพธ์แสดงอัตราประเภทที่ถูกต้องโดยรวมของแบบจำลองสำหรับปีแรกก่อนความทุกข์ทางการเงินเกี่ยวกับ 95.6% ได้[แทรกตาราง 7 ที่นี่]5. บทสรุปการศึกษาจะมุ่งการพัฒนาแบบจำลองพยากรณ์ความทุกข์ทางการเงินสำหรับบริษัท nonfinancial แสดงชุดผ่านการวิเคราะห์ถดถอยโลจิสติก stepwise โดยใช้การตัวอย่างของบริษัท 45 เป็นทุกข์ทางการเงินในช่วงเดือนมกราคมปี 2000 ถึงเดือน 2552 มีนาคมและจับคู่ตัวอย่างของบริษัทอาหารเสริมเพื่อสุขภาพ แบบจำลองคาดการณ์สุดท้ายรวมวัดอัตราส่วนทางการเงินและตัวแปรกำกับ ตัวบ่งชี้อื่น ๆ พื้นฐานของการเศรษฐศาสตร์มหภาคไม่พบเป็นสำคัญ อย่างไรก็ตาม นี้รูปสุดท้ายแสดงการผลลัพธ์ที่น่าประทับใจซึ่งมันทำให้การจัดประเภทโดยรวมถูกต้องแม่นยำ 95.6% หนึ่งปีก่อนทุกข์ทางการเงิน23อัตราส่วนทางการเงินที่ประกอบด้วยในแบบสุดท้ายเป็นคืนสินทรัพย์ กระแสเงินสดจากรายได้การดำเนินงานสุทธิ อัตราส่วนหนี้สินต่อทุน และอัตราส่วนสภาพคล่อง สองชนิดแรกตัวแปรวัดผลกำไร ถัดไปประสิทธิภาพการดำเนินงาน และล่าสุด สภาพคล่อง ผลลัพธ์ระบุว่า บริษัทเป็นทุกข์ทางการเงินมักจะมีกำไรน้อย สูง leveraged และของเหลวน้อยกว่า ผลการยืนยันผลการวิจัยก่อนหน้านี้ที่อัตราส่วนการรับรู้สามารถอ้างว่า มีความสำคัญเป็น predictors ทุกข์ทางการเงิน และ

ผลลัพธ์ (ไทย) 3:

4.2 . วิเคราะห์ถดถอยโลจิสติก
ถึงแม้ว่าผลสอดคล้องกับผลการวิเคราะห์บ่งชี้ว่า เท่านั้นที่ cureent cfni cflt
, , , , cfta คู่ bsize และ odown แตกต่างกันระหว่าง บริษัท ทางการเงินเป็นทุกข์
และมีสุขภาพดี จึงไม่สามารถสรุปได้ว่าตัวแปรกลุ่มนี้จะแข็งแรง
ทำนายความสามารถหรือแข็งแรงอำนาจจำแนกสำหรับ
การวิเคราะห์การถดถอยโลจิสติกหลายตัวแปร ดังนั้น ตัวแปรอิสระทั้งหมดจะพิจารณา
และเข้าไปในรูปแบบเมื่อใช้ =
วิธีถดถอยโลจิสติก ตารางที่ 5 แสดงผลข้อมูล 1 ปีก่อน distress1 การเงิน
.
[ ]
ที่นี่แทรกตารางที่ 5 พบว่าตัวแปรอิสระที่เข้ารอบสุดท้ายแบบ
ผลตอบแทนต่อสินทรัพย์ ( ROA )อัตราส่วนหนี้สินต่อส่วนของผู้ถือหุ้น ( เดอ ) , อัตราส่วนปัจจุบัน ( ปัจจุบัน ) กระแสเงินสดจากการดำเนินงานต่อรายได้ (
cfni ) , ซีอีโอคู่ ( Dual ) การบริหาร ( โมน )
และเจ้าของสถาบัน ( iown ) สัญญาณของการประมาณการพารามิเตอร์ทั้งหมดที่คาดว่า ทั้งหมด
ตัวแปรอย่างมีนัยสำคัญทางสถิติ ยกเว้น iown ตัวแปร ทั้งนี้ โมเดล
ทำนายสุดท้ายมีเพียง 7 ตัวแปรอิสระซึ่งเป็นสองประเภทหลัก
ตัวแปร ตัวแปรอัตราส่วนทางการเงินและบรรษัทภิบาล
เศรษฐศาสตร์มหภาคตัวแปรที่ไม่ได้ปรากฏเป็นอิทธิพลสำคัญต่อโอกาสของ
ทางการเงินหนึ่งปีก่อนที่จะขอความช่วยเหลือทางการเงิน ในคำอื่น ๆที่ไม่มี
ปรับปรุงรูปแบบโดยการเพิ่มตัวแปรเศรษฐกิจมหภาค . นี้ไม่น่าแปลกใจ
เพราะตารางที่ 3 พบว่า มีอยู่สูง ความสัมพันธ์ระหว่างตัวแปรคัดสรร
เศรษฐศาสตร์มหภาคและไม่มีความสัมพันธ์ระหว่างตัวแปรทางเศรษฐกิจทางการเงินและ
. ดังนั้น พวกเขาจะไม่รวมอยู่ในรุ่นสุดท้าย .
พิจารณาอัตราส่วนทางการเงินประกอบด้วยตัวแปรในแบบจำลองที่ลงทุน cfni
, และ , ซึ่งเป็นวัดของธุรกิจที่ทำกำไรมีความสัมพันธ์ทางลบกับความน่าจะเป็น
ของความทุกข์ทางการเงิน ในแง่ของชอบใจ ซึ่งหมายความ ว่า บริษัทที่ลงทุนน้อยเมื่อเทียบกับ
จะใช้ประสิทธิภาพของสินทรัพย์ของธุรกิจของพวกเขาในการสร้างผลกำไรกลับบริษัท เหล่านี้มีแนวโน้มที่จะมี บริษัท ที่ลงทุนต่ำ
ความน่าจะเป็นตกอยู่ในความทุกข์ทางการเงินสูง นอกจากนี้ ในแง่ของ
1 เป็นขั้นตอนคือการจ้างงานมีเพียงตัวแปรอิสระที่สนับสนุนความสามารถในการทำนายของแบบจำลอง
สุดท้าย ประกอบด้วย ตัวแปรอื่น ๆ ; B .
20
cfni ก็หมายความว่า บริษัท ที่มีไม่ cfni ต่ำญาติสร้าง
กระแสเงินสดสูงจากรายได้ที่เตรียมไว้ในที่ใดที่หนึ่ง . บริษัท เหล่านี้มีแนวโน้มที่จะมี
ปัญหากระแสเงินสดที่เพิ่มความน่าจะเป็นของความทุกข์ทางการเงิน ดังนั้นการถดถอยโลจิสติก
ยืนยันผลของทั้งสองแบบข้างต้นซึ่งในทางการเงิน บริษัทมักจะทำกำไร
เป็นทุกข์น้อยลง นอกจากนี้ สอดคล้องกับความคาดหวัง เดอ มีความสัมพันธ์เชิงบวกกับ
อัตราส่วนความน่าจะเป็นของความทุกข์ทางการเงิน สูงกว่า
อัตราส่วน de มากขึ้นน่าจะเป็นทุกข์ทางการเงินคืออะไร ที่มีปริมาณสูงของหนี้สิน
ในความสัมพันธ์กับสินทรัพย์รวมของ บริษัท มีความเสี่ยงมากขึ้น กับความเสี่ยงทางการเงินสูง
บริษัทสามารถปัญหาเข้ามา โดยเฉพาะอย่างยิ่งในช่วงสภาวะที่ไม่พึงประสงค์ของ บริษัท มีแนวโน้มที่จะ
ถูกการขาดทุนและมีโอกาสน้อยที่จะสร้างกระแสเงินสดจ่ายปิดหนี้สินที่มีอยู่แล้ว

ดังนั้นจึงเหมาะสมที่จะสรุปได้ว่า บริษัท ทางการเงินด้อยคุณภาพสูง
leveraged ซึ่งสามารถเห็นได้ผ่านทางสูง เดอ อัตราส่วน นอกจากนี้ อัตราส่วนปัจจุบันยัง
ความสัมพันธ์ทางลบกับความน่าจะเป็นของความทุกข์ทางการเงิน แสดงว่ามีอัตราส่วนต่ำ
, ความน่าจะเป็นของการเพิ่มความทุกข์ทางการเงิน เป็นจุดที่อัตราส่วน
ออกความสามารถของบริษัทที่จะแข่งขันกับของสินทรัพย์สภาพคล่องระยะสั้นหนี้สิน
กระแสต่ำอัตราส่วนสามารถบ่งบอกถึงปัญหาสภาพคล่องได้ ดังนั้นจึงสามารถกล่าวได้ว่า เงิน
เป็นทุกข์ บริษัท มีแนวโน้มที่จะมีอัตราค่อนข้างต่ำในปัจจุบันเนื่องจากความเสี่ยงของ
การล้มละลายในระยะสั้น ซึ่งสอดคล้องกับทั้งสองดังกล่าวข้างต้น
ในแง่ของตัวแปรพารามิเตอร์การประเมินบรรษัทภิบาล dual
ระบุว่า ซีอีโอคู่มีผลเป็นบวกอย่างมากต่อโอกาสของธุรกิจ ใน บริษัท nonfinancial
ทุกข์ . ซึ่งหมายความว่า บริษัท ทางการเงินเป็นทุกข์มากขึ้น
น่าจะมีซีอีโอให้บริการยังเป็นประธานบอร์ด ยืนยันผลการสัมภาษณ์
การวิเคราะห์ข้างต้น เป็น CEO เป็นประธานคณะกรรมการตำแหน่ง เขามีแนวโน้มที่จะมี
ความสามารถที่จะไล่ตามความสนใจส่วนบุคคลและโอกาสน้อยที่จะสอดคล้องกับผลประโยชน์ของผู้ถือหุ้น ( Fama
, 1980 ; Jensen , 1993 ; Jensen & meckling , 1976 ) นอกจากนี้ ซีอีโอ
ถือชื่อของกรรมการ อาจยกเลิกการควบคุม นี้สามารถลดประสิทธิภาพของ
คณะกรรมการตรวจสอบการสร้างปัญหาร้ายแรงและ
หน่วยงานในที่สุดการเพิ่มความน่าจะเป็นของความทุกข์ทางการเงิน นอกจากนี้ พารามิเตอร์
ประมาณการของโมนแสดงความสัมพันธ์เชิงลบระหว่างเจ้าของและบริหาร
ความน่าจะเป็นของความทุกข์ทางการเงิน ผลคะแนนออกมาว่าเมื่อจัดการถือ
ไม่มีหุ้นน้อยของ บริษัท พวกเขาให้บริการ พวกเขามีแรงจูงใจน้อยที่จะจัดเป้าหมายของพวกเขากับบรรดา
เจ้าของ ( Fama , 1980 ; Jensen , 1993 ;เจนเซ่น& meckling , 1976 ) มันเป็นเพราะความจริงที่ว่าพวกเขาไม่ได้เกี่ยวข้องกับ
ในทางการเงินผลลัพธ์ ซึ่งผลลัพธ์ของการตัดสินใจของตนเอง พวกเขา
21
ไม่เหมือนเจ้าของ ; ดังนั้นพวกเขามีแนวโน้มที่จะไล่ตามความสนใจของตนเองที่
ค่าใช้จ่ายของเจ้าของ ' อยู่ดีกินดี เพราะของเหล่านี้ค่าใช้จ่ายหน่วยงานเพิ่มด้วย
ความน่าจะเป็นของความทุกข์ทางการเงิน นอกจากนี้พบว่า iown รวมอยู่ในรุ่นสุดท้ายกับคาด
เซ็น แต่มันมีนัยสำคัญอะไร นี้หมายถึงมี
ไม่มีอิทธิพลของผู้ถือหุ้นภายนอกกรรมสิทธิ์ในการเกิดของทุกข์ทางการเงิน .
แต่รวม iown นี้สามารถเพิ่มความสามารถในการทำนายของแบบจำลองการทำนายทางการเงิน
.
สำหรับความสอดคล้องของรูปแบบสุดท้ายแบบไคสแควร์และ 2log โอกาส
นำเสนอตาราง 6 . พวกเขาจะใช้เพื่อทดสอบสมมติฐานว่างว่าในสมการการถดถอย
ทุกศูนย์ ผลการวิจัยยืนยันว่า การจะปฏิเสธสูง
) อย่างมีนัยสำคัญทางสถิติที่ระดับ . นี้บ่งชี้ว่ารูปแบบเหมาะกับข้อมูลได้ดีมาก ยังอธิบายว่า
ชุดของตัวแปรในโมเดลสุดท้าย สามารถอธิบายเป็นส่วนสําคัญของ
ความผันแปรในข้อมูลตาราง R เทียม รายงาน ผู้ป่วยที่&นล R ตารางของ 0.671
และตาราง R nagelkerke ของ 0.895 แสดงความสามารถที่ดีของรุ่นสุดท้าย .
[ ]
6 แทรกตาราง 4.3 . ความแม่นยำในการจำแนก
เพื่อให้แน่ใจว่าได้รับความทุกข์ทางการเงินแบบจำลองการทำนายข้างบนคือ " ความน่าเชื่อถือ "
ทำนายแบบทดสอบความแม่นยำในการจำแนกการใช้โดยใช้ประเภท I และ Type II การวิเคราะห์
( อัลท์แมน , 1968 ; เคซี่& bartczak , 1985 ; Gilbert et al . , 1990 ; น้ำ&จินน์
, 2000 ; โอลสัน , 1980 ) . ประเภทหมายถึงความน่าจะเป็นของหมวดหมู่ที่ถูกต้องของ
ทางการเงินเป็นทุกข์ของบริษัทในขณะที่ประเภทที่สองหมายถึงความน่าจะเป็นของ
การจำแนกถูกต้องของ บริษัท สุขภาพ ดังนั้นในการศึกษานี้ " ที่เชื่อถือได้ " ทางการเงินแบบจำลองการทำนาย
น่าจะมี 2 ประเภท และประเภทที่ 2 .
เพื่อจำแนกและทำนายบริษัท ความเป็นไปได้ทางการเงินของแต่ละบริษัท
คำนวณจากฟังก์ชันความน่าจะเป็นสะสมดังนี้คือ

1 / 22 { 1 [ EXP ( . . . . . . .) } 0 1 1 2 2 n ( p = −บีตาบีตา x x x
บีตาบีตาที่ p = ความเป็นไปได้ทางการเงินของบริษัท I ;
Exp = ฟังก์ชันเอกซ์โพเนนเชียลบีตาบีตา ;
1 , 2 , . . . . . . .
n = สัมประสิทธิ์บีตาลาด ; x1 , x2 , . . . . . . . ซิน = ตัวแปรอิสระ ;
เมื่อโอกาสทางการเงินที่ได้รับของแต่ละบริษัทจะแบ่ง
ทางการเงินหรือสุขภาพขึ้นอยู่กับการประมาณความน่าจะเป็นของ 0.5 เป็นประมาณ
ความน่าจะเป็นมากกว่า 0.5 , บริษัท แบ่งเป็น ทางการเงินและถ้าน้อยกว่า 0.5
บริษัท แบ่งเป็น สุขภาพ ( เคซี่& bartczak 1985 Gilbert et al . , 1990 ; ลี & Yeh
2004 ; น้ำ&ญิน , 2000 ; โอลสัน , 1980 ) ตารางที่ 7 แสดงความถูกต้องหมวดหมู่สำหรับ
แบบจำลองการทำนายบนพื้นฐานของข้อมูลภายในตัวอย่างหนึ่งปีก่อนที่จะการเงิน
ความทุกข์พบว่าชนิดและอัตราความถูกต้อง 2 ประเภทเป็นอย่างดี นี้
หมายความว่าแบบจำลองการทำนายสุดท้ายค่าอำนาจจำแนกมีค่าถูกต้อง
บริษัททางการเงินเป็นทุกข์เกี่ยวกับ 97.8 % ( เฉพาะ 1 ผิดพลาดจาก 45 ) และแยกประเภทได้อย่างถูกต้อง

สุขภาพบริษัทเกี่ยวกับ 93.3 % ( เฉพาะ 3 ผิดพลาดจาก 45 )
ผลลัพธ์ที่ได้แสดงให้เห็นว่าโดยรวมที่ถูกต้องอัตราการจำแนกแบบปีแรกก่อน
ทางการเงินคือประมาณ 95.6 % .
[ ]
ที่นี่แทรกตารางที่ 7 5 สรุป
การศึกษาครั้งนี้มีวัตถุประสงค์เพื่อพัฒนาแบบจำลองการพยากรณ์ทางการเงินสำหรับ
nonfinancial บริษัทจดทะเบียนในตลาดหลักทรัพย์ผ่านเครื่องมือการวิเคราะห์การถดถอยโลจิสติก ใช้
จำนวน 45 บริษัททางการเงินเป็นทุกข์ในช่วงเดือนมกราคม 2543 ถึงมีนาคม 2009
ตรงกับตัวอย่างของ บริษัท และมีสุขภาพดี แบบจำลองการทำนายสุดท้ายรวมมาตรการของ
อัตราส่วนทางการเงิน และตัวแปรที่มีบรรษัทภิบาล ตัวชี้วัดอื่น ๆพื้นฐานของ
เศรษฐศาสตร์มหภาค ไม่พบว่ามีความ อย่างไรก็ตาม รุ่นนี้สุดท้ายมี
ประทับใจ " ซึ่งมันให้ผลความแม่นยำในการจำแนกโดยรวมที่ถูกต้องของหนึ่งปีก่อน 95.6 %


23 ความทุกข์ทางการเงิน อัตราส่วนทางการเงินประกอบด้วยในรูปแบบสุดท้าย ผลตอบแทนในสินทรัพย์ กระแสเงินสดจากการดำเนินงานต่อรายได้
สุทธิ อัตราส่วนหนี้สินต่อส่วนของผู้ถือหุ้น และสัดส่วนในปัจจุบัน 2
ตัวแปรแรกการวัดกำไร ถัดไปคือยกระดับ และสุดท้าย คือ สภาพคล่อง ผลลัพธ์
ระบุว่า บริษัท มีแนวโน้มที่จะได้รับผลกำไรทางการเงินด้อยน้อยสูง leveraged และ
ของเหลวน้อยกว่า ผลยังยืนยันผลการวิจัยก่อนหน้านี้ที่รับรู้ตามอัตราส่วนถูก
เสมอต้นเสมอปลายอ้างว่าเป็นปัจจัยของความทุกข์ทางการเงินอย่างมีนัยสำคัญ