【文章內(nèi)容簡介】 標(biāo)準(zhǔn)化我們一般采用Z—score標(biāo)準(zhǔn)化公式得到的標(biāo)準(zhǔn)化矩陣。其中標(biāo)準(zhǔn)化的公式為：Y161。=(X161。μ161。)/δ161。,(i=1,2，…,P) 公式(2)Y161。—標(biāo)準(zhǔn)化變量X161。—原始變量μ161?！甲兞科骄鶖?shù)δ161?！甲兞糠讲钗覀冊诒疚闹型ㄟ^SPSS軟件中的描述統(tǒng)計計算得出標(biāo)準(zhǔn)化矩陣。 計算相關(guān)系數(shù)矩陣R并進(jìn)行相關(guān)性檢驗相關(guān)性系數(shù)可反映指標(biāo)間信息重疊的程度，其值越大，信息重疊的程度越高；反之，則越低。由原始變量的相關(guān)分析結(jié)果可以看出，這選取的12個財務(wù)指標(biāo)，符合相關(guān)矩陣，且相關(guān)性較強。再者 KMO 的值越接近于1越好，而Bartlett的相伴概率則是越小越好。從下表4的 KMO 和Bartlett的檢驗中可以看出：KMO ，所以我們認(rèn)為樣本數(shù)據(jù)可以進(jìn)行因子分析。，（顯著性水平），我們可以確定其適合使用因子分析進(jìn)行分析。表:4 KMO 和 Bartlett 的檢驗KMO and Bartlett39。s TestKaiserMeyerOlkin Measure of Sampling Adequacy.Bartlett39。s Test of SphericityApprox. ChiSquaredf66Sig.0 利用數(shù)據(jù)矩陣，計算R的特征值、特征量、貢獻(xiàn)率在本文SPSS中我們是采用主成份法來提取因子的，得到因子分析的總變量表（如下表5）。其中因子的特征值是指該因子對總體方差的貢獻(xiàn)，即該因子可以對總方差的解釋程度。而方差貢獻(xiàn)率是指該因子所描述的方差占原始資料總方差的比率。從表5中可以看出有5個因子滿足特征值大于1的標(biāo)準(zhǔn)。%、%、%、%%，%。%的信息，接近于80%，也就是說基本上能夠反映企業(yè)的大部分信息。而這5個公共因子中第一個公共因子的貢獻(xiàn)率最大，且5個公共因子的方差貢獻(xiàn)率呈下降的趨勢。此外對于由SPSS軟件生成的了下圖的碎石圖，我們可以從中更加明顯的感受貢獻(xiàn)率變化的趨勢。表5 因子分析的總變量ComponentInitial EigenvaluesExtraction Sums of Squared LoadingsRotation Sums of Squared LoadingsTotal% of VarianceCumulative %Total% of VarianceCumulative %Total% of VarianceCumulative %123456.7567.6498.4209.36810.15511.090.75212.059.495圖2 碎石圖 公共因子通過SPSS軟件，運用主成分分析法進(jìn)行提取，然后進(jìn)行因子分析得出了對應(yīng)各變量的5個公共因子的載荷值。我們從表6中可以看出所有的數(shù)據(jù)相差并不是太大，容易使因子的含義模糊不清，不利于我們進(jìn)行分析。表6 成分矩陣Component12345Zscore(VAR00001).811.154.316.148Zscore(VAR00002).770.023Zscore(VAR00003).920.005.146.171.062Zscore(VAR00004).008.784.433.204Zscore(VAR00005).231.892.104Zscore(VAR00006).004.451.352.546Zscore(VAR00007).041.413.160.637Zscore(VAR00008).265.737Zscore(VAR00009).593.436Zscore(VAR00010).668.336.004Zscore(VAR00011).656.193Zscore(VAR00012).312.410.002 因子旋轉(zhuǎn)由于直接根據(jù)因子載荷陣難以看出公共因子的真正含義，我們就要利用因子旋轉(zhuǎn)，才能夠?qū)γ總€變量在每個因子上的原始變量載荷值進(jìn)行計算和分析。因子旋轉(zhuǎn)的目的就是使復(fù)雜的矩陣變得更加簡潔，有利于我們對主要因子進(jìn)行解釋和分析。本文采用最大方差法進(jìn)行 Kaiser 標(biāo)準(zhǔn)化的正交旋轉(zhuǎn)使公共因子的負(fù)荷系數(shù)盡量向0或1靠近，從而得出了表7的旋轉(zhuǎn)成分矩陣。表中的數(shù)值就是載荷值，我們都知道載荷值越大的，說明該變量和這個因子的關(guān)系越強，作用也就越大。表7 旋轉(zhuǎn)成分矩陣Component12345Zscore(VAR00001).697.444.282.089.183Zscore(VAR00002).516.744.024Zscore(VAR00003).878.304.178.066.023Zscore(VAR00004).842.321Zscore(VAR00005).451.475.632Zscore(VAR00006).023.796.028Zscore(VAR00007).012.879.077Zscore(VAR00008).043.184.798Zscore(VAR00009).783Zscore(VAR00010).818Zscore(VAR00011).128.650Zscore(VAR00012).922.003.032對表7進(jìn)一步分析得知：公共因子F1在每股收益、凈資產(chǎn)增長率和總資產(chǎn)增長率指標(biāo)上的因子載荷值相對比較大。以上指標(biāo)前面一個是盈利能力指標(biāo)，后兩個是發(fā)展能力指標(biāo)。所以我們將公共因子F1定義為活力因子。一個企業(yè)的發(fā)展就是為了能夠賺取更多利潤，發(fā)展就是盈利的前提和基礎(chǔ)。對于鋼鐵企業(yè)來說它的發(fā)展就是為了能夠獲取利潤，要在這個競爭激烈的行業(yè)中占有一席之地，那它就要發(fā)展，在發(fā)展的基礎(chǔ)上謀求更多的利潤。公共因子F2在銷售凈利潤率和現(xiàn)金流量比率指標(biāo)上的因子載荷值相對比較大。以上指標(biāo)前一個是盈利能力指標(biāo)，后一個是現(xiàn)金流量指標(biāo)。所以我們將公共因子F2定義為獲利因子。一個企業(yè)的發(fā)展離不開現(xiàn)金的周轉(zhuǎn)，如果現(xiàn)金都周轉(zhuǎn)不靈了，那么企業(yè)要想賺取利潤那是難上加難。鋼鐵企業(yè)也是一樣的，如果本公司的現(xiàn)金流通暢通，那么其他方面都能夠很好的實現(xiàn)，各項資產(chǎn)周轉(zhuǎn)也不是什么問題，而且公司賺錢利潤的能力也是很好的話，那么企業(yè)要想長遠(yuǎn)發(fā)展下去就不是什么難事了。公共因子F3在流動資產(chǎn)周轉(zhuǎn)率和應(yīng)收賬款周轉(zhuǎn)率指標(biāo)上的因子載荷值相對比較大。以上兩個指標(biāo)都是反應(yīng)企業(yè)營運能力的指標(biāo)。所以我們將公共因子F3定義為營運因子。良好的營運能力是企業(yè)發(fā)展壯大的前提和基礎(chǔ)。只要各方面有較好的流動性，那么企業(yè)就才能夠高效有序的運轉(zhuǎn)。鋼鐵行業(yè)上市公司如果哪天資產(chǎn)流轉(zhuǎn)出現(xiàn)的問題，那么企業(yè)其他方面多多少少都會受到一些影響。企業(yè)要想高效運轉(zhuǎn)從而實現(xiàn)利潤，那良好的營運能力是必不可少的。公共因子F4在資產(chǎn)負(fù)債率指標(biāo)上的因子載荷值相對比較大。這是反映企業(yè)償債能力的指標(biāo)。所以我們將公共因子F4定義為償債因子。一個企業(yè)只有擁有良好的償債能力，這樣才能夠進(jìn)入良性發(fā)展循環(huán)。該企業(yè)的償債能力越強那就說明企業(yè)的效益就越好，這對于相關(guān)利益者來說就更有保障。良好的償債能力是企業(yè)獲利的重要因素之一。公共因子F5在流動比率和資產(chǎn)的經(jīng)營現(xiàn)金流量回報率指標(biāo)上的因子載荷值相對比較大。以上兩個指標(biāo)前一個是反映企業(yè)償債能力的指標(biāo)，后一個是反映企業(yè)現(xiàn)金流量的指標(biāo)。所以我們將公共因子F5定義為風(fēng)險因子?，F(xiàn)金流量對于一個企業(yè)各項方面的發(fā)展都具有重要的意義。如果沒有很好的現(xiàn)金流，那么企業(yè)的各項工作都無法很好的開展，這樣將會產(chǎn)生惡性循環(huán)。良好的現(xiàn)金流和償債能力是一個企業(yè)發(fā)展壯大的前提和基礎(chǔ)。 計算因子得分及綜合得分進(jìn)行到這里，我們應(yīng)當(dāng)反過來考慮每一個樣本，在統(tǒng)計模型上就需要將公共因子F用變量的線性組合來表示，計算因子得分。本文通過SPSS中的回歸法得到每一個企業(yè)樣本在不同因子上的具體的數(shù)值，也就是我們平常所說的因子得分。如下表8所示：表8 成份得分系數(shù)矩陣Component12345Zscore(VAR00001).231.154.174.009.215Zscore(VAR00002).104.372.027Zscore(VAR00003).302.063.119.006.076Zscore(VAR00004).016.436.088Zscore(VAR00005).175.140.327Zscore(VAR00006).046.498.063Zscore(VAR00007).018.666.157Zscore(VAR00008).040.256.671Zscore(VAR00009).298.025Zscore(VAR00010).307Zscore(VAR00011).006.180.498Zscore(VAR00012).513