1.一元判定模型

一元判定模型是以某一项财务指标作为判别标准来判断企业是否处于破产状态的预测模型。最早的财务危机预警研究是Fitzpatrick（1932）进行的单变量破产预测；最具代表性的是Beaver（1966）首先用统计方法建立的单变量财务危机预警模型。陈静（1999）、吴世农（2001）等也在此基础上，结合采用其他方法对中国上市公司进行了实证研究。总体来看，一元判定法简单明了，但此模型只重视单一指标的判断能力，选取任何单一财务指标会排斥其他指标的作用，无法充分反映企业整体财务特征，因此该方法目前不是主流的研究分析方法。

2.多元线性判定（MDA）模型

多元线性判定模型是选定多个财务指标，通过系数加权和分析计算，汇总产生总判别分数并与经统计分析得出的设定阈值比较，以判定企业财务危机情况。Altman（1968）首先将这一方法引入财务危机预警领域，通过分析机械行业66个样本企业，以误判率最小的原则确定了（流动资产-流动负债）/总资产、留存收益/总资产、息税前利润/总资产、股票市场价值/债务账面价值以及销售额/总资产5个最具有共同预测能力的判别变量组成了Z Score模型，并根据对美国失败企业统计数据的分析，得出美国企业经验性Z值的临界值为3.0，即Z值大于3.0为财务较安全企业，Z值低于3.0的为财务危机企业，Z值越小，企业面临的风险越大，遭受财务失败的可能性也就越大。之后，Deakin（1972）、Edmister（1972）等也采用类似的方法，通过更换一些变量指标或者扩大样本数对模型加以改造。这一方法国内运用得也比较多，较具代表性的是周首华（1996）在Z Score模型的基础上，提出的F分数模型；杨淑娥（2003）应用主成分分析法提出的Y分数模型。多元线性判别法的优点在于能包含多个指标，可综合地反映企业财务状况，并具有较高的判别精度，模型建立后运用也相对简便，但其局限性在于，此方法对数据要求较高，要求自变量呈正态分布、两组样本协方差相等，这在现实中比较难以满足。(www.daowen.com)

3.多元逻辑（Logistic）回归模型

多元逻辑回归模型是运用概率论，通过建立特征函数计算企业可能陷入危机的概率，据此判断观察对象的财务风险。Ohlson（1980）在财务危机预警领域成功应用了逻辑回归方法，他选择了1970—1976年破产的105家公司和205家非破产公司作为配对样本，建立了基于累计概率函数基础上的数学模型，分析了样本公司在破产概率区间上的分布、错拒及误受错误和分割点之间的关系，预测准确率达到96.12%，该模型样本数据不需服从自变量呈正态分布和两组样本协方差相等的条件，使财务预警模型得到重大改进。国内以陈晓、陈治鸿（2000）为代表，以1999年7月1日之前的38家因财务状况异常被特别处理的ST公司为研究对象，运用该方法进行研究的结果表明，用负债权益比率、应收账款周转率、主营业务利润/总资产和留存收益/总资产构建的多元逻辑回归模型具有较强的预测能力。多元逻辑回归模型将问题大大简化，即已知一个公司具有某些财务特征，计算其在一定时间内财务危机的可能性有多大，如果算出的概率大于设定的分割点，则判定企业陷入财务危机，由于多元逻辑回归不要求数据的正态分布，它分析的参数估计比判别分析更为准确。但该模型假定一家企业破产和不破产的概率一样，以及两类错误的机会成本相等，这与现实有些偏离。