摘要：中小企業在解決社會就業問題、技術創新問題、維持社會穩定等方面起着重要作用，然而融資難問題一直制約着我國中小企業的健康發展。本文針對中小企業自身的特點，採用主成分分析與Logistic模型相結合的方式，同時引入定性指標與定量指標，構建了中小企業違約概率模型，該模型考慮了誤判損失，模型擬合度較好，能夠很好地預測中小企業的違約風險。
關鍵詞：定性指標；定量指標；主成分分析；Logistic模型
一、引言
中小企業在解決社會就業問題、技術創新問題、維持社會穩定等方面起着重要作用，然而融資難問題一直制約着我國中小企業的健康發展。盛世傑等[1]認爲，引入政策性擔保機構是解決中小企業融資難問題的有效方法。黃明剛等[2]分析了貧困地區中小企業融資現狀，認爲中小企業融資難的主要原因在於中小企業融資信息不對稱，導致銀行對中小企業融資的逆向選擇、道德風險和信貸配給不足。希倫等[3]對深圳證券交易所的20家創新型中小企業的數據進行了實證分析，認爲利用層次分析法能夠很好地對創新型中小企業融資能力進行合理評價與分類。李昕陽[4]認爲，商業銀行鍼對中小企業信用的評級體系,已無法適應中小企業發展以及金融體制改革的要求。GiulianoIannotta等[5]認爲債務市場不透明，評級信息惡化，將刺激投資者花更多的本錢在非公開信息的收集上。等[6]認爲，在中國，小企業信貸約束問題明顯。中國的金融改革措施並沒有有效緩解中小企業所面臨的融資難困境。本文針對中小企業自身的特點，借鑑我國商業銀行企業資信評估指標體系以及相關文獻研究，共篩選出18個定量指標（財務指標）和5個定性指標(具體內容如表1所示)，採用主成分分析與Logistic模型相結合的方式，構建了中小企業違約概率模型。該模型考慮了誤判損失，模型擬合度較好，能夠很好地預測中小企業的違約風險.
二、模型構建
主成分分析由於財務指標往往具有很強的相關性，而logistic模型對自變量的多維相關性較爲敏感，因此，爲減少變量之間的相關性，本文首先採用主成分分析方法，對財務指標進行了降維處理。本文的財務數據均來自於銳思數據庫，從2011年1月1日到2012年1月1日的製造型企業上市公司年報數據。
（1）KMO和Bartlett檢驗。主成分分析是用於把衆多相關變量縮減爲較少的不相關的主成分變量的一種方法。因此，用於主成分分析的原始變量之間必須具有一定相關性，因而在做主成分分析之前，需要對數據的相關性進行檢驗，即進行KMO和Bartlett檢驗。由表2可以看出，KMO測度和Bartlett檢驗指標均顯示相關變量的相關性較強，有必要對相關指標進行主成分分析。
（2）基於特徵值準則的因子個數的確定。財務數據的.各主成分變量的特徵值與貢獻率如表3所示。由表3可知，根據特徵值準則，當前樣本數據條件下的初始因子個數應該爲7個。並且這7個指標的累計解釋方差的比例爲78.961%，保留了原有數據的主要經濟信息。
（3）求解主成分表達式。通過SPSS18.0求得因子負載矩陣如表4所示.
三、結論
由於中小企業的財務規範性較差，抵禦風險的能力較弱，因此本文在構建模型時，同時引入了定性指標與定量指標，並針對中小企業自身的特點，採用主成分分析與Logistic模型相結合的方式，構建了中小企業違約概率模型。通過引入定性指標，減少了對財務指標的依賴和中小企業財務不規範的影響，所構建的模型擬合度較好，能夠很好地預測中小企業的違約風險，爲進一步探討中小企業融資難問題奠定了基礎。