主成分分析法与因子分析法辨析.docVIP

主成分分析法与因子分析法的辨析 　　【摘要】 主成分分析作为多元统计分析的重要方法之一,可以在不丢失主要信息的情况下简化数据,以解决多指标分析评价中指标数量过多,以及指标之间信息重叠等问题,在财务评价中被很多研究者使用。但大多数研究者在使用主成分分析方法时,经常将主成分分析和因子分析相混淆,笔者通过对主成分分析的原理以及通过SPSS实现主成分分析的介绍,让研究者能够更好的运用主成分分析。 　　【关键词】 主成分分析;财务诊断;多元统计模型 　　 　　企业财务诊断起源于美国。二次世界大战之后,随着科学技术的发展和市场竞争,企业为了生存和发展不得不关注自身存在的财务问题,在自身得不到解决的情况下,又不得不求助于社会的管理专家。财务诊断作为企业诊断的重要组成部分,也是企业财务管理的重要环节。财务诊断是一种改进企业财务管理的先进的、科学的方法,它克服了企业财务分析的一般化、公式化等弱点,它是财务分析的深化和发展,而且比财务分析更具有科学性、广泛性和实用性。通过财务诊断,管理者能够找到企业财务管理中存在的问题,为管理决策提供可行性建议。 　　这方面的研究大体上分为定性和定量分析两个方面。其中的定量研究又主要分为一元分析和多元分析两种。由于单个指标容易被操纵和粉饰,只使用单一变量进行判别分析时,得出的结论难免有失偏颇。加之不同的指标具有不同的预测能力,同时使用多个单变量模型时,有可能得出不同的结论,尤其是各指标之间出现此大彼小、此高彼低的现象时,使得对企业真实财务状况的判断带来困难。正是由于以上原因,多元分析模型的研究开始兴起。 　　 　　一、问题提出 　　 　　主成分分析作为多元统计分析的重要方法之一,利用降维技术在不丢失主要信息的情况下简化数据,以解决多指标分析评价中指标数量过多,以及指标之间信息重叠等问题,因此在财务评价中被很多研究者使用。但大多数研究者在使用主成分分析方法时,经常将主成分分析和因子分析相混淆,通过流行甚广的SPSS软件调用主成分分析结果时,常常误用成因子分析的结果。如《中央财经大学学报》2004年第4期发表的《以主成分分析法构建企业财务危机预警模型》(以下简称《刘文》)就是这种情况。是什么原因造成这些错误呢? 　　经过仔细分析、比较发现,出错的主要原因在于,有些使用者对主成分分析的原理认识不透彻,对怎样用SPSS软件得出主成分分析结果掌握不全面。主要错误有:一是主成分模型的错误求解;二是错误地对因子载荷矩阵进行旋转;三是错误地将因子得分系数作为主成分模型的系数。 　　 　　二、主成分分析原理,主成分分析与因子分析的区别,以及主成分分析SPSS实现 　　 　　(一)主成分分析原理 　　主成分分析由Pearson(1901)首先使用,以后经Hotelling (1933)、Rao(1964)、Cooleylohnes(1971)、Gnanadesikan (1977)、 　　Kshirsagar(1972)、Morrison (1976)和Mardia、KentBibby (1979) 　　发展和成熟起来。主成分分析旨在利用降维的思想,把多变量转化为少数几个综合变量。主成分分析的原理是,将原来的P个变量做线性变化,转化为P个新变量,新变量之间相互独立,将新变量按方差大小排序,方差越大所包含的原始数据的信息就越多,方差最大者对应的变量称为第一主成分,依次排出第二主成分、第三主成分…… 　　(二)主成分分析和因子分析的比较 　　首先,主成分分析中不需要有假设,因子分析则需要一些假设。因子分析的假设包括:各个共同因子之间不相关,特殊因子之间也不相关,共同因子和特殊因子之间也不相关。 　　其次,因子分析中是把变量表示成各因子的线性组合,而主成分分析中则是把主成分表示成各个变量的线性组合。在因子分析中,因子个数需要分析者指定,而指定的因子数量不同而结果不同。在主成分分析中,成分的数量是一定的,一般有几个变量就有几个主成分。 　　第三,主成分按模型因变量方差最大化原则来排列主成分,而因子分析是通过模型系数方差最大化来确定因子。主成分分析与因子分析的方差最大化方向不同,直接导致主成分值、因子得分值、综合评价值和应用侧重上不同。 　　第四,主成分分析和因子分析运用SPSS软件进行分析的过程有所区别,但主成分分析和因子分析很类似,因子分析可以看作是主成分分析的推广和发展,在SPSS实现过程中,主成分分析的结果常常通过初始因子分析的结果推算。在社会学研究中,因子分析常采用以主成分分析为基础的反覆法。 　　不过,在因子分析中所采用的协方差矩阵的对角元素不再是变量的方差,而是和变量对应的共同度(变量方差中被各因子所解释的部分)。因子分析可以使用旋转技术帮助解释因子,因子分析中因子不是唯一的,可以