主成分分析论文范文
前言：我们精心挑选了数篇优质主成分分析论文文章，供您阅读参考。期待这些文章能为您带来启发，助您在写作的道路上更上一层楼。
第1篇
根据财政部等颁布的《企业绩效评价操作细则(修订)》的相关要求，遵循全面性、代表性、以及数据易得性等原则，将港口物流企业绩效概括为以下四个方面:①盈利能力状况;②资产运营状况;③债务风险状况;④经营发展状况。分别选取了净资产收益率、总资产报酬率、主营业务利润率、盈余现金保障倍数、成本费用利润率、总资产周转率、应收账款周转率、流动资产周转率、资产负债率、已获利息倍数、现金流动负债比率、销售(营业)增长率、资本保值增值率、三年资本平均增长率、三年销售平均增长率等8项基本指标和7项修正指标共计15项指标对我国港口物流业上市公司企业经营绩效进行评价，构建的企业经营绩效评价指标体系如表1。为了使得所选取的指标具有相同的变化趋势，本文将所选指标体系中的适度指标在分析前作正向化处理，即将资产负债率指标按公式X9''''=1/(1+|X9－A|)进行转化［8］，其中X9为原始数据，X9''''为正向化后的数据，A为该行业企业的资产负债率的理论最优值，在本文中令A=45%。
2港口物流上市公司企业经营绩效评价
2．1研究对象本文根据中国证监会公布的2012年第四季度上市公司行业分类结果，选取了截止2012年12月31日在沪深两市上市的30家水上运输业上市公司作为分析对象。为了减少异常值对结果的影响，本文剔除了4家ST企业，最终样本为26家港口物流上市公司。数据分析软件为SPSS19．0及Excel。数据来源锐思金融研究数据库(www．resset．cn)以及新浪财经网(www．finance．sina．com．cn)和巨潮资讯网(www．cninfo．com．cn)。
2．2企业经营绩效评价的主成分分析过程①原始数据标准化。对适度指标正向化处理之后，通过SPSS软件描述统计选项中的描述过程直接对原始数据进行标准化处理，以消除所选指标量纲和数量级不同的影响，使其具有可比性。②计算标准化后数据的相关系数矩阵R。根据步骤(1)中标准化后的样本评价指标数据计算相关系数矩阵，检验待分析的变量是否适合做主成分分析。用SPSS软件计算得到的相关系数矩阵如表2，从表中可以看出，所选取的指标之间存在显著相关性，可以进行主成分分析。③计算相关矩阵R的特征根和特征向量以及主成分的方差贡献率和累计方差贡献率。采用SPSS软件对数据进行分析，可以得到如表3所示的结果，其中“合计”即为特征根，“方差的%”为每个特征根对应的方差贡献率，“累积%”为累计方差贡献率。根据主成分对应的特征根大于1且主成分的累计方差贡献率不小于85%的原则，由表3可以看出，符合条件的主成分有6个，累计贡献率达到了86．181%，基本可以反映原始变量的绝大部分信息。因子载荷矩阵的数值是主成分与原始变量的相关系数，绝对值的大小代表了主成分与原始变量的相关程度，由此可以得到主成分代表的原始标量的信息而对主成分进行命名。
根据本文所得到的因子载荷矩阵对主成分进行命名比较困难，因此采用方差最大正交旋转(Varimax)方法得到旋转后的因子载荷矩阵如表5。根据表5中数据可以看出，第一主成分F1与Z5(成本费用利润率)、Z3(主营业务利润率)、Z2(总资产报酬率)、Z1(净资产收益率)等指标相关程度最高，反映了企业的获利能力，可以将该主成分定义为盈利能力因子。第二主成分F2与Z14(三年资本平均增长率)、Z15(三年销售平均增长率)、Z13(总资本保值增值率)指标相关程度较高，反映了企业的成长状况，可以将该主成分定义为成长能力因子。第三主成分F3与Z8(流动资产周转率)、Z1(现金流动负债比率)、Z7(应收账款周转率)等指标相关程度较高，反映了企业对资产的利用效率，可以将该主成分定义为资产利用效率因子。第四主成分F4与Z12(销售(营业)增长率)、Z7(应收账款周转率)、Z6(总资产周转率)相关度较高，反映了企业扩张资本能力以及资产周转状况，可以定义为资本运营能力因子。第五主成分F5与Z10(已获利息倍数)相关程度较高，反映了企业的长期偿债能力，因此可以将该主成分定义为偿债能力因子。第六主成分F6与Z9(资产负债率)高度相关，同时，该主成分还与Z4(盈余现金保障倍数)高度负相关，分别反映了企业利用债权人资金进行经营活动能力及其盈利能力，因此可以将该主成分定义为经营能力因子。提取方法:主成分•旋转法:具有Kaiser标准化的正交旋转法。将标准化后的26个港口物流上市公司样本数据代入到上述主成分得分表达式中，得到样本主成分得分矩阵如表6。综合得分为0是全样本企业经营绩效的平均水平，从表7可以看出，北海港、芜湖港和渤海轮渡三家公司的企业经营绩效最好，综合得分分别是1．902、1．596、1．448，中海海盛和宁波海运这两家公司的企业经营绩效最差，综合得分分别为－1．980和－1．643。排名最后的中海海盛和排名第一的北海港综合得分差为3．882。样本公司中综合得分高于行业平均水平的有11家，低于平均水平的有15家。对26个样本按综合得分进行系统聚类，得到的树状图如图1。
3研究结论与建议
根据上述分析过程及最后得到的综合排名，可以得到如下结论:①根据收集的26家港口物流上市公司样本数据，通过上述分析显示，仅有11家公司经营绩效高于平均水平，占样本总数的42．31%，低于全部样本数的一半，说明港口物流业上市公司整体企业经营绩效有待提高。通过背景分析发现，沿海一带港口受我国外贸环境疲软影响，增速放缓［17］，而内河港口物流企业经营绩效则因经济运行环境的差异而存在不同。港口物流业由于需求不旺盛、运力供大于求、运价下滑以及竞争加剧是整体盈利能力不足、企业经营绩效不佳的原因。②样本企业经营绩效差异较大，两极差异显著。排名最后与第一名的公司综合得分相差3．882，差异显著。通过图1所示的样本企业系统聚类树状图可以看出，样本港口物流上市公司根据综合得分的高低可以分为四类，第一类经营绩效最好，综合得分高于行业均值超过1;第二类除最后两家外综合得分均高于行业均值，但不超过1;第三类企业经营绩效一般，综合得分均低于行业均值，但不超过－1;第四类企业经营绩效最差，综合得分低于均值超过－1。由此说明港口物流企业总体企业经营绩效差异较大，特别是排名在最前和最后的企业差异显著。③港口物流上市公司样本企业自身各方面能力发展不均衡。从表3可以看出，排名第一的北海港虽然综合得分达到了1．902，但是其F5和F6两个主成分的得分为负值，说明该企业在长期偿债能力和经营能力方面还存在不足。排名最后的宁波海运和中海海盛两家企业的F2均为正值，说明其长期发展态势良好，有一定的成长潜力。说明企业资产利用效率很低，长期偿债能力较差。综合来看，样本企业各主成分得分排名和综合得分排名存在一定的差异，说明港口物流业上市公司各方面能力发展不均衡。④从地域来看，沿海地区港口物流发展状况远好于内地省份。在本文选取的26家港口物流上市公司中，仅有芜湖港和重庆港九两家分别来自内地，且企业经营绩效差异较大。综合排名分别为第2名和第14名。广东上海等地港口物流企业较为集中。由此说明我国港口物流业发展不均衡，且大多集中在沿海地区。
根据以上分析数据和结论，结合港口物流上市公司背景，有以下建议:①港口物流上市公司总体经营绩效不佳，受外贸影响和内地经济运行环境影响较大，因此，港口物流企业应该发挥自身特点，根据自身所处的地理位置和经济环境特点，利用现代物流的思想，整合资源，将传统港口发展成为物流园区，充分发挥港口物流网络节点作用，既提高自身经营绩效，也能更好的为客户服务。②企业应各方面能力均衡发展，才能提升自己的竞争力。从上述分析得到的样本综合得分可以看出，部分企业在某几个主成分上得分较高，但是各主成分方面不能够均衡发展，导致企业总体经营绩效排名靠后。例如中昌海运，主成分F5排名第1、F6排名第2、F4排名第3，但是主成分F1排名第23，综合得分排名第18，说明不均衡发展对企业综合绩效影响很大。③针对港口物流业各区域发展不均衡，同质化严重问题，港口物流企业应该强化服务理念，以客户为中心，提供特色服务，树立品牌形象，充分利用资源建设基础设施、提供良好的发展环境，开拓内河港口市场，发展港口的第三方物流优势，才能促进港口物流业的全面发展。④应该加强政府政策引导，避免恶性竞争和资源浪费。由于各种利益驱动，使得港口建设重复投资、同质化现象严重，港口物流企业不能很好的把握港口建设与腹地经济区域发展的科学关系，导致无序化竞争严重，严重损害了港口物流业整体的经营绩效。因此要加强政府政策引导，合理布局，实现港口资源的有效整合和功能分配，加强与腹地经济区域的合作，促进港口物流企业经营绩效的整体提升。
4结束语
第2篇
主成分分析法，又称主分量分析法是指相关的经济变量间通常存在着起主导作用的决定性因素，通过对原始变量的相关矩阵内部结构进行分析，找出几个不相关的综合指标来线性表示原来的变量，主成分之间既互不相关，又尽可能多的包含了原指标集合。这种方法首先由Hotelling提出，其主要思想是降维。Stone(1947)对美国1929-1938年间的17项国民经济统计指标进行主成分分析，发现完全可以用三个经济指标来概括原来的17项指标，大大简化了数据分析。M.Scott（1961）对英国157个城镇的发展水平进行主成分分析，发现原57个测度指标完全可以由5个综合变量替代，既解决了原指标间的信息重叠问题，又简化了原指标体系的指标结构，主成分分析由此推广。邱东（1990）系统阐述了主成分分析法的定义、基本思想、基本步骤和特点，认为主成分分析法可以消除评价指标间的相关影响，并且伴随数学变换过程生成信息量权数和系统效应权数，保证了客观性。同时也指出了主城分析法在计算综合评价值未充分考虑指标的重要程度等不足，主要适用于被评价对象较多的综合评价。随后，众多学者对此提出了改进：孟生旺（1992）针对原始数据的标准化处理和主成分个数的选择问题，认为标准化不如均值化的无量纲处理方法，提出了非标准化主成分分析法。陈述云等（1995）通过对原始数据作对数—中心化转换，用原始变量的非线性组合表示主成分，同时重点分析样本协方差矩阵而非相关系数矩阵，提出了非线性主成分法。朱泰英等（2004）提出了加权主成分分析法，认为可以将主成分分析法的客观分析和层次分析法的主观分析有机结合。王璐等（2006）在对主成分分析法的权数、降维等问题的研究上，提出了首先要按主成分分析法对指标体系进行分类，得到各方面的评价值后再进行主成分分析，最终得到综合评价值的二重主成分分析法。段力誌等（2009）在传统主成分分析法基础上，首先对原始指标值进行预处理，再借助软件，将原始数据转化为少数几个主成分的线性组合，并进行加权变换，得到改进的主成分综合值。白雪梅等（1995）则分析了“均值化”、“标准化”、“极差正规化”三种方法的选择条件是保证方差损失最小。陈衍泰等（2004）认为主成分分析法具有全面性、可比性和客观合理性等优点，比较适合对评价对象进行分类，但需要大量数据，函数意义不够明显，不能反映客观发展水平。苏为华（2012）提出经典的R型主成分本质是单项指标标准化结果的加权算术平均值，比当量平均法复杂。赵利等（2013）通过主成分分析法对宏观经济中影响城镇劳动就业因素分析时，提出主成分为宏观经济和技术进步，通过VAR模型对主成分进行分析，得出宏观成分中对城镇劳动就业影响最大的是消费、产业结构和城市化水平，而技术进步成分中影响最大的是技术进步的结论。黄利文（2013）针对主成分分析中存在的未考虑负向因子的影响，以及采用线性加权法时确定权重方法不统一，评价结果非唯一等缺陷，提出了逼近理想点的主成分分析法，更好地反映了原始数据信息，并较为客观地给出了综合评价结果。林海明等（2013）认为主成分分析因缺乏应用条件的考虑而导致评价结果不具合理性甚至错误，通过分析因子分析法因子载荷阵的简单结构、加权算术平均数的合理性，得出主成分分析的应用条件是：指标是正向、标准化的；主成分载荷阵达到更好的简单结构时，主成分正向，且主成分与变量显著相关。
二、因子分析
法因子分析法是指从被评对象的观察变量的相关度出发，利用降维的思想，把繁杂的变量尽可能归纳为几个综合因子进行分析的的一种多变量统计分析方法。其基本思想是：将观察变量按相关度的高低或联系的紧密程度进行分类，类别内部变量相关性高，联系紧密，而类别之间的变量则相关度较低，联系稀疏，每一类变量则代表一个公共因子。具体步骤为：
三、逼近理想解的排序法
第3篇
在现实生活和工作中，人们总会对领导者形成固定的印象和看法。根据社会认知理论，人们会以主观整合过的客观事实而非事实本身作为判断标准去解读领导行为，由于整合中涉及到包括知觉、记忆在内的多种元素，因此过去形成的经验和看法是价值标准的重要组成部分。据此，可以推断内隐领导理论正是人们评判自己领导的参照标准，因为它反映了作为理想领导的范例以及领导的标准，表明了人们对领导者的要求和期望。在工作中，员工运用内隐领导理论作为参照标准，会不由自主地将现实中的领导行为与理想中设定的领导特质进行比较，结果有些员工会认为领导的做法符合他对领导的认识而积极响应，而有些人又可能会认为领导的做法不符合自己心目中的领导标准，进而产生抵触情绪，从而产生不同的员工对同一个领导做出的行为有不同反应的现象。因此，了解员工内心的领导者期望与认知到的现实领导行为之间是否一致，有多大差距对提高领导的有效性非常重要。然而，在以往的研究中，关于领导认知的研究偏向于领导者的自我认知和对人们心目中的领导者形象的定性归纳；对内隐领导的研究仅限于内隐领导理论在员工对领导的评价中的影响程度和影响方式，并没有进一步探究测量认知结果和计算认知差异的具体方法。为此，本文的研究目的就是要以企业员工个体为研究对象，探讨在内隐领导理论的参照下，员工认知现实领导行为的结果及其差异的计算方法，并以某代表性企业员工为样本进行实证。
2模型的建立
借鉴前人对个人——组织契合的研究，本文将领导认知差异界定为：员工运用内隐领导理论，通过比较认识现实领导行为而得到的不一致结果。通常比较认知的结果存在三种可能：一是内隐领导理论中的期望与现实领导行为的水平基本一致；二是期望超过现实水平；三是现实水平超过期望。实际上后两种情况都可以看作是不一致。基于以上情况，可以将不一致的结果理解为产生了领导认知差异，建立领导认知差异理论模型（见图1）。
在理论模型的基础上，对领导认知差异的形成过程变量进行扩展。根据凌文辁、方俐洛等人的研究成果可知，中国人的内隐领导理论包括目标有效性、才能多面性、个人品德和人际能力。而对领导行为的测量是模型的难点。在以往这方面的研究中，学者们在不同的阶段根据不同的标准提出了不同类型的领导行为理论，尤其以交易型领导行为和变革型领导行为为近年来的研究热点。通过进一步的文献研究发现，在这些领导行为理论中，变革型领导各变量与选用的内隐领导理论各维度变量最接近，因此为了方便比较与测量差异，笔者将选用变革型领导行为的相关变量测量现实领导行为。根据李超平、时勘的变革型领导行为的结构模型，采用愿景激励、领导魅力、德行垂范、个别关怀对现实领导行为进行测量。据此将研究框架进一步细化，得到领导认知差异的测量模型（见图2）。
3方法与工具的选取
3．1研究方法和研究工具
在有关认知差异的实证研究中，常使用的方法是访谈和问卷调查，由于地理条件所限，本文采用问卷调查的方法收集前期数据。根据图2所示模型，问卷可分为三个部分：①个人基本资料调查问卷，包括性别、年龄、学历、工作年限和工作种类。②内隐领导理论量表，选用林琼编制的中国人内隐领导理论量表。该量表采用5点计分，要求员工根据自己的实际水平与题项描述的符合程度从“很不符合”到“非常符合”分别给予1~5分。四个分量表的α系数均超过0．77，总量表的α系数为0．8997，信度颇佳。③领导行为量表参照李超平与时勘编制的变革型领导行为量表。该量表各维度内部一致性处于0．84～0．92之间，信度较高。此外，考虑到管理中的层级关系，为了使员工更清楚地评价领导行为，问卷要求员工以自己的直接领导为对象，进行领导行为问卷的填写。
3．2数据分析方法
在以往对认知差异的测量与分析中，数据的收集常用两种方法：一种是使用配对样本，通过不同身份人的双重角度获取原始数据；另一种是每位调查对象根据现实和期望两种情况，对同一项目做两次判断来获取原始数据。对认知差异的统计分析也有两种方法：一种是使用差距指标，常以所含项目得分差值的绝对值（｜D｜）总和来计算每个方面的差异；另一种是将两次作答的分值采用T检验方法进行差异分析，T值高低说明差异大小，P值则表示显著性程度。而本文的研究对象仅有员工一方，并且在建模时从期望和现实两个角度选用了既有相似性又不相同的两份问卷，因此以上两种方法都不适用。
通过比较分析，笔者认为可以借鉴契合度的计算方法，将差异分析转化成一致度分析，选用主成分分析法对一致度进行测量。该方法具有以下三个方面的优点：一是这种方法不要求选择完全独立的指标，从而降低了指标选择的难度；二是主成分是从各指标的差异程度和相互关系出发得到的，其结果不仅考虑了各指标的变异程度，还考虑了各指标之间的相互关系，因此其综合原始指标值的信息能力强；三是该方法没有直接对指标采用权重，所得权数是伴随数学变换自动生成，以每个主成分各自的贡献率为权数，最大程度地反映了客观实际，减少了主观性。
4实证分析
4．1数据的收集与样本特征分析
为了避免企业文化和组织氛围对研究对象的影响，笔者将调查对象固定为具有国有企业代表性的某油田公司。通过网络调查与发放问卷两种方式，共发放员工问卷160份，实际回收158份，剔除回答不完整、一题多选等问卷，剩余有效问卷为113份，有效问卷回收率为70．625％。样本基本特征见表1。
就样本的性别特征而言，在男女比例上体现了石油行业的特点；就样本的学历来看，大专及以上学历的人数占大多数，可以保证被测量者更容易理解问卷的题意表达，增加了问卷的有效性和可靠性；就所从事的工作种类来看，基本上符合单位的岗位人员配比。总的来说，样本特征与总体基本保持一致，抽样结果较好。由于指标值分布在1～5之间，没有单位和量级的差别，所以不用进行无量纲化处理。
4．2主成分分析
在上述分析的基础上，考虑到所选量表的成熟性，本文不再对量表的信度和效度进行验证，而是首先运用主成分分析对员工内隐领导理论中的领导特质与其在现实中认知到的领导行为的一致度进行测量，然后根据一致度的高低判断认知差异。一致度越高，差异越小；反之，一致度越低，差异越大。
4．2．1步骤
首先按下列步骤分别对8个影响因素进行主成分分析：①对数据进行KMO及巴利特球形检验，根据Kaiser给出的标准，KMO>0．5才可以进行因子分析；②计算得到相关系数矩阵和方差贡献表，并根据累计方差贡献率大于85％的标准决定主成分的个数；③求得因子载荷矩阵，并利用方差最大法对因子载荷矩阵进行旋转，得到因子得分矩阵，由此建立因子得分函数；④对提取的主成分进行加权求和得到最终评价值，权数为每个主成分的方差贡献率。再按同样步骤对以上得到的8个评价值进行综合分析。
4．2．2分析结果
目标有效性指标的KMO及巴利特球形检验值为0．858，达到标准；由前三项的累计方差贡献率90．106％得知，可以用前三个主成分作为目标有效性的综合评价指标，其评价可信度为90．106％。根据因子得分函数的系数矩阵，得到下面的因子得分函数：
而目标有效性的最终评价值为：
用同样的方法与步骤，可以得到其余7个因素的最终评价值：
将上述8个影响因素的评价值作为评价指标再次使用主成分分析法，可得到113个样本的领导认知一致度的综合评价值，其中最高值为0．74，最低值为－1．67。为了方便观察结果，我们将测量结果按降序排列，并以0为分界点，将样本分为两组：评价值≥0的组成高一致度组，共62个样本的评价值达到高一致度；其余51个样本的评价值＜0，进入低一致度组，表示一致度较低。根据之前的界定，一致度低，则认知到的现实领导行为与理想领导间的差异大。所以前一组的62个样本的认知差异小，而后一组51个样本的认知差异大。