信度檢定之結果

根據表 4.7 中財務構面與財務比率變數間之關係式，估算財務比 率變數對於所對應的財務構面所能提供的可靠度。由表 4.8 可知，各 個貸款期間的財務構面之 CR 值均達到 0.5 的標準，表示財務比率變 數對財務構面提供可靠的建構測量，至此已完成 LISREL 檢定。

表 4.8 不同貸款期間下每個因素的 CR 值 構面

貸款 期間(月)











6 0.9677652 0.51133263 0.5469632 0.64163551 0.9568180 9 0.9329655 0.5753538 0.5242898 0.52959298 0.7136465 12 0.7496310 0.5556290 0.5432894 0.64498109 0.9166402 15(含)以上 0.9582957 0.5501696 0.5130592 0.65838946 0.9790227

綜合效度與信度之結果，顯示在貸款期間為 15 個月以上之財務構 面與財務比率變數之結構關係與貸款期間為 6 個月、9 個月及 12 個 月不相同(看圖 4.2 及圖 4.3)。此結果也反映出在不同貸款期間下，財 務構面與財務比率變數間的相關性可能會隨著貸款期間的長短而有 所差異。

圖 4.2 貸款期間為 6 個月、9 個月及 12 個月之財務構面與財務比率變數的結構關 係

圖 4.3 貸款期間為 15 個月以上之財務構面與財務比率變數的結構關係

4.3 利用 Cox 模式及 Logit 模式建構一階段信用評等

模式之結果比較

利用將 4.1 節的效度與信度檢定所獲得五個財務構面及 Cox 模式 來建構一階段信用評等模式，稱作模式(a)；利用所獲得五個財務構 面及 Logit 模式來建構一階段信用評等模式，稱作模式(b)。陳家彬 與賴怡洵[7]研究指出，當借款客戶的貸款期間愈長，銀行或金融機 構所面臨的利率,市場,違約,通貨膨脹及資金的流通性等風險會提 高。換言之，當企業的貸款期間愈長，企業可能違約的機率就越高，

則信用評等模式所估算出之存活率應隨著企業的貸款期間增長而逐 漸降低。在本研究中，藉由比較每個貸款期間的平均存活率，以判定 何種信用評等模式之預測能力較佳。若信用評等模式所估算平均存活 率隨著貸款期間增長而逐漸降低，即表示此信用評等模式能反應企業 的貸款期間愈長時，借款客戶可能違約的機率就越高之現象，則此信 用評等模式之預測能力為佳。由表 4.9、表 4.10 及表 4.11 可知：(1) 在 顯著水準 =0.05 下，模式(a)中每一個財務構面皆具有顯著性

(significant) (p)；模式(b)中除了₃以外，其它財務構面皆不具顯 著性。(2) 模式(a)所估算出的平均存活率會隨著貸款期間增長而逐漸 降低。反之，模式(b)所估算出的平均存活率並未隨著貸款期間增長 而逐漸降低。由上述的結果可知，採用模式(b)為一階段信用評等模

式，可能會提高錯誤授信之風險。

表 4.9 模式(a)的參數值

表 4.10模式(b)的參數值

表 4.11 模式(a)和模式(b)的平均存活率

貸款期間 (月)

平均存活率 Model (a) Model (b) 6 0.91734543 0.882346096 9 0.9162103 0.892052288 12 0.91585623 0.900797704 15(含)以上 0.91433761 0.939784897

構面 估計值 標準誤 p

 1 -0.0343 0.0138 0.0130

 2 0.0780 0.0082 0.0000

3 0.456 0.0177 0.0000

 4 -0.0271 0.0010 0.0063

5 0.0123 0.0042 0.0035

構面 估計值 標準誤 p

 1 0.016704 0.047675 0.726066

 2 0.041789 0.028582 0.143717

3 0.333993 0.055396 0.000000

 4 0.055336 0.036440 0.128877

5 -0.016876 0.013652 0.216401

4.4 兩階段信用評等模式之結果

此節說明兩階段信用評等模式之驗證結果及測試結果。

4.4.1 第一階段信用評等模式之結果

本研究在第一階段中，利用訓練資料及 Cox 模式建構信用評等模 式。將訓練資料及 Cox 模式之參數值代入 (27)式中可獲得存活機率 機率值P，其中P介於 0 與 1 之間。若P愈接近 0 表示此樣本資料發 生違約的機率越高，反之，愈接近 1 則為未違約可能性愈大。

藉由上述建構第一階段信用評等模式之程序所提及，當違約及未 違約的準確率分別達到80%以上，則該機率值即為切點。表4.12列示 第一階段危機預警模式之判別結果，其中判別結果顯示違約及未違約 的準確率分別為80.42%及80.39%，因此違約及未違約之兩最佳切點分 別為0.42 與0.76，且以此兩切點作為第一階段信用評等模式之判別分 類界限。因此，若P 值低於0.42則判定此樣本為違約樣本；若P 值 高於0. 76 則代表此樣本資料為未違約樣本；而P值落於0.42 至0.76 之間的樣本資料則視為不易判別區域，將繼續建構第二階段之信用評 等模式。

表4.12 第一階段信用評等模式之判別結果 判別結果

實際結果

未違約 違約

未違約 41 15

違約 10 62

準確率 80.39% 80.42%

4.4.2 第二階段信用評等模式之結果

在第二階段中，本研究利用 SVM 及不易判別區域之資料來建構 信用評等模式。表 4.13 列示本研究所提出兩階段之信用評等模式及 Cox 模式、Logit 模式及 SVM 之結果比較，其中由比較結果可知本研 究所提出兩階段信用評等模式之整體準確率較利用 Cox 模式、Logit 模式及 SVM 建構一階段信用評等模式高。

表 4.13 Cox 模式、 Logit 模式、 SVM及兩階段之驗證結果 Cox模式、Logit模式及SVM僅分別達到60.21%, 57.45% 及 52.67%。

此結果也顯示本研究提出之兩階段信用評等模式確實有良好的預測 效果與再現性。

表 4.14 Cox 模式、 Logit 模式、 SVM及兩階段之測試結果

方法 預測

原始

判別結果

未違約 違約 準確率 整體準確率

Cox 模式

未違約 255 146 63.59% 60.21%

違約 34 41 54.67%

Logist 模式

未違約 260 141 64.83% 57.45%

違約 37 38 50.07%

SVM 未違約 241 160 60.01% 52.67%

違約 41 34 45.33%

兩階段 預測

原始

判別結果

第一階段

(Cox 模式)

第二階段 (SVM)

兩階段判 別準確數

兩階段判 別準確率

整體準 確率

未違 約

違約 未違 約

違約

未違約 43 121 186 51 233 57.11%

66.6%

違約 5 44 13 13 57 76%

第五章 結論

近年來中外文獻所提出建構一階段信用評等模式，主要是利用因 素分析從財務比率變數中萃取出財務構面，然後在應用Logit模式、

區別分析或Cox模式來預估借款企業可能存活的機率。上述之作法在 衡量財務構面與財務比率變數之間的相關性時，均未考慮貸款期間長 短之影響。由於企業借款者的財務構面與財務比率變數之間的相關性 可能會隨著貸款期間的長短而大或小之差別。因此上述文獻在建構一 階段信用評等模式之作法上，無法針對借款企業於不同的貸款期間，

提供較為適當的財務比率變數來建構財務構面。此外，由於銀行或金 融機構貸款給一個違約企業會比拒絕一個未違約企業所付出之成本 還要多，因此如何提升違約案件之準確率對銀行或金融機構而言非常 重要。然而，實務上銀行或金融機構在建構信用評等模式時，由於違 約案件通常較未違約案件少很多，應用此類不平衡資料來構建信用評 等模式時，在預測違約案件之效果通常會較預測不違約案件差很多。

為改善此不平衡資料所引起預測違約之問題，目前雖已有文獻運用兩 階段分類方法來建構信用評等模式，並證實兩階段信用評等模式會較 一階段分類方法所建構之信用評等模式之整體預測效果佳，但現有文 獻上所提之兩階段信用評等模式仍無法有效提高預測違約案件之準 確率。

因此，本研究針對上述之問題，分別提出建構一階段及兩階段之 信用評等模式之方法。本研究在建構一階段信用評等模式時，利用 LISREL將具有相同財務特性的財務比率變數歸屬同一個財務構面及 檢定每一個貸款期間下所建構財務比率變數與財務構面之關係式是 否恰當，讓每一個財務構面確實具有實質經濟意義而不僅是所有財務 比率變數的線性組合；並應用將確實具有實質經濟意義的財務構面及 Cox模式來建構一階段信用評等模式。本研究在建構兩階段信用評等 模式時，利用上述一階段信用評等模式所得之存活機率與SVM來建 構兩階段信用評等模式。根據本研究實證的結果，本研究所提出之一 階段信用風險模式能反應借款企業貸款期間越長其銀行或金融機構 所面臨風險越大之現象及所提出之兩階段信用評等模式相較於中外 文獻構建信用評等模式之作法確實能提升違約案件之準確率及有良 好的預測分類效果與再現性。

。

本研究貢獻可彙整成以下三點：

1. 由於目前尚未有文獻利用 LISREL 來構建並驗證財務比率變數與 財務構面之關係架構，且利用所構建之合理財務構面來建構信用 評等模式，在此方面本研究具有創新性。

2.本研究提供一個檢定財務構面與財務比率變數間之關係架構是否 合理之程序，且此檢定程序在實務的應用上不僅只適合企業借款 者，更可推展至信用卡申請者、房屋貸款者或小額貸款者等。

3.本研究提供銀行或金融機構一套有效之一階段及兩階段信用評等 模式之流程，可同時提高預測違約案件與未違約案件之準確率，因此 比現有文獻之信用評等模型較佳。

文獻參考

[1] 賴儒平，「因素分析應用在財務比率分析上之研究」，國立中山大 學企業管理研究所碩士論文，1983。

[2] 陳肇榮，「運用財務比率預測企業財務危機之實證研究」，國立 政治大學企業管理研究所博士論文，1983。

[3] 白欽元，「國內中小企業財務危機預警模型」，國立交通大學經 營管理研究所碩士論文，2003。

[4] 簡秀瑜，「金融機構的財務預警模式－區別分析、Logit、 Cox 比 例風險模式之實證研究」，國立中央大學財務管理研究所碩士 論文，1993。

[5] 郭志安，「以 Cox 模型建立財務預警模式」，私立逢甲大學統 計與精算所碩士論文，1997。

[6] 陳惠玲、黃政民，＜財務報表分析與企業信用評等＞，台北：

台灣經濟日報文化事業股份有限公司，1995。

[7] 陳家彬、賴怡洵，「台灣地區銀行放款訂價：理論與新舊銀行之 實證比較」，管理學報，第 17 卷，第 13 期 ，415-440 頁，2000。

[8] 葉玫惠、張靖宜、廖咸興、周國瑞，「信用卡使用者之違約風險 研究-存活分析模型之應用」，金融風險管理季刊，第 3 卷，第

2 期 ， 1-30 頁， 2007。

[9] 陳順宇，「多變量分析」，台北：華泰書局，2004。

[10] 王保進，「統計套裝程式 SPSS 與行為科學研究」，台北：松崗，

1996。

[11] 孫文琦、陳天惠與陳正哲，「應用 LISREL 分析服務品質與顧客 滿意度之研究」，工商管理學刊，第 3 卷，第 1 期 ， 19-24 頁，

2007。

[12] 簡志丞，「銀行業關係品質模式之研究」，私立大葉大學事業經 營研究所碩士論文，1998。

[13] 黃芳銘，「結構方程模式理論與應用」，台北：五南圖書，2000。

[14] 吳佩珊，「建構台灣中小企業兩階段風險評估模型」，國立交通 大學工業工程與管理所碩士論文，2008。

[15] Altman, E.I., “Discriminant analysis and the prediction of corporate bankruptcy”, Journal of Finance, No.4, pp.589-609, 1968.

[16] Bagozzi, R.P. and Yi, Y., “On the evaluation of structural equation model”, Academic of Marketing Science, Vol.16, No.1, pp.79-64,

[16] Bagozzi, R.P. and Yi, Y., “On the evaluation of structural equation model”, Academic of Marketing Science, Vol.16, No.1, pp.79-64,