Katarzyna Dębkowska * Prognozowanie upadłości przedsiębiorstw za pomocą wybranych metod wielowymiarowej analizy statystycznej Wstęp Upadłość przedsiębiorstw jest procesem na trwale wpisanym w funkcjonowanie gospodarki rynkowej bądź mieszanej. Jest to zjawisko bardzo złożone o podłożu ekonomicznym, prawnym, społecznym, a nawet psychologicznym. Problematyka upadłości stanowi ważny wątek w naukach o ekonomii i zarządzaniu, m.in. w zagadnieniach: teoria upadłości, prognozowanie zagrożenia przedsiębiorstw upadłością, przyczyny i symptomy upadłości przedsiębiorstw, skutki upadłości przedsiębiorstw, koszty postępowania upadłościowego. Zjawisko upadłości przedsiębiorstw, jego skala oraz skutki gospodarcze i społeczne skłaniają do wnikliwej analizy przyczyn oraz zmuszają do podejmowania z odpowiednim wyprzedzeniem działań zapobiegawczych. Przeprowadzanie pełnej analizy kondycji finansowej jest bez wątpienia bardzo pracochłonne, dlatego popularność zyskały metody umożliwiające postawienie diagnozy dotyczącej sytuacji finansowej firmy, oparte na możliwie najmniejszej liczbie parametrów. Z pomocą przyszły modele prognozowania bankructwa, które zyskują coraz większe grono zwolenników. Szczególne zainteresowanie modelami upadłości wykazują: banki, przedsiębiorstwa ubezpieczeniowe, instytucje finansowe, dostawcy oraz właściciele przedsiębiorstw. Celem artykułu jest ocena sprawności wybranych metod wielowymiarowej analizy statystycznej w prognozowaniu upadłości przedsiębiorstw. Porównano wyniki klasyfikacji trzech metod: drzew klasyfikacyjnych, regresji logitowej oraz analizy dyskryminacyjnej. Metody te pozwalają na budowanie modeli dla zmiennych jakościowych, a zatem możliwe jest ich wykorzystanie w modelach prognozowania upadłości, gdzie wartości zmiennej zależnej oznaczają niemierzalne kategorie: bankrut i niebankrut. W ramach badania uzyskano informacje o polskich przedsiębiorstwach reprezentujących różne sektory, wśród których znaleźli się zarówno bankruci jak i niebankruci, a proporcja między jednymi a drugimi wyniosła 1:1. Każde przedsiębiorstwo zostało opisane za pomocą zmiennych diagnostycznych w postaci wskaźników finansowych. Dane do analizy zebrano na podstawie informacji zamieszczonych w sewisie Emerging Markets Information Service (EMIS). * Dr, Katedra Informatyki Gospodarczej i Logistyki, Wydział Zarządzania, Politechnika Białostocka, k.debkowska@pb.edu.pl
176 Katarzyna Dębkowska 1. Zjawisko upadłości przedsiębiorstw w Polsce Zjawisko upadłości przedsiębiorstw pojawiło się w Polsce po wprowadzeniu gospodarki rynkowej. Rynek weryfikuje efektywność podmiotów gospodarczych i dzieli je na mało użyteczne oraz rozwojowe. Mało użyteczne podmioty gospodarcze upadają, a perspektywę dalszego rozwoju mają tylko podmioty efektywne. Powstawanie nowych przedsiębiorstw i upadanie przedsiębiorstw źle funkcjonujących jest naturalnym przejawem dążenia do optymalnej alokacji zasobów produkcyjnych. Zjawisko upadłości w Polsce w latach 1997 2011 zilustrowano na rysunku 1. Od roku 2002 liczba upadłości systematycznie spadała. Taka sytuacja miała miejsce do przedkryzysowego roku 2008, po którym odnotowano wzrost postanowień upadłościowych. W 2011 roku sądy ogłosiły upadłość 723 polskich firm, co oznacza wzrost o 10,4% w stosunku do roku 2010, który był okresem poprawy dyscypliny płatniczej i zakończył się pięcioprocentowym spadkiem liczby bankructw. 723 bankructwa to aż o 76% więcej niż w przedkryzysowym roku 2008 (411 upadłości). Rysunek 1. Postanowienia upadłościowe w Polsce w latach 1997 2011 Źródło: [Raport Coface, 2011]. Liczba upadłości w 2011 r. na obszarze całego kraju była dość zróżnicowana (por. tablica 1). Na tak znaczące rozbieżności pomiędzy poszczególnymi regionami Polski miał wpływ przede wszystkim zróżnicowany poziom rozwoju ekonomicznego poszczególnych województw. Oczywiste jest, że największa liczba upadłości występuje w województwach, w których zlokalizowanych jest najwięcej przedsiębiorstw (mazowieckie, śląskie, dolnośląskie). Trzeba odnotować, że w większości województw (10) wystąpił wzrost upadłości w 2011 r. w porównaniu do roku poprzedniego. Dla pięciu województw obserwujemy
Prognozowanie upadłości przedsiębiorstw za pomocą wybranych... 177 spadek liczby upadłości, zaś w województwie podkarpackim nie odnotowano zmian w badanym okresie. Z raportu na temat upadłości firm w Polsce w 2011 r. wynika, że zjawisko to dotyka firm z różnych sektorów, lecz wyraźnie najbardziej zagrożonym sektorem jest budownictwo, gdzie liczba bankrutów wzrosła w 2011 r. w porównaniu do roku poprzedniego o 79%. Liczba upadłości jest różna w zależności od form prawnych przedsiębiorstw. Zdecydowanie największy udział w upadłościach mają spółki z o.o. (65,7%). Tablica 1. Liczba upadłości w regionach Województwo 2010 2011 Zmiana 2011/2010 Mazowieckie 134 141 +5% Śląskie 93 89-4% Dolnośląskie 77 87 +13% Zachodniopomorskie 58 70 +20% Wielkopolskie 54 64 +19% Małopolskie 52 64 +23% Kujawsko-pomorskie 42 35-17% Łódzkie 26 35 +35% Pomorskie 21 29 +38% Lubelskie 17 25 +47% Podkarpackie 23 23 bez zmian Warmińsko-mazurskie 25 18-28% Podlaskie 7 13 +86% Lubuskie 7 12 +71% Opolskie 11 9-18% Świętokrzyskie 8 9-11% Razem 655 723 +10,4% Źródło: [Raport Coface, 2011]. Wydaje się, że do głównych przyczyn bankructwa polskich przedsiębiorstw należy zaliczyć zarówno brak kapitału, jak również brak wiedzy i umiejętności wśród kadry zarządzającej. Ponadto w wielu przypadkach można stwierdzić, że polscy przedsiębiorcy nie przeprowadzają jakichkolwiek badań rynku oraz planów finansowych. Także pojęcie strategii oraz wizji przedsiębiorstwa jest dla nich często obce. Wśród czynników zewnętrznych decydujące znaczenie mają w naszych warunkach wysokie stopy procentowe oraz wzrost konkurencji [Prusak, 2001]. Na potrzeby niniejszego opracowania korzystano z informacji o przedsiębiorstwach upadłych zamieszczonych w bazie Corporate Database serwisu EMIS (Emerging Markets Information Service). W zasobach serwisu znalazły się 93 przedsiębiorstwa, które w 2011 roku ogłosiły upadłość. Rozkład odnotowanych w serwisie upadłości w poszczególnych województwach przedstawiono na rysunku 2. Największa liczba bankrutów wystąpiła w województwach zlokalizowanych w centrum Polski oraz w województwie śląskim. Znacznie mniej
178 Katarzyna Dębkowska upadłości występuje we wschodniej części kraju. Odnotowano dwa województwa (świętokrzyskie i lubuskie), gdzie według danych serwisu EMIS nie została ogłoszona żadna upadłość. Przedsiębiorstwa upadłe reprezentowały różne branże, ale najwięcej (32%) to przedsiębiorstwa zajmujące się produkcją przemysłową. Wśród bankrutów znalazło się 19% firm budowlanych, 18% firm handlowych, a także 5% przedsiębiorstw reprezentujących sektor transport i logistyka. Rysunek 2. Liczba upadłych przedsiębiorstw w 2011 r. w województwach zachodniopomorskie 4 pomorskie 6 kujawskopomorskie 8 warmińskomazurskie 3 mazowieckie 15 podlaskie 1 lubuskie 0 dolnośląskie 5 wielkopolskie 10 opolskie 2 łódzkie 9 śląskie 12 świętokrzyskie 0 małopolskie 4 lubelskie 3 podkarpackie 3 12-15 8-11 4-7 1-3 Źródło: Opracowanie własne na podstawie informacji serwisu EMIS. Forma prawna przedsiębiorstw upadłych zarejestrowanych w serwisie EMIS to najczęściej spółki z o.o. (51%) oraz spółki akcyjne (38%). 2. Prognozowanie upadłości Tematyka zagrożenia finansowego przedsiębiorstw w Polsce cieszy się dużym zainteresowaniem. Już w połowie lat 90. zanotowano kilka badań prowadzonych nad tym problemem, m.in. M. Pogodzińska oraz S. Sojak [Pogodzińska, Sojak, 1995, s. 53-61], J. Gajdka i D. Stos [Gajdka, Stos, 1996,
Prognozowanie upadłości przedsiębiorstw za pomocą wybranych... 179 s. 59-63], D. Hadasik [Hadasik, 1998, s. 133-175]. Wśród autorów modeli upadłości, którzy ogłosili swoje prace po roku 90-tym można wymienić: D. Wędzkiego, A. Pogorzelskiego, A. Hołodę, K. Michaluka, M. Gruszczyńskiego, E. Mączyńską i M. Zawadzkiego i wielu innych. Wielu naukowców w swoich opracowaniach, w celu oszacowania modeli stosowało próbę zbilansowaną (liczba bankrutów była taka sama jak liczba niebankrutów). Wyjątek stanowiła część modeli oszacowanych przez D. Hadasik oraz kilka modeli zbudowanych przez T. Korola i K. Michaluka, które to zostały wyznaczone na podstawie próby niezbilansowanej. W tych badaniach nieudowodniono jednak wyższości modeli zbudowanych na podstawie próby niezbilansowanej w porównaniu do modeli zaprojektowanych przy wykorzystaniu próby zbilansowanej [Prusak, s. 174]. Większość modeli została wyznaczona na podstawie informacji pochodzących ze sprawozdań finansowych sporządzonych za okres roku poprzedzającego rok, w którym zakwalifikowano jednostkę jako upadłą. W literaturze można również znaleźć inne koncepcje, np. D. Wędzki do zbudowania modelu wykorzystywał sprawozdania finansowe za okres sprzed dwóch lat poprzedzających rok, w którym uznano firmę za upadłą [Wędzki, s. 477-485]. W polskich modelach pozwalających prognozować zagrożenie finansowe przedsiębiorstw funkcje predyktorów najczęściej pełnią mierniki finansowe, tzn. wskaźniki płynności, rentowności, sprawności, struktury kapitałowo majątkowej, obsługi zadłużenia. Techniki stosowane przez autorów modeli to najczęściej: analiza wskaźnikowa, wielowymiarowa analiza dyskryminacyjna, modele logitowe lub probitowe, sztuczne sieci neuronowe, systemy dynamiczne. Do oceny sprawności modeli służą metody, do których zaliczamy: macierz klasyfikacji przedsiębiorstw, iloraz szans, ujęcie graficzne za pomocą krzywej koncentracji CAP lub ROC, wskaźnik dokładności Giniego [Prusak, s. 67]. Na potrzeby niniejszego artykułu, którego celem jest ocena sprawności wybranych metod wielowymiarowej analizy statystycznej w prognozowaniu upadłości przedsiębiorstw, utworzono zbilansowaną próbę przedsiębiorstw, co oznacza, że proporcja między bankrutami i niebankrutami wynosiła 1:1, a każdemu bankrutowi przyporządkowano niebakruta działającego w tej samej branży, charakteryzującego się podobną wielkością zatrudnienia oraz tą samą formą prawną. Jako zmienne diagnostyczne przyjęto wskaźniki finansowe przedsiębiorstw wyznaczone za rok 2009, czyli za okres sprzed dwóch lat od roku ogłoszenia upadłości. W związku z tym, że informacje o wskaźnikach finansowych za 2009 r. nie były dostępne dla wszystkich 93 przedsiębiorstw upadłych, do dalszej analizy wzięto 34 przedsiębiorstwa, dla których sprawozdania finansowe za 2009 r. były dostępne w bazie Corporate Database serwisu EMIS. Dla każdej z tych firm przyporządkowano niebankruta w taki sposób, aby utworzyć 68-elementową próbę zbilansowaną przedsiębiorstw. Każda z firm została opisana ze względu na 14 wskaźników finansowych wszechstronnie opisujących
180 Katarzyna Dębkowska sytuację finansową firm pod względem płynności, rentowności, zadłużenia oraz sprawności. Cały zbiór mierników, stanowiący zestaw potencjalnych zmiennych diagnostycznych, zweryfikowano ze względu na ich wartość informacyjną. W tym celu sprawdzono zdolność dyskryminacyjną zmiennych, a następnie za pomocą metody parametrycznej Helwiga sprawdzono pojemność informacyjną zmiennych. W celu wyeliminowania powielania się informacji ze zbioru wielkości kryterialnych wykluczono te, które były silnie skorelowane z innymi zmiennymi. Za progową wartość współczynnika korelacji przyjęto 0,7. W rezultacie w zbiorze zmiennych diagnostycznych pozostało 9 wskaźników finansowych (por. tablica 2). Średnie poziomy wskaźników finansowych w grupach przedsiębiorstw, które ogłosiły upadłość oraz w przedsiębiorstwach niezagrożonych upadłością przedstawiono w tablicy 3. Widać wyraźnie różnice w poziomach średnich poszczególnych wskaźników finansowych w dwóch grupach. Tablica 2. Wskaźniki finansowe i sposób ich wyznaczania Symbol Nazwa Sposób wyznaczania W1 Wskaźnik natychmiastowej wymagalności (Aktywa obrotowe - Zapasy - Należności krótkoterminowe) / Zobowiązania krótko- W2 W3 W4 W5 W6 W7 Wskaźnik zadłużenia aktywów Wskaźnik zadłużenia kapitału własnego Wskaźnik zadłużenia długoterminowego Wskaźnik rentowności brutto (%) Wskaźnik rentowności aktywów (%) Wskaźnik rotacji aktywów stałych terminowe (Zobowiązania długoterminowe + Zobowiązania krótkoterminowe) / Suma bilansowa (Zobowiązania długoterminowe + Zobowiązania krótkoterminowe) / Kapitał własny Zobowiązania długoterminowe / Kapitał własny 100 * Wynik brutto / Przychody netto ze sprzedaży 100 * Wynik netto / Suma bilansowa Przychody netto ze sprzedaży / ((Aktywa trwałe + Aktywa trwałe z poprzedniego roku) / 2) W8 Wskaźnik rotacji aktywów Przychody netto ze sprzedaży / ((Suma bilansowa + Suma bilansowa z poprzedniego roku) / 2) W9 Wskaźnik poziomu kosztów operacyjnych (%) Źródło: Opracowanie własne. 100 * Koszty operacyjne / Przychody netto ze sprzedaży W dalszej części opracowania, do prognozowania upadłości przedsiębiorstw zastosowano trzy metody statystyki wielowymiarowej: drzewa klasyfikacyjne, liniową analizę dyskryminacyjną oraz regresję logistyczną. Ocenę
Prognozowanie upadłości przedsiębiorstw za pomocą wybranych... 181 sprawności wybranych metod przeprowadzono za pomocą macierzy klasyfikacji. Drzewa klasyfikacyjne to zbiorcza nazwa rodziny metod statystycznych z zakresu eksploracji danych, dokonujących, za pomocą diagramów zwanych drzewami, klasyfikacji obserwacji statystycznych, czyli podziału próby statystycznej na klasy obserwacji o podobnych właściwościach 1. Metody analizy dyskryminacyjnej mają na celu podział porównywalnych obiektów na grupy obiektów jak najbardziej do siebie podobnych ze względu na opisujące je własności [Panek, 2009, s. 278]. Regresja logitowa pozwala na budowę modeli opisujących wpływ zmiennych jakościowych i ilościowych na zmienną dychotomiczną [Stanisz, 2007, s. 269]. Tablica 3. Średnie poziomy wskaźników finansowych w grupach przedsiębiorstw Średnia arytmetyczna Wskaźnik niebankrut bankrut W1 Wskaźnik natychmiastowej wymagalności 0,9577 0,1882 W2 Wskaźnik zadłużenia aktywów 0,4853 0,8021 W3 Wskaźnik zadłużenia kapitału własnego 2,3800 4,7485 W4 Wskaźnik zadłużenia długoterminowego 0,2732 0,1450 W5 Wskaźnik rentowności brutto (%) 18,1844-6,7844 W6 Wskaźnik rentowności aktywów (%) 9,3132-8,4338 W7 Wskaźnik rotacji aktywów stałych 17,3791 8,0188 W8 Wskaźnik rotacji aktywów 1,7529 2,3329 W9 Wskaźnik poziomu kosztów operacyjnych (%) 90,8212 103,1494 Źródło: Opracowanie własne. Traktując upadłość jako jakościową zmienną zależną z dwoma wariantami realizacji (bankrut, niebankrut), zaś poszczególne wskaźniki finansowe jako predyktory, zastosowano do wyznaczania przynależności przedsiębiorstw do klas jakościowej zmiennej zależnej drzewa klasyfikacyjne. Przy użyciu metody C&RT wyczerpującego poszukiwania podziałów jednowymiarowych zaklasyfikowano poprawnie 66 przedsiębiorstw. Z przeprowadzonej klasyfikacji wynika, że najczęściej do grupy bankrutów trafiają przedsiębiorstwa, dla których wskaźnik rentowności brutto wynosi poniżej bądź równo 1,505% oraz wskaźnik rotacji aktywów stałych jest poniżej poziomu 31,685. W grupie niebankrutów znajdują się najczęściej te firmy, dla których wskaźnik rentowności brutto jest większy niż 3,695%, a wskaźnik za- 1 Szczegółowe informacje na temat metody drzew klasyfikacyjnych zawarte są m.in. w Metody statystycznej analizy wielowymiarowej w badaniach marketingowych, red. E. Gatnar, M. Walesiak, AE, Wrocław, 2004, ss. 103-138.
182 Katarzyna Dębkowska dłużenia aktywów jest niższy bądź równy 0,755 oraz wskaźnik rentowności aktywów osiąga poziom powyżej 1,99%. W wyniku zastosowania do prognozowania bankructwa liniowej analizy dyskryminacyjnej otrzymano równanie funkcji klasyfikacyjnej postaci: Z 0,344W 1 1,035W 2 0,240W 3 0,633W 4 0,109W 5 (1) 0,164W 6 0,026W 7 0,381W 8 1,077W9 55.308 Wykorzystując analizę dyskryminacyjną do klasyfikacji przedsiębiorstw do grup bankrut i niebankrut, prawidłowo zakwalifikowano łącznie 60 przedsiębiorstw. W wyniku zastosowania regresji logitowej można było poprawnie zakwalifikować 51 przedsiębiorstw. Szczegółowe porównanie wyników klasyfikacji trzema metodami przedstawiono za pomocą macierzy kwalifikacji w tablicy 4. Tablica 4. Macierz kwalifikacji przedsiębiorstw dla poszczególnych metod klasyfikacji Metoda drzew klasyfikacyjnych Wyszczególnienie Stan rzeczywisty Bankrut Niebankrut Prognoza Bankrut 34 0 Niebankrut 0 34 Wielowymiarowa analiza dyskryminacyjna Wyszczególnienie Stan rzeczywisty Bankrut Niebankrut Prognoza Bankrut 30 4 Niebankrut 4 30 Regresja logitowa Wyszczególnienie Stan rzeczywisty Bankrut Niebankrut Prognoza Bankrut 28 6 Niebankrut 11 23 Źródło: Opracowanie własne. Dokonując podsumowania kwalifikacji jednoznacznie należy stwierdzić, że wykorzystanie drzew klasyfikacyjnych dało najlepsze rezultaty. Wszystkie przedsiębiorstwa zostały poprawnie zakwalifikowane. Tablica 5. Zestawienie klasyfikacji Miara Drzewa klasyfikacyjne Analiza dyskryminacyjna Regresja logistyczna Procent bankrutów prawidłowo zaklasyfikowany 100% 88% 82% Procent bankrutów nieprawidłowo zaklasyfikowany 0% 12% 18%
Prognozowanie upadłości przedsiębiorstw za pomocą wybranych... 183 Procent przedsiębiorstw niezagrożonych upadkiem, który został poprawnie sklasyfikowany Procent przedsiębiorstw niezagrożonych upadkiem, który został niepoprawnie sklasyfikowany Procent wszystkich przedsiębiorstw prawidłowo sklasyfikowany Procent wszystkich przedsiębiorstw nieprawidłowo sklasyfikowany Źródło: Opracowanie własne. 100% 88% 68% 0% 12% 32% 100% 88% 75% 0% 12% 25% Na kolejnym miejscu pod względem sprawności klasyfikacji uplasowała się analiza dyskryminacyjna, za pomocą której prawidłowo zakwalifikowano 88% przedsiębiorstw. Ostatnie miejsce zajęła metoda regresji logistycznej, w wyniku której prawidłowo sklasyfikowano 75% przedsiębiorstw. Szczegółowe zestawienie kwalifikacji zaprezentowano w tablicy 5. Zakończenie Empiryczna weryfikacja prawidłowości klasyfikacji przez poszczególne techniki z punktu widzenia ich skuteczności wykazała, iż drzewa klasyfikacyjne charakteryzują się najwyższą sprawnością przewidywania bankructwa. Zaprezentowane modele pozwalają w łatwy sposób ocenić zagrożenie upadłością przedsiębiorstw, należy jednak podkreślić, że uzyskane wyniki nie powinny być traktowane jako rozstrzygające. Odpowiednio stosowane modele mogą jedynie stanowić ważną pomoc w ocenie rzeczywistej sytuacji finansowej przedsiębiorstw. Powyższe wyniki należy traktować jako wstępne opracowanie. Autorka planuje kontynuację badań nad sprawnością metod klasyfikacji przedsiębiorstw upadłych na podstawie prób niezbilansowanych. Literatura 1. Callaghan J, Parkash M, Singhal R, (2009), Going Concern Audit Opinions and the Provision of Nonaudit Services: Implications for Auditor Independence of Bankrupt Firms, Auditing: A Journal of Practice & Theory, American Accounting Association, Vol. 28, No. 1. 2. Gajdka J., Stos D., Wykorzystanie analizy dyskryminacyjnej w ocenie kondycji finansowej przedsiębiorstw, w: Borowiecki R. (red) (1996), Restrukturyzacja w procesie przekształceń i rozwoju przedsiębiorstw.., Wydawnictwo Akademii Ekonomicznej w Krakowie, Kraków. 3. Hadasik, D. (1998), Upadłość przedsiębiorstw w Polsce i metody jej prognozowania, Wydawnictwo Akademii Ekonomicznej w Poznaniu, Zeszyt 153, Poznań.
184 Katarzyna Dębkowska 4. Maingot M., Zeghal D. (2010), An Analysis of the Explanatory Paragraphs of Auditors Going Concern Reports and Footnotes of Bankrupt Companies Under SAS No. 59, The IUP Journal of Accounting Research & Audit Practices, Vol. IX, Nos. 1&2. 5. Metody statystycznej analizy wielowymiarowej w badaniach marketingowych, (red.) Gatnar E., Walesiak M. (2004), AE, Wrocław. 6. Panek T. (2009), Statystyczne metody wielowymiarowej analizy porównawczej, Szkoła Główna Handlowa w Warszawie, Warszawa. 7. Pogodzińska M., Sojak S. (1995), Wykorzystanie analizy dyskryminacyjnej w przewidywaniu bankructwa przedsiębiorstw, w: AUNC, Ekonomia XXV, Zeszyt 299, Toruń. 8. Prusak B. (2005), Nowoczesne metody prognozowania zagrożenia finansowego przedsiębiorstw, Difin, Warszawa. 9. Raport Coface nt. upadłości firm w Polsce w 2010 roku, (2011), Warszawa. 10. Wędzki D., Logitowy model upadłości dla gospodarki polskiej wnioski z badań, w: Czas na pieniądz. Zarządzanie finansami. Finansowanie przedsiębiorstw w UE, t.i, Zarzecki D. (red), Wydawnictwo Uniwersytetu Szczecińskiego. Streszczenie Celem artykułu jest ocena sprawności wybranych metod wielowymiarowej analizy statystycznej w prognozowaniu upadłości przedsiębiorstw. Porównano wyniki klasyfikacji trzech metod: drzew klasyfikacyjnych, regresji logitowej oraz analizy dyskryminacyjnej. W ramach badania stworzono bazę polskich przedsiębiorstw reprezentujących różne sektory, wśród których znaleźli się zarówno bankruci jak i niebankruci, a proporcja między jednymi a drugimi wyniosła 1:1. Każde przedsiębiorstwo zostało opisane za pomocą zmiennych diagnostycznych w postaci wskaźników finansowych. Dane do analizy zebrano na podstawie informacji zamieszczonych w bazie Corporate Database sewisu Emerging Markets Information Service (EMIS). Słowa kluczowe upadłość, drzewa klasyfikacyjne, regresja logitowa, analiza dyskryminacyjna Predicting bankruptcy of enterprises with selected multivariate statistical analysis methods (Summary) This article aims to assess the efficiency of selected methods of multivariate analysis. The statistical fixed in predicting bankruptcy of enterprises. Compared the classification results of three methods: classification trees, regression of logit and discriminant analysis. The study created a base of Polish companies representing various sectors, among whom were both bankrupt and no-bankrupt, and the ratio between one and the others was 1:1. Each company is described by means of diagnostic variables as financial ratios. Data were collected for analysis on the basis of information contained in the Corporate Database Emerging Markets Information Service (EMIS). Key words bankruptcy, classification trees, regression of logit, discriminant analysis