因子分析论文精品多篇范文

[概述]因子分析论文精品多篇为好范文网的会员投稿推荐，但愿对你的学习工作带来帮助。

因子分析论文 篇一

1.1试验过程

1.1.1T检验与信度分析

进行因子分析前必须对问卷进行稳定性和可靠性检验。经过单个样本检验，可得Sig=0.00，当Sig＜0.05，就可说明12个题项具有较好的区分度，即能够区分出不同题项被测试的反应程度，故皆可保留应用。根据信度系数划分，当信度系数＞0.9，表示信度好；信度系数＞0.8，表示信度可接受；信度系数＞0.7，表示应重新修订量表。验证所得信度系数为0.894，说明问卷信度较好，可转入因子分析步骤。

1.1.2因子分析

选择变量并设定因子参数或分析方法，如进行描述、抽取、旋转等步骤(操作过程略)。在进行因子分析前，必须进行KMO与球形测试，用于判断是否适合进行因素分析。KMO值为0.846(＞0.6)，适合进行因素分析。同时Bartlett''''sTestX2值为846.109，Sig＜0.05，达到显著，亦说明适合进行因素分析。根据荷载值可知：第一个新因子主要支配着a4、a5、a6、a8、a9、a11;第二个新因子主要支配a1、a3、a12;第三个新因子主要支配着a2、a7、a10。每个新公因子互不交叉，且至少支配2个及以上原因子，即提取的新因子可代表原有因子，满足问卷分析内容效度的要求。以特征值≥1为提取标准，共提取3个因素，累积贡献率为70.726%，已经达到因子分析要求。因子分析过程自动根据特征值大小对新因子进行排列。看出以特征值≥1为标准，共可提取3个新公因子。这从另一角度证明了因子分析的有效性。

1.2结果分析

将新提取的3个公因子分别命名为F1、F2、F3。F1主要反映出a4(实习意愿)、a5(独自实习倾向)、a6(参与实习主动性)、a8(工作环境适应性)、a9(人际关系影响)、a11(个人重要性)中的信息。以上6项可归结为大学生个人的认知与行为在实习成效中的影响作用，可将F1称为实习个体成熟度。F2主要反映出a1(实习必要性认识)、a3(实习安排服从度)、a12(他人影响)的信息。这3项涉及个体认知、过程有关，可将F2命名为实习适应能力。F3主要反映出a2(对实习的期望)、a7(对实习内容的满意)的信息。这2项可以解读为与实习目标层次和实际实习内容等有关，故命名为实习匹配程度。经过因子分析后，可以归纳出影响高校大学生实习成效的主要因素是：实习个体成熟度、实习适应能力、实习匹配程度。

2提升高校大学生实习成效的管理建议

总体而言，本次问卷设计、数据统计分析是成功的，所得结果亦较符合实际情况。本文所提炼的新因子基本表达了原有信息，较好地反映了目前高校大学生实习过程中的影响因素以及高校组织实习所面临的困难。基于因子分析结果，提出高校和大学生应从以下几方面来共同提高实习效果。

2.1提前培育大学生对实习认知与接纳的态度

实习是以学生为主体、学校或企业为主导的一项相互配合的活动。大学生是否清楚地意识到实习对自身的作用、能否从心理接纳实习并将意识转化为实习行动，这是决定大学生实习成效的首要因素。因此，高校必须将实习所要达到的目的、实习过程与方法、实习与理论如何结合等问题，在实习前及时进行教导，让大学生在思想上树立起强烈的实习意识和对实习活动的接纳意愿。同时，应培养大学生的独立自主意识和独立工作能力，形成正确的实习价值观和自主实习心态。此外，大学生亦应在实习期间初步学会自行化解工作难题或困扰的能力，以独立自主的势态迎接实习挑战。

2.2注重培养大学生实习协调与适应能力

大学生开展实习必须基于实习单位的业务及统筹安排，仅仅认识到实习的重要性并不能取得预期的实习成效。因此，只有将实习必要性的认知融入到实习过程和行为活动中，并将实习内容与实习单位的任务安排结合起来，同时，也应注重培养并提高大学生处理人际关系的能力，注意与实习单位的员工进行有效协作，充分学习或利用他人的知识技能，这样，才能更好地完成实习任务并取得预期的实习效果，最终提高大学生对实习单位的适应能力和实习效果。

2.3因人而异提高实习双向匹配程度

当代大学生个性迥异，兴趣爱好不同，职业规划不一，高校已无法施行“一刀切”的实习管理模式。尽管已经在大学生思想中树立了实习意识，但并不等于在大学生中统一了实习理念和看法。因此，要尽量了解大学生对专业知识的把握程度、对专业的兴趣爱好程度以及对实习所持的心态与期望；要合理地调节大学生对实习的期望值，与学生共同确定实习目标，避免出现实习心理落差。同时，应根据不同专业难度和兴趣方向，调整实习内容，做到实习者与实习内容的双向匹配，以提高实习的积极性和实习成效。总之，要想取得完美的实习效果，既要高校与学生一起达成实习共识，明确实习目标，又要时时跟踪实习发展动态，分析实习期间出现的现象并发掘其产生根源。要因人而异、有的放矢地解决大学生实习过程中产生的各种问题，并有效地改进实习管理。

因子分析论文 篇二

关键词：支气管哮喘；方剂；因子分析

中图分类号：R256.12

文献标识码：A文章编号：

1673-7717（2008）11-2373-02

Ancient and Modern Literature in the Factor Analysis Prescription Asthma Study

BIAN Yali,FAN Xinsheng

(Nanjing University of Chinese Medicine,Nanjing 210046，Jiangsu,China)

Abstract：This article explores ancient and modern medical monographs and 325 traditional Chinese medical formulas in treating bronchial asthma which are adopted in medical magazines published in recent ten years. By establishing database of traditional Chinese medical formulas,and applying statistics software SPSS13.0 to analyse the principles of differentiation and treatment of these traditional Chinese medical formulas.Thearticle sumsup the medicine teams of traditional Chinese medical formula usually used for treatingBronchial Asthmaancient and modern,and further explores thecompatibility rules and dialectical relations of these traditional Chinese medical formulas,to afford references for clinic and experiment studies in treating Bronchial Asthma for the future.

Key words: bronchial asthma；traditionsl Chinese medical formulas；factor analysis

支气管哮喘是临床常见的呼吸系统疾病，是由嗜酸性粒细胞、肥大细胞和T淋巴细胞等多种炎性细胞参与的气道慢性炎症。哮喘给人类造成经济负担，本病临床控制及痊愈率较差，患病大多迁延日久，缠绵难愈。现代医学在哮喘治疗方面取得了一定的进展，但随着对哮喘病认识和治疗的不断深入，其种种不足和局限性也显现出来。中医药在治疗哮喘时有其辨证论治的特色。但由于对该病的认识角度不同以及个人认识的局限性，使中医对哮喘病的辨证论治和组方配伍规律缺乏规范化的研究和系统整理。

因子分析方法（Factor analysis）又称因素分析，是一种寻找潜在支配因子的模型分析方法[1]。通过对不同变量的相关性分析，将变量的数量加以综合分类简化，以较少的变量来代替原来变量中所含信息，从而帮助研究者分析影响变量的主要潜在因素的方法。测变量来推测隐变量所起作用的大小。因子分析方法作为处理多变量数据的一个数学方法，它可以提示多变量之间的关系，其主要目的是从为数众多的可观测的变量中概括和推论出少数的因子，用最少的因子来概括和解释最大量的观测事实，从而建立起最简洁、最基本的概念系统，揭示事物之间最本质的联系。本文通过对历代哮喘方剂所用高频药物的因子分析，探讨其组方用药的规律，推论与之相应的辨证分型。

1 材料与方法

1.1 数据收集与预处理

本研究数据的收集范围为汉代至今载有哮喘病相关论述的中医文献资料，明代至清代(约为公元1368年到公元1912年)医籍中属于内科范畴的有关脾胃湿热证的文献资料，包括综合性医著、方书、专书、本草、类书、医案、医论、医话等。基于本研究的需要，所收录的方剂均符合以下纳入标准：(1)以方剂的功用、主治为依据，方源、组成、用法、主治俱备者；(2)古代方剂，主治中明确载有“哮”“哮证”“”“哮吼”“呷嗽”等字样者，或证候表现具有哮喘症状表现者均在收集之列；(3)现代方剂，除符合古代方剂的收集条件外，一般必须有25例以上的临床资料总结，有固定而明确的药物组成。排除标准：(1)方剂相关资料缺失者。(2)对于方剂主治症过于庞杂，组方用药对哮喘病缺乏针对性，原则上不收录。(3)多种治疗方法（如针灸）配合治疗的病例。(4)现代方剂中属中西医结合治疗的病例。

共收集了古今治疗哮喘方剂325首，涉及药物315种。所有统计选用国际公认的权威分析软件“SPSS 13.0 for Windows”。将325首哮喘方剂的数据信息统一规范化处理，对其中组成药物所涉及的异名查阅《中华本草》进行统一，如“芒硝”的异名有“马牙消”、“朴消”等，“砒石”的异名有“白砒”、“信砒”、“信石”等，经过统一规范共有315种常用中药包括在内。用EPIDATA 3.0软件建立数据库，导入SPSS13.0,采用因子分析的方法进行统计分析。

1.2 统计分析方法的选择

KMO和球形Bartlett检验用于因子分析的适应性检验。KMO是用来检验变量间的偏相关系数的大小，其值介于0～1之间，KMO值越接近1,说明变量间相关性越强，因子分析的效果越好；球形Bartlett检验是用来判断相关阵是否为单位阵，如果为单位阵，则各变量独立，因子分析无效。本研究的KMO值是0.684，Bartlett检验：X2=1123.574，P

2 对数据的分析及结果

通过对这315味药物的初步分析，根据频率统计保留了其中出现频率较高的24个药物（如表1）,即舍弃频率小于8%的药物。接着在对基础数据进行评价认为可行的基础上，用SPSS软件对这24个变量用主成分分析法进行因子提取、对获取的初始因子矩阵表进行斜交旋转、获取各药物在相关因子下的载荷系数，接着将24个变量对于每一个因子的影响程度进行计算，即对于每个因子，统计药物出现的频率，通过计算24个变量对于每一个因子的影响程度确定每个因子下出现次数最多的药物名称，也就是对该因子影响最大的药物(如表2)。根据症状频率统计表和由旋转后的因子矩阵表，按照载荷系数大于0.4为界值，确定大于0.4的指标作为每一个因子对应的药物，最终分析出这5个因子所对应的药物信息（如表2），据此确定各因子与药物的对应情况(如表3)。从药物在空间结构上的分布（如图1）可以看出，图中空间上距离较近的点代表某一因子。如A9陈皮、A23白术、A5茯苓在空间上距离较近，即F2因子；又如A133地龙、A128蝉蜕、A68白僵蚕在空间上距离较近，即F4因子。

3 分析与讨论

因子分析是通过研究多个变量间相关系数矩阵的内部依赖关系，找出能综合所有变量的少数几个随机变量，即公因子。然后根据相关性的大小把变量分组使得同组内的变量之间相关性(共性)较高，而不同组的变量相关性较低[2]。实际上是对多个指标变量用少数几个潜在指标的

线性组合来表示。在本研究中，通过对哮喘治疗方剂所用药物的因子分析，可以提取出本病常用的药物组群，其中F1由祛风宣肺、化痰止咳平喘的药物组成，是治疗哮喘的主要药物，提示外邪犯肺，宿痰伏肺，肺失宣降的基本病机，其中麻黄、杏仁是最为常用的平喘药物；F2由敛肺滋肾、温肺化饮、化痰平喘的药物组成，提示痰饮伏肺，肾不纳气的病机；F3由理气健脾，利水渗湿的药物组成，提示伏痰是哮喘发病中的重要因素、通过理气利湿健脾来祛除痰饮；F4由息风止痉的药物组成，现代研究表明，该类药物有一定的解痉、平喘作用；F5由化痰清热的药物组成，提示痰热为患，壅阻于肺的病机。从以上因子分析的结果可以看出，五组因子体现了痰饮伏肺、肺失宣降、气滞痰阻、痰热内扰、风盛痰阻、肺脾气虚、肺肾两虚等多种复杂的病理变化，药物配伍组成多呈现寒热并用、补泻同施的配伍特点。并且从5组因子的药物可以推导出哮喘病相对应的中医证型：分别为寒饮伏肺证、痰热蕴肺证、肺脾两虚证、风痰阻肺证、肺肾气虚证，较为符合临床实际。

综上所述，本文用因子分析的统计学方法对中医治疗支气管哮喘的方剂文献进行研究，找出其用药的配伍规律特点，重新审视中医学对该病的病机、辨证分型的认识，以此揭示中医学治疗哮喘病的优势和特点，为其临床和实验研究提供有价值的依据，也试图在传统文献研究方法的基础上进一步发展，将文献与现代方法相结合，为文献研究开拓了新的思路。

参考文献

因子分析论文 篇三

〔关键词〕独立学院 论文质量 因子分析法

本科毕业论文的撰写在大学生学习生涯中的地位至关重要。它不但是总结和深化专业知识的过程，同时也检验、锻炼学生研究和解决问题的能力。随着高校的不断扩招，一个难以忽视的现实是，大学生毕业论文质量不断下滑，引起了社会广泛的关注。为了深入了解其问题及原因，本文以某独立学院经济类毕业生为调查对象，采用因子分析法，筛选出相关影响因素。

1 研究对象和研究方法

在本次以石家庄铁道大学四方学院经济类毕业生为研究对象，按照分层抽样的方法抽取调查样本，以确保研究的代表性。调查中共发放调查问卷50分，收回45份，回收率90%，回收问卷全部有效。在问卷中，以主观和客观条件为主线，涉及16题，计分方式采用李克特1（完全不符合）～5（完全符合）的5点计分方法，能够较为全面的概括独立学院本科毕业论文中的影响因素。

2 影响因素因子分析

本文采用Bartlett球形检验和KMO检验来分析变量是否具有相关性。在表1中可以看出，KMO的测度值为0.724，说明采用因子分析法是较为合适的。另外，Bartlett的球形度检验的概率P值为0.000，小于显著水平0.05，表明原假设被拒绝，即变量之间存在相关关系，适合做因子分析。通过以上两种方法共同验证，因子分析法适用于此项问题的调查研究。

通过表2可以看出，根据标准化后的数据建立变量的相关系数矩阵、特征值和特征向量，从而得到影响因素的因子特征根及方差贡献率。根据特征值大于1的原则，提取的5个公共因子的累计方差贡献率达到了87.126%，这5个因子已经能够基本概括影响独立学院本科毕业论文质量的基本因素。另外，为了使载荷矩阵中系数向0～1分化，使公共因子能够对毕业论文实际问题对应与说明，本文对因子进行了旋转。旋转后的结果如表2所示的载荷矩阵。

第一类因子在经济类专业基础知识储备、论文写作程序及方法、文献检索能力和外语翻译能力四个方面负荷值较高，因此可归纳为基础因子；第二类因子在论文写作态度、论文格式规范程度、论文题目确定与导师沟通程度三个方面负荷值较高，可归纳为态度因子；第三类因子在论文题目的感兴趣程度、论文题目的新颖性和实用性两方面负荷值较高，可归纳为激励因子；第四类因子在导师的学术水平、毕业实习压力、工作和就业压力三个方面负荷值较高，可归纳为冲突因子；第五类因子在指导教师态度、学院毕业论文监督管理两方面负荷值较高，可归纳为管理因子。

3 影响独立学院本科毕业论文质量因素的控制对策

3.1 基础因子及其控制。基础因素在此次独立学院经济类毕业论文质量的影响最大。此次分析结果说明，专业基础知识的储备是论文写作的基础和必要条件，论文写作是一个知识长期储备的过程，其他各种写作能力的培养对论文写作的作用也至关重要。因此，这就需要学生在论文写作时必须养成良好的学习习惯，不但要加强基础知识的积累，同样也要注重写作能力的培养。

3.2 态度因子及其控制。毕业论文的质量如何，和学生的写作态度紧密相关。例如，学生在论文写作时投入时间的多少、文献的收集、论文格式的规范程度以及社会调研等因素，直接影响到论文的质量和结果。另外，论文题目与导师的沟通程度也反映了学生对所研究内容的态度投入。因此，首先要端正学生对论文写作的态度，加强对论文的时间和精力投入，增加与导师的沟通，及时发现和解决所出现的各种问题。

3.3 激励因子及其控制。激励因素是影响独立院校毕业论文质量的内在因素。如果学生对所选择的论文题目真正感兴趣，在其他影响因子不变的情况下，会极大的激发学生的研究和写作兴趣，主动投入更多的精力和时间。而论文题目的新颖和实用性也反映了学生对论文的用心程度，新颖性和实用性越高，说明学生越感兴趣，投入自然也越多。因此，提高毕业论文质量的关键一环在于如何激发学生毕业论文写作的积极性和主动性，而不是迫于毕业压力去完成本身并不感兴趣的论文。

3.4 冲突因子及其控制。三个冲突因子虽然对毕业论文质量的影响不是决定性的，但也至关重要。如果导师的学术造诣较差或指导经验不足，给毕业论文的写作带来极大的负面影响。在毕业论文写作过程中，由于各种外来的压力与干扰，必然会分散学生的精力，进而影响毕业论文的写作质量。因此，应当加强导师在论文写作过程中的主导作用，从论文的选题、开题至论文资料的收集与撰写，到最后的格式修改和创新性方面，导师都应当贯穿其中，发挥其引导作用，督促学生排除干扰。

3.5 管理因子及其控制。由于独立院校的培养机制逐步侧重于实践性教学，因此在学术培养上疏于管理。虽然导师态度较为认真负责，但在整个管理体制上还不够健全，以致达不到最终的指导效果。因此，学校相关管理部门，尤其是教务处应当从时间配置、评价体系、跟踪监督以及制度保证等方面逐步完善、付诸实施。

参考文献

[1]陈文艺。独立学院毕业论文质量保障的影响因素与管理模式[J].教育与职业，2013，03.

因子分析论文范文 篇四

内容摘要：文章抽取出影响制造业经济效益的利润创造因子和“流动性”因子，并根据综合因子得分进行排序和分析评价，对武汉制造业发展提出了一些有价值的政策建议。本文采用因子分析法，对武汉市34个制造行业的经济效益进行了定量评估和比较分析。

本文将武汉主要制造业的经济效益作为研究对象，对武汉市实施“工业强市”战略、抓住工业发展的第三个最好历史机遇、推进武汉制造产业升级、振兴老工业基地无疑将有重大意义。制造业代表着一个国家的国际地位与经济实力，是所有与制造有关的企业机构的总体，是国民经济的支柱产业。

因子分析法原理

本文的主要目的是从多因素出发，运用因子分析法对初选因子进行筛选和综合，找出影响武汉市34个制造业经济效益的主导因子，即公因子，然后进行评价分析。评价采用SPSS16.0统计软件对数据进行处理，得出武汉市制造业34个行业的经济效益得分与排名。

因子分析法基本思想是根据相关性大小对变量进行分组，使得同组内的变量之间相关性较高，不同组的变量相关性较低。每组变量代表一个基本结构，因子分析中将之称为公共因子。通过统计软件计算出每个研究对象的各个因子的得分，然后计算出因子综合得分。

武汉制造业经济效益因子评价

（一）数据选取及处理

本文选取了7个与制造业产业经济效益紧密相关的统计指标进行综合评价：工业增加值率（V1）、总资产贡献率（V2）、资产负债率（V3）、流动资产周转次数（V4）、工业成本费用利润率（V5）、全员劳动生产率（V6）和产品销售率（V7）。

本文选取武汉市2005-2007年34个制造业上述7项指标的具体数据，计算每个制造业指标3年的算术平均值作为综合评价的原始数据。为了消除由于评价指标的量纲不同而带来的影响，本文采用Z-SCORE方法对原始数据的34个制造业、7个定量指标数据进行标准化无纲处理，将指标实际值转化为可比较的评价值，得到表1。

Z-SCORE方法一般也认为是标准化转换，具体求法为，先求出每个指标的样本均值x和标准差S，然后从指标实际值中减去该指标的均值，再除以标准差S，就得到标准化的评价值Yi，公式为：

（二）武汉制造业经济效益因子分析

按照因子分析的步骤，本文利用SPSS16.0统计分析软件进行计算，利用标准化的数据表1中的34个样本、7个变量，求出7个指标（变量）的相关系数矩阵R的特征根及相应的特征向量。

确定取几个因子作为主因子的判定方法有两种：一是取所有特征值大于1的因子作为主因子；二是根据累计贡献率达到的百分比值确定。本文采用第一种方法，由表2可知，将选取特征值大于1的两个因子作为主因子。

由表3和表4可知，第一主因子与工业增加值率、总资产贡献率、成本费用利润率、全员劳动生产率上的载荷因子较大，因此该因子集中反映了制造业利润创造能力，定义为利润创造因子。第二主因子在流动资产周转率和产品销售率上的载荷因子较大，流动资产周转率和产品销售率均反映“流动性”，就将该因子定义为流动能力因子。

根据计算因子值的系数矩阵，可进一步得出因子计算等式：

F1=0.199V1+0.290V2-0.169V3-0.039V4+

0.287V5+0.267V6+

0.097V7

F2=-0.349V1+0.209V2+

0.046V3+0.552V4-

0.073V5+0.126V6+

0.491V7

利用两个因子的方差贡献率进行线性加权求和，便可以得到经济效益的综合评价模型：F=0.699F1+0.301F2

依据上述三个等式，计算得出2005－2007年武汉市34个制造业在2个因子上的得分和行业经济效益评价总得分，结果如表5所示。

结果显示，烟草制品业的经济效益最佳，其次是非金属矿采选业，饮料制造业排第三位，居制造业前10位的依次还有家具制造业、文教体育用品制造业、废弃资源和废旧材料回收加工业、黑色金属冶炼及压延加工业、仪器仪表及文化、办公用机械制造业、造纸及纸制品业、有色金属冶炼及压延加工业。居制造业末位的5个行业是有色金属冶炼及压延加工业、皮革、毛皮、羽绒及其制品业、通用设备制造业、纺织业和黑色金属矿采选业。

政策建议

资金技术密集型制造业在武汉制造业中所占比重很大，而且是未来制造业发展的方向，但是武汉市资金技术密集型制造业的经济效益差，鉴于资金技术密集型制造业自身具有风险大、周期长、高投入的特点，其发展必须要依赖政府财政资金和税收优惠政策的大力支持。建议由政府牵头联合制造业企业设立资金技术密集型制造业产业投资基金，大力发展制造业。

充分利用武汉劳动力成本低的比较优势，大力发展烟草加工业、饮料制造业等经济效益高的劳动密集型产业。立足武汉劳动密集型产业的现有比较优势，有效利用武汉丰富的劳动力资源优势，加快这些产业的设备更新与技术进步，尽快提高劳动密集型产品的质量和档次，实现劳动密集型产业与产品的升级，提高劳动密集型产品附加值。

加速用信息技术改造、提高传统产业。通过促进信息产品与传统产品的融合，以及信息技术在新产品的广泛应用，增加产品的信息技术附加值。加速传统企业信息化进程，把推广应用信息技术作为改进企业管理、推进传统企业技术改造、节约能源、实现由数量型向质量型和效益型转变并提高竞争力的重要手段；同时，按照国家的产业政策坚决淘汰一批企业。大力引进高新实用技术、先进设备改造传统产业，提高产品科技含量和企业生产效率。

参考文献：

1.薛薇。基于SPSS的数据分析[M].中国人民大学出版社，2006

因子分析论文 篇五

论文关键词：信用风险，KMV模型，Logistic回归模型，因子分析，信用评级

一、引 言

随着金融全球化趋势的加快和金融市场的波动性加剧，企业破产和重组事件的发生频率也越来越高，各国金融行业受到了前所未有的信用风险的挑战。而上市公司是中国证券市场的基础，公司质量的高低、行为的规范与否及其财务状况的好坏将直接影响到中国证券市场的发展和投资者的利益，影响市场的兴衰。

二、数据来源

本文选取上市公司中的绩差股与绩优股为研究样本，绩差股选取截止2005年12月31日沪深两市被ST的上市公司中的30家为样本和绩优股选取大盘蓝筹股中的30家上市公司作为配对样本，共60家上市公司，这60家上市公司全部为A股（研究的股票交易数据和年报财务数据以及相关的其他信息来自大智慧和中国金融wind数据库）。

三、模型的构建及结论分析

针对Logistic回归模型和KMV模型存在的问题，在本文中也做了部分的改进，进而对中国上市公司进行信用风险度量，以期待能找到适合中国实际情况的信用风险度量模型。

3.1、Logistic回归模型

对Logistic回归模型的构建，首先要慎重选择参数。误选参数会导致模型的误判。

3.1.1 、Logistic回归模型的参数选择

本文选择了能反映上市公司的赢利性，偿债能力，营运能力、现金流量等方面特性的21个财务指标。我们利用SPSS13.0统计软件作为因子分析的工具金融论文，其具体步骤如下：

（1）提取60家样本公司2005会计年度报告的指标数据，利用SPSS13.0现将21个指标进行无量纲标准化；

（2）利用因子分析计算相关系数矩阵的KMO值及Barlett检验值，分析显示KMO值及Barlett检验值符合检验要求；

（3）计算特征值、贡献率、共同度，提取特征值大于0.8的9个因子为主要因子，累计贡献率达到81.687%[2]。其中第一个主因子的方差贡献率为26.992%，第二个主因子的方差贡献率为14.646%，第三个主因子的方差贡献率为8.298%，后边的几个主因子的贡献率依次降低。

（4）建立因子载荷矩阵、因子得分系数矩阵，求得9个主因子的因子得分。

在运用SPSS13.0对财务指标进行因子分析时，我们采用的是主成分分析方法，求旋转后的因子载荷矩阵选择最大方差旋转法。结果分析如下：

（a）KMO和球形Bartlett检验

经KMO和Bartlett检验表明：Bartlett球度检验的值为838.034，概率，即假设被拒绝，也就是说，可以认为相关系数矩阵与单位矩阵有显著差异。同时KMO值为0.636，根据KMO度量标准[3]可知，原变量适合进行因子分析。

（b）因子分析的总方差解释

因子分析总方差列表中显示前9个主成分的特征值大于0.8，但他们的累积贡献率达到了81.687%，在特征根大于1的情况下，有7个主要因子，他们的累积贡献率达到了73.64%，模型的解释力度相对较低。并由各个成分特征值的碎石图可知，保留前7个主要因子就可以概括绝大部分的信息，但这7个累积贡献率低于80%。

（c）因子分析的共同度

从因子分析的共同度表中的第二列显示初始共同度，全部为1；第三列是提取特征根的共同度，本文中是在指定特征根大于0.8的条件下的共同度，可以看到，总资产同比增长率和销售净利率的共同度较低（低于80%）金融论文，这几个变量的信息丢失较为严重。 但大部分的共同度都在0.7以上，且大部分大于0.8，说明这9个公因子能够较好地反映原各指标变量的大部分信息。

3.1.2、Logistic回归模型的构建

我们把这9个主因子都引入到Logistic回归模型中，进行多元回归分析。利用SPSS13.0统计分析软件的BinaryLogistic回归程序包进行回归，得到的结果如表4-7，4-8所示论文格式范文。

从回归的第一步Cox & Snell 为0.639，Nagelkerke为0.851，大于0.8，说明该模型的拟合效果较好[4]。从表4-7可以得到，模型的整体准确判别率为93.3%，模型对上市公司的违约判别率还是较好的。从表4-8可以看出，9个主因子的显著性水平都较高，第9个主因子的显著性最大，为0.755，相对来说第2、4及5个主因子显著性水平较低。

表4-7 输出结果

表4-8 模型的回归系数

Variablesin the Equation

B

S.E.

Wald

df

Sig.

Exp(B)

Step 1(a)

FAC1_1

.934

1.133

.679

1

.410

2.544

FAC2_1 3.143

1.270

6.130

1

.013

23.180

FAC3_1 2.648

1.498

3.124

1

.077

14.126

FAC4_1 5.401

2.207

5.990

1

.014

221.581

FAC5_1 6.244

2.681

5.422

1

.020

514.663

FAC6_1 -.491

.615

.636

1

.425

.612

FAC7_1 1.775

1.065

2.777

1

.096

5.900

FAC8_1 .686

1.574

.190

1

.663

1.987

FAC9_1 .872

2.795

.097

1

.755

2.393

Constant .480

1.185

.164

1

因子分析论文 篇六

经济增加值模型，其首创者为SternStewart管理咨询公司。该模型以实现股东价值最大化为基本出发点，全面地测算上市公司股东的真实价值，对上市公司进行投资价值分析；现金流量折现模型(F．modiglian、M．H．mille，1961)，该模型表示一个企业的当前价值，等于其未来所产生的现金流的现值之和。虽然计算简单，但过程存在诸多局限，难以保证计算结果的准确性；相对价值模型。该模型主要包括市盈率模型、市净率模型、收入乘数模型，优点是能够迅速地评估资产的价值，尤其是在市场上有大量的可比资产进行交易，并且市场对同类资产价值的认可程度相同时，更有效的评估资产的价值。但是，由于可比资产和目标资产的风险性、流动性和营利性是不可能完全相同的，因此可比资产的运用会存在偏差，导致相对价值模型的估值与实际存在差异。传统估值模型广泛运用于企业投资价值评估中，但其缺陷不容忽视：一方面它们主要只是针对企业的财务数据进行统计分析，而忽略了企业的非财务性指标，无法体现企业自身的特点，并不能有效地对不同企业进行投资价值评估；另一方面它们没有引入行业划分，而事实上，上市企业所属行业不同，在注册资本、客户类型、财务数据等方面都相差甚远。虽然学术界对上市企业的投资价值评估研究已经进行了许多有益的探索，但是，无可否认学术界对中小企业的投资价值评估研究还处在介绍和比较浅显的研究阶段，理论上十分推崇的建立在财务指标之上的传统估值模型和基本分析法，但由于其参数选取的不确定性和我国市场的特殊性，上述方法无法全面反映我国上市企业的投资价值，为我国投资者提供可靠的投资决策指导，因此，在对中国上市企业投资价值研究中应扩宽思路，不应拘泥于传统企业价值估值模型，运用多种方法综合分析。

二、因子分析法

因子分析(FactorAnalysis，FA)是一种由主成分分析法推广而来的实用多元统计方法，其实质是根据原始指标相关矩阵内部结构的特征再现指标与综合因子的关系，最早由英国心理学家C．E．斯皮尔曼提出。在经济研究中利用因子分析法可以从复杂多变的经济环境中选取少数几个主要因子，有助于分析复杂经济难题。目前，我国学术界多运用因子分析法研究上市企业的投资价值，应用因子分析法综合评价上市企业投资价值，克服了评价方法———综合经济动态指数法和综合经济效益指数法之不足，使得评价结果更为客观、准确。刘宇、王增民(2001)通过比较主成分分析法与因子分析法，利用水泥行业13个上市公司的19项财务指标构建因子载荷矩阵，经分析后认为影响公司投资价值的综合因素有：获利能力因素、资本结构与财务杠杆因素、经营与偿债能力因素、资产价值因素、市场景气因素，它们使每个因子能比较全面地反映综合各指标的共性。陈云泽(2008)提出对中小板上市公司的投资价值分析可以从七个方面做因子分析，它们分别是：盈利能力、成长能力、营运能力、抗风险能力，公司治理，商业模式以及创业团队，但是这七个方面在企业投资价值研究的应用中必须确定合适的样本数量和客观的财务指标数据，否则会使企业投资价值评价与实际情况产生重大偏误。郑向前(2009)采用因子分析法，根据生物制药行业特点选取了8个代表性因子：资产收益率、净利润率、应收账款周转率、固定资产周转率、经营现金流量对负债比率、流动比率、主营业务收入增长率、净利润增长率对我国生物制药上市公司的盈利能力、抗风险能力、成长能力/经营管理能力进行分析。戴云(2013)选取南通地区中小板上市的12家样本企业，从偿债能力、营运能力、盈利能力、增长能力四个方面中选择12项财务指标建立企业业绩评价模型，对其经营业绩做出评价。

三、层次分析法

层次分析法(AnalyticHierarchyProcess，AHP)是美国匹兹堡大学教授、运筹学家T．萨迪于20世纪70年代末提出的一种定性与定量分析相结合的、系统化、层次化的多目标决策方法，该方法把各种因素划分成相互联系的有序层，根据对一定客观现实的主观判断，对每个层次的相对重要性进行表示，然后利用数学方法确定每层次指标的权重，最后综合各层次指标的权重建立模型做出决策，但在实际操作过程中，层次分析法对问卷设计、专家素质及水平有较高要求，且工作量大、周期长，通常在实际应用中与因子分析法、模糊评价法、灰色关联度法等方法相结合。层次分析法实际上是一种将思维过程数学化的方法，有助于简化系统分析和计算，因此在学术界颇受关注。

董兴国(2007)运用层次分析法分析上市银行投资价值中提出根据上市银行自身的产业特点将准则层分为十个层次，即盈利能力、投资收益、成长能力、流动性、资产质量、规模与市场地位、公司治理、创新能力、人力资源、品牌影响力，并从十类指标中选出42项项目指标，形成上市银行投资价值综合评价指标体系，同时运用层次分析法计算出各指标的权重系数，建立上市银行投资价值综合评价模型。曹小林、耿成轩(2008)为了提高价值评价的有效性和准确性，将模糊数学和层次分析法相结合，对高新技术企业的财务状况、核心竞争优势、经营管理水平、高级管理人员能力这四个主要因素进行细化构成递阶层次结构，确立了高新企业价值评价模型。刘建容、潘和平(2010)利用层次分析法判断偿债能力、营运能力、盈利能力、发展能力、投资回报能力各自对于电器行业上市公司内在价值评估的相对重要性，采用“1～9”比率标度”方法得到判断矩阵，通过计算得到各能力指标的权重，建立上市公司内在价值评估模型对电器行业上市公司进行投资价值分析。陈钧于(2011)以层次分析法为基础，构建了房地产上市公司投资价值评价递阶层次结构两层模型：第一层次由偿债能力、营运能力、盈利能力和发展能力四个因素构成；第二层次里选取了上市公司有代表性的非财务指标，利用层次分析确定了评价指标的权重系数，最后，运用改结构模型对4家房地产上市公司进行了综合评价和实证检验。应洪斌、邵慰(2012)根据实际工作经验和前人研究成果将公司市值、高层管理人员薪酬、公司负债、所有者权益等15项指标纳入研究体系，邀请钢铁行业专家参与层次分析评价，得到15项指标的相对权重值，再利用Malmquist－DEA模型计算我国16家上市钢铁企业经营现状并考察Malmquist指数变化，通过对Malmquist指数的比较测算其经营效率，此项研究中，层次分析法对样本数据的选择、传统DEA模型的修正有着重要意义。

根据已有研究，层次分析法是综合对企业的经营管理水平、信用历史、发展前景、财务数据等进行定性和定量的综合分析，建立模型对企业进行投资价值研究，它有利于将目标、多准则又难以全部量化处理的问题化为多层次单目标问题，通过两两比较确定同一层次元素相对上一层次元素的数量关系后，最后进行简单的数学运算从而得到清晰明确的评价结果。通过前人研究不难发现，非财务性指标在企业价值评价模型中占据重要地位，但是对非财务性指标的选择上往往没有一个统一的标准，选择存在较大的主观性，因此，在今后对企业投资价值研究中，对非财务性指标的选择将是一个重点。

因子分析论文 篇七

例二：“唉，我儿子一有数学题不会做就问我，我说你自己动脑筋想想嘛，他就说他不会做，其实题并不难，就是怕动脑筋！”教数学的爸爸摇头叹息地说。

这两个例子都在诉说着父母对孩子的不满，或在表达心中的困惑。各个孩子的情况不同，但实质是一样的——懒惰。懒于做事，懒于思考。

懒于做事。这是行为上的懒惰。

从小没有劳动观念没有做惯家务活的孩子，你突然这时候叫他去做，他怎么会做？因为他认为这不是他的事，是大人的事，和他无关。这种孩子大多出现在溺爱的家庭中。

父母从小不让孩子动手，或保护过度，或事事包办，生活上的事都替他做好了，他哪儿还有动手的机会？孩子的动手权利是家长剥夺的。两三岁的孩子探索欲很强，什么都想尝试一下，世界于他是充满好奇而新鲜的。

但正是这个喜欢用自己的手来探索世界的阶段，父母“无情”地剥夺了他的动手权利。孩子要自己穿衣，尽管显得很笨拙，但家长嫌他动作太慢，或看不惯，于是便帮他穿好了；孩子要学大人的样去洗碗，“你太小了，大一点了再洗，好不好？会把袖口弄湿的。”

妈妈的温柔拒绝阻止了孩子的积极行为；当孩子上学后，家长把孩子的学习看成重中之重，孩子想帮着做点事时，一句“这活不用你干，只要你把时间多花在学习上，学习搞上去才是真的！”就把孩子的积极性打发掉了。

久而久之，孩子习惯了大人为他安排好一切，家长也心甘情愿地为孩子服务。当孩子一天天长大，当有一天发现孩子不爱劳动时不爱帮忙时，才知道：这孩子怎么这么懒惰！可悲的是懒惰已成为习惯！

俗话说，“懒惰娘育勤劳儿”，这句话不是没有一点道理。很多事情往往是互相牵制的，家长干多了孩子就干少了，家长太勤快了孩子就懒惰了。

你没有给孩子提供锻炼的机会，孩子到哪儿去找这样的机会？家务劳动本来是每个家庭成员都应尽的义务，但是，孩子头脑中没有这样的观念不能不说是家长培养出来的。

有调查表明：中国城市小学生每日做家务时间几乎是全世界城市最低的。美国孩子日均劳动时间为1.2小时，而中国不足12分钟。不要说家务活，懒惰成习的孩子就连自己的事诸如收拾房间，整理书包等也懒得去做了，恨不得父母继续为他服务。这样，独立生活能力差，没有自信，感觉自己无能，对家庭依赖性强也是顺理成章了。

懒于思考。这是思维上的懒惰。

思考于这类孩子来说，感觉很累。因为他没有良好的思考问题的习惯，没有感受过思考的乐趣。我们经常看到这样的例子：有强烈好奇心的幼儿，喜欢问这问那，有的父母不是引导孩子思考：“是呀，你说是为什么呢，我们来一起想一想好吗？”而是呵斥制止：“小孩子不要问这么多，烦不烦呀。”

这样，把孩子的好奇心给踩死了。而还有一种父母呢，却积极过度，当孩子一提问，马上就报上答案。如果自己答不上来了，又急忙去查找资料来告诉孩子，而不是启发孩子一步步去思考，给孩子独立的思考空间。这两种家长都在扼杀孩子的思考力和想象力，使孩子的思维“细胞”不再活跃，对周围世界的感知不再敏感。

思考是一种脑力劳动，既然是劳动，就会有辛苦在其中。如果没有家长就生活中的点点滴滴的事去启发孩子思考，引导孩子学会思考，孩子就不会积极地主动地去思考，不会养成积极思考的好习惯。当孩子提问时，你应该说：你说呢，你想想看，再想想看。如此一步步引导，而不要急于告诉现成答案。即使孩子经过思考后的回答不科学，不符合事实，那也要以赞赏的眼光，鼓励的语言去欣赏孩子的思考之果。

因子分析论文 篇八

【关键词】信息化指标体系因子分析聚类分析

一、引言

随着信息技术的持续创新，发达国家向信息社会转移的趋势越来越明显，步伐越来越快。加快发展本国以及城市的信息化水平是个必然的趋势。推进信息化是转变经济增长方式的根木途径，有利于促进人与自然的协调发展；有利于促进城乡经济社会统筹、协调发展；有利于提高社会管理水平，增强公共服务能力，保持杜会安定有序；有利于发展壮大先进文化，为和谐社会营造良好的文化氛围。在推进信息化的同时，为了更好地把握我国信息化普及与应用的状况和程度，评价与监测我国信息化的成果、发展水平与存在的问题。为国家信息化发展规划提供必要的数据支也必然需要进行信息化水平测试，这就会引发一系列的问题，从而引进因子分析和聚类分析来使此过程变的简单或者说更为有序化。

二、变量指标的选取

国家统计局在其《中国信息能力报告》中，设计了一套评价我国信息化水平的指标：指标体系共分4级，有25个指标：①信息技术和信息设备应用能力：a.每千人拥有PC数；b.每千人拥有传真机数；c.每百人拥有电话数；d.每千人拥有电视机数；e.每千人拥有收音机数；f.每万人接入因特网用户；g.每百万人互联网上网主机数；h.每平方公里光缆长度；i.每百家企事业单位上网数；j.基础信息产业产值占GDP比重。②信息资源及开发利用能力：a.每户打国际电话时间；b.每百人期刊发行量；c.每日信息量；d.网络用户平均上网时间；e.每万人Web站点数。③人口素质：a.每万人平均科学家和工程师数；b.第三产业从业人数占就业总人口比重；c.大学入学率；d.每十万人在校学生数；e.计算机专家和工程师数。④国家对信息产业发展的支撑：a.信息产业产值占GDP比重；b.研究开发(R&G)支出占GDP比重；c.每主线电信投资；d.人均GNP；e.教育投入。

鉴于遵循数据的客观性和代表性，以及易得性，本文采取以下指标：每千人工业增加值x1；每千人电信业务量x2；每千人移动通信交换机容量x3；移动电话普及率x4；电话普及率x5；广播综合人口覆盖率x6；电视综合人口覆盖率x7；有线电视普及率x8；每十户宽带上网用占有户数x9；R&D经费支出占GDP比重x10；每十人从事科技活动人员总数占有的人数x11；每十人在校大学生人数占有的人数x12；每千人专利授权数占有数x13。其中缺省值用平均值代替或者临近年数内值代替。由于篇幅有限，指标数据省略。

三、因子分析

因子分析法是能够实现数据简化目的的有效方法之一。其基本思想是根据相关性大小把变量分组，使得同组内的变量之间相关性较高，使不同组的变量相关性较低，每组变量代表一个基本结构，这个基本结构称为公共因子。运用因子分析法，借助EXCEL多元统分析，对已得的指标数据进行分析处理，在处理过程中选取方差贡献比率为0.80。按照方差贡献比率大于80%，应提取前四个因子，它们所解释的方差占总方差的84.58%，这四个因子就可以解释原始数据的大部分信息了。分析结果中可以得到每个城市的四个因子得分情况F1，F2，F3和F4。最后，对28个城市的信息化水平进行综合评价并排序。以旋转后四个因子的方差贡献率为权数计算综合得分，计算公式：F=0.5923F1+0.09957F2+0.0804F3+0.0736F4，最终可以得到所有城市的综合得分排名。由于变量指标取值的同向性，得分越高代表信息化水平越高。排名依次为：北京，天津、广东、浙江、江苏、湖南、福建等等。

四、聚类分析

聚类分析是统计学中研究“物以类聚”问题的多元统计分析方法，在统计分析的应用领域已经得到了极为广泛的应用。其思路为：首先每个数据对象自成一类，并且计算各个类之间的“距离”或者相似性。然后每次将最相似的两类合并，合并后重新计算新类与其他各个类之间的距离或相似度。这一“凝聚”的过程一直继续直到所有对象都归为一类为止。利用各城市的因子得分，还可对28个城市进行分类，得分值相近的城市被认为具有较相似的属性。

五、结果分析

由所得到的聚类图可以看出，全国信息化水平基本上可以分为五类，北京，山西各成一类，从上面的综合水平排名可以看出，北京信息化水平处于全国领先地位，这首先归功于北京的地理位置和政治人文环境，其次结合因子得分矩阵，北京在因子1上的得分最高，而根据因子载荷矩阵可以看出，因子1在13个变量指标上的载荷系数都比较大，证明北京在城市信息化的各个方面都比较出色。山西的信息化综合水平排名第10，属于中等偏上的水平，在因子4上的得分较高，因子4在变量指标x1，x2上的载荷量较大，这正好符合山西是个煤矿大省的特征，通信电信比较发达繁荣。天津、广东、江苏、福建、浙江归为一类，这几个城市都是发达城市，信息化水平偏高，在每个指标上得分都比较平均。而河北、黑龙江、河南、江西、辽宁、吉林、湖北、湖南、安徽、山东、四川、海南、重庆可以归为一类，这几个城市由于地理环境、产业结构、人口众多等因素使得信息化水平中等偏下。最后一类，信息化水平偏下的一类包括：内蒙古、甘肃、青海、宁夏、广西、云南、西藏和陕西，信息化水平底下源于经济发展水平不高、对于信息化认识薄弱以及对信息产业的投入不够。

六、政策建议

虽然我国信息化应用工作已取得了较大的成绩，但在发展的过程中还存在着一些问题和不足使信息化带动经济发展的优势难以更好地发挥与国外发达国家相比还有很大差距，就是同亚洲一些发展中国家(或地区)比较也存在不小的距离。当前，经济全球化、我国加入世界贸易组织和世界信息产业的新发展，都对我国信息化应用发展提出了新的要求，因此，我们应认真分析中国信息化水平现状，分析与国外信息化发展的差距，有效地针对问题和不足进行改进，正确地规划未来发展方向和应采取的对策。

对策和建议主要有：(1)加快有关信息化法律、法规的制定，确保应用中的可靠性和安全性(2)降低成本，普及大众。(3)加强信息化知识普及与培训力度。(4)加大国家对信息化投资力度缩小地区间差距。(5)加强信息资源建设，提高信息化服务质量与水平。(6)建立信息化数据采集系统和评价监测体系。

另外，由上文的分析，信息化水平测度的数据很不全面，在每个地区城市的报告中尚未包括有些信息化水平测度指标，比如说信息产业增加值占地区生产值的比重。完整的数据不仅可以帮助很好的测度信息化水平，同时可以鞭策及时发现问题，提出相应的解决办法，这对于提高信息化水平是必要的途径。

参考文献：

张海永。基于因子分析和聚类分析的江苏省13个城市社会发展水平研究。西南民族大学学报·自然科学版，2007，(2).

陈小磊，郑建明，万里鹏。信息化水平测度指标体系理论研究述评。图书情报知识，2006，(9).

你也可以在好范文网搜索更多本站小编为你整理的其他因子分析论文精品多篇范文。