主成分分析、因子分析实验报告.docx
- 171****9217个人认证 |
- 2021-05-16 发布|
- 38.27 KB|
- 7页
对2009年我国88个房地产上市公司的因子分析
分析结果:
表1 KMO 和Bartlett 的检验
取样足够度的 Kaiser-Meyer-Olkin
度量。
.637
Bartlett 的球形度检验
近似卡方
398.287
df
45
Sig.
.000
由表1可知,巴特利特球度检验统计量的观测值为 398.287,相应的概率p值
接近0,小于显著性水平:(取0.05),所以应拒绝原假设,认为相关系数矩阵与单 位矩阵有显著差异。同时,KMO值为0.637,根据Kaiser给出的KMO度量标准(0.9 以上表示非常适合;0.8表示适合;0.7表示一般;0.6表示不太适合;0.5以下表 示极不适合)可知原有变量不算特别适合进行因子分析。
表2 公因子方差
初始
提取
市盈率
1.000
.706
净资产收益率
1.000
.609
总资产报酬率
1.000
.822
毛利率
1.000
.280
资产现金率
1.000
.731
应收应付比
1.000
.561
营业利润占比
1.000
.782
流通市值
1.000
.957
总市值
1.000
.928
成交量(手)
1.000
.858
提取方法:主成份分析
表2为公因子方差,即因子分析的初始解,显示了所有变量的共同度数据。第
一列是因子分析初始解下的变量共同度,它表明,对原有 10个变量如果采用主成
分分析方法提取所有特征根(10个),那么原有变量的所有方差都可被解释,变量的 共同度均为1(原有变量标准化后的方差为1)。事实上,因子个数小于原有变量的个 数才是因子分析的目标,所以不可提取全部特征根;第二列是在按指定提取条件(这 里为特征根大于1)提取特征根时的共同度。可以看到,总资产报酬率、成交量、流
提取方法:主成份分析
提取方法:主成份分析
通市值、总市值的绝大部分信息可被因子解释,这些变量的信息丢失较少。但