主成分分析论文
开篇：润墨网以专业的文秘视角，为您筛选了八篇主成分分析论文范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
主成分分析论文范文第1篇
一、引言
随着我国证券市场的日益规范化，上市公司的财务状况和经营成果已成为各方面投资者和政府管理部门关心的主要问题。企业的财务状况和经营成果可通过会计报表及一系列财务指标来反映，但单一的指标只能反映企业经营管理活动中某个方面的情况综合财务指标，而我们更需要的是客观、合理地对上市公司某一时期的财务状况和经营成果做出综合评价。综合财务指标在现代财务分析中已被广泛采用，综合财务指标是将若干相关程度较高的财务指标根据一定的权数综合计算而得到的一个评估指标论文格式。在现行的财务工作中，财务指标评价体系中各指标的权重是依据主观或经验事先设定好的，这难免会给评价结果带来一定的主观性。本文应用主成分分析方法，依据财务指标内部结构关系来确定各指标权重，避免了人的主观随意性综合财务指标，从而能对云南铜业财务状况和经营成果进行比较客观、合理地综合评价。
二、主成分分析的原理
主成分分析是设法将原来众多具有一定相关性(比如P个指标),重新组合成一组新的互相无关的综合指标来代替原来的指标。通常数学上的处理就是将原来 P个指标作线性组合, 作为新的综合指标。最经典的做法就是用 F1(选取的第一个线性组合, 即第一个综合指标)的方差来表达, 即Var(F1)越大,表示 F1 包含的信息越多。因此在所有的线性组合中选取F1 应该是方差最大的, 故称F1为第一主成分。如果第一主成分不足以代表原来 P个指标的信息, 再考虑选取 F2 即选第二个线性组合,为了有效地反映原来信息, F1 已有的信息就不需要再出现在 F2中, 用数学语言表达就是要求Cov(F1, F2)=0, 则称 F2 为第二主成分, 依此类推可以构造出第三、第四, ……, 第 P个主成分论文格式。
进行主成分分析主要步骤如下:
1.根据研究问题选取指标与数据;
2.进行指标数据标准化( SPSS 软件 Factor 过程自动执行) ;
3.进行指标之间的相关性判定;
4.确定主成分个数 m;
5.确定主成分 Fi表达式;
6.进行主成分 Fi命名;
7.计算综合主成分值并进行评价与研究。
三、对云南铜业的财务指标进行主成分分析
（一）选取指标与数据
依据上述评价方法，我们选取云南铜业五年内的财务指标（见表1）。具体指标如下：每股收益（x1）；净资产收益率（x2）；流动比率（x3）；速动比率（x4）；资产负债比率（x5）；净利润率（x6）；总资产报酬率（x7）；存货周转率（x8）；总资产周转率（x9）；固定资产周转率（x10）。在计算过程中，原始指标来源于巨潮资讯网。
表1 云南铜业财务指标的原始数据
年份
x1
x2
x3
x4
x5
x6
x7
x8
x9
x10
2005
0.30
9.56
1.03
0.39
81.91
2.72
1.83
1.68
0.67
3.29
2006
-2.22
-78.22
1.01
0.59
79.58
-11.28
-11.42
3.58
1.01
5.88
2007
0.73
13.96
1.21
0.77
75.17
2.97
4.20
3.86
1.41
10.13
2008
1.51
34.01
1.20
0.51
75.13
4.29
10.35
5.18
2.41
14.93
2009
0.62
19.60
1.07
0.55
69.22
3.68
6.34
3.94
主成分分析论文范文第2篇
关键词：熵；主成分分析；教育学期刊；期刊影响力
中图分类号：G710 文献标识码：A 文章编号：1672-5727（2016）05-0030-04
教育学学术期刊是教育科学研究工作者发表学术成果的重要平台，也是教育科学研究成果传播的重要载体。对教育学学术期刊学术影响力的评价，是教育科研评价的重要命题。期刊评价工作是一项非常复杂的工作，单一指标相对综合指标而言在评价期刊的学术影响力时缺乏全面性。为了突破单一指标的不足，笔者拟选取综合指标对教育学期刊的学术影响力进行评价，以期深入了解我国教育类期刊出版状况。
一、指标与方法
（一）指标与数据
1.期刊引用计量指标
期刊引用计量指标包括总被引频次、扩散因子、影响因子、即年指标、他引率、引用刊数、学科影响指标、学科扩散指标、被引半衰期、H指数。即年指标和被引半衰期两项指标反映期刊时效性；影响因子反映期刊有用性和显示度；总被引频次、他引率、引用刊数、H指数反映期刊被使用程度；学科影响指标、扩散因子、学科扩散指标衡量期刊扩散范围。
2.来源期刊计量指标
来源期刊计量指标包括来源文献量、平均引文数、平均作者数、地区分布数、机构分布数、基金论文比、引用半衰期。来源文献量、平均引文数、平均作者数、地区分布数、机构分布数反映期刊数量和规模特征；基金论文比衡量期刊论文获得资助情况；引用半衰期体现作者利用文献的新颖度。
上述17项计量指标的具体解释，详见《中国科技期刊引证报告》，本文不再赘述。数据来源于2012年《中国科技期刊引证报告》（扩刊版）。选取37种CSSCI教育学期刊，详见下页表1。远程教育、成人教育、职业教育、继续教育类期刊简称为远成职继类，包括4种；高等教育类包括10种，基础教育类4种，教育技术类3种，教育综合类16种。
（二）研究方法
1.主成分分析方法
从原始多个指标变量变换为少数几个主成分指标的统计分析方法，主要目的是进行数据的压缩与解释。通过线性变换选出较少个数的新变量代替原来较多的变量，并使这些少数变量尽可能多地保留原来较多变量所反映的信息。
计算步骤如下：对原始数据进行无量纲化处理；求出样本的相关系数矩阵；计算特征值、主成分的贡献率及累积贡献率；求出主成分荷载矩阵，选出能反映绝大部分信息（一般方差的累积贡献率应大于80%）的前n个主成分。
2.熵
（1）计算第i种期刊在第j项因子占所有期刊因子和的比重：
（2）计算第j项指标的熵值：
（3）计算各因子的权重：为统一化后的权重系数。
（4）计算各期刊的综合得分：根据值大小对期刊进行排序。
二、教育学期刊学术影响力评价
为消除期刊计量指标量纲的不同，需要对数据进行无量纲化处理。分别按公式（5）和（6）对来源类指标、被引类指标进行处理。
通过SPSS 22软件进行分析，KMO值为0.739（大于0.7），意味着变量间的相关性较强，原有变量适合作因子分析。笔者根据SPSS软件计算结果进行整理，如表2、下页表3所示。根据选取主成分特征值大于1 的成分数的原则，提取4个主成分进行分析，对原变量的累计解释力达到80.523%。因此，提取的公因子对原始变量的解释能力强，能够充分描述学术期刊来源指标与被引指标。通过主成分分析，原来的17个指标被压缩成4个指标。
总被引频次、引用刊数、学科影响指标、扩散因子、H指标、来源文献量、机构分布数、地区分布数、基金论文比，在第一主成分上有较高载荷，相关系数高达0.7以上， 说明第一主成分基本反映了以上9项指标的信息。他引率、被引半衰期、平均作者数、引用半衰期，在第二主成分上相关系数高达0.6，说明第二主成分主要反映以上4项指标信息。影响因子、即年指标、平均引文数，在第三主成分上相关系数较高，说明第三主成分主要反映这3项指标信息。第四个主成分，主要衡量他引率、扩散因子、被引半衰期、学科扩散因子。前三个主成分基本反映了16项指标全部信息（贡献率占74.1616%），加上第四个主成分更符合主成分提取的基本要求（大于80%）。
根据下页表4可以得到主成分1的表达式，主成分F2、F3、F4计算方法同主成分F1。F1=0.137×总被引频次+0.068×影响因子+0.009×即年指标+0.044×他引率+0.137×引用刊数+0.11×学科影响指标+0.054×学科扩散指标+0.017×被引半衰期-0.107×扩散因子+0.131×H指标-0.126×来源文献量+0.083×平均引文数+0.064×平均作者数-0.091×地区分布数-0.119×机构分布数+0.089×基金论文比+0.022×引用半衰期。
将主成分F1～F4代入公式（1）-（3），计算得到四个主成分因子的权重系数，如下页表5所示。通过公式（4）计算得到37种期刊得分，如表6所示。可以发现，第一主成分因子权重最高，值为0.3102。第二、第三、第四主成分因子权重分别为0.2263、0.2297、0.1938，四个主成分因子权重依次降低。
从期刊分类来看，其平均得分，教育综合类16种期刊为0.03，高等教育类10种期刊为0.029，教育技术类3种期刊为0.025，远成职继类4种期刊为0.021，基础教育类4种期刊为0.020。教育综合类期刊总体学术影响力最高，教育技术类期刊居中，基础教育类期刊学术影响力最低。
从综合得分看，学术影响力排名前五的期刊中，高等教育类期刊占3种，教育综合类期刊占2种。《中国高等教育》得分最高，表明该期刊学术影响力最高。《华东师范大学学报（教育科学版）》得分第二，《清华大学教育研究》、《高等工程教育研究》、《中国高教研究》分别位列第三、第四、第五位。学术影响力排名居中的期刊主要有：《大学教育科学》、《复旦教育论坛》、《国家教育行政学院学报》、《课程・教材・教法》、《现代大学教育》。学术影响力排名后五的期刊中，远成职继类占1种，《开放教育研究》学术影响力最低；基础教育类占3种，分别是《学前教育研究》、《中国教育学刊》、《中国特殊教育》。教育技术类期刊中，《现代教育技术》排名倒数第五位。
三、结论
选取《中国科技期刊引证报告》中的17个期刊评价指标，分析教育学期刊学术影响力。采用主成分分析方法，提取4个主成分因子。通过熵值法对主成分因子进行赋权，计算得到2011年教育学期刊的学术影响力。研究显示：教育综合类期刊学术影响力最高，高等教育类期刊第二，教育技术类期刊第三，远成职继类期刊第四，基础教育类期刊最低。《中国高等教育》《华东师范大学学报（教育科学版）》《清华大学教育研究》《高等工程教育研究》《中国高教研究》学术影响力位于前五名，《开放教育研究》《学前教育研究》、《中国教育学刊》《中国特殊教育》《现代教育技术》学术影响力位于后五位。
参考文献：
[1]龚放. 2005―2006年我国教育学期刊影响力评价――基于CSSCI的统计分析[J].北京大学教育评论， 2009， 7（1）：160-173.
[2]朱玲. 教育学期刊学术影响分析――基于CSSCI（2004―2006）数据[J].西南民族大学学报（人文社科版）， 2008 （11）：45-59.
[3]苏新宁， 宣小红. 《复印报刊资料》教育学系列期刊学术影响力分析[J].教育研究，2009（4）： 98-107.
[4]罗立群. 我国教育学期刊的h指数分析――基于CSSCI（2000―2007年度）数据[J].西南民族大学学报（人文社科版）， 2009（11）：82-85.
[5]朱漪云， 陈燕. 教育类学术期刊的整体布局及其影响力分析[J].编辑之友，2012（3）：82-85.
主成分分析论文范文第3篇
【关键词】中药黄连饮片；活性成分；检测；光谱成像
文章编号：1004-7484（2013）-11-6864-01
中药饮片是在中药理论的指导下，根据辨证施治和调配制剂的实际需要，对中药材进行一定的加工炮制而形成的产品。由此可以看出中药材的质量也就决定了中药饮片质量的优劣，而中药饮片的质量对临床中药制剂的质量和药效也起着决定性作用。但长期以来国缺乏对中药饮片的质量标准和控制等有效的法律法规。因此，中药饮片质量的检测和控制对于保证中药疗效和广大人民安全使用中药有着非常重要的意义。基于此论文对中药黄连片活性成分进行了检测，现将分析报道如下。
1中药黄连饮片活性成分的检测方法及过程分析
1.1中药黄连饮片活性成分的检测方法分析中药黄连为毛莨科植物黄连、三角叶黄连或云连的干燥根茎，黄连的主要活性成分有小檗碱、黄连碱、甲基黄连碱等，具有清热燥湿、泻火解毒等功效[1]。由于其主要活性成分多数具有荧光，所以采用荧光光谱成像技术对黄连饮片进行检测。光谱成像技术是一门新兴的技术，是传统的二维光学成像技术和光谱技术有机结合的产物[2]。另外，这种技术还集中了光学、光电子学、电子学、信息处理学、计算机科学等领域的先进技术。光谱成像技术运用范围很广，可以进行图像采集、显示、处理和分析解释等[3]。中药黄连饮片活性成分分布的检测主要是通过光谱成像技术构建中药黄连饮片是我光谱成像指纹图谱，从而实现黄连饮片的活性成分空间分布检测，这种检测方法不仅科学，而且可靠、准确。检测结果可以为入药部位选择及饮片质量的评价提供依据。
1.2中药黄连饮片活性成分的检测过程分析在进行实际检测时要先调节系统接收端的高度，以保证达到最大的空间分辨率。然后根据药物的特点设置系统中的参数，主要包括光谱分辨率参数、范围参数和接收器曝光时间参数等，这些参数会根据不同的药品做不同的调整。中药黄连饮片活性成分分布的检测时这些参数的范围是光谱分辨率参数5nm、范围参数480-680nm、接收器曝光时间参数800ms。接着将被检测物品放置到载物台上，要注意调整紫外光源和载物台的相对位置，使其均匀激发显示出若干个狭窄的光谱带。最后用计算机专用软件对检测所得到的数据图像进行处理。2中药黄连饮片活性成分的检测数据分析
中药黄连根部有皮层、木质部、髓部三个部位，这三个部位是可以直接通过肉眼观察到的，但是看不到的是这三个部位中所含有的活性成分是不相同的，甚至存在很大的差异。这种特性的判别只有通过实验才能得出，用光谱成像技术分别在三个人工选取10×10像素的小区域内对这三个部位的活性成分进行检测发现三个部位的光谱曲线存在明显的差异[4]，其光谱曲线平均值如下图所示（图1）。木质部、髓部和韧皮部的峰形和峰位相似显示性较大，而峰面积却存在较大的差异。通过对光谱图像的重构和分类处理，可以清晰地看出中药黄连各部分的活性成分的空间分布状况。统计三个部位中的像素所占面积的对比情况，结果显示，木质部、髓部、皮层各自占的总面积分别为30.3%、18.5%、51.5%。由此可以看出，中药黄连饮片中的主要活性成分在木质部中含量最高、其次是髓部、皮层中的含量最低[5]。3中药黄连饮片活性成分的检测结果讨论
论文对中药黄连饮片活性成分检测的目的是为了观察了解中药黄连饮片中活性成分的分布，有效的对其药用部位进行质量评价。论文以中药黄连饮片为研究对象，结合中药鉴定学与分析化学知识，运用光谱成像分析技术对中药黄连饮片活性成分进行检测。通过对中药黄连饮片活性成分的检测数据的分析，可以看出中药黄连饮片不同组织结构中活性成分的分布差异性比较明显，而且这也直接决定着入药部位的如何选择，但目前中药入药部位的选择主要通过经验来判断的，这对药效的发挥及药品质量的控制都是非常不利的。论文运用荧光光谱成像分析技术对黄连饮片的活性成分进行了检测，实验结果显示可以通过分析黄连饮片不同组织部位的光谱特征，运用主成分分析法确定检品活性成分的空间分布。同时，还可以进一步通过图像分割，获得饮片各组织结构的空间分布及其活性成分的相对含量，这些数据都可以为入药部位的质量控制提供依据。4结语
通过论文的研究发现黄连饮片根茎的不同部位中所含的活性成分量存在一定的差异，其中木质部中含量最高、皮层中的含量最低。同时，论文还可检测出不同部位像素所占的空间面积比例，有效的检测出活性成分具体的分布情况。这些数据不仅有利于确定黄连饮片的主要药效成分，而且可以为其入药提供科学依据。最后，希望论文的研究为相关工作者及研究人员提供借鉴和参考。参考文献
[1]赵静，庞其昌，马骥，等.中药黄连饮片活性成分分布的检测研究[J].光谱学与光谱分析，2012，31（6）：1692-1697.
[2]李彩虹，周克元.黄连活性成分的作用及机制研究进展[J].时珍国医药，2010，21（2）：466-470.
[3]Youn MJ，SO HS，Cho HJ，et al.Berberine a natural product combined with cisplatin enhanced apoptosis through a mitochondria caspase mediated pathway in HeLa cell[J].Biol Pharm Bull，2011，31（5）：789.
主成分分析论文范文第4篇
[关键词] 主成分分析聚类分析物流园区功能定位
一、引言
近年来,我国物流业发展迅速,物流园区作为物流发展中的一个重要节点,作用日益突出,各个地方纷纷兴起建设物流园区的。据不完全统计,目前全国至少有20多个省市和30多个中心城市政府制定了区域性物流发展规划和政策,还有数不胜数的城市、乡镇甚至街道办事处都要发展物流园区。各个地区物流园区的盲目建设致使物流园区规划建设中存在功能定位不清、盲目攀比、变相圈地等现象。
2004年国务院针对各地由于纷纷盲目建设物流园区出现的不少问题决定将物流园区列入整顿范围。今后的物流园区建设将进入冷静、科学和多元化发展阶段。在全国各地区、 部门和行业分割的管理下,为了防止物流园区在各地布局结构趋同及资源重复配置,有必要对物流园区作更高层次的统筹规划,以实现区域内物流园区的协调发展。
本文针对各地物流园区建设中存在的功能定位不清,资源重复建设等问题,试图从宏观层面通过对物流园区依托地区的条件分析,以及对各有关地区的横向比较研究,确定物流园区宏观布局载体的层次结构体系,判断某地区适宜建设的物流园区层级,对物流园区的空间类型进行合理划分,进而对物流园区进行合理定位。为此,借助主成分和聚类分析方法,通过使用多个经济指标,实现物流园区空间类型划分,以期望对我国的物流园区建设提供一定的指导与借鉴作用。文中选取泛珠三角地区进行实证分析。
二、物流园区空间类型及功能
物流园区空间类型是指物流园区的空间层次类别。物流园区空间层次主要是指物流园区空间布局体系中的层次等级问题。物流园区的层次定位主要取决于其在整个物流服务网络中的地位和作用。根据物流园区主要空间服务地域层次可以将其划分为国际性物流园区、区域性物流园区和城市性物流园区。其布局的空间层次关系如表2.1所示。
对物流园区宏观空间布局层次的划分主要是对其载体层次的划分。分析物流园区宏观布局层次类别,主要是判断作为其宏观布局载体的省区和城市能够建设的最高级别物流园区种类情况。物流园区空间布局载体主要分为如下3个层次类别。
上层为国际枢纽型物流园区载体城市,也可称为物流中心城市,该类城市具有良好的经济发展水平和优越的交通区位优势,建有或具备条件建设国际枢纽型物流园区,其物流服务辐射范围广,物流相关作业规模大。
中层为区域集散型物流园区载体城市,该类城市具有较好的经济发展水平和较好的交通区位优势,建有或具备条件建设区域集散型物流园区,其物流服务辐射范围一般在本区域内。在物流园区布局层次体系中,此类城市主要承担联结上下两类层次城市的功能。
基层为物流本地生成城市,该类城市是物流服务的本源需求地和最终消费地,因此每个地级城市一般都需要建设本地配送型物流园区。此外,随着区域经济一体化的发展,城市群作为空间经济体系不断出现,应当考虑在密集的城市群间规划布置公共的配送型物流园区。
三、主成分分析与聚类分析在泛珠三角物流园区功能定位中的应用
1.主成分分析及聚类分析基本原理
主成分分析(Principal Component Analysis)是多元统计分析中一种重要的方法,用来考察多个定量(数值)变量间的相关性。在多指标(变量)的研究中,由于变量的个数较多,并且彼此之间存在一定的相关性,因而使得所观测的数据在一定程度上反映的信息有所重叠,而且当变量较多时,在高维空间中研究样本的分布规律及特征比较麻烦。它是研究如何通过少数几个主分量(即原始变量的线性组合)来解释多变量的一种方差-协方差结构。主成分分析的应用使问题得到简化,即采用降维的方法找到几个综合因子来代表原来众多的变量,使这几个综合因子尽可能反映原来的信息,而且彼此之间不相关。
聚类分析(Cluster Analusis)是统计学所研究的“物以类聚”问题的一种方法,它属于多变量统计分析的范畴。它是一种建立分类的方法,能够将一批样本数据(或变量)按照它们在性质上的亲疏程度在没有先验知识的情况下自动进行分类。这里,一个类就是一个具有相似性的个体的集合,不同类之间具有明显的非相似性。在分类过程中,不必事先给出一个分类标准,聚类分析能够从样本数据出发,客观地决定分类标准。
2.主成分分析与聚类分析在泛珠三角物流园区功能定位中的应用
“泛珠三角区域合作与发展论坛”的举行,标志着包括华南九省区以及港澳两个特别行政区的泛珠三角合作全面启动。目前,泛珠三角区域正在协力打造全中国最为庞大的一体化产业带、交通网以及信息流,在发展物流业的过程中,泛珠三角区域各大城市应根据各自的产业布局,以及优势,实行对物流产业的合理定位与规划,进而达到各城市在物流基础设施的规划和布局方面要相互协调发展的目标。本文利用主成分及聚类分析法,对泛珠三角各省区的物流业进行综合分析,对各省区的物流园区空间类型进行科学定位,从而得出各省区适宜建立的物流园区层级。
(1)评价指标的选取。建立分类指标体系的目的是为了对物流园区宏观布局载体样本进行分类研究,在进行物流园区空间布局载体分类指标体系的选取时,建立科学合理的指标体系关系到分类结果的正确性。因此,在选择指标体系时,应充分考虑各种因素的影响,然后选择出影响较大的因素和条件进行分析。
本文从研究的总目标出发,采用系统分析的方法,结合物流园区与其空间载体的相互关系,注意空间载体对不同层次类别物流园区的适应性,建立一个系统完整、有机可行的评价指标体系。采用频度统计法、理论分析法和专家咨询法以满足指标选择的各项原则。本文选取GDP(X1)、人均GDP(X2)、GDP增长率(X3)、居民消费水平(X4)、工业总产值(X5)、工业增加值(X6)、社会消费品零售总额(X7)、交通运输仓储及邮电通信业(X8)、批发零售贸易业总额(X9)、制造业总额(X10)、实际利用外资额(X11)、进出口总额(X12)、外商投资企业数(X13)、社会货运量(X14)、铁路货运量(X15)、公路货运量(X16)、水路货运量(X17)、铁路网密度(X18)、公路网密度(X19)、公路货物平均运距的倒数(X20)、地理区位(X21)、是否为全国通枢纽规划城市(X22)等22项指标。
(2)主成分分析结果。以泛珠三角区域内9个省区为研究对象(考虑到数据的可得性,以及香港和澳门的特殊地位,文中未将两个特区纳入研究范围),将9个省区的22项指标用主成分法进行分析,得到22个主成分。根据累计方差贡献率超过85%的原则,提取前5个主成分作为第一、第二、……第五主成分,其累计方差贡献率达98.064%(见表2)。这说明前5个主成分已提供了全部原始数据的98.064%的信息。
(3)聚类分析结果。根据主成分的计算方法,得到各主成分的特征向量,根据各主成分特征向量,计算前5个主成分的标准得分系数,将主成分的得分系数代替原始指标进行聚类分析。利用统计软件SPSS12.0中的系统聚类方法,对9个省份进行R型聚类,即对个案聚类,得到聚类结果,如图所示。
(4)泛珠三角区域物流园区空间类型定位。通过对各省区的聚类分析,从图可以看出,泛珠三角地区物流园区空间类型可分为3类,广东为一类,江西和湖南为一类,福建、广西、贵州、海南、四川和云南等5省为一类。
结合实际可见,聚类分析的结果较符合实际。这3类都有各自的特点:
①广东省是泛珠三角地区重要的交通枢纽,港口、机场和陆路交通十分发达,省区内多种运输方式骨干线网交汇,工业商业、宏观环境、经济发展等优势明显,发展物流所依托的各方面资源都很好,因此,广东省具备建成国际枢纽型物流园区的条件,广东省在泛珠三角地区处于物流园区空间布局的最高层次,是物流园区布局的1类地区。
②江西和湖南两省在泛珠三角地区中除广东省外地区实力较强的省区,发展物流的综合实力比较突出,因此,这两个省份适于建成区域集散型物流园区,是物流园区空间布局的2类地区,适宜建成跨省区区长途运输和省区城市间配送体系的转换枢纽,承担周边省区与城市物流的集散功能。
③福建、广西、贵州、海南、四川和云南5省发展物流的实力较弱,属于物流园区空间布局的3类地区,即物流本地生成城市,适于建成城市型物流园区,主要保障商贸与城市生产,承担各自省区的物流配送业务。
四、结语
文中选取反映物流业发展的22项指标,通过主成分分析法,建立主成分模型,在主成分分析的基础上进行聚类分析,以主成分得分系数代替原始指标进行聚类,在聚类分析时,用多种聚类方法进行分析,聚类结果较为一致,这表明将主成分与聚类分析法相结合,可有效避免原始指标间存在相关性造成聚类偏差,聚类结果较为客观准确。
本文在分析泛珠三角区域物流业发展的基础上,为了合理对泛珠三角区域内各省区的物流园区进行定位,首先从宏观层面,采用聚类分析法分析泛珠三角范围内各省区的物流园区的空间类型,然后,从微观层面,在确定各省区物流园区空间类型的基础上,对各省区的物流园区功能进行定位,分析的结果较符合客观实际。在目前物流园区建设热中,可将该方法应用在确定全国物流园区的宏观空间布局规划中,通过分析全国物流园区空间类型,以便提高物流园区规划建设的决策科学性,避免和减少极易出现的盲目投资和重复建设。
参考文献:
[1]汪鸣:宏观调控环境中物流的收获与期待――2004年我国物流发展综述[J].综合运输,2005
[2]王庭建:物流园区及其建设发展研究[J].物流科技,2005,28(114)
[3]张晓东:物流园区布局规划理论研究[M].北京:中国物质出版社,2004
[4]薛薇:SPSS统计分析方法及应用[M].北京:电子工业出版社,2004
主成分分析论文范文第5篇
关键词：上市公司财务；绩效评价；主成分分析法
企业财务绩效问题一直是一个热点问题，而大部分研究关注的问题集中于两点，即如何选择指标和如何测定权重。传统方法多为主观赋权，较易受到主观性影响。本文采用基于主成分分析的多元统计法，全面选取绩效评价指标，并以此为基础构建汽车行业上市公司财务绩效评价模型。
一、分析样本及指标的选取
（一）分析样本的选取
依据中国证监会的《上市公司行业分类指引》，同时考虑数据的可获得性和企业的代表性，现选取深圳证券交易所和上海证券交易所网站上公开披露的汽车制造业上市公司的2015年年度财务报告为样本，共计20份。将数据异常的样本剔除，最终得到16个有效样本。
（二）财务指标的选取
1.指标选取的原则
指标的选择需遵从相应原则：（1）兼顾全面性与简洁性。选取的指标既需要涵盖足够的变量，又要尽量用精简的语言全面评价汽车行业上市公司绩效。（2）具有结果导向性。选取的指标应体现企业的竞争力与发展潜力，因此应有导向性地选择汽车行业上市公司绩效评价指标；（3）具有可操作性。绩效评价指标的选取应全面反映企业的本质特征，可供进行财务绩效分析；（4）横向、纵向可比性。选取的指标应具有可比性，即在同一地区的不同时间或同一时间的不同地区可比，以体现历史数据的可靠性。
2.指标的选取
现从汽车制造业上市公司的盈利能力、偿债能力、经营能力和投资者获利能力来选取财务指标。共选取财务绩效指标10个，分别为：加权平均净资产收益率（%）、扣除后每股收益、总资产周转率（%）、每股净资产、存货周转率（%）、速动比率、净利润率（%）、资产负债率（%）、总资产报酬率（%）、应收账款周转率（次）。
二、模型构建与实证分析
（一）建模方法
一方面，指标数量较多，相关性影响较大；另一方面，各公司的绩效评价需通过综合得分考查。因此，现采用主成分分析法，一方面减少指标数量，降低相关性影响；另一方面，客观计算各指标权重，使绩效评价科学合理。
（二）主成分分析过程
1.利用SPSS 22.0软件进行运算
将样本数据导人SPSS 22.0软件，对原始数据进行标准化处理，得到相关系数矩阵，结果显示方差累积贡献率达到93.228%，由于满足方差累积贡献率应大于85%的原则，即用以下5个特征值代表原有的10个变量可行，所选取样本能够反映整体财务绩效水平，从而进行主成分分析可行。
在主成分载荷矩阵中，第一主成分中载荷最高的是总资产报酬率，因此第一主成分主要反映公司的盈利能力。第二主成分中载荷最高的是应收账款周转率（次），所以该主成分主要反应企业偿债能力。同理第三、四主成分是主要反映企业的经营能力，第五主成分主要反映企业的投资者获利能力。
2.各主成分及综合得分及排名
采用主成分分析法，将5个主成分进行线性组合，所得各主成分得分及综合得分结果为：
Y1=0.484X1+0.436X2+0.431X3+0.317X4+0.315X5+-0.209X6+0.223X7+0.061X8-0.264X9+0.153X10
Y2=0.036X1-0.058X2+0.217X3-0.314X4-0.283X5+0.468X6+0.457X7+0.424X8-0.370X9-0.163X10
Y3=-0.072X1-0.347X2+0.229X3-0.150X4 +0.248X5-0.200X6+0.142X7+0.526X8+0.445X9+0.451X10
Y4=0.048X1-0.020X2-0.237X3+0.355X4-0.275X5+0.233X6-0.379X7+0.287X8-0.328X9+0.593X10
Y5=0.196X1+0.106X2-0.015X3-0.096X4
+0.550X5+0.540X6-0.461X7+0.234X8+0.145
X9-0.245X10
Y=0.409Y1+0.213Y2+0.172Y3+0.114Y4+0.092Y5
（表4）
（三）运行结果分析
由表4各主成分及综合得分及排名可知，一汽轿车在各主成分及综合评价方面，排名均位列第一。而长城汽车和长安汽车仅次于一汽轿车，分别位列第二、第三。长城汽车偿债能力、经营能力和投资者获利能力均处于行业前列，而盈利能力稍有欠缺。长安汽车的四个财务指标均位于第三位，其财务指标结果较为平均。从综合指标角度来看，在体现“偿债能力”和“经营能力”的第二、三、四主成分中排名第一、第二的一汽轿车和长城汽车，其综合排名也分别位列第一、第二，这表明财务指标中“偿债能力”和“经营能力”对汽车行业上市公司的财务绩效评价的影响更大。
从综合得分来看，排名前五位的一汽轿车、长城汽车、长安汽车、上汽集团和江淮轿车财务状况良好，而安凯客车、东风汽车、曙光股份财务排名位于后三位，其财务绩效有待提高。上表所示各指标对公司财务绩效评价反映与事实情况基本相符。
三、结论
本文主要运用多元统计法，并以主成分分析法为基础，全面科学地选取财务指标并构建汽车行业上市公司绩效评价模型。以主成分分析法为基础评价汽车行业上市公司财务绩效，一方面可以为管理层提供决策依据，以深入了解和确认公司在行业中的准确位置，从而提高公司业绩与绩效水平；另一方面，该绩效评价结果可以为公司的风险承担者提供更全面、更有用的相关信息，督促投资者慎重选择。
本文以汽车制造业16家上市公司为样本，综合分析各样本财务绩效水平，为管理者进行企业绩效评价提供参考，为投资者进行投资提供数理分析层面的有效建议。
参考文献：
[1]朱成亮，岳宏志.主成分分析在我国上市公司财务评价中的应用[J]. 技术经济与管理研究，2008（5）：9―12.
[2]高铁梅.计量经济分析方法与建模[M].北京：清华大学出版社，2009：467.
[3]刘锐，赵梦晶.基于综合财务指数的上市公司总体财务评价研究[J].会计之友，2008（11）：93―95.
[4]刘晨飞.财务绩效、财务政策及财务战略分析[D].中国硕士学位论文全文数据库，2009.
主成分分析论文范文第6篇
Abstract： （Method）The method of principal component analysis is be used in this content，（Objective）and evaluated science and technology of innovation ability in the western of twelve provinces in China. And ranked for the provinces of the ability of innovation of science and technology，（Result）analysis to improve the ability of innovation of science and technology approach.
关键词： 主成分分析；科技创新能力；综合评价
Key words： the method of principal component analysis；innovation of science and technology；evaluation of comprehensive
中图分类号：G31 文献标识码：A 文章编号：1006-4311（2012）30-0309-02
0 引言
研究的重要意义。中国西部是指西北、西南12个省、自治区和直辖市，包括内蒙、宁夏、陕西、甘肃、青海、新疆、、四川、重庆、贵州、云南和广西。西部国土面积约685万平方公里，占全国的71.4%，作为中国的欠发达地区，西部的科技发展水平的确不如我国其他地区，但在国家政策和不断上升的经济发展水平的带动下，西部地区的科技发展水平，特别是科技创新能力在以高于全国平均水平的速度提高。（研究拟解决的关键问题）本文运用数理统计中的主成分分析方法，对西部12个省的科技创新情况进行分析，按科技创新综合能力评价各省相对地位。
研究的切入点。由于获取数据的难度，本文选取了反映科技创新能力的3个一级指标：科技资源、高新技术、科技成果；13个二级指标：每万人口科技活动人员数、R&D人员数、科技经费支出额、科技经费支出占当年当地GDP的比重、R&D经费支出额、R&D经费支出占当年当地GDP的比重财政科技拨款占财政支出比重、高技术产业规模以上企业产值、高技术产业规模以上企业增加值、高技术产品进出口额、专利授权量、国内中文期刊科技论文数、技术合同成交额。如表1所示。
针对以上指标，本文选用了2007年西部12个省份的数据，如表2所示。
1 主成分分析
根据表2中的数据，利用SPSS软件可得X1-X13的相关系数矩阵R的特征值，贡献率与累计贡献率，见表3。
由3表可知，主成分个数为2时，累积贡献率已经达到87.054%（？叟85%），选择两个主成分已经足够，因此，选取前两个作为第一主成分、第二主成分。
各指标的原始值标准化：
yij=■
其中■■，s■，是第j个指标的样本均值和样本标准差。标准化后得到数据阵为（表4，表5）。
有Component Matrix 可知R的特征值？姿j对应的标准化特征向量lj，即为该矩阵的第j列的■分之一，j=1，2，…
lj=aij/■
设M1、M2分别代表第一、第二主成分，则：
M1=0.2390*X1*+0.3196*X2*+0.3184*X3*+
0.2627*X4*+0.3196*X5*+0.2735*X6*-
0.0227*X7*+0.3001*X8*+0.2981*X9*+
0.2827*X10*+0.2803*X11*+0.3063X12*+
0.2484*X13*
M2=0.4621*X1*-0.073*X2*-0.1156*X3*+0.4079*X4*-
0.0476*X5*+0.372*X6*+0.3254*X7*-
0.2533*X8*-0.2679*X9*-0.3047*X10*-
0.2741*X11*+0.107*X12*+0.1992*X13*
式中Xj*（i=1，2，…）是Xij*的标准化，即
xi*=■，
其中■■表示xij的平均值，Si表示xij的标准差，第一个主成分M1的贡献率已达73.606%，因此M1是科技创新能力较强的指标。M2的贡献率为13.448%，其在X4（科技经费支出占当年当地GDP的比重）、X6（R&D经费支出占当年当地GDP的比重）、X7（财政科技拨款占财政支出比重）上有较大载荷，其他系数较小或为负值，说明M2主要反映科技投资方面情况。
为了对12个省份的地位做一个综合评价，现将主成分M1、M2按贡献率综合为如下加权综合量：
M=■*M1+■*？驻*M2
其中，？姿1和？姿2分别表示第一、第二特征值，？驻=Sgn（L1+L2+.....+L7）为符号函数。在本文中，M=0.8455*M1+0.1545*M2，由此得到主成分得分及排序表6。
按照加权综合量M值的大小，可以得到我国西部12省的科技创新能力排名。第一名为四川省，第二名为陕西省，第三名为重庆，第四名为甘肃省，第五名为云南省。其次分别为：广西，内蒙古，贵州，宁夏，新疆，青海，。
2 结论
综合分析所得结果，可以得出地区科技创新能力的高低，不仅与科技人力和资本的投入有关，而且受到省份所处地理位置、基础经济等综合因素的影响。因此，提高科技创新能力，必须从加快提高经济综合发展水平做起。大力发展经济，加强基础设施建设；以国家政策扶持为契机，加快改革科技体制；重视基层科技工作，加大科技人才和资金投入。
参考文献：
[1]司海静.国家创新体系对企业科技创新促进作用研究[J]. 现代商贸工业，2008，（12）.
主成分分析论文范文第7篇
（1山西省农业科学院小麦研究所，山西临汾041000；2安泽县农业局，山西安泽042500）
摘要：为了探究不同年际间夏玉米穗部多性状统计数据的内在关联规律，以晋南地区品比圃鉴定2 个玉米对照品种和7 个杂交组合为研究对象，调查2011—2013 年3 年间11 个玉米穗部性状因子的数据，通过主成分分析，提取3~4 个主成分，评价各杂交组合在穗部性状上的数量差异。结果表明，不同年际间提取的各主成分侧重反应的穗部性状分量各有不同，但在分别构建主成分评价函数后，主成分评价得分表现相似的变化趋势；与对照品种（‘郑单958’、‘先玉335’）相比，杂交组合PB6和PB7综合主成分得分较高，表现出优异的综合穗部性状信息，存在一定的增产潜力。因此，可将主成分分析作为玉米常规育种的辅助数据分析手段，提高育种效率。
关键词 ：主成分分析；穗部性状；评价函数
中图分类号：S513.01 文献标志码：A 论文编号：2014-0818
基金项目：山西省农科院育种工程“优质多抗中早熟玉米新品种选育”(11YZGC055)。
第一作者简介：赵玉坤，男，1984 年出生，山西运城人，助理研究员，硕士，主要从事玉米遗传育种及栽培研究。通信地址：041000 山西省临汾市幽并街33号省农科院小麦研究所，Tel：0357-2882569，E-mail：tykzhao@163.com。
通讯作者：高根来，男，1956年出生，山西襄汾人，研究员，主要从事玉米遗传育种及栽培研究。E-mail：gaogenlai_1956@126.com。
收稿日期：2014-08-17，修回日期：2014-10-09。
0 引言
玉米穗部性状与产量密切相关，通过玉米穗部性状间接筛选优良品种的效率要远高于对产量的直接筛选[1]，针对具体穗部性状目的明确地遗传改良，能够有效提高玉米田间产量[2-4]，如何借助于有效的数据统计分析手段，评价玉米穗部多性状的综合优劣程度，是玉米育种工作的重要环节。本研究宗旨在通过对晋南地区3 年间夏玉米穗部性状数据的主成分提取及函数评价分析，揭示穗部多性状数据在不同主成分载荷上的内在关联规律，以主成分函数模型评价不同玉米品种穗部性状的综合表现，为玉米高效育种提供理论参考。基于多元统计分析的主成分分析法(PrincipalComponent Analysis，PCA)，通过少数几个彼此不相关的主成分来解释多变量的方差-协方差结构，将多变量从高维空间映射到低维空间，简化多变量数据分析，已在模型建立[5-6]、指标评价[7-8]中有较多应用。
玉米穗部性状大多是由微效多基因控制的数量性状，受外界复杂环境因子的支配影响较大，因此，在穗部性状研究中多采用一些生物数理统计方法，来完成对玉米穗部性状的综合评价[9-11]，常用的方法有相关分析、通径分析、灰色关联度分析等。崔震海等[12]研究了在玉米苗期不同供水条件下穗部性状与产量的相关关系，结果表明在苗期正常供水条件下，百粒重对产量的影响较大，在苗期轻度干旱胁迫条件下，粒长和出籽率与产量关系最密切，在苗期中度干旱胁迫条件下，行粒数对产量的影响较大。王久光等[13]利用通径分析方法研究了阴雨寡照条件下玉米穗部性状与产量的相关规律，表明穗行数、千粒重、行粒数对产量的直接作用较大，秃尖长虽然直接作用比较小，但它要通过行粒数、千粒重来对产量造成影响，在实际育种中要注意协调选择。岳尧海等[14]应用灰色理论关联度分析法，对夏玉米7 个数量性状与子粒产量进行分析，表明各性状与产量的灰关联度依次顺序为，叶数>行粒数>株高>穗长>百粒重>穗行数，在玉米常规育种中要兼顾各性状对产量的促进作用，协调一致，充分发挥杂交种自身增产的最大潜力。主成分分析方法作为一种有效的数据统计分析手段，在玉米穗部性状研究中应用较少，且未形成成熟的系统理论，因此，笔者选取品比圃试验的2 个玉米对照品种和7 个玉米杂交组合为试验材料，通过调查记录2011—2013 年3 年间11 个玉米穗部性状因子的数据，利用主成分分析法进行主成分提取和构建函数评价，比较、分析杂交组合与对照品种间的差异，从而为玉米新品种的选育提供统计依据和理论借鉴。
1 材料与方法
1.1 试验材料
试验于2011—2013 年在山西省农科院小麦研究所玉米试验田品比圃进行，试验地前茬为休闲用地，土壤为石灰性褐土，播种前养分含量为：有机质14.30 g/kg，碱解氮37.80 mg/kg，速效磷11.52 mg/kg，速效钾125.00 mg/kg，pH 7.48。
材料选取7 个玉米杂交组合和2 个对照品种，具体种类如表1 所示，分别于2011 年5 月22 日、2012 年5 月25日和2013年5月24日播种，播种密度为49500株/hm2，宽窄行种植，宽行行距0.70 m，窄行行距0.50 m，株距0.33 m。采用随机区组设计，3 次重复，共27 个小区，每小区4 行，行长10 m，面积为24 m2左右。玉米生育期内追肥、除草等田间管理统一进行。
1.2 调查项目及方法
在玉米成熟期时，每小区随机选取10 株，调查株高(m)和穗位高(m)，计算穗位系数（穗位高/株高）。待玉米收获后，从小区取样12 穗中调查穗长(cm)、穗粗(cm)、秃尖长(cm)、穗行数、行粒数、百粒重(g)、单穗重(kg)、单穗粒重(kg)、出籽率(%)各指标，调查参照国家玉米区域试验记载标准进行。选择上述11 个穗部性状（株高除外）作统计分析。
1.3 数据分析
数据采用Excel 2003 和spss 16.0 进行统计分析。玉米穗部性状的不同参数有不同的量纲，因此有较大的数量级差别，为了排除由此对结果分析造成的干扰，需要对原始数据进行标准化处理。采用标准差标准化，用标准化后的数据进行主成分分析。
其中主成分评价函数Fp和综合主成分F 的构建[15]采用以下公式：
式中Zi为标准化后变量，，按方差累积贡献率≥85%确定主成分数目。
2 结果及分析
2.1 不同穗部性状的主成分方差分解和特征值
在SPSS 软件中进行Factor 分析，可得到提取主成分的原始特征值（表2）、主成分载荷矩阵（表3）。从表2 中可以看到，在2011 年，第1 主成分(4.097)的方差贡献率为37.249%，第2 主成分(3.153)的方差贡献率为28.662%，第3 主成分(1.931)的方差贡献率为17.558%，第4 主成分(1.009)的方差贡献率为9.17%，提取的前4个主成分累积贡献率为92.639%，能较好地反映原先11 个穗部性状数据指标的大部分信息及变化趋势，符合累积贡献率≥85%的条件，因此共提取4 个主成分，完成后续数据分析。同理，对2012、2013 年的11 个穗部指标分别提取4 个、3 个主成分完成接下来的分析。
2.2 不同穗部性状主成分载荷值
表3 中，2011 年在第1 主成分上有较大载荷值的性状分量分别为穗长(0.933)、单穗粒重(0.885)、单穗重(0.818)、穗位高(0.738)；在第2 主成分上有较大载荷值的性状分量分别为出籽率(-0.784)、秃尖长(0.707)、穗粗(0.706)；在第3 主成分上有较大载荷值的性状分量分别为穗行数(0.777)、穗位系数(0.647)；在第4 主成分上有较大载荷值的性状分量分别为行粒数(0.477)、百粒重(-0.452)；4 个主成分中每个主成分均能综合反映11 个穗部性状因子的数据信息，具体到每个主成分其优先反映的穗部性状指标各不相同，而这4 个主成分能代表原始11 个玉米穗部性状因子数据的综合信息，从而简化了数据分析的工作量和避免了变量重叠的误差。
在2012年第1 主成分载荷值高的性状分量为穗位系数(0.866)、百粒重(0.854)、单穗粒重(0.79)、穗长(-0.747)、穗行数(0.726)；在第2 主成分载荷值高的性状分量为穗位高(-0.615)、出籽率(-0.585)、单穗重(0.584)、秃尖长(0.578)；在第3 主成分载荷值高的性状分量为穗粗(0.817)；在第4 主成分载荷值高的性状分量为行粒数(0.652)。在2013 年，穗行数(0.835)、穗位高(0.854)、单穗重(0.78)、单穗粒重(0.716)4 个指标在第1主成分有较高载荷；在第2 主成分有较高载荷量的指标分别是：秃尖长(0.865)、百粒重(0.833)；第3 主成分更多反映地是穗位系数(0.752)、穗粗(0.732)2 个穗部性状的综合信息。在2011—2013 不同年际间，提取的主成分侧重反应的穗部性状分量各有不同，说明主成分分析易受外界环境影响较大，且随着调查数据的不同而存在一定差异。
2.3 主成分评价函数构建及各主成分综合得分排序
按前述公式，利用穗部性状在各主成分载荷值、主成分特征值、标准化数据，即可构建主成分（F1、F2、F3、F4）及综合主成分F的函数表达式（表4）。将各穗部性状数据代入函数，即可求得各主成分和综合主成分的得分值，用所得数值大小对玉米品种及杂交组合作综合评价（表5），帮助筛选与对照品种相比评价较高的玉米杂交组合。
由表5 可知，2011 年各玉米品种及杂交组合在第1主成分F1上得分较大的有PB1、PB2、PB7、‘郑单958’、‘先玉335’；在第2 主成分F2 上得分较大的有PB1、PB4、PB6、‘郑单958’、‘先玉335’；在第3 主成分F3上得分较大的有PB1、PB3、PB6、PB7；在第4 主成分F4上得分较大的有PB1、PB2、PB6、‘先玉335’；在综合主成分F 上得分较大的有PB4、PB6、PB7、‘郑单958’、‘先玉335’；结合各主成分及综合主成分分析的结果，可以认为，与对照（‘郑单958’和‘先玉335’）相比，杂交组合PB4、PB6、PB7 在综合穗部性状上存在一定优势。同理类推，在2012 年和2013 年中，在主成分得分上与对照相比存在优势的杂交组合分别为PB2、PB6、PB7和PB6、PB7。通过分析不同品种及杂交组合3 年穗部性状主成分得分评价结果，杂交组合PB6 和PB7在2011—2013 年间均表现出优于对照的综合穗部信息，而穗部性状与产量密切相关，因此，杂交组合PB6（昌7-2 改良系×478 改良系）和杂交组合PB7（‘先玉335’变异株选系×18599 改良系）相比对照（‘郑单958’和‘先玉335’）有一定的增产潜力，可作为新品种的候选组合，申请参加省玉米品种预备试验。
3 结论与讨论
玉米杂交组合的筛选以产量为主要依据，而产量与玉米穗部性状密切相关。在常规育种实践中，若穗部性状的表观特征只存在微量的差异，则不容易决定组合的取舍。主成分分析法(PCA)可将多变量作降维处理，且原始变量的信息能最大程度地保存，从而为玉米杂交组合穗部性状的筛选提供了一种较为简便、准确度高的数据分析方法。宋江峰[16]采用主成分分析法对不同甜糯玉米品种软罐头的主要挥发性物质进行表征和区分，确定了不同品种甜糯玉米软罐头各自特有的挥发性风味物质组合。傅同良[17]通过对33 个糯玉米自交系进行主成分分析和遗传距离分析，初步提出了评选糯玉米自交系优劣的遗传主成分标准。Kroonenberg[8]研究了三维聚类法和主成分分析法在玉米数量性状分析中的应用，结果表明，这2 种方法能把变量范围降维为几个易于区分和计算的变量组，从而有助于对玉米新的变量特征的研究。
在本研究中，通过对2011—2013 年间11 个玉米穗部性状数据的主成分分析，主成分提取个数、各主成分在穗部性状上的载荷值在3 年间存在一定差异，说明主成分数据分析随着数据采集地点、年份的不同而不同。3 年间在不同玉米品种及杂交组合穗部性状的各主成分及综合主成分函数评价上，主成分得分表现出相似的变化趋势，杂交组合PB6 和PB7 与2 个对照品种相比，在主成分得分上表现优良，可作为选育新品种的候选组合。数据经过PCA方法处理后，11 个穗部性状指标最终可以用3~4 个主成分来综合表征，简化了原始多元数据的统计分析，具有一定的实践应用价值。因此，作为一种玉米常规育种的辅助数据分析手段，主成分分析(PCA)方法能有效指导育种实际，缩短育种进程，为玉米数量化育种研究提供了新的方向。
参考文献
[1] 谭巍巍，王阳，李永祥，等.不同环境下多个玉米穗部性状的QTL分析[J].中国农业科学，2011，44（2）：233-244.
[2] 李召锋，梁晓玲，阿布来提，等.不同年代主要玉米品种穗部性状演变研究[J].玉米科学，2010，18（4）：27-31.
[3] Lopez- Reynoso D J， Hallauer A R. Twenty- seven cycles ofdivergent mass selection for ear length in maize[J]. Crop science，1998（38）：1099-1107.
[4] 岳竞之，张莉，张春荣，等.夏玉米主要穗部性状结构分析和高产育种探索[J].玉米科学，2005，13（3）：47-49，52.
[5] 乐美旺，张冬仙，熊永鹏，等.黑芝麻数量性状的主成份分析及其应用[J].中国油料，1995，17（3）：72-74.
[6] Liu X Q， Chen， X G， Wu W F， etal. Process control based onprincipal component analysis for maize drying[J]. Food Control，2006，17（11）：894-899.
[7] 鲍艳，胡振琪，柏玉，等.主成分聚类分析在土地利用生态安全评价中的应用[J].农业工程学报，2006，22（8）：87-90.
[8] Kroonenberg R M， Basford K E， Ebskamp A G M. Three- waycluster and component analysis of maize variety trials[J]. Euphytica，1995（84）：31-42.
[9] 李言照，东先旺，刘光亮，等.光温因子对玉米产量及产量构成因素值的影响[J].中国生态农业学报，2002，10（2）：86-89.
[10] 张春荣，岳竞之，张莉，等.玉米子粒含水量与穗部性状的相关分析[J].玉米科学，2007，15（1）：59-61.
[11] 程昕昕，李晶晶，王俊，等.不同玉米穗部性状的配合力分析[J].中国农学通报，2009，25（15）：64-67.
[12] 崔震海，张立军，樊金娟，等.玉米苗期不同供水条件下穗部性状与产量的相关分析[J].华北农学报，2008，23（1）：123-127.
[13] 王久光，蔡一林，孙海燕，等.阴雨寡照条件下玉米穗部性状与产量的相关分析[J].西南农业大学学报：自然科学版，2006，28（6）：910-912.
[14] 岳尧海，周小辉，杨贤成，等.夏玉米产量性状与产量的灰色关联度分析[J].玉米科学，2004，12（4）：21-22.
[15] 何晓群.现代统计分析方法与应用[M].北京：中国人民大学出版社，1998：521-522.
主成分分析论文范文第8篇
关键词：财务危机 预警 多元统计分析
一、 企业财务危机和多元统计分析
企业在经营过程中由于无力按时偿还到期的债务而产生的危机和困难就是企业的财务危机。一般来说，判别企业财务危机的常用标准是企业破产和证券交易中面临的退市现象。而企业是否能够生存下去的关键性因素正是如何正确处理好企业的财务危机。
多元统计分析是属于统计学中的一个重要分支，作为一种综合分析方法，能够在多个对象和指标相互关联的条件下分析其统计规律，“内容包括多元正态分布及其抽样分布、多元正态总体的均值向量和协方差阵的假设检验、多元方差分析、直线回归与相关、多元线性回归与相关(Ⅰ)和(Ⅱ)、主成分分析与因子分析、判别分析与聚类分析、Shannon信息量及其应用。”
目前，由于我国的会计制度还存在一定的缺陷，时效性和精准性都还达不到要求，因而本文主要从企业由于现金流短缺，不足以支付所欠到期的债务而产生的财务危机的角度，利用多元统计分析的方式进行统计和分析。
二、多元分析的基本思路
据有关调查显示，现代经济市场行业类别的差异性导致了财务危机预警模型及参数的不同，所以需要采取不同的模型和方法来进行研究。运用多元统计分析方法进行多种变量模式的实证分析，从而提高了模型的针对性和可操作性。针对企业的多个财务指标，可以用聚类分析法进行统计分析，然后用判别分析法进行预测判别，最后用主成分分析法进行提取分析，根据最终的综合得分对样本进行适当排序，从而发现财务危机的状况，运用数据分析软件SPSS进行数据处理分析，建立企业财务危机预警模型。
三、 利用判别分析和主成分分析建立企业财务危机预警模型
第一，选择样本和变量选取。
在企业财务危机模型的建立过程中，首先要在企业中利用抽样方法进行选择。一般来说，可以选择随机抽样和对应样本法。
在企业中，选取“销售净利率、主营业务利润率、净资产收益率、资产净利率、每股收益( EPS) 、应收账款周转率、存货周转率、总资产周转率、营运资本总资产比、资产负债率、流动比率、现金负债总额比(债务保障率) 、现金流动负债比、现金流入流出比率、销售现金比率、每股净资产来建立指标体系作为分析变量……”等28 个指标是企业盈利、偿还等能力和资本实力的展现，也是交全面的反映企业的财务状况的指标，多变量模型的财务预警分析中，变量越多选择的余地越大，模型建立就越好。
第二，判别分析
根据样本和变量的选择，利用判别分析法建立企业财务危机的预警机制；同时根据判别分析法分析统计的研究对象分类，创建一组判别函数，确定好判别的规则，分类待判别的样本。
一般来说，用的Fisher 线性判别函数是判别分析中比较常见的。函数形式为: “Yi = a1 x 1 + a2 x 2 + ?+ an x n + b ( i =1 ,2 , ?, k) 。其中, k 是判别组数, Y 是判别分数或判别值; x1 , x2 , ?, x n 是因变量或预测变量; a1 , a2 ,?, anj 是各变量的系数,即判别系数; b 是函数中的常数。”
而判别函数的方式主要是全模型法和逐步选择法。全模型法是指函数中所有的变量都作为因变量，而逐步选择法是一种能反映变量子集的差异性的判别函数，利用逐步引入变量的方式，直至所有的变量都不符合模型的既定条件。
判别分析的基本步骤体现为：一、选择函数中的因变量、组变量；二、“计算各组单变量的描述统计量,包括组内平均值、组内标准差、总平均值、总标准差、各组协方差矩阵、组间相关矩阵,并对组间平均值相等及协方差矩阵相等的零假设进行检验”；三、建立Fisher 线性判别模型并进行判别分组；四、样本判别分析和验证分类的精准率，最后再输出结果，下结论。
第三，主成分分析
在企业财务危机中，除了判别分析模型的建立之外，主成分分析也是较为普遍的方式。首先可以通过验证筛选，选择需要建立模型的初选变量，且变量间存在一定的相关性。在变量较多的情况下，高维空间的研究样本通常都比较复杂，因此需要利用主成分分析方法实施第二次筛选，使得模型精简化。
主成分分析主要是分析企业财务危机数据信息中较为主要的变量，综合变量又能尽可能多的反映原来变量的信息，并且彼此之间互不相关的一种降维的多元统计方法。在企业财务危机分析中，具体是指，对企业收集的原始数据和财务指标进行标准化的处理，取平均为零，方差取1；然后，利用标准化的数据计算财务指标间相关系数矩阵R；最后，按其相关矩阵计算求解相关系数矩阵的特征值和特征向量、贡献率及累积贡献率。
实际上，企业的财务危机预警分析总的多元统计分析还包括其他比较常见的分析方法，本论文主要讨论了主成分分析法和判别分析法，利用变量之间的关系通过函数建立企业财务危机预警模型。
结 语
随着市场经济竞争地加剧和证券流通的全球化，原有的市场机制逐步暴露出弊端，出现企业机构投资者和控股股东相互博弈的局面，而这些弊端正是企业危机的潜在表现，如不加强对企业危机的有效控制，就有可能导致企业破产。因此，利用多元统计分析，提前预测企业的财务危机，建立有效的预警机制，对企业来说具有非常重要的意义。
参考文献:
[1]李杰 王蔚佳 刘兴智 .多元统计分析在企业财务危机预警中的应用[J].《重庆建筑大学学报》 2004年05期 ，2004