基于Logistic回归模型的种业企业财务风险预警模型构建

摘 要：种子行业处于农业生产的上游，是战略性、基础性核心产业，对农业生产和国家粮食安全具有关键性作用，但目前我国多数种业企业在发展过程中面临严峻的财务风险。基于此，选取20家种业上市公司和16家新三板挂牌企业为研究对象，从营运能力、盈利能力和发展能力3个维度选取12个财务指标，构建种业企业财务预警模型，并分析该模型的预测效果。结果表明，该模型的预测准确度为97.2%，预测价值较高。

关键词：种业企业；财务风险预警；因子分析法；Logistic回归分析法

中图分类号：F224；F275 文献标志码：A 文章编号：1674-7909（2023）22-48-4

0 引言

国以农为本，农以种为先，种业是国家战略性、基础性核心产业。近年来，我国高度重视种业发展，出台了多项政策促进种质资源库建立，保护新品种知识产权并鼓励种业商业化。随着我国政策的不断完善，我国种业企业迅速发展壮大。但我国多数种业企业在发展过程中面临严峻的财务风险。如何有效识别与防范种子企业的市场风险，使其实现健康发展，成为加快推进种业振兴急需解决的问题。

1 国内外文献述评

国外部分学者对财务风险预警进行研究。国外学者Altman［1］将多元判定引进财务预警中，建立了Z-score模型，创新性地选取盈利能力、杠杆、流动性、偿债能力和收入活动作为变量，通过线性关系计算破产指数，判断破产风险。Blum［2］为了提升财务风险预警的专业性和准确性，尝试在模型中添加现金流量指标。Zmijewski［3］在前人研究的基础上构建了多元概率比（Probit）风险预警判定模型。但该模型对数据要求比较严格，因此并没有得到广泛应用。

目前，我国较多学者对种子企业财务风险进行了研究。杨文［4］从我国种子企业发展的角度出发，对我国种子企业财务战略管理及财务风险防范过程中存在的主要问题进行分析，综合指出有效应对我国种子企业现存财务管理问题的解决方案。刘艳［5］就新形势下种子企业面临的诸多风险进行深入的分析，从风险管理和内部控制的角度提出相应的防范和控制措施。刘永健［6］对目前我国农产品的种业企业内控管理与财政风险防范所存在的问题进行了分析，并在此基础上提出了相应的解决措施，具有一定的可行性与合理性。丁志岚［7］依据内部控制理论，结合实际工作，分析了中小种业企业面临的财务风险，提出了防范财务风险的对策，并对种业企业的内控指标体系提出了构想。然而，关于种业企业财务预警的实证研究并不是很多。基于此，笔者在现有研究的基础上，选取20家种业上市公司和16家新三板挂牌企业为研究对象，从营运能力、盈利能力和发展能力3个维度选取12个财务指标，构建种业企业财务预警模型。

2 研究设计

2.1 指标选取

在前人研究的基础上，笔者从营运能力、盈利能力和发展能力3个维度选取12个指标，构建种业企业财务风险预警模型。其中，营运能力的代表性指标包括存货周转率（x10）、总资产周转率（x6）和应收账款周转率（x7）；盈利能力的代表指标包括总资产报酬率（x1）、成本费用利润率（x2）、营业利润率（x3）、净资产收益率（x4）、毛利率（x5）及每股收益（x12）；发展能力的代表指标包括营业总收入增长率（x8）、总资产增长率（x9）及净利润增长率（x11）。

2.2 研究对象与数据来源

选取36家种业企业作为研究对象，其中20家来自A股上市企业，16家为新三板挂牌企业。相关指标数据均来源于各企业2022年年报。

2.3 研究方法

2.3.1 因子分析法

在因子分析中，因子可以分为公共因子和特殊因子。因子分析法就是从研究变量内部相关的依赖关系出发，把一些具有错综复杂关系的变量归结为少数几个综合因子的一种多变量统计分析方法。其基本公式为

[F1=a11x1+a12x2+…+a1mxm+e1…Fk=ak1x1+ak2x2+…+akmxm+ek] （1）

2.3.2 Logistic回归分析

Logistic回归分析是解决0～1回归的问题中相对有效的方法，且不要求样本必须符合正态分布，对企业财务风险的预判更加适用。其基本回归模型为

[P=eβ0+（eβ1+eβ2+…+βn）xn1+eβ0+β1x1+β2x2+…+βnxn] （2）

Logistic函数本质为线性回归模型与Sigmoid函数（以下简称Sig函数）的结合。Sig函数为

[g（x）=11+e-mx] （3）

Sig函数的导数为

[g（x）=me-mx1+e-mx] （4）

将其带入如式（5）所示的线性回归函数得到Logistic函数如式（6）所示。

[hθ（x）=g（θTx）] （5）

[hθ（x（i））=g（θTx（i））=11+e-θT（xi）] （6）

其中：

[θTx（i）=j=0nθixj（i）] （7）

综上所述，二分类Logistic回归模型为

[P（y（i）=1|x（i）;θ）=hθ（x（i））] （8）

[P（y（i）=0|x（i）;θ）=1-hθ（x（i））] （9）

采用最大似然法所得的似然比统计量的概率值对变量进行剔除，公式计算为

[L（θ）=ni=1P（y（i）=1|x（i）;θ）=ni=1hθ（x（i））y（i）[1-hθ（x（i））1-y（i）]] （10）

3 种业企业财务风险预警指标权重的计算

3.1 基于因子分析法下财务风险预警指标权重的计算

3.1.1 适应性检验

因子分析首先要进行适应性检验。笔者利用KMO（Kaiser-Meyer-Olkin）检验和Bartlett球形度检验进行适应性检验，结果如表1所示。由表1可知，[KMO]值=0.617>0.005，Bartlett球形度检验的卡方值为228.053，显著性水平近似值为0.000，说明12个变量之间的相关程度比较强，所选取的样本可以进行因子分析。

3.1.2 公因子的提取

提取公因子，分析得出种业企业具有代表性的12个财务风险指标的因子提取情况。其提取值大小反映提取后各指标信息的保存完成度，一般提取值大于0.8则视为指标信息保存度较高，满足后续分析要求。提取公因子的结果如表2所示。主因子特征值及方差贡献率如表3所示。

由表2可知，1/2指标的提取值在80%以上，说明提取效果良好。由表3可知，前5项的因子特征值均大于1，累计方差贡献率为80.098%，大于80%，说明这5个因子可以很好地解释大部分原始指标变量，因此提取5个公因子。

3.1.3 归纳建立因子载荷阵

由于提取载荷平方和得出的结果只适用于主成分分析法，所以需要对上述载荷平方和进行旋转，以便进行因子分析，旋转后的成分矩阵如表4所示。由表4可知，总资产报酬率、成本费用利润率、营业利润率、净资产收益率、毛利率及每股收益在F1中载荷较大，其对评价种业企业财务风险预警的贡献率为39.723%；营业收入增长率与总资产增长率在F2中载荷较大，其对评价种业企业财务风险预警贡献率为12.378%；应收账款周转率在F3中载荷较大，其对种业企业财务风险预警的贡献率为10.172%；总资产周转率与净利润增长率在F4载荷较大，其对种业企业财务风险预警的贡献率为9.115%；存货周转率在F5中载荷较大，其对种业企业财务风险预警的贡献率为8.71%。

成分得分系数矩阵如表5所示。根据表5得到公共因子F与原始变量[x]之间的关系，其函数关系为

[F1=0.276x1+0.216x2+0.251x3+0.116x4+0.148x5+0.176x6-0.051x7-0.052x8+0.093x9-0.083x10-0.054x11+0.211x12] （11）

[F2=0.006x1-0.108x2-0.041x3+0.116x4-0.085x5-0.219x6-0.012x7-0.022x8-0.031x9-0.088x10-0.025x11-0.584x12] （12）

[F3=0.258x1-0.009x2+0.075x3+0.16x4-0.175x5-0.155x6-0.444x7+0.159x8+0.506x9-0.131x10+0.056x11+0.225x12] （13）

[F4=-0.301x1-0.113x2-0.113x3-0.209x4+0.013x5+0.17x6-0.017x7-0.116x8+0.094x9-0.101x10+0.692x11+0.06x12] （14）

[F5=-0.055x1-0.111x2-0.03x3+0.051x4-0.004x5-0.012x6-0.165x7-0.168x8-0.148x9+0.674x10-0.018x11+0.043x12] （15）

根据各因子在旋转后的方差贡献率与总方差贡献率的比值来确定各公共因子的权重并计算综合得分。其综合得分的计算公式为

[F=0.424 2F1+0.170 3F2+0.147 9F3+0.131 7F4+0.125 9F5] （16）

3.2 基于Logistic回归分析法下财务风险预警指标权重的计算

3.2.1 财务风险预警模型的建立

在上述因子分析的结果上，笔者使用Logistic回归的方法得到种子企业的财务风险预警回归方程。模型中，设自变量[x]为5个主因子，因变量[y]为财务风险企业划分。将[F]值小于0的企业划分为财务困境企业，将[F]值大于0的企业划分为非财务困境企业。Logistic回归对变量有6种剔除方法，笔者采用最大偏似然估计所得的似然比统计量的概率值对变量进行剔除。通过3次迭代，得到最终的统计变量[F5]（见表6）。

数据经过处理后得到回归方程为

[ln11-P=-2.636+0.094F4] （17）

式（17）中：[F4]代表企业的总资产周转率和净利润增长率。由此得到种业企业的财务预警模型为

[P=e-2.606+e-0.960F41+e-2.606-0.960F4=1（1+e-2.606-0.960F4）] （18）

通过上述Logistic回归模型的结果，对不同企业进行财务风险预警的判定。在这个模型中，[P]的取值范围介于0～1，判别临界点为0.5。当[P]值大于0.5时，表明企业财务状况不佳，易出现财务风险；当[P]值小于0.5时，表明企业处于正常运营阶段；当[P]值为0.5时，表明企业可能出现财务风险，需及时防范。

3.2.2 财务风险预测模型检验

预测效果如表7所示，对于非财务困境企业预判准确度为100%，即有28家非财务困境企业；对于财务困境企业而言，预测有8家财务困境企业，预测正确的有7家，预测准确度达87.5%。由此得出，该模型总体预判准确度为97.2%，有较好的参考价值。

4 结论

笔者选取20家种业上市公司和16家新三板挂牌企业为研究对象，从营运能力、盈利能力和发展能力3个维度选取12个财务指标，构建种业企业财务预警模型。结果表明，该模型的预测准确度为97.2%，预测价值较高。

参考文献：

［1］ALTMAN E. Financial ratiod is criminant analysis and the prediction of corporate bankruptcy ［J］.Journal of Finance，1968（11）：588-609.

［2］BLUM M. Failing company discriminant analysis ［J］.Journal of Accounting Research，1974（1）：1-25.

［3］ZMIJEWSKI ME. Methodo logical issues related to the estimation of financial distress predietion model［J］.Journal of Accounting Research，1984（22）：113-126.

［4］杨文.种子企业财务战略管理与风险防范分析［J］.分子植物育种，2022（6）：2085-2088.

［5］刘艳.浅谈种子企业的风险管理及内部控制措施［J］.当代会计，2018（5）：49-50.

［6］刘永健.种子企业内控管理及财务风险防范研究［J］.中国乡镇企业会计，2017（7）：196-197.

［7］丁志岚.中小种业企业财务风险控制探讨［J］.中国种业，2015（10）：25-27.