（毕业论文设计）-基于因子分析的我国工业企业经济效益分析（学术精品）.docVIP

基于因子分析的我国工业企业经济效益分析 1.导言 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。本文对我国工业企业的经济状况进行分析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。 2.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 QUOTE 的特殊因子，只对相应的起作用.该模型可用矩阵表示为 QUOTE ，这里 ， QUOTE ，， QUOTE 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[3].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. 2.3因子分析步骤： 1．数据标准化： 由于各因素的量纲不同而导致统计结果与实际情况出现偏差是常见现象。所以，在做分析之前，我们需要通过消除量纲，即数据标准化，再对标准化的数据进行分析。这样得到的结果就比较接近实际情况了。标准化后的变量均值为0，方差为1. 2．计算因子载荷阵： 本文使用主成分分析法求解因子载荷矩阵: 计算样本相关系数矩阵 . 求 的特征根及对应的标准正交化特征向量 . 由于因子数目 应小于原始变量个数，所以根据前个特征根和对应的特征向量来估计因子载荷矩阵：. 公共因子的方差贡献是该因子在模型中所有负载的平方和,记为： 由于数据已经被标准化，所以个变量的总方差为， 表示第 个公共因子的方差贡献在所有方差中的比例.当提取出的公共因子的累积方差贡献率达到或超过85 %时,就可以用提取的公共因子代表原来的变量来研究问题. 3．旋转并解释因子： 初始因子的综合性太强,难以找出因子的实际意义,因此需要通过旋转坐标轴使负载尽可能向±1 ，0 的方向靠近，从而降低因子的综合性 ，使其实际意义凸现出来.正交旋转方法最常用的方法是最大方差旋转法，使得每个变量仅在一 个公共因子有较高的负载，在其余的公共因子上的载荷比较小，直多达到中等大小.因此在后面的分析中采用了这种方法.旋转完成后, 按照负载绝对值的大小,解释公共因子的实际含义[5]. 4．计算各公共因子得分： 在因子分析模型中，如果不考虑特殊因子的影响，当且可逆时，可以方便地计算，即因子得分.但因子分析模型在实际应用中要求， 因此不能精确地计算出因子得分，只能对因子得分进行估计.估计因子得分常用的方法为汤姆逊回归法，公式为:其中 为的相关系数矩阵,并称矩阵 为因子得分系数矩阵[5]. 5．以提取的各公共因子的方差贡献率占提取公共因子的总方差贡献率的比重作为权重，将各公共因子得分进行加权汇总，计算各样本的综合得分. 3. 基于工业企业主要经济效益指标的分析 1.选取2009年中国统计年鉴中的“按行业分规模以上工业企业主要经济效益指标”，对不同工