财务困境研究一直是公司财务研究领域中的一个重要研究课题，从六十年代开始，美国与欧洲许多国家的研究者们就开始了财务困境预测研究，但这些研究大多集中于通过财务变量建立模型进行预测，而这种方法不可忽视的缺陷之一是缺乏理论依据。本文首先阐述了非财务变量与公司财务困境之间联系的理论，然后分别运用非财务变量、财务变量以及两者的混合变量(下文亦称“全变量”)构建了三类回归模型，进而对不同变量所构建模型的预测效率进行了对比研究。 本文选取2006年因“财务状况异常”而被施以ST的上市公司为财务困境公司样本，并且我们对每个财务困境公司样本按行业相同、资产规模相近的标准、并以1∶3的配对比例构造出了非财务困境公司样本。同时我们从预测的有效性出发，选择了上市公司被ST的前三年相关数据建模。 以非财务变量构建的预测模型是本文重点，在基于非财务变量与公司财务困境联系的理论基础上，我们从公司治理、资本市场信息、审计意见三个方面共提出了七个假说。然后，我们运用逻辑回归方法(Logistic Regression Method)，通过规范而严谨的计量步骤建立了财务困境预测模型，结果显示，在上市公司发生财务困境前三年，反映公司股权集中度的前十大股东持股比例、反映公司资本市场信息的股票年换手率和股票年度超额累计收益率等变量显示出较强的解释能力，且符合假说。而其它反映公司治理的国家股比例、高管持股比例、股权代理成本以及审计意见等变量则未能进入回归模型，有违假说，对此，我们给出了解释。在模型最优阀值(下文亦称“临界值”或“临界概率值”)的选取上，我们认为目前实践上通常把阀值设为0.5的方法有欠妥当，易造成模型预测效率的高估。在引入了“相对成本”后，我们认为依据“相对成本”的不同，比较理想的阀值应为0.46或0.24。此时，模型的总体判别正确率分别为77.55％、66.92％，而相应的总错判成本则为62.36％、33.44％。对模型的稳健性检验也显示出令人满意的效果。 以财务变量构建的预测模型则显示，反映公司盈利能力的销售净利率、反映偿债能力的资产负债率、反映运营能力的总资产周转率以及反映关联方交易的其他应收款流动资产比表现了较好的解释能力。在0.46和0.24的阀值下模型的总体判别正确率和总错判成本而言，略高于非财务变量构建的模型。 结合非财务变量和财务变量构建的模型则显示出比前两种模型更强的解释能力，在0.46的阀值下，模型的总体判别正确率为82.29％，总错判成本为38.95％；而在0.24的阀值下，总体判别正确率为75.43％，总错判成本为23.45％。