应用统计因子分析.docx
《应用统计因子分析.docx》由会员分享,可在线阅读,更多相关《应用统计因子分析.docx(15页珍藏版)》请在冰点文库上搜索。
应用统计因子分析
水泥行业上市公司经营业绩
因子模型实证分析
因为观测数据较多,指标之间存在多重共线性,先计算相关矩阵,看是否可以采用因子分析的方法。
可以看出X1X2高度正相关,X3X4高度负相关,X5X6中度相关,因此可以提取因子的方法消除财务指标之间的相关性。
从结果上看,选择三个因子所解释的方差占总方差百分之八十的效果,且结果上看主成分法好于极大似然法,因为极大似然法要求数据来源于多元正态分布,这一点一般很难满足。
3.对因子的实际意义作出解释,需要因子旋转
最大方差正交旋转法
旋转后,因子F1在X1主营业务利润率和X2销售毛利率上的载荷极高,因此F1代表企业盈利能力
因子F2在速动比率X3(它是衡量企业流动资产中可以立即变现用于偿还流动负债的能力)负相关和资产负债率X4上载荷较高,代表企业偿债能力,越高偿债能力越差。
因子F3主营业务收入增长率x5和营业利润增长率x6的载荷值为0.953和0.631,因此F3代表企业发展能力。
4.计算出因子以后可以使用因子评判每个样本在模型中的地位,即对每个样本进行评价
5.对因子方差贡献率占总方差比例作为权重,求和
结果分析:
Factor1盈利能力
Factor2负债情况
Factor3发展能力
关于31省、市、自治区人均消费水平的
因子分析
因为这是主成分分析做过的数据,之前计算过相关矩阵,因此书上直接用因子分析处理。
先使用不旋转的因子分析方法,再进行因子旋转的因子分析。
对比发现,因子旋转以后,F1在食品,设备,交通,教育,居住,杂项载荷很大;F2在医疗上载荷很大;F3在衣着上载荷很大。
因此F1日常消费因子
F2医疗因子
F3衣着因子
F1日常消费水平较高:
上海北京广东浙江天津
较低:
吉林黑龙江
F2医疗保健较高:
天津北京河北吉林辽宁
较低:
西藏江西贵州四川
F3衣着较高:
西藏北京山东新疆青海
较低:
广东海南广西
计算排名
升序排列
F1日常消费水平较高:
上海北京广东浙江天津
较低:
吉林黑龙江
F2医疗保健较高:
天津北京河北吉林辽宁
较低:
西藏江西贵州四川
(F3衣着较高:
西藏北京山东新疆青海)
(较低:
广东海南广西)
信息重叠图