定性与定量指标相结合的中小企业融资问题研究

李森　刘媛华　黄烨　于明亮

定性与定量指标相结合的中小企业融资问题研究

李森刘媛华黄烨于明亮

中小企业在解决社会就业问题、技术创新问题、维持社会稳定等方面起着重要作用，然而融资难问题一直制约着我国中小企业的健康发展。本文针对中小企业自身的特点，采用主成分分析与Logistic模型相结合的方式，同时引入定性指标与定量指标，构建了中小企业违约概率模型，该模型考虑了误判损失，模型拟合度较好，能够很好地预测中小企业的违约风险。

定性指标；定量指标；主成分分析；Logistic模型

一、引言

中小企业在解决社会就业问题、技术创新问题、维持社会稳定等方面起着重要作用，然而融资难问题一直制约着我国中小企业的健康发展。盛世杰等［1］认为，引入政策性担保机构是解决中小企业融资难问题的有效方法。黄明刚等［2］分析了贫困地区中小企业融资现状，认为中小企业融资难的主要原因在于中小企业融资信息不对称，导致银行对中小企业融资的逆向选择、道德风险和信贷配给不足。希伦等［3］对深圳证券交易所的20家创新型中小企业的数据进行了实证分析，认为利用层次分析法能够很好地对创新型中小企业融资能力进行合理评价与分类。李昕阳［4］认为，商业银行针对中小企业信用的评级体系，已无法适应中小企业发展以及金融体制改革的要求。GiulianoIannotta等［5］认为债务市场不透明，评级信息恶化，将刺激投资者花更多的本钱在非公开信息的收集上。Kenneth S.CHAN等［6］认为，在中国，小企业信贷约束问题明显。中国的金融改革措施并没有有效缓解中小企业所面临的融资难困境。本文针对中小企业自身的特点，借鉴我国商业银行企业资信评估指标体系以及相关文献研究，共筛选出18个定量指标（财务指标）和5个定性指标（具体内容如表1所示），采用主成分分析与Logistic模型相结合的方式，构建了中小企业违约概率模型。该模型考虑了误判损失，模型拟合度较好，能够很好地预测中小企业的违约风险。

表1　中小企业评价指标

二、模型构建

1.主成分分析

由于财务指标往往具有很强的相关性，而logistic模型对自变量的多维相关性较为敏感，因此，为减少变量之间的相关性，本文首先采用主成分分析方法，对财务指标进行了降维处理。本文的财务数据均来自于锐思数据库，从2011年1月1日到2012年1月1日的制造型企业上市公司年报数据。

（1）KMO和Bartlett检验。主成分分析是用于把众多相关变量缩减为较少的不相关的主成分变量的一种方法。因此，用于主成分分析的原始变量之间必须具有一定相关性，因而在做主成分分析之前，需要对数据的相关性进行检验，即进行KMO和Bartlett检验。

表2　KMO和Bartlett检验

由表2可以看出，KMO测度和Bartlett检验指标均显示相关变量的相关性较强，有必要对相关指标进行主成分分析。

（2）基于特征值准则的因子个数的确定。财务数据的各主成分变量的特征值与贡献率如表3所示。

表3　主成分变量的特征值与贡献率

由表3可知，根据特征值准则，当前样本数据条件下的初始因子个数应该为7个。并且这7个指标的累计解释方差的比例为78.961%，保留了原有数据的主要经济信息。

（3）求解主成分表达式。通过SPSS18.0求得因子负载矩阵如表4所示。

利用因子负载矩阵和特征值之间的关系，求得七个主成分的表达式为：

2.Logistic违约概率模型构建

（1）切割点的选取。切割点的选择对Logistic模型的预测精度有很重要的影响。由于违约企业被判为正常企业所造成的损失要明显高于正常企业被判为违约企业所产生的损失，因此，在综合考虑误判损失和模型的预测精度的情况下，经过多次尝试，最终选取0.2作为切割点。

（2）Logistic模型构建。本文以制造型上市公司作为研究对象，将违约企业定义为：公司因财务状况异常而被特别处理的企业（即ST企业）以及2011年在诉讼仲裁中作为被告的企业。为了更加贴近实际情况，本文在构建模型时，并没有采取配对的方法进行样本选择，而是将全样本直接引入到模型中。由于中小企业的财务规范性较差，抵御风险的能力较弱，因此除了财务指标，本文还引入了5个定性指标来分析中小企业违约概率问题。这些定性指标数据根据吕跃进教授的依据心理因素划分评价等级和数量等级理论来确定（详细情况见表1）。

根据我国的中小企业划分标准，本文共筛选出中小企业样本142个，其中违约样本23个，正常样本119个。运用spss18.0软件对七个定量指标（Y1、Y2、Y3、Y4、Y5、Y6、Y7）和五个定性指标（X19、X20、X21、X22、X23）进行logistic回归分析，最终得出logistic模型为：

H-L拟合度检验结果如表5所示。

用于H-L检验的卡方值7.265< 15.507，Sig.值0.508>0.05，据此可以判知H-L检验可以通过。

准确度的检测结果如表6所示。

表6　logistic模型分类表

通过表6可以看出，同时引入定性指标与定量指标，采用主成分分析与Logis⁃tic模型相结合的方式对中小企业违约风险进行度量时，模型的准确率为82.4%。在信用较好的119家企业中，有101家分类正确，18家分类错误，分类正确率为84.9%；在信用较差的23家企业中，有16家分类正确，7家分类错误，分类正确率为69.6%。由此可以看出，该模型的检测精度较好。

三、结论

由于中小企业的财务规范性较差，抵御风险的能力较弱，因此本文在构建模型时，同时引入了定性指标与定量指标，并针对中小企业自身的特点，采用主成分分析与Logistic模型相结合的方式，构建了中小企业违约概率模型。通过引入定性指标，减少了对财务指标的依赖和中小企业财务不规范的影响，所构建的模型拟合度较好，能够很好地预测中小企业的违约风险，为进一步探讨中小企业融资难问题奠定了基础。

［1］盛世杰.周远游.刘莉亚.引入担保机构破解中小企业融资难：基于期权策略的机制设计［J］.财经研究.2016，42（6）：63-73.

［2］黄明刚.杨昀.贫困地区中小企业融资模式创新研究——基于互联网金融新业态视角［J］.技术经济与管理研究，2016（5）：55-59.

［3］希伦.吕随启.基于层次分析法的创新型中小企业融资能力［J］.北京航空航天大学学报（社会科学版），2016，29（3）：108-111.

［4］李昕阳.刍议以财务评价为核心的商业银行中小企业信用评级体系重构［J］.商业经济.2012（4）：110-117.

［5］GiulianoIannotta，GiacomoNocera，AndreaResti.Do investors care about credit ratings？An anal⁃ysis through the cycle［J］.Journal of Financial Stability，2013，9（4）：545-555.

［6］KennethS.CHAN，VinhQ.T.DANG，IsabelK.M.YAN.Financial reform and fi nancing con⁃straints：Some evidence from listedChinese firms［J］.ChinaEconomicReview，2012（23）：482-497.

（作者单位：上海理工大学公共实验中心、上海理工大学管理学院）

10.16653/j.cnki.32-1034/f.2016.15.031