【摘要】我国上市公司一般具有较大的资产规模与较强的盈利能力，发生财务困境的概率较低，數据呈非平衡性。采用传统Logistic回归会受到因变量分布不平衡的影响。本文将西方学者在医学现象研究中普遍使用的稀有事件Logistic回归引入我国上市公司财务困境预测的研究中，根据财务困境发生实际概率确定样本观察单位的权重，构建Relogit回归模型。研究结果表明，Relogit模型预测效果优于传统Logistic模型。

【关键词】上市公司 财务困境 Logistic回归 Relogit回归

一、引言

Logistic回归模型由于其假设宽松、形式简洁、易于解释等优点，近年来被广泛应用于因变量为类别变量的各种预测、判别模型当中（付仲良等，2016；方匡男等，2016）。但在实际研究过程中，当因变量分布不均衡时，模型的残差方差较大，会导致传统Logistic模型产生有偏的预测结果（魏瑾瑞等，2016）。

国内学者在对我国上市公司发生财务困境的概率进行预测时，一般将上市公司当期是否被特别处理作为因变量（被ST、ST*公司Y=1，否则Y=0），上一期的各项财务指标作为自变量，使用传统Logistic模型回归得到判别模型（曾繁荣等，2014；宋晓娜等，2016）。但在我国，上市公司一般具有较大的资产规模与较强的盈利能力，发生财务困境的概率很低，2016年我国A股上市公司发生财务困境的概率不足2%。使用传统Logistic回归模型的效果也就打了折扣。针对这一问题，我们虽然可以通过抽样的方法提高建模样本中发生财务困境公司的比例，但这样做一方面会丧失许多优质上市公司的数据，减少样本量；……