《主成分分析法在贵州工业企业综合评价中的应用毕业论文.doc》由会员分享，可在线阅读，更多相关《主成分分析法在贵州工业企业综合评价中的应用毕业论文.doc（25页珍藏版）》请在三一办公上搜索。
1、本科毕业论文（设计）论文（设计）题目：主成分分析法在贵州工业企业综合评价中的应用学 院： 经济学院 专 业： 统 计 学 班 级： 08 统 计 学 号： 学生姓名： 指导教师： 2012年 5月 31 日贵州大学本科毕业论文(设计)诚信责任书本人郑重承诺，所写论文是在导师的严格指导下独立进行研究完成的。毕业论文（设计）中凡引用他人已经发表或未发表的成果、数据、观点等，均已明确注明出处。特此声明！ 论文设计者签名： 2012年5月31日 目录摘要1Abstract21. 绪论32. 国内外研究的现状和发展趋势43. 贵州工业企业发展现状分析53.1工业经济增长状况和经济实力53.2对国民经济发
2、展的贡献7 4.基于主成分分析的贵州工业企业综合评价8 4.1主成分分析法简述8 4.2指标体系的构建11 4.3对原始数据的处理分析12 4.4对分析结果的评价175.结论与政策建议186致谢信 207参考文献21附录22 摘 要本文通过对所搜集的相关数据进行分析，构建适应贵州省情和实际的工业发展评价指数，建立测度工业发展的指标体系，进而构建相关模型分析各指数的有效性及它们之间的联系，结合其不同的影响因素，建立合理有效的工业效益评价的方法及企业投入与产出指标体系，采用多元统计中的主成份分析法，把多个指标转化为几个综合指标，科学地选择有关指标要素，分析当前贵州工业发展状况，为企业管理者提供企业
3、经济效益评价的合理建议，促进贵州工业发展朝着高效率、高产出的方向不断前进。同时，通过测算一系列评价指标，综合评价贵州工业企业的各项指标，为进一步提高贵州工业企业经济效益给出合理建议，企业管理者通过定期对相关指标进行对比考核，对各项指标进行探索，努力朝着全国工业企业发展的各项平均指标靠近，不断提高，不断超越，在实践中不断提高生产技术。例如通过评价资金利税率、固定资产产值率、资金利润率等指标对各个工业企业运营情况进行比较或分类研究，对那些指标较差即效益不高的企业进行重点监督或督促，以至于不在发展中落后于其他各家企业，通过产生激烈的竞争，加快工业企业经济效益的提高。关键词：主成分分析；工业企业；经济
4、效益；综合评价AbstractThis article collected relevant data for analysis, construct of Guizhou province and the actual industry evaluation index, to establish the index system to measure industrial development, so as to construct the model analysis of the index of the effectiveness and the relations between
5、 them, according to the different influencing factors, to establish reasonable and effective industrial benefit evaluation method and enterprise investment and output index system, using multivariate statistics in the principal component analysis method, the multiple index into several comprehensive
6、 index, the scientific selection of relevant factors, analysis of the current situation of Guizhou industry development, for enterprise managers to provide economic benefit evaluation of enterprise reasonable suggestion, promote Guizhou industry development toward high efficiency, high yield the con
7、stant progress in the direction of. At the same time, by measuring a series of evaluation index, comprehensive evaluation of industrial enterprises in Guizhou of the indicators, to further enhance the economic benefit of industrial enterprises in Guizhou are given a reasonable proposal, managers of
8、enterprises through regular related index contrast examination, the various indicators of exploration, efforts towards the national industrial enterprises in the development of the average index close, continuously improve, surpass, in practice, constantly improve production technology. For example,
9、 through the evaluation of capital interest tax rate, value of fixed assets rate, profit rate on funds and other indicators of all industrial enterprises operating conditions were compared to those of or classification, indicators of poorer is not high benefit enterprises focus on supervision or urg
10、e, that is not in the development fell behind other companies, through the fierce competition, accelerate industry increase the economic benefit of enterprises.Keywords:Principal component analysis;industral enterprise;economic benefit; comprehensive evaluation. 第1章 绪论1.1课题研究的目的和意义1.综合评价涉及到工业企业的方方面面
11、，本文中主要涉及总资产贡献率、资本保值增值率、资产负债率、流动资产周转率、成本费用利润率、全员劳动生产率、产品销售率等这七个描述工业企业经济效益的综合评价指标，全面的对工业企业的经济效益进行评价，对于企业提高经济效益做一个理论参考，有很现实的研究意义。2.综合评价是社会经济领域的一类复杂系统。一般来说，构成综合评价得要素有：被评价对象、评价指标、权重参数、综合评价模型和评价者。因此，对综合评价问题得研究可以是多角度、多层次的；3.综合评价技术为人们在处理综合评价问题时正确认识现象、有效决策提供了科学得手段。主成分分析法是综合评价问题中应用得最为广泛得综合评价方法，因此，立足于主成分分析技术探讨
12、综合评价问题，是综合评价问题理论研究的一个新视角。4.从综合评价角度研究主成分分析法，有助于对主成分分析法特性得深度挖掘和主成分分析法的研究；立足于主成分分析技术探讨综合评价问题，可以开拓综合评价问题的研究思路，还有助于深入综合评价问题的实质并提出解决方案。第2章 国内外研究的现状和发展趋势对综合评价理论和方法的研究，有较为系统的研究成果，如文献2等。相比较而言，一直以来，人们重视对研究综合评价方法的新和突破而忽略了对综合评价基础理论的研究。就拿综合评价指标体系的构建这一重点综合评价基础理论来说，人们只是局限于提出待解决的问题，比如有指标体系构建的原则问题，指标的筛选问题及指标体系结构的优化等
13、等，对解决方案的研究还处于刚刚起步的阶段，是否能对这些问题有所突破将是制约综合评价基础理论发展的重大问题。进二十年来，综合评价方法的理论研究和实际应用都取得了长足的发展，新的方法时有提出，旧的方法也不时有改进或改正意见发表。但是，即使是对人们重点关注的综合评价方法的研究，也存在一些普遍问题。比较突出得一点是大多关注于综合评价方法得“开发”与应用，对方法本身的理论问题缺乏实质性的研究，另外，综合评价方法虽然丰富，但缺乏系统的最新总结。比如，有一种比较流行的观点：主成分分析法有“去相关”的作用，可事实上却恰恰相反，主成分分析法更易受相关性得干扰，人工神经网络方法（ANN法）目前也是比较时髦的一种综
14、合评价方法，但其中存在的问题也是不容忽视的。因此，无论是新的方法还是旧的方法，深入分析方法得实质，探究方法的适用条件，深刻抓住方法的特点，对方法进行全方位考虑，这应该作为现今对综合评价方法的重点研究方向。主成分分析法作为应用的最为广泛的综合评价方法，倍受学术界的关注。有的学者致力于推广主成分分析法在综合评价领域的应用，有的学者对主成分分析法应用于综合评价问题的假设前提、数据标准化方法、异常数据的处理等预处理工作做了一定程度上的理论探讨，还有学者指出主成分分析法应用于综合评价中出现的问题，有的甚至提出了相应得解决方案。这些都极大地丰富了主成分分析法理论及其应用。然而，在综合评价问题研究中，对主成
15、分分析法进行系统化研究的寥寥无几。虽然，Jolliffe，L.T.和J.Edward Jackson对主成分分析进行了较为系统的分析和阐述，其研究最新得也发表在1992年，距今已有十余年之久。另外，主成分分析法是最为常见的特征提取方法，不仅应用于综合评价领域，在图像处理、语音识别、过程控制与诊断等领域都有广泛的用，单独从应用于综合评价问题的角度研究主成分分析法的更是寥寥无几。综合评价问题的研究主要包括两大内容：综合评价指标体系的构建和指标权重的确定。指标体系构建中，定性指标定量化、指标得筛选和指标体系结构的优化是研究得棘手问题，对这些问题已经有一些研究成果。统计学中的相似性度量理论以及建立在主
16、成分分析法基础上因子分析法，可以进一步开拓这些问题的研究思路。综合评价法一般都是用来确定指标的权重，主成分分析法也不例外，主成分分析法是一种客观定权方法，是综合评价的首选方法，但在应用中也出现了一些问题，比如有学者就研究发现了主成分分析法应用于综合评价过程中有可能出现的逆序问题。主成分分析法本质上是一种线性映射算法，在处理非线性问题时往往不能取得好的效果。由于社会经济系统日趋复杂，系统之间，系统内部相互渗透，传统的线性描述方法越来越不能反映社会经济现象的实质，因此，有必要结合其他领域。作为一个新的研究方向，这方面的研究才处于刚刚起步阶段，对其中隐含的问题还有待进一步研究。第3章 贵州工业发展现
17、状分析新中国成立以来，在党中央国务院的领导下，贵州历届省委、省政府都把发展工业经济放在突出位置，贵州工业化建设正式起步，并得到较快发展。在走过了艰苦卓绝的60年历程之后，贵州在一个一穷二白的基础上，建成了全面的、具有相当规模和水平，以支柱产业为支撑、特色优势产业为依托、高新技术产业为先导的特色工业体系，工业经济效益不断提高，为全省国民经济持续、快速、健康发展做出了积极贡献。1978年党的十一届三中全会召开以来，特别是实施“西部大开发”以来，历届省委、省政府始终坚持改革开放，紧紧抓住发展这一执政兴国的第一要务，以结构调整为主线，努力开发本省优势资源，着力培育和发展特色优势产业，大力发展和引进高新
18、技术，积极推进企业技术进步，不断深化国有企业改革和相关配套改革，鼓励多种所有制经济共同发展，加强和改善工业经济运行调控，全面推进西部大开发等重大项目的实施，积极探索一条符合贵州省情的新型工业化道路。3.1工业经济增长状况和工业实力 继2007年全省全部工业实现增加值突破千亿元、达1007.75亿元之后，2008年，全省规模以上工业实现增加值首次突破千亿元，达到1051.26亿元，同比增长10.1%，占全部工业比重约80，2009年，全省规模以上工业实现增加值达到1170.29亿元，同比增长10.6%，全省工业实现总产值3315.02亿元，比1978年41.26亿元增长80倍； 全省全部工业实现
19、增加值1474.33亿元，比1978年15.24亿元增长96倍，在全省生产总值中的比重为37.9%，比1978年的32.7%提高了5.1个百分点。近5年规模以上工业增加值及其增长速度和2009年主要工业产品产量如下（资料来源：贵州省统计局）： 图1 2005-2009年规模以上工业增加值及其增长速度电力、煤炭、饮料、烟草、医药等主要行业对工业增长的拉动较大。规模以上工业中，这五个行业分别比上年增长10.5%、10.6%、12.1%、7.0%和14.6%，合计拉动规模以上工业增长6.1个百分点，其中电力行业拉动力度最大，拉动规模以上工业增长2.2个百分点。 表1 2009年规模以上工业主要产品产
20、量及其增长速度产品名称计量单位绝对数比上年增长（%）原煤产量万吨13690.7414.8煤气生产量亿立方米65.181.5磷矿石（折含P205 30%）万吨1360.663.4发电量亿千瓦小时1380.0214.8白酒（折65度，商品量）万千升13.79-17.7啤酒万千升27.5420.4卷烟亿支1161.222.4硫酸（折100%）万吨513.2152.5合成氨万吨186.8629.6农用氮、磷、钾化学肥料总计（折纯）万吨347.2831.8磷酸铵肥万吨345.1653.7中成药万吨4.58-3.5轮胎外胎万条517.2113.1水泥万吨2664.7830.0生铁万吨374.8213.3铁
21、合金万吨220.8739.8粗钢万吨343.10-0.7钢材万吨337.62持平电解铝万吨80.2738.0氧化铝万吨136.91-5.1彩色电视机万台72.56-8.4家用电冰箱万台168.1616.9（资料来源：贵州省工业统计年鉴）工业企业经济效益下滑。规模以上工业企业实现主营业务收入3093.17亿元，比上年增长7.9%；盈亏相抵后的利润总额为178.80亿元，比上年下降0.3%，其中，国有及国有控股企业实现利润113.07亿元，增长11.4%。3.2 对国民经济发展的贡献 30年来，贵州省工业规模在原有基础上不断扩大，整体实力日益增强，工业已经成为贵州财政收入的主要来源，国民经济的支柱
22、，同时也是就业的主渠道。2009年，工业对经济增长贡献率达37.9%；全省工业企业规模以上工业企业2581户，其中产值超亿元的企业460户、上10亿元的40户，销售收入过100亿元的9户，从业人员近200万人；全省规模以上工业企业实现利税总额421.4亿元，其中利润164.07亿元、税金257.33，占全省税收577.63亿元的45%，工业对全省财政收入贡献在70%以上。从以上分析来看，通过多年的努力建设，贵州的工业发生了翻天覆地的变化，从根本上改变了贵州工业的发展局面，贵州工业规模空前壮大，工业布局得到了改善，综合经济实力增强，对国民经济的贡献日益增加，全省的经济结构得到了推动，产业结构的到
23、了发展，技术进步、企业技术创新能力和技术装备水平状况良好，国有企业改革顺利完成，中小企业和非公有制经济得到了发展，节能降耗和可持续发展能力进一步提高但是，由于企业内部的问题，贵州工业速度发展不平衡.选点不当，布点分散，给企业组织生产带来很多不便。同时，轻工业投资过少，非生产性建设欠账过多，军工企业整个生产能力利用率低，随着历史发展和国际国内条件的变化，也逐步显现了它的不足和弊端。到底贵州工业企业内部存在一些什么问题，贵州的某些工业企业有着怎样的特殊发展情况，工业企业发展中产生的问题及综合评价对企业发展有哪些积极影响，等等，都是本文所要达到的目的。通过实际例子，选取了贵阳市不同地区的典型工业企业
24、作为调查对象，应用主成份分析法，测算一系列评价指标，综合评价贵州工业企业的各项指标，为进一步提高贵州工业企业经济效益给出合理建议，企业管理者通过定期对相关指标进行对比考核，对各项指标进行探索，努力朝着全国工业企业发展的各项平均指标靠近，不断提高，不断超越，在实践中不断提高生产技术。例如通过评价资金利税率、固定资产产值率、资金利润率等指标对各个工业企业运营情况进行比较或分类研究，对那些指标较差即效益不高的企业进行重点监督或督促，以至于不在发展中落后于其他各家企业，通过产生激烈的竞争，加快工业企业经济效益的提高。同时，对企业各项指标的考核和分析也有利于找出问题的所在，有利于敦促各部门各领导严格督促
25、员工的工作，通过指标考核，提高企业的经济效益、提高企业的竞争力。第4章 基于主成分分析的贵州工业企业综合评价4.1主成分分析法简述主成份分析法（Principal Component Analysis,PCA）也称主分量分析或矩阵数据分析，是统计分析常用的一种重要的方法，在系统评价、质量管理和发展对策等许多方面都有应用。它利用数理统计方法找出系统中的主要因素和各因素之间的相互关系，由于系统地相互关系性，当出现异常情况时或对系统进行分析时，抓住几个主要参数的状态，就能把握系统的全局，这几个参数放映了问题的综合的指标，也就是系统的主要因素。主成分分析法是一种把系统的多个变量转化为较少的几个综合指标
26、的统计分析方法，因而可将多变量的高维空间转化为低维的综合指标问题，能放映系统信息量最大的综合指标为第一主成分，其次为第二主成分。主成分的个数一般按需放映的全部信息的百分比来决定，几个主成分之间是互不相关的。主成分分析法的主要作用是：发现隐含于系统内部的结构，找出存在于原有各变量之间的内在联系，并简化变量；对变量样本进行分类，根据指标的得分值在指标轴空间进行分类处理。主成分分析是数学上对数据降维的一种方法。其基本思想是设法将原来众多的具有一定相关性的指标X1，X2，XP（比如p个指标），重新组合成一组较少个数的互不相关的综合指标Fm来代替原来指标。那么综合指标应该如何去提取，使其既能最大程度的反
27、映原变量XP所代表的信息，又能保证新指标之间保持相互无关（信息不重叠）。设F1表示原变量的第一个线性组合所形成的主成分指标，即,由数学知识可知，每一个主成分所提取的信息量可用其方差来度量，其方差Var(F1)越大，表示F1包含的信息越多。常常希望第一主成分F1所含的信息量最大，因此在所有的线性组合中选取的F11应该是X1，X2，XP的所有线性组合中方差最大的，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，再考虑选取第二个主成分指标F2，为有效地反映原信息，F1已有的信息就不需要再出现在F2中，即F2与F1要保持独立、不相关，用数学语言表达就是其协方差Cov(F1, F2)=
28、0，所以F2是与F1不相关的X1，X2，XP的所有线性组合中方差最大的，故称F2为第二主成分，依此类推构造出的F1、F2、Fm为原变量指标X1，X2，XP第一、第二、第m个主成分。根据以上分析得知： (1) Fi与Fj互不相关，即Cov(Fi，Fj) = 0 (2)F1是X1，X2，XP的一切线性组合（系数满足上述要求）中方差最大的,即Fm是与F1，F2，Fm1都不相关的X1，X2，XP的所有线性组合中方差最大者。F1，F2，Fm（mp）为构造的新变量指标，即原变量指标的第一、第二、第m个主成分。主成分分析的具体步骤如下: （1）计算协方差矩阵计算样品数据的协方差矩阵：R=(Sij)pp，其中
29、 i，j=1，2，p（2）求出R的特征值及相应的正交化单位特征向量 R的前m个较大的特征值l1l2lm0,就是前m个主成分对应的方差，对应的单位特征向量就是主成分Fi的关于原变量的系数，则原变量的第i个主成分Fi为：Fi = ai *X主成分的方差（信息）贡献率用来反映信息量的大小，为：（3）选择主成分 最终要选择几个主成分，即F1,F2,Fm中m的确定是通过方差（信息）累计贡献率G(m)来确定当累积贡献率大于85%时，就认为能足够反映原来变量的信息了，对应的m就是抽取的前m个主成分。（4）计算主成分载荷 主成分载荷是反映主成分Fi与原变量Xj之间的相互关联程度，原来变量Xj（j=1，2 ，
30、p）在诸主成分Fi（i=1，2，m）上的荷载 lij（ i=1，2，m； j=1，2 ，p）。： 在SPSS软件中主成分分析后的分析结果中，“成分矩阵”反应的就是主成分载荷矩阵。（5）计算主成分得分 计算样品在m个主成分上的得分： i = 1，2，m实际应用时，指标的量纲往往不同，所以在主成分计算之前应先消除量纲的影响。消除数据的量纲有很多方法，常用方法是将原始数据标准化，即做如下数据变换：其中：，根据数学公式知道，任何随机变量对其作标准化变换后，其协方差与其相关系数是一回事，即标准化后的变量协方差矩阵就是其相关系数矩阵。另一方面，根据协方差的公式可以推得标准化后的协方差就是原变量的相关系数，
31、亦即标准化后的变量的协方差矩阵就是原变量的相关系数矩阵。也就是说，在标准化前后变量的相关系数矩阵不变化。根据以上论述，为消除量纲的影响，将变量标准化后再计算其协方差矩阵，就是直接计算原变量的相关系数矩阵，所以主成分分析的实际常用计算步骤是：a、计算相关系数矩阵b、求出相关系数矩阵的特征值及相应的正交化单位特征向量c、选择主成分 d、计算主成分得分总结：原指标相关系数矩阵相应的特征值li为主成分方差的贡献，方差的贡献率为 ，越大，说明相应的主成分反映综合信息的能力越强，可根据li的大小来提取主成分。每一个主成分的组合系数（原变量在该主成分上的载荷）就是相应特征值li所对应的单位特征向量。4.2指
32、标体系的构建对各企业的总资产贡献率、资本保值增值率、资产负债率、流动资产周转率、成本费用利润率、全员劳动生产率、产品销售率所做的调查数据如下： 表2 各工业企业调查数据 各项指标各企业 总资产贡献率%资本保值增值率%资产负债率%流动资产周转率%成本费用利润率%全员劳动生产率（元人）产品销售率%A企业92.35116.7929.482.7515.3798314299.89B企业109.43130.1521.752.8149.2157652599.5C企业60.12131.420.362.215.29589721100.1D企业29.8799.9864.541.21.14130153102.3E企
33、业58.97106.6455.632.051.94353800100.24F企业76.01118.3251.842.1413.77518639100.07G企业39.52100.4753.922.012.19460057103.4H企业14.0598.3685.431.021.035851499.354.3对原始数据的分析利用主成分分析，得到： 表3 相关系数矩阵见表Correlation MatrixCorrelation1.0000.794-0.8250.9410.8220.919-0.4210.7941.000-0.8940.7600.6670.756-0.517-0.825-0.894
34、1.000-0.885-0.607-0.8150.2140.9410.760-0.8851.0000.6870.886-0.2660.8220.667-0.6070.6871.0000.927-0.4190.9190.756-0.8150.8860.9271.000-0.345-0.421-0.5170.214-0.266-0.419-0.3451.000可以看到各变量之间有一定的相关性，造成了信息的重叠，而且从上表看各变量之间的相关性比较高，这是做主成份分析的前提条件。 表4 KMO 和 Bartlett 的检验KMO 和 Bartlett 的检验取样足够度的 Kaiser-Meyer-Ol
35、kin 度量。.402Bartlett 的球形度检验近似卡方55.779df21Sig.000KMO统计量：是通过比较各变量间简单相关系数和偏相关系数的大小判断变量间的相关性，相关性强时，偏相关系数远小于简单相关系数，KMO值接近1。一般情况下，KMO0.9非常适合因子分析；0.8KMO0.9适合；0.7以上尚可，0.6时效果很差，0.5以下不适宜作因子分析，适宜做主成份分析。显然本文中KMO=0.4020.5,故本文中原始数据适宜做主成份分析。Bartletts球型检验（巴特利球形检验（Barlett Test of Sphericity）。）：用于检验相关阵是否是单位阵，即各变量是否独立。
36、它是以变量的相关系数矩阵为出发点，零假设：相关系数矩阵是一个单位阵。如果巴特利球形检验的统计计量数值较大，且对应的相伴概率值小于用户给定的显著性水平，则应该拒绝零假设；反之，则不能拒绝零假设，认为相关系数矩阵可能是一个单位阵，不适合做因子分析。若假设不能被否定，则说明这些变量间可能各自独立提供一些信息，缺少公因子。本文中巴特利球形检验统计量为55.779，相应的概率Sig为0.000，因此可认为相关系数矩阵与单位阵有显著差异。同时，KMO值为0.402，根据Kaiser给出的KMO度量标准可知原有变量适合作主成份分析。 现对原始数据做主成份分析，如下： 表5 对原始数据的主成分分析表解释的总方
37、差成份初始特征值提取平方和载入合计方差的 %累积 %合计方差的 %累积 %15.25775.09675.0965.25775.09675.09620.91613.08488.18030.5197.42195.60140.2313.29998.90050.0570.81399.71360.0190.27699.98970.0010.011100.000提取方法：主成份分析。通过此表，可以发现前两个成分的累计贡献率达到了88.180%，大于85%，故选前两个成分。用SPSS软件抽取前两个主成份并输出成份矩阵如下： 表7 成份矩阵表成份矩阵a成份12VAR000010.9640.042VAR0000
38、20.894-0.111VAR00003-0.896-0.267VAR000040.9260.234VAR000050.858-0.095VAR000060.9560.096VAR00007-0.4690.870提取方法 :主成份。a. 已提取了 2 个成份。 该表中每一个载荷量表示主成份与对应变量的相关系数，故根据表中的系数解释主成份的经济意义，第一主成份在1、2、4、5、6这五个指标前的系数比较大，显然是反映总资产贡献率、资本保值增值率、流动资产周转率、成本费用利润率和全员劳动生产率的信息，综合了企业内部资金运行情况，第二主成份中，第7个指标的系数最大，这说明该主成份主要是反映产品销售率方
39、面的信息，综合反映了企业的对外销售情况。 表8 主成份系数表第一主成份第二主成份3.29 0.04 3.05 -0.12 - 3.06 -0.28 3.16 0.24 2.93 -0.10 3.26 0.10 -1.60 0.91由上表得到前两个主成份，的线性组合为：=3.29+3.05-3.06+3.16+2.93+3.26-1.60=0.04-0.12-0.28+0.24-0.10+0.10+0.91其中，,表示对原始变量标准化后的变量。主成份的经济意义由各线性组合中权数最大的几个指标的综合意义来确定。对于综合因子，显然, ,前面的系数较大，所以，主要是总资产贡献率、资本保值增值率、流动资
40、产周转率和成本费用利润率这4个指标的综合反映，代表了企业经济效益盈利方面的情况，描述了企业的盈利能力。因为已经有75.096%的把握用来综合评价企业的经济效益，所以这4各指标是反映企业经济效益的主要指标。同时，从的线性组合中可以看到，前4个单项指标在综合因子中所占的比重相当，进而说明这4项指标在评价企业经济效益中是必不可少的。至于综合因子，可以看到前面的系数相比较而言是最大的，即综合因子主要由产品销售率来确定。这是综合反映了企业对外销售能力的情况，说明企业的销售能力对经济效益的影响也是重要的。把经过标准化的数据带入以上线性模式，可以得到各主成份值，并以Y=0.75096+0.13084，求出综
41、合值并排位见下表。 表9 主成份向量表0.4350.392-0.4170.4030.3790.431-0.1240.0610.004-0.2710.310 -0.249-0.0940.891 表10 主成份值、综合主成份值表企业 排名 排名 Y 排名B 3.876 1 -0.749 7 2.812 1A 1.813 2 0.341 3 1.406 2C 1.051 3 0.503 2 0.860 3F 0.374 4 0.067 6 0.290 4E -0.629 5 0.117 4 -0.457 5G -1.121 6 0.103 5 -0.829 6D -2.415 7 1.641 1 -
42、1.610 7H -2.917 8 -2.103 8 -2.470 8 4.4对分析结果的评价由该表可知，B厂和A厂的主成份值比较高，排在了第一和第二位，说明这两个企业的经济效益比较高，C、F、E、G这四个企业分别是第三、第四、第五和第六位，属于中等经济效益的企业，D、H两个企业的综合值都比较低，属于经济效益较差的企业。A、B两个企业的各项指标都比较高，例如在总资产贡献率这一主成份中，两个企业的得分分别是1.813和3.876，说明这两个企业的资产总资产很充足，对资金的周转率把握的相当好，员工的劳动生产率也很高，应该继续发挥这几方面的优势。另外产品销售对两个企业都是弱项，应该加大广告宣传力度，多方面寻找销售渠道，打通每一个销售环节，提高产品销售率，弥补产品销售方面的不足。C企业和F企业在资金运行和产品销售方面都比较稳定，但相对A、B两企业来说还是有一定的差距，在原有的基础上，加快资金的周转力度，树立良好的企业形象，用心经营客户，做好服务，重视员工，对
