【正文】 效分析數(shù)據(jù)的來(lái)源本文所分析的數(shù)據(jù)均來(lái)自于巨潮資訊網(wǎng)（）、中國(guó)上市公司資訊網(wǎng)（）、金融界（）和證券之星（），原始數(shù)據(jù)均為2011年3月31日各上市公司公布的財(cái)務(wù)數(shù)據(jù)。詳見(jiàn)附表1。經(jīng)標(biāo)準(zhǔn)化后，指標(biāo)Z的的均值為0，方差為1，不改變變量之間的相關(guān)關(guān)系，因此對(duì)論文的推導(dǎo)沒(méi)有影響。本文采用巴特利特球度和KMO兩種檢驗(yàn)方法，來(lái)驗(yàn)證索取數(shù)據(jù)是否適合做因子分析，檢驗(yàn)結(jié)果如下：表1 巴特利特球度檢驗(yàn)和KMO檢驗(yàn)KMO and Bartlett39。s Test of SphericityApprox. ChiSquaredf36Sig..000巴特利特球度檢驗(yàn)以原有變量的相關(guān)系數(shù)矩陣為出發(fā)點(diǎn)，其零假設(shè)是，相關(guān)系數(shù)矩陣是單位陣，其檢驗(yàn)統(tǒng)計(jì)量根據(jù)相關(guān)系數(shù)矩陣的行列式計(jì)算得到，且近似服從卡方分布。根據(jù)檢驗(yàn)結(jié)果，拒絕零假設(shè)，適合做因子分析。 提取因子表2 因子分析的初始解CommunalitiesInitialExtractionZscore: 每股收益.817Zscore: 總資產(chǎn)報(bào)酬率.830Zscore: 總資產(chǎn)周轉(zhuǎn)率.959Zscore: 凈利潤(rùn)增長(zhǎng)率.934Zscore: 總資產(chǎn)增長(zhǎng)率.763Zscore: 主營(yíng)收入增長(zhǎng)率.903Zscore: 資產(chǎn)總額.972Zscore: 利潤(rùn)總額.963Zscore: 主營(yíng)業(yè)務(wù)收入.970Extraction Method: Principal Component Analysis.表2為因子分析的變量共同度，它反映因子變量對(duì)原始變量總方差的解釋比例，由第二列可知，提取四個(gè)特征根時(shí)，其變量的共同度超過(guò)了75%，各個(gè)變量的信息丟失都較少。表3 因子解釋原有變量總方差的情況Total Variance ExplainedComponentInitial EigenvaluesExtraction Sums of Squared LoadingsRotation Sums of Squared LoadingsTotal% of VarianceCumulative %Total% of VarianceCumulative %Total% of VarianceCumulative %12345.4476.2927.0988.044.4919.008.091Extraction Method: Principal Component Analysis.在表3中，第一組數(shù)據(jù)項(xiàng)（第二至第四列）描述了初始因子解的情況。其余數(shù)據(jù)含義類(lèi)似?？梢钥吹?，由于指定提取四個(gè)因子，%。圖1 因子的碎石圖在圖1中，橫坐標(biāo)為因子數(shù)目，縱坐標(biāo)為特征根。表3和圖1都說(shuō)明，提取了四個(gè)因子，基本反映了變量的絕大部分方差。根據(jù)以往研究表明。因子負(fù)載反映了觀測(cè)變量和因子之間的相關(guān)系數(shù)，負(fù)載的平方表示因子所解釋的變量的總方差。為了更好的理解公因子的實(shí)際意義進(jìn)而對(duì)公因子進(jìn)行命名，通常要對(duì)初始因子載荷矩陣進(jìn)行旋轉(zhuǎn)，本文選用方差最大化方法對(duì)因子進(jìn)行旋轉(zhuǎn)，這種正交旋轉(zhuǎn)方法可以使得每個(gè)公因子上具有較高載荷的變量數(shù)最小，因此可以簡(jiǎn)化對(duì)因子的解釋。第一公因子對(duì)利潤(rùn)總額、資產(chǎn)總額和主營(yíng)業(yè)務(wù)收入這三項(xiàng)指標(biāo)具有較高的載荷，所以第一公因子可以充分反映這三項(xiàng)指標(biāo)所包含的信息，可解釋為營(yíng)運(yùn)能力因子；主營(yíng)收入增長(zhǎng)率、總資產(chǎn)增長(zhǎng)率、凈利潤(rùn)增長(zhǎng)率在第2個(gè)因子上有較高的載荷，第2個(gè)因子主要解釋了這一變量，可解釋為公司的發(fā)展能力因子；總資產(chǎn)周轉(zhuǎn)率在第3個(gè)因子上有較高的載荷，第3個(gè)因子主要解釋了這一變量，可解釋為償債能力因子；每股收益、總資產(chǎn)報(bào)酬率在第4個(gè)因子上有較高的載荷，第4個(gè)因子主要解釋了這一變量，可解釋為盈利能力因子。被選取的公因子、所含變量如下： 因子名稱(chēng)因子包含變量營(yíng)運(yùn)能力因子利潤(rùn)總額、資產(chǎn)總額、主營(yíng)業(yè)務(wù)收入發(fā)展能力因子主營(yíng)收入增長(zhǎng)率、總資產(chǎn)增長(zhǎng)率、凈利潤(rùn)增長(zhǎng)率償債能力因子總資產(chǎn)周轉(zhuǎn)率盈利能力因子每股收益、總資產(chǎn)報(bào)酬率 計(jì)算因子得分在對(duì)公因子進(jìn)行命名和經(jīng)濟(jì)意義解釋以后，需要對(duì)因子進(jìn)行定量的測(cè)度，具體計(jì)算出每個(gè)因子對(duì)應(yīng)每個(gè)樣本數(shù)據(jù)的值，這些值就是因子得分。本文采用回歸法得到因子得分系數(shù)，下表是通過(guò)SPSS軟件運(yùn)算得到的經(jīng)正交最大化旋轉(zhuǎn)后的因子得分系數(shù)矩陣。該計(jì)算法即，首先提取公因子得分，然后用加權(quán)的方法，按其貢獻(xiàn)比重進(jìn)行求和。各因子得分見(jiàn)附表2?？梢钥闯龅氖堑梅执笥?的公司其經(jīng)營(yíng)績(jī)效情況較好，而且數(shù)值越大，經(jīng)營(yíng)情況就越好；經(jīng)營(yíng)績(jī)效得分小于0，表明公司經(jīng)營(yíng)績(jī)效較差，而且絕對(duì)值越大，說(shuō)明其經(jīng)營(yíng)績(jī)效越差；得分為0或者在0附近，表明其經(jīng)營(yíng)績(jī)效較普通。第一公因子是營(yíng)運(yùn)因子，它所占比重在各個(gè)因子中最大（%），所以其對(duì)于其總體經(jīng)營(yíng)績(jī)效具有較大的影響。第二公因子是發(fā)展能力因子，主要反映上市公司的成長(zhǎng)能力。表明這家公司的發(fā)展能力非常好。第三公因子是償債能力因子，主要反映上市公司的償債能力。第四公因子是盈利能力，主要反映上市公司的盈利能力。其中，中信證券、南京銀行、華夏銀行、中國(guó)銀行這四家公司的得分均小于1，表明其盈利方面遇到了嚴(yán)重的問(wèn)題，急需改善盈利狀況。我們希望將這32支股票進(jìn)行一下分類(lèi)，來(lái)看看按屬性的基本分類(lèi)以及優(yōu)劣區(qū)分。以這四組得分為原始數(shù)據(jù)，再次使用軟件進(jìn)行對(duì)樣本公司聚類(lèi)分析。表6顯示了32家金融類(lèi)上市公司聚類(lèi)的情況。經(jīng)過(guò)31步聚類(lèi)過(guò)程，32個(gè)樣本最后聚成了一大類(lèi)。從樹(shù)形聚類(lèi)圖可以看出，32家金融類(lèi)公司大體上可以分為五類(lèi)，結(jié)合各樣品的因子得分指標(biāo)，我們大體可以得到以下分析結(jié)果：第一類(lèi)包括：中國(guó)銀行、建設(shè)銀行、工商銀行、農(nóng)業(yè)銀行。所以這組在總體經(jīng)營(yíng)業(yè)績(jī)上最好，長(zhǎng)期、短期投資都適合。該類(lèi)股票的營(yíng)運(yùn)能力處于同行業(yè)較高的水平，公司資本管理控制能力強(qiáng)；發(fā)展能力和盈利能力也還不錯(cuò)，整體經(jīng)營(yíng)業(yè)績(jī)不錯(cuò)，不過(guò)公司股票償債能力比較差，說(shuō)明其財(cái)務(wù)風(fēng)險(xiǎn)比較大，容易成為債權(quán)人關(guān)注的對(duì)象，投資的風(fēng)險(xiǎn)不能忽視。該類(lèi)股票盈利能力因子排名靠前，說(shuō)明該類(lèi)公司資本創(chuàng)造利潤(rùn)的能力較強(qiáng)。第四類(lèi)包括：中信銀行、交通銀行、南京銀行、北京銀行、興業(yè)銀行、華夏銀行、招商銀行、民生銀行、浦發(fā)銀行、光大銀行、深發(fā)展A、寧波銀行。第五類(lèi)包括：中信證券、海通證券、招商證券、華泰證券、興業(yè)證券、宏源證券、東北證券、國(guó)元證券、廣發(fā)證券、長(zhǎng)江證券、山西證券。但其的其他財(cái)務(wù)指標(biāo)不是很理想，現(xiàn)階段投資還是要謹(jǐn)慎。因子分析方法能較好地達(dá)到降低和減少評(píng)價(jià)指標(biāo)之間信息的疊加和冗余，是一種可行有效的綜合評(píng)價(jià)方法；而聚類(lèi)分析方法便于我們?nèi)嬲J(rèn)識(shí)被研究事物，便于進(jìn)一步找出影響事物現(xiàn)狀及發(fā)展趨勢(shì)的決定性因素，以達(dá)到對(duì)事物更深層次的認(rèn)識(shí)，從而給廣大的投資者一個(gè)顯性的參考，指導(dǎo)投資者做出正確的投資決策。首先，因子分析方法分析的前提是企業(yè)發(fā)布的財(cái)務(wù)數(shù)據(jù)必須是真實(shí)可靠的，但由于目前上市公司的會(huì)計(jì)信息失真現(xiàn)象依然存在，一些企業(yè)的財(cái)務(wù)數(shù)據(jù)并不如實(shí)反映企業(yè)的財(cái)務(wù)狀況。如國(guó)家的產(chǎn)業(yè)政策、 宏觀經(jīng)濟(jì)條件、公司管理者的能力、職工的技能水平等等。 建議面對(duì)市場(chǎng)競(jìng)爭(zhēng)全球化的大環(huán)境，各上市公司必須堅(jiān)持創(chuàng)新理念，完善科技創(chuàng)新機(jī)制，加大研發(fā)投入力度，大力引進(jìn)科技創(chuàng)新人才，把企業(yè)創(chuàng)新與市場(chǎng)創(chuàng)新、產(chǎn)業(yè)創(chuàng)新結(jié)合起來(lái)，實(shí)現(xiàn)科研成果與社會(huì)需求的有效嫁接。積極發(fā)揮資本市場(chǎng)的籌措功能，加快企業(yè)結(jié)構(gòu)調(diào)整升級(jí)步伐，增強(qiáng)產(chǎn)品科技含量，把企業(yè)逐步培育成主業(yè)突出，核心競(jìng)爭(zhēng)力強(qiáng)，具有自主知識(shí)產(chǎn)權(quán)的知名上市公司。參 考 文 獻(xiàn)[1]于秀林,[M].1999年 北京 中國(guó)統(tǒng)計(jì)出版社[2]（第2版）[M].2009年 北京 電子工業(yè)出版社[3]金勇進(jìn)，杜子芳，（第二版）[M].2008年 北京 中國(guó)人民大學(xué)出版社[4]袁志發(fā)，[M].2002年 北京 北京科學(xué)出版社[5]王成名,[M].1994年 桂林 廣西師范大學(xué)出版社[6][M].2004年 北京 高等教育出版社[7][J].廣西金融研究 2007（10）[8]欒銀珠，—基于金融類(lèi)上市公司的實(shí)證研究[J].中國(guó)經(jīng)貿(mào) 2009(22)[9][J].合作經(jīng)濟(jì)與科技 2008年1月號(hào)上[10][J] 20