[논문]중소기업 부실예측을 위한 단일변량분석과 다변량분석의 판별력 비교에 관한 연구

문종건; 하규수

doi:10.5762/kais.2014.15.8.4881

중소기업 부실예측을 위한 단일변량분석과 다변량분석의 판별력 비교에 관한 연구
Comparative Study of the Discrimination of Uni-variate Analysis and Multi-variate Analysis for Small-Business Firm's Fail Prediction 원문보기

한국산학기술학회논문지 = Journal of the Korea Academia-Industrial cooperation Society, v.15 no.8, 2014년, pp.4881 - 4894

문종건 (호서대학교 벤처전문대학원 벤처정보경영학과) , 하규수 (호서대학교 벤처전문대학원 벤처정보경영학과)

초록
AI-Helper

본 논문은 2009년~2012년까지 코스닥시장에서 상장폐지된 기업 중 제조업을 영위하는 83개사를 부실기업표본으로 선정하고 동종품목 혹은 동종 산업군에 속하는 정상기업 83개사와 함께 쌍대표본으로 표본기업을 구성하였다. 상장폐지직전 5년간 75개의 재무적 비율을 부실기업과 정상기업 두 그룹의 평균차이분석을 통하여 5년 연속 유의미한 변수로 출현한 15개 변수를 선정하여 단일변량분석(이원분류법)과 다변량분석(로지스틱회귀분석 및 판별분석)을 진행하였다. 분석 결과, 로지스틱회귀분석모형의 판별력(분류정확도)이 가장 높게 나타났다. 본 연구는 기업부실이 장기간에 걸쳐 서서히 진행된다는 점을 감안하여 상장폐지직전 5년 전 자료까지 고려하여 기업부실을 예측함으로써 기존 선행연구들이 상장폐지 직전 3년 전 자료로 기업부실을 예측한 것과 달리 보다 조기에 기업부실을 예측하려고 시도한 점과 일반 이해관계자들도 쉽게 접근할 수 있는 이원분류법(단일변량분석)과 통계적으로 복잡한 다변량분석을 비교분석한 것도 기존 선행연구와 차별화된다.

Abstract ▼ AI-Helper

This study selected 83 manufacturing firms that had been delisted from the KOSDAQ market from 2009 to 2012 and the sample firms for the two-paired sampling method were compared with 83 normal firms running businesses with same items or in same industry. The 75 financial ratios for five years immediately before delisting were used for Mean Difference Analysis with those of normal firms. Fifteen variables assumed to be significant variables for five consecutive years out of the analysis were used to in the Dichotomous Classification Technique, Logistic Regression Analysis and Discriminant Analysis. As a result of those three analyses, the Logistic Regression Analysis model was found to show the greatest discrimination. This study is differentiated from previous studies as it assumed that the firm's failure proceeded slowly over long period of time and it tried to predict the firm's failure earlier using the five years' historical data immediately before failure, whereas previous studies predicted it using three years' data only. This study is also differentiated from the proceeding comparative studies by its statistically complex Multi-Variate Analysis and Dichotomous Classification Analysis, which general stakeholders can easily approach.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

따라서 본 연구는 대기업에 비해 위험에 상대적으로 취약한 중소제조기업을 대상으로 부실을 미리 예측함으로써 사전에 구조조정 등을 통하여 도산에 따른 손실을 최소화하는데 그 목적이 있다. 본 연구는 코스닥시장에서 상장 폐지된 중소제조업체들을 부실표본기업으로 선정하였고, 이런 부실기업과 동업업종을 영위하는 기업들을 정상표본기업으로 선정하여 쌍대표본으로 구성하였다.
본 연구에서는 부실개념의 통일성과 자료수집의 용이함 등 연구의 편의를 도모하기 위하여 코스닥상장규정 제38조(상장폐지사유)에 해당하는 경우를 기업부실로 정의하였다.
최근 4년간(2009년~2012년) 코스닥시장에서 상장폐지된 기업은 아래의 Table 4에서처럼 총 247개사였다. 본 연구에서는 표본의 동질성을 높이고 업종별 특성의 차이를 줄이기 위하여 제조업을 영위한 기업만을 대상으로 분석하였다.
한편, 기업부실이 최종적으로는 재무적 지표로 나타날 수밖에 없기 때문에 본 연구에서는 기업의 재무적 특성에 국한하여 분석하였다. 따라서 본 연구에서는 T-test 검증을 통해 부실기업과 정상기업간의 유의미한 재무적 변수를 찾아내고, 일반투자자들도 쉽게 접근할 수 있는 단일변량분석법인 이원분류법을 통하여 얻어진 최적절삭점을 이용하여 각각 변수들의 분류정확도를 산출하여 연도별로 추세적 변화를 살펴보았다.

가설 설정

앞에서 언급한 바와 같이 기업부실의 원인이 다양하지만 최종적으로는 그 결과가 재무적 지표로 나타나게 된다는 점을 고려하여 정상기업과 부실기업간의 재무적지표에 유의미한 차이가 존재한다는 가설에 근거하여 실증적 연구를 진행하였다.

제안 방법

5년 연속 유의미한 변수로 나타난 15개 변수를 전진선택법을 통하여 각각 년도 별 로지스틱 회귀분석 모형식을 구축하였다..
그러나 이러한 현저한 차이만으로 부실예측력을 판단할 수 없기 때문에 상기의 6개 재무비율을 가지고 표본기업에 대하여 이원분류검증법(Dichotomous Classifcation Technique)을 통하여 최적분류기준점(Opimal Cut off Point))을 찾아 분류정확도를 분석하였다.
기업부실과 도산의 원인은 다양하나 그 결과는 최종적으로 재무적 지표로 나타날 수밖에 없기 때문에 본 연구에서는 기업의 재무적 특성에 한정하여 부실기업예측을 위하여 단일변량분석과 다변량분석을 진행하였으며, 또한 두 분석법의 판별력을 비교하였다.
본 연구는 2009년~2012년 사이 코스닥시장에서 상장폐지된 기업 247개사 중에서 표본의 동질성과 업종의 특성을 감안하여 제조업을 영위하는 83개사를 부실기업표본으로 선정하고 동종품목 혹은 동종산업에 속한 정상기업 83개사를 선정하여 쌍대표본추출법으로 표본기업을 구성하였다. 기업부실과 도산의 원인은 다양하지만 그 결과는 결국 재무적 지표로 나타날 수 밖에 없음을 감안 하여, 본 연구에서는 기업의 재무적 특성을 중심으로 상장폐지 직전 5년간 75개의 재무적 비율을 부실기업과 정상기업 두 그룹의 평균차이분석(T-test)을 통하여 5년 연속 유의미한 변수로 출현한 15개 변수를 선별하였다. 이들 15개 변수를 이용하여 단일변량분석(이원분류법)과 다변량분석(로지스틱회귀분석 및 판별분석)을 진행하였으며 이들의 부실예측 판별력을 비교하였다.
기존 선행연구들에서 채택된 재무적변수를 거의 모두 이용하여 분석하였다. 이들 변수들은 모두 6개 그룹으로서, 안정성지표(A그룹) 17개 Table 6, 수익성지표(B그룹) 11개 Table 7, 활동성지표(C그룹) 9개, Table 8 생산성지표(D그룹) 3개 Table 9, 성장성지표(E그룹)9개 Table 10, 현금흐름지표(F그룹) 26개 Table 11, 총 75개 재무적 지표를 선정하여 상장폐지 직전 5년간 부실기업의 재무지표와 정상기업의 재무지표 간에 유의적 수준을 분석하였다.
독립변수 선택 시 단계적 투입방식을 이용하여 결합 식(비표준화된 정준판별함수)을 도출하고, 여기에 해당 독립변수 값을 투입하여 Z값을 구한 후 각 집단의 평균 판별점수를 이용하여 경계점을 산정하였다. 이때 개별기업의 판별점수가 일정한 경계점(cut off point)을 초과하면 정상기업군으로 미만이면 부실기업군으로 분류하였다.
한편, 기업부실이 최종적으로는 재무적 지표로 나타날 수밖에 없기 때문에 본 연구에서는 기업의 재무적 특성에 국한하여 분석하였다. 따라서 본 연구에서는 T-test 검증을 통해 부실기업과 정상기업간의 유의미한 재무적 변수를 찾아내고, 일반투자자들도 쉽게 접근할 수 있는 단일변량분석법인 이원분류법을 통하여 얻어진 최적절삭점을 이용하여 각각 변수들의 분류정확도를 산출하여 연도별로 추세적 변화를 살펴보았다. 또한 다변량분석법에 있어 가장 많이 사용되는 판별분석과 로지스틱 회귀 분석을 이용하여 기업부실예측모형을 구축해 상기의 단일변량분석법과 판별력(분류정확도)를 비교분석하고자 한다.
한편 기존의 연구들은 분석대상기간을 상장폐지 직전 3개년 간 자료를 토대로 분석하였는데 일반적으로 직전 년도에 가까워질수록 정상기업과 부실기업간의 재무적지표가 확연히 차이를 보임으로 조기 경보차원에서 예측의 의미가 다소 약하다고 말 할 수 있겠다. 따라서 본 연구에서는 기업의 부실이 시간을 두고 서서히 진행된다는 점을 고려하여 상장폐지 직전 5 개년 간의 재무적 자료를 이용하여 보다 초기에 기업의 부실가능성을 예측함으로써 기존 연구와 차별화하였다.
따라서 본 연구에서는 T-test 검증을 통해 부실기업과 정상기업간의 유의미한 재무적 변수를 찾아내고, 일반투자자들도 쉽게 접근할 수 있는 단일변량분석법인 이원분류법을 통하여 얻어진 최적절삭점을 이용하여 각각 변수들의 분류정확도를 산출하여 연도별로 추세적 변화를 살펴보았다. 또한 다변량분석법에 있어 가장 많이 사용되는 판별분석과 로지스틱 회귀 분석을 이용하여 기업부실예측모형을 구축해 상기의 단일변량분석법과 판별력(분류정확도)를 비교분석하고자 한다.
본 연구는 기업부실이 장기간에 걸쳐서 서서히 진행된다는 점을 감안하여 상장폐지 직전 4년과 5년 전 자료를 추가로 고려하여 부실징후의 조기경보차원에서 기업부실을 예측함으로써 기존 선행연구들이 상장폐지 직전 3개년 전 자료만으로 기업부실을 예측한 것과 차별화된다. 또한 통계적으로 복잡한 다변량 모형식과 더불어 일반 이해관계자들도 쉽게 접근할 수 있는 이원분류법을 통하여 기업부실을 예측하는 단일변량 분석법과 비교분석한 것도 기존 선행연구와 차별화 된 점이라고 사료된다.
본 연구에서 이들 15개의 변수 즉 안정성지표 3개(A6,A9,A17), 수익성지표 6개(B,2,B6,B8,B9,B10,B11), 현금흐름지표 6개(F6,F13,F18,F19,F25,,F26)의 상장폐지직전 5년간 자료를 토대로 단일변량분석과 다변량분석을 진행하였다.
상기의 각 그룹에서 정상기업과 부실기업사이에 재무비율의 평균값의 차이가 가장 큰 지표을 선정하여 도산 수년 전부터 시차를 두고 어떤 변화추세를 보이는 지를 연구하는 프로파일분석을 진행하였다. 평균값의 현저한 차이를 보인 지표는 현금흐름/총부채, 순이익/총자산, 총 부채/총자산, 운전자본/총자산, 유동자산/유동부채, 순당좌자산/영업자금지출 등으로 나타났다.
기존 선행연구들에서 채택된 재무적변수를 거의 모두 이용하여 분석하였다. 이들 변수들은 모두 6개 그룹으로서, 안정성지표(A그룹) 17개 Table 6, 수익성지표(B그룹) 11개 Table 7, 활동성지표(C그룹) 9개, Table 8 생산성지표(D그룹) 3개 Table 9, 성장성지표(E그룹)9개 Table 10, 현금흐름지표(F그룹) 26개 Table 11, 총 75개 재무적 지표를 선정하여 상장폐지 직전 5년간 부실기업의 재무지표와 정상기업의 재무지표 간에 유의적 수준을 분석하였다.
이렇게 얻어진 최적분류기준점을 이용하여 부실직전 5개년간의 분류정확도를 산출하였다.

대상 데이터

따라서 총 247개사 중 제조업을 영위하는 기업 83개사를 부실기업표본으로 선정하였으며, 이에 대응되는 정상 기업 표본은 코스닥에 상장되어 있는 기업으로서 앞에서 선정된 부실기업과 동일 품목 혹은 동종산업에 속하는 기업 83개사를 선정하여 총166개사를 쌍대표본으로 구성 하였다.
본 연구는 2009년~2012년 사이 코스닥시장에서 상장폐지된 기업 247개사 중에서 표본의 동질성과 업종의 특성을 감안하여 제조업을 영위하는 83개사를 부실기업표본으로 선정하고 동종품목 혹은 동종산업에 속한 정상기업 83개사를 선정하여 쌍대표본추출법으로 표본기업을 구성하였다. 기업부실과 도산의 원인은 다양하지만 그 결과는 결국 재무적 지표로 나타날 수 밖에 없음을 감안 하여, 본 연구에서는 기업의 재무적 특성을 중심으로 상장폐지 직전 5년간 75개의 재무적 비율을 부실기업과 정상기업 두 그룹의 평균차이분석(T-test)을 통하여 5년 연속 유의미한 변수로 출현한 15개 변수를 선별하였다.
따라서 본 연구는 대기업에 비해 위험에 상대적으로 취약한 중소제조기업을 대상으로 부실을 미리 예측함으로써 사전에 구조조정 등을 통하여 도산에 따른 손실을 최소화하는데 그 목적이 있다. 본 연구는 코스닥시장에서 상장 폐지된 중소제조업체들을 부실표본기업으로 선정하였고, 이런 부실기업과 동업업종을 영위하는 기업들을 정상표본기업으로 선정하여 쌍대표본으로 구성하였다.
한국거래소(http://www.krs.co.kr)[30]에서 개별기업의 코스닥등록폐지사유자료를 입수하였고, 금융감독원 공시시스템(http://www.dart.fss.or.kr) [31]에서 과거 5년간 공시된 재무적 자료(재무상태표, 손익계산서, 현금흐름표) 및 사업보고서에서 업종별 자료를 얻었으며, 연도별 2009년에 15개사, 2010년 35개사, 2011년 10개사, 2012년에 23개사가 표본부실 제조기업으로 선정되었고, 총 83개사의 상장폐지 사유는 Table 5와 같다. 통계프로그램은 SPSS 21.

데이터처리

Wilk's Lambda값, 카이제곱값 및 고유값(einenvalue)을 통하여 판별함수의 통계적 유의성을 검증하였다.
구축된 로지스틱 회귀분석모형의 적합도(goodness of fit)는 –2Log Likelihoods ratio(-2LL)과 Hosmer & Lemeshow 검증값과 카이제곱값을 이용하였다.
기업부실과 도산의 원인은 다양하지만 그 결과는 결국 재무적 지표로 나타날 수 밖에 없음을 감안 하여, 본 연구에서는 기업의 재무적 특성을 중심으로 상장폐지 직전 5년간 75개의 재무적 비율을 부실기업과 정상기업 두 그룹의 평균차이분석(T-test)을 통하여 5년 연속 유의미한 변수로 출현한 15개 변수를 선별하였다. 이들 15개 변수를 이용하여 단일변량분석(이원분류법)과 다변량분석(로지스틱회귀분석 및 판별분석)을 진행하였으며 이들의 부실예측 판별력을 비교하였다.

이론/모형

두 그룹간의 평균차이가 뚜렷한 재무비율들의 분류기준점을 찾기 위하여 이원분류법을 이용하였다.
본 연구에서 다변량분석으로 로지스틱 회귀분석법과 판별분석법을 이용하여 부실기업예측모형을 구축하였다.

성능/효과

Hosmer와 Lemeshow 검정과 카이제곱 검정 결과 유의확률 값이 유의수준 0.05이상으로 모형이 적합하다고 말할 수 있으며, VIF값이 10 미만으로 다중공선성에서도 문제가 없는 것으로 나타났다.
또한 5년 평균기준 80%이상의 높은 판별력을 보인 변수는 총자본순이익률(B2), 이자보상비율(B8), EBIDA/이자비용(F6) 등 3개 변수로 나타났으며, 부실기업을 부실기업으로 판별하는 부실판별력이 제일 높은 변수는 부채구성비율(A6)로 나타났다.
분석결과, 로지스틱회귀분석모형의 판별력(분류정확도)이 가장 높게 나타났으며, 분류정확도는 T-5년에 74.1%. T-4년에 78.
상기의 Table 1에서 (1)은 현금흐름/총부채, (2)순이익/총자산, (3)은 총부채/총자산, (4)은 운전자본/총자산, (5)은 유동자산/유동부채, (6)은 순당좌자산/영업자금지출을 의미하며, 분석결과를 보면 알 수 있듯이 현금흐름/ 총부채비율과 순이익/총자산비율이 전체적으로 가장 높은 적중률(낮은 오분류율룰)을 보이고 있는 것으로 나타났고 기타 지표들은 오분류율이 높아 예측치로써 적절하지 않다는 결론을 얻었다.
상장폐지 직전 5개년간 부실기업 83개사와 정상기업 83개의 재무지표 75개의 두 그룹간의 평균차이 분석 즉 T-test를 실시한 결과 Table 12에서 처럼 상장폐지직전 5년도(T5)와 4년도(T4)에 23개, 3년도(T3)에 39개, 2년도(T2)에 46개, 1년도(T1)에 50개로 상장폐지직전년도에 가까워질수록 유의확률 1% 하에서 유의미한 변수가 점차 증가하고 있는데 이는 상장폐지년도에 가까워지면서 모든 지표에서 정상기업과의 재무비율차이도 더욱 확대되어지고 있다는 것을 의미한다.
이원분류법에 의한 15개 변수별 판별력은 아래 Table 16과 같고, Hit Ratio I은 부실기업을 부실기업으로 분류할 확률을 의미하고, Hit Ratio II은 정상기업을 정상기업으로 분류할 확률을 의미하고, Total Hit Ratio은 (Hit ratio I + Hit ratio II)/2을 의미한다. 상장폐지직전 1년전 기준으로 90%이상의 판별력을 보인 변수는 총자본순이익률(B2), 경영자본영업이익률(B6), 이자보상비율(B8), 매출액영업이익률(B10), EBIDA/이자비용(F6) 등 총 5개로 나타났으며, 특히 총자본순이익률(B2), EBIDA/이자비용(F6)은 94.6%라는 높은 판별력(분류정확도)를 보였다.
6%로 매우 높은 수준을 보였다. 이원분류법을 이용한 단일변량분석에서 3개의 변수 즉, 총자산순이익률(B2), 이자보상비율(B8), EBIDA이자보상비율(F6) 각각의 판별력은 상장폐지직전 1년, 2년에 판별분석모형보다 높게 나타났고 상장폐지직전 3년 ~5년 기간에는 낮게 나타났다.
이원분류법을 이용한 단일변량분석에서 선정변수 15개 중 상위 3개의 변수 즉, 총자산순이익률(B2), 이자보상비율(B8), EBIDA이자보상비율(F6)과 다변량분석에서 로지스틱회귀분석모형 그리고 판별분석모형의 판별력을 비교해 본 결과 로지스틱회귀분석모형의 판별력(분류정확도)이 가장 높은 것으로 나타났다. 한편 판별분석모형은 이원분류법에서 선정된 상위 3개 변수보다 상장폐지 직전 1년～2년도의 경우 판별력이 낮게 나타났으나, 상장폐지직전 3년～5년 년도에는 높게 나타났다.
상기의 각 그룹에서 정상기업과 부실기업사이에 재무비율의 평균값의 차이가 가장 큰 지표을 선정하여 도산 수년 전부터 시차를 두고 어떤 변화추세를 보이는 지를 연구하는 프로파일분석을 진행하였다. 평균값의 현저한 차이를 보인 지표는 현금흐름/총부채, 순이익/총자산, 총 부채/총자산, 운전자본/총자산, 유동자산/유동부채, 순당좌자산/영업자금지출 등으로 나타났다.
한편 부실화에 대한 초기판별력이라고 볼 수 있는 상장폐지 직전 5년 기준으로 70%이상의 분류정확도를 보인 지표는 총자본순이익률(B2), 이자보상비율(B8), 금융 비용부담율(B9), EBIDA/이자비용(F6), 잉여현금흐름/총 자산(F26) 등 5개 지표로 나타났으며 특히 EBIDA/이자비용(F6)은 75.3%로 가장 높은 초기판별력을 보였다.
이원분류법을 이용한 단일변량분석에서 선정변수 15개 중 상위 3개의 변수 즉, 총자산순이익률(B2), 이자보상비율(B8), EBIDA이자보상비율(F6)과 다변량분석에서 로지스틱회귀분석모형 그리고 판별분석모형의 판별력을 비교해 본 결과 로지스틱회귀분석모형의 판별력(분류정확도)이 가장 높은 것으로 나타났다. 한편 판별분석모형은 이원분류법에서 선정된 상위 3개 변수보다 상장폐지 직전 1년～2년도의 경우 판별력이 낮게 나타났으나, 상장폐지직전 3년～5년 년도에는 높게 나타났다.

후속연구

그러나 본 연구가 기존 연구보다 부실기업을 보다 조기에 예측하고 발견하려는 시도를 함으로써 기업의 이해관계자들에게 유용한 정보를 제공할 수 있을 것으로 기대된다.
기존 선행연구들이 부실직전 3개년 자료만을 가지고 기업부실예측을 함으로써 상장폐지년도에 가까워질수록 많은 지표들(TABLE 12)이 이미 정상기업의 재무비율과 확연히 유의미한 차이를 보이기 때문에 부실예측의 유용성이 다소 떨어진다고 생각된다. 그러나 본 연구가 상장 폐지 직전 4년과 5년 전 자료를 추가로 이용하여 보다 조기에 부실화 가능성을 판단하기 위하여 모형 개발을 시도했단 점에서 기본 선행연구와 차별화된다고 생각된다. 게다가 통계적으로 복잡한 다변량 분석과 더불어 일반 이해관계자들도 쉽게 접근할 수 있는 이원분류법을 이용 하여 기업부실을 예측을 시도하고 다변량 분석과 판별력을 비교분석한 점이 기존의 선행연구와 차별화 된다고하겠다.
그럼에도 불구하고 본 연구가 이원분류법, 로지스틱회귀분석과 판별분석 이외 다른 분석법들을 추가로 더 분석 하여 비교하지 못한 점과 표본외 검증(out of sample test)을 실시하지 못한 점 및 상장폐지직전 1년과 2년의 경우 일부 단일변수의 판별력이 판별분석모형보다 높게 나타난 반면 상장폐지직전 3년~5년 기간에는 판별모형이 높은 판별력을 보인 이유를 명확하게 제시하지 못한 점이 본 연구의 한계점으로서 후일의 연구과제로 남겨둔다.

질의응답

핵심어	질문	논문에서 추출한 답변
	2013년 딜로이트 컨설팅그룹이 발표한 국가별 제조업 경쟁력보고서에서 말하는 우리나라의 순위는?	2013년 딜로이트 컨설팅그룹이 발표한 국가별 제조업 경쟁력보고서에 따르면 우리나라는 2010년 3위에서 2013년 5위로 내려앉았고, 향후에 그 순위가 더욱 밑으로 내려갈 것으로 전망(Craig et al., [1])되고 있는데 이는 상기의 상황을 정확히 반영하고 있다고 말할 수 있겠다.
	급속한 고령화추세로 인해 나타나는 영향은 무엇인가?	한편 국내적으로는 급속한 고령화추세에 따라 생산가능인구의 감소로 인한 잠재성장률이 낮아지고 있고 대기업과 중소기업의 격차가 더욱 심화되고 있으며, 경기침체가 장기화되면서 기업의 영업부진은 점진적인 기업부실 심화로 이어지고 이에 따라 도산업체 또한 꾸준히 증가하고 있다. 이렇듯 자유시장경제 시스템 하에서는 변화에 신속하게 대응하지 못하는 기업은 경쟁력을 잃고 부실화 과정을 통하여 도태되고 결국 도산의 길을 걷게 된다.
	자유시장경제 시스템 하에서 도산된 기업으로 인해 나타나는 문제는 무엇인가?	이렇듯 자유시장경제 시스템 하에서는 변화에 신속하게 대응하지 못하는 기업은 경쟁력을 잃고 부실화 과정을 통하여 도태되고 결국 도산의 길을 걷게 된다. 기업이 도산하게 되면 투자자, 채권자, 임직원 등 이해관계자들이 크고 작은 손실을 보게 됨은 물론 국가경제에도 지대한 손실을 초래하게 됨은 당연하다.

참고문헌 (31)

Craig, A., Aleda, V., Bharath, G., Atanu, C, Jack, M., Tim, H., and Michelle, D.(2013), "2013 Global Manufacturing Competitiveness Index", NY, Deloitte Touche Tomatsu Limited and U.S. Council on Competitiveness, Retrieved Jan 1, 2014 from https://www. deloitte.com/assets/Dcom-Mexico/Local%20Assets/Documents/mx(en-mx)Global_Manufacturing _Competitiveness2013.pdf
Beaver, W. H., "Financial Ratios as Predictors of Failure", Journal of Accounting Research, Vol.4, No.3, pp. 71-111, 1966. DOI: http://dx.doi.org/10.2307/2490171

상세보기
Deakin, E. B, "A Discriminant Analysis of Predictors of Business Failure", Journal of Accounting Research, Vol.10, No.1, pp. 167-179, 1972. DOI: http://dx.doi.org/10.2307/2490225

상세보기
Altman, E. I. and McGough, T. P.,"Evaluation of a Company as a Going Concern", Journal of Accounting, 138(6), pp.50-57, 1974.
Weston, J. F. and E. F. Brigham, "Instructor's Manual to A company Managerial Finance", The Dryden Press. Vol.7, pp. 961, 1981.
Foster, G., "Financial Statement Analysis", New Jersey, The second ed. Prentice Hall, pp. 536. 1986.
S. H. Hwang, "A Study on Corporate Failure Prediction", Korean Accounting Review, 12(7), pp.57-78. 1991.
K, C. Lee, "A Comparative Study on the Bankruptcy Prediction Power of Statistical Model and AI Models : MDA, Inductive Learning, Neural Network", Journal of the Korean OR and MS Society, 18(2), pp.57-81. 1993.
H. Y. Jang, "The firm failure prediction Model of non-financial listed firms". Korean Journal of Financial Management. 15(1). pp.299-327. 1998.
S. B. Jeon, and M. C. Kim, "Reality and Theory on Business Failure", Seoul, Dasan Publishing Company. pp.15-16. 2000.
T. S. Choi, H. K. Kim, and S. H. Kim, "Comparison of the Discrimination of Business Failure prediction Models", Journal of the Korean OR and MS Society, 27(2), pp.1-13. 2002. DOI: http://dx.doi.org/10.4134/JKMS.2002.39.1.001
H. J. Oh, "Usefulness of Credit Rating in the Bankruptcy Prediction Model", Journal of Economic Studies, 23(2), pp.173-208. 2005.
S. I. Kueon, "Corporate credit analysis," Seoul.Korea Banking Institute. pp.355-360. 2011.
Y. K. Jang, "Corporate Analysis", Seoul, Muyok Publishing Company, pp.493-525, 2012,
Jodi, Bellovary., Don Giacomino. and Michael Akers., "A Review of bankruptcy Prediction Studies :1930 to Present", Journal of financial Education, Vol.33, pp. 2. 2007.
Altman, E. I, " Financial Ratios, Disriminant Analysis and Prediction of Corporate Bankruptcy", Journal of Finance, Vol.23, No.4, pp. 589-609. 1968. DOI: http://dx.doi.org/10.1111/j.1540-6261.1968.tb00843.x

상세보기
Bhandari S. B and Iyer R. "Predicting Business Failure Using Cash Flow Statement Based Measures", Managerial Finance, Vol.39. No.7, pp. 667-676. 2013. DOI: http://dx.doi.org/10.1108/03074351311323455

상세보기
C. K. Kim, and S. H. Kim, "The Business Failure Prediction Model of Small and Medium-sized Firms", Paichai University, Journal of Social Science Research, 17, pp.111-132. 1998.
H. J. Park, "An empirical study on the failure prediction model of the firms listed on the kosdaq", Doctoral dissertation, Paichai University. 2008
H. W. Jun, and Y. H. Chung, " An Empirical Study on the Failure Prediction Model of Delisting Firms in KOSDAQ Market".Journal of Business Education. 26(1), pp.93-108, 2012.
Zmijewski. M. E., "Methodological Issues Related to the Estimation of Financial Distress Prediction Models". Journal of Accounting Research, Vol.22, pp. 59-82. 1984. DOI: http://dx.doi.org/10.2307/2490859

상세보기
Ohlson. J. A. "Financial Ratios and the Probabilistic Prediction of Bankruptcy". Journal of Accounting Research, Vol.18, No.1, pp. 109-131.1980.

상세보기
J. H. Nam, " The Cause of Business's Failure and the Analysis of the Bankruptcy Prediction Model", Journal of Money & Finance 12(2), pp.77-107. 1998.
G. C. Kim, "A study on corporate failure predictions by using audit opinions and accounting firm's characteristics", Doctoral dissertation, Soongsil University. 2011.
K. S. Bae, and S. H. Jung, "An empirical study on the prediction model of the delisted firms". Tax Accounting Research. 30. pp.125-140. 2011.
J. G. Moon, and Y. Hwangbo, "An empirical study on a firm's fail prediction model by considering whether there are embezzlement, malpractice and the largest shareholder changes or not". Asia-Pacific Journal of Business Venturing and Entrepreneurship, 9(1). pp.119-132. 2014.
H. Chun, "An empirical study on the financial distresses and changes in the largest shareholder in the information technology industry", master's thesis, Seoul National University of Technology. 2009.
K. H. Cho, "An empirical research on the effects of corporate bankruptcy forecasting by audit report and audit quality", Doctoral dissertation, Catholic University. 2012.
H. W. Jun, Y. H. Chung, and D. H. Shin, "A Study on the Failure Prediction Model of Delisting Firms", Korea International Accounting Review, 38(8), pp.331-362. 2011.
The Delisted Companies in KOSDAQ, (2009 to 2012), Retrieved May 1, 2013 from http://www.krx. co.kr /m6/m6_1/m6_1_6/JHPKOR06001_06.jsp
Data Analysis, Retrieval and Transfer System in Financial Supervisory Service, http://dart.fss.or.kr/dsab001/main.do?autoSearchtrue

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증