基于波特五力模型的唯品会竞争环境分析【实用文档】doc.doc

基于波特五力模型的唯品会竞争环境分析【实用文档】doc文档可直接使用可编辑，欢迎下载唯品会竞争力调查报告基于波特五力模型视角竞争环境分析班级：1级人力资源管理三班 夏灵芝（2012032)王婧雯（201221325）杨婧（2012213）房素文（20121012)一、引言唯品会是广州唯品会信息科技有限公司旗下的B2C电子商务网站，是一家专门做特卖的网站，于28年2月正式上线运行,仅仅用了三年的时间，就在纽交所成功上市。2014年7月在艾瑞咨询最新发布的“201年中国网络限时特卖市场研究报告”，唯品会23年以38%的市场份额领跑中国限时特卖市场。唯品会在短短不到十年的时间里取得了飞速的发展，目前已经成为国内最大的品牌折扣网站,可谓异军突起。然而目前中国电商行业的竞争已经进入到异常惨烈的阶段，京东、当当、易购等轮番进行价格战，唯品会面临的市场压力也不容小觑。因此,分析其自身的竞争力以及其所处的竞争环境是非常必要的。二、唯品会的行业竞争力现状分析区别于其他网购品牌，唯品会定位于“一家专门做特卖的网站”，在国内开创了特卖这一独特的商业模式。加上其“零库存”的物流管理以及与电子商务的无缝对接模式，唯品会得以在短时间内在电子商务领域生根发芽。从唯品会2015年2月份发布的财报显示，唯品会第四季度净营收13。6亿美元，较上年同期增长108.，此增长主要是由于活跃用户人数和总订单数量的增加。唯品会第四季度活跃的用户人数为1220万，相比于上年同期增加了114.2,同时，第四季度总订单数为353万份，同比增加了96%；运营利润为6080万美元，较上年同期增长05.%.（一）4服务理念唯品会秉承4的服务理念，在激烈的电商竞争场上真诚的服务每一位顾客：FS，有限的折扣上架时间；ASON,享受时尚的生活方式;FU，无穷无尽的购物乐趣；IE,卓越的品质与体验.（二)独特的商业模式1、差异化定位，填补市场空白以低廉价格淘到心仪品牌的产品,是每个消费者的需求，但是我国却并没有出现能够专业地、成规模地为消费者提供低折扣优质品牌产品的平台。用户购买打折产品的诉求长期存在却一直的不到满足，于是市场出现了空白区域，唯品会正式瞅准了市场空白带来的商机,将自己定位于专门提供品牌特卖的网站，以低至1折的品牌购物确实迎合了多数消费者品牌与优惠兼得的心理。2、“饥饿营销”的经营模式中国品牌特卖市场虽然发展相对落后，竞争对手却仍然存在，在经营模式上,唯品会选择了“闪购”这种国内还不太常见的方式，更直白地讲就是限时限量的抢购模式,属于饥饿营销的一种手段.这种限时抢购的模式能够保持产品在消费者心中的新鲜度，每天推出不同品牌的抢购，不停地刺激着消费者，甚至会让其上瘾，养成一种每天关注有什么品牌在进行特卖抢购的习惯。“闪购"策略可以让唯品会在广告上非常“吝啬”，却不影响消费者的到达率.3、完善的配套服务，真正吸引和留住顾客依靠“正品低价”的口号和“限时抢购"的模式，唯品会吸引了千万用户注册消费，然而对保证消费者的持续消费,完善的配套服务组合才是其打造“回头客”的关键。唯品会为消费者提供了一个完善的配套服务，创造了一个没有顾虑的网络购物环境,使得消费者在有过一次购物经历后仍愿意在唯品会进行再次消费,逐步形成顾客粘性。拥有大量具有高粘性的用户后，这些用户与朋友之间的口口相传成为了免费却最高效的广告,SNS平台更是提高了这种口碑营销的速度和范围，迅速为唯品会赢得了更多的新顾客。三、唯品会波特五力模型竞争环境分析(一)同行业竞争者之间的竞争唯品会作为一家电商企业，虽然取得了一定成绩,但却同样面临着同行业之间严峻的竞争压力。电商的本质是服务，服务消费者、合作品牌、供应商，服务一切与之相关的环节。简言之电子商务就是关于服务和质量.电商业中的企业,相互之间的利益都是紧密联系在一起的，作为企业整体战略一部分的各企业竞争战略，其目标都在于使自己的企业具有竞争优势以获得更大利润.因此，各企业之间就会形成竞争与冲突。现有企业的竞争往往表现在价格、广告、产品介绍、售后服务等各个方面.对于唯品会而言，首要竞争压力来自同时期发展的传统大型电商行业,比如淘宝、京东商城、天猫等。对比唯品会和其他传统大型电商，二者有一定相似点,比如都有品牌特卖、产品质量都有一定保障等。相应的,唯品会相对于这些竞争者也有其独特的优势，第一，技术突破了传统电商门槛:它拥有嗅觉灵敏的买手团队，要从商品中挑选出受欢迎的品类；第二是仓储和物流的效率更高.由于是特卖模式,其库存周转率极快,相比于传统电商的长期售卖模式，其物流标准化程度更高.第三,在其特殊的闪购模式中,每天都有一次销售峰值，网站页面也是根据这种商业模式特殊设计的，比如不设搜索栏，而且每天显示的展示品牌都会变化，让消费者养成“逛"的习惯.这些特点无疑增强了唯品会的销售能力和竞争实力.但是,传统电商在某些方面还是优于唯品会，比如其购买时间灵活性较大;商品种类更加齐全;消费群体更加广泛;价格梯度大为顾客提供了更多选择;售后服务更加贴近顾客等。据统计，204年，仅双十一当天，传统电商的代表-天猫的交易总额就达到了5亿元，这显然给唯品会带来了巨大的竞争压力。其次,来自同类品牌折扣网站的竞争,比如聚尚网、上品折扣网等。这些网站跟唯品会销售类似产品,其特点也是以特价模式进行销售，为区别于普通折扣网站,唯品会提出了“以服务立商的品牌理念”，以服务立商，换来的是消费者的信赖和品牌合作商的支持,这是边际效益递增的有效方法，是长期运营的根本。这一理念有效地防止了抄袭和跟风，使唯品会在折扣网站中独占鳌头。发展至今,同类折扣网站虽对唯品会还有一小部分影响，但已远远赶不上唯品会的步伐。第三类是专营某一类产品的特卖网站,如聚美优品、麦包包等。这一类电商虽然在综合实力上不如唯品会，但是在其专营领域,在规模、商品选择、价格等方面，却比唯品会更具有优势,给唯品会带来了一定负面影响。（二）潜在进入者潜在进入者是指那些暂时对企业不构成威胁但具有潜在威胁的竞争者，这些进入者会带来新的生产能力,但与此同时，它们的进入对于现有的企业来说，会瓜分现有企业的市场份额，加剧行业内的竞争,降低利润。对于唯品会而言,其潜在进入者就是一些大品牌商以及品牌制造商.这些企业发展比较完善,自身存在规模经济效应,有巨大的品牌影响力。若这些企业想自主建立网络销售渠道。那么这对唯品会的影响是非常大的.大品牌商家以及品牌制造商往往在多年的实体店经营中建立了良好的品牌形象和口碑，若一旦决定自主建立网络销售渠道，将能很好的与其线下实体店铺相结合，用网上销售的低价吸引实体店中大量的客源.较之唯品会，其自营网站有以下几点优势：首先,自营店的产品质量将比唯品更具有可靠性，说服力，消费者将更倾向于相信品牌自营店中产品的品质；其次，对于一个扮演中介角色的唯品会，自营店将会有更大的让利空间及价格自主权，自营店的成本会低于将产品放于唯品会上销售的成本，这样在产品制造成本相同的情况下，可以将销售成本减小,既不需要线下实体店的管理费用，也可以将价格定于低于唯品会上的价格.这就使得唯品会将或多或少面临着一些潜在进入者的挑战。而如今随着政府扶持的力度加大,电商行业入门门槛越来越低，很多品牌也都设立了自己的网店，这意味着唯品会在与品牌合作时议价能力受到了一定程度上的限制,这样一来,之前依附唯品会等类似平台获得品牌口碑或积累下自己的知名度的商家将会对唯品会带来巨大的挑战。（三）购买者的议价能力价格敏感度和相对议价能力是购买者议价能力的两个基本因素。价格敏感度决定买方讨价还价的欲望有多大；相对议价能力决定购买者在多大程度上能成功地压低价格。唯品会既满足高消费人群对品牌的挑剔要求,又满足中低收入人群对品牌的向往.唯品会的明智之举在于舍弃一线顶级奢侈品牌，唯品会逐步将眼光从“一线奢侈品牌”转向“二三线奢侈品牌”，运用独特的闪购运营模式,专门经营品牌尾货,价格亲民，大量代销国内的二三线品牌商库存，以较大的折扣为消费者提供品牌货品。唯品会将自己定位于二三线城市，这些区域线下零售业发展较之于一线城市，发展不够完善,商业体系不够健全，品牌认知度不高，也很少有一个专门做打折商品的商场,唯品会“品牌折扣限时抢购正品保险”的网上特卖会形式,能有效吸引价格敏感人群，加上其闪购的模式，能够刺激消费,并对商品的质量有较高的满意度，更为精准地锁定更为广阔的价格敏感人群，让消费者更容易“成瘾”，培养起持续的消费习惯，保持较高的重复购买率。据了解,唯品会近75%的买家为女性，以二三线城市为主，月收入200-00，符合唯品会的中高端非奢侈品定位。这类消费者的购买欲望旺盛,活跃度高，会一直持续稳定增加在唯品会的购买消费。唯品会的顾客忠诚度和黏性极高。2011年,唯品会共吸引新用户3万，流失的老用户只有1。万.平均每位用户每年消费88次，老用户消费频率更是高达7。4次。回头客总共贡献了销售额的9.用户年均消费额达12美元。唯品会在“名品时尚折扣”领域处于全国领先的优势，凭借全平台的精品闪购模式的优势,目前唯品会已经吸引了近3000个国内外名牌入驻,其中4余家为独家合作，建立了尾货网络出售独家授权.这些品牌商的库存、名品尾货，相当于从供给端给予了唯品会推动,唯品会利用知名品牌的品牌吸引力，吸引了消费者的注意,提高了用户的粘度，消费者在唯品会淘便宜，这是三方受益的模式，唯品会只是做了品牌方与消费者之间的通路,类似于线下的奥特莱斯。奥特莱斯发展至今，说明这种名品折扣模式有市场，在电商领域会更有市场，由于其大力度的折扣加上品质保证，使其吸引一定的忠实消费群体,较之线下实体店和其他购物网站如天猫淘宝、京东商城等购物网站，消费者在唯品会上的购买成本大大减小且能获得质量保证，这样一来，消费者在获得相同的效用时，消费者更偏向于线上购买，购买者的价格敏感度相对而言就会有所降低；其次，其特有的限时抢购活动和唯品所缺少的消费者与卖方联系渠道，每个品牌只上线46天,从某种意义上来讲也降低了购买者相对议价能力，综上而言,购买者的议价能力较低。（四）供应商议价能力一个企业要通过其提高投入要素价格与降低单位价值质量的能力，来影响行业中现有企业的盈利能力与产品竞争力。当供应商所提供的投入要素其价值构成了买主产品总成本的较大比例、对买主产品生产过程非常重要或者严重影响买主产品的质量时，供应商的议价能力就增强。唯品会采用直接招收品牌供应商的方式,唯品会在“名品时尚折扣”领域处于全国领先的优势，凭借全平台的精品闪购模式的优势,目前唯品会已经吸引了近3000个国内外名牌入驻，其中4余家为独家合作，建立了尾货网络出售独家授权。合作流程包括商定细节、签订合同、安排上线、售后结算、战略合作五个环节。方式灵活,流程简单，并省去了中间环节，与各个供应商直接签订合同，节省了各类中间费用。唯品会甚至与供货商签署“独家销售协议”,增强了其对供应商的掌控力。在合作优势上，唯品会给予供应商的有成本近“零”、消化库存、不占资金、回款最快、品牌宣传、目标客户等多方面优势。这无疑对供应商有很大的诱惑力。因此，供应商为了能够更好地与唯品会合作，不会制定过高的价格策略。另外，随着唯品会规模的不断扩大，唯品会在市场上的知名度得以提高,越来越多的品牌供应商也更倾向于与唯品会合作,截至去年底，唯品会的注册用户达80万，其中932的订单来自回头客.目前已将5800个品牌纳入其合作方名单。据说,唯品会逆袭之后,一个明显的变化是，之前沈亚要经常去拜访品牌商，谈合作,现在反而是越来越多的品牌商老板去拜访沈亚。在品牌合作方面,唯品会也希望借助拓展独家合作来巩固自己的护城河。随着意愿加盟唯品会的供应商不断增多，唯品会可选择的机会增多,从而其与供应商的议价能力也得到了提高。(五）替代品的威胁替代品的威胁是指不同行业中的企业，可能会由于其所生产的产品是互为替代品，从而在它们之间产生相互竞争行为。这种源于替代品的竞争会影响企业的发展,对企业产品的销售造成一定的阻碍。尤其是当替代品的效益大于原企业的产品，替代品的品质、价格、功能更能得到消费者青睐时，替代品对原企业产生的威胁就越大。替代品的威胁包括三个方面：替代品在价格上的竞争力、替代品质量和性能的满意度以及客户转向替代品的难易程度。对于唯品会而言，替代品的威胁来源主要是线下实体品牌折扣店以及商场活动促销产品等。一方面,在价格的竞争力上，折扣店和商场活动促销由于场地租金、人工服务等费用，可以得到的折扣相对较少，且实体店品牌种类远不如唯品会线上资源来的丰富，所以唯品会在价格竞争上具有优势。另一方面,在同等的折扣下,消费者在实体店可以享受到来自导购更加贴切的服务，也可以直接体验商品，比如衣服可以直接试穿，化妆品可以试用，消费者可以直观的感受到来自替代品质量和性能的体验，从而提升对替代品的满意度,而这是唯品会线上购物所不具有的.因此，在这样的情况下，消费者可能更倾向于去实体店购买。这是唯品会所受到的来自替代品的主要威胁。但是，由于主要消费者群体受到自身消费水平、工作时间、消费需求倾向等主观因素影响，总体上消费者还是会倾向于唯品会的线上消费方式来节约时间金钱,所以客户转向替代品的难度比较大.综上分析，唯品会所具有的折扣力度、品牌种类优势以及线上消费时间优势是一般的线下实体品牌折扣店所无法比拼的。因此，唯品会来自替代品的威胁应该来说是较小的.四、唯品会发展策略建议（一）持续特卖模式,拓展市场唯品会的成功是由于其自身的特卖模式，从整个行业的发展情况来看,特卖这个市场才刚起步，唯品会所拥有的市场份额也还很小，市场潜力远远没有充分挖掘出来。因此,唯品会只有专注于自身的特卖模式，持续投入，将市场做大做深，才能保持高速增长的状态。而且唯品会不仅要从规模上不断扩大，提高与品牌商的溢价能力，同时也注重品类优化,提高各类商品比例,进一步巩固唯品会在行业内的地位。(二)自建物流配送体系，提高服务质量唯品会必须逐步开展自建物流配送体系，尝试自建落地配网络，采取不断扩大单体仓库面积，优化仓库运营、物流配送、加强自动化减少人工等方法,不仅可以提高物流配送的服务质量、进一步提高配送速度，还能在有一定规模效应后节省更多的物流开支来减少物流费用，使唯品会成为是中国地域覆盖最高的电商之一.(三)申请支付牌照，优化网络服务唯品会必须优化线上网络服务,吸引更多消费者，用已有的互联网金融领域的布局，在部分一线城市拿到小额支付牌照，并成立自己独立的支付团队，申请第三方支付牌照。目前，小微企业普遍面临融资难、融资成本高的窘境，唯品会所能做的就是利用自有资金，为众多小微企业供应商提供融资服务，只有他们成长好了，才能建设更健康的唯品会生态圈.（四)培育精英人才,提升技术能力采用挖掘或培训等方式提升精英人才素质，促进人力资源的发展，提升唯品会在大数据、数据挖掘、机器学习等领域的技术能力。数据是电商区别于传统零售的一个主要特点，电商的数据自然而然地保存,把这些数据收集起来并加以挖掘和分析就会发现规律性的东西，可以为唯品会的发展提供方向性的指导和推动。基于Logit模型的上市公司财务预警模型研究以及实证分析【摘要】上市公司是现代公司的最高形式，上市公司的数量和质量直接影响着证券市场的兴衰。在上海和深圳证券交易所上市公司需要连续三年盈利，上市之后如果连续两年亏损，就会被戴上ST的帽子，这标志着上市公司陷入了财务困境.本文以沪深A股市场上于2015年被ST和未被ST的上市公司为研究的总体，随机抽取样本90个,并结合公司的财务数据，尤其是代表公司经营状况的动态指标，来预测企业在未来一年内是否会有财务危机,给公司的财务人员预警，同时也有利于投资者判断一家公司的发展状况，做出合理决策。【关键字】上市公司 财务预警 Logit模型一、 引言21.1财务预警模型的研究背景21.2财务预警模型的研究概况21.3本文的创新之处2二、Logit模型简介2三、样本和财务指标的确定33.1样本采集33.2财务指标的初步选择3四、财务预警模型的实证分析44.1案例处理摘要44.2模型汇总44。3HosmerLemeshow检验结果54.4预测分类结果64.5逐步回归过程84.6不在方程中的统计变量94。7预测概率直方图10五、 模型的改进和对上市公司风险防范的建议115.1模型的改进115.2对上市公司的建议11参考文献12一、引言 1.1财务预警模型的研究背景现代企业从创业到发展,都在追求一个目标上市。而在我国的股票市场上，公司上市需要最近三年连续盈利,上市后的公司要接受社会的监督，定期公布财务报告以及其他信息，因此我们可以很容易得到上市公司的财务指标，相比通过经验来判断公司的财务状况，财务指标是量化的，更容易分析。一个公司的财务指标一定程度上反映了该公司的财务状况，从财务状况我们可以看出该公司的经营管理情况以及发展情况，如果一个公司财务发生了危机,那么整个公司的现状也令人担忧。因此，正确的预测企业财务危机将有助于保护投资者和债权人的权益、有助于经营者防范财务危机、有助于政府管理部门监控上市公司质量和证券市场的风险,所以建立企业财务危机预警模型具有重要意义。各种不同的原因共同导致了公司的财务危机，既有企业内部的原因，也有企业外部不可控制的原因.以下我们归纳归属于企业自身的原因：1. 公司管理者盲目追求扩张，决策缺乏科学性。2. 企业筹资方式不当，资本结构不合理3. 企业内控制度不完善，公司治理结构不合理.如果企业不对其存在的问题作出快速的反映，在不断创新和变革的时代，最终会走向破产，因此财务预警能够在公司财务危机发生前进行预测，避免其陷入财务困境。1。2财务预警模型的研究概况对上市公司的财务预测和预警的常用模型是上市公司信用风险度量，我国关于财务风险预警分析的研究起步较晚，而国外开始相关领域的研究比较早，已有企业将财务风险预警模型投入实际运用中。信用风险的度量和管理的探索大致可分为三个阶段；第一个阶段是1970年以前，主要分析工具有5C分析法、LAPP法、五级分类法，大多数金融机构基本上是依据银行专家的经验和主管分析来评估信用风险。第二个阶段是建立于基于财务报表的信用评级模型，主要有Logit模型、线性比率模型、Probit模型、判别分析模型等。第三个阶段是进入20世纪90年代以来，西方若干商业银行以风险价值为基础，开始运用数学工具、现代金融理论来定量研究信用风险，建立了以违约概率、预期损失率为核心指标的度量模型.1.3本文的创新之处我国财务预警模型处于发展初期,复杂的财务预警模型在实践中运用较少.简单而又实用的预警模型应属Logit模型，多数学者已对Logit模型进行了实证分析，肯定了Logit模型有较好的预测能力。本文拟对Logit模型在上市公司财务危机预警分析与评估应用方面进行研究，避开大多数研究者选取的盈利指标等静态指标，以与上市公司经营状况有关的财务指标为变量（包括两个动态指标)通过实证分析验证改进结果。二、 Logit模型简介Logit方法采用logistic回归建立一个非线性模型，其曲线是s型或倒s型。因变量的取值在O1之间，回归方程为：LnI1Pi（1Pi）=0+jXij本文将ST公司赋值1,将非ST公司赋值0。Pi 是在条件Xi=F(Xlj，X2j,Xmj）下某事件发生的概率,1-P 是该事件不发生的概率，其中m是自变量的个数0是截距，i是待估计的参数。利用最大似然估计法估计参数,在研究中取05作为概率的阀值，将样本数据代入回归方程得到P值大于05时，判断该样本属于财务困境公司，否则属于非财务困境公司。Logit模型的最大优点是，不需要严格的假设条件，克服了线性方程受统计假设约束的局限性，不需要满足正态分布和两组协方差矩阵相等的条件，得出的结果直接表示企业发生财务失败的可能性大小，操作简单,结果明了。目前，这种模型的使用较为普遍，但其计算过程比较复杂，而且在计算过程中有很多的近似处理，这不可避免地会影响到预测精度。三、样本和财务指标的确定 3.1样本采集 财务危机预警模型研究的样本选取与设计过程涉及到如何确定陷入财务危机公司的样本组，如何确定作为配对标准的控制因素，以及如何进行两组间个体数量分配的问题等，作为配对标准的控制因素一般包括会计年度、行业和资产规模。这些配对标准用来控制由于财务危机组合与正常组合之间的报告因时间性、行业特征和公司规模的差异所可能带来的模型偏差。本文按照随机选取的模式选取样比较样本，这种选取样本的方法是假定公司发生财务危机的概率是0.5。 我国学者在研究财务危机模型时，大多定义财务危机预警超前时间的方法是：被ST的当年定义为财务危机发生的时间点，并记为T，T-1年为财务危机发生的前一年，以此类推。我国许多学者在研究财务危机预警模型时，大多数强调预警的超前时间为发生财务危机的前两年,即T2年。根据我国实际情况，借鉴前人的研究成功,本文也将ST的年份定义为发生财务危机的时间,记为T，研究在T年处于ST和非ST状态的上市公司在T2年的财务指标。为何选取T-2年的财务数据？这与我国的ST制度有关，在我国市场上上市的公司，连续两年亏损就会被ST，一年亏损，下一年不亏损不会被ST,那么以T1年的数据来建模就会夸大模型的实用性。而且从公司经营的角度来看，其陷入财务困境是一个累积的结果，因此根据被ST之前的数据建立的模型才能够更好的起到防患于未然的作用。本文样本公司的财务数据主要来自万得咨询数据库,本文选取了2015年被ST的公司2013年的财务数据作为发生了财务危机的上市公司样本;相应的，选取2015年没有被ST的上市公司2013年的财务数据，作为正常上市公司的样本，并应用Logit模型建立预测模型预测上市公司是否面临财务危机，其中ST样本40个,非ST样本50个。随机抽取其中的70的样本作为模型的训练集，用以模型的训练，剩下的30%作为模型的测试集。3.2财务指标的初步选择 由于净利润的大小可以很直观的观察到，那么，基于本文研究的创新点，我们选取的财务指标主要与公司的经营状况和动态发展有关,下表是初步选定的五个指标，在实证分析中我们对这五个指标的相关性和显著性进行进一步分析，确定最终选定的指标。变量含义意义X1流动资产/总资产衡量企业的资本结构X2 存货周转率 衡量企业的营运能力X3总资产周转率衡量企业的营运能力X4总资产增长率衡量企业的成长能力,动态指标X5净资产增长率衡量企业的成长能力和归属于股东的净资产，动态指标表31四、财务预警模型的实证分析4。1案例处理摘要Case Processing SummaryUnweighted CasesaNPercentSelected CasesIncluded in Analysis6471.1Missing Cases0。0Total6471.1Unselected Cases2628.9Total90100.0a. If weight is in effect, see classification table for the total number of cases。 表41Dependent Variable EncodingOriginal ValueInternal Value良好0危险1 表4-2如图41，本文共使用了90个样本,在训练集中随机抽取了71。1%的样本，即包括ST和非ST公司64个样本，财务状况良好的公司定义为0，处于财务困境的公司定义为1。4.2模型汇总Model SummaryStep-2 Log likelihoodCox & Snell R SquareNagelkerke R Square174.733a。189。253268.987a。259。346351。026b.440。589a. Estimation terminated at iteration number 4 because parameter estimates changed by less than .001.b。 Estimation terminated at iteration number 7 because parameter estimates changed by less than 。001. 表4-3 在“模型汇总”表格中,以Cox & Snell R Square和Nagelkerke R Square两个统计量取代了线性回归中的R方统计量。本例中最后的结果是0。440和0。589，这个拟和可以算是中等。 4.3Hosmer-Lemeshow检验结果Contingency Table for Hosmer and Lemeshow Test财务状况 = 良好财务状况 = 危险ObservedExpectedObservedExpectedTotalStep 3155.9101.0906265.5700.4306355.2491。7516464.96401。0366554。38711。6136653。54012.4606702。45163。5496811.81054。190691.90155.0996101.21699。78410表4-4 由“Contingency Table for Hosmer and Lemeshow Test"可知,根据目标变量的预测概率，把结果分为个数大致相等的10个组，“total”中是每组的观测数，由于预测值相等的观测被分在一起，所以各组的观测数不一定相同。此表直观的反映了模型的预测效果,可以看出各行的观测值和期望值大致相同，所以模型的拟合效果不错。 4.4预测分类结果Classification TablecObservedPredictedSelected Casesa财务状况良好危险Percentage CorrectStep 1财务状况良好251071.4危险101965。5Overall Percentage68.8Step 2财务状况良好251071。4危险101965.5Overall Percentage68.8Step 3财务状况良好32391.4危险32689。7Overall Percentage90.6a. Selected cases shaix EQ 1c. The cut value is .500表4-5Classification TablecObservedPredictedUnselected Casesb财务状况良好危险Percentage CorrectStep 1财务状况良好12380.0危险3872。7Overall Percentage76。9Step 2财务状况良好12380.0危险3872。7Overall Percentage76。9Step 3财务状况良好14193。3危险5654.5Overall Percentage76.9a. Selected cases shaix EQ 1b. Unselected cases shaix NE 1c. The cut value is .500 表4-6 表4-5和4-6给出了关于观测值和预测值的列联表。“Selected Cases"表示对建模所用数据的回判分类结果；“Unselected Cases"表示对未使用的验证数据的判别分类结果；另外，如果预测概率大于0.5，预测为良好，否则预测为不好。 对于最终模型，建模用的35个财务状况良好的公司中有32个判断正确，正确率为91.4%;建模用的29个财务陷于困境的公司有26个判断正确,正确率为89。7%;对建模数据总的回判率为90。6%，说明模型的预测效果不错，尤其是对那些财务状况良好的公司. 由于验证数据没有参与建模，所以用对它的分类结果来验证模型效果更有参考意义.检验用的15个财务状况良好的公司中有14个判断正确，正确率为93.3%；检验用的11个财务陷于困境的公司中有6个判断正确，正确率为54.5%,总验证的正确率达76.9,说明模型在用来预测财务状况良好的公司更为有效,但是总体来说还是较为稳定的。4。5逐步回归过程Model if Term RemovedVariableModel Log LikelihoodChange in 2 Log LikelihooddfSig. of the ChangeStep 1X444.08013.4261.000Step 2X237.3675。7471。017X4-43。32017.6531。000Step 3X226。8912.7551。097X4-27。7884.5501.033X5-34.49317。9611.000 表4-7Variables in the EquationBS.E。WalddfSig。Exp（B)Step 1aX4-.065。0219。3211.002。937Constant。014。282。0031.9601.014Step 2bX2.000。000.5241.4691.000X4-。083.02510.9591.001。920Constant-.034。294。0131.909。967Step 3cX2.000。001。0801.7771.000X4-。057.0303.5891。058.945X5.063.0247。0931。008。938Constant-.413.3871.1391。286。662a. Variable（s） entered on step 1: X4.b。 Variable(s） entered on step 2: X2.c。 Variable（s) entered on step 3： X5. 表4-8如图所示，“Variables in the Equation”给出了每一步回归的参数估计信息。以Step 3 的最终模型为例,由B列的数据可得回归模型为：P=1/（1+e-Z)其中:Z=-0.413+0.000X2-0。057X40。63X5此处的数据模型表明： （1）模型的最终结果与存货周转率无关，这可能是由于样本的选取没有按照行业进行划分,所以比较离散，而不同行业的存货周转率不同，所以这个财务指标与财务状况有一定相关性，但是需要分行业来讨论。（2）模型最终留下两个变量：总资产增长率和净资产增长率，这个数学模型已经变为财务状况与企业增长能力之间的关系,前面的系数为负，说明这两个增长指标与概率P成反比,那么可以说明，在一定程度上企业总资产增加,并且净资产也增加时，反映出企业经营状况和财务状况良好，这与我们的的直观判断吻合。4。6不在方程中的统计变量Variables not in the EquationScoredfSig。Step 1VariablesX12.6851.101X212。6541.000X31.6571.198X58。4371。004Overall Statistics21.7714.000Step 2VariablesX12。5991.107X32。8071。094X59。7081。002Overall Statistics11。1593.011Step 3VariablesX1.9881。320X3。3421.558Overall Statistics1。0342。596 表4-9如表4-9所示，在最后一步没有进入方程中的变量，这些变量都大于0.10，故而是不显著的4.7预测概率直方图Observed Groups and Predicted Probabilities 8 + + | |