表3 判别结果和聚类结果 财务危机公司 非财务危机公司 代码 简称 类预Y 聚代码 简类预Y 别 测类称 别 测类结类别 果 别 000005 ST 0 0 -0.67 2 600832 东1 1 0.73 星 方源 明珠 000505 ST 0 0 -1.11 2 600823 世1 1 0.61 珠 贸江 股份
聚类结果 3 3 2.4 模型预测准确性检验
本文拟采用自身验证和交互验证两种方法来对模型预测准确性进行检验(表
4)。但是，自身验证的效果好并不能说明该函数用来判别外部数据的效果也很好。而交互验证是近年来逐渐发展起来的一种非常重要的判别效果验证技术，对模型预测能力的判断是稳定无偏，具有可信度本模型自身验证的预测正确率为98.3%，而且交互验证的预测准确率与自身验证一致，可见该判别函数是稳定的。 之后，可以用相同的方法分别对前几年的数据建立预警模型， 如下:
前2年建立的模型：
Yt-2=0.498+2.220*X1+1.096*X9 (2)
前3年建立的模型：
Yt-3=-1.502+4.034*X1+1.181*X9 (3)
前4年建立的模型：
Yt-4=-1.892+2.495*X9+1.072*X11 (4)
3
前5年的数据中的变量都没有通过Wilks’Lambda和F统计检验，未能建立模型，也就是说在ST发生的前5年不能预测公司未来的财务状况。通过对该年的原始数据进行两组样本均值的一致性检验发现，本文选取的11个指标在10%的显著性水平下两类上市公司间不存在着显著性的差异，说明当时两类公司的财务状况不相上下。
表4不同时期建立模型的检验结果汇总表 变量 Wilks’ F值 自由度 显著水平Sig Lambda 前2年 X1 0.75 50.10 1 58.00 0.00 X9 0.54 32.16 2 57.00 0.00 前3年 X1 0.81 21.89 1 58.00 0.00 X9 0.73 13.68 2 57.00 0.00 前4年 X9 0.878 8.046 1 58.00 0.01 X11 0.815 6.464 2 57.00 0.00
自身验证 交互验证 93.33% 80.00% 71.67% 93.33% 80.00% 71.67% 3、 SPSS统计结果与分析
判别分析的数据如下：
4
其分析结果如下：
Analysis Case Processing Summary Unweighted Cases Valid Excluded Missing or out-of-range group codes At least one missing 0 .0 N 9 0 Percent 100.0 .0 discriminating variable Both missing or 0 .0 out-of-range group codes and at least one missing discriminating variable Total Total 0 9 .0 100.0 Group Statistics Valid N (listwise) VAR00001 1.00 x1 x2 x6 x5 x4 x3 2.00 x1 x2 x6 x5 x4 x3 3.00 x1 x2 x6 x5 x4
Unweighted 3 3 3 3 3 3 2 2 2 2 2 2 2 2 2 2 2 Weighted 3.000 3.000 3.000 3.000 3.000 3.000 2.000 2.000 2.000 2.000 2.000 2.000 2.000 2.000 2.000 2.000 2.000 5
x3 4.00 x1 x2 x6 x5 x4 x3 Total x1 x2 x6 x5 x4 x3 2 2 2 2 2 2 2 9 9 9 9 9 9 2.000 2.000 2.000 2.000 2.000 2.000 2.000 9.000 9.000 9.000 9.000 9.000 9.000 Variables Failing Tolerance Test a x3 Within-Groups Variance 12.889 Tolerance .000 Minimum Tolerance .000 All variables passing the tolerance criteria are entered simultaneously. a. Minimum tolerance level is .001. Eigenvalues Function 1 2 3 Eigenvalue 6857.654 140.322 2.243 aaaCanonical % of Variance 98.0 2.0 .0 Cumulative % 98.0 100.0 100.0 Correlation 1.000 .996 .832 a. First 3 canonical discriminant functions were used in the analysis.
6
Wilks' Lambda Test of Wilks' Lambda .000 .002 .308 Chi-square 52.362 21.446 4.117 df 15 8 3 Sig. .000 .006 .249 Function(s) 1 through 3 2 through 3 3 Standardized Canonical Discriminant Function Coefficients Function 1 2 3 x1 2.994 -.193 .223 x2 11.109 1.422 .075 x6 -11.377 .691 -1.419 x5 -14.686 -.880 .791 x4 22.355 .363 .867 Structure Matrix Function 1 2 3 x3a -.161 .788* .099 x2 -.020 .777* .527 x1 .035 -.408* .025 x5 -.048 .387 .716* x6 -.016 .211 -.215* x4 .010 .030 .096* Pooled within-groups correlations between discriminating variables and standardized canonical discriminant functions Variables ordered by absolute size of correlation within function. a. This variable not used in the analysis. *. Largest absolute correlation between each variable and any discriminant function 7