۲ با ۳

۴٫۵۴۶-

تایید H₁

دو سال قبل از وقوع

۱ با ۲

۰

تایید H₀

۱ با ۳

۰٫۴۲۲

تایید H₀

۲ با ۳

۰٫۴۲۲

تایید H₀

همان گونه که در جدول پیداست بین نتایج سه گروه بدست آمده در یک سال قبل از وقوع تفاوت معنی دار وجود دارد، درحالی‌که در دو سال قبل از وقوع بین نتایج تفاوت معنی داری وجود ندارد.
۴-۳- تحلیل نتایج
با توجه به نتایج به دست آمده در سه گروه می‏توان تحلیل‏های ذیل را ارائه نمود:
شرکت‏های صنایع غذایی و دارویی با توجه به ساختاری که دارند، در صورت ضعف در عملکرد و عدم توانایی در برطرف کردن نیاز مشتریان، با گذشت زمان و به طور مستمر آن‌ها را از دست می‏دهند و این موضوع به طور مستقیم در شاخص‏های مالی آن‏ها نمود پیدا می‏کند و به همین دلیل عملکرد مالی آن‏ها می‏تواند شاخصی برای پیش بینی وضعیت آتی آن‏ها باشد.

در مورد شرکت‏های گروه دوم باید گفت با توجه به نوسانات قیمت‌های فلزات اصلی و قیمت ارز تا حدودی پیش بینی بحران‌های مالی این گروه سخت‏تر می‏گردد. همچنین پایین بود نقطه انقطاع این گروه که ناشی از پایین بودن امتیاز کارایی شرکت‌های موجود در نمونه در سال وقوع است، باعث به وجود آمدن نتایج جاری شد و ممکن است در نمونه‏های دیگری که مورد آزمون قرار می‏گیرد، نتیجه کمی متفاوت باشد.
نوسانات قیمت نفت و قیمت ارز، بر روی شرکت‌هایی که ماده اولیشان نفت است و یا کالاهای وارداتی رقیب دارند به شدت تاثیر گذار است. نوسانات شدید قیمت نفت در بازه ده ساله‏ای که قلمرو زمانی این پژوهش می‏باشد، باعث عدم ثبات در شرکت‌های گروه دوم و سوم شده و شاید به همین دلیل مدل مورد استفاده در پژوهش که ورودی اصلیش شاخص‏های مالی است، عملا قدرت زیادی در تخمین وضعیت و بحران‌های مالی این دو گروه نداشته است.
۴-۴- خلاصه نتایج
همان‌گونه که در سه فرضیه اول مشاهده می‏گردد، مدل استفاده شده در این پژوهش، توانایی پیش بینی شرکت‏های بحران زده و در آستانه ورشکستگی قرار گرفته صنایع غذایی و دارویی تا دو سال قبل از وقوع را دارا می‏باشد، (مدل در سطح اطمینان ۹۵ درصد تا دو سال قبل از وقوع توانایی پیش بینی بیش حداقل ۵۰ درصد شرکت‏های ورشکسته را به درستی داراست) و این در حالی است که در مورد شرکت‏های صنایع شیمیایی و پتروشیمی یک سال قبل از وقوع توانایی پیش بینی وجود دارد. و در مورد شرکت‏های صنایع فلزی و خودرو و ماشین آلات مدل توانایی خوبی برای پیش بینی شرکت‏های ورشکسته ندارد و در مقابل عملکرد بهتری در پیش بینی شرکت‏های سالم داشته است.
همچنین در مورد فرضیه چهارم باید گفت بین نتایج گروه‌ها اختلاف وجود دارد و همان طور که مشاهده شد قدرت مدل در تفکیک پذیری شرکت‏های ورشکسته در گروه اول بیشتر از دو گروه دیگر بود، در نتیجه می‏توان گفت برای عملکرد بهتر مدل و برای مشخص شدن اینکه مدل در مورد چه نوع شرکت‏هایی عملکرد بهتری دارد، به گروه بندی شرکت‏ها نیاز است.
فصل پنجم
نتیجه گیری و پیشنهادها
فصل پنجم- نتیجه گیری و پیشنهادها
مقدمه
بحران‏های مالی و وضعیت‌هایی چون ورشکستگی همواره گروه های مختلف ذی‌نفع مانند سهامداران، کارکنان و مدیران و مشتریان و … شرکت‏ها را تحت تاثیر قرار می‏دهد و بر روی شاخص‌های کلان اقتصادی تاثیر می‏گذارد؛ در چنین شرایطی پیش بینی وضعیت مالی آتی شرکت‏ها به شدت مورد توجه پژوهشگران مالی می‏باشد.
در گذشته تحقیقات مختلفی در زمینه پیش بینی ورشکستگی انجام شده و در آن‏ها از ابزارهای مختلفی استفاده گردیده که اهم آن‏ها در فصل ۲ بیان گردید. هرکدام از این تحقیقات دارای نقاط ضعف و قوت خاص خود بودند. ولی در زمینه پیش بینی ورشکستگی با بهره گرفتن از مدل تحلیل پوششی داده‌ها تحقیقات کمی علی‏الخصوص در ایران انجام گرفته است. در این پژوهش سعی شد تا جنبه جدیدی در استفاده از این مدل برای پیش بینی ورشکستگی انجام گیرد؛ تقسیم شرکت‏ها به زیرگروه‏های همگن و استفاده از یک روش آماری برای کاهش بعد، جهت عملکرد بهتر مدل در این گروه‏ها، که عملا باعث افزایش تعمیم پذیری مدل می‏شود، برای نخستین بار در این پژوهش انجام گرفت.
در این فصل به نتایج بدست آمده در این پژوهش و مقایسه آن با کارهای مشابه انجام گرفته پرداخته می‏شود.
۵-۱- نتیجه‌گیری پژوهش
همان گونه که در فصل۲ بیان گردید، تا کنون روش‌ها و مدل‌های مختلفی همچون آلتمن، روش تشخیصی چندگانه، شبکه های عصبی مصنوعی و … برای پیش بینی ورشکستگی مورد استفاده قرار گرفته و نتایج متفاوتی هم بدست آمده است؛ برخی روش‌ها نتایج خوبی به بار آورده‏اند و برخی نیز در امر یک پیش بینی موفق ناکام بوده‏اند.
استفاده از مدل استفاده از تحلیل پوششی داده‌ها با بهره گرفتن از امتیاز کارایی یک روش نوپا برای پیش بینی ورشکستگی محسوب می‌شود و در این مدت کم حاوی نتایج موفقیت آمیز و ناکام در این امر بوده است و بنابراین نیاز به تحقیقات بیشتری برای بررسی توان این مدل احساس می‏شد.