Öz Abstract Giriş Gri İlişkisel Analiz ve Lojistik Regresyon Analizi ile İşletmelerde Finansal ...

19 Pages·2012·2.61 MB·Turkish

Anadolu Üniversitesi Anadolu University
Sosyal Bilimler Dergisi Journal of Social Sciences
Gri İlişkisel Analiz ve Lojistik Regresyon Analizi ile İşletmelerde Finansal
Başarısızlığın Belirlenmesi ve Bir Uygulama*
Determining the Financial Failure in Enterprises Using Grey Relational Analysis
and Logistic Regression Analysis & an Application
Yrd. Doç. Dr. Metin Baş - Doç. Dr. Zeki Çakmak
Öz
Gri ilişkisel analiz; bir derecelendirme, sınıflama as independent variables in logistic regression analy-
ve karar verme tekniği olarak kısıtlı ve az sayıda sis for classification, it was aimed to develop a model
veri seti ile birlikte bir sistem için gerekli faktörlerin with a high correct classification percentage, and thus,
önemli olanlarını bulmak için kullanılabilmektedir. to decide upon the best model for increasing success.
Bu amaçla, işletmelerde finansal başarısızlık öngö-
Keywords: Grey Relational Analysis, Logistic
rü çalışmasında kullanılan bağımsız değişkenlerin
gri ilişkisel analiz yardımıyla önemli olanlarının bu- Regression, Financial Failure.
lunmasına çalışılmıştır. Gri ilişkisel analiz ile belirle-
nen bağımsız değişkenlerin sınıflandırma amacıyla
Giriş
kullanılacak lojistik regresyon analizinde bağımsız
İşletmelerin finansal açıdan başarısızlığa düşmeleri,
değişken olarak kullanılması sonucu, yüksek doğru
sermaye sahipleri ve işletmeyle ilişki içerisinde olan
sınıflandırma yüzdesine sahip model geliştirmek ve
çıkar grupları açısından büyük bir öneme sahip ol-
böylece başarıyı artıracak bir model seçerek en iyi mo-
duğu için uzun yıllardan beri finansal başarısızlık il-
delin hangisi olduğuna karar vermek hedeflenmiştir.
gili kesimler tarafından araştırma konusu yapılmıştır.
Anahtar Kelimeler: Gri İlişkisel Analiz, Lojistik İşletmelere ait hesaplanan finansal oranlarla yapılan
Regresyon, Finansal Başarısızlık. finansal analizler, günümüzde istatistiksel tekniklerin
de yardımıyla oldukça gelişmiştir. Farklı sektörler-
de faaliyet gösteren işletmelerin karşılaşabilecekleri
Abstract finansal güçlükler ve bu güçlükleri yenebilmek için
Grey relational analysis can be used as a rating, clas- alınabilecek önlemler, hem bir ülkenin bütün ke-
sification and decision making technique to deter- simlerini etkilemekte hem de finans literatürü içinde
mine the important factors among those required for önemli bir yere sahip olmaktadır. Bu çerçevede, te-
a system with a limited amount of data set. For this orik olarak ömürlerinin sınırsız olduğu düşünülen
purpose, by making use of the relations between the işletmelerin, uygulamada bazılarının başarısız ola-
financial rates used as independent variable in fore- bilmesi veya varlıklarını sona erdirmeleri sebebiyle
casting financial failure, it was tried to determine the finansal başarısızlığa düşmeleri, sosyo-ekonomik
fewer number of financial rates that determine the etkileri olan ve ülkenin çeşitli kesimlerini ilgilendi-
financial characteristics of enterprises best using grey ren bir sorun haline gelmektedir. Bu sorun son yıl-
relational analysis. As a result of using the independent larda finansal başarısızlık üzerine yapılan çalışmala-
variables determined through grey relational analysis rın artmasına sebep olmuştur. Konu ile ilgili olarak
* Bu çalışma Dumlupınar Üniversitesi Sosyal Bilimler Enstitüsünde 2010 yılında Metin Baş tarafından hazırlanan “İşletmelerde Finansal
Başarısızlığın Öngörülmesinde Gri İlişkisel Analiz Tekniği: Tekstil ve Deri Sektöründe Bir Uygulama” başlıklı Doktora Tez çalışmasından
türetilmiştir.
Yrd. Doç. Dr. Metin Baş, Dumlupınar Üniversitesi İ.İ.B.F. Ekonometri Bölümü, [email protected]
Doç. Dr. Zeki Çakmak, Dumlupınar Üniversitesi İ.İ.B.F. İşletme Bölümü, [email protected]
sbd.anadolu.edu.tr 63
Gri İlişkisel Analiz ve Lojistik Regresyon Analizi ile İşletmelerde Finansal Başarısızlığın Belirlenmesi ve Bir Uygulama
geçmişte yapılan bilimsel çalışmalar, tek değişkenli ve Ekonomik başarısızlık; genel bir ifade ile, işletmenin
çok değişkenli istatistiksel analiz teknikleriyle yapılan gelirlerinin, işletmenin faaliyetlerini karşılayamaz
öngörü modellemeleri ve sınıflandırma çalışmaları duruma gelmesi olarak tanımlanabilir (Weston ve di-
olmuştur. Bugüne kadar bu tip çalışmalara konu olan ğerleri, 1996: s.840). Finansal başarısızlık; işletmenin
finansal oranların, işletmelerin finansal durumlarını kendi borçlarını ödeyememesi olarak tanımlanabilir
en iyi temsil edebilecek sayıdaki faktörlerin seçimi (Gönenli, 1988: s.599). Finansal başarısızlık tanımı
konusunda da faktör analizi ve ana bileşenler analizi iki türlü ele alınabilir:
kullanılmıştır. Her iki analiz tekniği de birbirine ben-
zer özellikte olup veri indirgemesi yapılacağı zaman, • Teknik başarısızlık
değişkenlerin aralarındaki ilişkilerden yararlanarak • İflas
yeni yapılar ortaya çıkarmak ve değişken sayısını
azaltmak amaçlandığında kullanılmaktadır. Elde edi- Finansal başarısızlık kavramı genel bir ifadeyle fi-
len faktörler bağımsız değişkenlerin bir bütünü ola- nansal yapıda bozulma, sıkıntı içine girme, borçları-
rak düşünülmektedir. Ancak, değişken sayısının azal- nı ödeyemeyecek duruma düşme, sıkıntının devam
tılması bir avantaj olarak düşünülmesine karşın, elde ederek başarısız olma ve sonunda da iflas etme olarak
edilen faktörlerin bütün bilgiyi içermemesi, kısacası tanımlanabilir. İflas, finansal sorunla başlayıp mah-
bir miktar bilgi kaybının olması analizin dezavantajı- kemede sonuçlanan bir süreç olup, finansal başarısız-
nı oluşturmaktadır (Dikmen, 2007: s.121). Bu sebeple lığın özel bir hali olmaktadır (Aktaş, 1997: s.5).
çalışmada, farklı bir analiz tekniği olarak düşünülen
gri ilişkisel analizle bağımsız değişken sayısı azaltıla- Yöntem
rak daha az bilgi kaybıyla belirlenen bu değişkenlerle
Bu bölümde Gri İlişkisel Analiz ve Lojistik Regres-
sınıflandırma modelinin kurulması düşünülmüştür.
yon Analizi teknikleri araştırılacaktır. Bu amaçla gri
Bunun yanında diğer sınıflandırma modellerinin
ilişkisel analiz, gri teori kavramı ile, lojistik regresyon
karşılaştırması yapılmış ve genel doğru sınıflandırma
analizi ise sınıflandırma ve bağımlı-bağımsız değiş-
yüzdeleriyle birlikte başarının en yüksek olduğu mo-
kenler arasındaki ilişkileri incelemek ile ilgili olarak
delin belirlenmesine çalışılmıştır.
tanımlanacaktır.
İşletmelerde Finansal Başarısızlık Gri İlişkisel Analiz (GİA)
İşletmeler kar amaçlı önceliğe sahip olarak, yaşamla- Bilim ve teknoloji alanındaki modern gelişmeler, bi-
rının teknik düzeyde sonsuza kadar sürmesi düşünü- limsel bazı önemli teorilerin ve disiplinler arası bilim-
lerek kurulurlar. Ancak işletmeler bu süreçte çeşitli sel araştırmaların güçlü bir biçimde artmasıyla daha
sorunlarla karşılaşabilirler. Sorunların belirleneme- da hız kazanmıştır. Disiplinler arası önemli gelişmeler
mesi ve çözümlenememesi işletmelerin başarısızlık Sistem Teorisi, Bilgi Teorisi vb. teorilerle ilerlemeye
sebepleridir. Başarısızlıklar, işletmelerde istenmeyen başlamıştır (Liu ve Lin, 2006: s.1). Geçtiğimiz son yir-
durumlar olmaktadırlar. İşletmelerin bir kısmı ku- mi yıl içerisinde, eski teorilerdeki çalışmaların yavaş
rulduktan bir-iki yıl sonra yaşam süreçleri içerisinde yavaş bırakılması ve yeni bir teori geliştirme ihtiya-
başarısızlığa uğrayabilmektedirler. Diğer işletmeler cıyla gri sistem teorisinde önemli gelişmeler olmuş-
ise gelişerek büyüme süreçlerine devam edebilmek- tur. Gelişmeler gerek teorik gerekse pratik uygulama
tedirler (Gitman,1992: s.616). İşletmelerin kuruluş alanlarında sıkça kullanılmaya başlanmıştır (Tsai ve
amaçlarını gerçekleştirememeleri veya ulaşmayı he- diğerleri, 2005: s.536). Bilim ve teknoloji tarihinin ge-
defledikleri amaçları gerçekleştirirken faaliyetlerine lişimi olan Gri Sistem Teori’sini ilk oluşturan ve öne-
son vermek zorunda kalmaları başarısızlık olarak ren Profesör Ju-long Deng’dir (Deng, 1982;1989). Bu
tanımlanmaktadır (Büker ve diğerleri, 2007: s.567). teori sosyal, ekonomik, tarım, sanayi, biyoloji, çevre-
Başarısızlık olarak tanımlanan ve işletmelerin karşı bilim, yaşambilimleri, bilişim, ekonomik kalkınma,
karşıya kaldıkları bu çeşit sorunlar iki temel başlık enerji, ulaştırma, elektrik, jeoloji, coğrafya, meteo-
altında toplanabilir. Bunlar: roloji, hidrolik enerji, tıp, eğitim, ordu ve askeri ça-
lışmalar gibi birbirinden çok farklı bilimsel alanlarda
• Ekonomik başarısızlıklar
uygulanmıştır (Lin ve diğerleri, 2004: s.197).
• Finansal başarısızlıklar
64
Cilt/Vol.: 12 - Sayı/No: 3 (63-82) Anadolu Üniversitesi Sosyal Bilimler Dergisi
Sosyal, ekonomik, tarım, sanayi, biyolojik veya çevre- Eksik bilgiye sahip olmanın anlamı temelde gri ol-
bilim gibi çoğu doğal sistemler araştırma konularına maktır. Eksik bilginin uygulamadaki kuralları gri sis-
göre isimlendirilirler. Bunun aksine gri sistem ismi tem teorisinde düşünülen problem türlerinin temel
araştırma konularının rengine bağlı olarak seçilmek- özelliğidir. Bu özellik, gri sistem teorisini kullanarak
tedir. Renklerin koyuluğu genelde bilginin belirgin- problemleri çözmenin temel mantığını oluşturmak-
liğinin derecesini belirlemek için kullanılmaktadır. tadır (Lin ve diğerleri, 2004: s.198). Bu sebeple, gri
Böylece kesin olarak bilinmeyen bilgiye sahip sistem- sistem teorisinde ana kavramlardan birisi, bilginin
ler siyah sistemler, kesin olarak bilinen bilgiye sahip az olduğu durumlar veya tamamlanmamış durum-
sistemler beyaz sistemler, kısmen bilinmeyen ve kıs- lar altında kontrol edilebilen sistemler olmasıdır
men bilinen bilgiye sahip sistemler ise gri sistemler (Yamaguchi ve diğerleri, 2007: s.401). Sonuç olarak,
olarak tanımlanırlar. gri sistem teorisi belirsiz ve yarı karmaşık konular-
la ilgilenmektedir. Gri sistem teorisi, belirsizliğin ve
Bilinen bilgi miktarına bağlı olabilecek biçimde de yarı karmaşıklığın sayılaştırılmasında alternatif bir
sistemler seçilebilirler. Bu bilgilere bağlı olarak, sis- yöntem olabilmektedir. Bu teori, olasılık ve bulanık
temlerin bilgi eksikliği için aşağıdaki dört olasılık yöntemlerle çözülemeyen belirsizlik durumlarının
mümkün olmaktadır. Bunlar (Lin ve diğerleri, 2004: modellenmesini sağlamaktadır. Bundan dolayı, gri
s.197; Liu ve Lin,2006: s.4; ; Wen, 2004: s.5); sistemle bulanıklık arasındaki temel farklılık kavram-
ların ifade ettiği anlamlardan kaynaklanmaktadır.
• Temel bilgi unsurları veya öğelerin (parametre-
lerin) eksikliği, Gri sistem teorisinin disiplinler arası yöntemlerle
• Yapısal bilgi eksikliği, olan farklılıklarını, farklı özellikleri ve farklı bakış
açılarına göre aşağıdaki Tablo 1.’de görüldüğü gibi
• Alt ve üst sınırlardaki bilgi eksikliği,
özetlenebilir.
• Faaliyet işleyişi tarzı, davranış ve durum bilgi
eksikliğidir.
Tablo 1. Disiplinlerarası Farklılıkların Bakış Açılarına Göre Karşılaştırılması
İstatistik Bulanık teori Gri teori
Sınırsız büyüklükte veri- Yetersiz veri-çok belirgin
Eksik tanımlama
Temel kavramlar rassallık ilkeleri (Infinite olmama durumu (Not enough
(leakage recognition)
data – Random rules) data-not being very clears)
Matematiksel
Cantor kümesi Bulanık küme Hazy kümesi
yöntemler
Matematik
İstatistik Bulanık çıkarsama Oluşum ve İlişkiler
işlemleri
Veri sayıları Fazla sayıda (huge) Deneyimlere bağlı En az dört adet
Üyelik fonksiyonundan
Veri dağılımı Kendine özgü bir dağılım Herhangi bir veri dağılımı yok
yararlanır

Bu üç teori kıyaslandığı zaman, gri sistem teorisinin maktadır. Bir gri sayı, kesin değeri bilinmeyen ama
küçük örneklemlerle herhangi bir dağılım olmadan değerin içinde bulunduğu aralığın bilindiği bir sayı
belirsiz durumlara rahatlıkla uygulanabilecek olduğu olmaktadır. Çalışmalarda ve uygulamalarda genel-
görülmektedir (Liu ve Lin, 2006: s.7–8). Gri sistem teo- likle bir gri sayı, bir aralık veya genel sayılar kümesi
risi, istatistik ve bulanık teori yöntemleriyle çözüleme- olarak birkaç biçimde ifade edilmektedir.
yen problemlerin, sistemin birbirleriyle arasındaki iliş-
kileri ortaya koyarak analiz eden ve sistemin çözülme- Gri ilişkisel analiz, gri sistem teorisinin alt başlıkla-
sini sağlayan modelleme ve karar verme yöntemidir. rından birisi olarak bilimsel çalışmalarda yerini almış
olup bir derecelendirme, sınıflama ve karar verme
Gri sistem teorisinin temeli olan gri sayı ve özellikle- tekniğidir (Lin ve diğerleri, 2004: s.198; Wen, 2004:
rinin anlaşılabilmesi konunun sürecini belirlemekte- s.2–4; Yamaguchi ve diğerleri, 2007: s.401-402). Bu
dir. Bu sebeple, bazı temel kavramların iyi belirlen- sebeple gri bir sistem içerisinde, gri sistem teorisinin
mesi gerekmektedir. Her bir gri sistem gri sayılar, gri en önemli konusunun gri ilişkisel analiz olduğu ön
denklemler, gri matrisler vb. gösterimlerle tanımlan- plana çıkmaktadır.
sbd.anadolu.edu.tr 65
Gri İlişkisel Analiz ve Lojistik Regresyon Analizi ile İşletmelerde Finansal Başarısızlığın Belirlenmesi ve Bir Uygulama
Çok değişkenli istatistiksel analizlerde varsayımla- arasındaki ilişkilere eksik bilgi altında anlık bakarak
rın test edilmesiyle birlikte varsayımlarda oluşabilen dikkate almaktadır (Kung ve Yu, 2006: s.3). Çünkü
bozulmalar veya sapmalar sonucu gri ilişkisel analiz basit, belirli ve net hesaplama süreci ve adımlarından
sistem analizinde istatistiksel analiz tekniklerin yerine oluşmaktadır (Lu ve Wevers, 2007: s.48). Bu süreçte,
kullanılabilir. Örnek büyüklüğüne, dağılım tipine ve normallik, bütünlük, eş simetri ve yakınlık özellik-
istatistik analizlerinde kullanılan hesaplamalara göre lerinin sağlanması ile birlikte gri ilişkisel derece “Γ
çok az sayıda hesaplama işlemlerine ihtiyaç duyduğu ”hesaplanabilmektedir. Gri ilişkisel derecenin hesap-
için, gri ilişkisel analiz çalışmalarının her biri genellikle lanması için hesaplama adımları aşağıdaki biçimde
nicel ve nitel analiz arasında bir uyumla sonuçlanarak tanımlanabilir (Liu ve Lin, 2006: s.95–99; Wen, 2004:
sistemin doğru belirlenmesini sağlayabilmektedir. s.50–52; Xuerui, 2004: s.355–357).
Gri ilişkisel analiz az miktarda örneklem mevcudu GİA Sürecinde Serilerin Belirlenmesi
ile diğer istatistiksel analiz teknikleriyle yapılan çalış-
“m” tane birim ve “n” tane değişkenin oluşturduğu
maların sonuçlarından daha iyi ve daha doğru sıra-
referans seri x (k) ve birbirleriyle karşılaştırılacak
lamayla sonuç vermiştir (Tong ve Lin, 2008). Gerçek 0
olan “m” tane birim ve “n” tane değişkenin oluşturdu-
yaşam problemlerinde oluşan bazı zorluklar istatis-
tik analizlerinde dikkate alınmadığı için, gri ilişkisel ğu faktör serileri x(k) belirlenir. Bunlar,
i
analiz bu zorlukları da veri işleyiş sürecinde faktörler
x (k)=(x (1), x (2), x (3),...,x (n)) k=1,2,...,n
0 0 0 0 0
xi(k)=(xi(1), xi(2), xi(3),...,xi(n)) k=1,2,3,...n i=1,2,3,...m n,m∈N biçiminde ifade edilirler.
x (k) : Referans faktör serisi, kıyas yapılacak olan seridir. Burada “0” referans parametresi,
0
x(k) : İncelenen faktör serisi, karşılaştırılacak olan seridir. “m” tane birim ve “n” tane değişkenden oluşan
i
seride “i” karşılaştırılma parametresidir.
Belirlenen faktör serilerindeki veriler gerekiyor ise Gri İlişkisel Katsayıların Belirlenmesi
standardize edilerek standart tek tip veri biçimine Belirlenen x (k) ve x(k) serilerine ait i’inci seri
0 i
çevrilebilir (Lin ve Tsai, 2005: s.97). ve k’ıncı sıradaki γ(x (k),x(k)) gri ilişkisel katsayı
0 i
hesaplanır. Gri ilişkisel katsayı,
Δ +ζΔ
γ(x0(k),xi(k))=Δ m(ikn)+ζΔmax k=1,2,3,...n i=1,2,3,...m n,m∈N formülü ile hesaplanır. Bu formülde,
0i max
Δ0i(k)= x0(k)−xi(k) Δmin=mini,k x0(k)−xi(k) Δmax=maxi,k x0(k)−xi(k) biçiminde tanımlanan eşitlikler yerine konulursa,
k=1,2,3,...n
min x (k)−x(k)+ζmax x (k)−x(k)
γ(x0(k),xi(k))= xi,k(k0)−x(k)i +ζmax xi,k(k0)−x(k)i i=1,2,3,...m formülü elde edilir.
0 i i,k 0 i n,m∈N
“ζ ” ayırıcı katsayıdır ve ζ∈[0,1] aralığında herhangi bir değer alınabilir.
Gri İlişkisel Derecelerin Hesaplanması Lojistik Regresyon
Bazı bilimsel araştırmalarda ilgilenilen değişken veya
Gri ilişkisel dereceler, gri ilişkisel katsayıların ortalaması olan,
değişkenler kategorik veya kesikli olarak ölçülmüş
1 n
Γ0i=n∑ γ ( x0(k),xi(k)) k=1,2,3,...n i=1,2,3,...m n,m∈N olabilmektedir. Doğada gözlenen olayların ve olu-
k=1 şumların bazıları ikili biçimde, bazıları üçlü biçim
formülü ile hesaplanır.
66
Cilt/Vol.: 12 - Sayı/No: 3 (63-82) Anadolu Üniversitesi Sosyal Bilimler Dergisi
de, bazıları ise çok sınıflı kategorik veya sıralı ölçekli ifade edilir (Tarı, 1999: s.234).
değerler olarak belirlenebilmektedir (Özdamar, 2004:
s.589–590). Bağımlı değişken ikili biçimde olduğu za- P i , Y i değerinin 1 olma yani olayın gerçekleşme ola-
man, lojistik regresyon analizi tercih edilebilir ve sınıf- sılığını, 1−P de, Y değerinin 0 olma yani olayın
i i
landırma amacıyla düşünülebilir alternatif bir yakla- gerçekleşmeme olasılığını gösterirse, beklenen de-
şım olarak dikkate alınması mümkün olabilmektedir
ğer tanımına göre, Ε(Y )=0(1−P)+1(P)=P
(Johnson ve Wichern, 2002: s.641). Çünkü lojistik i i i i
regresyon, sınıflandırma amacıyla kullanılması düşü- değeri bulunur. Burada P , X ’e bağlı olarak Y
i
nülen diğer istatistiksel tekniklerin varsayımlarının ’nin gerçekleşip gerçekleşmeme olasılığıdır. Bu da,
sağlanmadığı durumlarda çok daha sağlıklı sonuçlar Ε(Yi/Xi)=β0+β1Xi=Pi olarak ifade edilir (Gujarati,
verebilmektedir. Bu varsayımlar sağlanmış olsa bile,
2005: s.542). Koşullu olasılık değeri P , 0 ile 1 ara-
çoğu araştırmacı doğrusal regresyon modeline ben- i
sındadır.
zerliğinden dolayı lojistik regresyon analizini tercih
edebilmektedirler (Hair ve diğerleri, 1998: s.276; Ta- Doğrusal olasılık modeli bir regresyon modeli oldu-
bachnick ve Fidel, 1996: s.575). ğuna göre E.K.K. yöntemiyle tahmin edildiğinde bazı
sorunlarla karşılaşılır. Bunlar,
Doğrusal regresyon tekniğinde, bağımlı değişken
olarak kullanılan Y rassal değişkeninin, iki katego- • Hata teriminin normal dağılmaması
riyi gösteren 0 ve 1 değerlerini alan değişken olarak
• Hata teriminin değişen varyanslı olması
tanımlanması durumunda, birer rassal değişken olan
hata terimlerinin beklenen değeri sıfır Ε(ε)=0 ve Ε(Y /X ) 0- 1 aralığı dışında olması yani 0–1
• i i
varyanslarının sabit Var(εi)=σ2 olduğu biçiminde aralığında olma şartının sağlanamaması
tanımlanan varsayım sağlanmamaktadır. Hata te-
rimlerinin normal ε~N(0,!"2) dağıldığı biçimindeki • R2 değerinin genellikle küçük çıkarak ilişkinin
varsayımından sapma durumunda, en küçük kareler uyumunu gösteren bir ölçü olamaması
tekniğiyle elde edilen tahmin ediciler en iyi, doğru-
sal ve sistematik hatasız tahmin ediciler olmayacak • Ε(Yi =1/Xi)=Pi değerinin Xi ile doğrusal
ve regresyon denklemi elde edilse de fonksiyon pa- bağlı olarak arttığının varsayılması
rametrelerinin normal dağılım özelliklerinden ya-
biçimindeki sorunlar olabilir (Gujarati, 2005: s.552–
rarlanılarak hipotez testleri yapılamayacak ve güven
553). Bu sorunlardan birincisi için örneklem büyü-
sınırları oluşturulamayacaktır (Özdinç, 1999: s.105).
tülür ve normal dağılıma yaklaşımı sağlanır. İkincisi
Ayrıca gereksiz hiçbir bağımsız değişken modelde
için ağırlıklı E.K.K. yöntemi kullanılarak değişen var-
yer almamalıdır ve bağımsız değişkenlerle bağımlı
yans sorunu çözülebilir. Üçüncü ve beşinci sorunu
değişken arasındaki ilişki doğrusal olmalıdır. Ancak
giderebilecek bir çözüm olmadığından böylesi bir
bağımlı değişkenin ikili veya çoklu kategorik olması
durumla karşılaşılmaması için olasılık değerinin çe-
durumunda bu varsayımlar sağlanmamaktadır. Bu
durum, doğrusal regresyon tekniğinin kullanılması- şitli dönüşümlerle (−∞, +∞) arasında tanımlı hale
nı engellemektedir. Böylece ele alınan sınıflandırma getirilmesi gerekir. Bu amaçla geliştirilen dönüşüm-
analizlerinden Lojistik Regresyon Analizinin kulla- lerden en yaygın olanı lojit ve probit dönüşümlerdir
nılması uygun istatistik analiz tekniği olacaktır (Al- (Tatlıdil, 1996: s.292). Dönüşümler sonucu geliştiri-
bayrak, 2006: s.439; Hair ve diğerleri, 1998: s.244). len bu iki model, hem P i , 0 ile 1 arasında olma şartını
sağlayabilmekte hem de P ile X arasındaki ilişkiyi
i i
Genel olarak basit doğrusal regresyon modeli doğrusallıktan kurtarabilmektedirler.
Yi=β0+β1Xi+εi ele alırsak, bağımlı değişken Y ’yi, X
Lojistik dağılım (birikimli) fonksiyonu olarak isimlendirilen
bağımsız değişkenlerinin doğrusal bir fonksiyonu ola-
1
rak gösteren bu modellere doğrusal olasılık modelleri Pi , Pi =Ε (Y =1/X i)=1+e − ( β 0 + β 1 X i ) ( e = 2 . 7 1 82 )
denir. Çünkü Y ’nin X için koşullu beklenen değeri-
nin Y ’nin X için koşullu olasılığına eşit olmasından eşitliğiyle gösterilmektedir. Burada β0+β1Xi=Zi alır-
kaynaklanmaktadır. 0- 1 arasında olasılık değeri alan sak, P = Ε ( Y = 1 / X ) = 1 ile g ö s t e r i l m e k t edir
bu durum, Ε(Yi/Xi)=P(Y=1/Xi)=β0+β1Xi+εi biçiminde i i 1+e−Zi
sbd.anadolu.edu.tr 67
Gri İlişkisel Analiz ve Lojistik Regresyon Analizi ile İşletmelerde Finansal Başarısızlığın Belirlenmesi ve Bir Uygulama
Exp(β)
(Akın, 2002: s.22; Albayrak, 2006: s.446). Burada Z , ba- Her bir parametrenin değeri Odds oranı ola-
i
ğımsız değişkenlerin doğrusal birleşimidir. β ’lar regres- rak alınır ve Y değişkeninin X değişkeninin etki-
k
yon katsayılarıdır. P , X ’e bağlı olarak Y ’nin ger- siyle kaç kat daha fazla veya yüzde kaç oranda fazla
i
çekleşip gerçekleşmeme olasılığıdır. Zi (−∞, +∞) gözlenme olasılığına sahip olduğunu belirtir. βk
arasında değişirken, Pi ’de, 0 ile 1 arasında değerler katsayısının önemliliği aynı zamanda Odds oranının
almakta ve Pi ile Zi arasındaki ilişki doğrusal olma- da önemliliği olarak değerlendirilir. Odds oranı de-
maktadır. Böylece, bu bölümde yukarı paragraflarda ğerleri yorum yapılırken katsayılara göre daha fazla
belirtilen sorunlardan üçüncü ve beşinci sorunu gi- önemli olmaktadır. Odds oran değeri 1’e yakın ise de-
derebilecek bir çözüm, hem 0≤ P ≤1 olma şartı ğişkenler Y ’nin değişimine önemli etkide bulunan
i
etkenler değildir. Bu değişkenlerin katsayıları önemli
hem de P ile Z arasındaki ilişkinin doğrusal ol-
i i değil ise, değişken önemli risk faktörü değil biçimin-
maması sağlanmış olur (Gujarati, 2005: s.554; Powers
de yorumlanır. Katsayı önemli olmak koşuluyla, 1’den
ve Xie, 2000: s.49–50).
büyük Odds oran değerleri değişkenin önemli bir risk
Lojistik regresyon analizinde, P ’nin 0 ile 1 arasında faktörü olduğu yorumu yapılır. Sıfıra yakın değerler
i
olasılık değeri almasını sağlayacak Şekil 1.’deki gibi ise katsayı önemli olmak koşuluyla değişkenin önem-
bir S- şekilli (sigmoid) eğri fonksiyon biçimi olarak li bir risk faktörü olduğunu fakat Y ’nin düşük de-
kullanılır (Dielman, 2001: s.570). ğerler almasına sebep olduğu negatif etkili bir faktör
olduğunu belirtir (Özdamar, 2004: s.591-596).
P ’nin 1−P ye oranı olan Odds oranını, yani olayın
i i
gerçekleşme olasılığının olayın gerçekleşmeme olası-
lığına oranının e tabanına göre doğal logaritmasını
⎛ P ⎞
alırsak, L = l n i = l n e Z i = Z elde edilir. Burada
i ⎝⎜1−P⎠⎟ i
i
Z =β +βX dir. L ’ye logit denir. Logit model,
i 0 1 i i
yarı logaritmik bir modeldir (Tarı, 1999: s.238). Ora-
Şekil 1. Lojistik Regresyon Eğrisi nın logaritması Li yalnız X ’e göre değil ana kütle
Kaynak: ( Hair ve diğerleri, 1998: 277; Dielman, 2001: 571) katsayılarına göre de doğrusaldır (Freund ve Wilson,
1998: s.384; Hosmer ve Lemeshow, 2000: s.6).
P = 1 ifadesinin her iki tarafını da 1+e−Zi Bu özellikler doğrultusunda belirlenen logit model
i 1+e−Zi ile yapılan lojistik regresyon analizinde, parametreler
ifadesiyle çarptıktan sonra Pi ile bölünürse, tahmin edilerek uyum iyiliği istatistikleri hesaplanır.
e−Zi = 1 −1 ⇒ Pi =eZi elde edilir. İncelenen iki Bu istatistikler sonucunda Zi değerleri bulunduktan
Pi 1−Pi sonra Pi ve 1−Pi olasılık değerleri bulunarak kritik
farklı olayın Pi ve 1−Pi değerlerinin birbirine ora- olasılık değeriyle karşılaştırılır. Eğer P olasılık değeri
nına aynı zamanda Odds oranı (bahis oranı-üstün- i
kritik değerden büyük ise bağımlı değişken “1”, küçük
lük oranı) da denir (Albayrak, 2006: s.445; Pindyck
ise bağımlı değişken “0” değeri olarak kabul edilir.
ve Rubinfeld, 1991: s.260). Lojistik regresyon denk-
Daha sonra, bu öngörü değerleri gerçek değerlerle
leminde Odds oranı eZi veya Exp(β) olarak ifade karşılaştırılır ve gerçek değeri “1” olanlar “1”, “0” olan-
edilir ve bir olasılık oranıdır. Olasılık oranı, bir ola- lar “0” bulunmuş ise bu öngörü değerleri doğru, diğer
yın gerçekleşmesi olasılığıyla söz konusu olayın ger- durumlarda bulunan öngörü değerleri yanlış kabul
çekleşmemesi olasılığını karşılaştırır. Böylece lojistik edilerek lojistik regresyon modelinin öngörme gücü
regresyon modeli, olasılık oranının doğal logaritması belirlenerek sınıflandırma tablosu oluşturulur. Sonuç
alınarak elde edilir (Berenson ve Levine, 1996: s.837). bölümünde de yorumlar veya öngörüler yapılabilir.
Odds oranı ve olasılıklar aynı durumu farklı açılar-
dan göstermektedirler.
68
Cilt/Vol.: 12 - Sayı/No: 3 (63-82) Anadolu Üniversitesi Sosyal Bilimler Dergisi
Uygulama ve Bulgular
Finansal başarısızlık tanımı değişik çalışmalarda, Finansal başarısızlık öngörü çalışmalarında, finansal
farklı biçimlerde tanımlanabilmektedir. Literatürde başarısızlığa uğramış işletmelerle başarısız olmayan
de yer alan farklı finansal başarısızlık tanımları bu- işletmelerin finansal oranları kullanarak çalışılmak-
lunmaktadır. Bu sebeple finansal başarısız ve finansal tadır. Bu çalışmalarda finansal oranlar, temel iki
başarısız olmayan işletmelerin belirlenmesi için çeşit- finansal tablo olan bilanço ve gelir tablosundan ya-
li tanımlamaların ele alınması mümkün olmaktadır. rarlanılarak hazırlanmaktadırlar. Finansal oranlar
hesaplanırken, bu tabloların bütünü ele alındığı için
Yurtdışı çalışmalarda kullanılan finansal başarısızlık
finansal tabloların bünyesinde bulunan kalemler ara-
tanımlamalarına ek olarak ülkemizde yapılan çalış-
sındaki tüm ilişkiler ortaya çıkmaktadır. Uygulamada
malara bakıldığında, finansal başarısızlık tanımla-
en çok kullanılan, işletmelerin finansal olarak yeter-
ması çalışmada; işletmenin üst üste üç yıl zarar açık-
liliklerini ve başarısızlık çalışmalarındaki durumları-
laması, üretimini durdurması, uzun süre zarar açık-
nı belirlemeye yarayan bu finansal oranları, likitide
ladığı için satılarak devir edilmesi veya iflas etmesi
oranları, finansal yapı oranları, faaliyet oranları ve
olarak tanımlanmıştır. Çalışmada uygulamanın aynı karlılık oranları olmak üzere dört ana grupta göster-
sektöre ait işletmelere yapılması düşünüldüğü için, iş- mek mümkündür. İşletmelerde finansal başarısızlığı
letmelerin başarısız olup olmama kriterlerine bakıla- öngören çalışmaların bir çoğunda, finansal başarı-
rak yeterli işletme sayısına ulaşılamama ve belirlenen sız olan ve finansal başarısız olmayan işletmeler için
bu işletmelere ilişkin verilerin sağlanamaması sebe- farklılık gösteren finansal oranların seçilmesi, her za-
biyle işletmelerde finansal başarısızlık tanımı geniş man analize dahil edilen konulardan olmuştur. Bu se-
beple, daha önceki finansal başarısızlık çalışmalarına
kapsamlı tutulmuştur. Finansal başarısızlık için ya-
konu olmuş ve bağımsız değişken olarak analize alın-
pılacak her türlü tanım, finansal başarısızlık öngörü-
mış finansal oranların, işletmelerin finansal durum-
süne yönelik çalışmalarda önemli rol oynamaktadır.
larını açıklamaya yeterli olanları seçilmeye çalışıl-
Çünkü finansal başarısızlığın tanımına bağlı olarak
mıştır. İşletmelerin finansal durumlarını belirlemek
iflas etmiş işletme sayısı değişebilecektir. Öngörü ça-
için teorik olarak onlarca oran hesaplanabileceği gibi,
lışmalarında kullanılacak olan örneklemi oluşturacak
bu oranların içerisinden literatürde kabul görmüş
veri kümesi, bu değişen tanım kapsamında çok ciddi ve önemli kabul edilen toplam 21 tane finansal oran
farklılıklar görülebilecektir. belirlenmiştir. Çalışmada kullanılan finansal oranlar
Tablo 2.’de gösterilmiştir.
Tablo 2. Çalışmada Kullanılan Finansal Oranlar ve Değişken İsimleri
Değişkenler Oranlar Değişkenler Oranlar
x x Maddi Duran Varlık (Net) / Yabancı
1 Satılan Malın Maliyeti / Net Satışlar Oranı 12 Kaynaklar Toplamı Oranı
x x Uzun Vadeli Yabancı Kaynaklar / Kaynak
2 Net Kar / Varlık (Aktif) Toplamı Oranı 13 (Pasif) Toplamı Oranı
x Dönen Varlıklar / Varlık (Aktif) Toplamı x Kısa Vadeli Yabancı Kaynaklar / Kaynak
3 Oranı 14 (Pasif) Toplamı Oranı
x Maddi Duran Varlık (Net) / Varlık (Aktif) x
4 Toplamı Oranı 15 Öz Sermaye / Varlık (Aktif) Toplamı Oranı
x x
5 Stoklar / Dönen Varlıklar Oranı 16 Asit-Test Oranı
x x
6 Stok Bağımlılık Oranı 17 Nakit Oranı
x x Yabancı Kaynaklar Toplamı / Varlık (Aktif)
7 Stoklar / Varlık (Aktif) Toplamı Oranı 18 Toplamı Oranı
x x
8 Maddi Duran Varlıklar Devir Hızı 19 Cari Oran
x Kısa Vadeli Finansal Borçlar / Kısa x
9 Vadeli Yabancı Kaynaklar Oranı 20 Net Kar / Öz Sermaye Oranı
x Toplam Finansal Borçlar / Varlık (Aktif) x
10 Toplamı Oranı 21 Net Kar / Net Satışlar Oranı
x Kısa Vadeli Yabancı Kaynaklar / Yabancı
11 Kaynaklar Toplamı Oranı

sbd.anadolu.edu.tr 69
Gri İlişkisel Analiz ve Lojistik Regresyon Analizi ile İşletmelerde Finansal Başarısızlığın Belirlenmesi ve Bir Uygulama
Finansal oranların elde edilmesinde, İMKB bün- sebeple, çalışmada kullanılacak finansal oranlar be-
yesindeki tekstil ve deri sektöründe işlem gören 35 lirlenirken, finansal başarısız olmayan olarak kabul
işletmenin 2002-2009 yıllarına ait İMKB internet edilen işletmelerin de başarısız olmayan yılları 2008
sayfasında yayınlanan bilanço ve gelir tablolarından yılı olarak kabul edilmiştir. Böylece, her iki finansal
yararlanılmıştır. 2003 yılında bilanço ve gelir tablo- durumun belirlenmesinde 2008 yılı ortak yıl olarak
larındaki standart düzeni oluşturabilmek amacıyla, alınmıştır. Çalışmanın uygulama kısmında kullanılan
enflasyon düzeltme işlemlerinin başlamasından do- ve İMKB’nin ulusal, ikinci ulusal ve gözaltı pazarında
layı veri setini oluşturmaya bu yıldan itibaren başla- işlem gören tekstil ve deri sektörüne ait 35 işletmenin
nılmıştır. ticaret ünvanları ve kategorik biçimde iki sınıflı nitel
ölçülen finansal başarısızlık durumları Tablo 3.’de ve-
Çalışmada finansal başarısızlık yılları belirlenirken rilmiştir.
bazı işletmelere ait özellikler dikkate alınmıştır. Bu
işletmelerin dışında kalan ve finansal olarak başarısız Tablo 3.’de finansal başarısız kabul edilen işletmeler
kabul edilmiş diğer işletmeler finansal başarısızlık ta- “0” ile, finansal başarısız olmayan kabul edilen işlet-
nımlamasına uygun olarak seçilmişler ve söz konusu meler ise “1” ile gösterilmiştir. Tablo 4.’de ise tekstil
işletmeler Tablo 4.’de gösterilmiştir. Seçim sonrası en ve deri sektöründeki işletmelerin finansal başarısızlık
fazla başarısız işletme sayısı 2008 yılında belirlendi- yılları görülmektedir.
ği için başarısızlık yılı olarak 2008 yılı alınmıştır. Bu
Tablo 3. Çalışmada Kullanılan İşletmeler ve Finansal Başarısızlık Durumları
İŞLETMELER DURUM
Ak-Al Tekstil Sanayi A.Ş. 0
Aksu İplik Dokuma Ve Boya Apre Fabrikaları Ticaret A.Ş. 0
Altınyıldız Mensucat Ve Konfeksiyon Fabrikaları A.Ş. 1
Arat Tekstil Sanayi Ve Ticaret A.Ş. 0
Arsan Tekstil Ticaret Ve Sanayi A.Ş. 0
Akın Tekstil A.Ş. 0
Berdan Tekstil Sanayi Ve Ticaret A.Ş. 0
Bisaş Tekstil Sanayi Ve Ticaret A.Ş. 0
Bossa Ticaret Ve Sanayi İşletmeleri Ticaret A.Ş. 1
Birlik Mensucat Ticaret Ve Sanayi İşletmeleri A.Ş. 1
Boyasan Tekstil Sanayi Ve Ticaret A.Ş. 1
Ceylan Giyim Sanayi Ve Ticaret A.Ş 1
Ceytaş Madencilik Tekstil Sanayi Ve Ticaret A.Ş 0
Derimod Konfeksiyon Ayakkabı Deri San.Ve Ticaret A.Ş. 1
Desa Deri Sanayi Ve Ticaret A.Ş. 1
Edip İplik Sanayi Ve Ticaret A.Ş. 0
Esem Spor Giyim Sanayi Ve Ticaret A.Ş. 0
Gimsan Gediz İplik Ve Mensucat Sanayi A.Ş. 0
İdaş İstanbul Döşeme Sanayi A.Ş. 1
Kordsa Global Endüstriyel İplik Ve Kord Bezi Sanayi Ve Ticaret A.Ş. 1
Koniteks Konfeksiyon Endüstri Ve Ticaret A.Ş. 0
Karsu Tekstil Sanayi Ve Ticaret A.Ş. 1
Lüks Kadife Ticaret Ve Sanayi A.Ş. 1
Mensa Mensucat Sanayi Ve Ticaret A.Ş. 0
Menderes Tekstil Sanayi Ve Ticaret A.Ş. 1
Metemteks Tekstil Sanayi Ve Ticaret A.Ş. 0
Okan Tekstil Sanayi Ve Ticaret A.Ş. 0
Söktaş Tekstil Sanayi Ve Ticaret A.Ş. 1
Sönmez Pamuklu Sanayi A.Ş. 1
Sönmez Filament Sentetik İplik Ve Elyaf Sanayi A.Ş. 0
Tümteks Tekstil Sanayi Ve Ticaret A.Ş. 1
Uluslararası Konfeksiyon İmalat Ve Ticaret A.Ş. 0
Vakko Tekstil Ve Hazır Giyim Sanayi İşletmeleri A.Ş. 1
Yataş Yatak Ve Yorgan San. Ticaret A.Ş. 1
Yünsa Yünlü Sanayi Ve Ticaret A.Ş. 1

70
Cilt/Vol.: 12 - Sayı/No: 3 (63-82) Anadolu Üniversitesi Sosyal Bilimler Dergisi
Tablo 4. Çalışmada Kullanılan İşletmeler ve Finansal Başarısızlık Durumları
İŞLETMELER BAŞARISIZLIK YILI
Ak-Al Tekstil Sanayi A.Ş. 2006
Aksu İplik Dokuma Ve Boya Apre Fabrikaları T.A.Ş. 2008
Arat Tekstil Sanayi Ve Ticaret A.Ş. 2007
Arsan Tekstil Ticaret Ve Sanayi A.Ş. 2008
Akın Tekstil A.Ş. 2008
Berdan Tekstil Sanayi Ve Ticaret A.Ş. 2008
Bisaş Tekstil Sanayi Ve Ticaret A.Ş. 2007
Ceytaş Madencilik Tekstil Sanayi Ve Ticaret A.Ş. 2009
Edip İplik Sanayi Ve Ticaret A.Ş. 2008
Esem Spor Giyim Sanayi Ve Ticaret A.Ş. 2006
Gimsan Gediz İplik Ve Mensucat Sanayi A.Ş. 2008
Koniteks Konfeksiyon Endüstri Ve Ticaret A.Ş. 2006
Mensa Mensucat Sanayi Ve Ticaret A.Ş. 2008
Metemteks Tekstil Sanayi Ve Ticaret A.Ş. 2008
Okan Tekstil Sanayi Ve Ticaret A.Ş. 2008
Sönmez Filament Sentetik İplik Ve Elyaf Sanayi A.Ş. 2008
Uluslararası Konfeksiyon İmalat Ve Ticaret A.Ş. 2008

Çalışmada Kullanılan Finansal Oranların
Tamamına Uygulanan Lojistik Regresyon
Analizi ve Sonuçları
Analizde, bağımsız değişkenlerin modele eklen- değişkenler, oluşturulacak modele sırasıyla eklenir ve
mesiyle bağımlı değişkenin varyansını açıklamada model değerlendirilerek en az sayıda değişken yardı-
önemli artış sağlayan değişkenleri belirlemek için mıyla model açıklanmış olmaktadır.
forward-stepwise (conditional) yöntemi yardımıyla
bağımlı değişkeni açıklayacak en iyi modelin belir- Burada amaç, işletmeleri finansal başarısız ve başarı-
lenmesi amaçlanmıştır. Bu sebeple, modele eklene- sız olmayan olarak sınıflandırmaya yardımcı olacak
cek değişkenlere otomatik olarak karar vermek ve ve işletmelerin finansal başarısızlıklarını açıklayacak
değişken seçiminde Likelihood Oran Testi’ni (ki-kare en iyi modeli belirlerken her bir bağımsız değişkenin
farkı) kullanan forward-stepwise yönteminin her bir bağımlı değişken üzerindeki etki düzeyini ölçecek
aşamasında Log-Likelihood değerinde en büyük de- modeli tahmin etmektir. Çeşitli kriterlere göre de-
ğişimi yaratan değişken, istatistiksel olarak anlamlı ve ğerlendirildiğinde analiz sonuçları aşağıdaki biçimde
en önemli değişken kabul edilmektedir. Bağımsız oluşmuştur.
Tablo 5. Lojistik Regresyon Analizi Sonuçları
Forward-Stepwise (conditional) Yöntemi İle Lojistik Regresyon Analizi Sonuçları
Standart Serbestlik Anlamlılık Exp(B)=Odds
Logit B hata Wald derecesi düzeyi oranı
Adım 1a x1 -11,374 4,446 6,544 1 ,011 ,000
Sabit 10,472 4,092 6,549 1 ,010 35307,730
Adım 2b x1 -14,499 5,463 7,043 1 ,008 ,000
x21 -14,957 5,997 6,221 1 ,013 ,000
Sabit 14,698 5,263 7,800 1 ,005 2417117,500
Adım 3c x1 -25,862 11,753 4,842 1 ,028 ,000
x15 5,027 2,780 3,269 1 ,071 152,429
x21 -22,382 10,197 4,818 1 ,028 ,000
Sabit 22,907 10,364 4,885 1 ,027 8881977732,5
a. Adım 1'de modele giren değişken: x1
b. Adım 2'de modele giren değişken: x21
c. Adım 3'de modele giren değişken: x15

x,x ,x
Üçüncü adımda diğer bağımsız değişkenler sabitken modele giren değişkenlerin olduğu ve finan-
1 15 21
sal durumu açıklama da etkili oldukları görülmektedir.
sbd.anadolu.edu.tr 71
Gri İlişkisel Analiz ve Lojistik Regresyon Analizi ile İşletmelerde Finansal Başarısızlığın Belirlenmesi ve Bir Uygulama
Tablo 6. Olabilirlik Oran Değişim Tablosu
Olabilirlik Oran Değişim Tablosua
Model Log -2 Log Likelihood Serbestlik Değişimin
Değişkenler Likelihood değerindeki değişim derecesi anlamlılık düzeyi
Adım 1 x1 -24,246 12,650 1 ,000
Adım 2 x1 -20,489 14,010 1 ,000
x21 -18,854 10,740 1 ,001
Adım 3 x1 -18,947 18,513 1 ,000
x15 -13,676 7,971 1 ,005
x21 -15,676 11,970 1 ,001
a. Parametre Tahmin Koşullarına Dayanarak

İşletmelerin finansal durumları üzerinde etkili olan zeylerini göstermektedir. En iyi modelin seçiminde,
x1,x15,x21 değişkenlerini ve bu değişkenlerin üçüncü adımda en etkili x1,x15,x21 değişkenleri-
nin model seçiminde önemli bir etkiye sahip olduk-
-2LogLikelihood (−2LogL) değerinde meydana ge-
ları görülmektedir.
tirdikleri değişimle birlikte değişimin anlamlılık dü-
Tablo 7. Model Katsayılarının Genel Anlamlılık Testi
Model Katsayılarının Genel Anlamlılık Testi
Ki-Kare Serbestlik derecesi Anlamlılık düzeyi
Adım 1 Adım 12,650 1 ,000
Blok 12,650 1 ,000
Model 12,650 1 ,000
Adım 2 Adım 8,874 1 ,003
Blok 21,524 2 ,000
Model 21,524 2 ,000
Adım 3 Adım 7,586 1 ,006
Blok 29,110 3 ,000
Model 29,110 3 ,000

−2LogL istatistiği lojistik regresyon katsayılarının dağılımına uymaktadır. Bu sebeple, sıfır hipotezini
anlamlılıklarının test edilmesinde de kullanılmakta- test etmek için, modelin ki-kare değeri olan 29,110
dır. Test için geçerli olan sıfır ve karşıt hipotezler aşa- değeri ve bu değerin anlamlılık düzeyi olan 0,000 ‘a
ğıdaki biçimde yazılmaktadır: bakılır. Anlamlılık düzeyi P<0,05 olduğu için tüm
H :(B )=(0) katsayıların sıfıra eşit olduğunu ifade eden sıfır hipo-
0 n tezi reddedilir ve belirlenen modelin katsayılarının
H :(B )≠(0) anlamlı olduğu belirlenir. Sıfır hipotezinin reddedil-
1 n
mesi, bağımlı değişken olan finansal durumun en az
χ2 bir tane bağımsız değişken olan finansal oranla açık-
Belirlenen bu hipotezler, ki-kare “ ” fark testleri
landığını gösterir. Tahmin edilen model genel olarak
kullanılarak test edildiği için, lojistik regresyon mo-
anlamlıdır ve modelde yer alan bağımsız değişkenler-
delinin −2LogL istatistikleri arasındaki fark, mo-
den en az birisinin bağımlı değişken üzerinde etkili
dellerin serbestlik dereceleri arasındaki farkla ki-kare
olduğu görülmektedir.
72