企業財務危機預警一直是財務領域研究的重要議題，過去關於財務危機預警模型的研究多從財務比率變數著手，然而，假報表真分析的情形履見不鮮，國內企業爆發做假帳、假交易事件亦層出不窮。因此，加入非財務資訊的指標變數有其必要性。此外，過去亦有學者認為：外在環境的變化對於企業信用狀況的影響亦扮演著相當重要的角色，財務比率可能會因總體經濟環境改變，而造成其為不穩定(non-stationarity)的型態，因此建議應納入總體經濟變數調整，有助於提升模型預測力。
　　綜合前述，本研究透過羅吉斯迴歸建構財務危機預警模型，除考慮6項「財務變數」外，另加入較不易量化的7項「非財務變數」及期望能提升模型預測力的4項「總體經濟變數」，以台灣上市上櫃公司在2001年至2010年間之資料做為訓練樣本進行分析，並以2011年第一季至2014年第二季資料做為測試樣本進行模型有效性的驗證，並比較加入總體經濟變數前後，是否能增加模型的預測效率。此外，有別於傳統以0.5為財務危機之臨界值，本研究使用將型一及型二錯誤極小化的原則決定臨界機率以增加危機預警模型之預測效率。
　　研究結果發現，在訓練樣本中，加入總體總體經濟變數的β模型，其預測正確率較僅使用財務及非財務變數的α模型為佳；而在測試樣本中，β模型雖無法提升整體模型的預測正確率，但明顯可降低型一錯誤的機率，就分析信用風險的觀點而言，於可容許的預測正確率及型二錯誤範圍內，應盡量降低型一錯誤機率。綜合而言，在本文分析架構下，認為考慮總體經濟變數後的β模型，對於財務危機預警模型之預測能力具有提升的效果。

Using sample data of TSEC-listed and OTC-listed companies between 2001 and 2010, this study develops a financial distress forecasting model on a logit base. Different from most previous studies, besides six financial variables, this study adds in seven non-financial variables that are more difficult to be quantified and four macroeconomic variables for improving the forecasting capacity of the model. Moreover, in contrast to the conventional use of 0.5 as the financial distress critical value, this study chooses the critical probability based on the principle of minimizing Type I and Type II errors in order to enhance the forecasting efficacy of the distress forecasting model. The results suggest that for the development samples, the forecast accuracy of Model β, which comprises the macroeconomic variables, is better than of Model α. For the testing samples, though adding the macroeconomic variables into Model β does not improve the forecasting accuracy of the overall model, it can significantly reduce the probability of Type I error. From the perspective of credit risk analysis, it is important to reduce the probability of Type I error as much as forecast accuracy and Type II error permit. According to the analysis results, this study proposes that in general, Model β, which takes macroeconomic variables into consideration, could enhance the forecasting capacity.

中文部份：
1.白欽元(2002)，國內中小企業財務危機預警模型之研究，國立交通大學經營管理研究所碩士論文。
2.江欣怡（2004），違約企業預警模型在台灣的應用與比較，東吳大學國際貿易學系研究所碩士論文。
3.朱玉婷(2005)，探討電子業及傳統產業於破產預測差異之研究，中原大學資訊管理研究所碩士論文。
4.呂紹強(1999)，企業財務危機預警模式之研究－以財務及非財務因素構建，淡江大學會計研究所碩士論文。
5.汪忠平(1996)，以類神經網路建立財務危機預測模式－考慮產業、總體經濟因素與其穩定性因素，東吳大學企業管理研究所碩士論文。
6.俞秀美(1999)，財務危機模型之研究--考慮背書保證及董監事質押因素，中原大學會計研究所碩士論文。
7.陳肇榮(1983)，運用財務比率預測財務危機之實證研究，國立臺灣大學商學所碩士論文。
8.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。
9.郭敏華(1999)，“債信等級之決定因素(上)”，證券暨期貨管理雜誌，17(11)，1-16.
10.張國浩(2003)，我國中小企業財務危機預警系統之研究，私立輔仁大學金融研究所碩士論文。
11.黃俊雄(1993)，企業財務危機預警模型在銀行授信決策之運用，國立政治大學企業管理研究所碩士論文。
12.葉銀華、李存修和柯承恩(2002)，公司治理與評等系統，商智文化。
13.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。
14.鄭瑞楠(1999)，財務分析在銀行授信決策上的運用之研究，東華大華企業管理研究所碩士論文。
15.蔡麗君(1994)，審計報告之資訊內涵－運用於財務危機之預測，國立政治大學會計研究所碩士論文。
16.簡珮如(2003)，總體經濟、財務資訊與公司治理變數對公司財務危機機率預測之影響，銘傳大學財務金融研究所碩士論文。

 
英文部份
1. Altman, E. I. (1968), “Financial Ratios, Discriminant Analysis and The Prediction of Corporate Bankruptcy,” Journal of Finance, 23(4):589-609.
2. Beaver, W. H. (1966), “Financial Ratios as Predictors of Failure,” Journal of Accounting Research, 4(3):71-111.
3. Belkaoui, A. (1980), “Industrial Bond Ratings: A New Look,” Financial Management, Autumn, 44-51.
4. Blum, M. (1974), “Failing Company Discriminant Analysis,” Journal of Accounting Research, 12(1):1-25.
5. Charitou, A. and L. Trigeorgis (2000), “Option-Based Bankruptcy Prediction.” Proc. Contemporary Issues in Capital Markets, Cyprus, 1-25.
6. Coats, P. and L. Fant (1993), “Recognizing Financial Distress Patterns Using a Neural Network Tool,” Financial Management, 22, 142-155.
7. Deakin, E. (1972), “A Discriminant Analysis of Predictors of Business Failure,”Journal of Accounting Research, 10:167-179.
8. Ederington, L. H. (1985), “Classification Models and Bond Ratings,” Financial Review, 20(4), 237-262.
9. Farmen, T. E. S., S. Westgaard and N. V. D. Wijst (2004), “An Empirical test of Option Based Default Probabilities using Payment Behaviour and Auditor notes,” working paper, Norwegian University of Science and Technology.
10. Hillegeist, S.A., E.K. Keating, D.P. Cram and K.G. Lundstedt (2004), “Assessing the Probability of Bankruptcy,” Review of Accounting Studies, 9(1), 5-43.
11. Lau, H. L. (1987), “A Five-State Financial Distress Prediction Model,” Journal of Accounting Research , 25: 127-138.
12. Leshno, M. and Y. Spector (1996), “Neural Network Prediction Analysis: The Bankruptcy Case,” Neruocomputing, 10, 125-147.
13. Mensah,Y. M. (1984), “An Examination of the Stationarity of Multivariate Bankruptcy Prediction Models﹕ A Methodological Study,” Journal of Accounting Research, 22 Spring, 380-320.
14. Ohlson, J. A. (1980), “Financial Ratios and The Probabilistic Prediction of Bankruptcy,” Journal of Accounting Research, 18(1):109-131.
15. Rose, P. S., W. T. Andrews, and G. A. Giroux (1982), “Predicting Business Failure: A Macroeconomic Perspective,” Journal of Accounting, Auditing and Finance, 6(1), 20-31.
16. Sharma S. and V. Mahajan (1980), “Early Warning Indicators of Business Failure.” Journal of Marketing, 44, 80-89.
17. Tae, K. S., C. Namsik, and L. Gunhee, “Dynamics of Modeling in Data Mining: Interpretive Approach to Bankruptcy Prediction,” Journal of Management Information Systems, Vol. 16, No. 1, 1999, pp.63-85.
18. Wilson, T. (1997), “Portfolio Credit Risk, Part I,” Risk 10(9), 111-117.
19. Zmijewski, M. E. (1984), “Methodological Issues Related to the Estimation of financial Distress Prediction Models”, Journal of Accounting Research,22:59-82.