基于判別分析對(duì)醫(yī)藥類(lèi)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型的建立

喬瑞玥

摘 要：伴隨著醫(yī)藥行業(yè)的崛起和我國(guó)市場(chǎng)環(huán)境的波動(dòng)，醫(yī)藥制造類(lèi)企業(yè)面臨著不同程度的風(fēng)險(xiǎn)。文章根據(jù)滬深上市公司年報(bào)數(shù)據(jù)所取的財(cái)務(wù)指標(biāo)，選取ST企業(yè)和非ST企業(yè)作為研究樣本，通過(guò)構(gòu)建指標(biāo)體系、進(jìn)行顯著性檢驗(yàn)，篩選出九個(gè)具有顯著性差異的指標(biāo)，運(yùn)用費(fèi)希爾判別法建立財(cái)務(wù)預(yù)警模型。經(jīng)過(guò)具體應(yīng)用可以得出該模型判別準(zhǔn)確度較高，從而有效預(yù)測(cè)企業(yè)的財(cái)務(wù)狀況，防范財(cái)務(wù)風(fēng)險(xiǎn)。

關(guān)鍵詞：醫(yī)藥制造;財(cái)務(wù)預(yù)警;費(fèi)希爾判別

中圖分類(lèi)號(hào)：F275 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1005-6432（2022）04-0173-03

DOI：10.13939/j.cnki.zgsc.2022.04.173

1 引言

受2020年市場(chǎng)大環(huán)境的影響，經(jīng)濟(jì)態(tài)勢(shì)出現(xiàn)較大的改變，企業(yè)時(shí)刻面臨財(cái)務(wù)危機(jī)的風(fēng)險(xiǎn)。由于醫(yī)藥行業(yè)具有投入資金高、風(fēng)險(xiǎn)系數(shù)高和投資回報(bào)高的特點(diǎn)，其整體波動(dòng)較大。面對(duì)日益激烈的市場(chǎng)競(jìng)爭(zhēng)，一些規(guī)模小、財(cái)務(wù)狀況較差、經(jīng)營(yíng)規(guī)模小的醫(yī)藥制造企業(yè)容易被市場(chǎng)淘汰，因此，構(gòu)建財(cái)務(wù)預(yù)警研究模型迫在眉睫。

從已有研究文獻(xiàn)看，國(guó)內(nèi)眾多學(xué)者已從不同角度構(gòu)建財(cái)務(wù)預(yù)警模型，李紅梅、田景鮮[1]建立了以財(cái)務(wù)指標(biāo)為自變量的Logistics回歸模型、財(cái)務(wù)指標(biāo)及與公司治理指標(biāo)相結(jié)合的Logistics回歸模型和以Fisher值與公司治理指標(biāo)為自變量的混合模型，得出在制造業(yè)上市公司中，預(yù)警最好的是混合模型的結(jié)果;陳欣欣、郭洪濤[2]在四個(gè)主要財(cái)務(wù)指標(biāo)的基礎(chǔ)上加入了利潤(rùn)質(zhì)量指標(biāo)和市場(chǎng)估值兩類(lèi)指標(biāo)，運(yùn)用因子分析法和二元Logistics回歸法構(gòu)建農(nóng)業(yè)上市公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型;王夢(mèng)瑤等提取200家企業(yè)數(shù)據(jù)，采取貝葉斯判別法建立財(cái)務(wù)預(yù)警模型，但是判別效果一般。

在目前的特殊環(huán)境下，醫(yī)藥制造企業(yè)受到大眾關(guān)注，但目前針對(duì)該類(lèi)行業(yè)的企業(yè)經(jīng)營(yíng)風(fēng)險(xiǎn)研究較少。針對(duì)這些原因，文章采用判別分析法構(gòu)建醫(yī)藥制造行業(yè)的財(cái)務(wù)預(yù)警模型。

2 指標(biāo)體系的建立與數(shù)據(jù)來(lái)源

2.1 指標(biāo)體系的建立

指標(biāo)選取是財(cái)務(wù)預(yù)警的關(guān)鍵，文章在選取指標(biāo)時(shí)分為兩步進(jìn)行，首先為科學(xué)地選取合適的指標(biāo)，基于全面性、可操作性原則，從償債能力、盈利能力、營(yíng)運(yùn)能力、發(fā)展能力、現(xiàn)金流量指標(biāo)、公司治理指標(biāo)六個(gè)方面選取出能全面反映企業(yè)財(cái)務(wù)狀況的27個(gè)指標(biāo)，并且這些指標(biāo)有相應(yīng)可得的財(cái)務(wù)數(shù)據(jù)，記為X1、 X2、 X3、 …、 X27，具體見(jiàn)表1。在選取的所有指標(biāo)中，償債能力中的指標(biāo)是判斷企業(yè)能否持續(xù)運(yùn)營(yíng)的標(biāo)準(zhǔn);盈利能力判斷企業(yè)收益水平的高低;營(yíng)運(yùn)能力反映了企業(yè)對(duì)資源運(yùn)用效率的高低;發(fā)展能力指標(biāo)反映了企業(yè)業(yè)務(wù)增長(zhǎng)和整體發(fā)展的狀況;現(xiàn)金流量指標(biāo)考察企業(yè)經(jīng)營(yíng)活動(dòng)產(chǎn)生的現(xiàn)金流量和債務(wù)之間的關(guān)系;公司治理指標(biāo)反映企業(yè)的治理水平。

2.2 數(shù)據(jù)來(lái)源

文章數(shù)據(jù)主要來(lái)源于東方財(cái)富網(wǎng)、同花順以及各企業(yè)官網(wǎng)的財(cái)務(wù)原始數(shù)據(jù)和統(tǒng)計(jì)軟件SPSS 24.0分析處理后得到的數(shù)據(jù)，選取滬深A(yù)股醫(yī)藥制造企業(yè)上市企業(yè)25家，其中10家ST企業(yè)和10家非ST企業(yè)用于模型的建立，5家非ST企業(yè)用作檢驗(yàn)樣本?；谏鲜鲋笜?biāo)體系，選取2019年各企業(yè)各指標(biāo)值進(jìn)行后續(xù)分析。

3 指標(biāo)顯著性檢驗(yàn)

為了建立有效的財(cái)務(wù)預(yù)警模型，需要進(jìn)行指標(biāo)顯著性檢驗(yàn)，其基本思想是判別指標(biāo)在ST企業(yè)和非ST企業(yè)之間是否具有差異，并找出具有差異性的指標(biāo)。取顯著性水平為0.1，當(dāng)指標(biāo)的顯著性水平大于0.1時(shí)，該指標(biāo)的均值差異是不顯著的;當(dāng)指標(biāo)的顯著性水平小于0.1時(shí)，該指標(biāo)的均值差異是顯著的，將具有顯著性差異的指標(biāo)代入最終模型中。

最終結(jié)果如表1所示，X1， X2， X3， X4， X5， X8， X11， X12， X14有顯著性差異，由結(jié)果可以看出判定是否出現(xiàn)財(cái)務(wù)危機(jī)的指標(biāo)大多集中于償債能力和盈利能力兩大類(lèi)，說(shuō)明企業(yè)的償債能力和盈利能力是財(cái)務(wù)能力系統(tǒng)的核心，企業(yè)到期能否按時(shí)償還債務(wù)和企業(yè)收益數(shù)額的多少對(duì)預(yù)測(cè)企業(yè)財(cái)務(wù)狀況起著至關(guān)重要的作用。

4 基于費(fèi)希爾判別法的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型的實(shí)證分析

4.1 研究思路

文章旨在建立用于判別上市公司財(cái)務(wù)預(yù)警的模型，選取上市時(shí)間、市值較為接近的25家企業(yè)作為樣本進(jìn)行研究，將所選醫(yī)藥制造企業(yè)根據(jù)ST企業(yè)與非ST企業(yè)進(jìn)行分類(lèi)，利用SPSS 24.0選取合適的指標(biāo)體系，采用費(fèi)歇爾判別法建立模型，以此來(lái)預(yù)測(cè)企業(yè)是否將發(fā)生財(cái)務(wù)危機(jī)，即由非ST企業(yè)轉(zhuǎn)為ST企業(yè)，便于企業(yè)對(duì)財(cái)務(wù)狀況及時(shí)進(jìn)行預(yù)警。

4.2 研究方法

從k個(gè)總體中抽取具有 p個(gè)指標(biāo)的樣品觀測(cè)數(shù)據(jù)，借助方差分析的思想構(gòu)造一個(gè)線性判別函數(shù)：

4.3 實(shí)證結(jié)果分析

4.3.1 數(shù)據(jù)檢驗(yàn)

數(shù)據(jù)檢驗(yàn)主要分為組均值檢驗(yàn)和協(xié)方差矩陣的齊次性檢驗(yàn)，組均值檢驗(yàn)在前文已進(jìn)行詳細(xì)解釋?zhuān)诖瞬辉訇U述;協(xié)方差矩陣的齊次性檢驗(yàn)是判別兩類(lèi)企業(yè)之間是否具有顯著性差異。當(dāng)協(xié)方差矩陣齊次性檢驗(yàn)的P值小于0.05時(shí)，說(shuō)明ST企業(yè)與非ST企業(yè)的協(xié)方差矩陣不同。由結(jié)果可以看出，P值為0.000，說(shuō)明繼續(xù)進(jìn)行分析是可行的。

4.3.2 費(fèi)希爾判別函數(shù)計(jì)算結(jié)果

費(fèi)希爾判別法是借助方差分析的思想，利用已知各總體抽取的樣本構(gòu)造線性判別函數(shù)，根據(jù)模型所得數(shù)值與類(lèi)中心值比較，從而判斷總體所屬類(lèi)別。通過(guò)SPSS 24.0得出，ST企業(yè)與非ST企業(yè)的類(lèi)中心分別為1.117和-1.117，表2給出了規(guī)范判別式函數(shù)系數(shù)。

根據(jù)表2可得，費(fèi)希爾判別函數(shù)為：

Y3=2.437X1-2.054X2-0.676X3+0.037X4-0.016X5+0.154X11-0.191X12+0.023X14-0.018X8-1.796

費(fèi)希爾判別法只有一個(gè)判別函數(shù)，將樣本企業(yè)的各指標(biāo)值代入函數(shù)式，所得判別函數(shù)值與類(lèi)中心進(jìn)行比較，函數(shù)值接近哪一個(gè)類(lèi)中心就歸屬于哪一類(lèi)，由此得出樣本企業(yè)所屬類(lèi)別。

4.3.4 模型準(zhǔn)確性檢驗(yàn)

費(fèi)希爾判別法優(yōu)勢(shì)在于計(jì)算簡(jiǎn)便，過(guò)程快。表3給出了判別函數(shù)的具體情況，可以發(fā)現(xiàn)ST企業(yè)80%預(yù)測(cè)正確，非ST企業(yè)90%預(yù)測(cè)正確，總體判別準(zhǔn)確率為85%，說(shuō)明該模型判別結(jié)果較好。

5 模型具體應(yīng)用

以費(fèi)希爾判別法為例，基于9個(gè)指標(biāo)選取5個(gè)非ST企業(yè)，從中抽取中恒集團(tuán)進(jìn)行企業(yè)財(cái)務(wù)預(yù)警模型的檢驗(yàn)，得出企業(yè)財(cái)務(wù)預(yù)警狀況。在此以中恒集團(tuán)的2019年財(cái)務(wù)指標(biāo)為例，代入財(cái)務(wù)預(yù)警模型。

計(jì)算中恒集團(tuán)的判別函數(shù)值：

Y3=2.437×2.87-2.054×2.50-0.676×2.31+0.037×18.35-0.016×0.22+0.154×23.78-0.191×29.07+0.023×19.54-0.018×8.22-1.796=-0.62

由所得結(jié)果可以看出，中恒集團(tuán)的判別函數(shù)值與非ST企業(yè)的類(lèi)中心相近，通過(guò)費(fèi)希爾判別法可以看出中恒集團(tuán)屬于非ST企業(yè)。雖然中恒集團(tuán)的判別函數(shù)值離ST企業(yè)類(lèi)中心比非ST企業(yè)類(lèi)中心遠(yuǎn)，但兩者相差不大，因此，可以預(yù)測(cè)該企業(yè)的財(cái)務(wù)狀況一般，需要加強(qiáng)對(duì)該企業(yè)財(cái)務(wù)方面的管控，由各項(xiàng)指標(biāo)可以看出該企業(yè)的總資產(chǎn)增長(zhǎng)率較其他財(cái)務(wù)狀況良好的企業(yè)較低，其他指標(biāo)均處于合理水平。

6 結(jié)語(yǔ)

通過(guò)費(fèi)希爾判別法構(gòu)建醫(yī)藥制造企業(yè)的財(cái)務(wù)預(yù)警模型，可以看出該模型總體準(zhǔn)確率為85%，判別效果較好，在實(shí)際操作中得到了可觀的應(yīng)用。但文章也存在一些局限性，一方面所選行業(yè)不能全面概括整個(gè)醫(yī)藥制造行業(yè)，只能說(shuō)明有一定的代表性;另一方面文章所構(gòu)建的指標(biāo)體系沒(méi)有全面涵蓋整個(gè)財(cái)務(wù)分析體系所有指標(biāo)，對(duì)模型的可靠性有影響。

通過(guò)用該模型判別新的樣本企業(yè)，對(duì)于屬于ST企業(yè)但出現(xiàn)財(cái)務(wù)危機(jī)征兆的企業(yè)，應(yīng)該不斷加強(qiáng)自身的經(jīng)營(yíng)管理，重視企業(yè)的盈利和發(fā)展，避免被市場(chǎng)淘汰。

參考文獻(xiàn)：

[1]李紅梅，田景鮮.公司財(cái)務(wù)危機(jī)預(yù)警模型比較研究——以A股制造業(yè)上市公司為例[J].財(cái)會(huì)月刊，2013（10）：25-29.

[2]陳欣欣，郭洪濤.因子分析和Logistic回歸在農(nóng)業(yè)上市公司財(cái)務(wù)預(yù)警中的聯(lián)合運(yùn)用[J].數(shù)理統(tǒng)計(jì)與管理，2012（2）：1-14.

[3]官銀，李新月，朱家明.基于貝葉斯判別法對(duì)制造業(yè)財(cái)務(wù)預(yù)警計(jì)量分析[J].內(nèi)江師范學(xué)院學(xué)報(bào)，2019，34（6）：68-72.

3884501908233