基于因子分析的我国工业企业经济效益分析.docx

基于因子分析的我国工业企业经济效益分析摘要：提高企业的经济效益是每个企业的最终目标，对企业的生存和发展都有重要的意义。可是如何提高经济效益，对不同企业需要用不同的方法。本文以我国大中型工业企业主要指标为研究对象，来比较不同工业企业的经济效益。通过这种比较，可以找出各行业工业企业的不足，进而进行调整。关键字：工业企业 经济效益 因子分析引言本文利用2012年中国统计年鉴得到《按行业分大中型工业企业主要指标 (2011年)》数据，利用spss软件对其进行因子分析，并分析得到该年企业效益的排名。因子分析因子分析是主成分分析的推广，是利用降维的思想，由研究原始变量相关矩阵或协方差矩阵的内部依赖关系出发，把一些具有错综复杂关系的多个变量归结为少数几个综合因子的一种多元统计分析方法。它把每个研究变量分解为几个影响因素变量，将每个原始变量分解成两部分因素，一部分是由所有变量共同具有的少数几个公共因子组成的，另一部分是每个变量独自具有的因素，即特殊因子。因子分析的目的之一，简化变量维数。即要使因素结构简单化，希望以最少的共同因素（公共因子），能对总变异量作最大的解释，因而抽取得因子愈少愈好，但抽取因子的累积解释的变异量愈大愈好。在因子分析的公共因子抽取中，应最先抽取特征值最大的公共因子，其次是次大者，最后抽取公共因子的特征值最小，通常会接近0。2.1因子分析数学模型：其中， 称为公共因子，为的特殊因子，只对相应的起作用.该模型可用矩阵表示为 ，这里，，，且满足 ;公共因子之间、特殊因子之间、公共因子与特殊因子之间都是互不相关的.模型中的矩阵 称为因子载荷矩阵; 称为因子载荷,是第个变量在第个因子上的负载。2.2因子分析的适用条件：因子分析的目的是简化数据结构或找出基本的数据结构，因此使用因子分析的前提条件是原始数据各个变量之间应有较强的相关关系.在做因子分析前首先要检测数据是否适合做因子分析，除对原始数据的相关矩阵进行检验以便分析是否适合进行因子分析外，还可用以下统计量：(1)巴特莱特球体检验（Bartlett test of sphercity）.统计量从检验整个相关矩阵出发，其零假设为相关矩阵为单位矩阵，如果不能拒绝该假设，说明原始数据不适合进行因子分析.(2)KMO测度(Kaiser-Meyer-Olkin-Measure of Sampling Adequacy).该测度是从比较原始变量之间的简单相关系数和偏相关系数的相对大小出发，其值变化范围从0到1. 当所有变量之间的偏相关系数的平方和远远小于简单相关系数的平方和时，KMO值接近1.KMO值较小时，表明原始变量不适合做因子分析.通常按照以下的标准解释该指标值的大小：0.9及以上，非常好；0.8及以上，好；0.7及以上，一般；0.6及以上，差；0.5及以上，很差；0.5以下，不能接受.数据的选取和主要指标的选取通过2012年年鉴可以得到如下图所示各个企业经济效益所影响的主要指标包括：工业总产值、资产总计、流动资产合计、固定资产原价、累计折旧、负债合计、流动负债合计、所有者权益、主营业务收入、主营业务成本、利润总额、本年应交增值税、全部从业人员年平均人数(万人)。对上述数据进行Bartlett检验和KMO检验，结果见下图：从上图我们可以看出，KMO的测度值为0.744，Bartlett球体检验的P值为0.000，可以认为该数据对因子分析适用。计算特征根和方差贡献率由以上特征根与方差贡献率表可以看出：提取三个因子累计方差率达到96.783%，这时已经将原数据中的大部分信息提取出来，因此我们选取三个公因子。在上图中，我们可以看到因子1在工业总产值、流动资产合计、流动负债合计、主营业务收入、主营业务成本、全部从业人员年平均人数上有较大载荷阵。这六个经济因素可以用来衡量工业企业的规模，所以把该因子命名为规模因子。因子2在资产总计、固定资产原价、累计折旧、负债合计、所有者权益上有较大载荷阵。这个五个因素用来说明企业的资产额，所以命名为资产因子。因子3在利润总额、本年应交增值税上有较大载荷阵，而利润和增值税越高，说明企业的业绩越好，所以把该因子命名为业绩因子。由软件得到的因子得分系数矩阵为：F1=0.308X1-0.32X2+0.297X3-0.244X4-0.199X4+0.000X5+0.175X6-0.090X7+0.300X8+0.361X9-0.314X10-0.213X11+0.281X12F2=-0.033X1+0.170X2-0.210X3+0.419X4+0.391X4+0.191X5+0.021X6+0.132X7-0.030X8-0.009X9-0.144X10+0.054X11-0.294X12F3=-0.230X1+0.007X2+0.054X3-0.075X4-0.09