纵观国内外财务危机研究的多数文献，企业财务危机预测的实证分析一般是通过考察陷入财务危机公司的财务特征，利用财务比率等数据和各种统计方法来预测企业的财务状况。随着技术的发展和数据分析处理能力的增强，财务危机预测的精度和准确性不断提高，已越来越得到认可和接受。财务危机预测研究方法通常是先确定一组陷入财务危机的企业，以其作为构建样本，同时按一定标准确定一组未陷入财务危机企业作为配对样本，采用SPSS统计软件中的统计方法分析两组样本数据，筛选出存在显著差异的财务比率，并运用这些财务比率构建公司财务危机预测模型。之后，随机选择确定预测样本以检验预测模型的预测精度，并对模型进行参数修正。

在具体研究方法上，正如前面的文献综述所言，常见的统计方法有：一元判定模型、多元线性判定（MDA）模型、多元逻辑（Logistic）回归模型、入工神经网络模型（ANN）和联合预测模型等。一元判别方法虽简单易行，但现在已很少单独使用。多元判别方法要求数据正态分布和组内协方差相等，而现实中的数据往往不能满足这一要求。正因为如此，财务危机预警研究引入了多元逻辑回归方法，它假设了企业破产的概率p（破产为1，非破产为0），并假设Ln［p/（1-p）］可以用财务比率线性解释。假定Ln［P/（1-p）］=a+bx，推导得出P=exp（a+bx）/l+exp（a+bx），从而计算出企业破产的概率。判别方法和其他模型一样，先是根据多元线性判定模型确定企业破产的Z值，然后推导出企业破产的条件概率。其判别规则是：按照大多数研究的先验概率50%，如果p值大于0.5，则表明企业陷入财务危机的概率比较大，可以判定企业为财务危机类型；如果p值低于0.5，则表明企业财务正常的概率比较大，可以判定企业为财务正常。由于多元逻辑回归模型的目标是通过寻求分析对象的条件概率，依此判断分析对象的财务状况和经营风险，其基础是建立在累计概率函数之上，不需要自变量服从多元正态分布和两组间协方差相等的条件，克服了线性方程受统计假设约束的局限性，适用范围更广泛。综上所述，本书在研究分析中采用多元逻辑回归方法，构建基于现金流量的财务危机预测模型。(www.daowen.com)