(二)因子分析

    主成份分析是一种多元统计方法,它将原变量进行线性组合得出新变量,称为主成份,这些主成份保留了原变量的原始有用信息,而且彼此之间不相关,从而克服了由于各自变量之间相关性而造成的偏差。本文运用因子分析中的主成份分析方法,对原先设定的变量做因子分析,找出其中相互独立的因子集,然后就这些因子对企业价值进行回归分析,这样才能更好地保证回归结果的可靠性。

    1、提取公共因子

    因子分析中广泛采用KMO和Bartiett检验法,即特征值大于1的方法来决定主成份的取舍,从表中可以看出特征值大于1的因子只有前五项,前五个特征值的累计贡献率为88.837%,根据累计贡献率大于85%的原则,故选取的前五个主成份能够基本代表原变量的所有信息。我们就以这5个变量来描述所有的原始变量。计算相关系数矩阵的特征值及贡献率、累计贡献率,计算结果见表4。

    2、因子命名

    为了便于主成分对实际问题的解释和分析,需要对因子负载矩阵进行旋转才能将影响因素在每个因子上的负载情况表示出来,从而能够反映不同因子代表的含义.对因子载荷矩阵实行方差最大化正交旋转,旋转后结果见表5。

    因子负载的绝对值越大,表明该因子和该变量的重叠性越高,在解释因子时越重要.通常认为,负载绝对值大于0.71(变量的方差能被该因子解释的部分至少为50%)优,0.63(变量的方差能被该因子解释的部分至少为40%)很好,0.55(变量的方差能被该因子解释的部分至少为30%)好,0.45(变量的方差能被该因子解释的部分至少为20%)一般 ......