log(p/(1-p))=-0.867 2.5313X2-40.2785X4 0.4597X8 3.2293X12-3.9544X13-1.7814X20
即
P=1/(1 e-(-0.867 2.5313X1-40.2785X3 0.4597X7 3.2293X11-3.9544X12-1.7814X19))
根据回归所得到的Logistic方程，以0．5为最佳判定点，对财务困境前1年的原始数据进行回代判定，结果见表12。
表12 Logistic回归模型在财务困境前1年的判定结果
在财务困境前1年，70个非财务困境公司有4个被错判，误判率为5．71％，69个财务困境公司有5个被错判，误判率7．25％，总体上看，139个公司有9个被错判，误判率6．47％。同样地，使用二元Logistic回归可以对财务困境前2年财务困境前5年的情况进行判定分析，判定结果见表13。
表13 三种多元判定分析方法估计模型的比较
四、结论与启示
第一，我国上市公司的财务指标包含着预测财务困境的信息含量，因此其财务困境具有可预测性。第二，在我国上市公司陷入财务困境的前1年和前2年，本文所选的21个财务指标中16个指标具有判定和预测财务困境的信息含量，但各个指标的信息含量不同，预测财务困境的准确率不同。在单变量分析中，净资产报酬率的判定效果较好。第三，多变量判定模型优于单变量判定模型。第四，比较三种判定模型的效果表明，Logistic模型的判定准确性最高。
参考文献
陈静，1999：《上市公司财务恶化预测的实证分析》，《会计研究》第4期。
吴世农、黄世忠，1986：《企业破产的分析指标和预测模型》，《中国经济问题》第6期。
张玲，2000：《财务危机预警分析判别模型》，《数量经济技术经济研究》第3期。