伴隨著東北老工業基地的建設熱潮，遼寧省高校抓住國家教育體制改革深化發展的機遇在各方面取得了長足進步。但是為了獲得競爭優勢，絕大多數高校超常規發展、大規模舉債辦學也是不爭的事實。在市場經濟體制構建的全社會共享的高風險、高收益的經營機制中，高校財務面臨著前所未有的復雜局面。
面對該情況，一方面各高校應建立針對市場環境的風險評價機制，培養對風險了解、感知、度量、決策、管理和控制的能力，做到提前防控風險，及時化解財務危機，并盡力在風險中捕捉到最大限度的資本利差。另一方面作為政府教育和財政部門也應采取積極行動來控制和防范高校財務風險。好比財務狀況不佳的上市公司會被監管部門“ST”、“PT”一樣，借鑒資本市場監管的經驗，教育和財政部門也應對所管理的高校進行財務風險的評價和預警，提高教育國有資產的使用效率和效益。
一、評價指標體系構成及常規評價
按照高校財務風險評價指標的設計原則，在遼寧省高校現有的財務管理和會計核算體系基礎上，參照較成熟的企業財務風險預警指標，設立的財務風險預警指標體系共計12個指標,分別是：流動比率：流動資產/流動負債；資產負債率：負債總額/資產總額；現實支付能力：年末貨幣資金/月均支出額；潛在支付能力：(年末貨幣資金+年末應收票據+年末借出款十年末債券投資一應付（預收）款一年末應繳財政專戶一年末應繳稅金)/月均支出額；收入負債比率：年末負債總額/總收入；自籌收入能力：自籌收入/總收入，自籌收入=事業收入+經營收入十附屬單位繳款十其他收入；經費自給比率：自籌收入/（事業支出+經營支出）；收入支出比率：總收入/總支出；凈資產收入比率：總收入/(期初凈資產十期末凈資產)/2；自有資金動用程度：（應收及暫付款+校辦企業投資+對外投資+借出款）/（事業基金+專用基金-一般基金）；凈資產增長率：（期末凈資產一期初凈資產）/期初凈資產；貨幣資金凈額增長率：（期末貨幣資金凈額增長率一期初貨幣資金凈額增長率）/期初貨幣資金凈額增長率。
對于具體高校的微觀財務管理而言，上述指標體系較全面地反映了高校可能存在的財務風險，計算簡便；對于政府部門的宏觀財務管理而言，上述指標數據均屬于對外報表數據，容易獲得，并且各高校間計量口徑一致，方便比較。
依據上述指標，常規上一般選用綜合評分法、功效系數法等主觀賦權法來評價高校的財務風險，根據歷史經驗或專家意見確定各指標的評價標準和權重。但是這樣的評價方法雖然操作簡單，卻無疑不夠嚴謹、缺乏科學性，評價結果也難免引起爭議。為了克服常規評價存在的問題，我們選擇因子分析法，進行高校財務風險的評價。
二、財務風險的因子分析評價法
遼寧省R高校2004-2007年財務數據報表如表1所示，利用SPSS13.0對R校的財務狀況進行分析。
表1 遼寧省R高校2004-2007 財務風險預警指標數據表
X1
X2
X3
X4
X5
X6
X7
X8
X8
X10
X11
X12
N
8.2077
0.3105
3.1680
2.3216
1.4980
0.7048
0.7509
1.0569
0.3077
0.1138
0.0479
-0.1449
2007
4.9681
0.3311
4.1266
2.4509
1.7924
0.7430
0.7811
1.0318
0.2823
0.1193
0.0458
-0.0537
2006
4.7261
0.3259
5.4535
3.1624
2.0071
0.6994
0.7634
1.0762
0.2830
0.1345
0.4236
0.6255
2005
23.4807
0.3759
2.9194
2.3716
1.6290
0.5223
0.7044
1.0099
0.3746
0.1372
0.0263
-0.1538
2004
注：X1—X12分別為本文第二部分所確定的高校財務風險預警指標體系中的十二項具體指標，N為年份。
x2、x5和x8是經濟效益的逆向指標，為了評價分析方便將其轉為正向指標，用指標的倒數代替原指標。對數據作標準化處理，并采用SPSS軟件作因子分析，結果如圖2-5所示。由得到的數據，不難得出如下結論：
由圖2可知，變量的共同度較高，除x8為75.7%,x5為82.9%外，其余各量的共同度都在88%以上，說明提取的因子已經包含了原始變量的大部分信息；由圖1可知，兩個主因子(F1,F2)的方差貢獻率分別為47 % 和46 %，合計達到93%。說明該組數據主要由這兩個因子決定；由圖3可知，主因子F1主要衡量償債能力，包括流動比率（X1），資產負債率（X2），自籌收入能力（X6），經費自給比率（X7），凈資產收入比率（X9）；主因子F2主要衡量財務運營效益，包括現實支付能力指標（X3），潛在支付能力指標（X4），收入負債比率（X5），凈資產增長率（X11），貨幣資金凈額增長率（X12）；而收入支出比率（X8）和自有資金動用程度（X10）兩個指標，則有償債能力因素也同時受財務運營效益的影響。
圖1 特征根和方差貢獻表
圖2 變量共同度
圖3 旋轉后的因子載荷矩陣
圖4 因子分系數矩陣
F1、F2及綜合指數S的數學表達式：
第一主因子：F1=-0.164zx1+0.186zx2+0.019zx3-0.039zx4+0.042zx5+0.186zx6+0.164zx7+0.092zx8-0.155zx9+0.197zx10-0.03zx11-0.028zx12（公式1）
第二主因子：F2=-0.006zx1-0.058zx2+0.157zx3+0.191zx4-0.177zx5-0.038zx6-0.009zx7+0.073zx8-0.018zx9-0.179zx10+0.183zx11+0.185zx12（公式2）
綜合指數：S =46.983%×F1+46.256%×F2（公式3）
根據公式1，可以計算出各年度的F1值，2007F1= 0.6614 ，2006F1= 0.6216， 2005F1= 0.1826，2004F1=-1.4657，F1排序為2007>2006>2005>2004；
根據公式2，可以計算出各年度的F2值，2007F2=-0.8515，2006F2= -0.2733，2005F2= 1.4484，2004F2=-0.3236，F2排序為2005>2006>2004>2007；
根據公式3，可以計算出各年度的S值，2007S=-0.0832，2006S=0.1656，2005S=0.7558，2004S=-0.8383，S排序為2005>2006>2007>2004。
通過上述實例分析，可以得出因子分析評價法的優勢如下：
第一，全面性的考慮。本文建立的高校財務風險預警指標體系共包括十二項具體財務指標，很難采用全部指標來實現對財務狀況的全面的判斷和比較，而只用部分指標又將造成信息嚴重損失。采用因子分析法，可以幫助發掘出數據中隱含的信息，找出了數據間的潛在聯系。
第二，有效性的考慮。在因子分析法下，由于對各個指標進行了標準化處理，使各種不同度量的財務指標轉化成了同度量的指標。同時，也消除了原始數據數量級上的差別，使各個財務指標之間具有可比性和可加性。另外，通過對綜合指數可以比較各組數據總體財務狀況的好壞；通過同一主因子得分可以比較各組數據在該項內容方面的優劣。因子分析能比較全面、細致地把握財務狀況，而且有利于尋找造成優劣的原因，為財務工作確定未來方向。
第三，客觀性的考慮。各因子得分完全由發掘數據中隱含的信息以及數據間的聯系而得到，沒有任何人為的因素。同時以各主因子的方差貢獻率作為個因子的權，方差越大的變量越重要，權數自然也應越大，克服了主觀賦權評價法中人為確定權重的缺陷，使得綜合評價結果唯一、客觀合理。
三、將因子分析結果應用于微觀層面高校財務管理
任何一所高校都可以依據已設定的高校財務風險預警指標體系得到本校若干年度相關財務指標，以上述方法進行因子分析，得出主因子、主因子表達式和綜合指數表達式。并可以根據計算結果對各個年度作主因子排序和財務狀況綜合排序，從而對本校相關年度的償債能力、財務運營能力或成長能力（根據主因子）及綜合財務狀況（根據綜合指數）做出全面評價。依據上例中的計算結果可以得出：R高校償債能力從2004-2007年越來越強；比較四年間財務運營效益，2005年好于2006年，2004年較差，2007年最差；就總體財務狀況而言，2005年好于2006年，2007年較差，2004年最差。
另外，除了可以對歷史財務狀況進行評價，該方法還可用于對未來事件的預警中。對于一項新的投資或借款的決策事項，學校可以首先編制基于事項可行假設的預測財務報表，計算預測報表的高校財務風險評價指標，并和以往數年度的真實財務比率一起進行因子分析，然后做出主因子排序和綜合財務狀況排序，則可以做出有關預測：例如，實施新事項后“償債情況好于以往較好年度”、“運營能力差于以往較差年度”或“綜合財務風險比以往最差年度還要糟糕”之類的評價。由于學校領導和財務主管人員對于學校以往各年度的財務狀況、各年應對財務風險的措施及效果了如指掌，所以“好于較好”或“差于最差”對于他們來說絕不僅是一個排序的結果，而是一種對財務狀態的有形描述，若認為實施新事項后的財務狀況甚至比校方能夠容忍的以往最差年度還要糟糕，則可以決策不實施新項目。
四、將因子分析結果應用于宏觀層面高校財務管理
因子分析法同樣適用于政府對高校的財務管理。高校不同于企業，高校破產所帶來的社會影響絕非一般企業破產可比擬，這也是目前我國雖然許多高校財務上捉襟見肘、舉步維艱，卻仍沒有公辦高校破產倒閉的原因。對財政、教育等政府管理部門來說，想辦法幫助泥潭深陷的學校走出困境也已成為高校財務管理的應有之義，應盡之職。但是資源畢竟是有限的，考慮遼寧省的具體情況，在大多數省屬高校為了評估、擴招而超大規模借款，財務狀況不佳的情況下，再用財務絕對水平劃線，評價學校財務狀況的好壞，確定需要特殊關注的對象，只能導致資源的分散，措施的無效。所以我們認為當下采用“末位管理”的方法是政府部門的最佳選擇。而通過因子分析法可以客觀、科學地確定財務狀況處于“末位”的學校。
由于客觀原因限制，無法取得同一年度多所學校的財務數據，但我們可假設表1中R高校2004～2007年的指標比率分別是2007年度ABCD四所高校的財務數據，進行因子分析，自然可以得到ABCD四所高校橫向比較的排序結果：四所學校償債能力從A到D越來越差；財務運營效益相比，C校好于B校，D校較差，A校最差；綜合財務狀況C校好于B校，A校較差，D校最差。即在償債能力上D校處于末位，在財務運營效益上A校處于末位，在綜合財務狀況方面D校處于末位。綜合比較確定D校為“末位管理”的對象。
應用上面的方法，政府相關部門可以每年將所管理的所有高校的財務狀況做一次排序，然后從中選出綜合水平最差的10% ～15%做“末位管理”。例如遼寧省可選定全部四十所省屬本科學校進行排序，并每年確定對四到六所高校實施“末位管理”。具體的末位管理措施可以根據該校因子得分以及綜合因子得分狀況，可能包括控制其招生規模，限制其新增投資項目，對其取得新借款的用途嚴格限定等等，并應同時采用特殊的財政政策和行政方式助其度過難關。政府部門可行的“末位管理”的具體政策和方式我們將在以后的研究中進行詳細討論。
需要特殊說明的是：“末尾管理”是建立在每一所學校的領導、員工都為本學校的發展和進步盡心竭力工作的假設基礎上的，離開這個假設，“末尾管理”無疑將導致整體水平的下滑。
當然，應用上面的方法，政府相關部門也可以從所管理的高校中選出因子得分或綜合水平靠前的高校，總結經驗，作為榜樣供其它高校學習。
參考文獻：
[1]李素紅等：《建立高校財務風險預警模型的判別分析》，《河北工業大學學報》2006年第4期。
[2]謝立本：《對高校銀行貸款額度控制與風險評價模型的調整》，《教育財會研究》2005年第2期。
[3]鄭鳴、朱懷鎮：《我國高校貸款風險的預警研究》，《高教探索》2007年第6期。
[4]朱建平、殷瑞飛：《SPSS在統計分析中的應用》，清華大學出版社2007年版。
［本文系遼寧省教育廳教育規劃項目《高等學校財務風險問題研究》（項目標號20060093）及遼寧省“十一五”教育科研規劃立項課題《建立高校財務風險考評及預警系統的研究》（高教41-7項）的研究成果。］
