基于Logistics的中小微企業(yè)信用評價研究

摘?要：中小企業(yè)是國民經濟的重要組成部分，是推動中國經濟增長的重要因素。但中小企業(yè)的融資仍然是制約其發(fā)展的難題。對于中小企業(yè)來說，企業(yè)經營者的信用狀況很大程度上決定了中小企業(yè)貸款未來的償還情況，中小企業(yè)主的個人維度信息將作為構建信用評價的不可或缺的變量。基于此，本研究在前人研究的基礎上，建立了Logistics回歸模型，并運用SPSS軟件對90家中小企業(yè)數據進行實證分析。研究結果表明，信用評價模型在預測和準確性上取得了較好的結果。

關鍵詞：中小微企業(yè);信用預測;Logistics模型

中圖分類號：F830?文獻標識碼：A?文章編號：1008-4428（2019）11-0133-02

一、 引言

自從1978年以來，我國中小微企業(yè)發(fā)展迅猛。截至2017年底2018年初，全國各類企業(yè)總數達到了1527.84萬戶。小型微型企業(yè)1169.87萬戶，占比76.57%。

從中可以看到，中小微企業(yè)在國民經濟里占了非常重要的地位，是我國經濟增長的強勁動力，然而目前中小微企業(yè)的資金支持遠遠不能滿足其發(fā)展的需要，中小微企業(yè)的信用擔保不穩(wěn)定、融資存在高風險是銀行等商業(yè)機構不愿意貸款的主要原因。上述問題的本質在于當前的中小微企業(yè)信用評價體系不能夠很好地反映其信用水平，這是中小微企業(yè)融資困難的一個重要原因。故，當前需要建立一個合理的中小微企業(yè)信用評價體系。

本文對中小微企業(yè)信用評價模型進行研究，分析中小微企業(yè)信用評價的指標，加入了企業(yè)主個人維度指標，構建一個評價指標更加完善的中小微企業(yè)Logistics信用評價模型，最后運用SPSS軟件對數據進行實證分析，進而完善信用評價體系的相關研究。

二、 相關企業(yè)信用評價技術

在1950之前，主要通過專家自身的經驗去評價企業(yè)信用，專家通過閱讀材料結合經驗做出最后的信用評價，這種方式帶有極強的主觀性，造成誤判的也無法避免。到了1960年之后，人們開始采用定性的方法去研究企業(yè)信用評價，特別是統計方法的研究。

從以往的公司經營成敗經驗發(fā)現，公司的財務信息至關重要。最早采用公司財務比率進行信用分析的是威廉·H·比弗（1967），他通過將經營失敗（failure）定義為一個公司無法償付到期債務，根據這一定義搜集了158 家公司（79 家失敗和79 家非失敗公司）的配對樣本，運用了兩分法檢驗單一財務比率對財務失敗的預測能力。之后，Altman（1968）通過對財務比率等變量采用統計方法進行篩選，建立了多元線性判別式分析模型，即Z-score模型，Z-score模型在預測公司成敗的問題上取得了較好的效果。邁耶和皮弗（1970）首先采用線性概率模型對公司運營失敗進行預測，但是后面發(fā)現該模型在應用上有較大的統計問題。到了1970年后期，學者的研究方向從線性回歸轉移到非線性回歸，在預測公司失敗的研究上多采用多元條件概率模型，到20世紀90年代后期出現了一批綜合性的信用評價方法。決策支持系統和多目標決策相繼被提出用于解決有關定性變量方面的問題。隨著計算機技術的發(fā)展，專家評估系統和人工神經網絡也被逐漸應用到企業(yè)信用評價當中來。

根據具體狀況不同，采用構建中小微企業(yè)信用評價模型的方法也有所不同。國內學者也對中小企業(yè)信用評分模型進行了比較和分析，發(fā)現Logistics回歸模型相對于其他方法比較優(yōu)秀。但是在對中小微企業(yè)的信用指標選擇上，學者們多數集中在企業(yè)的財務信息上，而中小微企業(yè)中有很大一部分是企業(yè)主個人企業(yè)，企業(yè)的信用與企業(yè)主個人相關性較大，中小微企業(yè)所有者的信用狀況在很大程度上決定了企業(yè)貸款的償還。

綜上，本文在基于公司財務指標的前提下，加入部分企業(yè)主個人的財務指標，運用Logistics模型，評價中小微企業(yè)的信用，這能很好地反映企業(yè)真實的信用狀況。

三、 建模分析

（一）數據準備及特征變量選取

根據我國2011年7月發(fā)布的新的中小企業(yè)劃分標準，報告中將中小企業(yè)劃分為中型、小型和微型三大類。

基于此，本文通過企業(yè)調查的數據得到了90份樣本數據，既包含了上市公司，又包含了個體經營企業(yè)等。根據企業(yè)是否拖欠工人工資、客戶貸款和其他債務，以及是否履行合同不力等行為將企業(yè)定義為壞客戶，反之則定義為好客戶。如此，可將得到的數據劃分為60個好客戶、30個壞客戶。

本文綜合考慮三大報表，將各報表的數據互相結合、對比。以償債水平、盈利水平、營運水平以及成長水平四個方面維度作為基礎，來構建中小微企業(yè)信用評價指標體系。在此基礎上將中小企業(yè)主的收支情況、信用記錄等信息作為變量納入模型，最終我們將38個特征變量作為初選變量選入。其中包括4個企業(yè)特征變量，16個體現企業(yè)內部財務狀況的特征變量，18個企業(yè)主特征變量。

通過設定相關系數閾值為0.65，對變量進行相關性檢驗。變量間相關系數大于0.8，可以作為判斷變量間是否具有多種共線性的臨界點。根據隸屬度以及設定的閾值，刪除了6個變量，最終結果保留32個變量進入下一步的Logistics回歸模型。

（二）Logistics結果

在經過上述變量的篩選以及多重共線性處理后，將選入的變量數據導入SPSS軟件中做Logistics回歸分析。分別通過向前和向后逐步篩選對選入的變量做進一步的分析和剔除，反復多次之后再運用enter 方法進行再次回歸分析，得到最終的模型結果。經過多種方法嘗試和回歸結果比較，發(fā)現向前（有條件）方法的回歸結果較好，但是篩選出來的變量較少，有些較為理想的變量未被選入，故采用enter方法將部分變量強制進入回歸，得到了較好的結果，如表1所示。

從表1看到部分方程中的變量顯著大于0.05，但從表2可以看到方程的-2對數似然值為52.086，內戈爾科R方的值為0.681大于0.5小于1，可以認為回歸模型的顯著性水平和擬合優(yōu)度良好，霍斯默-萊梅肖檢驗顯著性水平P值為0.997，接近于1，故不應該拒絕原假設?？梢哉J為樣本實際值得到的分布與預測值得到的分布沒有顯著差異，回歸模型的擬合度較好。

將最終得到的變量及模型回歸系數帶入LogitP=ln （P1-P）得到Logistic回歸方程：

（三）ROC曲線、AUC值與臨界值的確定

如圖1所示，ROC曲線接近圖的左上角，與對角線的距離較遠，可以判斷該Logistics信用評價模型在區(qū)分好壞客戶上結果較好。并且可以從表3看到AUC（Area Under the Curve）的值為0.931，接近于1，同樣說明了模型有較強的辨識好壞客戶的能力。

SPSS軟件的默認截斷值是0.5，即若是模型預測值如果大于0.5，則判斷為好客戶;否則判斷為壞客戶。默認的截斷值設置得過小容易導致較大的誤判，即將會違約的客戶判斷為好客戶的概率變大，這在實際應用中會帶來本金的損失?？梢詮哪Ｐ偷念A測分類表4中看出，本文能夠正確識別壞客戶的比率只有73.3%，但是模型的整體準確率卻能達到84.7%，所以需要ROC曲線來重新確定臨界值。

如表5所示，當預測好客戶的概率為0.4200時，尤登指數的最大值為0.729，那么該點所對應的尤登指數值即為臨界值。即在實際應用中模型預測值大于0.729，則判斷為好客戶，反之則為壞客戶。

四、 研究結果

對于中小微企業(yè)來說，中小微企業(yè)經營者的信用狀況很大程度上決定了中小微企業(yè)貸款未來的償還情況，將中小微企業(yè)主的收支狀況、信用記錄等信息作為構建企業(yè)信用評價模型不可或缺的變量?；诖?，本文在借鑒前人的基礎上，引入了企業(yè)維度變量同時加入了企業(yè)主個人維度的變量，運用SPSS軟件，利用90家中小企業(yè)數據構建了Logistics回歸模型，比起以往的信用模型在準確性和易用性上有很大的提升。研究結果表明，模型在主要關注的目標即識別好壞客戶以及預測方面取得較好的結果。將來可以將模型進一步拓展，將其開發(fā)成信用評分卡，使得模型在使用上具有更好的簡便性和操作性。

參考文獻：

[1]胡航.企業(yè)信用評價模型的研究與實現[D].西安：西安電子科技大學，2012：121-130.

[2]張金貴，侯宇.基于Logit 模型的中小企業(yè)信貸風險實證分析[J].會計之友，2014（30）：41-45.

[3]劉小龍.基于Logistic 模型的中小企業(yè)財務危機預警研究[D].上海：東華大學，2014：135-139.

[4]鄭玉華，崔曉東.公司財務預警Logit模型指標選擇與實證分析[J].財會月刊，2013（24）：15-18.

[5]王千紅，張敏.我國中小企業(yè)信用違約風險識別的實證研究[J].上海經濟， 2017（1）： 91-100.

[6]Miyamoto.M.Credit Risk Assessment for a Small Bank by Using a Multinomial Logistic Regression Model[J].International Journal of Finance & Accounting，2014，3（5）：327-334.

[7]鄧愛民，王珂.中小企業(yè)在供應鏈金融業(yè)務中信用風險評估的實證研究[J].征信，2015（9）：23.

[8]施林麗，李晨宇，季琛.基于Logistic 回歸模型的中小企業(yè)信用評價[J].高師理科刊，2018，38（5）：10-17.

[9]朱艷敏.基于信用評分模型的小微企業(yè)貸款的可獲得性研究[D].蘇州：蘇州大學，2014.

[10]李戰(zhàn)江.微型企業(yè)信用評價指標體系的構建[J].技術經濟，2017，36（2）：109-116.

[11]朱艷敏，陳超. Z_score模型最優(yōu)分割點的確定方法比較：基于違約風險預測能力的分析[J].南方金融，2013（8）：74-77.

作者簡介：

李日揚，男，海南澄邁人，北京郵電大學經濟管理學院研究生。