应用spss对部分公司的财务状况做因子分析-论文

应用数理统计课程小论文

. .

. w d .

. 1

应用spss对部分公司的财务状况做因子分析

[摘要]spss是一套有效的统计工具软件，做数据统计方面表现出优秀的性能。

公司财务状况是决定公司发展战略的关键因素。本文运用spss软件对部分公司的财务状况做了因子分析。

[关键字] spss 财务分析 因子分析 [正文]

1.问题的提出

在各个领域的研究中，往往需要对反映事物的多个变量进行大量的观测，收集大量数据以便进行分析寻找规律。多变量大样本无疑会为科学研究提供丰富的信息，但也在一定程度上增加了数据采集的工作量，更重要的是在大多数情况下，许多变量之间可能存在相关性而增加了问题分析的复杂性，同时对分析带来不便。如果分别分析每个指标，分析又可能是孤立的，而不是综合的。盲目减少指标会损失很多信息，容易产生错误的结论。因此需要找到一个合理的方法，减少分析指标的同时，尽量减少原指标包含信息的损失，对所收集的资料作全面的分析。由于各变量间存在一定的相关关系，因此有可能用较少的综合指标分别综合存在于各变量中的各类信息。主成分分析与因子分析就是这样一种降维的方法。

企业为了生存和竞争需要不断的发展,通过对企业的成长性分析我们可以预

. . . w d .

. 1

测企业未来的经营状况的趋势。公司本期成长能力综合说明公司成长能力处于的发展阶段,本期公司在扩大市场需求,提高经济效益以及增加公司资产方面都取得了极大的进步,公司表现出非常优秀的成长性。提请分析者予以高度重视,未来公司继续维持目前增长态势的概率很大。从行业部看,公司成长能力在行业中处于一般水平,本期公司在扩大市场,提高经济效益以及增加公司资产方面都略好于行业平均水平,未来在行业中应尽全力扩大这种优势。在成长能力中,净利润增长率和可持续增长率的变动,是引起增长率变化的主要指标。 2.因子分析的一般模型

设原始变量：X1,X2,X3,….Xm 主成分：Z1,Z2,…Zn.

则各个因子与原始变量的关系为：

写成矩阵形式是：

，其值X为原始变量向量，B为公因子负

荷系数矩阵，Z为公因子向量，E为残差向量，因子分析的任务就是求出公因子负荷系数和残差。

如果残差E的影响很小可以忽略不计，数学模型变为

。如果Z中

各分量之间彼此不相关，形成特殊形式的因子分析，成为主成分分析，其目的是吧系数矩阵A求出。因子分析的一个重要目的在于对原始变量进行分门别类的综合评价。如果因子分析结果保证了因子之间的正交性，但对因子不易命名，还可以通过对因子模型的旋转变换使公因子负荷系数向更大或更小方向变化，使得

. . . w d .

. 1

对公因子的命名和解释变得更加容易。 3. 用spss做因子分析的一般步骤： 导入数据后进行以下操作：

（1）选Analyze－Data Reduction－Factor进入主对话框；

（2）把math、phys、chem、literat、history、english选入Variables，然后点击Extraction，

（3）在Method选择一个方法（如果是主成分分析，则选Principal Components），

（4）下面的选项可以随意，比如要画碎石图就选Scree plot，另外在Extract选项可以按照特征值的大小选主成分（或因子），也可以选定因子的数目； （5）之后回到主对话框（用Continue）。然后点击Rotation，再在该对话框中的Method选择一个旋转方法（如果是主成分分析就选None）， （6）在Display选Rotated solution（以输出和旋转有关的结果）和Loading plot（以输出载荷图）；之后回到主对话框（用Continue）。

（7）如果要计算因子得分就要点击Scores，再选择Save as variables（因子得分就会作为变量存在数据中的附加列上）和计算因子得分的方法（比如Regression）；之后回到主对话框（用Continue）。这时点OK即可。 4．因子分析在企业资金运作中应用的案例分析 部分公司的资金运作数据如下表；

其中流动比率（X1 ）、速动比率（X2）、经营性现金净流入与流动负债比率（X3）、资产负债率（X4）、主营收入现金率（X5）、应收帐款周转速度（X6）、

. . . w d .

. 1

存货周转速度（X7）、销售毛利率（X8）、净资产收益率（X9）、总资产报酬率（X10）。

企业的偿债能力是指企业用其资产偿还长短期债务的能力.企业有无支付现金的能力和偿还债务能力,是企业能否健康生存和发展的关键.公司本期偿债能力综合分数为52.79,较上年同期提高38.15%,说明公司偿债能力较上年同期大幅提高,本期公司在流动资产与流动负债以及资本结构的管理水平方面都取得了极大的成绩.企业资产变现能力在本期大幅提高,为将来公司持续健康的发展,降低公司债务风险打下了坚实的基础.从行业部看,公司偿债能力极强,在行业中处于低

. . . w d .

. 1

债务风险水平,债权人权益与所有者权益承担的风险都非常小.在偿债能力中,现金流入负债比和有形净值债务率的变动,是引起偿债能力变化的主要指标。 5.结果分析

描述统计量

Descriptive Statistics x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 Mean 1.7583 1.3363 14.3017 .0246 1.0432 6.0838 3.1753 30.6497 13.2074 6.6100 Std. Deviation 1.08873 .98345 10.24285 .01148 .14933 5.22216 1.78590 16.36224 8.36690 3.62915 Analysis N 34 34 34 34 34 34 34 34 34 34 相关矩阵

变量的共同度

Communalities

. . . w d .

. 1

x1 x2 x3 x4 x5 x6 x7 x8 x9 x10

Initial 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000

Extraction

.957 .960 .858 .881 .619 .754 .730 .857 .933 .919

Extraction Method: Principal Component Analysis.

完全变量解释

旋转后的因子负荷矩阵

Rotated Component Matrixa x1 x2 x3 x4 Component 1 .951 .956 .029 .907 2 .073 .052 .295 -.135 3 -.201 -.154 .460 -.096 4 .083 .139 .747 .176 . . . w d .

. 1

x5 x6 x7 x8 x9 x10 -.500 -.269 -.061 .304 -.228 .248 -.460 .060 -.059 .102 .936 .849 -.318 .799 .826 -.331 -.007 -.045 .237 .199 -.201 .803 .071 .367 Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 6 iterations. 因子旋转矩阵

Component Transformation Matrix Component 1 2 3 4 1 .884 -.167 .423 -.112 2 .201 .772 -.260 -.544 3 -.298 .448 .833 .129 4 .300 .418 -.244 .822 Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.

因子得分矩阵

Component Score Coefficient Matrix x1 x2 x3 x4 x5 x6 Component 1 .308 .309 -.026 .299 -.235 -.023 2 .018 -.011 -.028 -.133 -.287 -.066 3 -.009 .022 .269 .068 -.212 .446 4 -.064 -.016 .520 .061 .338 .186 . . . w d .

. 1

x7 x8 x9 x10 .104 -.025 -.114 .021 -.056 -.098 .546 .420 .491 -.157 -.107 -.059 -.123 .561 -.126 .068 Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. Component Scores.

公因子的线性组合为

合得分依次为：0.82 1.7 -0.8 0.93 -2.3 -1.95

5.08 0.78 0.11 -3.21 -2.81

-0.53

-0.69

6.38 -0.74

-2.38

-1.04

-2.81 -0.18

-3.23 36.48 -0.03

由此计算出各个公司的综0.39 0.65 -1.94-0.94 -3.36

7.6 -1.471.37 -0.31

3.03 0.3 -2.36

由此可见航天电器公司得分最高，威达公司得分最低。因此航天电器公司财务状况最好，而威达公司状况差

[参考文献]

[1] 林海明，文霖.主成分分析与因子分析的异同和ＳＰＳＳ软件——兼与玉玫、卢纹岱等同志商榷[J].统计研究，2005（3）：65-68.

[2] SPSS.Inc,SPSSBaseSyntaxReferenceGuide,1999,U.S.A.4002447. [3] 高惠璇等.SAS 系统 BaseSAS 软件使用手册,:中国统计,1997.2142216 [4]建同，昌言以Excel和SPSS为工具的管理统计[M].:清华大学，2005.

. . . w d .