判别分析在企业破产中的应用

数。 　　如果该样本属于第j组的后验概率达到最大，则可以判断该样本属于第j组。从后验公式可以看出，比较后验概率实质上等价于比较样本到两组的广义距离。 　　（2）假设两组协方差阵不相等，两组母体的事前概率相等，误判损失恒为常数。此时得到二次判别函数。 　　（二）费歇（Fisher）判别方法 　　费歇准则对总体的分布类型并无规定，只要求有二阶矩存在。费歇准则下的线性判别函数是使得判别效率达到最大的判别变量线性组合。这里判别效率是指两组的组间差跟组内差之比。 　　费希尔判别法的基本思想就是降维，用少数几个判别式（综合变量）代替p个原始变量，判别规则就是根据这几个判别式来制定的。费希尔判别式的产生借用了一元方差分析技术。 　　进行判别分析难免会出现误判，误判概率一般需要通过样本来作出估计。在各组一般不能假定为正态的情况下，估计误判概率的方法通常有三种，其中交叉验证法最值得推荐。 　　本文旨在研究两类企业的分类问题。一类是破产企业，另一类是非破产企业。这里不妨称破产类企业组为第1组，非破产类企业组为第2组。COV1，COV2分别为第1组、第2组的协方差阵，并在两组协差阵相等时统一记为COV。以此为目标分别找出反映这两类企业相关性高的特征变量而建立判别函数，用于对任一企业、借款人和证券发行人进行判别分类。于是我们采用距离判别，判别函数的一般形式是： 　　Z= A1X1+A2X2+A3X3+ …+AnXn 　　其中：Z为判别分（判别值），X1，X2，X3，…Xn是反映研究对象的特征变量，如财务比率。A1、A2、A3……An为各变量的判别系数。 　　三、模型的建立 　　（一）样本的选择 　　为了统一起见，我们选择制造业企业作为研究的样本进行建模。对破产的企业收集它们在破产前两年的年度财务数据，同时对财务良好的企业也收集同一时期的数据。借鉴国外研究的取样经验，结合实际，确定以下取样原则：行业、资产规模尽量配对，时间严格相配，选取足够多的企业样本。为了减少人为的会计数据失真，我们采取了不违背统计原理的除假措施：我们选取2007年，破产的15家企业和健康的25家企业作为样本。样本均为国企。这些企业均在深圳，上海和南京等周遍地区。有一定的地域相似性。 　　（二）待考察的财务比率 　　反映企业获利能力、偿付能力及活动与管理能力一般有现金流动比率、速动比率、应收帐款周转率、净收入比率，存货周转率、有形净值债务率、利息保障倍数，销售净利润率、成本费用利润