农业预警（精选7篇）
农业预警 篇1
1 实施农业气象预警机制的意义
1.1 近年来受全球气侯变暖的影响, 洪涝、干旱等极端天气在我国各地频发, 社会和经济损失严重, 而且各类气候灾害发生强度也十分明显增强, 所以有效的加强气象灾害的预警, 对于天气灾害及时组织开展气象灾害应急处置工作, 以及将气象灾害造成的损失减少到最小具有重要意义。
1.2 可调动全社会力量共同参与气象防灾减灾;
健全的天气预防体制, 可以使我国频发的自然灾害得到有效防范, 甚至可以提高和完善我国的防御法律体系, 有力推进气象法制建设的进程。
1.3 随着科学技术的不断创新和发展, 气象灾害预警能够有效保证农民作物的产量和质量, 进而提高农民在生产过程中的生活质量, 进而利用科学合理的防范预警机制, 提升农业生产的质量和效率, 促进农村经济的发展。
气象灾害预警系统的逐步完善为农民经济收入的提高起到了不容小觑的作用。
2 应用农业气象预警机制不足之处。
2.1 缺乏有效的农业气象灾害服务产品
我国当前的农业气象技术应用研究还存在不足性, 而且预警机制研究开发与应用的程度, 离我国当前急需需求还远远不够, 特别是在农村地区的农业生产过程中, 农业生产中需要面对各类气象灾害如干旱、洪水等, 在预警机制建设的过程中各类农业气象灾害指标的建设需要通过多年的观察以及资料积累, 然后通过对数据的观测得出可行性提出建议, 在这个过程中这需要农业、气象等部门紧密合作, 才能提高农业气象灾害服务机率, 从而能够以有效的满足现代农业生产的需要。
2.2 缺乏完善的农业气象预警机制
面对当前我国天气灾害预防机制建设滞后的现状, 天气灾害预警机制同国外发达国家相比还有许多的不足, 特别是气象灾害监测、预警、指挥、防御、应急和救援一体化建设还不健全, 而且在预警过程灾情传递速度不够及时, 所以在今后的工作中要及时完善气象灾害监测、预警、指挥、防御、应急和救援一体化机制, 由气象、建设、农业等多单位联合组成的统一指挥、职责明确、反应灵敏、运转协调的农村气象灾害预警应急体系。
2.3 气象预警机制渠道实施乏力
由于农村气象灾害防御设施不足, 在接受关于气象灾害各类信息渠道缺乏, 接受的信息基本上单纯依靠电视等媒介, 受个人喜好因素的影响, 很多人不能够借助电视实现全面接受媒介信息覆盖, 结果就必然致使气象灾害预警信息不能及时传达到农户手中。
3 优化农业气象预警机制实施措施
3.1 加大农业天气分析
气象部门要依托农业与生态监测网, 强化多种措施, 完善气象灾害预测分析, 积极采用卫星遥感资料的开发和应用, 努力开展气候变暖对生态环境、农业生产的影响评估, 借助预测系统开展极端天气、气候事件对生态系统、农业生产严重影响的预测预警研究。
3.2 完善农业气象预警平台建设
建立农业气象灾害指标体系的预测预报与评估系统, 加大与气象、水利、农业等部门要加强联系和沟通力度, 充分依托气象预测的新技术, 强化气象灾害防御平台建设, 切实加强农业与生态环境的监测力度, 有针对性的结合当地气象开展气候变暖对生态环境、农业生产的影响评估, 整理近年来的地方气象数据开展极端天气的预测预警研究, 加强农村气象灾害的预防、监测和信息传播等基础设施建设, 使农业气象信息能够及时有效的在第一时间传送至用户手中, 帮助农户最大程度的减少农业生产损失。
3.3 精细化区域预警的实现
预警气象短信息的群发一般通过数据库来实现, 只是构建数据库的方式不尽相同, 在此采用Access数据库, 建立名为Telcode.mdb数据库文件, 并在数据库中构建短信发送任务表, 表名为T_Send Task, 表中分别设有Dest Number字段, 用来记录发送号码, Content字段记录发送内容, Send Priority字段标记发送优先级, 取值为1-32, 越大优先级越高, Msg Type字段区别信息类别, 比如普通信息为0, Send Flag字段用来记录短信息的发送状态, 0为待发信息, 1为正在发送, 2为发送成功, 短信发送主要通过AT指令进行。
4 结束语
综上所述, 提高气象监测和预报能力, 扩大气象信息的覆盖范围, 可以利用预测系统为农户及时提供各种天气信息, 同时针对工作中存在的一些问题, 气象工作都要加强对各种灾害性气象信息的预报, 搞好气象灾害评估工作, 以保证农民能够根据气象灾害信息预报, 及时采取有效的措施进行农业生产, 保证农业生产高效实施。
农业预警 篇2
自查报告
江西省瑞昌市农业有害生物预警与控制区域站项目于2006年被列入农业部农业基本建设投资计划，是全国农业有害生物预警与控制区域站之一。为搞好该项目建设，我站在上级业务部门的指导和市农业局的领导下，精心组织，严格按照基本建设程序办事，并积极争取我市政府的财政支持，总投资额307万元，其中中央总投资255万元，地方配套52万元，项目建设年限二年（2006-2007年）。在整个项目实施过程中，管理上做到：项目资金专款专用，项目建设保证质量，财务管理规范。现将有关情况汇报如下：
一、项目基本情况
瑞昌市农业有害生物预警与控制区域站项目在2006年通过可行性研究报告，由农业部批准瑞昌市植保植检站为该项目建设、管理和使用单位。
瑞昌区域站项目建设由2006农业部农发（2006）517号文件批复，项目建设在瑞昌市内，总投资307万元，其中中央投资255万元，地方配套52万元。建设期限为二年（2006-2007年）。主要建设内容：
1、土建工程，总投资115.0万元，其中检验用房1000平方米，药械库500平方米。
2、标准病虫观测场10亩，总投资35.8万元。
3、仪器设备，总投资133.2万元。
二、项目完成情况
1、项目进展情况
截止2008年4月，按省农业厅批文（赣农计字[2007]80号）要求进行实施，现已完成：①病虫观测场建设基本完成，待验收；②已购置病虫防控专用车一辆；③药械库建设工程政府采购办已招标。
2、项目资金情况
截止2008年4月，资金使用中项目建设实际支出资金总额为51.46049万元。其中观测场29万元，设备16万元，可研编制费、勘探设计费、招标费等6.46049万元。
3、项目管理情况
项目工程以招标方式选择施工单位、施工单位为瑞昌市水电建筑公司，认真落实项目法人责任制、监理制、合同制。项目工程成立了领导小组，并建立了一套管理项目实施的规章制度，建立专帐核算，监督项目资金运用的规章制度。
三、项目存在的主要问题
按农业厅批文（赣农计字[2007]80号）要求，未按时全面完成 项目建设。主要是：
1、检验检测用房建设未开始招标；2大部分仪器设备未开始采购。
四、建议
1、建议省站对全国区域站加强管理和技术指导。
2、在运行金费方面给予一定的扶持。
农业类上市公司财务预警研究 篇3
(一) 国内外一元判定模型研究
国外学者对财务预警的研究主要从Fitzpatrick (1932) 开展的一元判定研究开始的, 他发现判别能力最高的是净利润/股东权益和股东权益/负债。之后, Beaver (1966) 发现最好的判别变量是现金流量/负债和净利润/总资产。国内采用一元判定模型进行财务预警研究的不多。其中, 陈静 (1999) 的研究影响比较大。她研究发现:资产负债率和流动比率在宣布ST前一年的误判率最低, 而在宣布前两年、前三年时, 总资产收益率的误判率较低。
(二) 国内外多元线性判定模型研究具体如下:
Altman (1968) 首先使用了多元线性判定模型来研究公司财务预警问题, 得出了著名的Z Score模型, 他还提出了判断企业破产的临界值。后来, Haldeman和Narayanan (1977) , Collins (1980) , Platt and Platt (1991) 也采用类似的方法进行了研究。之后有些学者对Z分数模式加以改造, 并建立其财务危机预测的新模式———F分数模式。
国内的多元线性判定的研究相对较多, 其中有代表性的研究包括张玲 (2000) 和高培业、张道奎 (2000) , 他们分别选取深沪交易所120家上市公司和深圳市国有企业作为样本, 使用多元判定技术得出最终判定规则和判定模型。杨淑娥、徐伟刚 (2003) 认为运用主成份分析法, 研究发现Y分数模型在预测上市公司财务危机方面具备了较强的可信度。吕峻 (2006) 认为国内外对财务预警的研究在变量类型和统计方法方面取得了很大的进步。然而, 预测变量的基础仍然是财务比率, 而有效的财务比率则是以较高质量的会计信息为基础的。
综合上述国内外关于财务预警的研究, 学者们提出的各种财务预测模型都有其特定的适用范围, 并不是万能的, 不能用于所有企业。本文选取我国农业类上市公司的财务指标, 结合农业类企业的特点, 对其进行财务预警研究。
二、农业类上市公司财务预警模型建立
(一) 样本选取
截止2009年底, 我国农业类上市公司共有48家, 剔除财务资料不全的16家, 本文的研究样本为32家农业类上市公司, 其中5家为ST公司, 27家为正常公司。
(二) 模型自变量选取
本文借鉴前人的研究成果, 结合农业类企业的特点, 初步选取了10个财务比率作为模型自变量:
(1) 反映公司财务结构的指标:资产负债率X1。
(2) 反映公司偿债能力的指标:流动比率X2、营运资本/总资产X3。
(3) 反映公司经营能力的指标:营业收入/总资产X4、存货周转率X5。
(4) 反映公司经营效率的指标:净利润/总资产X6、每股收益X7。
(5) 反映公司成长基础和能力的指标:每股未分配利润X8、留存收益/总资产X9、总资产增长率X10。
(三) 原始变量相关性分析
在多元判别分析时, 如果指标之间高度相关, 那么就会使某些特征重复计算, 引起夸大的危害, 不利于做出正确的决策。
由表1知, X1和X8、X9之间存在高度的相关性, 故本文剔除X8和X9两个指标, 并对余下的指标进行因子分析。
(四) 剩余指标因子分析法
因子分析法是从研究变量内部相关的依赖关系出发, 把一些具有错综复杂关系的变量归结为少数几个综合因子的一种多变量统计分析方法。它的基本思想是将观测变量进行分类, 将相关性较高, 即联系比较紧密的分在同一类中, 而不同类变量之间的相关性则较低, 那么每一类变量实际上就代表了一个基本结构, 即公共因子。对于所研究的问题就是试图用最少个数的不可测的所谓公共因子的线性函数与特殊因子之和来描述原来观测的每一分量。
表2为8个原始变量的变量共同度。变量共同度反映每个变量对提取出的所有公共因子的依赖度。从表2中可以得出, 几乎所有的变量共同度都在85%以上, 其中X2、X3、X4、X5、X10达到了90%以上, 说明提取的因子已经包含了原始变量的绝大部分信息, 因子提取的效果比较理想。
表3为因子分析各个阶段的特征根与方差贡献表, 百分率栏为提取出的各个因子的方差贡献率, 自上而下按降序排列。由表3可知, 前五个因子的累计方差贡献率为92.34497%, 已经包含了大部分的原始指标信息, 因此选取前五个因子作为本文的公共因子。
表4给出了旋转前的因子载荷阵, 从表中可看出各个因子在不同原始变量上的载荷并没有明显的差别。即初始因子载荷矩阵不满足“简单结构准则”, 各因子的典型变量的代表性也不很突出, 因而容易使因子含义模糊不清, 不便于对因子进行解释。因此本文对因子载荷矩阵进行方差最大正交旋转。
表5为旋转后的因子载荷阵, 由表5可知因子1为反映负债/总资产、营运资本/总资产和存货周转率的财务结构指标, 因子2为反映营业收入/总资产的经营能力指标, 因子3为反映净利润/总资产和每股收益的经营效率指标, 因子4为反映流动比例的偿债能力指标, 因子5为反映总资产增长率的成长基础和能力的指标。由回归法中的最小二乘估计求出各单因子的得分函数:
由旋转后的因子方差贡献率得出综合因子得分公式:
Y值的判别标准为:Y>0为财务状况正常区域, Y<0为财务状况失败区域。
三、农业类上市公司财务预警模型检验及结论
(一) 模型检验
将选取的32家农业类上市公司 (5家ST公司、27家正常公司) 作为检验样本, 利用本文构建的企业发生财务失败前两年的财务预警模型对他们进行财务预警检验, 得到错判矩阵如表6所示。通过对模型的检验, 在ST公司的前两年, 其判别正确率达到80%, 而非ST公司的判别正确率达到了81.4815%, 说明模型误判率很小, 可以作为对我国农业类上市公司进行预警分析的模型。投资者利用此模型可以较容易的判断出某农业类企业的财务状况是否处于健康区域, 从而为其选择投资企业提供参考。
(二) 研究结论本文以我国农业类上市公司为研究对象, 采用
因子分析方法, 从基础指标中选取了10个财务比率自变量, 通过相关性分析筛选出8个财务比率自变量, 将剩余的8个财务比率自变量进行因子分析, 基于DPS分析平台导出财务失败预测模型, 最后对抽取的我国农业类上市公司样本进行测试, 测试结果为ST企业正确预测率为80%, 财务正常企业正确预测率为81.4815%。本文建立的财务预警模型无论对农业类上市公司本身还是潜在投资者都有较高的借鉴参考价值。
对于企业本身而言, 可利用本文建立的模型对企业财务状况进行预测, 若预测结果为财务失败, 则应该立即分析导致其两年后发生财务失败的潜在因素, 从现在开始优化企业资产结构及改善经营管理, 从而避免两年后被ST情况的发生。
对投资者及金融机构而言, 本文建立的模型有助于潜在投资者对被投资企业的财务状况及财务风险进行正确的分析和预测, 从而帮助潜在投资者做出理性的投资决策并降低投资风险。
参考文献
农业预警 篇4
一、概述
自20世纪30年代起, 学者就开始对公司财务危机的预警模型进行研究, 进入20世纪90年代后, 随着统计技术和计算机技术的发展, 产生了大量的预警模型。从单变量模型的研究到多元线性模型的研究、逻辑回归分析的研究、再到人工神经网络模型的研究。
1932年Fitzpatrick以19家公司为样本, 运用单个财务比率将样本划分为破产和非破产两组进行研究, 发现净利率/股东权益和股东权益/负债这两个指标对财务危机的判断力最高, 从而开创了财务危机预警实证研究的先河。1968年Altman首先将多元线性模型的研究引入财务危机预警研究领域。1980年O lhson运用逻辑回归分析建立财务危机预警模型。1991年Tam采用人工神经网络模型进行财务危机预警研究。
二、研究设计
第一, 研究样本。本研究的数据来源于证劵之星网站 (www stockstar.com) 。从中选取了40家农业上市公司作为样本, 公司的选取标准是2003~2005年三年内公司经营业绩状况有明显波动, 或者浮动比较大。原因是本研究将探讨基于经营业绩的财务危机预警方法, 若选择经营业绩没有明显变化的农业上市公司作为样本, 实际意义不大, 所以从51家农业上市公司中筛选了40家作为本研究分析对象, 40家农业上市公司中包括15家ST公司和25家非ST公司。
第二, 研究方法。本文应用Logistic模型进行研究, 其数学原理为:在一般的多元回归中, 若以P (概率) 为因变量, 则方程为P=b0+b1X1+b2X2+…+bkXk, 其中X表示自变量, b0表示截距为常数, b1, b2…bk表示自变量系数。但在用该方程计算时, 常会出现P>1或P>0的不合理情形。为此, 对P作对数单位转换, 即logit P=1n[P/ (1-P) ], 于是, 可得到Logistic回归方程为:
其经济原理为:Logistic模型适用于因变量是二分类选择的模式, 也就是说Logistic模型将发生危机概率限定在0和1之间, 并通过函数的对数分布来计算发生危机的概率, 然后判断事件是否发生;假设因变量条件概率P符合以下条件, 当P=1时事件不发生, 当P<1时事件发生。利用这个原理我们就可以建立方程, 运用定量的方法来分析判断农业上市公司的财务危机。
第三, 模型指标。导致企业出列财务危机的原因是复杂的, 而各种导致危机的因素都将直接或间接地在财务指标的变化上反映出来.本研究模型指标是从经营业绩角度出发选择的, 这些指标的变化反映了企业的经营业绩状况, 下面将详细介绍这五个指标。
X1:主营业务利润率。主营业务利润=净利润/主营业务收入净额, 反映主营业务的收入带来净利润的能力。这个指标值越高, 说明企业每销售出1元产品所能创造的净利润越高, 即经营业绩越好。
X2:成本费用利润率=净利润/ (主营业+销售费用+管理费用+财务费用) , 成本费用利润率指标反映企业每投入1元钱的成本费用能够创造的利润净额。企业的同样的成本费用投入下, 能够实现更多的销售, 或者在一定的销售情况下, 能够节约成本和费用, 这个指标都会升高。这个指标值越高, 说明企业的投入所创造的利润越多。
X3:净资产收益率。净资产收益率=利润总额/平均股东权益, 净资产收益率表明所有者每1元钱的投资能够获得多少净收益。该指标通常也是越高越好。
X4:主营业务比率。主营业务比率=主营业利润/利润总额, 主营业务比率指标揭示在企业的利润构成中, 经常性主营业务利润所占的比率。通常来说, 企业要获得长足的进步依赖于经常性主营业务的积累。该项比率越高, 说明企业的盈利越稳定。该项指标越高越好。
X5:总资产利润率。总资产利润率=利润总额/资产总额, 总资产利润率指标反映企业总资产能够获得利润的能力, 是反映企业资产综合利用效果的指标。该指标值越高, 表明资产利用效果越好, 整个企业的盈利能力越强。
三、实证分析
Logistic模型分析过程如下:
在统计分析中多彩配对方式选择分析样本, 分析样本建立函数式, 然后用该函数式对保留样本的财务数据进行检验。我国企业上市公司总共51家, 本研究选取了其中的40家, 其中15家为ST公司, 25家为非ST公司。根据上述原则, 本文把总样本分为两部分, 即样本一和样本二。
样本一:把15家ST公司划为第一组, 即危机组, 对应的因变量Y等于O, 代表危机不发生;
样本二:把25家非ST公司划为第二组, 即非危机组, 令对应的因变量Y等于1, 代表危机不发生。
首先, 为了剔除在统计意义上与因变量发生不相关或不敏感的因素, 使用SPSS软件对样本进行偏相关分析, 如表1所示。
从表1进行的偏相关分析中可以看出, X3与因变量的相关性很低, 因此把这个变量去除, 选X1, X2, X4, X5作为自变量。为区别前面公式中的因变量, 用Z表示条件概率Logistic概率值, 用SPSS软件进行Logistic回归分析, 结果如表2所示。
从表2的计算结果可以得到最终的Logistic回归概率方程:
该方程表示当自变量X1, X2, X4, X5变化的时候, 若得到的Z值等于1则表示危机不发生;若得到的Z值小于1则表示危机发生。
由于农业上市公司数量有限, 在上面分析时已经用到30家, 其中15家ST公司, 15家非ST公司, 只能对剩下的样本二中的10个农业上市非ST公司进行验证, 把样本的4个财务指标数据 (X1:主营业务利润率, X2:成本费用利润率, X4:主营业务比率, X5:总资产利润率) 运用Excel计算Z值即Logistic概率, 得到表3。
由表3中10家非ST公司的Z值可以得到有两家非ST公司的Z值小于1, 而其他非ST公司的判断都正确, 所以可以得到上述模型的准确率为80%, 误判率为20%。
综上所述, 通过Logistic模型分析方法保留样本中的10家非ST公司, 可以清楚地看到Logistic模型分析方法对农业上市公司的有效性, 只要Z小于1就说明危机事件发生, 这种方法给农业上市公司财务危机预警模型的建立提供了研究方向。本研究的Logistic回归模型的准确率为80%, 所以农业上市公司在建立财务危机预警模型时加强对反映经营业绩的指标如主营业务利润率、成本费用利润率、主管业务比率、总资产收益率等指标的关注是有必要的。
从总体上说, 我国农业上市公司的财务数据还是具有较强的预测能力, 通过对有效财务指标的分析能够预测该企业未来财务失败的可能性, 也就是说, 我国农业上市公司财务数据的使用者能够根据该企业的经营业绩状况, 分析经营业绩的有效指标作出财务危机预测, 为预防财务失分做好充分准备。
本研究的财务危机分析是建立在我国农业上市公司的财务数据是充分有效的基础上的, 假设这些财务数据没有经过粉饰, 是真实反映企业的经营业绩。但是在实践中进行财务危机预警分析时, 对于定量的分析方法, 不能盲目地相信计算结果的, 因为可能出现财务数据的人为调整, 使得其降低财务危机的预测能力。在进行企业的财务危机预警分析时, 一定要遵循实质重于形式的原则。将定量分析与定性分析相结合, 只有经过严谨的分析研究才能对企业的财务危机作出较为准确的预测。
参考文献
[1]田高良:《企业财务预警方法评析》, 《预测》2002年第6期。
农业预警 篇5
农民日报消息:9月14日, 农业部在北京启动稻米、小麦、玉米、大豆、棉花、生猪、牛羊肉、蔬菜等8个品种全产业链农业信息分析预警试点, 面向河北、内蒙古、辽宁等14个主产区、主销区, 在生产、加工、流通各个环节遴选了1061名分析师, 组建了全产业链分析预警团队。据农业部市场与经济信息司相关负责人介绍, 全产业链农业信息分析预警团队建设是中国特色农业信息监测预警体系建设的重要组成部分。此番试点力争通过3-5年, 建立统筹产前产中产后、生产流通消费和国内外的全产业链农业信息分析模式, 组建适应国际化发展需要的全产业链农业信息分析预警团队, 形成分析反应快速、信息内容全面、预测判断准确的工作格局。
农业预警 篇6
今后一段时期, 黑龙江省农业自然灾害预警机制发展要结合黑龙江省实际, 以发展现代农业为目标, 以实施千亿斤粮食产能工程为主线, 充分发挥各级政府在农业自然灾害预警机制中的主导作用, 积极调动各方力量, 整合各种要素和资源, 充分完善农业自然灾害的预警机制, 实现农业自然灾害“早发现、早预警、早发布、早应对”的一体化灾害预警体系, 实时发布各种灾害预警和灾害预评估信息, 并通过其决策支持系统, 向地方政府领导提供指挥方案建议, 实现农业自然灾害预警的一站式服务。努力推动自然灾害预警机制与经济社会发展相协调、与城乡区域建设相结合、与应对气候变化相适应, 完善自然灾害的治理体系, 积极预防和有效化解农村发展过程中面临的灾害和风险, 不仅在常态条件下搞好农村经济发展, 更要在非常态条件下妥善应对各类自然灾害, 切实维护粮食安全和人民群众的生命财产安全, 有力保障经济社会全面协调可持续发展。到2015年, 黑龙江省将力争实现突发自然灾害监测率达到90%以上, 基本实现重点区域主要灾害连续监测。气象灾害预警信息提前15~30min以上发出, 自然灾害预警信息公众覆盖率达到95%以上。到2020年, 建成功能齐全、科学高效、覆盖城乡的农村自然灾害监测预警及信息发布系统, 基本消除预警信息发布“盲区”和“死角”。
2 完善黑龙江省农业自然灾害预警机制的对策建议
2.1 加强黑龙江省农村自然灾害预警机制体系建设
首先, 健全农业自然灾害预警机制组织管理系统。全省依托13个市级、69个县级预警监控站和县级基层管理机构构建专职监测和指挥机构, 通过乡镇级政府以及村民自治组织构建2000个监测点, 承担农村基层自然灾害预警的管理职责, 担负上下级预警体系运转和链接的桥梁作用, 制定当地的自然灾害应急预案。成立村级应急管理委员会, 负责基层农村的自然灾害预警组织工作。即时发布上级预警组织发布的预警信息, 及时向上级预警管理组织上报本村的灾害情况, 组织开展灾害预警演习和教育、灾害预警、预备和预防工作。其次, 完善农业自然灾害预警信息管理系统。第一, 建立与上级政府链接的地方自然灾害数据库。主要包括背景数据库、历史灾情数据库、致灾因子数据库、灾情数据库和救灾工作数据库。第二, 充分引进高新科学技术, 建立快速准确的灾情评估体系, 加强系统信息收集工作;建立与上级政府、当地政府各部门、村应急管理委员会、社会公众之间的信息共享机制, 促进基层灾害预警和治理信息的公开化和社会化进程。第三, 制定规范的自然灾害信息标准, 建立与灾害预警机制相适应的信息管理制度, 不断推进灾情信息系统化、科学化、规范化以及现代化的进程。
2.2 完善黑龙江省农业自然灾害预警机制运行环节
农业自然灾害预警机制的运行是一项复杂的系统工程, 必须从预警监测、预警信息收集、预警决策、预警发布等完整的路径进行构建和完善。首先, 建立科学有效的预警监测机制。农业自然灾害预警监测机制的完善包括构建覆盖全面的灾害监测网络和建立灾害的协防监测机制, 通过提高灾害的预警监测能力准确及时的提供灾害信息。其次, 完善自然灾害预警信息收集机制。为进一步加强黑龙江省农业自然灾害信息收集的准确性、及时性和完备性, 必须统一信息收集办法和标准、拓宽信息收集途径、构建信息共享平台和落实灾害信息的收集职责。科学设置灾情信息上报的项目和内容, 并根据预警工作实际需要, 改进统计和收集方法;确立村、乡镇、县的灾害信息收集责任人, 强化基层政府预警意识。再次, 完善自然灾害预警决策机制。加强基层部门决策者的预警决策培训, 提升基层管理者的灾害决策水平。预警决策过程中应积极发挥智囊机构、研究组织等“外脑”的辅助决策作用, 增加基层灾害预警决策的科学性。最后, 完善自然灾害预警发布机制。明确各地应急管理办公室依照相应专项预案中所确定的预警等级提出具体预警建议, 报上级相关部门审核后统一对外发布。县级应急管理办公室应该运用移动通讯、电视、广播以及互联网等手段向地方各界立体式地发布灾害预警信息, 在第一时间把预警信息传达给目标受众。
2.3 完善农业自然灾害预警责任机制
农业自然灾害预警的责任机制是预警机制有效运作的现实要求, 只有明确预警责任, 完善预警问责制度, 才能促使基层政府真正将预警工作落实到位。首先, 出台相关灾害预警法律, 构建预警责任体系。可借鉴西方灾害治理经验, 构建《自然灾害应对法》, 规定灾害预警涉及的各环节和各部门的责任, 明确规定基层灾害预警管理部门在灾害预警过程中的灾害预警监测、预警信息收集、预警决策以及预警信息发布职责。其次, 完善预警问责制度, 规范问责主体、问责对象、问责情形、问责方式以及问责程序等具体要素。应将新闻媒体、民主党派、基层农民群众纳入问责主体之中, 实行“多元参与的异体问责机制”, 增强问责的民主性和科学性。在自然灾害预警中不同部门和领导人的责任, 明确规定由谁来承担责任, 避免不同部门、不同领导者互相推诿责任的现象, 保证问责制度能有效运作。问责情形应主要包括失职、渎职、致使发生灾害影响加剧的, 责任意识淡薄、虚报、瞒报、迟报灾害造成不良影响等。最后, 明确问责方式, 即问责干部的处理方式, 明确什么样的情形和行为应受到何种处理, 也就是要明确规定责任情形和行为与问责方式的对应关系, 只有在明确责任, 完善问责制度的基础上, 预警责任机制才能高效运转。
2.4 健全农业自然灾害预警协作机制
农业自然灾害预警是一项复杂的系统工程, 必须全面整合灾害预警资源, 发挥各预警角色的协同效应。在灾害预警资源和能力有限的情况下, 应当构建政府、部门以及社会公众的预警协作机制。首先, 加强各级政府和部门间的预警协作机制建设。省政府应发挥其在灾害预警中的资源、技术和能力优势, 发挥其在重大自然灾害预警的关键作用, 同时应加强对地方政府的预警指导和协调, 协助地方政府开展灾害预警工作。同时, 地方政府应积极发挥基层灾害预警的能动作用, 加强灾害的属地预测和预报, 弥补上级政府灾害预警的空缺。其次, 应当构建多元参与的预警协作机制。基层政府的预警资源和能力有限, 必须积极调动社会资源的能动性, 充分发挥基层非政府组织、专业技术机构、媒体的作用。积极发挥非政府组织的信息优势、专业优势以及志愿性, 提高社会的预备和预防能力;借助专业技术机构的专业和技术优势, 加大对基层政府的专业技术援助, 充分利用专业机构和专家对灾害预警信息的分析、判断和决策, 提高黑龙江省基层灾害预警的水平和质量。媒体作为一种公共资源在灾害预警中发挥着很大作用, 它既是信息的收集者又是信息的传递者。媒体介于政府和公众之间, 形成一三角互动关系。媒体代表公众时刻关注、监视灾害预警的进展, 也是政府预警发布的重要途径之一, 在灾害预警中作用至关重要。总之, 健全预警协作机制, 发挥预警资源的最大协作效应, 才能最有效地开展农业自然灾害预警。
2.5 加大资金投入力度及人才队伍建设
完善黑龙江省农业自然灾害预警机制资金投入机制, 拓宽资金投入渠道, 加大农业自然灾害预警设施建设、科学研究、技术开发、科普宣传和教育培训的经费投入。完善农业自然灾害预警项目建设经费省级和地方分级投入机制, 加强农业自然灾害预警资金管理和使用。省级财政加强对三江平原和松嫩平原粮食主产区、边远贫困地区及山区农业自然灾害预警支持力度。研究建立财政支持的重特大农业自然灾害分担机制, 探索通过金融、保险等多元化机制实现自然灾害的经济补偿与损失转移分担。全面推进农业自然灾害预警机制人才战略实施, 整体性开发农业自然灾害预警机制人才资源, 扩充队伍总量, 优化队伍结构, 完善队伍管理, 提高队伍素质, 形成以农业自然灾害预警管理和专业人才队伍为骨干力量, 以农业自然灾害预警社会工作者和志愿者队伍为辅助力量的农业自然灾害预警队伍。加强农业自然灾害预警机制科学研究和行政管理等方面的人才培养, 结合预警工作特点, 加强预警队伍建设, 定期开展针对性训练和技能培训, 培育和发展预警专业队伍。加强基层农业自然灾害预警信息员队伍建设, 推进农业自然灾害预警社会工作人才队伍建设。加强高等教育自然灾害及预警管理相关学科建设, 扩大相关专业研究生和本科生规模, 注重专业技术人才和急需紧缺型人才培养, 支持高校毕业生和各类优秀人才投身农业自然灾害预警机制建设。建立预警机制人才交流与合作机制, 促进人才在地区和城乡间合理流动和分布, 最大限度释放人才效应。加强各级预警委员会专家委员会的建设, 充分发挥专家在预警工作中的参谋咨询作用。
参考文献
[1]张平, 吴俊江, 李国良.黑龙江省农业气象灾害防范体系构建研究[J].农业科技管理, 2011 (2) :62-65.
[2]朱丽娟, 吴焕, 孟雪靖.黑龙江省农业自然灾害及其影响分析[J].广东农业科学, 2012 (4) :209-211.
[3]蒋仲昌.我国农村地区自然灾害预警机制研究[D].沈阳:东北大学, 2009.
农业预警 篇7
在日益激烈的竞争环境中, 农业上市公司在获得新的市场机会的同时, 也面临着日趋增大的生存压力和经营风险。风险的失察, 决策的失控, 管理的失误, 任何一点错弊都会给企业带来危机, 危机是每个农业上市公司经营管理者必须面对和解决的紧要问题, 只有及早发现危机并防范危机, 才能将危机造成的影响和损失减少到最小。
因而, 采用可靠的方法对财务危机发生的可能性进行预警分析, 以避免或化解可能出现的财务危机, 以及以一定的方法预测财务危机的发生越来越受到农业上市公司管理部门和与农业上市公司有利害关系的团体和个人投资者的重视, 从而能否成功预测财务危机尽早找出危机根源, 不但关系到农业上市公司自身的存续, 而且对于农业上市公司的各利害关系方都具有重大的意义。
二、样本选择和研究方法
(一) 研究方法
Logistic模型数学原理:在一般的多元回归中, 若以P (概率) 为因变量, 则方程为P=b0+b1X1+b2X2+…+bkXk, 其中 X表示自变量, b0表示截距为常数, b1、b2 …bk表示自变量系数。但在用该方程计算时, 常会出现P>1或P<0的不合理情形。为此, 对P作对数单位转换, 即logitP=ln (P/1-P) , 于是, 可得到Logistic回归方程为:
undefined
经济原理:Logistic模型适用于因变量是二分类选择模式, 也就是说Logistic模型将发生危机概率限定在0和1之间, 并通过函数的对数分布来计算发生危机的概率, 然后判断事件是否发生。假设因变量条件概率P符合以下条件, 当P=1时事件不发生, 当P<1时事件发生。也就是说在自变量X的变化使得P=1时事件不发生, 而P<1时事件发生。利用这个原理我们就可以建立方程, 运用定量的方法来分析判断农业上市公司的财务危机。
(二) 研究样本选择
本文的数据来源于证券之星网站 (www.stockstar.com) 。笔者从中选取了40家农业上市公司作为样本, 公司的选取标准是2003年—2005年三年内公司经营业绩状况有明显波动, 或者说浮动比较大。原因是本文将探讨基于经营业绩的财务预警方法, 若选择经营业绩没有明显变化的农业上市公司作为样本, 笔者觉得实际意义似乎不大, 所以从54家农业上市公司中筛选了40家作为本文分析对象, 40家农业上市公司中包括15家ST公司和25家非ST公司。
(三) 模型指标设定
导致企业出现财务危机的原因是复杂的, 而各种导致危机的因素都将直接或间接的在财务指标的变化上反映出来。本文模型指标是从经营业绩角度出发选择, 这些指标的变化反映了企业的经营业绩状况, 下面将详细介绍这五个指标。
X1:主营业务利润率 主营业务利润率=净利润/主营业务收入净额, 反映主营业务的收入带来净利润的能力。这个指标越高, 说明企业每销售出一元的产品所能创造的净利润越高即经营业绩越好。
X2:成本费用利润率 成本费用利润率=净利润/ (主营业务成本+销售费用+管理费用+财务费用) , 成本费用利润率指标反映企业每投入一元钱的成本费用, 能够创造的利润净额。企业在同样的成本费用投入下, 能够实现更多的销售, 或者在一定的销售情况下, 能够节约成本和费用, 这个指标都会升高。这个指标越高, 说明企业的投入所创造的利润越多。
X3:净资产收益率 净资产收益率=利润总额/平均股东权益, 净资产收益率表明所有者每一元钱的投资能够获得多少净收益。该指标通常也是越高越好。
X4:主营业务比率 主营业务比率=主营业务利润/利润总额, 主营业务比率指标揭示在企业的利润构成中, 经常性主营业务利润所占的比率。通常来说, 企业要获得长足的进步依赖于经常性主营业务的积累。该项比率越高, 说明企业的盈利越稳定。该项指标越高越好。
X5:总资产利润率 总资产利润率=利润总额/资产总额, 总资产利润率指标反映企业总资产能够获得利润的能力, 是反映企业资产综合利用效果的指标。该指标越高, 表明资产利用效果越好, 整个企业的活力能力越强, 经营管理水平越高, 经营业绩自然不差。
三、实证分析
(一) Logistic模型分析
分析过程如下:
在统计分析中多采用配对方式选择样本, 以分析样本建立函数式, 然后用该函数式对保留样本的财务数据进行检验。但是我国农业上市公司数量不多总共54家, 而本文选取了其中的40家。
分析总样本共40只股票, 其中25只非ST股票, 15只ST股票。根据上述原则, 我们把总样本分为两部分:样本一, 样本二。
样本一:我们把15只ST股票划为第一组, 即危机组, 对应的因变量Y等于0, 代表危机发生;同理, 把15只非ST股票划为第二组, 即非危机组, 令对应的因变量Y等于1, 代表危机不发生, 作为样本二。
首先, 为了剔除在统计意义上与因变量发生不相关或不敏感的因素, 我们使用SPSS软件对样本进行偏相关分析 (见表1) 。
从表1进行的偏相关分析中可以看出X3与因变量的相关性很低, 因此把这个变量去除, 选X1, X2, X4, X5作为自变量, 为区别前面公式中的因变量我们用Z表示条件概率Logistic概率值, 用SPSS软件进行Logistic回归分析, 结果见表2。
从上表的计算结果我们可以得到最终的Logistic回归概率方程:
Z=0.794+0.71*X5+0.011*X4+0.002*X2-0. 025*X1
它表示当自变量X1, X2, X4, X5变化的时候, 若得到的Z值等于1则表示危机不发生;若得到的Z值小于1则表示危机发生。
由于农业上市公司数量有限, 在上面分析时已经用到30家, 其中15家ST公司, 15家非ST公司, 我们只能对剩下的样本二中的10个农业上市非ST公司进行验证, 把样本的四个财务指标数据 (X1——主营业务利润率, X2——成本费用率, X4——主营业务比率, X5—总资产利润率) 运用EXCEL计算Z值即Logistic概率, 得到下表:
由上表10家非ST公司的Logistic概率Z值可以得到有两家非ST公司的Z值是小于1, 而其他非ST公司的判断都正确, 所以我们可以得到上述模型的准确率为80%, 误判率为20%。
四、结论
通过Logistic模型分析方法分析保留样本中的10家非ST公司, 我们可以清楚地看到Logistic模型分析方法对农业上市公司的有效性, 只要Z值小于1就说明危机事件发生, 这种方法给农业上市公司财务预警模型的建立提供了研究方向。本文论述的Logistic回归模型的准确率为80%, 所以农业上市公司在建立财务预警模型时加强对反映经营业绩的指标如主营业务利润率、成本费用利润率、主营业务比率、总资产收益率等指标的关注是有必要的。
从总体上说, 我国农业上市公司的财务数据还是拥有较强的预测能力, 通过对有效财务指标的分析能够预测该企业未来财务失败的可能性, 也就是说, 我国农业上市公司财务数据的使用者能够根据该企业的经营业绩状况, 分析经营业绩的有效指标做出财务危机预测, 为预防财务失败做好充分准备。
本文的财务危机分析是建立在我国农业上市公司的财务数据是充分有效的基础上, 假设这些财务数据没有经过粉饰, 是真实反映企业的经营业绩。但是在实践中进行财务预警分析时, 对于定量的分析方法, 我们是不能盲目的相信计算结果, 因为可能出现财务数据的人为调整, 使得其降低财务危机的预测能力。在进行企业的财务预警分析时, 一定要遵循实质重于形式的原则, 定量分析完之后, 同时人的主观经验判断也是必不可少的, 只有经过这样严谨的研究分析才能对企业的财务危机做出准确的预测。
[注]本文系湖南省社会科学基金项目“我国农业上市公司财务预警研究”。项目编号:06YB45。
摘要：近年来, 农业上市公司的经营状况逐年恶化, 客观评价其财务状况成为金融界面临的重大课题。本文基于经营业绩探讨中国农业上市公司的财务预警方法, 利用多变量分析方法——Logistic回归分析法例证其在农业上市公司中的有效性。通过本文论述, 在对农业上市公司进行财务数据分析时, 应对反映经营业绩的主营业务利润率、成本费用率、净资产收益率、总资产利润率等指标进行重点关注, 以提高财务危机判断的效率与针对性。
关键词：经营业绩,财务危机,Logistic回归分析法
参考文献
[1]张友棠.财务预警警兆识别系统[J].武汉理工大学学报, 2002:6-8.
[2]肖华.关于建立国有企业财务预警的探讨[J].厦门大学学报 (哲学社会科学版) , 1999:4-7.
[3]胡汝银.中国上市公司成败实证研究[M].北京:复旦大学出版社, 2003.
[4]张鸣, 张艳.财务困境预测的实证研究与评述[J].财经研究, 2001.
[5]申嫦娥, 王晓强, 企业绩效评价方法的改进:模糊综合绩效评价法.经济管理.新管理, 2003.22.
[6]李维安, 唐跃军.上市公司利益相关者治理机制、治理指数与企业绩效[J].管理世界, 2005.
[7]南开大学公司治理研究中心公司治理评价课题组.中国上市公司治理指数与治理绩效的实证分析[J].管理世界, 2004, (2) .