三、线性概率模型
　　
　　线性概率模型是多元判别分析模型的一种替代选择。该模型为：
　　P=c0+c1x1+c2x2+…+cnxn
　　该模型可以解释为，在给定财务比率xn的情况下，P为该企业发生财务危机的概率的估计值。该模型计算虽然简单，但存在明显的缺陷：(1)该模型表示企业发生财务危机的可能性，则P值只能在(0，1)区间之中，然而线性回归方程无法做到这一点，采用该模型进行预测时，P值可能在(0，1)区间之外；(2)线性概率的假设往往与实际情况不吻合。现实生活中的经济变量是不确定的，而在该模型中，自变量c却是一个常数。基于以上原因，该模型在企业财务危机预测的实际研究中鲜有采用。
　　
　　四、Logistic模型
　　
　　尽管多元判别分析模型有较好的预测性，但存在假设上的局限性，即要求各自变量(财务比率)服从多元正态分布的假设和两组变量(发生财务危机与未发生财务危机企业)具有同样方差一协方差矩阵的假设，显然，这些假设与现实相去甚远。此外。样本的抽取往往也会影响评价模型的预测准确性。因此。为服务于对定性因变量的多元非线性分析，Ohlson率先在财务危机预警研究中应用了二元概率函数来计算危机事件发生的概率，由此产生了Logistic模型。在企业财务危机判定与预测中，Logistic模型如下：
　　Yi=β0+β1xli+…+βkxki
　　Pi=1/(1+e-yx)
　　式中，Yi代表第i家企业是否发生财务危机，i=0或1，0代表正常企业，1代表财务危机企业，xki代表第i家企业的第k个财务比率，Pi代表根据Logistic模型所估计出来的第i家企业可能发生财务危机的概率。
　　该模型是一个用来测度企业是否会发生财务危机的二元选择模型。对这个模型的参数估计只能采用最大似然估计法。Logistic模型的一个重要优点是它把在(0，1)区间预测一个企业是否发生财务危机的概率的问题转化为在实数轴上预测一个企业是否发生财务危机的机会比的问题，这与线性概率有着本质上的不同和进步。
　　
　　五、人工神经网络分析模型
　　
　　运用线性概率分析、逻辑回归方法来建立财务危机判别函数都是直接或者间接地依赖于线性函数来建立模型。存在的只是理论上的优越性。往往并不能很好地拟合复杂的实际数据。1987年，Lapedes和Fayber首次应用人工神经网络分析模型进行预测，开创了人工神经网络预警的先河。该模型是一种平行分散处理模型，其构建理念基于对人类大脑神经运作的模拟。它除具有较好的模式识别能力外，还可以克服传统统计方法的局限，具有容错能力。更难能可贵的是，该模型具有随不断变化的复杂环境进行自我学习的能力，因而使企业财务危机动态预警成为可能。
　　该模型摆脱了多元判别分析模型和Logistic模型的局限，信捷职称论文写作发表网，突破了依赖线性函数来建立统计模型的限制，用非线性函数更好地拟合实际资料数据，实现了方法上的创新。此外，人工神经网络分析模型的预测准确度也远高于其他方法。但其局限性在于理论基础比较抽象，对人类大脑神经模拟的科学性、准确性还有待进一步加强，因此其实际运用效果不够理想。
　　本文对上述财务危机预警模型进行评析，旨在为构建符合我国实际并具有可操作性的财务危机预警模型提供借鉴：第一，建立分行业、分企业甚至分部门的预警模型。拓宽数据的收集渠道和研究的范围；第二，更多地运用动态指标和非量化指标，构建更为全面的备选变量组；第三，扩展财务预警模型的功能，使财务预警模型不仅具备判别预警临界点，还能对财务信息的真伪做出辨别。