【正文】 本概念，并對(duì)它們的統(tǒng)計(jì)意義稍作解釋。1．因子載荷在各公共因子不相關(guān)的情況下，因子載荷aij就是第i個(gè)原有變量與第j個(gè)公共因子的相關(guān)系數(shù)，即：表示xi依賴Fi的比重，反映了第i個(gè)原有變量在第j個(gè)公共因子上的重要性。因此，aij的絕對(duì)值越大，則公共因子Fi與原有變量xi的關(guān)系越強(qiáng)。2．變量共同度變量共同度也稱為公共方差。原有變量的共同度定義為因子載荷矩陣A中第行元素的平方和，即：hi2=∑aij2在原有變量xi標(biāo)準(zhǔn)化的前提下，xi的方差可以表示成：hi2+εi2=1。因此，可以認(rèn)為，原有變量xi的方差由兩部分組成：第一部分是變量共同度hi2，反映了全部公共因子變量對(duì)原有變量xi總方差解釋說(shuō)明的比例，體現(xiàn)了公共因子對(duì)原有變量xi的貢獻(xiàn)程度?？梢?jiàn)，hi2越接近于1，說(shuō)明公共因子已經(jīng)解釋說(shuō)明了原有變量xi的幾乎全部信息；第二部分是特殊因子εi2，它反映了原有變量方差中無(wú)法被公共因子刻畫(huà)的比例。3．公共因子Fj的方差貢獻(xiàn)公共因子Fj的方差貢獻(xiàn)定義為因子載荷矩陣A中第j列各元素的平方和，即：Sj=∑aij2可見(jiàn)，公共因子Fj反映了因子Fj對(duì)所有原始變量總方差的解釋能力，其值越高，說(shuō)明該因子的重要程度越高。總之，某變量的共同度刻畫(huà)了所有公共因子對(duì)該變量信息的解釋程度，進(jìn)而可以把握該變量的信息有多少被丟失了。，則說(shuō)明提取出的公共因子已經(jīng)基本反映了各原始變量80%以上的信息，僅有較少的信息丟失，因子分析效果較好。因此，各個(gè)變量的共同度是衡量因子分析效果的一個(gè)指標(biāo)。另外，某公共因子的方差貢獻(xiàn)反映了該公共因子對(duì)原有所有變量信息的解釋說(shuō)明能力，是一個(gè)衡量公共因子重要程度的指標(biāo)。 二、綜合得分模型的構(gòu)造根據(jù)因子分析的原理，以評(píng)價(jià)指標(biāo)體系建立的8個(gè)指標(biāo)，即L1=A1 aL2=A2aL3=A3aL4=A4aL5=A5aL6=A6aL7=A7aL8=A8a8，來(lái)建立得分模型和進(jìn)行數(shù)據(jù)分析。在做因子分析的時(shí)候，希望提取的因子總方差貢獻(xiàn)率在80%以上，根據(jù)實(shí)際統(tǒng)計(jì)分析的結(jié)果，提取四個(gè)公共因子FFFF4，基本滿足了要求。以每個(gè)因子的方差貢獻(xiàn)率作為權(quán)數(shù)與該因子的得分乘積的和構(gòu)造綜合得分函數(shù)即：Y=α1F1+α2F2+α3F3+α4F4其中Y是公司業(yè)績(jī)的綜合得分[[1]樣本公司各年度綜合得分詳見(jiàn)附錄二。]，αi是相應(yīng)的因子的方差貢獻(xiàn)率，F(xiàn)i是因子得分。第二節(jié) 統(tǒng)計(jì)分析過(guò)程利用SPSS（Statistical Package Social Science,社會(huì)科學(xué)統(tǒng)計(jì)分析軟件），按并購(gòu)前一年、并購(gòu)當(dāng)年和并購(gòu)后一年分別進(jìn)行因子分析。統(tǒng)計(jì)輸出結(jié)果如下：表41至表43是1999年度統(tǒng)計(jì)分析的輸出結(jié)果。根據(jù)輸出結(jié)果（表41），可以發(fā)現(xiàn)提取的四個(gè)因子可以描述原變量總方差的85%以上，可以認(rèn)為這四個(gè)因子基本反映了原變量的絕大部分的信息，因子分析的效果較好。從公共因子的載荷值（表42）上看，統(tǒng)計(jì)意義也比較明顯?？梢钥闯隹?jī)效指標(biāo)大體可以由三個(gè)方面來(lái)表現(xiàn)，即公司的盈利能力、公司的償債能力和公司的成長(zhǎng)能力。F1在凈資產(chǎn)收益率、它表明了企業(yè)績(jī)效的一個(gè)綜合能力。，所以短期的償債能力對(duì)企業(yè)績(jī)效的影響也很大。F表明公司的成長(zhǎng)能力對(duì)企業(yè)整體績(jī)效的影響也是很大的。表41 1999年度因子提取和旋轉(zhuǎn)結(jié)果Total Variance Explained Initial Eigenvalues Extraction Sums of Squared Loadings Rotation Sums of Squared LoadingsComponentTotal% of VarianceCumulative %Total% of VarianceCumulative %Total% of VarianceCumulative %1234.743.7435.491 6.432 7.165 8.111 Extraction Method: Principal Component Analysis.表42 1999年因子載荷矩陣Rotated Component MatrixComponent F1F2F3F4L1.915L2.173L3.685.146L4 .894.202L5.922.183L6.911.196L7.948L8.287.950Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a Rotation converged in 5 iterations.表43 1999年因子得分函數(shù)Component Score Coefficient Matrix Component F1F2F3F4L1.671.136.171L2.069.130L3.231L4.307.074L5.310.063L6.327.034.096L7.029.050.863L8.041Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.表43給出了1999年因子得分函數(shù)的系數(shù)，根據(jù)它可以寫(xiě)出以下的因子得分函數(shù)：F1=+++++F2=+++F3=+++++F4=++由因子的得分我們可以寫(xiě)出計(jì)算綜合得分的公式：Y1999=+++表44至表46是2000年度統(tǒng)計(jì)分析的輸出結(jié)果。表44 2000年度因子提取和旋轉(zhuǎn)結(jié)果Total Variance Explained Initial Eigenvalues Extraction Sums of Squared Loadings Rotation Sums of Squared LoadingsComponentTotal% of VarianceCumulative %Total% of VarianceCumulative %Total% of VarianceCumulative %1234.748.7485.626 6.415 7.328 8 Extraction Method: Principal Component Analysis.表45 2000年因子載荷矩陣Rotated Component Matrix Component F1F2F3F4L1.928L2.261L3.454L4.837.198L5.887.139L6.921.229.108L7.220.851.116L8.140.981Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a Rotation converged in 6 iterations.根據(jù)上面的輸出結(jié)果（表44），可以看到提取的四個(gè)因子可以描述原變量總方差的81%以上，可以認(rèn)為這四個(gè)因子基本反映了原變量的絕大部分的信息，因子分析的效果較好。表46 2000年因子得分函數(shù)Component Score Coefficient Matrix Component F1F2F3F4L1.779.156.023L2.064.031L3.149.051L4.315.016.111L5.360.040.043L6.320.009.001.037L7.155.015.739L8.012Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.從公共因子的載荷值（表45）上看，統(tǒng)計(jì)意義也比較明顯。F1在凈資產(chǎn)收益率、它表明了企業(yè)績(jī)效的一個(gè)綜合能力。，所以短期的償債能力對(duì)企業(yè)績(jī)效影響很大。F表明公司的成長(zhǎng)能力對(duì)企業(yè)整體績(jī)效的影響也非常大。統(tǒng)計(jì)顯示了和1999年相近的結(jié)果，表46給出了2000年因子得分函數(shù)的系數(shù)，根據(jù)它可以寫(xiě)出以下的因子得分函數(shù)：F1=+++++F2=++++F3=+++++F4=+++++同樣，由因子的得分我們可以寫(xiě)出計(jì)算綜合得分的公式：Y2000=+++表47至表49是2001年度統(tǒng)計(jì)分析的輸出結(jié)果。根據(jù)上面的輸出結(jié)果（表47），可以發(fā)現(xiàn)提取的四個(gè)因子可以描述原變量總方差的83%以上，可以認(rèn)為這四個(gè)因子基本反映了原變量的絕大部分的信息，因子分析的效果較好。從公共因子的載荷值（表48）上看，統(tǒng)計(jì)意義也很明顯。F1在凈資產(chǎn)收益率、它表明了企業(yè)績(jī)效的一個(gè)綜合能力。，相對(duì)來(lái)說(shuō)較小。F表明公司的成長(zhǎng)能力對(duì)企業(yè)整體績(jī)效的影響是很大的。表47 2001年度因子提取和旋轉(zhuǎn)結(jié)果Total Variance Explained Initial Eigenvalues Extraction Sums of Squared LoadingRotation Sums of Squared Loadings ComponentTotal% of VarianceCumulative %Total% of VarianceCumulative %Total% of VarianceCumulative %1234.953.9535.651 6.498 7.159 8.588 Extraction Method: Principal Component Analysis.表48 2001年因子載荷矩陣Rotated Component Matrix Component F1F2F3F4L1.188.787L2L3.968L4.920.134L5.940.172L6.920.197.197L7.148.953L8.712.175.102Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a Rotation converged in 5 iterations.表49 2001年因子得分函數(shù)Component Score Coefficient Matrix Component F1F2F3F4L1.588L2.111L3.017.938L4.312.011L5.307.045L6.277.038.075.002L7.011.918.022L8.263.042.059Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.統(tǒng)計(jì)同樣顯示了和1999年相近的結(jié)果，表49給出了2001年