近年来影响煤炭企业上公司财务状况的因子分析(附件)【字数：5044】
因子分析是将一些特定的有各种各样关系的变量，在各种方式下综合为几个因子，体现出原始的变量，与因子之间的关系，它基于主成分分析的发展和推广，这也是多元统计分析中降维的一种方法，根据不同因子我们还可以分类变量。本课题通过不同煤炭公司的股本、资产、负债、每股净资、净利润等各种变量来分析近年来影响煤炭企业上市公司财务状况的因子，同时使用spss统计分析软件，通过因子载荷等对近年来煤炭企业上市公司的财务状况的数据进行加工，通过各种对变量的因子分析，找出影响其财务状况的主要问题所在，方便股东及各类投资者制定投资决策，也可以让债权人分析企业的信用、企业的偿债能力以及违约风险，企业的内部管理者也能找出企业的经营不足以便改革，分析判断企业未来状况以制定合理的政策。使用因子分析评价过去的经营情况，反映现在的财务状况，预测将来的发展趋势，提高经济效益。关键词因子分析 因子载荷 财务状况 spss应用
目 录
第一章 绪论 1
1.1 近年来煤炭企业上市公司的财务状况因子分析的背景及意义 1
1.2 因子分析的国内外研究现状及存在的问题 1
1.3 主要研究内容、研究方法、步骤和措施等? 1
第二章 因子分析的原理 2
2.1 因子分析意义 2
2.2 因子载荷和变量共同度 2
2.3 方差贡献 2
第三章 因子分析模型建立与求解方法 3
3.1 R型因子分析模型概述 3
3.2 相关系数矩阵和反射印象相关矩阵 3
3.3 巴特利特球度检验和KMO检验 3
3.4 因子旋转计算方法和因子得分 3
第四章 spss因子分析求解 5
4.1 考察原有变量的方法 5
4.2 提取因子 9
4.3 因子的命名 14
4.4 计算因子得分 16
结 语 18
致 谢 19
参考文献 20
绪论
1.1近年来煤炭企业上市公司的财务状况因子分析的背景及意义
在我们的社会生活中，我们通过一系列的手段从而对近年来煤炭企业 *好棒文|www.hbsrm.com +Q: @351916072@
上市公司的财务状况的数据进行加工，通过对不同的因子来分类原始变量，从而找出影响其财务状况的主要问题究竟是什么，从而方便债权人分析企业的信用、企业的偿债能力以及违约风险，各个股东和投资者来制定相关的投资决策，企业内部管理者能找出企业的经营不足以便改革，同时分析判断和预测企业未来状况以制定合理的信用政策。使用因子分析评价过去的经营情况，然后反映现在的财务状况，接着预测未来的发展趋势，最终提高经济效益。
1.2因子分析的国内外研究现状及存在的问题
因子分析是属于多元分析中处理降维的一种统计方法，目的是找出因子之间的相互关系，综合为少量因子，它是主成分分析的发展和推广，同时根据不同因子分类变量。由于计算量大，初期进展不大，但电子计算机出现使其获得巨大进展，目前应用范围广泛，它在经济、社会、体育、考古等各个领域都取得了显著成绩。
1.3 主要研究内容、研究方法、步骤和措施等?
通过不同煤炭公司的股本、资产、负债、每股净资、净利润等各种因子来分析今年来影响煤炭企业上市公司财务状况的因子。1通过使用同花顺软件、证券之星网和金融界网上搜集各煤炭公司近3年的财务状况数据；2使用spss数据分析软件先进行标准化；3在得出相关矩阵后，建立一个适当的因子模型；4 确定因子贡献，使用因子载荷等各种方式，计算因子的得分；5对各公司财务状况进行实证分析，做出综合评价。
第二章 因子分析原理
2.1因子分析意义
它属于多元统计分析中处理降维的一种统计方法，通过收集变量中可能出现的问题,在研究问题的时候尽可能多地收集相关变量，从而对问题有较为全面和完整的把握和认识。因子分析是主成分分析的发展和推广，将具有一定复杂关系的变量综合为数量较少的几个因子，来表现变量与因子的关系。
变量间的相关性：收集到的变量通常都会存在一定的相关性。
2.2因子载荷和变量共同度
因子载荷的统计意义：第i个变量与第j个公共因子的相关系数即表示依赖的份量，这表示在中的比重。变量共同度：指每个原始变量在每个共同因子的载荷的平方和，数学定义
2.1
因子的特征值是解释方差的大小值。
2.3方差贡献
方差贡献我们可以作出如下定义
2.2
由公式可以得出，衡量因子重要程度的关键指标是因子的方差贡献和方差贡献率。
第三章 因子分析模型建立与求解方法
3.1 R型因子分析模型
3.1
这可以用矩阵表示为X=af+ε
f称为x的公共因子，a为因子荷载阵，与其相对的，ε的协方差阵是对角阵，这其中包括了随机误差。
3.2 相关系数矩阵和反映像相关矩阵
可定义如下 3.2
3.3 巴特利特球度检验和KMO检验
KMO是以原有变量的相关系数取样适当性量数。表明变量间的共同因子越多，KMO测量出来的值越高，最大可以为1，那么这些数据适合使用因子分析。通常我们按以下的标准解释该指标值：KMO值0.9以上非常好，0.8～0.9优，0.7～0.8良，0.6～0.7中，0.5～0.6差。如果KMO测度的值低于0.5时，那么这个样本的样本量偏小，需要扩大样本，多收集数据。
从其中抽取共同因子，确定因子的数目以及求解因子的各种方法，因子分析的核心内容实将原有的大量变量减少成数量较少的几个因子。在样本的数据基础上综合提取因子。然后决定用何种方式抽取因素，有主成份分析法、主轴法、一般化最小平方法、Alpha因素抽取法、映象因素抽取法、未加权最小平方法、最大概似法等。主成份分析法使用广泛，这就是以较少的成份来解释原始变量方差较大的部分。
3.4 因子旋转计算方法和因子得分
目 录
第一章 绪论 1
1.1 近年来煤炭企业上市公司的财务状况因子分析的背景及意义 1
1.2 因子分析的国内外研究现状及存在的问题 1
1.3 主要研究内容、研究方法、步骤和措施等? 1
第二章 因子分析的原理 2
2.1 因子分析意义 2
2.2 因子载荷和变量共同度 2
2.3 方差贡献 2
第三章 因子分析模型建立与求解方法 3
3.1 R型因子分析模型概述 3
3.2 相关系数矩阵和反射印象相关矩阵 3
3.3 巴特利特球度检验和KMO检验 3
3.4 因子旋转计算方法和因子得分 3
第四章 spss因子分析求解 5
4.1 考察原有变量的方法 5
4.2 提取因子 9
4.3 因子的命名 14
4.4 计算因子得分 16
结 语 18
致 谢 19
参考文献 20
绪论
1.1近年来煤炭企业上市公司的财务状况因子分析的背景及意义
在我们的社会生活中，我们通过一系列的手段从而对近年来煤炭企业 *好棒文|www.hbsrm.com +Q: @351916072@
上市公司的财务状况的数据进行加工，通过对不同的因子来分类原始变量，从而找出影响其财务状况的主要问题究竟是什么，从而方便债权人分析企业的信用、企业的偿债能力以及违约风险，各个股东和投资者来制定相关的投资决策，企业内部管理者能找出企业的经营不足以便改革，同时分析判断和预测企业未来状况以制定合理的信用政策。使用因子分析评价过去的经营情况，然后反映现在的财务状况，接着预测未来的发展趋势，最终提高经济效益。
1.2因子分析的国内外研究现状及存在的问题
因子分析是属于多元分析中处理降维的一种统计方法，目的是找出因子之间的相互关系，综合为少量因子，它是主成分分析的发展和推广，同时根据不同因子分类变量。由于计算量大，初期进展不大，但电子计算机出现使其获得巨大进展，目前应用范围广泛，它在经济、社会、体育、考古等各个领域都取得了显著成绩。
1.3 主要研究内容、研究方法、步骤和措施等?
通过不同煤炭公司的股本、资产、负债、每股净资、净利润等各种因子来分析今年来影响煤炭企业上市公司财务状况的因子。1通过使用同花顺软件、证券之星网和金融界网上搜集各煤炭公司近3年的财务状况数据；2使用spss数据分析软件先进行标准化；3在得出相关矩阵后，建立一个适当的因子模型；4 确定因子贡献，使用因子载荷等各种方式，计算因子的得分；5对各公司财务状况进行实证分析，做出综合评价。
第二章 因子分析原理
2.1因子分析意义
它属于多元统计分析中处理降维的一种统计方法，通过收集变量中可能出现的问题,在研究问题的时候尽可能多地收集相关变量，从而对问题有较为全面和完整的把握和认识。因子分析是主成分分析的发展和推广，将具有一定复杂关系的变量综合为数量较少的几个因子，来表现变量与因子的关系。
变量间的相关性：收集到的变量通常都会存在一定的相关性。
2.2因子载荷和变量共同度
因子载荷的统计意义：第i个变量与第j个公共因子的相关系数即表示依赖的份量，这表示在中的比重。变量共同度：指每个原始变量在每个共同因子的载荷的平方和，数学定义
2.1
因子的特征值是解释方差的大小值。
2.3方差贡献
方差贡献我们可以作出如下定义
2.2
由公式可以得出，衡量因子重要程度的关键指标是因子的方差贡献和方差贡献率。
第三章 因子分析模型建立与求解方法
3.1 R型因子分析模型
3.1
这可以用矩阵表示为X=af+ε
f称为x的公共因子，a为因子荷载阵，与其相对的，ε的协方差阵是对角阵，这其中包括了随机误差。
3.2 相关系数矩阵和反映像相关矩阵
可定义如下 3.2
3.3 巴特利特球度检验和KMO检验
KMO是以原有变量的相关系数取样适当性量数。表明变量间的共同因子越多，KMO测量出来的值越高，最大可以为1，那么这些数据适合使用因子分析。通常我们按以下的标准解释该指标值：KMO值0.9以上非常好，0.8～0.9优，0.7～0.8良，0.6～0.7中，0.5～0.6差。如果KMO测度的值低于0.5时，那么这个样本的样本量偏小，需要扩大样本，多收集数据。
从其中抽取共同因子，确定因子的数目以及求解因子的各种方法，因子分析的核心内容实将原有的大量变量减少成数量较少的几个因子。在样本的数据基础上综合提取因子。然后决定用何种方式抽取因素，有主成份分析法、主轴法、一般化最小平方法、Alpha因素抽取法、映象因素抽取法、未加权最小平方法、最大概似法等。主成份分析法使用广泛，这就是以较少的成份来解释原始变量方差较大的部分。
3.4 因子旋转计算方法和因子得分
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jsj/sxtj/165.html
