因子分析中指标数据如何正确预处理-财会月刊.PDFVIP

全国中文核心期刊全国中文核心期刊全国中文核心期刊 财会月刊财会月刊财会月刊阴阴阴 ··· 因子分析中指标数据如何正确预处理 范 坤 冯长焕渊教授冤 渊西华师范大学数学与信息学院 四川南充 637002冤 】 ，然后用常用的热平台插 【摘要 本文通过建立合理的指标正向化转换模型证明了曲线模型不适合做指标正向化处理 补法对样本缺失值进行了填补，同时注意控制样本指标缺失率。最后基于上市电子企业对处理前后的指标数据进行了因子 分析，并对排名结果进行了对比分析，证实了对指标数据合理地预处理后其评价结果更合理、客观有效。 【关键词】因子分析 数据处理 指标正向化 缺失值 因子分析是目前国内外进行综合评价的主要方法之一， 均值填补上缺失值。由于原始数据中一共存在32个缺失值， 也是多元统计分析中应用较为广泛的处理数据降维的方法。 涉及6个公司的 18个财务指标，下面以现金比率指标（含一 在实际应用中主要是通过寻找多个指标的少数独立的、专业 个缺失值利达光电公司）为例进行填补，其他指标类似。具体 上有意义的公因子来探索解释原多个指标对个体特征描述的 填补过程如下： 关系。 与现金比率指标相关性较强的有三个指标，依次为速动 在做因子分析之前指标数据必须进行样本缺失值、指标 比率、流动比率和总资产增长率，其相关系数矩阵如表1。因 正向化和量纲化预处理。当个别样本（公司）缺失某些指标数 为流动比率和速动比率中也含有缺失值，因而用相关性次之 据，若不对其进行缺失值填补则做因子分析时会被剔除进而 的总资产增长率来估计缺失值。 不能参与最终的各项排名和综合评价，而一般的用指标均值 总资产增长率、流动比率、速动比率和现金比率 代替缺失值又不尽如人意，因此有必要选择更合适的填补方 表1 的相关系数矩阵 法，同时注意控制样本的指标缺失率。本文建立了合理的指标 总资产增长率 流动比率 速动比率 现金比率 正向化转换模型，基于上市电子企业对处理前后的指标数据 总资产增长率 1.000 0.731 0.740 0.758 进行了因子分析，并对排名结果进行了对比分析。 流动比率 0.731 1.000 0.998 0.986 一、缺失值填补 速动比率 0.740 0.998 1.000 0.990 本文以2010年133家上市电子公司的37个财务指标作 现金比率 0.758 0.986 0.990 1.000 为因子分析的原始变量为例，用比较常用的热平台插补法进 行缺失值填补（数据来源于中国上市公司资讯网）。 表2 依据总资产增长率指标的公司排序与对照表 37个财务指标分别为：每股收益（扣除）、每股净资产、每 中京 蓉胜 深桑 利达 深天 超华 莱宝 股资本公