《基于因子分析和聚类分析的各行业竞争力评价研究》由会员分享，可在线阅读，更多相关《基于因子分析和聚类分析的各行业竞争力评价研究（9页珍藏版）》请在金锄头文库上搜索。
1、基于因子分析和聚类分析的各行业竞争力评价研究于雯佳天津师范大学管理学院天津300387扌商要：在市场经济环境下，行业间竞争受多重方面影响。本文侧重通过对各工业行 业经济效益的分析，本着科学性、客观性、可比性及实用性的原则，利用多元统计中 因子分析及聚类分析的方法，应用SPSS19.0统计分析软件，收集相关数据，采用与 工业行业经济效益有关的财务指标，从多个角度评价研究工业行业间的竞争力水平及 其中的联系。通过分析比较得出的结果有利于提升工业行业企业经济水平，促进产业 的升级转型发展。关键词：工业行业竞争力；因子分析；聚类分析The Industrial Enterprises5 Compreh
2、ensive Competitivenesswith Factor and Cluster AnalysisSchoo I of management, T i anj i n Norma I Un i vers i ty,Tianjin,300387Abstract: In the market economy, the competition among industries is affected by multiple aspects. This essay focuses on the analysis of the industrial economic benefits, in
3、line with the principle of scientific and objective, using factor analysis and cluster analysis of multivariate statistical method and application of SPSS 19.0 statistical analysis software. Collecting relevant data, with the relevant financial indicators in the industry economy efficiency, from mul
4、tiple perspectives evaluation of industrial competitiveness and the contact. It is advantageous for improving the economic level of the industry enterprise, and promoting the transformation and development of the industry.Keywords : Industrial enterprises9 competitiveness; Factor analysis;Cluster an
5、alysis一、引言工业作为第二产业，在我国的经济发展中占据了主导地位，为我国经济的可持续 快速发展做出了重大贡献。在市场经济环境影响下，因其在生产销售的环节与类型不 同，其竞争力呈现出不同的水平，经济效益是其中的一项重要衡量指标。有研究结果 表明，市场结构与行业绩效的关系与行业特征有关，同时，市场需求对于经济效益具 有重要影响。因此，客观、有效地评价各工业行业的经济效益水平，通过聚类分析比 较相近企业经济效益的异同点，找出其潜在影响因素，扬长避短，分析其产业结构及 盈利模式，有助于未来企业结构升级和发展。二、研究思路及经济效益评价指标体系针对各工业行业企业竞争力的研究，因其受多方面因素影响，
6、主要选择通过对经 济效益的分析，在一定程度上取得相对客观的比较研究数据，然后基于同一研究指标 运用因子分析在微观层面得出排名，最后在宏观的聚类分析中划分出典型行业并分析 典型行业的产业结构和盈利模式，比较发现不同行业竞争力水平程度不同的原因。 设置经济效益评价指标体系以2015年4月全国41个行业经济指标为评价对象，分别通过获利能力、运营能 力、偿债能力三方面因素综合评价行业的经济效益（见图1）。图1（一）获利能力获利能力是企业获取利润的能力。从狭义的角度讲，利润就是企业在销售过程中 所获得的净收益，是衡量企业发展能力的重要指标。XI总资产贡献率二（利润总额+税金总额+利息支出）/平均资产总额
7、X100% 是指反映企业全部资产的获利能力、评价和考核企业盈利能力的核心指标。X2总资产报酬率=（利润总额+利息支出）/平均资产总额X100%表示企业全部资产获取收益的水平，全面反映了企业的获利能力和投入产出状况。通 过分析，可以增强对企业资产经营的关注，促进企业提高单位资产的收益水平。X3成本费用率二利润总额/成本费用总额X100%指标越高，表明企业为取得利润而付出代价越小，成本费用控制越好，盈利能力越强（二）运营能力一般来说，企业的运营能力由资产的周转速度来衡量，资产的周转速度越快，则 企业资产的流动能力越强，使用效率越高，那么其运营能力越好。X4资产周转率二主营业务收入净额/平均资产总额
8、X100%总资产周转率用来分析企业资产经营的整体效果。比率越高，说明销售能力越强。企业可以通过降低销售价格以增加销量的方法，加速资产周转，带来销售利润的增加。 X5资产周转期=360/周转次数周转期是在以总资产的周转次数为基础上，计算会计期间内的资产的相对周转速度。（三）偿债能力是指企业偿还到期债务的能力，包括短期偿债能力和长期偿债能力，这里主要列 举出长期偿债能力对财务指标的影响。X6资产负债率二负债总额/资产总额X100%主要反映了企业资产中有多少是通过负债所拥有的，其比率越低，则证明偿还能力越 强；若其比率过低则企业没有充分发挥财务杠杆的有效作用。X7亏损率=企业亏损额/成本额X100%
9、X8产权比率二负债总额/所有者权益总额X100%与资产负债率较为相似，但更侧重于揭示企业财务结构的稳定程度。三、实证研究一因子分析因子分析通过研究多个指标相关矩阵的内部依赖关系，找出控制所有变量的少数 公因子，将每个指标变量表示成公因子的线性组合，原始变量与因子之间的相关关系。以下对我国2015年4月各工业行业经济指标进行了系统有效的分析评价。第一步，首先，选取41个行业的8个经济指标使样本量与变量数在5:1之上， 然后用SPSS19. 0对这8个指标的原始数据进行标准化处理。通过KM0检验，为0. 588 适合做因子分析，且Bartletts球形检验中拒绝原假设（sig=0）,则变量间存在一
10、 定关系可做因子分析。表1CommunalitiesIniti alExtr acti on总资产贡献率（）1.00.714总资产报酬率（）1.00.931成本费用利润率（）1.00.872资产周转率（次）1.00.896资产周转期（夭）1.00.835资产负债率（）1.00.909产权比率（）1.00.767亏损率（）1.00.989Extraction Method: Principal Component An a lysis.第二步，提取出公因子比例（见表1）,可知在提取公因子后，除总资产贡献率 与产权比率外，各变量的绝大部分信息可被因子解释的程度较高，各因子的信息丢失 较少，且各因子
11、间并不完全独立，相互间有一定的联系。公因子提取效果较为理想。第三步，根据特征根大于1,累计贡献率达80%85%选取主成分。其中总方差解释图中求得的特征根，是为分析得出引入的主成分可以解释平均多少变量的信息。表2Total Variance ExplainedComponentInitial EigenvaluesExtraction Sums of Squared LoadingsRotation Sums of Squared LoadingsTotal% of VarianceCumulative %Total% of VarianceCumulative %Total% of Varia
12、nceCumulative %14.12751.59251.5924.12751.59251.5923.75146.88246.88221.72921.61873.2101.72921.61873.2102.08126.01572.89831.05713.20686.4161.05713.20686.4161.08113.51986.4164.7239.03495.4515.2463.07698.5276.0841.05099.5777.026.32999.9068.008.094100.000Extraction Method: Principal Component Analysis.表2
13、中，截至第三个因子特征根（1.057）均大于1,累计贡献率达（86.416%） 在80% -85%以上，可初步确定将前三个因子作为主成分。在经过旋转后，总累计贡 献率并没有发生变化，说明信息量经过旋转后并没有减少，但却重新分配了各个因子 的解释原有变量的方差，改变了各因子方差贡献，使得因子更易被解释。表2Component Matrix3Comp on ent123总资产贡献率（）.81 4.214-.082总资产报酬率（）.920-.145.251成本费用利润率（）.787.502.042资产周转率（次）.491-.796.145资产周转期（天）-.420.810-.051资产负债率（%）-
14、922-.205.131产权比率（%）-.853-.142.136亏损率（%）-.056.246.962Extraction Method: Prin cipal Comp orient Analysis.a. 3 components extracted.通过表2的因子载荷矩阵我们可以看出各公共因子的典型代表变并不是很突，大 部分都集中在一定范围内，其载荷值分布较为均匀，难以得到较为清晰的解释。因此, 我们选择对因旋转，转轴后，使得变量在每个因素的负荷量不是变大（接近1）就是 变得更小（接近0）,而非转轴前在每个因素的负荷量大小均差不多，这就使对共同 因子的命名和解释变量变得更容易。转轴后，
15、每个共同因素的特征值会改变，但每个 变量的共同性不会改变。第四步，选用最大方差法对因子进行旋转，得到旋转后的因子载荷矩阵（见表3）。 正交旋转后的因子载荷矩阵具有较大程度的命名解释性。根据上一步结果得出， 8个因子中有3个为主成分因子，可对其进行命名解释。并且我们需通过观察找出每 个主成分因子上，具有载荷绝对值较大的因子为其主要影响因素。表3Rotated Component Matrix3Compone nt123总资产贡献率（）.836.114-.044总资产报酬率（）.772.539.214成本费用利淮 1率（昭）.915-.135.134资严周转率（次）.132.937-.013资严周转
