Prévision de la défaillance des entreprises : comparaison de l'analyse discriminante, la régression logit et PLS

Abstract

Résumé : La prévision de la défaillance des entreprises constitue un enjeu majeur pour les établissements de crédit, les investisseurs et les dirigeants, dans un contexte marqué par l’augmentation des faillites et l’incertitude économique. Bien que les modèles d’analyse discriminante et de régression logistique aient été largement mobilisés dans la littérature, les comparaisons intégrant la méthode Partial Least Squares (PLS) demeurent relativement limitées, notamment dans les contextes caractérisés par une forte multicolinéarité entre les variables financières. Cette recherche vise à comparer les performances prédictives de l’analyse discriminante linéaire (AD), de la régression Logit et de la méthode PLS dans la prévision de la défaillance des entreprises. L’étude repose sur un échantillon équilibré de 200 entreprises marocaines, composé de 100 entreprises défaillantes et 100 entreprises saines. Trente-trois ratios financiers couvrant la structure financière, la liquidité, la solvabilité, la rentabilité, l’activité et la croissance ont été analysés sur trois horizons temporels précédant la défaillance (T-1, T-2 et T-3). Les variables discriminantes ont été sélectionnées à l’aide du test de Wilks et de la statistique de Fisher, puis intégrées dans les différents modèles de prévision. Les résultats suggèrent que la régression Logit présente la meilleure performance prédictive à court terme avec un taux de bonne classification de 93,4 % à T-1, contre 91,2 % pour l’analyse discriminante et 90,8 % pour la méthode PLS. À horizon plus éloigné, la méthode PLS se révèle la plus robuste avec un taux de classification de 83,2 % à T-3, supérieur à ceux obtenus par l’analyse discriminante (78,4 %) et la régression Logit (81,3 %). Les ratios liés au fonds de roulement, au besoin en fonds de roulement, à la solvabilité et à la rentabilité apparaissent comme les principaux indicateurs de détection précoce des difficultés financières. Ces résultats soulignent l’intérêt des approches Logit et PLS pour la mise en place de systèmes d’alerte précoce et de dispositifs de scoring du risque de crédit destinés aux institutions financières et aux décideurs. Mots-clés : Défaillance des entreprises ; Prévision de faillite ; Analyse discriminante ; Régression Logit ; Partial Least Squares ; Ratios financiers ; Risque de crédit. JEL : G32 ; C38 ; C51 ; M41. Type de papier : Recherche empirique. Abstract: Corporate failure prediction represents a major challenge for lenders, investors, and managers in a context characterized by increasing bankruptcy rates and growing economic uncertainty. Although discriminant analysis and logistic regression models have been extensively employed in the bankruptcy prediction literature, comparative studies incorporating the Partial Least Squares (PLS) method remain relatively limited, particularly in contexts characterized by high multicollinearity among financial variables. This study aims to compare the predictive performance of Linear Discriminant Analysis (LDA), Logistic Regression (Logit), and the PLS method in forecasting corporate failure. The study is based on a balanced sample of 200 Moroccan firms, including 100 failed companies and 100 non-failed companies. Thirty-three financial ratios covering financial structure, liquidity, solvency, profitability, activity, and growth were analyzed over three forecasting horizons prior to failure (T-1, T-2, and T-3). Discriminating variables were selected using Wilks’ Lambda and Fisher’s statistic before being incorporated into the different prediction models. The results suggest that the Logit model provides the best short-term predictive performance, achieving a classification accuracy of 93.4% at T-1, compared with 91.2% for discriminant analysis and 90.8% for the PLS method. At longer forecasting horizons, the PLS approach appears to be the most robust, with a classification accuracy of 83.2% at T-3, outperforming both discriminant analysis (78.4%) and Logistic Regression (81.3%). Ratios related to working capital, working capital requirements, solvency, and profitability emerge as the most relevant indicators for the early detection of financial distress. These findings highlight the relevance of Logit and PLS approaches for the development of early warning systems and credit risk scoring models used by financial institutions and decision-makers. Keywords: Corporate Failure; Bankruptcy Prediction; Discriminant Analysis; Logistic Regression; Partial Least Squares (PLS); Financial Ratios; Credit Risk. Keywords: Corporate failure; Bankruptcy prediction; Discriminant analysis; Logistic regression; PLS; Financial ratios; Credit risk. JEL Classification : G32, C38, C51, M41 Type de papier : Empirical research.