由於經濟環境變遷，企業發生財務危機事件層出不窮，風險的發生皆會造成銀行的呆帳損失，故本研究透過羅吉斯迴歸建立財務預警模型，並以負債比率、固定資產佔淨值比率、流動比率、速動比率、應收帳款週轉率、總資產週轉率、淨值報酬率、總資產報酬率，八個財務比率為自變數，建立上市櫃公司財務預警模型，找出影響公司發生財務危機之顯著變數。
實證結果發現，負債比與總資產報酬率呈顯著影響，負債比率呈正相關，表示負債比越高，企業發生財務危機的可能性越高。總資產報酬率呈負相關，表示總資產報酬率越低，企業發生財務危機的可能性越高。預測財務危機之財務比率，如係以淨值為分母，如淨值報酬率、固定資產佔淨值比率等，使用上應避免或留意淨值是否已呈負數，會使該數值失去解釋意義。
Logistic迴歸可建立有效的財務預警模型，企業發生財務危機前三年，預測準確率可達85.4%，故本研究模型用於預測臺灣上市櫃公司，於檢驗是否發生財務危機有相當之準確率，並可為金融機構於授信放款前，風險防範及案件決策之參考。

Due to the changes of economic environment, business failure events occurred endlessly, thus, predicting the risk of business failure has become the most important subject for banks. This research uses Logistic Regression Model to identify the main independent variables for the public offering companies, which were delisted from 2015 to 2017 owing to financial distress, in three years prior to the occurrence of financial distress. 
The independent variables in this research are debt ratio, fixed asset on equity, current ratio, quick ratio, accounts receivable turnover ratio, total asset turnover ratio, ROE (return on equity), and ROA (return on assets).The empirical results show that the debt ratio and the ROA are at significant level. The higher debt ratio or the less ROA, the higher possibility financial distress happened. Furthermore, the results cannot be explained when shareholders' equity being the denominator is negative in some financial ratios, such as fixed asset on equity and ROE.
The financial distress prediction model is effective for the public offering companies in three years before the occurrence of financial distress in Logistic Regression, and the predictive accuracy could be approximately up to 85.4%. As a result, the model is useful for banks to identify if the companies have the possibilities of the occurrence of financial distress when they assess financial conditions and recheck their credit system.

目錄	I
表目錄	III
圖目錄	VI
第一章　緒論	1
第一節　研究背景與動機	1
第二節　研究目的	3
第三節　研究範疇與限制	3
第四節　研究流程	4
第二章　文獻探討	6
第一節　銀行授信之說明	6
第二節　企業營運財務危機相關文獻	8
第三節　財務危機預警模型相關文獻	12
第四節　企業營運之變數說明與定義	16
第三章　研究方法	27
第一節　研究架構	27
第二節　Logistic迴歸分析	27
第三節　研究樣本的選取與檢定	29
第四節　研究假說	32
第四章　實證分析	35
第一節　樣本分析	35
第二節　敘述性統計分析	37
第三節　檢定分析	46
第四節　總體Logistic迴歸模型分析	48
第五節　電子業Logistic迴歸模型分析	53
第六節　非電子業Logistic迴歸模型分析	56
第五章 結論與建議	60
第一節　研究結論	60
第二節　研究建議	63
參考文獻	65
 
表目錄
表1-1 存放款加權平均利率	2
表2-1 我國對公司經營財務危機之相關法規	11
表2-2 財務危機常用統計方式比較	16
表2-3 國外企業營運變數研究彙總	24
表2-4 國內企業營運變數研究彙總	25
表2-5 企業營運財務指標	26
表3-1 財務危機公司之樣本資料	31
表3-2 財務危機公司與配對正常公司之樣本	32
表4-1 財務危機公司發生期間表	36
表4-2 危機公司產業分佈表	37
表4-3 負債比統計	38
表4-4 固定資產佔淨值比率統計	39
表4-5 流動比率統計	40
表4-6 速動比率統計	41
表4-7 應收帳款週轉率統計	42
表4-8 總資產週轉率統計	43
表4-9 淨值報酬率統計	44
表4-10 總資產報酬率統計	45
表4-11 皮爾森(Pearson)相關顯著性分析	46
表4-12 自變數常態性K-S檢定	47
表4-13 樣本平均數M-U檢定	48
表4-14 模型係數的 Omnibus 測試	49
表4-15 模型摘要	49
表4-16 Hosmer與Lemeshow測試	49
表4-17 預測準確率表	50
表4-18 變數實證結果	51
表4-19 淨值報酬率不合理處檢視	52
表4-20 固定資產佔淨值比率不合理處檢視	52
表4-21 電子業模型係數的 Omnibus 測試	53
表4-22 電子業模型摘要	54
表4-23 電子業Hosmer與Lemeshow測試	54
表4-24 電子業預測準確率表	55
表4-25 電子業變數實證結果	56
表4-26 非電子業模型係數的 Omnibus 測試	56
表4-27 非電子業模型摘要	57
表4-28 非電子業Hosmer與Lemeshow測試	57
表4-29 非電子業預測準確率表	58
表4-30 非電子業變數實證結果	59
表5-1 變數實證結果	62
表5-2 電子業變數實證結果	62
表5-3 非電子業變數實證結果	63

圖目錄 
圖1-1 研究流程圖.................................................................................................5 
圖3-1 研究架構圖.....................................................................................................27 
圖4-1財務危機公司發生期間分佈圖......................................................................36

一、中文部份
何俊德(1999)，「金融自由化與經濟成長-臺灣實證研究」，中正大學國際經濟研究所碩士論文。
余惠芳、陳琳、劉清山、徐葳茹、林詩巽、鄒惠雯(2009)，「金融海嘯與企業財務預警之實證研究─Logit模型之應用」，華人經濟研究，第7卷第2期，第20-39頁。
余惠芳、潘麗卿(2014)，「以勝算比觀點分析企業營運策略、公司治理與財務預測─臺灣上市櫃股之實證研究」，全球經濟管理，第10卷，第2期，第57-77頁。
吳蕙禎(2007)，「臺灣集團企業財務預警-加入公司治理變數探討」，東吳大學企業管理研究所碩士論文。
李哲惠(2002)，「財務預警模型於資產定價之應用」，臺灣大學財務金融研究所碩士論文。
沈丈智(2007)，「中小企業財務預警模型與銀行授信決策之研究」，屏東科技大學高階經營管理研究所碩士論文。
沈智偉(2002)，企業預警-羅吉斯模型與類神經方法之比較，高雄第一科技大學金融營運研究所碩士論文。
林俊吉(2002)，「銀行對企業授信產生逾期放款之認知因素分析」，中山大學財務管理學系碩士在職班論文。
林淑萍、黃邵彥、蔡昆霖(2007)，「企業危機預警模型之研究─DEA-DA、邏輯斯迴歸與類神經網路之應用」，第4卷第1期，第35-56頁。
林寶安(2002)，「臺灣消費金融的演變及其社會經濟意義」，臺灣社會學刊，第27期，第107-162頁。
張大成、劉美纓、萬智傑(2008)，「中小企業之財務危機預警模型與新巴賽爾協定信用評等」，中小企業發展季刊，第9卷，第199-220頁。
張啟任(2012)，「臺灣股票公開發行未上市櫃公司財務危機預測之研究」，淡江大學金融學系碩士論文。
許溪南、歐陽豪、陳慶芳，2007，「公司治理、盈餘管理與財務預警模型之建構」。會計與公司治理，第4卷第1期，第85-121頁。
許鳳芸(2010)，「利用羅吉斯迴歸建立臺灣上市櫃公司財務預警模型」，成功大學財務金融研究所在職專班碩士論文。
陳明賢(1986)，「財務危機預測之計量分析研究」，臺灣大學商學研究所碩士論文。
陳建宏與謝佩綺(2016)，「企業資訊揭露、公司治理與財務危機預警之實證研究-以臺灣上市上櫃電子業為例」，財金論文叢刊，第25期，第93-104頁。
陳肇榮(1983)，「運用財務比率預測企業財務危機之實證研究」，政治大學財政研究所博士論文。
陳澤義與陳啟斌(2006)，「企業診段與績效評估：平衡計分卡的應用」，華泰圖書文化。
陳錦富(2014)，「中小企業財務預警模型」，高雄第一科技大學碩士論文。
黃志彬(2017)，「銀行信評系統與 Altman Bankruptcy Model 信用狀況與羅吉斯迴歸模型的比較」，成功大學財務金融學系在職專班碩士論文。
黃俊雄(1994)，「企業財務危機預警模型在銀行授信決策之運用」，政治大學企業管理研究所碩士論文。
劉向麗(2001)，「依銀行融資觀點看企業財務預警問題」，中山大學財務管理研究所碩士論文。
潘玉葉(1990)，「臺灣上市公司財務危機預警分析」，淡江大學管理科學研究所博士論文。
潘麗卿(2014)，「以勝算比觀點分析企業營運策略、公司治理與財務預測─臺灣上市櫃股之實證研究」，全球管理與經濟，第10卷第2期，第57-77頁。
蔡麗君(1995)，「審計報告內涵：運用於危機之預測」，政治大學會計研究所碩士論文。
 
二、英文部份
Alan D. Smith,(2008), “Forecasting Case Studies:Leveraging Strategic Managcment and Project Internation”, International Journal of Management and Enterprise Development, 5(1),pp.63-76.
Altman,E.I. (1968), “Financial ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy.” Journal of finance 23(4), pp.589-609
Beaver,W.H. (1966), “Financial Ratios as Predictors of Failure.” Journal of Accounting Research,4, pp.71-111.
Blum,M.,(1974), “Failing Company Discriminant Analysis. ”Journal of Accounting Research. 12, PP.1-25.
Deakin, E. B.(1972), “A Discriminant Analysis of Predictors of Business Failure.”Journal of Accounting Research, 10,pp.167-179.
Gentry, J. A., P. Newbold and D. T. Whitford (1987). “Funds Flow Components, Financial Ratios, and Bankruptcy. ” Journal of business finance & accounting, 14(4), PP.595-606.
Kahya, E., & Theodossiou, P. (1999), “Predicting Corporate Financial Distress: A time-Series CUSUM Methodology. ”Review of Quantitative Finance and Accounting, 13(4), pp.323-345.
Koh, H. C.& Tan, S. S.(1999), “A neural network approach to the prediction of going concern status,” Accounting and Bisiness Research, 29(3), pp.211-216.
Lau, A.H. (1987), “A Five-State Financial Distress Predication Model.”Journal of Accounting Research, 25(1), pp.127-138.
Lieu, P. T., Lin, C. W. & Yu, H. F.(2008), “Financial Early-warning Models on Cross-hplding Group.” Industrial Management and Data Systems, 108(8),pp.1060-1080.
Martin, D.(1977), “Early warning of bank failure: A logit regression approach.” Journal of Banking and Finance, pp.249-276.
Mensah, Y. M.,(1984), “An Examination of the Stationary of Multivariate Bankruptcy Prediction Models: A Methodological Study.” Journal of Accounting Research,22(1),pp.380-395
Ohlson, J. A.(1980). “Financial Ratios and the Probabilistic Prediction of Bankruptcy.” Journal of Accounting Research, 18(1), pp.109-131.
Ross, B. (2000), “Financial Ratios and Different Failure Processes,” Journal of business finance & accounting, 3, pp.18-24.
Vassalou,M., and Y. Xing,(2004), “Default risk in equity returns,” Journal of Finance, 59, pp.831-868
Whited, T. M., and G. Wu,(2006), “Financial constraints risk,” Review of Financial Studies, 19, pp.531-559.
Zeitun, R.,G. Tian, S. Keen.(2007), “Default Probability for the Jordanian Companies: ATest of Cash Flow Theory,” International Research Journal of Finance and Economics, 8, pp.147-162.
Zmijewski, M. E., (1984), “Methodological Issues Related to the Estimation of Financial Distress Prediction Models,” Supplement to Journal of Accounting Research, 22, pp.59-82.