PRZEWIDYWANIE UPADŁOŚCI POLSKICH PRZEDSIĘBIORSTW – ZASTOSOWANIE ANALIZY DYSKRYMINACYJNEJ.

Abstract

Celem artykułu jest prezentacja wyników wstępnych badań z zakresu modeli predykcji bankructwa oraz porównanie metod doboru zmiennych do modelu. Czy modele oparte na zmiennych eliminowanych na podstawie siły wzajemnej korelacji cechują się lepszą predykcją, niż modele ze zmiennymi dobranymi arbitralnie.
 Problem bankructwa w gospodarce jest szczególnie istotny w warunkach kryzysu gospodarczego. Według raportu PIE Polskę i pozostałe gospodarki Unii Europejskiej czeka wyraźne spowolnienie w roku 2023. Liczba upadłości przedsiębiorstw w Polsce w IV kwartale 2022 roku wyniosła 112 i była o 28,7% większa niż w analogicznym okresie roku poprzedniego, według raportu GUS.
 Metodą stosowaną w badaniach była analiza dyskryminacyjna. W 6 modelach wskaźniki do budowy funkcji dyskryminacyjnej zostały dobrane za pomocą eliminacji najbardziej skorelowanych zmiennych. W 4 modelach wskaźniki zostały wybrane arbitralnie.
 W wyniku przeprowadzonych badań ustalono, że metody statystyczne doboru zmiennych do modeli, są skuteczniejsze od arbitralnego wyboru zmiennych. Najlepszą predykcją cechowały się modele oparte na danych na rok przed bankructwem. W próbie testowej modele prawidłowo sklasyfikowały 62,5% niebankrutów i 87,5% bankrutów. Ponadto dokonano analizy porównawczej błędnie zaklasyfikowanych podmiotów przez modele. Ustalono, że modele błędnie klasyfikowały te same przedsiębiorstwa. Może to świadczyć o nietypowych przypadkach, które przy niewielkiej bazie danych mają wysoki udział procentowy w błędach klasyfikacji.