盈余管理与财务预警模型之建构CorporateGovernanceEarnings.pptVIP

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 三、Logistic回归分析之分类正确率-2 (二)全样本下模型配适力之汇整 1 Kolmogorov-Smirnov检定 此类验证指标的理论基础是透过无母数检定方法，检定两个独立样本是否取自同一母体(亦即有相同的比例结构)，由模型所估计出来的结果，两母体(即发生财务危机公司与正常公司)的累积机率分配是否相同。若模型估计出两样本母体一致，其累积频率该彼此相当接近，其差异则是随机的。如果在某一阶段累加相对次数差异太大，则表示两组样本有很大的可能性来自不同母体，即当检定统计量太大时，应拒绝母体相同或一致的假设。本文中，若正常公司和违约公司累加相对次数差异太小，则表示此模型无明显区分能力，无异于随机的评估过程。 三、Logistic回归分析之分类正确率-3 但是K-S检定的统计量并无效力上的解释，即最大差异量的大小不代表模型的优劣，只能作为判断是否拒绝虚无假设的依据。因此K-S检定无法对模型做出何者较优的结论。Mays (2000)指出较低的K-S统计值并不代表模型相对较差，因此单纯使用K-S最大差异量进行模型验证，有可能产生偏误。 三、Logistic回归分析之分类正确率-4 2.受试者作业特性曲线 (Receiver Operating Characteristic Curve；ROC曲线) Mays (2000)指出一个好的财务危机预警模型主要特质应该尽可能达到高的预测正确率(亦即型一误差要愈小愈好)，同时又尽可能具有最低的预测错误率(亦即型二误差也要愈小愈好)。在分析某一截断点下之模型配适力，可分别计算出在某截断点下预测正确率与预测错误率，最后在一个X轴为预测错误率，Y轴为预测正确率之二维空间中连接各个点，此条曲线即为ROC曲线。 三、Logistic回归分析之分类正确率-5 从ROC当中可以得到一个具体整体性经济意义的数值比率，这个比率由求算ROC曲线以下的面积而来，因此称为「曲线下区域」(area under curve；AUC)。AUC值介于0与1之间，数值愈接近1其正确率愈高。AUC可解释为在某一截断点下，验证模型对区别正常公司和出现财务危机公司的平均能力。当AUC的区域为0.5时，表示模型区别正常公司和出现财务危机公司采取随机的过程，此时模型毫无区隔能力；当AUC的区域为1时，表示模型为最佳。 三、Logistic回归分析之分类正确率-6 本研究针对全样本，进行财务危机预警模型的建置，藉以了解使用的样本是否具有良好的模型配适力。若在全样本下之模型配适力欠佳，代表样本本身可能存在问题，并不具研究价值。由表12实证结果显示：七个模型全样本的AUC判断准则下，AUC介于0.587至0.952之间，其中样本配适力最好的模型为会计信息、公司治理、盈余管理(Model 7)，其余依次为会计信息、公司治理(Model 6)，公司治理、盈余管理(Model 5)，公司治理(Model 4)，会计信息、盈余管理(Model 3)，会计信息(Model 2)，配适能力最差的则是盈余管理(Model 1)，由上述可知，本研究所使用的样本具区别能力与研究价值。 表12全样本下模型配适力统计分析表 (财务危机前ㄧ年至前三年) 模型Model K-S统计量 ROC曲线下面积AUC 配适力排序 前ㄧ年 前二年 前三年 前ㄧ年 前二年 前三年 盈余管理(Model 1) 0.540 0.262 0.175 0.770 0.631 0.587 7 会计信息(Model 2) 0.683 0.405 0.444 0.841 0.702 0.722 6 会计信息、盈余管理(Model 3) 0.778 0.405 0.397 0.889 0.702 0.698 5 公司治理(Model 4) 0.556 0.579 0.508 0.778 0.790 0.754 4 公司治理、盈余管理(Model 5) 0.714 0.603 0.587 0.857 0.802 0.794 3 会计信息、公司治理(Model 6) 0.905 0.675 0.603 0.952 0.837 0.802 2 会计信息、公司治理、盈余管理 (Model 7) 0.881 0.698 0.635 0.940 0.849 0.817 1 表13财务危机预警模型分类正确率之汇整-1单位：% 模型 样本分群 前一年 前二年 前三年 盈余管理(Model 1) 正常公司 92.1 88.1 90.5 危机