多元邏輯回歸模型概述
多元邏輯回歸模型多元邏輯回歸（Logistic）被引入財務風險預測研究之後，財務危機預測即簡化為已知一公司具有某些財務特徵，而計算其在一段時間內陷入財務危機的機率問題。如果算出的機率大於設定的分割點，則判定該公司將陷入財務風險。由於多元邏輯回歸不要求數據的常態分配，因而其參數估計也比多元判別分析（MDA）更加穩健。雖然許多研究在運用多元邏輯回歸方法時都忽略了自變數之間的多重共線性問題，但正如我們在後文所指出的，這一不足並非Logistic分析本身的缺陷。該方法目前在判別分析研究領域仍然占有主流地位。
多元邏輯回歸模型的套用誤區
多元邏輯回歸模型的理論前提相對判別分析法要寬鬆得多，且沒有關於分布類型、協方差陣等方面的嚴格假定。不過，在大量運用多元邏輯 回歸的研究中往往忽視了另一個相當重要的問題，即模型自變數之間可能存在的多重共線性干擾。與其他多元回歸方法一樣，Logistic回歸模型也對多元共線性敏感。當變數之間的相關程度提高時，係數估計的標準誤將會急劇增加；同時，係數對樣本和模型設定都非常敏感，模型設定的微小變化、在同時，係數對樣本和模型設定都非常敏感，模型設定的微小變化、在樣本總體中加入或刪除案例等變動，都會導致係數估計的較大變化。由於財務比率均由具有相互鉤稽關係的財務報表計算得出，同類指標之間的相關程度是非常大的，不加處理地讓這些高度相關的變數直接進入模型必然會導致嚴重的多重共線性干擾。令人遺憾的是，國內外大多數相關研究都沒有意識到這一問題，由此得出的判別模型，其穩定性和準確性顯然不容樂觀。
