首先，經本文重新驗證得到敘述統計量可發現總資產報酬率、稅 前每股淨利、每股現金流量、營業費用率、總資產周轉率、淨值周轉 率、負債比率、負債淨值比、流動負債／流動資產及速動比率等 10 個 解釋變數達顯著，意味著本文正常公司與 ST 公司在每項財務比率皆存 在明顯差異。其中，正常公司在獲利能力方面（總資產報酬率、每股 稅前淨利）、現金流量方面（每股現金流量）、營運能力方面（總資 產周轉率、淨值周轉率）及流動性方面（較高流動資產及速動比率）
等正面指標皆優於 ST 公司，而在營業費用率方面及財務槓桿方面等負 面指標則是 ST 公司有較高的比率。綜合上述，顯示正常公司的財務狀 況較 ST 公司為優。
藉由逐步羅吉斯迴歸、瀑布羅吉斯函數與倒傳遞類神經網路三者 建構危機預警模型（表 3、表 4 及表 5），利用中國大陸證券市場落入 特別處理狀況最多的 2003 年資料，透過比較研究期間前年度與當年度 資料之正確區別率的高低，以決定建構最適危機預警模型的資料投入 選擇。本文使用倒傳遞類神經網路時，運用隨機抽樣法選擇 2002 年與 2003年皆以 188 筆總樣本的 15%作為測試樣本，計 28 筆，藉以估算 區別正確率之高低，作為與其他模型比較之基準。
比較結果顯示以 2002 年資料建模，倒傳遞類神經網路與瀑布羅吉 斯函數有較佳的區別能力，而逐步羅吉斯迴歸則相對區別能力較弱，
主要原因乃為增加自變數的顯著性及避免共線性，而採用逐步過程挑 選變數，將減少模型中市場資訊之採用；倒傳遞類神經網路與瀑布羅 吉斯函數正可充分運用市場資訊，有效提高正確區別率。以 2003 年資 料建模，瀑布羅吉斯函數有較佳的區別能力，而逐步羅吉斯迴歸與倒 傳遞類神經網路則相對區別能力較弱。若選擇以瀑布羅吉斯函數作為 建立模型的基準時，更可藉由參數估計式，衡量企業危機機率估計
值，作為危機企業分群依據，投入吸收馬可夫鏈鎖推估危機企業恢復 上市或下市之時程，是本文經重新檢視後最佳的危機預警研究方法。
資 料 顯 示 瀑 布 羅 吉 斯 函 數 兩 年 的 區 別 正 確 率 分 別 為 92.6% 及 87.2%，皆優於逐步羅吉斯迴歸 90.4%及 86.7%。而倒傳遞類神經網路 則為 96.4%及 67.9%，在不同研究期間區別正確率跳動幅度過大，也 顯示該研究方法相對不穩定性。在研究期間選擇方面，在所有模型 中，以 2002 年為研究期間的區別正確率皆高以 2003 年的結果，因此 為追求建立模型之精確性，本文以事件年之前年度 2002 年資料作為建 立危機企業預警模型之主要研究期間。
表 3 危機預警模型彙總表（逐步羅吉斯迴歸）
模型 R2＝ 0.716/0.461
「/」左為 2002 年模型 右為 2003 年模型
預測值 2002年/2003 年 正常 0 危機 1
觀察 值
正常 0 136/137 5/4 96.5%/97.2%
危機 1 13/21 34/26 72.3%/55.3%
整體區別正確率 90.4%/86.7%
財務危機公司平均機率值(73.69%/54.06%) (Cutoff point ＝ 0.5) 資料來源：作者自行整理。
表 4 危機預警模型彙總表（瀑布羅吉斯函數）
模型 R2＝ 0.763/0.554
「/」左為 2002 年模型 右為 2003 年模型
預測值 2002年/2003 年 正常 0 危機 1
觀察值 正常 0 136/134 5/7 96.5%/95.0%
危機 1 9/17 38/30 80.9%/63.8%
整體區別正確率 92.6%/87.2%
財務危機公司平均機率值(78.71%/60.64%) (Cutoff point ＝ 0.5) Y2002＝ 6.053 ＋ 5.80IU1＋ 3.743U2＋ 0.165U3＋ 3.203U4＋ 3.723U5
Y2003＝ 1.369 ＋ 2.536U1－ 20.021U2＋ 7.522U3＋ 5.025U4＋ 4.742U5
資料來源：作者自行整理。
表 5 危機預警模型彙總表（倒傳遞類神經網路）
「/」左為 2002 年模型 右為 2003 年模型
預測值 2002年/2003 年 正常 0 危機 1
觀察值 正常 0 21/19 0/0 100.0%/67.9%
危機 1 1/9 6/0 85.7%/0%
整體區別正確率 96.4%/67.9%
資料來源：作者自行整理。
瀑布羅吉斯函數可符合本文探索精確性與穩定性雙項主軸，利用 其參數估計式計算企業發生危機的機率值，可將其依機率值低至高排 列分為 B、C、D 三群，而 A 群分別代表研究期間內由特別處理狀態恢 復上市，反之 E 群代表在研究期間內由特別處理狀態到下市的企業。
由於分群臨界值(Critical Value)不同將造成各分群中企業家數與性質 有所差異，為配合瀑布羅吉斯函數危機機率值多近於 1 之特性，本研究 嘗試設定不同臨界值而產生三種分類方式，分別是機率值以傳統等距 方式分類，設定臨界值為 0.33 及 0.67 將其分為三群，並定義為分
類Ⅰ；設定臨界值為 0.80 及 0.90 將其分為三群，定義為分類Ⅱ；臨界
為探究各類群中 ST 公司的產業分布，回顧中國整體上市 17 類產 業別中，發現危機公司多數集中於機器設備業、批發零售業及石化塑 膠業三大類，占全體危機公司將近 60%。然而無論是採取何種分類方 式，表現較差的劣級公司，除上述三大類外，亦可見於發零售業、社 會服務業、訊息技術業、建築業、紡織業、傳播文化業、電子業及醫 藥生物業等，並無特定的產業屬性。惟值得關注地是，雖為同時被列 為危機公司，不論採取何種分類方式，隸屬交通運輸業的危機公司幾 乎皆能被歸類表現較佳的優級公司，這也多因為交通運輸業初始被列 為 ST 公司的原因多為單一重大意外損失，而非整體營運績效不彰所 致。以上評述雖不宜廣泛或長期解釋歷來所有危機公司之屬性與分 布，但至少能對於近期危機公司的產業屬性與分布提供可信的證據。
臨界值不同將造成各分群中危機企業家數之變化，細分為三類有 助於後續驗證(Validation)之進行，基本矩陣中的元素代表研究期間內 持續在 B、C 及 D 三群非吸收狀態中轉移的危機企業轉移狀態，將矩 陣中各列的元素橫向加總，即表示企業到達恢復上市或下市前，仍停 留於特別處理狀態之總時程，然而此時程之計算為雙向轉移之時程，
非為條件機率下單方向轉移之精確時程，先分類Ⅰ、分類Ⅱ及分類Ⅲ 之基本矩陣數值詳列如 FI、FII、FIII及三式：
利用 B ＝ FR 矩陣求解由非吸收狀態開始被某一吸收狀態吸收之機 率如下：以 LI式可知，分類為 B（優）群、C（良）群及 D（劣）群轉 移到 E（公司下市）群的機率，分別是 23.42%、14.55%及 20.23%。
轉移至 A（恢復上市）群的機率，分別是 76.61%、85.46%及 79.80%。
同理， LII式及 LIII式如下所示。
由以上分析得知，危機公司財務的嚴重程度與恢復上市公司或下 市公司並沒有明顯相關，即公司危機處於最嚴重的公司，不一定因此
下市的機率就較高。同時，公司危機處於輕微的公司，也不一定因此 恢復上市的機率就較高。此現象可能在於管理者的企圖心或虧損公司 透過營業外所得調降盈餘，配股公司則透過營業外所得美化盈餘。
再者，利用計算 F 基本矩陣之做法求解恢復上市(F)及下市(K)狀態 的條件機率矩陣，得到如下：
【分類Ⅰ】 【分類Ⅱ】 【分類Ⅲ】
根據以上條件基本矩陣可推論兩重要結果，首先在非吸收狀態轉 移至恢復上市吸收狀態部分，A 群之停留時程可由 、 、 條件基 本矩陣探究，以分類Ⅲ為範例，第一，分類Ⅲ中被歸類為 B（優）群 者，其 ST 公司恢復上市前會停留 2.4625 年於 B（優）群再恢復上市；
第二，分類Ⅲ中被歸類為 C（良）群者，會停留 1.0224 年於 C（良）
群、然後轉移停留於 B（優）群 1.7023 年後再恢復上市；第三，分類Ⅲ 中被歸類為 D（劣）群之者，停留 1.7237 年於 D（劣）群，然後轉移 停留於 C（良）群 0.0828 年，最後轉移停留於 B(優)群 1.1836 年後再 恢復上市。有鑑於此，在分類Ⅲ，危機企業分別處於 B（優）、C
（良）、D（劣）者，其恢復上市分別需要 2.4625 年、1.0224 ＋ 1.7023
＝ 2.7247 年及 1.7237 ＋ 0.0828 ＋ 1.1836 ＝ 2.9901 年。同理，分類Ⅰ 分別為 1.3406 年、1.6414 年及 3.0676 年。分類Ⅱ分別為 1.9912 年、
2.5829年及 2.8007 年。
其次在非吸收狀態轉移至下市吸收狀態部分，E 群之停留時程可由
、 、 條件基本矩陣探究，同樣以分類Ⅲ為例，第一，分類Ⅲ中 被歸類為 B（優）群者，ST 公司下市前會停留 2.4625 年於 B（優）
群，然後轉移停留於 C（良）群 0.0224 年，最後轉移停留於 D（劣）
群 0.4884 年後下市；第二，分類Ⅲ中被歸類為 C（良）群者，則會停 留 1.0224 年於 C（良）群，然後轉移停留於 D（劣）群 0.4883 年後下 市；第三，分類Ⅲ中被歸類為 D（劣）群之者，則在其發生下市前，會 停留 1.7237 年於 D（劣）群再下市。因此，ST 公司分別處於 B（優）、
C（良）、D（劣）者，其發生下市分別需要 2.4625 ＋ 0.0224 ＋ 0.4884
＝ 2.9733 年、1.0224 ＋ 0.4883 ＝ 1.5107 年及 1.7237 年。同理，分 類Ⅰ分別為 2.0603 年、2.5445 年及 2.3619 年。分類Ⅱ分別為 2.2946 年、1.6451 年及 1.6163 年。
本文應用吸收馬可夫鏈鎖推估停留時間，為驗證其準確性，本文 採用分類Ⅰ、Ⅱ、Ⅲ之樣本資料中，計算研究期間前後年度由 B 群之 ST公司轉移為 A 群公司（恢復上市）所停留之時間，並計算研究期間 前後年度由 D 群之 ST 公司轉移為 E 群公司（下市）所停留之時間，以 驗證其是否與吸收馬可夫鏈鎖估算出之時程吻合。由吸收馬可夫鏈鎖 估算分類Ⅰ、Ⅱ、Ⅲ在恢復上市之預期停留時間為 1.3045 年、1.9912 年與 2.4625 年，其與分類Ⅰ、Ⅱ、Ⅲ之每家公司在 B 群的實際停留時 間 1.22 年至 1.36 年近似，其中以分類Ⅰ較佳（請見表 7）。此外，在 下市之預期停留時間為 2.3619 年、1.6163 年、1.7237 年，其與分 類Ⅰ、Ⅱ、Ⅲ之每家公司在 D 群的實際停留時間 1.73 至 1.74 年差距 不大，以分類Ⅱ及分類Ⅲ為佳（請見表 8）。
表 7 恢復上市停留時間驗證表
恢復上市時點 2004/9/24 2004/9/27 2004/9/27 2004/9/27 實際停留時間 1.73年 1.74年 1.74年 1.74年
警模型所估算出機率值分布狀況。