لازم به ذکر است از آنجا که به منظور ساخت مدل پیش ‏بینی ورشکستگی از روش رگرسیون لوجستیک بهره گرفته خواهد شد، کنترل تابعیت متغیرهای تحقیق از توزیع متغیرهای غیر ضروری است. به عبارت دیگر در این روش رگرسیونی فرضیات محدود کننده در خصوص لزوم توزیع نرمال متغیرهای تحقیق وجود ندارد. ‌بنابرین‏، پراکندگی قابل ملاحظه در توزیع مقادیر نسبت‏های مالی ارائه شده در جدول (۴-۲) در دو گروه شرکت‏های ورشکسته و غیر ورشکسته نمی‏تواند باعث ایجاد نگرانی در خصوص سوء دار شدن نتایج تحقیق شود.

همان گونه که نتایج جدول (۴-۱) نشان می‏ دهد تفاوت معناداری بین میانگین و همچنین انحراف معیار نسبت‏های مالی در دو گروه شرکت‏های ورشکسته و غیر ورشکسته وجود دارد که به معنای توان بالقوه این نسبت‏های مالی برای متمایز ساختن شرکت‏های ورشکسته از شرکت‏های غیر ورشکسته است. تعیین دقیق توان این نسبت‏ها در پیش‌بینی ورشکستگی از طریق آزمون تفاوت میانگین امکان‏پذیر است که نتایج حاصل از این آزمون در بخش بعدی ارائه شده‏است.

جدول (۴-۲): آماره‏های توصیفی متغیرهای کنترلی تحقیق

غیر ورشکسته

ورشکسته

میانگین

میانه

انحراف معیار

میانگین

میانه

انحراف معیار

X1

۶۷/۰

۶۲/۰

۵۶/۰

۵۵/۰

۴۱/۰

۵۲/۰

X2

۶۵/۰

۴۸/۰

۸۰/۰

۸۴/۰

۶۱/۰

۸۷/۰

X3

۲۸/۰

۲۰/۰

۲۵/۰

۰۴/۰

۱۸/۰

۲۵/۰

X4

۱۲/۰

۱۱/۰

۱۵/۰

۳۵/۰

۳۰/۰

۲۴/۰

X5

۳۳/۱

۱۵/۱

۶۹/۰

۰۵/۱

۰۷/۱

۴۶/۰

X1 دارایی‏های آنی به کل دارایی‏ها؛ X2 کل بدهی ها به کل دارایی‏ها؛ X3 سود عملیاتی به فروش؛ X4 هزینه بهره به سود ناخالص؛ X5. فروش به دارایی‏های جاری

۴-۲-۲ آزمون تفاوت میانگین نسبت‏های مالی (متغیرهای کنترلی)

در این بخش، وجود تفاوت معنادار بین میانگین نسبت‏های مالی در دو گروه شرکت‏های ورشکسته و غیر ورشکسته با بهره گرفتن از آزمون مقایسه میانگین t بررسی شده‏است. به صورت بالقوه هنگامی یک نسبت مالی را می‏توان به عنوان متغییر پیش ‏بینی کننده ورشکستگی مورد استفاده قرار داد که میانگین این نسبت در دو گروه شرکت‏های ورشکسته و غیر ورشکسته دارای تفاوت معنادار باشد. در بررسی این تفاوت علاوه بر متفاوت بودن میانگین، تفاوت در پراکندگی (انحراف معیار) نسبت مالی در دو گروه شرکت‏ها از اهمیت بسیار زیادی برخوردار است. هر چه واریانس درون گروهی کمتر و واریانس بین گروهی بیشتر باشد، توان نسبت مالی در تفکیک شرکت‏های دو گروه ورشکسته و غیر ورشکسته بیشتر خواهد بود.

جدول (۴-۳)، نتایج آزمون مقایسه میانگین و میانه را برای نسبت سود عملیاتی به فروش خالص نشان می‏ دهد. همان‏طور که ملاحظه می‏ شود، سطح معناداری تساوی میانگین این نسبت در دو گروه ورشکسته و غیر ورشکسته برابر با ۰٫۰۰۰ است. از آنجایی‏که سطح معناداری ۰٫۰۵ جهت تصمیم‏ گیری انتخاب شده است ‌بنابرین‏ می‏توان از نسبت مالی “عملیاتی به فروش خالص” در مدل­بندی پیش ­بینی ورشکستگی استفاده کرد.

نسبت “سود عملیاتی به فروش خالص”.

جدول (۴-۳): آزمون مقایسه میانگین سود عملیاتی به فروش خالص

آزمون لون برای تساوی واریانس‏ها

آزمون t برای تساوی میانگین‏ها

آماره f

معناداری.

آماره t

درجه آزادی

معناداری

میانگین اختلاف‏ها

تفاوت خطای استاندارد

فرض تساوی واریانس‏ها

۶۱/۳

۰۶/۰

۶۱/۹-

۱۴۰

۰۰۰/۰

۲۴/۰-

۰۲۱/۰

فرض عدم تساوی واریانس‏ها

۵۹/۹-

۸/۱۲۳

۰۰۰/۰

۲۴/۰-

۰۲۱/۰

جدول (۴-۴)، نتایج آزمون مقایسه میانگین را برای نسبت کل بدهی‏ها به کل دارایی‏ها را نشان می‏ دهد. همان‏طور که ملاحظه می‏ شود، سطح معناداری تساوی میانگین این نسبت در دو گروه ورشکسته و غیر ورشکسته برابر با ۰٫۰۰۰ است. از آنجایی‏که سطح معناداری ۰٫۰۵ جهت تصمیم ­گیری انتخاب شده است ‌بنابرین‏ می‏توان از نسبت مالی کل بدهی‏ها به کل دارایی‏ها “ در مدل­بندی پیش ­بینی ورشکستگی استفاده کرد.

نسبت “کل بدهی‏ها به کل دارایی‏ها”.

جدول (۴-۴): آزمون مقایسه میانگین کل بدهی‏ها به کل دارایی‏ها

آزمون لون برای تساوی واریانس‏ها

آزمون t برای تساوی میانگین‏ها

آماره f

معناداری.

آماره t

درجه آزادی

معناداری

میانگین اختلاف‏ها

تفاوت خطای استاندارد

فرض تساوی واریانس‏ها

۳۸۹/۲

۱۲۵/۰

۰۲۲/۵

۱۴۰

۰۰۰/۰

۱۹/۰

۰۲/۰

فرض عدم تساوی واریانس‏ها

۰۰/۵

۱۲۳

۰۰۰/۰

۱۹/۰

۰۲/۰

جدول (۴-۵) نتایج حاصل از آزمون مقایسه میانگین نسبت دارایی‏های آنی به کل دارایی‏ها را در دو گروه شرکت‏های ورشکسته و غیر ورشکسته تحت دو فرض تساوی واریانس‏ها و عدم تساوی واریانس‏ها نمایش می‏ دهد. همان­طور که ملاحظه می­ شود، سطح معناداری تساوی میانگین این نسبت در دو گروه ورشکسته و غیر ورشکسته برابر با ۰٫۰۰۰ است. از آنجایی­که سطح معناداری ۰٫۰۵ جهت تصمیم ­گیری انتخاب شده است ‌بنابرین‏ فرض H0 را در سطح خطای ۵% رد می­ شود. ‌به این ترتیب

    1. Gordon ↑

    1. Whitaker ↑

    1. Altman ↑

    1. Dun and Bradstreet ↑

    1. Statistical techniques ↑

    1. Artificial Intelligence techniques ↑

    1. Theoretical models ↑

    1. Palmrose, Z.-V., V. J. Richardson, and S. Scholz ↑

    1. McNichols ↑

    1. Hribar, P., and D. W. Collins ↑

موضوعات: بدون موضوع  لینک ثابت