第1章 绪论 1
1.1 研究的背景及意义 1
1.1.1 研究背景 1
1.1.2 研究意义 2
1.2 研究方法和技术路线 3
1.2.1 研究方法 3
1.2.2 技术路线 4
1.3 研究目标 5
1.4 主要内容 6
1.5 主要创新点 7
第2章 高校财务困境预警的相关研究综述 10
2.1 财务困境的内涵 10
2.1.1 企业财务困境的内涵 10
2.1.2 高校财务困境的内涵 13
2.2 企业财务困境预警的研究 13
2.2.1 国外研究 14
2.2.2 国内研究 18
2.3 高校财务困境预警的研究 20
2.3.1 国外研究 20
2.3.2 国内研究 23
2.4 企业财务预警模式及其在论文的适用性评析 26
2.4.1 企业财务预警模式的评述 26
2.4.2 高校的准非营利组织属性评述 29
2.4.3 企业财务预警模式在论文的适用性分析 31
第3章 高校财务状况分类研究 34
3.1 高校财务状况分类的理论分析 34
3.1.1 现有相关研究的不足 34
3.1.2 高校财务状况分类 35
3.2 高校财务状况分类的实证检验 38
3.2.1 研究思路 38
3.2.2 样本设计与指标选择 38
3.2.3 实证分析 41
3.3 不同财务状况高校的绩效差异 50
3.3.1 研究思路 50
3.3.2 数据包络分析技术 51
3.3.3 指标选择 52
3.3.4 结果分析 54
3.4 本章小结 56
第4章 高校财务困境的诱因分析 57
4.1 高校财务困境的历史背景 57
4.1.1 高等教育大众化发展的相关理论 57
4.1.2 外国实现高等教育大众化的主要模式 59
4.1.3 我国高等教育大众化进程 61
4.1.4 财政拨款不足 63
4.1.5 高校盲目扩张 63
4.2 高校行政管理体制缺陷 66
4.2.1 产权所有者缺位 67
4.2.2 内部事务行政权力主导 67
4.2.3 权责不对等导致监督失灵 68
4.3 高校负债运营 69
4.3.1 高校负债的现状 69
4.3.2 预算软约束导致高校过度负债 70
4.4 学费欠收对高校的影响 73
4.5 捐赠收入相对较少 74
4.6 信息披露机制不健全 75
4.7 本章小结 76
第5章 基于企业财务预警方法的高校财务预警实证研究 77
5.1 样本设计与指标筛选 77
5.2 高校财务困境预警的Logistic模型 80
5.3 高校财务困境预警的神经网络模型 82
5.3.1 BP神经网络模型 83
5.3.2 RBF神经网络模型 86
5.4 高校财务困境预警的支持向量机模型 88
5.4.1 标准支持向量机模型 88
5.4.2 最小二乘支持向量机模型 93
5.5 高校财务困境预警的最优模型评价 96
5.6 预警模型的案例应用 98
5.7 本章小结 100
第6章 高校财务困境的预防与治理研究 102
6.1 增加高校收入的策略 102
6.1.1 实施高等教育的绩效拨款制度 102
6.1.2 改善高校财务状况的其他政策选择 106
6.1.3 提高高校自筹经费的能力 110
6.2 高校内部行政管理机制的优化 114
6.2.1 有关我国高校内部治理的研究 114
6.2.2 校长的遴选 117
6.2.3 教授治学 119
6.2.4 健全教职工代表大会制度 121
6.2.5 实行全员聘任制 122
6.3 高校负债的治理对策 123
6.3.1 高校预算软约束的治理 123
6.3.2 建立贷款风险防范机制 124
6.3.3 政府化解高校债务的方案 126
6.4 基于作业成本法的高校成本控制研究 126
6.4.1 教育成本的概念探讨 127
6.4.2 作业成本法应用的背景介绍 128
6.4.3 基于作业成本法的高校教育成本的核算体系 128
6.5 高校财务会计管理制度的改良 136
6.6 实现高校信息公开 138
6.7 本章小结 139
第7章 研究结论及展望 141
7.1 研究结论 141
7.2 研究局限 144
7.3 未来研究方向 145
参考文献 146
附录 163
附录1 T年财务正常组高校及各类财务困境组高校的财务指标 163
附录2 财务正常组高校和财务困境组高校的各指标的正态检验分布 166
附录3 T年财务正常组高校和财务困境组高校的投入产出指标 167
附录4 T年财务正常组高校和财务困境组高校的效率值 169
附录5 训练组高校T-2年的财务指标 172
附录6 测试组高校T-2年的财务指标 174
附录7 Ls-svm1.7工具箱中的LSSVM程序 175
后记 176