基于主成分分析的企业经济效益研究
基于主成分分析法的企业绩效评价研究

基于主成分分析法的企业绩效评价研究作者:李建忠来源:《财会通讯》2013年第11期2010年的统计数据显示内蒙古有20家上市公司,分布在电力、煤炭、稀土、医药、乳制品等多个行业。
上市公司的发展对于地方经济的发展起到了一定的促进作用,上市公司的多少以及绩效在某种程度上反映了一个地区的经济实力。
上市公司的绩效评价涉及到营业总收入、利润总额、净利润、总资产等多个财务指标,因此,对其绩效评价是多个指标的综合评价。
利用主成分分析法可以提取上市公司财务数据的整体信息,因此本文采用主成分分析法对内蒙古20家上市公司绩效进行评价。
一、主成分分析法概述使用主成分分析法应注意以下问题:原始变量度量单位或取值范围相同时,使用协方差矩阵进行分析,不需同时使用相关矩阵进行分析;原始变量相关性较弱,主成分浓缩原始变量信息的能力也较弱,不宜采用主成分分析;主成分分析适宜相关性较强的变量,但这种情况下会出现原始变量多重共线性问题,主成分对于重叠信息的处理无能为力。
因此,此类问题应考虑最初原始变量的筛选或注意对主成分的解释,主成分分析可以通过SPSS软件来完成。
二、实证研究本文以内蒙古地区全部20家上市公司为研究对象,最初将相关财务指标全部纳入绩效综合评价,其中包括:营业总收入、利润总额、净利润、总资产、股东权益、资产负债率、每股收益、每股净资产、净资产收益率9个指标,分别记为x1,x2,x3,x4,x5,x6,x7,x8,x9具体数据见表1。
首先,利用SPSS13.0软件进行原始变量的相关分析,分析结果见表2。
20个原始变量求解相关系数,共得到36个结果(变量本身自相关除外),其中相关系数大于0.3的24个。
一般认为,原始数据大部分变量的相关系数都小于0.3,运用主成分分析不会取得很好的效果,本文2/3的相关系数大于0.3,适合进行主成分分析。
由于9个指标度量单位、数据取值范围存在较大差异,因此,研究前将原始数据进行标准化处理,由于股东权益X5与其他8个变量中多数变量高度相关,为避免信息重叠,将股东权益指标从研究中筛除,将标准化处理后的8个指标作为新的变量全部纳入分析,采用主成分分析法,利用相关矩阵分析,采用SPSS软件默认的特征根大于1的原则,收敛迭代最大次数25次,具体见表3。
基于主成分分析的经济增长与环境协调度评价实证研究

( E c o n o mi c s Co l l e g e , Li a o n i n g Un i v e r s i t y o f T o c l mo l o g y , J i n z h o u 1 21 0 01 , Ch i n a)
第3 3卷第 5 期 2 01 3年 l 0月
辽宁工业大学学报 ( 自然科学版)
J o u r n a l o f L i a o n i n g Un i v e r s i t y o f T e c h n o l o g y ( Na t u r a l S c i e n c e E d i t i o n )
V o 1 . 3 3 , No . 5 Au g . 2 01 3
基 于主成分分析 的经济增长 与环境 协调度 评价 实证研 究
初 铭 畅
( 辽宁 工业 大学 经济 学院 。辽宁 锦州 1 2 1 0 0 1 )
摘
要 :实现可持续发展无疑 已成 为全 人类 的共 同目标 , 环境 与经济协调发展则是 实现可持续发展 的重要途
Ke y wo r d s :p r i n c i p a l c o p o m s i t i o n a n a l y s i s ;e co n o mi c ro g wt h wi t h e n v i r o m e n n t ;c o o r d i at n i o n
Em p i r i c a l Re s e a r c h o n Co o r d i n a io t n. De g r e e Ev a l u a io t n o f Ec o n o mi c Gr o wt h a n d En v i r o n me n t Ba s e d o n Pr i n c i p a l Co mp o s i i t o n An a l y s i s
基于因子分析的家电制造企业财务绩效评价以为例

基于因子分析的家电制造企业财务绩效评价以为例I. 概括随着经济的发展,家电制造企业面临着激烈的市场竞争。
在这个过程中,财务绩效评价成为了企业实现可持续发展的重要手段。
本文以某家电制造企业为例,运用因子分析方法对其财务绩效进行了评价。
通过对企业的财务数据进行深入挖掘和分析,揭示了影响企业财务绩效的关键因素,为企业提供了有针对性的改进措施。
本文的研究对于家电制造企业以及其他行业的企业具有一定的借鉴意义。
A. 研究背景和意义随着经济的快速发展,家电制造企业在全球市场上的地位越来越重要。
然而面对激烈的市场竞争,企业要想在众多竞争对手中脱颖而出,实现可持续发展,就必须不断提高自身的财务绩效。
财务绩效评价是企业了解自身经营状况、发现问题、制定改进措施的重要手段。
近年来越来越多的学者开始关注财务绩效评价方法的研究,其中因子分析作为一种广泛应用的评价方法,受到了越来越多研究者的关注。
本文以家电制造企业为例,通过运用因子分析方法对企业的财务绩效进行评价,旨在为企业提供一种简单、实用的财务绩效评价工具,帮助企业更好地了解自身的经营状况,发现存在的问题,从而制定出更加合理的发展战略。
这对于提高家电制造企业的市场竞争力,促进行业健康发展具有重要的理论和实践意义。
B. 研究目的和方法我们的目标是通过因子分析的方法,来评价家电制造企业的财务绩效。
我们选择这个主题的原因是因为财务绩效是企业运营的重要指标,它可以反映出企业的经济效益和管理水平。
然而对于这个庞大的主题进行深入研究是非常困难的,因此我们需要使用一种有效的方法来进行分析。
因子分析是一种常用的统计方法,它可以帮助我们发现隐藏在数据背后的规律和关系。
通过因子分析,我们可以将多个变量转化为少数几个综合因子,这样就可以更好地理解这些变量之间的关系。
同时因子分析还可以消除数据的冗余信息,提高数据的可解释性。
在我们的实验中,我们首先收集了家电制造企业的财务数据,包括营业收入、净利润、资产负债率等指标。
主成分分析

引言:主成分分析也称主分量分析,是由霍特林于1933 年首先提出的。
主成分分析是利用降维的思想,在损失很少信息的前提下,把多个指标转化为几个综合指标的多元统计方法。
通常把转化生成的综合指标称为主成分,其中每个主成分都是原始变量的线性组合,且各个主成分之间互不相关,使得主成分比原始变量具有某些更优越的性能。
这样在研究复杂问题时就可以只考虑少数几个主成分而不至于损失太多信息,从而更容易抓住主要矛盾,揭示事物内部变量之间的规律性,同时使得问题得到简化,提高分析效率。
本文用主成分分析的方法对某市14 家企业的经济效益进行分析。
[1] 在处理涉及多个指标问题的时候,为了提高分析的效率可以不直接对p 个指标构成的P维随机向量X=(X1, X2, X3, , Xp)进行分析,而是先对向量x进行线性变换,形成少数几个新的综合变量,使得个综合变量之间相互独立且能解释原始变量尽可能多的信息,这样在意损失很少部分信息为代价的前提下,达到简化数据结构,提高分析效率的目的。
主成分的基本思想就是在保留原始变量尽可能多的前提下达到降维的目的,从而简化问题的复杂性并抓住问题的主要矛盾。
而这里对于随机变量X1,X2,X3,……,Xp而言,其协方差矩阵或相关矩阵正是对各变量离散程度与变量之间的相关程度的信息的反映,而相关矩阵不过是将原始变量标准化后的协方差矩阵我们所说的保留原始变量尽可能多的信息,也就是指生成的较少的综合变量 (主成分)的方差和尽可能接近原始变量方差的总和。
因此在实际求解主成分的时候,总是从原始变量的协方差矩阵或相关矩阵的结构分析入手。
一般来说从原始变量的协方差矩阵出发求得的主成分与从原始变量的相关矩阵出发求得的主成分是不同的本文我们用从原始变量的相关矩阵出发求得的主成分进行分析。
[5]一、材料与方法1.1数据材料表1 14 家企业的利润指标的统计数据1.2分析方法本文采用多元统计学方法,选取14家企业作为样本收集每家企业的8个不同的利润指标,利用spss统计软件做主成分分析,给出载荷阵,并通过载荷阵给出主成分系数表,写出主成分表达式以此给出14个企业的得分值,最后根据主成分构造一个综合性评价指标,对14个企业进行综合排名。
开题报告基于主成分分析的企业财务绩效评价研究——以中国上市车企为例

近年,中国的汽车制造业正经历着前所未有的,爆炸式的增长,有关专家预测,未来十年,中国的汽车产量增长率是我国GDP增长率的倍至2倍,中国汽车制造业的发展不仅对我国经济增长具有重要意义,而且已经成为全球汽车最重要的市场之一。作为汽车制造业的领军者,中国汽车制造业上市公司财务绩效也引起了广泛关注,在汽车业蓬勃发展的今天,对中国汽车制造业上市公司的财务绩效进行评价有着一定的现实意义。本文以汽车制造业上市公司的年度财务报告为基础,尝试对汽车制造业上市公司进行全方位的财务绩效评价,首先,分别以汽车制造业上市公司整体和个体为对象评价汽车制造业上市公司的财务绩效,随后,选择具有代表性的宇通客车,从财务效益状况、资产质量状况、偿债风险状况、发展能力状况、投资者获利能力状况四个方面对其财务绩效进行综合评价,揭示其财务绩效较好的方面的原因,同时对其尚需改进的方面提供了建议。
二、文献综述
〔一〕国外研究现状
自从有了生产经营活动,财务绩效评价的行为和方法就相伴而生了,这己经为翔实
的会计史资料所证实。但是,真正现代意义上的财务绩效评价却是在人类社会进入资本主义社会,尤其是所有权和经营权分离、公司制出现之后才得以产生的。由于企业经营环境、内部组织结构的变化以及管理方法和手段的不断创新,企业财务绩效评价的方法体系也处于不断的演变之中。
第二,杜邦分析体系的提出。同样在20世纪初,由多个独立的单一经营公司合并创立的杜邦公司,成为这一时期新型企业组织结构的典型。面对需要协调的垂直式
企业的多种经营、市场组织以及如何将资本投入到利润最大的经营活动等问题,杜邦公司的最高管理者设计了多个重要的经营和预算指标,以协调各部门的经营活动,并将资
源有效地在各部门之间进行分配。这其中持续时间最长的、最重要的指标就是投资报酬
主成分分析在经济学领域的应用研究

主成分分析在经济学领域的应用研究主成分分析(Principal Component Analysis,PCA)是一种常用的多变量数据降维技术,可以将高维数据转化为低维数据,以便更好地分析和解释数据的内在结构。
在经济学领域,主成分分析被广泛应用于数据降维、因子分析、经济变量的关联性研究等方面,为经济学研究提供了重要的工具和方法。
以下是主成分分析在经济学领域的应用研究内容:1. 数据降维与可视化分析主成分分析在经济学中最常见的应用是对多维经济数据进行降维处理,以便更好地进行数据分析和解释。
通过主成分分析,可以将大量经济指标或变量投影到几个主成分上,从而得到更少但信息含量丰富的综合指标,方便进一步的分析和处理。
同时,主成分分析还可以通过对数据的可视化分析,帮助经济学家更直观地理解数据的结构和特征。
通过绘制主成分分析得到的降维后的数据的散点图或者热力图,可以直观地观察不同经济变量之间的关系,发现潜在的经济规律和变量之间的相互作用。
2. 因子分析主成分分析在经济学中还被广泛应用于因子分析。
因子分析是一种统计方法,用于确定能够解释变量间方差共享的潜在因子。
通过主成分分析可以得到各个因子的权重系数,进而可以对经济变量进行综合性的评价和分析。
例如,在金融领域中,经济学家可以使用主成分分析来分析股票市场的规律和影响因素。
他们可以将股票市场的多个指标作为原始变量,然后应用主成分分析将这些指标转化为几个潜在的因子。
通过分析这些因子的权重和影响,可以更好地理解和解释股票市场涨跌的主要因素。
3. 经济变量关联性分析主成分分析还可以用于经济变量之间的关联性研究。
通过主成分分析,可以发现经济学中不同变量之间的相关性和相关程度。
这对于经济学研究非常重要,因为经济系统中的不同变量之间存在复杂的关系,如通货膨胀率、利率水平、国内生产总值等指标之间的相互影响。
通过主成分分析,经济学家可以将这些变量转化为少数几个主成分,从而更好地理解变量之间的关系和相互影响。
基于主成分分析法的企业绩效评价研究——以内蒙古上市公司为例

基 于主成分分 析法 的企 业绩效评价研 究
一
以 内蒙 古上 市公 司为例
包头师范学院 李建 忠
2 0 1 0 年 的统计数据显示 内蒙古有2 0 家上市公司 , 分布在 电力 、 煤炭 、 稀土 、 医药 、 乳制品等多个行业 。 上市公司的发展对于地方经 济 的发展起 到了一定 的促进作用 ,上市公司的多少以及绩效在某 种程度上反 映了一个地 区的经济实力。上市公司的绩效评价涉及 到 营业 总收入 、 利 润总额 、 净利 润 、 总资产等多个财 务指标 , 因此 , 对其绩效评价是多个指标的综合评价。利用主成分分析法可以提 叠信息的处理无能为力。 因此 , 此类 问题应考虑最初原始变量 的筛 选或注意对主成分 的解释 , 主成分分析可 以通过S P S S 软件来完成 。
二、 实 证研 究 .
本文以内蒙古 地区全部2 0 家上市公 司为研究对象 ,最初将相
关财务指标全部纳入绩效综合 评价 , 其 中包 括 : 营业 总收入 、 利 润
总额 、 净利润 、 总资产 、 股东权益 、 资产负债率 、 每股收益 、 每股净资 产、 净资产 收益 率9 个 指标 , 分别记为X , x 2 , X , , x 4 , x , x 6 , x 7 ' x 。 , x q 具体
一
、
主 成 分 分 析 法 概 述
.
主 成分 分析 ( P r i n c i p a l c o m p o n e n t s a n a l y s i s ) 也称 主分 量分 析 , 是 由霍特林 ( H o t e l l i n g ) 于1 9 9 3 年首 先提 出的 , 是在 损失很 少信息 的前提下把多个指标转化为几个 综合 指标 的多元统计方法 ,生成 的综合指标称为主成分。其 基本 思想是通 过对众多原始变量 的信
基于主成分分析的物流企业经济效益统计

研 究 却 相 对 滞后 于 物 流 产 业 的发 展 。 而 物 流 统 计 学 的 发 展 是 其 中 的 一项 ,政 府 和 企 业 相 关 的物 流 决 策 需 要 物 流 统 计 的 支
② 物 流 基 础 设 施 现 状 指 标 。如 运 输 线 路 营 业 里 程 , 口泊 港
位 和机 场 数 量 等 。
Lo ltc t pr s nancal ne tAc ountng Bas d n g si sEn er ieFi i Be f c i i e o PCA
L e-h a IW i u
f r na C l g, hj n nvr to ia c O i tl oeeZ ei gU i sy f n ne&E o o c, aghu3 0 1 , hn) e l a e i F cnmisH nzo 10 8C ia
【 摘 要】 用 主成 分 分 析 对物 流 企业 的 经 济 效 益 统 计 指 标 进 行 数 量 简 化 , 对 利 用 物 流 企 业 经 济 效 益 的 统计 数 据 进 。
[ 键词】 成分分析 ; 流企业 ; 关 主 物 经济 效 益统 计 【 图分 类 号 】2 3F 2 中 F 5 ;2 4 [ 献 标 识 码 】 文 A 【 章 编 q ]O 5 12 2 1 )4 0 9 — 3 文 lO — 5 X( 0 10 - 0 7 0
物流的空前繁荣 , 会物流量及物流企业 发展越来越快 , 社 数 量 越来 越 大 , 与 此 同 时 , 国物 流 的 理 论 研 究 与发 展并 没 但 我 有 跟 上 物 流业 的发 展 , 流 理 论 的低 层 次导 致 了众 多 问题 。其 物 中一 个 原 因 就 是 我 国 的物 流 经 济 统 计 体 制 不 健 全 ,对 物 流 的 统计 工 作 远 远 不 足 , 法 获 得 详 尽 的统 计 数 据 , 至 于 无 法 利 无 以
- 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)。
基于主成分分析的企业经济效益研究摘要:在多指标综合评价中, 主成分分析法利用降维的思想,把多指标转化为少数几个综合指标,是一种较为客观的综合评价方法。
对各地区工业企业经济效益进行综合评价和分类,是制定各地区工业企业发展政策和区域协调发展政策的重要依据。
目前,我国评价工业企业经济效益的指标很多,这些指标仅仅从不同侧面评价了工业企业的经济效益,但综合分析没有得以体现。
正是基于这一点,本文以2006年中国各地区全部国有及规模以上非公有工业企业主要经济效益指标为基础,运用主成分分析法,结合SPSS统计软件对全国三十一个地区的工业企业综合竞争力进行综合评价。
关键词:主成分分析;经济效益;综合指标1.背景介绍企业的经济效益就是企业在经济活动中所取得的劳动成果与劳动消耗的比值,企业的生产总值同生产成本之间的比例关系。
用公式表示:经济效益=(生产总值/生产成本)=VC MV C+++C:消耗原材料价值;V:工人工资;M:利润。
对企业经济效益的评价主要依靠对企业财务指标的分析,实质就是对企业的偿债能力、盈利能力、营运能力等指标的评价。
从生产经营角度分析,经济效益可用资产报酬率、权益报酬率等指标反映;从物化劳动效果角度分析,经济效益可用销售利税率、成本费用利税率、固定资产生产率和流动资产周转率等指标反映;而从活劳动效果角度分析,经济效益可用全员劳动生产率和人均利税率等指标反映。
这些指标大多是依据财务报告数据计算出来的。
对企业经济效益因素分析,一是从资金占用和资金周转的角度,分析影响经济效益的资金因素;二是从原材料、工资、费用等支出角度,分析影响经济效益的成本因素。
此外还要把企业自身的微观经济效益与全社会的宏观经济效益联系起来,把当前的经济效益与长远经济效益结合起来。
1995年财政部公布了《企业经济效益评价体系》十项指标,国家统计局1998年制定了一套工业企业经济效益考核指标体系,含有总资产贡献率、资本保值增值率、流动资产周转率、成本费用利润率、全员劳动生产率、产品销售率和资产负债率七大指标,改变了过去采用产值和产量等单一指标考核的状况;2002年财政部、国家经贸委、中央企业工委、劳动保障部、国家计委制定了关于《企业绩效评价操作细则(修订)》28项指标。
对各地区工业企业经济效益进行综合评价和分类,是制定各地区工业企业发展政策和区域协调发展政策的重要依据。
目前,我国评价工业企业经济效益的指标很多,如工业增加值率、总资产贡献率、资产负债率、流动资产周转次数、工业成本费用率和产品销售率等。
这些指标仅仅从不同侧面评价了工业企业的经济效益,但综合分析没有得以体现。
正是基于这一点,本文以2006年中国各地区全部国有及规模以上非公有工业企业主要经济效益指标为基础,运用主成分分析法,结合SPSS统计软件对全国三十一个地区的工业企业综合竞争力进行综合评价。
2.主成分分析法2.1主成分分析的基本思想主成分分析也称主分量分析,旨在利用降维的思想,把多指标转化为少数几个综合指标。
在统计学中,主成分分析(principal components analysis,PCA)是一种简化数据集的技术。
它是一个线性变换。
这个变换把数据变换到一个新的坐标系统中,使得任何数据投影的第一大方差在第一个坐标(称为第一主成分)上,第二大方差在第二个坐标(第二主成分)上,依次类推。
主成分分析经常用减少数据集的维数,同时保持数据集的对方差贡献最大的特征。
这是通过保留低阶主成分,忽略高阶主成分做到的。
这样低阶成分往往能够保留住数据的最重要方面。
但是,这也不是一定的,要视具体应用而定。
在实证问题研究中,为了全面、系统地分析问题,我们必须考虑众多影响因素。
这些涉及的因素一般称为指标,在多元统计分析中也称为变量。
因为每个变量都在不同程度上反映了所研究问题的某些信息,并且指标之间彼此有一定的相关性,因而所得的统计数据反映的信息在一定程度上有重叠。
在用统计方法研究多变量问题时,变量太多会增加计算量和增加分析问题的复杂性,人们希望在进行定量分析的过程中,涉及的变量较少,得到的信息量较多。
主成分分析正是适应这一要求产生的,是解决这类题的理想工具。
2.2主成分分析法的基本原理主成分分析法是一种降维的统计方法,它借助于一个正交变换,将其分量相关的原随机向量转化成其分量不相关的新随机向量,这在代数上表现为将原随机向量的协方差阵变换成对角形阵,在几何上表现为将原坐标系变换成新的正交坐标系,使之指向样本点散布最开的p 个正交方向,然后对多维变量系统进行降维处理,使之能以一个较高的精度转换成低维变量系统,再通过构造适当的价值函数,进一步把低维系统转化成一维系统。
主成分分析的原理是设法将原来变量重新组合成一组新的相互无关的几个综合变量,同时根据实际需要从中可以取出几个较少的总和变量尽可能多地反映原来变量的信息的统计方法叫做主成分分析或称主分量分析,也是数学上处理降维的一种方法。
主成分分析是设法将原来众多具有一定相关性(比如P个指标),重新组合成一组新的互相无关的综合指标来代替原来的指标。
通常数学上的处理就是将原来P个指标作线性组合,作为新的综合指标。
最经典的做法就是用F1(选取的第一个线性组合,即第一个综合指标)的方差来表达,即Va(rF1)越大,表示F1包含的信息越多。
因此在所有的线性组合中选取的F1应该是方差最大的,故称F1为第一主成分。
如果第一主成分不足以代表原来P个指标的信息,再考虑选取F2即选第二个线性组合,为了有效地反映原来信息,F1已有的信息就不需要再出现再F2中,用数学语言表达就是要求Cov(F1,F2)=0,则称F2为第二主成分,依此类推可以构造出第三、第四,……,第P个主成分。
【1】2.3主成分分析的主要作用及优缺点概括起来说,主成分分析主要由以下几个方面的作用。
主成分分析能降低所研究的数据空间的维数。
即用研究m维的Y空间代替p 维的X空间(m<p),而低维的Y空间代替高维的x空间所损失的信息很少。
即:使只有一个主成分Yl(即m=1)时,这个Yl仍是使用全部X变量(p个)得到的。
例如要计算Yl的均值也得使用全部x的均值。
在所选的前m个主成分中,如果某个Xi的系数全部近似于零的话,就可以把这个Xi删除,这也是一种删除多余变量的方法。
有时可通过因子负荷aij的结论,弄清X变量间的某些关系。
多维数据的一种图形表示方法。
我们知道当维数大于3时便不能画出几何图形,多元统计研究的问题大都多于3个变量。
要把研究的问题用图形表示出来是不可能的。
然而,经过主成分分析后,我们可以选取前两个主成分或其中某两个主成分,根据主成分的得分,画出n个样品在二维平面上的分布况,由图形可直观地看出各样品在主分量中的地位,进而还可以对样本进行分类处理,可以由图形发现远离大多数样本点的离群点。
由主成分分析法构造回归模型。
即把各主成分作为新自变量代替原来自变量x做回归分析。
用主成分分析筛选回归变量。
回归变量的选择有着重的实际意义,为了使模型本身易于做结构分析、控制和预报,好从原始变量所构成的子集合中选择最佳变量,构成最佳变量集合。
用主成分分析筛选变量,可以用较少的计算量来选择量,获得选择最佳变量子集合的效果。
主成分分析法的优点:①可消除评估指标之间的相关影响。
因为主成分分析法在对原始数据指标变量进行变换后形成了彼此相互独立的主成分,而且实践证明指标间相关程度越高,主成分分析效果越好。
②可减少指标选择的工作量,对于其他评估方法,由于难以消除评估指标间的相关影响,所以选择指标时要花费不少精力,而主成分分析法由于可以消除这种相关影响,所以在指标选择上相对容易些。
③主成分分析中各主成分是按方差大小依次排列顺序的,在分析问题时,可以舍弃一部分主成分,只取前面方差较大的几个主成分来代表原变量,从而减少了计算工作量。
用主成分分析法作综合评估时,由于选择的原则是累计贡献率≥85%,不至于因为节省了工作量却把关键指标漏掉而影响评估结果。
主成分分析法的缺点:①在主成分分析中,我们首先应保证所提取的前几个主成分的累计贡献率达到一个较高的水平(即变量降维后的信息量须保持在一个较高水平上),其次对这些被提取的主成分必须都能够给出符合实际背景和意义的解释(否则主成分将空有信息量而无实际含义)。
②主成分的解释其含义一般多少带有点模糊性,不像原始变量的含义那么清楚、确切,这是变量降维过程中不得不付出的代价。
因此,提取的主成分个数m 通常应明显小于原始变量个数p(除非p本身较小),否则维数降低的“利”可能抵不过主成分含义不如原始变量清楚的“弊”。
③当主成分的因子负荷的符号有正有负时,综合评价函数意义就不明确。
2.4主成分分析法的计算步骤1、原始指标数据的标准化采集p 维随机向量x = (x1,X2,...,X p)T)n 个样品x i = (x i1,x i2,...,x ip)T,i=1,2,…,n,其中,得标准化阵其中,的特征方程得按得单位特征向量3.企业经济效益指标分析——主成分分析在SPSS中的实现3.1指标介绍现以2006年中国各地区全部国有及规模以上非国有工业企业主要经济效益指标为基础(表1)。
表1资料来源于2007年中国统计年鉴【2】,现采用主成分分析法,对全国31个地区的工业企业综合竞争力进行综合评价。
评价所采用的经济效益指标,分别为工业增加值率、总资产贡献率、资产负债率、流动资产周转次数、工业成本费用率、全员劳动生产率和产品销售率。
表1 各地区全部国有及规模以上非国有工业企业主要经济效益指标(2006年)下面介绍各指标的计算公式和经济含义所示。
【3】工业增加值率指在一定时期内,工业增加值占同期工业总产值的比重,它反映了降低中间消耗的经济效益。
其计算公式为工业增加值率(%)=[工业增加值(现价)/工业总产值(现价)] ×100%总资产贡献率反映企业全部资产的获利能力,是企业经营业绩和管理水平的集中体现。
它还是评价、考核企业盈利能力的核心指标。
其计算公式为总资产贡献率(%)=[ (利润总额+税金总额+利息支出)/平均资产总额] ×100% 资产负债率既反映企业经营风险的大小,也反映企业利用债权人提供的资金从事经营活动的能力。
计算公式为资产负债率(%)=[ 负债总额/资产总额] ×100 %流动资产周转次数指在一定时期内流动资产完成的周转次数,反映流动资产的周转速度。
计算公式为流动资产周转次数=产品销售收入/全部流动资产平均余额工业成本费用率指在一定时期内,实现的利润与成本费用之比。
它既是反映工业生产成本及费用投入的经济效益指标,又是反映降低成本的经济效益指标。
计算公式为工业成本费用利润率(%)=[ 利润总额/成本费用总额] ×100%全员劳动生产率指根据产品的价值量指标,计算平均每一个就业人员在单位时间内的产品生产量。