财务预警机制的研究最早起源于Fitzpatrick（1932）的单变量破产预测研究，得出净利润/股东权益与股东权益/负债是最具有判别效果的财务指标；Beaver（1966）的单变量财务预警模型的研究是建立在统计方法之上，得出债务保障率是最好的财务状况反映指标；Altman（1968）通过建立多元线性模型即Z-scores综合反映企业财务风险情况；之后Altman与Haldeman（1977）为克服Z计分法的不可横向对比缺陷提出的ZETA模型为之后的财务预警建模分析奠定了分析基调；70年代的日本开发银行正是基于ZETA模型建立了多元判别函数模型利用经营指标进行企业风险评价；Ohlsen(1980)率先采用二元概率函数通过9项财务变量建立Logistic回归模型计算企业破产风险；Lapedes与Fayber（1987）首次利用神经网络BP模型对企业财务动态预警进行研究。国内研究虽然起步较晚，但在相对短的时间内也作出了具有特色的研究分析。吴世龙、卢贤义（2000）采用判别分析、多元线性分析与Logistic三种方法分别建立预测财务困境的模型；姜天、韩立岩（2004）则将财务困境对象确定为了我国预亏上市公司，包括ST、PT以及部分非ST企业而经营中出现亏损的企业；吴涛（2009）提到使用预警模型在中小企业建立实证，却同样针对上市公司ST企业做多元分析。近年来，我国学者多采用多元分析对财务预警问题进行研究，二元Logistic分析是经过多方验证的普及方法，其优点在于克服了单变量财务指标有限的预警力度、程度、范围并提出明确的判别函数与模型结构便于评价预测精度；中国学者较少涉猎的BP神经网络模型的预测结果与二元Logit模型经过实践证明差异不大或略有优势（周敏 王新宇 2002），但由于该模型结构难以确定与缺乏明确的判别表示，故其财务指标预警建模的使用领域有局限性。本文为建立更具客观性的二元Logit模型从历来存在争议的财务指标选择出发，通过具有会计意义的财务指标体系全面列示，利用多元形象分析试图确认客观有效的财务预警指标，结果是各财务指标对ST企业与非ST企业的差异不显著，原因在于各财务指标违反了多元正态性假设条件导致，由此进一步采用可忽视解释变量正态性分布与否的二元Logit模型，选取2009年171[1]家被证监会重点监控的全部ST企业作为财务预警对象，并随机选取等观测量的171家非ST企业作为判别分类组与其对应，找到最具敏感性与最低误判率的多个财务指标构建出以广义的盈利指标为主的上市公司财务预警机制。
预测变量即财务指标的选定
财务困境预警建模分析的发展历程可以认为是财务指标选择的发展史。从最初的单变量单个财务指标的财务困境敏感度分析到多变量综合财务指标的广义多元线性模型，再到大量变量与数据的神经网络模糊结构的“黑箱”非线性映射分析，考察的预测变量个数从少到多，样本个数也由此增加。然而，困扰学者的首要问题还是究竟要选择哪些财务指标作为预测变量。更重要的是，如何选择财务指标才能客观反映财务困境机制？杜邦财务指标体系是以权益报酬率为核心基本财务指标体系，其中囊括了包括表示企业偿债能力、营运能力、盈利能力与成长能力的各个方面表明企业经营效益的指标，在财务会计中是以单变量弹性变动的数量变动来考察各个单变量最终对综合指标权益报酬率的影响，即财务会计实务中是经验性地采用杜邦财务指标体系中各个指标来衡量企业财务状况的某一方面或利用各个指标间数量联动关系来衡量企业财务的综合状况。本文本着用数据驱动的思想，将历来作为企业财务状况分析的杜邦指标体系列示如下表1，采用描述统计方法将两组（财务困境与非财务困境）企业2009年各个财务指标均值标准化并通过雷达图列示如下图1：
从以上各上市公司代表性财务指标的均值来看，是有差别的；标准化处理是消除差异的数据预处理方式，会一定程度上抹杀指标的差异性，但从标准化后的各财务指标来看，ST企业与非ST企业的差异性更甚于未处理前，而指标表现出的数据差异不能仅凭主观判断，从统计意义角度来判断各个指标的显著差异性才具备指导实务的价值。由此，可以尝试从标准化的上市公司财务指标建立多元形象分析以考察ST企业与非ST企业的财务状况是否存在统计意义上的显著差异。
实证分析
形象分析
统计学家将多总体各个指标之间的变动幅度的考察、多总体之间的均值是否相等，多总体各个指标的取值是否相等等问题的解决方法归结为形象分析（profile analysis）。该分析方法被广泛地用于实验设计数据的检验与各个领域多指标的比较研究，作为进一步多元分析的基础。根据以上雷达图，我们可以从视觉上直接判断出ST企业与非ST企业的杜邦财务指标体系与每股指标、基本总量指标结合的绩效研究主要指标存在差异，即满足形象分析的多指标分析基础，为了判断ST与非ST企业两总体的各个财务指标均值或是变动幅度差异显著，故利用形象分析进行处理。
形象分析的基础建模GLM（一般线性模型）
其中，Y=(流动比率, 速动比率, 资产负债率,应收账款周转率,存货周转率,流动资产周转率,
固定资产周转率,销售净利率,净资产收益率,总资产报酬率,每股收益,每股净资产,市盈率,市净率, LOG总资产, LOG总负债, LOG股东权益,利润总额)
X=上市公司类别（即ST或非ST企业）
意义：通过对上市公司ST企业与非ST企业性质的分类，建立不同类别上市公司对各相同财务指标的广义线性模型，以考察模型的参数显著性来实现对不同行业各财务指标有显著差异的结果过判断。
数据导入模型结果
从F-统计量与其概率来看，在5%的置信度条件下（0.1054＞0.05），不能拒绝ST企业与非ST企业之间各财务指标无差异的均值相等的假设。即基于杜邦财务体系与每股指标、总量指标的ST企业与非ST企业是无显著性差异的，即无法根据各财务指标的差异来区分ST企业与非ST企业的财务状况。原因在于各个财务指标（即多因素）没有满足其前提条件：各个财务指标组成的向量必须遵从正态分布，由此才造成各财务指标标准化后从雷达图的视觉判断是明显有区别而根据同样的样本利用SPSS软件做多因素方差与均值分析即形象分析结果却是没有统计意义上的显著差别。
这里也就引出一个新问题，在需要考察的各个财务指标并非遵循正态分布的前提条件下是无法由此财务指标的差异来判别上市公司财务状况的境况，由此引入不需要数据指标满足正态总体也可以进行多总体判别的分析方法：二元logit模型判断财务指标反映企业财务问题。
二元Logit模型
1、模型设定原理及条件
二元Logit模型主要用于判断经济社会现象是否发生概率大小，当因变量为二元变量（0或1）时，因变量取1（Y=1）的概率为要研究的对象，如设定上市公司中ST企业为1，非ST企业为0。显然，多个财务指标即多因素影响Y的取值，这些财务指标就记为X1,X2,X3….X18，得到的模型为：
，较之于多元回归模型原理上差别明显。由此，通过对上市公司的ST企业与非ST企业的因变量二元性建立二元Logit模型，可以忽视各财务指标是否满足正态分布的条件假设而依据各财务指标对被解释变量如ST企业发生概率作出预测。
，较之于多元回归模型原理上差别明显。由此，通过对上市公司的ST企业与非ST企业的因变量二元性建立二元Logit模型，可以忽视各财务指标是否满足正态分布的条件假设而依据各财务指标对被解释变量如ST企业发生概率作出预测。
2、二元Logit建模分析
为建立上市公司ST企业与非ST企业的二元Logit模型，对象研究仍为形象分析的171家ST企业，并随机选取171家非ST企业作为参照对象。解释变量仍然沿用最初选取的以杜邦财务体系为基础的18个财务指标，首先分别选取各个财务指标作单变量二元Logit分析，再选取误判率最低的财务指标作财务指标总体二元Logit判别，ST企业与非ST企业的0/1二元性选择为定性因变量。
（1）单变量二元Logit模型误判率分析
单变量财务指标的误判率总体而言误判率都过高，其中盈利能力指标体系误判率最低，在30%左右；最差的指标类别为总量指标，误判率都超过50%。其中，偿债能力与营运能力指标在对非ST企业的判别中误判率最低，判误低的指标分别有流动比率、速动比率、应收账款周转率、存货周转率、固定资产周转率，其误判率分别为27.6，24.1，11.2，9.4，15.3充分说明非ST企业的短期偿债能力与营运能力突出，即非ST企业正常经营成果能从此两类财务体系指标中得到反映；盈利能力与每股指标中销售净利率，净资产收益率，每股收益，市净率对ST企业的判类中误判率最低，其误判率分别为17.6，8.2，28.8，15.7，充分说明ST企业的盈利能力成为投资者考虑的主要指标类，从而ST企业每股指标也会成为区别其投资状况的显著标志。以30%左右作为误判率低的典型财务指标引入整体二元Logit模型，则判误低的指标分别有销售净利率、净资产收益率、每股收益、每股净资产、市净率、利润额共6个指标。其中，盈利指标成为择优指标中心指标，充分体现了企业考察生产经营成果以杜邦财务指标以权益报酬率盈利指标为核心的体系优越性，也说明了分析企业财务问题选择以杜邦财务指标体系的方向正确性。
（2）整体二元logit模型与误判分析
将以上参数带入 中，得 
由此得到的判类的准确率达到75.3%，得到二元logit回归分析的判类整体效果较好；而单个财务指标由以上公式可以看出，销售净利率、净资产收益率、每股收益、每股净资产四个指标对ST企业与非ST企业的判别解释性较强（sig＜0.05），而市净率与利润总额的解释性较弱。这与我国上市公司财务情况与投资取向关系的实际情况有一定程度的吻合，”ST”被视为企业出现财务困境的标志之一，其正常生产经营的各个环节出现问题而反映在其销售财务指标、收益财务指标上，则可以根据这类型财务指标来对财务困境企业做出一定的判断，并为投资者提供投资导向型分析。从以上logit回归公式也可以得到每股净资产与市净率对ST企业的判断呈负相关关系，充分说明我国ST企业在二级市场上受到风险偏好型投资者的追捧，即使呈现财务问题仍然不妨碍其存在投资资本利得收益从而不影响ST企业的投资价值。
三、结论
本文以财务指标为核心进行ST企业与非ST企业的财务境况判别，对要选取的财务指标首先进行会计意义上的全盘列示即以杜邦财务体系为基础的财务指标辅以上市公司每股指标与资产负债表的总量指标，通过各指标标准化预处理后发现ST与非ST企业的差异性；再次，为证实各指标“视觉上”的差异存在统计意义上的显著性而进行多元形象分析，发现主观判断的差异性不存在统计显著性的，而造成这一结果的原因是各财务指标数据的非正态性分布，因此引入不需要指标满足正态性而可以进行定性因变量判别的二元logit模型，最终将不成正态分布的各标准化财务指标用于财务境况是否存在问题的判类，结果得到以收益为核心的财务指标对上市公司的财务状况判类精确性较高，从而为上市公司建立财务预警提供了财务指标选择的层层深入的实证分析。本文在各指标标准化预处理与实证分析过程中得到的结果是具备建立上市公司财务预警机制过程中财务指标选取的导向性的，结论如下：
1、对比ST企业与非ST企业，以杜邦财务体系为主的各财务指标进行标准化后从雷达图表现出是存在明显差异的。ST与非ST企业的各财务指标中，除了资产负债表中总量指标以外的偿债能力、盈利能力与每股指标差异较大，为企业通过财务指标体系而进行的经营成果分析提供了定量分析依据，尤其是选择某个单独的指标进行企业某方面经营效果的纵横向比较时，即统计意义上的单变量或单因素分析时，偿债能力、盈利能力与每股指标大类中的具体指标应当作为首要选择，单指标敏感度分析或单变量弹性分析均能得到不同类型的企业存在差异。具体地说，属于偿债能力类的流动比率与速动比率，其经验值一般为2与1，低于此值的企业存在短期流动性不足的财务问题，而从表1的这两个指标来看，非ST企业的短期流动性或变现能力较强，均满足经验指标值；ST企业的短期流动性明显低于非ST企业。若建立GLM（一般线性模型） 选取Y=（流动比率，速动比率），X=不同行业（或不同类型的上市公司如ST、非ST企业），几乎就可以直接判断出不同类型的上市公司其短期偿债能力差异显著的结果。由此，笔者认为可以通过具有明显差异的各财务指标进行单变量财务状况敏感性分析为企业提供具有实务操作性强的财务指标，也为投资者提供具有投资分析价值的财务指标。
2、财务指标的选择在财务困境机制的建立过程中，是长期处于核心地位的工作重心。根据实务经验选择出的财务指标究竟是否能真正作为财务状况的判断指标，需要统计意义显著性的检验。本文通过多指标显著性检验模型即属于多因素均值检验的形象分析得出：看上去有差异的各财务指标，在对ST企业与非ST企业的判断中不存在显著性差异。那么是否能得出财务状况不同的上市公司不能通过财务指标来进行判类的结论？笔者发现，之所以得到各个财务指标不具备统计意义显著性的结论，是因为各个财务指标的数据不具备正态性条件，这其实是现实社会经济现象存在的一般结论。
3、为克服财务指标数据的非正态性特征而进行财务困境的预测，必须寻找一种方法可以避开解释变量的正态性条件的假设。二元logit模型其构建原理是基于极大似然估计，即最大化似然函数来对社会经济现象的发生概率进行判别，克服了一般回归函数的构建基础即解释变量的正态性分布条件假设。根据各财务指标建立的ST/非ST企业二元Logit模型分析结果发现，某些单变量敏感度高的财务指标并不能作为整体判别指标。具体地看，属于偿债能力类的流动比率与速动比率在对ST企业进行logit判类过程中被筛选了出去，而盈利能力与每股指标却被大部分保留了下来，说明单个偿债能力指标敏感度高却不具备判别ST企业与非ST企业的精确度，盈利能力与每股指标不仅作为单变量对不同企业财务状况分析的敏感度高，更能作为企业不同财务状况判别分析的整体指标体系构建的重要指标。这同样为企业财务状况主要通过杜邦财务指标体系即权益报酬率为核心的实务指导提供了定量分析的依据，即企业财务状况最终通过盈利类财务指标来体现，如经营性盈利指标有销售净利率、净资产收益率，收益性盈利指标如每股收益、市盈率、市净率，总量类盈利指标如利润总额。通过对广泛意义的盈利类指标构建而成的整体逻辑判别模型建立与结果分析，可以发现，通过销售净利率、净资产收益率、每股收益、每股净资产、市净率、利润额构建的财务指标预警体系能保证75.3%的ST企业与非ST企业判别精确度。
四、本文的问题与研究前景
本文对构建上市公司财务困境的财务指标进行了定量分析的选择，指出各个财务指标的选取不能忽略其具备的数据特征而仅凭主观经验判断，最终将能提供财务预警的指标体系确定为广义的盈利类指标。由于本文对出现财务困境的上市公司选取了传统的ST企业，使得在实际经营管理中出现财务困境的部分非ST企业并未被纳入研究，也就降低了非ST企业判类的精确度，继而深入研究，可以扩大企业财务困境的范畴，增加PT企业，净利润连续三年亏损企业作为财务困境企业，增大二元logit判类的精确性；由于最终通过定量分析选取的是广义的盈利类财务指标包括杜邦财务指标体系下的盈利指标与每股指标与利润额，而典型的权益报酬率作为杜邦财务指标体系的核心指标取对数后是其他指标（偿债能力、经营能力）的线性函数，因此可建立多元线性模型以了解多指标存在的多重共线性程度；而由此建立不同类型财务状况企业的面板模型则能进一步提供更敏感的各指标参数结构用以解释与区分财务风险不同企业。
参考文献：
[1] Edward I Altman，Financial Ratios，Discriminant Analysis and the Prediction of Corporate Bankruptcy, Journal of Finance,1968,vol 9.1001-1016
[2]Beaver W. Financial Ratios as Predictors of Failure[J].Supplement to Journal of Accounting Research,1996,(17);71-111
[3] Ohlson, James A. Financial Ratios and the Probabilistic Prediction of Bankruptcy [J] Journal of Accounting Research .1980 (Spring) :109-131
[4]吴世农、卢贤义 我国上市公司财务困境的预测模型研究 【J】经济研究2001（6）；46-55
[5]张玲 财务危机预警分析判别模型【J】数量经济技术经济研究2000（3）：49-51
[6]姜天、韩立岩 基于Logit模型的中国预亏上市公司财务困境预测【J】北京航空航天大学大学学报（社会科学版）2004.3（17）：54-58
[7]何晓群 多元统计分析【M】 中国人民大学出版社2009-05（2）301-305