應(yīng)用spss對(duì)部分公司的財(cái)務(wù)狀況做因子分析-論文

應(yīng)用數(shù)理統(tǒng)計(jì)課程小論文應(yīng)用spss對(duì)局部公司的財(cái)務(wù)狀況做因子分析[摘要]spss是一套有效的統(tǒng)計(jì)工具軟件，做數(shù)據(jù)統(tǒng)計(jì)方面表現(xiàn)出優(yōu)秀的性能。公司財(cái)務(wù)狀況是決定公司開展戰(zhàn)略的關(guān)鍵因素。本文運(yùn)用spss軟件對(duì)局部公司的財(cái)務(wù)狀況做了因子分析。[關(guān)鍵字]spss財(cái)務(wù)分析因子分析[正文]1.問題的提出在各個(gè)領(lǐng)域的研究中，往往需要對(duì)反映事物的多個(gè)變量進(jìn)行大量的觀測(cè)，收集大量數(shù)據(jù)以便進(jìn)行分析尋找規(guī)律。多變量大樣本無疑會(huì)為科學(xué)研究提供豐富的信息，但也在一定程度上增加了數(shù)據(jù)采集的工作量，更重要的是在大多數(shù)情況下，許多變量之間可能存在相關(guān)性而增加了問題分析的復(fù)雜性，同時(shí)對(duì)分析帶來不便。如果分別分析每個(gè)指標(biāo)，分析又可能是孤立的，而不是綜合的。盲目減少指標(biāo)會(huì)損失很多信息，容易產(chǎn)生錯(cuò)誤的結(jié)論。因此需要找到一個(gè)合理的方法，減少分析指標(biāo)的同時(shí)，盡量減少原指標(biāo)包含信息的損失，對(duì)所收集的資料作全面的分析。由于各變量間存在一定的相關(guān)關(guān)系，因此有可能用較少的綜合指標(biāo)分別綜合存在于各變量中的各類信息。主成分分析與因子分析就是這樣一種降維的方法。企業(yè)為了生存和競爭需要不斷的開展,通過對(duì)企業(yè)的成長性分析我們可以預(yù)測(cè)企業(yè)未來的經(jīng)營狀況的趨勢(shì)。公司本期成長能力綜合說明公司成長能力處于的開展階段,本期公司在擴(kuò)大市場需求,提高經(jīng)濟(jì)效益以及增加公司資產(chǎn)方面都取得了極大的進(jìn)步,公司表現(xiàn)出非常優(yōu)秀的成長性。提請(qǐng)分析者予以高度重視,未來公司繼續(xù)維持目前增長態(tài)勢(shì)的概率很大。從行業(yè)內(nèi)部看,公司成長能力在行業(yè)中處于一般水平,本期公司在擴(kuò)大市場,提高經(jīng)濟(jì)效益以及增加公司資產(chǎn)方面都略好于行業(yè)平均水平,未來在行業(yè)中應(yīng)盡全力擴(kuò)大這種優(yōu)勢(shì)。在成長能力中,凈利潤增長率和可持續(xù)增長率的變動(dòng),是引起增長率變化的主要指標(biāo)。2.因子分析的一般模型設(shè)原始變量：X1,X2,X3,….Xm主成分：Z1,Z2,…Zn.那么各個(gè)因子與原始變量的關(guān)系為：寫成矩陣形式是：，其值X為原始變量向量，B為公因子負(fù)荷系數(shù)矩陣，Z為公因子向量，E為殘差向量，因子分析的任務(wù)就是求出公因子負(fù)荷系數(shù)和殘差。如果殘差E的影響很小可以忽略不計(jì)，數(shù)學(xué)模型變?yōu)?。如果Z中各分量之間彼此不相關(guān)，形成特殊形式的因子分析，成為主成分分析，其目的是吧系數(shù)矩陣A求出。因子分析的一個(gè)重要目的在于對(duì)原始變量進(jìn)行分門別類的綜合評(píng)價(jià)。如果因子分析結(jié)果保證了因子之間的正交性，但對(duì)因子不易命名，還可以通過對(duì)因子模型的旋轉(zhuǎn)變換使公因子負(fù)荷系數(shù)向更大或更小方向變化，使得對(duì)公因子的命名和解釋變得更加容易。3.用spss做因子分析的一般步驟：導(dǎo)入數(shù)據(jù)后進(jìn)行以下操作：〔1〕選Analyze－DataReduction－Factor進(jìn)入主對(duì)話框；〔2〕把math、phys、chem、literat、history、english選入Variables，然后點(diǎn)擊Extraction，〔3〕在Method選擇一個(gè)方法〔如果是主成分分析，那么選PrincipalComponents〕，〔4〕下面的選項(xiàng)可以隨意，比方要畫碎石圖就選Screeplot，另外在Extract選項(xiàng)可以按照特征值的大小選主成分〔或因子〕，也可以選定因子的數(shù)目；〔5〕之后回到主對(duì)話框〔用Continue〕。然后點(diǎn)擊Rotation，再在該對(duì)話框中的Method選擇一個(gè)旋轉(zhuǎn)方法〔如果是主成分分析就選None〕，〔6〕在Display選Rotatedsolution〔以輸出和旋轉(zhuǎn)有關(guān)的結(jié)果〕和Loadingplot〔以輸出載荷圖〕；之后回到主對(duì)話框〔用Continue〕?！?〕如果要計(jì)算因子得分就要點(diǎn)擊Scores，再選擇Saveasvariables〔因子得分就會(huì)作為變量存在數(shù)據(jù)中的附加列上〕和計(jì)算因子得分的方法〔比方Regression〕；之后回到主對(duì)話框〔用Continue〕。這時(shí)點(diǎn)OK即可。4．因子分析在企業(yè)資金運(yùn)作中應(yīng)用的案例分析局部公司的資金運(yùn)作數(shù)據(jù)如下表；其中流動(dòng)比率〔X1〕、速動(dòng)比率〔X2〕、經(jīng)營性現(xiàn)金凈流入與流動(dòng)負(fù)債比率〔X3〕、資產(chǎn)負(fù)債率〔X4〕、主營收入現(xiàn)金率〔X5〕、應(yīng)收帳款周轉(zhuǎn)速度〔X6〕、存貨周轉(zhuǎn)速度〔X7〕、銷售毛利率〔X8〕、凈資產(chǎn)收益率〔X9〕、總資產(chǎn)報(bào)酬率〔X10〕。企業(yè)的償債能力是指企業(yè)用其資產(chǎn)歸還長短期債務(wù)的能力.企業(yè)有無支付現(xiàn)金的能力和歸還債務(wù)能力,是企業(yè)能否健康生存和開展的關(guān)鍵.公司本期償債能力綜合分?jǐn)?shù)為52.79,較上年同期提高38.15%,說明公司償債能力較上年同期大幅提高,本期公司在流動(dòng)資產(chǎn)與流動(dòng)負(fù)債以及資本結(jié)構(gòu)的管理水平方面都取得了極大的成績.企業(yè)資產(chǎn)變現(xiàn)能力在本期大幅提高,為將來公司持續(xù)健康的開展,降低公司債務(wù)風(fēng)險(xiǎn)打下了堅(jiān)實(shí)的根底.從行業(yè)內(nèi)部看,公司償債能力極強(qiáng),在行業(yè)中處于低債務(wù)風(fēng)險(xiǎn)水平,債權(quán)人權(quán)益與所有者權(quán)益承當(dāng)?shù)娘L(fēng)險(xiǎn)都非常小.在償債能力中,現(xiàn)金流入負(fù)債比和有形凈值債務(wù)率的變動(dòng),是引起償債能力變化的主要指標(biāo)。5.結(jié)果分析描述統(tǒng)計(jì)量DescriptiveStatisticsMeanStd.DeviationAnalysisNx11.75831.0887334x21.3363.9834534x314.301710.2428534x4.0246.0114834x51.0432.1493334x66.08385.2221634x73.17531.7859034x830.649716.3622434x913.20748.3669034x106.61003.6291534相關(guān)矩陣變量的共同度CommunalitiesInitialExtractionx11.000.957x21.000.960x31.000.858x41.000.881x51.000.619x61.000.754x71.000.730x81.000.857x91.000.933x101.000.919ExtractionMethod:PrincipalComponentAnalysis.完全變量解釋旋轉(zhuǎn)后的因子負(fù)荷矩陣RotatedComponentMatrixaComponent1234x1.951.073-.201.083x2.956.052-.154.139x3.029.295.460.747x4.907-.135-.096.176x5-.500-.460-.318.237x6-.269.060.799.199x7-.061-.059.826-.201x8.304.102-.331.803x9-.228.936-.007.071x10.248.849-.045.367ExtractionMethod:PrincipalComponentAnalysis.RotationMethod:VarimaxwithKaiserNormalization.a.Rotationconvergedin6iterations.因子旋轉(zhuǎn)矩陣ComponentTransformationMatrixComponent12341.884.201-.298.3002-.167.772.448.4183.423-.260.833-.2444-.112-.544.129.822ExtractionMethod:PrincipalComponentAnalysis.RotationMethod:VarimaxwithKaiserNormalization.因子得分矩陣ComponentScoreCoefficientMatrixComponent1234x1.308.018-.009-.064x2.309-.011.022-.016x3-.026-.028.269.520x4.299-.133.068.061x5-.235-.287-.212.338x6-.023-.066.446.186x7.104-.056.491-.123x8-.025-.098-.157.561x9-.114.546-.107-.126x10.021.420-.059.068ExtractionMethod:PrincipalComponentAnalysis.RotationMethod:VarimaxwithKaiserNormalization.ComponentScores.公因子的線性組合為由此計(jì)算出各個(gè)公司的綜合得分依次為：0.82 1.7 -0.8 0.93 -2.3 -1.95 -2.81 -3.23 0.39 0.65 -1.94 5.08 0.78 0.11 -3.21 -0.69 6.38 -0.74 -0.18 36.48 -0.94 7.6 -1.47 -2.81 -0.53 -2.38 -1.04 3.03 0.3 -2.36 -0.03 -3.36 1.37 -0.31由此可見航天電器公司得分最高，山東威達(dá)公司得分最低。因此航天電器公司財(cái)務(wù)狀況最好，而山東威達(dá)公司狀況差[參考文獻(xiàn)][1]林海明，張文霖.主成分分析與因子分析的異同和ＳＰＳＳ軟件——兼與劉