Académique Documents
Professionnel Documents
Culture Documents
La Prediction de Faillite Des Entreprises Tunisien PDF
La Prediction de Faillite Des Entreprises Tunisien PDF
discussions, stats, and author profiles for this publication at: https://www.researchgate.net/publication/254418809
CITATIONS
READS
60
3 authors, including:
Hamadi Matoussi
Universit de la Manouba
Universit de la Manouba
30 PUBLICATIONS 58 CITATIONS
9 PUBLICATIONS 76 CITATIONS
SEE PROFILE
SEE PROFILE
Hamadi MATOUSSI
& Rim MOUELHI
Institut Suprieur de Comptabilit et d'Administration des Entreprises (ISCAE)
Rue des entrepreneurs
Z.I. Charguia II
2035 Tunis / Tunisie
Fax: 216 1- 701 270
Sayah SALAH
Ecole Suprieure des Sciences Economiques et Commerciales (ESSEC)
6 Rue Abou Zakaria El Hafsi
Montfleury
1089 Tunis / Tunisie
Fax: 216 1- 33 35 18
ABSTRACT :
In this paper we attempted to modelize the probability of corporate failure from a sample of
Tunisian firms. Our results suggest a good rate of classification either in the original sample
(87% two years before and 91% one year before the failure) and in the control sample (94% one
year before the failure).
We can stress by the way the importance of cash, solvency and working capital ratios in the
formation of failure probability, which is consistent with the classic financial analysis.
RESUME :
Nous avons cherch dans ce papier modliser la probabilit de dfaillance des entreprises
tunisiennes au terme d'une regression logistique. Il ressort des rsultats obtenus un taux de bon
classement des entreprises dans leur groupe d'origine de l'ordre de 87% deux ans avant et de 91%
un an avant la dfaillance. Ce taux est de l'ordre de 94% dans l'chantillon de contrle.
Nous soulignons, par ailleurs, le poids des ratios de trsorerie, de solvabilit, d'quilibre et
d'autonomie financire dans la dtermination de la probabilit de dfaillance ; ce qui est
conforme l'analyse financire classique base sur la mthode des ratios.
I INTRODUCTION
La pratique des affaires montre que toutes les entreprises connaissent un moment ou un autre
des difficults. Celles qui s'y prennent tt s'en sortent gnralement sans grand dgt ; en
revanche, celles qui ne s'en rendent pas compte suffisamment tt ou ne prennent pas les mesures
qui s'imposent en restent l.
En effet, la dfaillance des entreprises n'est pas un vnement surprise mais obit un
processus qui s'tale dans le temps des premires difficults conomiques jusqu'aux difficults
crotre aussi bien de la part des banquiers, des dirigeants d'entreprises, des gestionnaires de
portefeuilles que des autorits publiques.
Cette question a t analyse d'une manire intense dans les pays dvelopps. En
revanche, le terrain reste encore vierge dans les pays en dveloppement1. Pourtant, le besoin est
plus fort tant donn la fragilit du tissu industriel et l'implication de l'Etat d'une faon directe (
travers les entreprises publiques) ou indirecte ( travers le systme fiscal et financier).
La Tunisie a engag ds les annes 1970 une action de soutien aux entreprises travers le
systme fiscal et le systme financier2. Des fonds de promotion de l'industrie (FOPRODI), de
l'artisanat (FONAPRAM) et des exportations (FOPROTEX) ont t crs pour aider la cration
d'entreprises.
Ces actions ont videmment contribu au dveloppement des entreprises existantes et la
cration de nouvelles entits. Cependant, on assistait des entreprises fortement endettes et de
plus en plus dficitaires, surtout parmi les entreprises publiques.
Pour faire face cette dgradation du systme conomique et la multiplication des
entreprises en difficults, les autorits publiques ont entrepris, sous la recommandation du FMI,
des rformes fiscales, montaires et du march financier et se sont engags dans une action de
privatisation. Une loi a mme t vote (Loi 95-34 du 17/4/1995 relative au redressement des
entreprises en difficults conomiques) pour rglementer les entreprises en difficults.
Nanmoins aucune tude srieuse n'a t mene pour tenter de prvoir la faillite des
entreprises tunisiennes. C'est donc pour rpondre cette carence que nous avons entrepris cette
tude. Plusieurs aspects seront abords. Aprs une analyse de la notion et des causes de la
dfaillance des entreprises (section II), un rappel des principales tudes et de leurs conclusions
fera l'objet de la section III. Les sections IV et V seront consacres la mthodologie suivie, aux
tests effectus et aux rsultats obtenus. Enfin nos conclusions feront l'objet d'une dernire
section.
dclare en faillite. En effet, lorsque les difficults financires sont prgnantes il est souvent trop
tard pour ragir. En gnral, les difficults financires sont prcdes de difficults conomiques,
qui sont elles-mmes devances par des difficults organisationnelles (inadaptation aux
contingences de l'environnement conomique ou social).
Cependant, mme si la dfinition retenue pour la dfaillance ne fait pas l'unanimit, les
causes qui la gnrent sont gnralement les mmes. C 'est ce qui a pouss les auteurs se
pencher plutt analyser les causes de la dfaillance que le concept lui-mme. Ces derniers
prtendent que la connaissance des causes de la dfaillance permet de dtecter les variables
pertinentes et les modles appropris susceptibles de la prdire avec succs.
Les tudes menes de par le monde mettent en relief deux principales causes de la
dfaillance :
- Des causes micro-conomiques dont l'origine est interne l'entreprise. Il s'agit des
faiblesses lies aux diffrents aspects de l'organisation (problme li la spcificit des
actifs et responsable de l'augmentation des cots de transaction relation d'agence non
arbitre asymtrie de l'information non rsolue climat social dfavorable ).
- Des causes macro-conomiques qui sont d'origine externe l'entreprise. Il s'agit des
causes lies la conjoncture conomique sectorielle nationale (crise du secteur
Malgr sa simplicit et les bons rsultats auxquels elle a abouti, cette technique ne
permet pas de tenir compte de leffet conjoint de certains indicateurs. En outre, elle expose au
risque de dboucher sur des rsultats contradictoires dans la mesure o une entreprise peut tre
classe dfaillante selon un ratio et saine selon un autre.
III.2 - Lanalyse discriminante :
Devant les critiques adresses ltude de Beaver, lanalyse discriminante multivarie a vu le
jour. Cest une mthode qui permet dapprcier et dune faon globale la situation financire de
lentreprise dcrite travers une batterie de ratios. Ltude la plus connue dans le contexte
anglo-saxon est celle dAltman (1968)5. En effet, Altman (1968) tait le premier utiliser plus
quun ratio pour prvoir la dfaillance. Son tude a port sur un chantillon de 33 entreprises
tombes en faillite sur la priode de 1946-1965 auxquelles ont t associes 33 entreprises saines
de mme taille et de mme secteur. A partir dune batterie de 22 ratios extraits des tats
financiers (bilans et comptes de rsultat), Altman a slectionn 5 ratios au terme dune analyse
discriminante. Sa fonction score se prsentait ainsi :
Z = 0,012 X1 + 0,014 X2 + 0,033 X3+ 0,006X4 + 0,999X5
O: X1 = Fonds de roulement/Total des actifs ; X2 = Rserves/Total des actifs ; X3 = Bnfice avant intrt et
impt/Total des actifs ; X4 = Capitalisation boursire/Total des dettes ; X5 = Chiffre daffaires/Total des actifs.
En effet, Conan et Holder ont travaill sur un chantillon de 190 entreprises dont la
moiti sont en difficults. 31 ratios ont t introduits par les auteurs. La combinaison finale
retenue au terme de lanalyse discriminante est la suivante :
Z = 0,16 X1 - 0,22 X2 + 0,87 X3 + 0,10 X4 - 0,24 X5.7
Cette fonction a permis aux auteurs d'obtenir des pourcentages de bon classement de 67% une
anne avant et de 69% deux annes avant la dfaillance.
III.3 - La rgression logistique ou mthode logit
La rgression logistique est une mthode probabiliste de classement qui consiste dterminer la
probabilit que lvnement dfaillance se ralise pour une firme compte tenu de ses
caractristiques financires.
Parmi les premires tudes ayant utilis lanalyse logit comme moyen de prvision de la
dfaillance nous citons ltude dOhlson (1980)8. Cette tude a port sur un chantillon de 105
entreprises cotes qui ont fait faillite sur la priode 1970-1976 et un chantillon de 2058
entreprises saines choisies de faon alatoire. Les ratios financiers introduits par Ohlson sont les
suivants :
R1 = Ratio taille = Log (actif total/PNB ajust)
R2 = Dettes totales/Actif total
R3 = Fonds de roulement/Actif total
R4 = Dettes court terme/Actif circulant
R5 =
1
si Dettes Totales > Actif total rel
0
autrement
R6 = Rsultat net/Actif total
R7 = Fonds gnrs par lexploitation/Dettes totales
R8 =
1
si rsultat net < 0 pour les deux dernires annes
0
autrement
R9 = (rsultat net de l'anne t - rsultat net de l'anne t-1) / (|rsultat net t| + |rsultat net t-1|)
ces tudes nont pas vrifi la condition de multinormalit des ratios dune part, et nont pas
valid leurs rsultats sur un chantillon de contrle dautre part.
redressement des entreprises en difficults conomiques10. Ce choix est lgitime pour deux
raisons : Dune part la demande de rglement lamiable est une initiative propre lentreprise,
celle ci se sentant incapable dhonorer ses engagements et ayant dj senti ses difficults.
Dautre part lentreprise est tenue de fournir avec sa demande de rglement amiable ses dossiers
commerciaux dont notamment les tats financiers qui doivent tre approuvs par un expert
comptable.
Partant de cette dfinition de la dfaillance, nous avons pu collecter auprs des tribunaux,
ainsi quauprs de la commission de soutien des entreprises conomiques (cre par la loi 95-34
sus mentionne), les bilans et les quatre comptes de rsultat pour 38 entreprises dfaillantes sur
la priode 1992 1996. Pour 34 d'entre elles nous avons pu avoir les tats financiers un an et
deux ans avant la dfaillance.
Notons que certaines entreprises ont dpos leurs bilans en 1995 (anne dentre en
vigueur de la loi 95-34 ), mais dont les difficults ont dj commenc depuis 1994 et les tats
financiers concernaient les annes 1992 et 1993.
Quant aux entreprises saines, nous avons pu collecter auprs des cabinets d'experts
comptables, la bourse des valeurs mobilires de Tunis et la centrale des bilans de la banque
centrale de Tunisie, les tats financiers de 50 entreprises dont 42 pour deux exercices successifs.
Les entreprises retenues appartiennent des secteurs diffrents et sont de taille diffrente.
Les ratios choisis sont prsents dans le tableau suivant (Tableau n1) :
Tableau n1 : Liste des ratios initialement retenus pour l'tude
Ratios
Dfinition
Formule de calcul
Liquidit rduite
R3
Liquidit immdiate
R4
R5
Structure de financement 1
R6
Structure de financement 2
R7
Autonomie financire
R8
Actif circulant
Dettes court terme
Valeurs ralisables & disponibles
Dettes court terme
Valeurs disponibles
Dettes court terme
Capitaux permanents
Actif immobilis
Dettes long et moyen terme
Capitaux permanents
Dettes long et moyen terme
Capitaux propres
Capitaux propres
Dettes totales
Capitaux propres
Dettes court terme
Rotation de lactif
R10
R11
R12
R13
Chiffre d'affaires
Actif total
Chiffre d'affaires
Immobilisations nettes
Chiffre d'affaires
Valeurs dexploitation
Dotations aux amortissements
Valeurs immobilises
Frais de personnel
Valeur ajoute
R14
R15
R16
R17
Ratios de rentabilit
R18
R19
R20
Rentabilit financire
R21
Ratio de rentabilit
conomique
Ratio de structure
R22
R23
R24
R25
R26
R27
R28
Indicateur de taille
R29
R30
R31
Ratio du FDR
Immobilisation Nette
Actif Total
Valeurs ralisables
Actif Total
Valeurs disponibles
Actif Total
Capitaux propres
Passif Total
Dettes long et moyen terme
Passif Total
Dettes court terme
Passif Total
Log (Total bilan)
Fonds de roulement
Actif total
Fonds de roulement
Actif circulant
Fonds de roulement
Actif circulant
10
Un dsquilibre financier est cens produire le mme effet qu'un endettement. Par
consquent les ratios d'quilibre financier doivent jouer ngativement dans la formation de la
probabilit de faillite.
Cependant l'introduction simultane dans nos modles de quelques ratios refltant le
mme aspect risque de fausser les rsultats. Une tude de corrlation entre les ratios est donc
indispensable et simpose dans une premire tape.
IV.4 - Mthodologie
Afin dviter le problme de redondance au niveau de quelques ratios, nous commenons d'abord
par ltude de la matrice de corrlation afin dviter d'introduire dans nos modles des ratios
contenant la mme information.
Nous chercherons ensuite, au terme d'une analyse discriminante, relever les ratios les
plus pertinents dans lexplication et la prvision de la dfaillance des entreprises. Ce sont les
ratios qui permettent une bonne discrimination entre les deux groupes (dfaillantes et saines)11.
L'analyse discriminante tant la plus utilise dans les tudes de dfaillance, elle se
propose de retenir la meilleure combinaison des ratios qui permet la meilleure classification.
Elle consiste dterminer une fonction discriminante Z (fonction pondre de ratios) et la
fixation dun seuil crique Z* qui permettra de reclasser les entreprises dans chaque groupe.
11
Toutefois le choix de Z* est dlicat puisque selon un seuil ou un autre on aurait des
classements diffrents, ce qui constitue une premire critique cette mthode. Une deuxime
critique concerne le fait que cette mthode suppose la normalit de la distribution des diffrents
ratios, hypothse qui n'est pas toujours vrifie.
En vue de dpasser ces problmes, nous complterons notre analyse par la rgression
logistique. Celle ci nous permettra d'identifier les principaux dterminants de la probabilit de
dfaillance. Ce qui rend la mthode encore plus intressante c'est qu'elle permet d'une part de
dterminer le sens de la relation (signe des coefficients de rgression) et d'autre part de tester la
V- Rsultats et interprtation
Lanalyse de la matrice de corrlation entre les ratios a fait apparatre des corrlations fortes en
particulier entre : R1 et R2 (83%), R1 et R8 (78%), R2 et R3 (88%), R3 et R7 (90%),
R3 et R8 (86%), R4 et R12 (94%), R5 et R6 (80%), R7 et R8 (95%), R9 et R11 (79%), R10 et
R16 (-93%), R13 et R14 (96%), R13 et R15 (95%) et entre R14 et R15 (95%).
Nous tenons ce que les ratios corrls entre eux ne figurent pas dans la mme quation.
V.1 - Les rsultats de lanalyse discriminante
Cette technique a abouti la fonction discriminante optimale suivante :
Z = 0,287 R1 0,370 R6 + 0,281 R7 + 0,168 R11 + 0,159 R15 + 0,109 R16 + 0,444 R17 + 0,345 R18 +
0,198 R20 + 0,506 R21 + 0,127 R22 + 0,222 R23 + 0,347 R24 + 0,293 R25 0,352 R26 0,085 R27 + 0,309 R28.
Daprs les corrlations entre la fonction discriminante et les ratios, on remarque que les
ratios R21 (Cash flow/Actif total), R17 (EBE/Actif total) qui sont deux ratios de rentabilit
participent le plus avec un signe positif dans la formation de la fonction discriminante. En
revanche, les deux ratios R6 (DLMT/Capitaux propres) et R26 (DLMT/Actif total) qui sont deux
ratios dendettement participent le plus avec un signe ngatif dans la fonction discriminante.
12
Malheureusement, aucun test nest fourni par lanalyse discriminante pour juger de la
significativit statistique des ratios. Le score critique que nous avons retenu est de 0,136812. Si
le score dune entreprise est suprieur cette valeur, elle est considre comme saine.
Autrement, elle sera classe comme dfaillante.
Sur la base de ce score nous avons obtenu un taux de bon classement de 96,6% dans
lchantillon de base une anne avant la dfaillance. Nanmoins, et vu les critiques dj
adresses lanalyse discriminante, entre autres la multinormalit des ratios13, nous retenons les
rsultats de la rgression logistique.
O P est la probabilit pour qu'une firme soit dfaillante compte tenu de ses
caractristiques financires (les ratios). Les paramtres et sont estims par la mthode du
maximum de vraisemblance. Les rsultats de l'estimation sont les suivants (Tableau n2)14.
Tableau n2 : Rsultats de l'estimation Logit
Variables(ratios) Coefficients estims (,) Valeur du T de Student
Constante
2,259
1,865
R21
-55,702
-2,867
R25
-6,989
-2,167
R5
6,674
2,325
R30
-1,144
-1,930
Le coefficient de dtermination (R-Squared) = 78%.
Le pourcentage de bon classement est de 90,90%.
13
Dun point de vue statistique, les rsultats sont satisfaisants dans le sens o tous les
coefficients sont statistiquement significatifs 5% (sauf pour le R30 qui est significatif 10%).
Par ailleurs le pouvoir explicatif des ratios introduits (autrement dit la probabilit de dfaillance
explique) est de lordre de 78%.
Le modle estim et test sur les donnes de lchantillon de base a permis de reclasser
les entreprises 87% deux annes avant et 91% une anne avant la dfaillance (pour un seuil de
probabilit de 0,5)15.
On a aussi dtermin le pourcentage de bon classement pour un seuil de probabilit de
0,7 pour tester le pouvoir du modle bien identifier les entreprises dfaillantes. Nous avons
obtenu les rsultats suivants (Tableau n3) :
Tableau n3 : Rsultats de classement dans l'chantillon de base un an avant la dfaillance
% de bon
classement
Groupe
dentreprises
Dfaillante
Saines
Globales
P = 0,5
Classement dans
les groupes
dorigine
89,47%
92%
90,90%
P = 0,7
classement dans
les groupes du
modle
89,47%
92%
90,90%
classement dans
les groupes
dorigine
81,57%
98%
90,90%
Classement dans
les groupes du
modle
96,87%
87,50%
90,90%
A partir de ces rsultats on remarque que le modle permet de bien classer 89,47% des
entreprises dfaillantes et 92% des entreprises saines pour P = 0,5. Ces pourcentages sont
respectivement de 81,57% et 98% pour P = 0,7.
Cependant, certains auteurs tels que Saint-Sever (1987) et Dumontier (1991) considrent
que cette faon de procder permet de calculer le pourcentage de bon classement des entreprises
mais ne permet pas dvaluer la qualit prdictive du modle. Ils proposent de calculer, en outre,
le rapport entre entreprises bien classes dans un groupe et le total class par le modle dans ce
groupe. Nous l'avons appel dans notre tude taux de bon classement dans les groupes du
modle. Le modle a retenu 38 entreprises comme dfaillantes pour P=0,5 dont 34 sont
14
Saines
Total
8
40
48
83,33% =
40/48
34
42
76
86,84% =
26+40/76
% de bon classement
dans les groupes dorigine
76,47%(=26/34)
95,23%(= 40/42)
86,84%(=[26+40]/76)
-
15
trsorerie puisqu'il rapporte le cash flow par l'actif total. Ainsi on voit que la trsorerie a plus de
poids dans la prvision de la dfaillance que la rentabilit. Ceci est logique et conforme la
ralit puisque le dpt de bilans des entreprises n'est jamais caus par les dficits enregistrs,
mais plutt par un problme de trsorerie (incapacit d'honorer ses engagements).
Troisimement, les contributions ngatives des ratios des capitaux propres (R25) et du
Fonds de Roulement (R30) la formation de la probabilit de faillite, constitue une confirmation
du poids du risque.
En effet, l'importance des capitaux propres dans le passif total reprsente une garantie
pour les tiers et rduit la vulnrabilit financire de l'entreprise. Quant au ratio du Fonds de
Roulement, il montre que l'quilibre financier demeure le meilleur garant de la bonne sant
financire de l'entreprise.
Le signe ngatif de ces deux ratios signifie qu'un accroissement de ces deux variables
rduit le risque de dfaillance ; c..d que l'entreprise dont les deux ratios sont plus levs (par
rapport une autre) est moins expose au risque de faillite.
16
VI CONCLUSION
Dans cette tude, nous nous sommes fix un objectif double : proposer d'abord un modle de
prvision de la dfaillance pour les entreprises tunisiennes et relever d'autre part les dterminants
du risque de dfaillance.
Pour rpondre aussi bien au premier qu'au second objectif, nous avons eu recours aux
techniques multivaries : l'analyse discriminante et la rgression logistique.
Au vu des rsultats de la rgression logistique, mthode plus robuste (plus adapte aux
17
Il existe des seuils (effet de cliquet) qui provoquent une acclration des difficults,
toutes choses tant gales par ailleurs.
Il y a une diffrence entre la nature relle de la crise et la perception qu'en ont les
dirigeants (reprsentation) et pour comprendre le processus, il faut s'intresser aux
actes des praticiens (dans le temps).
Enfin, les donnes chiffres permettent peut tre de reprer les spcificits des
entreprises
un
instant
donn,
mais
pas
les
processus
managriaux.
En effet, mme s'il y a eu quelques tentatives, les tudes menes sont restes l'chelle locale et n'ont pas fait
l'objet de diffusion l'chelle internationale.
2
On cite les lois 72-38 relative aux entreprises exportatrices et 74-74 relative aux entreprises manufacturires. En
plus et jusqu' l'adoption du Plan d'Ajustement Structurel en 1986, la Tunisie tait plonge dans une conomie
d'endettement avec des taux d'intrt qui sont rests longtemps ngatifs.
3
L'approche socio-conomique initie par Henri Saval (1975) qualifie les cots conscutifs un dysfonctionnement
de cots cachs.
4
En effet, les ratios sont la matire premire de toute tude et lchantillon danalyse est toujours compos
dentreprises saines et dentreprises tombes en difficults. Tous les modles cherchent classer les entreprises dans
leur classe initiale avec le pourcentage derreur le plus faible
5
Dautres tudes menes aux Etats Unis ont utilis lanalyse discriminante pour prvoir la faillite : Deakin (1972),
Blum (1974), Dambolena et Khoury (1980)...
6
Dautres tudes ont t menes en France telles que : Altman, Margaine, et al (1974), Collongue (1977), Chaibdera
(1979), Zollinger (1982), Micha (1984), Bardos (1984) Pour cette dernire, elle t mene dans le cadre des
cahiers de recherche de la banque de France. Son originalit est quelle portait sur trois groupes dentreprises:
Saines, dfaillantes et marginales qui prsentaient la fois des signes de dfaillance et de vulnrabilit
7
X1 = (Valeurs ralisables + disponibles) / Actif total ; X2 = Capitaux propres / Passif total ; X3 = Frais financiers /
CAHT ; X4 = Frais de personnel / valeur ajoute et X5 = Excdent brut dexploitation / Total des dettes.
8
Dautres tudes ont utilis la mthode logit telles : Zavgren (1985), Zmijewski (1985), Keasy (1990), Platt et Platt
(1990)...
9
On peut citer ltude de Mamoughi (1984) et ltude de Helal (1995). La premire a port sur un faible chantillon
et a oppos 17 entreprises juges dfaillantes par les banques parce quelles nont pas rembours leur crdit 17
autres tires au hasard auprs de la centrale des bilans de la banque centrale de Tunisie sur la priode 1976-1982.
Ltude de Helal (1995), quant elle a port sur un chantillon plus grand (125 entreprises), mais dont aucune na
rellement t dfaillante. Il sagit dun chantillon choisi du secteur textile sur la priode 1985-1988 sur le quel
lauteur a appliqu la mme dmarche suivie par la banque de France en 1984 (voir Bardos 1984).
10
Journal Officiel de la Rpublique Tunisienne (JORT) du 25 avril 1995.
11
Nous avons volontairement cart les techniques univaries et opt pour les techniques multivaries parce qu'elles
renferment le risque de classer la mme entreprise dans deux groupes diffrents selon les ratios retenus.
12
En fait nous avons obtenu ce score en procdant de la mme faon qu'Altman (1968) et d'autres auteurs ayant
utilis l'analyse discriminante.
13
Le test de multinormalit a rejet la normalit pour tous les ratios sauf pour le ratio de taille R28.
14
Voir annexe n1.
15
Dans lanalyse logit, la procdure se fait en estimant pour chaque entreprise la probabilit de ralisation de
l'vnement dfaillance et de la reclasser selon que cette probabilit est suprieure ou infrieure une valeur critique
retenue par le dcideur. Pour les logiciels statistiques, la valeur critique est gnralement de 0,5. Rappelons par
ailleurs que la fonction logit scrit comme suit :
Logit (p) = LOG(P / 1-P) = 2.259 + 6,674R5 55,702R21 6,989R25 1,144R30.
Ainsi, la probabilit de dfaillance P est gale : P = eLogit (P) / 1+ eLogit (P)
18
BIBLIOGRAPHIE
Altman, E.I. (1968) Financial ratios, discriminant analysis and the prediction of corporate
bankruptcy, the Journal of Finance, Vol. 23, 589-609.
Altman, E.I., M. Margaine, M. Scholosser et P.Vernimmen (1974) statistical credit analysis in
the textile industry : A French experience, Journal of Financial and Quantitative Analysis, Vol.
9, 195-211.
Bardos, M. (1984), le risque de dfaillance dentreprise, Banque de France, cahiers
conomiques et montaires N19.
Beaver, W.H. (1966), Fnancial ratios as predictors of failure, Empirical Research in
Accounting : Selected Studies, Supplement to volume 5, Journal of Accounting Research, 179-
199.
Beaver, W.H. (1968), Market prices, financial ratios and the prediction of failure, Journal of
Accounting Research, Autumn, 179-192.
Blum M. (1974) Failing company discriminant analysis, journal of accounting research spring,
1-25.
Chaibdderra, M. (1980) la prvision des dfaillances des entreprises industrielles rgionales par
lapplication dune analyse factorielle discriminante : Une note Cahier du CERIFIA universit
de Rennes I.
Collongues Y. (1977) Ratios financiers et prvision des faillites des petites et moyennes
entreprises, Revue Banque, N 365, 963-970.
Conan J. et M. Holder (1979) variables explicatives de performances et contrle de Gestion
dans les PMI Thse de doctorat dEtat. Universit Paris Dauphine.
Dambolena, I.G. et S.J.Khoury (1980) Ratio stability and corporate failure, The Journal of
Finance, Vol. 35, 1017-1026.
Deakin E.B. (1972) A discriminant analysis of predictors of business failure, Journal of
Accounting Rsearch, Spring 1972, 167-179.
Dumontier P. (1991) vices et vertus des modles de prvision de dfaillance, Banque
514, 275-282.
Fitzpatrick P.I. (1932) A comparison of the successful industrial entreprise with those of failed
companies, The Accountants Publishing Company.
Gresse C. (1994) Lentreprise en difficult, Economica Paris.
Helal M. (1995) Le risque crdit et la dfaillance dentreprise : Une prsentation thorique et
une valuation empirique, Finance et dveloppement au Maghreb, N13, 66-96.
19
Micha B. (1984) Analysis of business failures in France, Journal of Banking and finance Vol.
8, 281-291.
Ohlson, J.A (1980), Financial ratios and the probabilistic prediction of bankruptcy, Journal of
Accounting Research, Spring, pp.109-131.
Platt H.P. et M.B. Platt (1990) Development of a class of stable predictive variables : The case
of bankruptcy prediction, Journal of Business Finace and Accounting, Vol. 17 N1, 31-51.
Saint-Sever P. (1987) Les mthodes de scores sont-elles efficaces ? La Revue Banque N 475,
795-798.
Saval H. (1975) Enrichir le travail humain Economica 1975.
Zavgren C.V. (1985) Assessing the vulnerability to failure of American industrial firms. A
logistic analysis, Journal of Business Finance and Accounting, Vol. 12, N1, 19-45.
Zmijewski M.E. (1984) Methodological issues related to the estimation of financial distress
prediction models, Studies on current Econometric Issues in Accounting Research, pp. 59-82.
Zollinger M. (1982) LAnalyse multicritre et le risque de crdit aux entreprises, Revue
franaise de Gestion, avril, 56-66.
20
ANNEXE N 1
FREQENCY PERCENT
50
56.8182
38
43.1818
DEPENDENT VARIABLE : Y
LOG OF LIKELIHOOD FUNCTION
NUMBER OF CASES
NUMBER OF CHOICES
SUM OF SQUARED RESIDUALS
R - SQUARED
PERCENT CORRECT PREDICTIONS
Parameter
C1
R211
R251
R51
R301
Estimate
2.25968
-55.7025
-6.98940
6.67436
-1.14499
Standard
Error
1.21132
19.4274
3.22534
2.86964
0.593093
=
=
=
=
=
=
t statistic
1.86547
-2.86721
-2.16703
2.32585
-1.93054
21
-13.9044
88
176
4.70258
0.782253
0.909091