因子分析实验报-20家上市公司业务能力分析.docVIP

实验课程名称： 多元统计分析 实验项目名称 20家上市公司业务能力分析 实验成绩 实 验 者 小明 专业班级 统计1 组 别 同 组 者 实验日期 2015年1月7日 第一部分：实验预习报告 实验目的、意义 因子分析是主成分分析的推广和发展，其目的是用少数几个不可观测的隐变量，即因子，来解释原始变量之间的相关关系，它也是属于多元分析中处理降维的一种统计方法。因子分析的基本思想是通过变量间的协方差矩阵（或相关系数矩阵）内部结构的研究，寻找能控制所有变量的少数几个因子去描述多个变量之间的相关关系。 数据命名为“”。 使用，然后选中xlsx”。 依次点击分析→描述报告→描述，将所有指标放入变量中，勾选将标准化得分另存为变量，即得到标准化数据。 依次点击分析→降维→因子分析，点击“描述”，在弹出的对话框中，在“统计量”中选择“原始分析结果”。在“相关矩阵”中选择“系数”和“显著性水平” 点击抽取，在弹出的对话框中，在“分析”中选择“相关性矩阵”，在“输出”中选择“未旋转的因子解”和“碎石图”，在“抽取”中选择“基于特征值”，点击确定完成分析。 进行分析研究。 5、预习抽查、提问及成绩（请按优，良，中，及格，不及格五级评定） 6、未抽查学生的预习成绩（请按优，良，中，及格，不及格五级评定，由教师评阅实验报告时确定） 第二部分：实验过程记录（可加页） 实验原始记录（包括实验数据记录，实验现象记录，实验过程发现的问题等） 第一步：导入数据 图1 数据 第二步：将数据标准化 点击分析→描述统计→描述。然后选择变量，勾选“将标准化得分另存为变量” 图2 数据标准化 第三步：对数据进行因子分析 点击分析→降维→因子分析，然后选择变量，然后对描述统计和抽取等进行设置，如图。 描述统计设置 抽取设置 旋转设置 得分设置 教师签字__________ 2、实验过程成绩（请按优，良，中，及格，不及格五级评定） 第三部分 结果与讨论（可加页） 实验结果分析（包括数据处理、实验现象分析、影响因素讨论、综合分析和结论等） 标准化数据 由以可以前个主成分解释了的.569%，包含了信息总量的%，。 输出结果个主成分后输出的结果 上面的表在主成分分析中也得到过，实际上，用主成分法求解公共因子与载荷矩阵，是求主成分的逆运算，这在前面有所表述。其中成分矩阵是因子载荷矩阵，使用标准化后的主成分（公共因子）近似表示标准化原始变量的系数矩阵，用fac1,fac2表示各公共因子，以总资产为例，即有 标准化的 总资产=0.829*fac1-0.354*fac2 在数据窗口可看到，在原始变量后面出现2个新的变量，变量名分别为fac1-1，fac2-1。这2个变量即为各个样品的第一公共因子，第二公共因子得分。在前面的分析中层提到过，这些得分是经过标准化的，这一点可以用下面的方法简单地验证。 依次点击分析---描述统计---描述，进入“描述”对话框，选中fac1-1，fac2-1 2个变量，点击“确定”。 可以看到，三个变量的标准差均为1. 得到各个样本的因子得分后，就可以对样本点进行分析，如用因子得分值代替原始数据进行归类分析或回归分析等。 由上面结果看到，旋转后的公共因子解释原始数据的能力没有提高，但因子载荷矩阵及因子得分系数矩阵都发生了变化，因子载荷矩阵的元素更倾向于0或正负1. 这是对因子载荷矩阵进行方差最大化正交旋转。记基本每股收益等指标分别为X1，X2，，，X8。即可得因子分析模型： X1=0.205F1+0.745F2 X5=0.71F1—0.555F2 X2=0.916F1—0.212F2 X6=0.547F1—0.63F2 X3=0.937F1+0.064F2 X7=—0.086F1+0.7F2 X4=0.981F1+0.091F2 X8=0.971F1—0.07F2 由因子分析模型知，第一个主因子F1主要由主营业务收入，主营业务利润，净利润，净资产四个指标决定，这4个指标在主因子F1上的载荷均在0.85以上。它代表企业的盈利能力,而且主因子F1对X1的方差达58%之多，所以更说明是企业经济效益指标体系中的主要方面。此外，总资产对F1的贡献也相对较大，这也是反映企业盈利能力的主要指标。企业要提高经济效益，就要在这个主因子方面下功夫。 第二个主因子F2主要由基本每股收益和流动负债决定，是代表企业经营效率的指标。经营效率主要反映企业的运营能力，企业改进管理方法，提高科