企業發生財務危機是一個漸進的過程，營運狀況會反應在財務報表上，而且財務報表資料為一般投資人較易取得的資訊，並經會計師查核簽證具一定的可信度，惟投資人需待財務報告揭露後才能取得，有資訊傳遞的時間落後，因而建構財務危機預警模型，事前提供政府主管機關、金融機構及投資大眾作為瞭解企業營運狀況、銀行授信或選擇投資組合的參考，是學者長久以來關心研究的課題。
回顧財務預警模型之相關文獻，模型變數多以財務比率為主，而樣本區分為正常公司與失敗公司兩大類，但企業發生財務危機是具有階段性的，在正常及失敗中間有一過渡時期，因此，本研究為更精準的表達公司的財務狀況，將公司區分為財務正常公司、中等公司及危機公司，選取重要財務比率變數分別以二分類、三分類及三項羅吉斯迴歸模型建構財務預警模型，並預測公司在各種財務狀況下可能發生之機率。
本研究以台灣上市櫃傳統產業為對象，實證結果顯示，二分類羅吉斯迴歸模型的正確區別率高達90%以上，三分類累積羅吉斯迴歸模型及三項羅吉斯迴歸模型的正確區別率亦達到69%、70%，且對於財務健全與財務危機間彼此誤判之機率則較低。在二分類羅吉斯迴歸模型中所存在錯誤樂觀或錯誤悲觀預判的情況，可經由三分類累積羅吉斯迴歸模型及三項羅吉斯迴歸模型加以改善。

Corporate financial distress is a gradual process, operating conditions will be reflected in the financial statements and which are easier for investors to obtain. However, these imformation can only be achieved after the disclosure of financial reports, which has a time delay before a decision is made. Therefore, building a financial crisis prediction model to provide competent authorities, financial institutions and private investors with a timely condition to understand the corporate business operations, bank credit and the reference portfolio is a long time concern for scholars about the theme.
In the past literatures of financial prediction models, most variables are based on financial ratios, and samples are classified into failed and normal firms. But a corporation occurs the financial crisis gradually. There are a transition period between failed and normal firms. Therefore, this study differentiated corporations for failed, average or above-average firms in order to more accurate express the company’s financial status, and selected important financial ratios to construct logistic regression models for forecasting the probability under each financial status.
Empirical results, based on Taiwanese classical at industry, show that binary logistic regression model the correct classification rate is more than 90% while the trinomial and cumulative logistic regression models can also give 69% and 70%, respectively, the correct decision on financial health and crisis. However, the latter two models produce low probability of false decision and reduce the error as compared with the binary logistic regression model.

中文部份
王濟川、郭志剛 (2004)，Logistic迴歸模型－方法及應用，台北：五南圖書出版股份有限公司。
王嘉穎 (2000)，「我國上市公司財務危機與監理因素之關聯性研究-實質所有權之探討」，國立臺灣大學會計學研究所碩士論文。
台灣企業信用風險指標(TCRI)。
李祖培 (1998)，財務報表分析，台北：三民書局股份有限公司。
吳蕙真 (2007)，「台灣集團企業財務預警模式－加入公司治理變數探討」，東吳大學企業管理研究所碩士論文。
林淑萍、黃紹彥、蔡昆霖 (2007)，「企業危機預警模式之研究－DEA-DA、邏輯斯迴歸與類神經網路之運用」，會計與公司治理，第4卷第1期，頁33-56。
林妙宜 (2002)，「信用風險之衡量」，國立政治大學金融研究所碩士論文。
卓怡如 (1995)，「財務危機預警模型之建立-以上市及未上市公司為例」，國立臺灣大學財務金融研究所碩士論文。
周百隆、盧俊安 (2007)，「以Cascaded Logistic Model 建構我國企業財務危機預警模型之研究」，中華管理評論國際學報，第10卷第2期，頁1-16。
林佳穎 (2006)，「我國財務報表穩健特性及穩健原則攸關價值研究」，國立成功大學會計學研究所碩士論文。
吳楷華 (2000)，「建構財務預警系統之可行性研究」，國立中山大學高階經營管理研究所碩士論文。
徐中琦和劉皇佑 (2010)，「考量景氣循環與產業因素下的財務危機預警模型－邏輯斯迴歸與DEA-DA 方法的應用」，風險管理學報，第12卷第2期，頁157-183
陳明賢 (1986)，「財務危機預測之計量分析研究」，國立台灣大學商學研究所碩士論文。
陳肇榮 (1983)，「運用財務比率預測企業財務危機之實證研究」，國立政治大學企業管理研究所博士論文。
郭虹伶 (2004)，「運用財務及股權結構因素建立台灣上市公司動態畫財務預警模式之研究」，朝陽科技大學財務金融系碩士論文。
許鳳芸 (2010)，「利用羅吉斯迴歸建立台灣上市櫃公司財務預警模型」，國立成功大學財務金融研究所在職專班碩士論文。
曾相海 (2008)，「企業危機預警模型分析之研究－以Logit模型進行財務指標實證分析」，國立臺北大學企業管理學系碩士論文。
黃啟銘 (2007)，「企業財務預警模型實證研究」，中原大學國際貿易學系碩士論文。
楊浚泓 (2001)，「考慮財務操作與合併報表後之財務危機預警模式」，國立中央大學財務管理研究所碩士論文。
潘玉葉 (1990)，「台灣股票上市公司財務危機預警分析」，淡江大學管理科學研究所博士論文。
賴世權 (1989)，「企業正常或具失敗危機之關鍵性財務指標研究」，中興大學企業管理研究所碩士論文。
鄧志豪 (2000)，「以分類樣本偵測地雷股－新財務危機預警模型以分類樣本偵測地雷股－新財務危機預警模型」，國立政治大學金融研究所碩士論文。
蔡興華 (2004)，「以類神經網路建構上市櫃公司危機預警模型之研究」，國立交通大學管理研究所碩士論文。
鄭文英、李勝榮、吳千慧 (2006)，「企業財務經營階段偵測模式之研究－以台灣上市電子業為例」，2006中華決策科學學會年會暨研討會論文集。
鄭碧月 (1997)，「上市公司營運危機預測模式之研究」，朝陽技術學院財務金融研究所碩士論文。
謝智安 (2004)，「企業財務危機預測之研究」國立中正大學國際經濟研究所碩士論文。
魏曉琴 (2004)，「財務危機預警模型之研究-以台灣地區上市公司為例」，國立交通大學財務金融研究所碩士論文。
英文部份
Altman, E. I. (1968), “Financial Ratios, Discriminate Analysis and The Prediction of Corporate Bankruptcy,” Journal of Finance, 23, pp.589-609.
Altman, E. I., Haldeman, R. and Narayanan, P. (1977), “ZETA Analysis: A New Model to Identify Bankruptcy Risk of Corporations”, Journal of Banking and Finance, 1, pp.29-54.
Beaver, W. H. (1966), “Financial Ratios as Predictors of Failure”, Journal of Accounting Research, 4, pp.72-102.
Blum, M. (1974), “Failing Company Discriminate Analysis”, Journal of Accounting Research, 12, pp.1-25.
Collins, R. A. and Green, R. D. (1982), “Statistical Methods for Bankruptcy Forecasting”, The Journal of Economics and Business, 34, pp.349-354.
Cost, P. K. and L. F. Fant (1993), “Recongnizing financial distress patterns using aneural network tool”, Financial Management, 2, pp.142-155
Deakin, E. B. (1972), “A Discriminant Analysis of Predictors of Failure”, Journal of Accounting Research, 10, pp.167-179.
Laitinen, E. K. (1991), “Financial Ratios and Different Failure Process”, Journal of Business Finance and Accounting, 18, pp.649-673.
Lau, H. L. (1987), “A Five-State Financial Distress Prediction Model”, Journal of Accounting Research, 25, pp.127-138.
Odom, M. D. and Sharda, R. (1990), “A Neural Networks for Bankruptcy Prediction”, IEEE INNS International Joint Conference on Neural Networks, 2, pp.163-168 .
Ohlson, J. A. (1980), “Financial Ratios and the Probabilistic Prediction of Bankruptcy”, Journal of Accounting Research, 18, pp.109-131.
Ward, T. J., and B. P. Foster. (1997) ,“A note on selecting a response measure for financial distress.”, Journal of Business Finance and Accoounting, 24, pp.869-879.
Zmijewski, M. E. (1984), “Methodological Issues Related to the Estimation of Financial Distress Prediction Models”, Journal of Accounting Research, 22, pp.59-82.