基于数据挖掘的上市公司绩效评价研究
基于数据挖掘的企业绩效分析
基于数据挖掘的企业绩效分析近年来，随着互联网和信息化的发展，数据挖掘技术在企业中的应用越来越广泛。
企业通过对庞大的数据进行挖掘和分析，从中找出有用的信息，以便更好地进行决策和规划。
其中，利用数据挖掘技术来进行企业绩效分析，是一个非常重要的领域。
一、数据挖掘在企业绩效分析中的应用企业绩效分析是企业管理中的重要环节，它能够帮助企业了解自己的运营状况、发现问题和瓶颈，并为未来的改进提供指导意见。
而数据挖掘技术则可以帮助企业更准确地进行绩效分析。
首先，数据挖掘技术可以对企业的各项数据进行深入分析，找出数据之间的关联性和影响因素。
例如，数据挖掘可以帮助企业找出销售额和广告支出之间的关系，分析员工绩效和培训投入之间的联系等。
这些数据分析可以帮助企业深入了解业务运营状况，从中找出短板之处，进行改进和优化。
其次，数据挖掘还可以帮助企业预测未来的业务状况。
通过分析历史数据和趋势，数据挖掘技术可以预测未来的运营状况和市场需求，这为企业的战略规划和业务决策提供了重要参考。
最后，数据挖掘技术还可以帮助企业进行风险评估和预警。
通过分析历史数据和市场状况，数据挖掘可以帮助企业预测可能出现的风险，并提前制定相应的措施，以减少潜在的损失。
综上所述，数据挖掘技术在企业绩效分析中的应用是非常广泛的，可以帮助企业深入分析各种数据，预测未来的业务状况，并进行风险评估和预警。
二、企业绩效分析的数据类型和挖掘方法企业绩效分析需要处理各种类型的数据，包括数值型、文本型、时间型等不同类型的数据。
不同类型的数据需要采用不同的数据挖掘方法才能更好地分析和挖掘。
1. 数值型数据数值型数据是企业绩效分析中最常见的数据类型，通常包括销售额、利润、成本、投资等指标。
对于这种数据，常用的数据挖掘方法包括聚类分析、关联规则分析、回归分析等。
聚类分析可以对企业的客户或者产品进行分组，找出各组之间的差异和相似性；关联规则分析可以找出各种指标之间的关系，例如，销售额和广告支出之间的关系；回归分析可以预测未来的销售额和利润等指标。
数据挖掘在企业绩效分析中的应用研究
数据挖掘在企业绩效分析中的应用研究随着互联网的发展和商业竞争的加剧，越来越多的企业开始关注自身的绩效和效益。
因此，企业绩效分析已经成为了一个非常重要的领域。
而在这一领域中，数据挖掘技术的应用越来越受到企业的关注和青睐。
一、数据挖掘技术简介首先，我们来简单介绍一下数据挖掘技术。
数据挖掘是一种从数据中挖掘出有价值信息的技术，它可以帮助我们快速发现大规模数据中的模式和规律。
数据挖掘技术可以分为监督学习和无监督学习两种方式，它可以在处理海量数据时，充分利用数据挖掘的优势，快速而准确地分析数据，为企业决策提供有力支持。
二、企业绩效分析的重要性企业绩效分析是通过对企业的生产经营状况进行定量或定性的分析，从而评估企业的综合能力。
企业绩效分析的结果能够有效指导企业进行生产经营活动的管理和决策，有助于提高企业的竞争力和效益。
企业绩效分析主要包括对企业财务、管理和市场等方面的评估。
企业要想在众多竞争对手中脱颖而出，就需要通过对绩效的科学分析和管理，打造自身特有的优势和经营模式。
三、数据挖掘在企业绩效分析中的应用研究数据挖掘技术在企业绩效分析中的应用越来越广泛，它可以帮助企业开展市场研究、客户细分、产品分析、销售预测等方面的工作。
以下是数据挖掘在企业绩效分析中的几个典型应用场景。
（一）客户细分企业的市场是由不同群体的消费者组成的，不同群体的消费者对企业的产品和服务有不同的需求和反应。
因此，对客户进行细分是企业绩效分析的重要组成部分之一。
数据挖掘技术可以通过对客户的消费信息、购买偏好、浏览行为等数据的分析，将消费者划分为不同的群体。
通过针对性的推广和营销，企业可以更好地满足不同客户的需求，提高产品的竞争力和市场占有率。
（二）产品分析企业要想在市场中获得成功，需要不断开发和完善自己的产品。
数据挖掘技术可以从大量的产品评价、销售、消费者意见等数据中，快速挖掘出产品的优势和不足，帮助企业部门更好地进行产品的设计和开发。
此外，通过对产品的销售数据和消费者访问行为分析，企业可以预测出产品的销售趋势，避免过度存货和销售滞后等问题。
基于数据挖掘技术的企业信用评估研究
基于数据挖掘技术的企业信用评估研究随着经济的发展，企业信用评估越来越受到人们的关注。
在传统的信用评估方式中，往往依靠人工赋值，存在着时间成本高、评估标准不明确等问题。
随着数据挖掘技术的发展，越来越多的企业将其应用于信用评估领域，以便更准确、更高效地评估企业信用。
数据挖掘是一种通过对数据进行分析、处理、识别模式和建立模型来获取知识的过程。
其具体实现的过程是，通过对不同维度、不同类型、不同来源的数据进行收集、清洗和预处理，提取数据中的有效信息，进行特征分析和建模，进而得出结论。
在进行企业信用评估时，数据挖掘技术可以从以下几个方面入手：一、企业背景分析包括企业的行业类型、企业规模、所在地区、企业历史发展状况等因素。
这些因素不仅反映了企业的经营状况，还可以帮助评估其经营风险。
二、财务指标分析通常包括财务数据中的利润、资产、负债、现金流等指标。
这些指标可以反映企业的盈利能力、资产状况、偿债能力和现金流量状况等，从而评估其财务状况。
三、经营管理分析企业的经营管理状况直接影响着企业的发展。
数据挖掘技术可以从企业的管理层、组织架构、营销策略、产品研发等方面进行分析，以评估企业的经营管理水平。
四、市场竞争分析市场的竞争性对于企业的发展至关重要。
数据挖掘技术可以从市场份额、市场渗透率、价格竞争力等方面来评估企业在市场中的竞争力和地位。
基于以上四个方面的数据，可以通过模型分析、关联规则挖掘、分类算法等方法来建立企业信用评估模型，从而预测企业未来的发展趋势。
当然，数据挖掘技术本身也存在一些局限性和不足。
比如，一些因素可能受到外部环境影响较大，如政策、自然灾害等因素，不能完全用数据来描述。
再者，数据的质量不仅取决于采集方式、存储方式和处理方式等因素，还可能受到人为因素的影响。
因此，当企业使用数据挖掘技术进行信用评估时，需要同时考虑数据的质量和数据的普适性，才能更准确地评估企业的信用状况。
总之，数据挖掘技术的应用让信用评估变得更加客观、准确和高效。
基于数据挖掘技术的KPI评估模型研究
基于数据挖掘技术的KPI评估模型研究随着业务竞争日益激烈，公司内部也在不断追求高效率和高质量的工作状态，因此，客观评估员工绩效、预测业务目标和挖掘潜在问题已经成为许多组织面临的困境。
而数据挖掘技术的出现，为解决这一问题提供了一个新的思路。
本文将分析KPI评估模型的必要性，并介绍利用数据挖掘技术开发KPI评估模型的方法。
一、KPI评估模型的必要性KPI (Key Performance Indicator)，即关键绩效指标，是衡量公司绩效的标准。
传统的KPI评估模型主要是基于手动收集、计算和处理数据，如人工统计、问卷调查、报表分析等方式。
然而，这种方式存在显著的缺点：手动方式存在误差、周期长、难以管理，且不能在短时间内获取大量数据。
由于公司内部运作复杂，传统方法难以有效发现内部问题和优化方案。
因此，开发一个自动化、高效、准确的KPI评估模型显得尤为必要。
二、数据挖掘技术在KPI评估模型中的应用数据挖掘技术是利用计算机技术自动挖掘数据的潜在价值和规律的过程，其主要应用于大规模数据集的数据分析、建模和预测。
在KPI评估模型中，数据挖掘技术可以对大量高维度、复杂关系的数据进行分析，提取出关键数据特征，从而实现自动化、高效、准确的评估。
建模方法：1.分类技术分类技术主要应用于分类问题，具体方法有决策树、神经网络等算法。
在KPI 评估模型中，可将分类技术用于员工业绩的优、中、差评估、设备的正常、异常诊断等方面。
2.聚类分析聚类分析主要应用于相似度计算，将相似的数据点聚合为同一组，从而提取数据中隐藏的分组，并为问题提供更多的解决思路。
在KPI评估模型中，聚类分析可用于员工绩效、销售区域分析等方面。
3.关联分析关联分析主要应用于挖掘多项指标之间的关系和影响，具体方法有Apriori算法等。
在KPI评估模型中，关联分析可用于产品组合、价格分析等方面。
建立模型后，可以采用数据仓库或OLAP技术进行数据存储、查询和分析，从而反馈给管理层，帮助他们发现业务问题和提高绩效。
基于大数据技术的企业绩效评估研究
基于大数据技术的企业绩效评估研究一、引言随着信息时代的到来，信息量不断增加，企业所搜集的数据也呈指数级增长，而如何利用这些数据来提高企业绩效，成为了当今企业发展的热点问题。
大数据技术作为一种强有力的工具，对企业绩效评估起到了越来越重要的作用。
二、大数据技术在企业绩效评估中的应用1.数据收集利用大数据技术的数据收集平台，可以在多个维度上收集数据，并将其整合。
这样不仅可以提高数据质量，而且可以节省数据收集时间和成本。
2.数据分析和挖掘数据分析和挖掘是大数据技术的核心，可以帮助企业从海量的数据中找到有用的信息，并帮助企业进行快速的决策。
数据分析和挖掘可以用来探究企业内的数据，如财务数据、销售数据、消费者数据等，进而分析企业市场占有率、利润和增长率等绩效指标。
3.数据可视化大数据技术中的数据可视化功能可以将复杂的数据呈现为直观、易懂的图表和图像，方便企业中各部门和职能人员对数据进行可视化和分析。
这有助于企业决策者更好地理解数据，并快速找出问题和解决方案。
三、基于大数据技术的企业绩效评估案例研究在使用大数据技术评估企业绩效时，一家企业首先需要确定自己需要关注的指标，如收入、市场占有率、销售额、盈利和创新力等。
选择正确的数据指标对于绩效评估的准确性和有效性至关重要。
以某国内大型汽车公司为例，该公司主要从以下维度对绩效进行评估：1.销售数据该公司首先根据销售数据监控市场份额和销售额，通过观察每个月的收入和利润率，可以快速了解该公司在市场上的竞争状况和未来竞争潜力。
同时，该公司还关注每台汽车的平均价格和产品线等指标，以选择合适的营销策略。
2.消费者数据除了销售数据外，该公司还从消费者角度进行评估，收集消费者的反馈和需求，不断优化产品设计并改进产品质量，并采用社交媒体等新兴渠道向消费者传递信息，以增强消费者信任和忠诚度。
3.供应链数据该公司还通过拓展供应链网络和优化采购渠道，以缩短产品流通时间，减少成本，提高产品和服务质量，进一步增强其竞争能力。
基于大数据技术的企业绩效评价研究
基于大数据技术的企业绩效评价研究随着时代的变迁，企业在追求效益的同时更加注重对自身价值的评估和提升。
作为现代化管理思想的核心，绩效评价体系早已经被企业所广泛接受并实践。
因此，在如今信息时代的浪潮下，大数据技术的逐渐成熟给企业绩效评价带来了全新的可能性。
本文将以基于大数据技术的企业绩效评价研究为主题，探讨大数据技术在绩效评价方面的应用。
一、大数据技术介绍大数据是指由于传感、互联网和其他渠道产生的海量数据集合。
随着互联网的日趋发展，数据的规模和复杂程度也在不断增加。
因此，早期处理数据的技术已经无法满足现代企业对于数据处理和应用的需求。
基于随着计算机技术的发展，大数据技术被正式提出并进一步发展起来。
与传统数据分析技术不同，大数据技术可以在处理海量数据同时实现高速、实时的分析，从而为企业决策提供优质的数据服务。
二、大数据技术在企业绩效评价方面的应用1. 数据收集绩效评价先决的数据收集给大数据技术的应用提供了前置条件。
在大数据技术的帮助下，企业可以将各个业务场景和环节数据采集并整合，从而实现全面、即时的数据收集和整理。
有了海量的数据，企业可以根据自己的需要制定相应的指标，对企业经营状况进行更全面、更深入的掌握。
2. 数据分析数据分析是大数据技术的重要应用之一，也是企业绩效评价研究中的核心环节。
通过大数据技术的数据分析能力，企业可以掌握各个数据点之间的联系和规律，并且可以将数据进行更全面、更深层的分析，从而制定出相应的发展策略和改进意见。
3. 建立绩效评估体系通过大数据技术的应用，企业可以将从各方面收集到的数据以及经过相应分析得出的结论整合在一起，建立起完善的绩效评价体系，从而能够更加全面、具有针对性地评估企业的经营状况和业务表现。
这样一来，在企业管理决策方面，能够提供更全面、更深入的参考。
三、大数据技术在企业绩效评价中的实践案例1. 大型工程公司A公司是一家大型工程公司，依托大数据技术，A公司能够通过收集各个方面的数据来进行全面、精准的绩效评价。
浅析基于数据挖掘技术的上市公司信用风险评估
过把实例从根节点排列到某个叶子节点来分 类实例 ， 叶子节点
即为实例所属的分类 ， 树上每个 节点说 睨了对实例 的某个属性 的测试 ， 节点 的每个后继分 支对 应于该属性的一个可能值 。决 策树分类模型之所以被广泛应用于信用风险评估 ， 主要是因为 决策树具有以下 优点 ：１ 与神经 网络或 贝叶斯 分类等其他分类 （） 模型相 比 ， 策树 的分类原理 简单易懂 ， 决 很容 易被使用 人员理 解和接受 。在决策树分类过程中 ， 一般不需要人为设定参数 ， 更 适合于知识发现 的要求 ；２ （ ）决 策树 的学 习算法具有建立速度 快、 计算量相对 不是很大 、 以处理连续值和离散值属性 ；３ 决 可 （） 策树能使用信息原理对大量样本的属性进行信息量分析 ，计算
２ 神 经 网络 、
数据中智能发现 有用 的规 则和 知识 ， 上我 国上市公 司信 息 再加
披露制度 的不断 完善 ， 使得我们 的研究能够得 到的数据 资料 也 不断的增 多， 这些有利 条件 的出现使得我们对基于数据挖掘 的
Ｂ Ｐ网是面 向映射变换 的神经 网络中应用最广泛 的一种 ， 其
算法基础 上研 究出了改进的决策树归纳包 （ ４５ ， Ｃ ．）这是 目前被
劣， 以期 为我 国上 市公 司信 用 风 险预 测 起 到 参 考 作 用 。
【 关键词 】 数据挖掘 信用风险 决策树 支持 向量机
一
、
引 言
我国上市公司是整个 国民经济整体 的一个 有机 组成部分 ， 甚至可 以说是整 个国民经济的核心所在 。至 ２ ０ ０ ８年底 ， 两 沪深
此， 研究 上市公 司信用风险评估这 一课题 ， 已经成为我 国 目前
经济生活中亟待解决的一个重要 问题。 目前许 多定量技 术和 支持工具 、软件 已付诸商业应 用 ， 继 传统 的比例 分析之后 ， 统计方法得 到了广泛 的应 用 ， 如判 别分
基于大数据的企业绩效评估及优化策略研究
基于大数据的企业绩效评估及优化策略研究一、引言企业绩效评估是企业管理中的重中之重，是企业实现持续增长、稳健发展的关键所在。
然而，传统的企业绩效评估方式往往面临多种挑战，如单一指标评估、数据来源不全、手工作业效率低等问题，限制了企业在风险控制、管理优化等方面的表现。
为此，随着大数据技术的不断发展，企业绩效评估已经开始走向基于大数据的模式。
本文将分析大数据在企业绩效评估中的应用，探讨基于大数据的企业绩效评估与优化策略。
二、基于大数据的企业绩效评估方法大数据的应用可以提供更广泛、更准确、更完整的数据来源，也能够快速提取和分析数据，进而生成更具针对性、科学、有效的企业绩效评估指标。
具体而言，基于大数据的企业绩效评估可采用以下几种方法：1.多维度评估传统的企业绩效评估模型大多侧重于单一指标的评估，而基于大数据的企业绩效评估则可以通过多维度的评估方式，更全面地反映企业在不同方面的表现。
例如，可以通过分析大数据中的销售数据、客户反馈、市场趋势等多个指标，来评估公司在市场开拓、客户服务、产品研发等方面的表现。
2.精确预测企业绩效评估往往需要对未来进行预测，而基于大数据的企业绩效评估可以凭借大数据的规模、密度和质量等特性，对未来进行更准确的预测。
例如，可以通过对客户行为、市场趋势等数据的分析，来预测企业未来的销售额、市场份额等。
3.自动化评估基于大数据的企业绩效评估可以通过自动化的方式，快速地进行大规模的数据处理和分析。
例如，可以利用机器学习算法，对大规模的销售数据进行分类和聚类，实现快速的数据筛选和清洗，提高评估效率，降低评估成本。
三、基于大数据的企业绩效优化策略除了评估企业绩效，基于大数据的企业绩效评估还可以为企业提供优化策略，帮助企业更好地实现可持续发展。
以下是几种常见的基于大数据的企业绩效优化策略：1.精细化营销基于大数据的企业绩效评估可以帮助企业更好地理解客户需求，提高客户满意度和粘性。
例如，可以通过分析客户行为、购买记录等数据，推出更加个性化、精准的营销方案，提高产品销售量和客户忠诚度。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
计算机与现代化2013年第2期JISUANJI YU XIANDAIHUA总第210期文章编号：1006-2475（2013）02-0177-04收稿日期：2012-10-24作者简介：范瑜（1978-），男，辽宁大连人，广东培正学院讲师，数字媒体教研室主任，硕士，研究方向：商业数据挖掘，图像处理，互动多媒体；宋宇翔（1971-），男，广东湛江人，讲师，主任，硕士，研究方向：计算机应用，计算机网络与安全。
基于数据挖掘的上市公司绩效评价研究范瑜，宋宇翔(广东培正学院，广东广州510830)摘要：以2006-2011年我国A 股10331个观察样本为研究对象，分别从盈利能力、偿债能力、成长能力和运营能力4个方面反映企业绩效，采用数据挖掘技术构建上市公司绩效评价模型。
在对我国上市公司绩效的发展现状分析时发现，我国上市公司绩效呈现了N 型的趋势。
本研究丰富了上市公司绩效评价方法，拓展了上市公司绩效研究的外延，分析了我国上市公司绩效的现状，希望能对后续研究有所启示。
关键词：数据挖掘;绩效;评价模型中图分类号：TP391文献标识码：Adoi :10．3969/j．issn．1006-2475．2013．02．044Study on Performance Evaluation of Listed Companies in China Based on Data MiningFAN Yu ，SONG Yu-xiang（Guangdong Peizheng College ，Guangzhou 510830，China ）Abstract ：The article studies with 10331observed samples in A-shares during 2006-2011，from the profit ability ，the debt paying ability ，the growth ability and the operation ability which reflect the enterprise performance．This paper uses data mining tech-niques to establish the evaluation model of listing corporation performance．After analysis of the current development situation of listing corporation performance in China ，it is found that China listing corporation performance appears N trend．The article enri-ches the evaluation method of listing corporation performance ，expands the performance study of listing corporation ，and analyzes the current situation of performance of listing corporation in China．The author hopes that can help on the follow studying．Key words ：data mining ；performance ；evaluation models0引言上市公司的绩效评价始终是理论界和实务界较为关注的一个热点话题，但是传统的研究大多采用单一的财务指标来评价绩效，未能系统全面地反映企业绩效的真实情况。
随着数据挖掘（Data Mining ）技术的不断发展，国外已有大量文献将数据挖掘技术引入市场分析、公司财务、金融等领域，并取得了丰硕的研究成果。
本文以我国2006-2011年的上市公司样本为研究对象，基于数据挖掘技术，构建上市公司绩效评价模型。
本研究丰富了上市公司绩效评价的方法，拓展了上市公司绩效的外延，分析了我国上市公司绩效现状，希望对理论界和实务界有所启示。
1数据挖掘简介数据挖掘可定义为：通过某种特定的算法，运用神经网络、规则归纳等技术，从大量的、不完全的、有噪声的、模糊不清的和随机的实际应用数据中提取其中隐含着的重要信息，是一个发掘潜在有价值信息和知识的过程。
现阶段，数据挖掘技术被广泛地运用到经济活动中的各个领域，可具体分为客户集中型、作业集中型和研究集中型3大方面，内容见表1。
数据挖掘技术主要汇集了以下5大领域技术：（1）数据库（Database Systems ）、数据仓库（Data Ware-houses ）、联机分析处理（OLAP ）；（2）机器学习（Ma-chine Learning ）；（3）统计和数据分析方法（Statistical and Data Analysis Methods ）；（4）可视化技术（Visual-178计算机与现代化2013年第2期ization ）；（5）数学规划（Mathematical Programming ）。
如图1所示。
表1数据挖掘实际应用Applicationsof Data Mining （数据挖掘应用）客户集中型作业集中型研究集中型Life-time Value （生命期价值）Profitability Analysis（收益分析）Combinatorial Chemistry（组合化学）Market-Basket Analy-sis （营销分析）Pricing （定价）Genetic Research （遗传研究）Retention （客户保持）Fraud Detection （欺诈辨析）Epidemiology （流行疾病）Target Market （目标营销）Risk Assessment （风险评估）Cross-Selling （组合销售）Portfolio Management（证券管理）E-Commerce （电子商务）Production Efficiency（生产效率）图1数据挖掘技术的演进过程2基于数据挖掘的上市公司绩效评价体系构建本设计步骤可分为陈述问题、搜集数据、数据预处理、上市公司绩效评价模型、评价结果分析等5个步骤。
具体的技术路线设计如图2所示。
图2基于数据挖掘的上市公司绩效评价技术路线图2．1陈述问题绩效（Performance ）主要是对企业能否实现其目标的客观衡量。
杨国彬和李春芳（2001）指出，绩效是企业在一定期间内资产运营、财务效益以及资本保值增值等的经营成果。
目前，关于上市公司绩效的计量主要采用单指标，例如ROE 、EVA 、托宾Q 、主营业务利润率。
由于单指标所包含的经济信息有限，使得单指标无法诠释企业的绩效情况。
本文将数据挖掘引入到上市公司绩效评价研究之中，采用多重财务指标来评价企业绩效，主要从企业的盈利能力、偿债能力、成长能力、运营能力等方面进行绩效的度量。
采用这种方法可以最大限度地提高经营绩效的解释力度，经营绩效评价体系的评价结果可以科学合理计量企业的绩效。
2．2搜集数据本文选取我国沪深两市上市的A 股上市公司的财务数据，以2006-2011年为研究的时间窗口。
为了保证研究结论的科学合理性，本文进行了如下程序的筛选：首先，剔除ST 、*ST 、PT 等上市公司；其次，剔除上市公司数据不齐全的公司样本；最后，剔除当期发生重大财务事项的公司样本。
经过这3个筛选程序，最终共获取2006-2011年上市公司有效观察样本10331个。
笔者分别搜集了所选择的样本公司的盈利能力、偿债能力、成长能力、运营能力等方面的指标，财务数据主要来源于RESSET 金融数据库。
具体指标名称如表2所示。
表2上市公司绩效指标汇总一级指标二级指标盈利能力净资产收益率（X 1）资产报酬率（X 2）营业利润率（X 3）偿债能力流动比率（X 4）速动比率（X 5）成长能力每股收益增长率（X 6）利润总额增长率（X 7）运营能力流动资产周转率（X 8）固定资产周转率（X 9）总资产周转率（X 10）2．3数据预处理本文的绩效指标数据选自于RESST 金融数据库中的上市公司财务报表资料，由于所选取的指标存在量纲上的差异，为了避免不同量纲的差异给本文结论产生的噪音，本文对所选取的指标进行了无量纲化处理。
公式（1）中采用的是直线无量纲化法，其中y 代表的是各评价指标的实际值，x 代表的是各指标的评价值（max 和min 分表代表极大值和极小值）。
y =x －x minx max －x min（1）2．4构建上市公司绩效评价模型本文拟采用数据挖掘技术中的主成分分析法，构建上市公司绩效评价模型，并对我国上市公司的绩效情况进行分析。
（1）KMO 检验和Bartlett 检验。
KMO （Kaiser-Meyer-Olkin ）检验统计量是用于比较变量间简单相关系数和偏相关系数的指标。
主要应用于多元统计的因子分析。
而Bartlett 检验又称为方差齐性检验，是方差分析的重要前提，是方差可加2013年第2期范瑜等:基于数据挖掘的上市公司绩效评价研究179性原则应用的一个条件，是对两样本方差是否相同进行的检验。
在利用主成分分析对衡量企业绩效的10个指标提取主成分之前，本文先进行了KMO检验和Bartlett检验，以此判别本文选取的数据可否适应主成分分析法。
表3为本文选取评价指标的KMO检验和Bart-lett检验结果。
从表3中可以发现，Bartlett检验统计量高达49306．165，而相应的Sig值则为0．000，这意味着本文用以评价企业经营绩效的10个二级指标均符合正态分布。
KMO检验可以分析选用的评价指标之间的简单相关系数和偏相关系数，本文的KMO值大于0．6，这说明本文选取的评价指标可以进行主成分分析。
表3KMO检验和Bartlett检验结果取样足够度的Kaiser-Meyer-Olkin度量0．707Bartlett的球形度检验近似卡方49306．165 df45Sig0．000（2）提取主成分。
表4为总方差解释表，分别列示了企业经营绩效主成分的统计信息，具体为各成分的特征值、贡献率及累积贡献率。
从表中可以发现，前5个主成分累积解释了总变异的程度高达85．069%。
根据累积贡献率大于85%的原则，前5个主成分能够代表本文选取的10个指标所包含的大部分信息。
值得说明的是，前5个主成分的特征值均大于1，而第六个主成分的特征值为0．569，本文为了信息有效性，未将第六主成分考虑在内。
表4总方差解释表成份初始特征值因子提取结果特征值解释方差占总方差的百分比累计百分比特征值解释方差占总方差的百分比累计百分比13．03530．34830．3483．03530．34830．348 21．99119．91350．2611．99119．91350．261 31．54614．45864．7201．54614．45864．720 41．27110．71575．4341．27110．71575．434 51．0039．63585．0691．0039．63585．069 60．5695．69290．76170．3823．81694．57780．2792．78897．36590．1751．75499．120 100．0880．880100．000为了保证各主成分之间的信息能够充分表达，剔除不同主成分中信息中的重叠数据，本文对因子载荷矩阵进行了正交旋转，旋转后的载荷矩阵如表5所示。