因子分析建模过程.docVIP

因子分析主要过程 1．KMO检验 KMO检验是分析观测变量之间的简单相关系数和偏相关系数的相对大小，看数据进行因子分析是否适合，取值变化从0-1之间，若KMO过小或KMO的值小于0.5，表明变量偶对之间的相关不能被其他变量解释，则不合适进行因子分析。本文KMO检验如表1。 表1 KMO检验 取样足够度的 Kaiser-Meyer-Olkin 度量 0.595 Bartlett的球形度检验 近似卡方 232.617 自由度（df） 36 显著性水平（Sig.） 0.000 表1显示观测变量KMO检验取值0.595，说明进行因子分析较好，可以借助反映相关系数矩阵进行分析。Bartlett检验是确定所要求的指标数据是否取自多元正态分布的总体。若差异检验的F值显著，表示所取数据来自正态分布总体，可以做进一步分析；否则不宜作进一步分析。本例Bartlett球形检验的卡方值为232.617且自由度为36，Bartlett检验的P值等于0.000，达到显著水平(p0.01)，即表明这些数据来自正态分布总体，代表数据样本的相关矩阵之间有共同因素存在，适合进行因子分析。 2．提取公因子 进一步观察因子分析的总方差解释表，如表2。 表2 方差解释表 变量 初始特征根 提取载荷的平方和 旋转后载荷的平方和 特征值 方差贡献率(%) 累计贡献率(%) 特征值 方差贡献率(%) 累计贡献率(%) 特征值 方差贡献率(%) 累计贡献率(%) X1 3.640 40.440 40.440 3.640 40.440 40.440 3.179 35.317 35.317 X2 1.682 18.684 59.124 1.682 18.684 59.124 1.766 19.626 54.942 X3 1.156 12.848 71.971 1.156 12.848 71.971 1.439 15.987 70.930 X4 1.052 11.691 83.663 1.052 11.691 83.663 1.146 12.733 83.663 X5 .711 7.895 91.558 X6 .361 4.014 95.572 X7 .250 2.772 98.345 X8 .149 1.653 99.997 X9 .000 .003 100.000 为了达到降维的目的，一般选取特征值大于1的成分，在这里，我们选择前4个，它们的特征值累计贡献率达到83.663%，说明前4个主成分已基本包括全部指标具有的信息，降维效果较好，因此选择前4个主成分作为评价指标代替原来的9个指标。 3．因子命名 表3给出了主成分矩阵，由表3可以看出X1、X6、X8这些因子载荷的区分度不明显。所以应通过坐标变换使每个原始变量在尽可能少的因子之间有密切的关系，这样因子解的实际意义更为清晰更容易解释,并为每个潜在因子赋予有实际意义的名字。 表3 主成分矩阵 指标 主成份 1 2 3 4 X1销售毛利率 .683 -.322 -.464 .033 X2流动比率 .901 -.274 .189 -.174 X3速动比率 .893 -.293 .185 -.173 X4经营活动净现金比率 .841 .022 .341 -.024 X5资产负债率 .756 .468 -.032 .160 X6负债与股东权益比率 .463 .513 -.540 .163 X7总资产周转率 -.020 .753 .548 -.225 X8总资产增长率 .164 .576 -.358 -.414 X9净利润现金含量 .207 .191 .185 .846 如表4旋转后的因子载荷矩阵可以看出：相对旋转以前的公共因子载荷矩阵系数，因子旋转后载荷矩阵系数取值明显更加向0或1靠近，这样公共因子的实际意义更易解释。 第一主成分F1主要包括流动比率、速动比率、经营活动净现金比率，主要代表企业短期偿债能力。 第二主成分F2主要包括资产负债率、负债与股东权益比率、总资产增长率，主要代表企业长期偿债能力。 第三主成分F3主要包括总资产周转率，主要代表企业资产周转能力。 第四主成分F4主要包括净利润现金含量，主要代表企业现金流量状况。 表4 旋转成分矩阵 指标 主成份 1 2 3 4 X1销售毛利率 .522 .323 -.640 -.002 X2流动比率 .964 .050 -.142 -.025 X3速动比率 .960 .037 -.157 -.029 X4经营活动净现金比率 .869 .128 .134 .188 X5资产负债率 .536 .620 .146 .351 X6负