多元統計分析
前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇多元統計分析范文，相信會為您的寫作帶來幫助，發現更多的寫作思路和靈感。
多元統計分析范文第1篇
關鍵詞:財務分析;聚類分析;因子分析;財務指標;上市公司
中圖分類號:F23文獻標識碼:A
一、財務狀況評價指標體系的確定
單個指標只能揭示出公司財務狀況的某一方面,無法反映出財務狀況全貌。為了全面、完整地評價上市公司的財務狀況全貌,本文按照《企業財務通則》和《工業企業財務制度》的規定,選取一套財務比率作為財務綜合評價指標體系,包括以下4大類8個財務指標變量。獲利能力指標:凈資產收益率、加權平均凈資產收益率;償債能力指標:流動比率、速動比率;經營能力指標:應收賬款周轉率、總資產周轉率;發展能力指標:營業利潤增長率、凈利潤增長率。
(一)樣本的確定和數據來源。從中國上市公司資訊網中選取了60家上市公司在2007年的有關數據,這些是實證研究的重要數據來源。為了保證研究數據的客觀性和有效性,在確定研究范圍時考慮到以下幾點:(1)本文僅以工業類上市公司的財務指標作為研究對象,這樣能體現較大的可比性;(2)我們數據用的是2007年的,沒有用2008年的數據。我們知道,2008年美國次級債危機導致上市公司財務數據的大幅變動,這樣處理使數據更加有參考性。
(二)因子分析的主要步驟。樣本的數據矩陣為:
X=
其中,p表示財務指標的變量數;n表示上市公司的樣本數。主要步驟如下:(1)由樣本矩陣X計算樣本均值、樣本離差陣及相關矩陣;(2)求R的特征值和方差貢獻;(3)確定公共因子的個數m。通常要選取的主因子數所反應的信息量占原始數據總信息量的85%以上,即選取m個因子使累積方差貢獻達到85%; (4)因子載荷矩陣方差最大旋轉,因子分析的目的不僅是求出公共因子,更主要的是應該知道每個公共因子的實際意義,但是初始載荷矩陣并不滿足“簡單結構準則”,因而容易使公共因子的實際意義含糊不清,不利于對因子進行解釋。為此,必須對因子載荷矩陣施行旋轉變換,使得各因子載荷矩陣的每一列各元素的平方按列向0或1兩級轉化,達到其結構簡化的目的。得到最終旋轉因子的載荷矩陣為A;(5)對m個公共因子做解釋。求出載荷矩陣A后,即得到p個可測變量由m個不可測的公共因子及各自特殊因子的表達式,并解釋這m個公共因子表示的經濟意義;(6)樣本的因子得分。在因子載荷矩陣A和特征因子方差已知的情況下,使用加權最小二乘法得到每個樣本的各個因子得分:F=ARX;(7)樣本的綜合得分SWF(i=1,2,…,n)。其中,W為各主因子權重,由旋轉后主因子所解釋的方差求得,F為每個樣本的各主因子得分;(8)綜合排名。根據求得的上市公司綜合財務指數得分數按從大到小的順序進行排名。
(三)財務綜合評價實證分析
1、根據上述步驟及有關數據,應用SPSS統計分析軟件進行因子分析
(1)得到因子特征值。從中選取4個特征值大于1的因子,其累積方差貢獻率達85.021%,可以解釋9個財務指標的大部分差異。特征值碎石圖的“陡坡檢驗”證明4個因子是決定9個財務指標的主要因子。(圖1)
(2)對因子載荷矩陣施行旋轉變換,得到各主因子旋轉成分矩陣。旋轉成分矩陣,在各主因子上選取載荷大于0.5的財務指標對各主因子做比較明確的解釋。第一個因子F1∽0.986(凈資產收益率)+0.990(加權平均凈資產收益率),該因子可以解釋為盈利能力因子,它主要解釋了財務指標中載荷高的凈資產收益率和加權平均凈資產收益率;第二個因子F2∽0.950(流動比率)+0.913(速動比率),該因子可以解釋為償債能力因子,它主要解釋了財務指標中載荷高的流動比率和速動比率;第三個因子F3∽0.908(營業利潤增長率)+0.927(凈利潤增長率),該因子可以解釋為發展能力因子,它主要揭示了財務指標中載荷高的營業利潤增長率和凈利潤增長率;第四個因子F4∽0.845(應收賬款周轉率)+0.606(總資產周轉率),該因子可以解釋為營運能力因子,它主要解釋了財務指標中載荷高的應收賬款周轉率和總資產周轉率。
綜上,可以驗證與財務分子中衡量各項能力的指標一致。
(3)旋轉平方和載入。可以計算出四個因子的權重,第一個因子權重:
w==0.296
同理可得第二個因子權重:
w=0.286;w=0.234;w=0.165
(4)得到各個樣本的因子得分系數矩陣。因子得分系數和原始變量的標準化值可以計算每個觀測值的各因子的得分數:
F=0.490X+0.494X+0.080X-0.110X-0.018X+0.000X+0.001X-0.015X
F=-0.006X-0.029X-0.143X+0.202X+0.489X+0.480X+0.015X+0.055X
F=-0.004X-0.004X-0.102X+0.065X-0.004X+0.048X+0.524X+0.558X
F=0.014X+0.000X+0.779X+0.518X+0.052X-0.119X+0.049X-0.123X
再根據所求因子權重可得到各公司綜合財務指數S:
S=WF=0.296F+0.286F+0.234F+0.165F(j=1,2,…,n)
(5)得到部分上市公司財務狀況排名(限于篇幅,結果略)。
2、應用SPSS統計分析軟件進行系統聚類分析。通過分析,了解到各個公司的優勢,認為因子得分較相似的樣品有一定的相似性,通過聚類分析驗證。通過系統聚類法,選擇離差平方和法,用歐式距離定義樣品之間的距離。限于篇幅我們只將30家上市公司進行系統聚類,所得聚類譜系圖(結果從略),從聚類譜系圖可以看出,金柴動力和新華醫療首先聚在一起,它們在償債能力方面和綜合排名很相似。通過對圖標的進一步分析會發現,結果和因子得分的排名之間的關系很相符。另外,在有了聚類分析的前提下,我們可以進一步依靠聚類分析的分類結果建立判別函數,將我們所希望了解的公司的各個方面的指標帶入進行判別歸類,從而可以使投資決策更加方便快捷。
通過上述分析,我們發現多元統計分析中的因子分析、聚類分析、判別分析等都可以運用到財務分析中,為分析指標的選擇,綜合因子得分函數的確定,將具有相似性的企業聚成一類,建立判別函數,為以后評價企業的類型提供依據。但是,由于企業經營環境及資本結構、競爭對手等不斷改變,建立的判別函數需根據情況的變化而進行不斷地調整。
(作者單位:福建農林大學計算機與信息學院)
主要參考文獻:
[1]張學謙等.企業財務報表分析原理與方法.北京:清華大學出版社,2007.
[2]葛文雷.現代公司財務學.上海:中國紡織大學出版社,1997.
[3]陳文浩.公司財務.上海:上海財經大學出版社,2003.
多元統計分析范文第2篇
關鍵詞：財務危機原因多元統計分析危機預警作用
國內學者對于公司財務危機預警的研究也越來越多，然而學者們大多數只針對純財務指標構建財務危機預警模型，卻忽略了非財務信息的作用。很顯然，單一的財務數據所能體現的信息還不夠完整，很難反映公司的真實情況，難免會造成預警的偏差，而非財務信息能夠對財務信息進行有效地補充，因此，引入非財務指標構建預警模型是非常有必要的。
一、企業財務危機產生的原因
許多現代企業面臨著危及生存的問題，財務危機是企業的一大重要問題，許多企業管理不得當，財務環節控制不到位，并且缺少有效的監管機制，造成企業財務管理混亂。企業財務危機是法律意義上對企業破產的定義，企業破產是用來衡量企業財務危機最常用的標準。企業財務危機有負債危機、市場危機、收益質量危機，除此之外，長短期資產配置不當、企業財務機制不健全、管理層的財務管理素質低下、企業本身的風險意識薄弱等都會造成企業財務危機的發生，由于企業更傾向于通過負債來獲取收益，因而當風險意識不強時極易形成高度負債，在企業出現入不敷出的財務危機時便會導致破產。
二、多元統計分析
(一)多元統計分析概述與作用
多元統計分析是一種綜合分析方法，能夠在多個對象和多個指標互相關聯的情況下分析它們的統計規律。多元統計規律包含很多內容，主要包括多元正態分布及其抽樣分布、多元正態總體的均值向量和協方差陣的假設檢驗、主成分分析和因子分析、判別分析和聚類分析、直線回歸與相關、多元線性回歸與相關。多元統計分析可以對許多數據進行觀測以及預測，多元統計分析即為分析多元數據的統計方法。根據統計規律性對未來企業財務情況做出預測，根據多元的數據對財務情況進行多方面的設想與觀測，預測企業未來發展過程中可能會發生的財務危機情況以及危機程度，讓企業提早知曉可能發生的財務危機，并做好全方面的應對措施。
(二)多元統計分析在企業財務危機預警中的主要方法
多元統計分析主要是使用判別分析和主成分分析建立企業財務危機預警模型。首先，在建模的過程中利用隨機抽樣和對應樣本法在企業中進行選擇，選取各類指標來反映企業的財務情況，變量越多企業財務危機預警模型就建立的越好。其次，利用抽樣選取法抽選出樣本和變量，依據這些樣本和變量使用判別分析法建立企業財務危機的預警機制。第三，將企業中抽取出來的多個變量通過線換選出較少的數量并且是重要的變量，由于變量之間都存在著一定的相關關系，而且要以最少的變量來建立模型，所以要將相關重復的變量除去，最后剩下各不相關的變量，全方面分析企業中存在的問題，這就是主成分分析。
三、多元統計分析在企業財務危機預警中的作用
(一)對財務危機進行分析和預測
多元統計可以通過抽取變量建立預測模型對企業未來的財務危機進行分析和預測，從各個不同的角度預測企業未來可能發生的財務危機，并且經過驗證判斷企業是財務危機公司，或是非財務危機公司，或是中間狀態公司。這種方法的正確率十分高，但是如果預測的年份越遠，預測的準確率就會越低；反之年份越近預測的精確度就越高。因此，企業需要及時更新企業的財務危機預測模型，根據不斷變化的數據和指標對企業財務危機進行分析，提高預測的準確率，對未來所可能出現的危機做出適應的措施。
(二)減小財務危機對企業的影響
多元統計分析可以減小財務危機對企業的影響，可以通過多元統計分析對企業進行分類，依據采集到的數據建立的模型，輔助分類企業判斷是否處于財務危機狀態。如果預測結果為財務危機企業，必定會引起相關部門對企業發展的重視，以及采取各類的方法對企業未來可能會發生的財務危機進行合理地防范，企業會謹慎對待發展的每一個步驟，加強風險意識，減小負債率，減小財務危機對企業的影響。
(三)促進市場經濟健康發展
以多元統計分析對各個企業進行財務危機預警，使我國的每個企業都能夠劃分清楚，并且采取最全面、有效的體系適應國內企業的發展，在一定程度上減少了財務危機帶來的影響，促進了市場經濟的健康發展，提高我國的經濟發展水平。
四、結束語
多元統計分析是一項對研究企業財務危機十分有效的方法，在其他領域的應用也十分廣泛，多元統計分析可以為企業帶來完善的財務預警體系，使企業預測未來可能會發生的財務危機，對未來發生的財務危機采取適當的、避免發生的措施，促進了企業經濟的健康發展。
參考文獻：
[1]李杰,王蔚佳,劉興智.多元統計分析在企業財務危機預警中的應用[J].重慶建筑大學學報,2004
[2]付娟,劉延平.運用多元統計分析綜合評價我國西部各省市自治區域經濟效益[J].中國高新技術企業,2007
多元統計分析范文第3篇
文章編號：1671-489X（2015）08-0084-02
隨著現代計算機技術和網絡技術的發展，醫療衛生領域逐步完善生命健康相關信息登記的數據庫，各類數據庫之間相互鏈接形成醫藥衛生行業的海量信息。面對海量信息，如何透過數據的表面現象抓住其本質？如何通過眾多的數據挖掘出有關生命健康的科學規律？迫于此形勢的需求，各醫學院校紛紛開設醫用多元統計分析課程，培養醫學研究工作者將各種多元統計分析方法應用到醫藥衛生領域數據中的能力。
醫用多元統計和基本衛生統計構成醫藥衛生領域內處理數據的有力工具，兩者都用到數理統計和概率論的知識，故在教學方法上醫用多元統計有許多可以借鑒基本衛生統計的教學經驗。醫用多元統計分析處理多變量數據，相對于處理單變量數據基本衛生統計方法而言，醫用多元統計又呈現出眾多自己的特點，比如繁瑣的矩陣、復雜的建模、龐大的運算、抽象的概念[1]等。因此，在借鑒基本衛生統計教學方法的同時，還必須依據本課程的特點認真考慮如何增強該課程教學效果的問題。筆者在幾年的醫用多元統計分析教學中有四點體會與大家分享。
1 通過教學環節培養實踐能力
醫用多元統計分析屬于應用性的方法學科，課程性質要求學生在學習多元統計方法之后，要具備將各種多元統計分析方法應用到醫療衛生領域數據中的能力。培養學生的實踐能力，僅從理論授課上下功夫提高學生實踐能力是遠遠不夠的，必須在理論授課、實驗教學和課程考核等各個教學環節中都不脫離實踐能力培養的主線。在理論課上講授的內容一般包括原理方面的知識和如何分析實際數據兩個方面。提高學生實踐能力要求教學過程中淡化數學原理方面的知識，而將重點放置在如何分析實際數據上，即該多元統計分析方法使用的前提條件是什么，如何使用該方法以及分析結果如何解讀，在具體研究的醫學問題中此結果具有什么樣的意義。
盡管在現代教學方法中有體驗式教學的滲入[2]，但相對于實驗課的實際體驗來講，學生對于數據何時采用、如何采用某種多元統計分析方法，還是保持在似乎知道，但又不完全明確的模糊階段。很多原理方面的知識，盡管不是重點，但也需要學生了解一下，才能有助于把握整體脈絡、合理應用，通過實驗課的親身體驗，能直觀觀察到相對模糊的原理知識得到驗證的過程，從而心服口服地從心底接受沒有經過手工計算而呈現的分析結果。并且多元統計分析的實驗課本身就是讓學生去體驗各多元統計分析方法怎樣應用于實際數據的過程，從而使學生實踐能力大大提高。
一般課程考試比較側重理論原理的考核，而醫用多元統計分析授課的目的就是給學生講授多元統計方法應用于醫藥衛生領域數據的實踐過程，學習課程之后學生必須具備這種實踐能力，否則就根本沒有實現開設這門課程的初衷，沒有達到教學目的。因此，課程考試也應側重在學生實踐能力的考核上。課程考核一般有試卷考核、平時實驗成績和上機考核三種形式，而以試卷考核的形式居多。對于醫用多元統計分析課程，平時實驗成績考核和上機考核也應該是必須選擇的考核形式，除此以外，在試卷考核中也可通過適當的題型體現對學生實踐能力的考查。比如，將多元數據分析的結果展示在試卷上，讓學生回答此分析結果對于研究目的反映出什么；或者指出研究目的，讓學生回答選用何種多元統計分析方法，為何選用這種方法；或者從展現的結果讓學生判斷是否適用某種多元統計分析方法等多種題型來考查學生的實踐能力。通過考核反饋出實踐能力欠缺的部分，從而給予相應的應對措施。
2 通過教學軟件提高教學效率
多元統計分析建模一般都要經過逆矩陣、相關系數矩陣的計算，求解特征根與特征向量等過程，這些過程沒有扎實的數學功底是根本不可能完成的。即便能完成這些運算，但也是相當耗時的過程。就運算相對簡單的多元統計分析方法而言，如果采用人工計算器計算的話，也需要大約五個學時的時間才能完成，復雜的多元統計方法需要學時數就更多了。假定學校能夠安排充分的學時數，學生也必須有足夠的能力和耐心去完成這些運算。可見，統計軟件和多元統計分析方法教學的結合是非常必要的。
目前，常用的統計分析軟件有SAS、SPSS和STATA。對于醫學專業本科生和研究生的統計分析要求來講，簡單掌握每個軟件基本功能就可以滿足數據分析的需求，但對統計學專業的研究生而言，一般需要用到可編寫程序的SAS軟件，并且要深入學習，進行數據的模型擬合分析。各醫學院校可根據自己的辦學條件、師資力量、教材的情況、授課對象等因素綜合考慮本院校采用醫用多元統計分析的軟件。借助軟件在很短的時間能完成模型的建立、模型擬合檢驗等分析過程，通過分析結果中呈現的模型建立中間步驟，了解矩陣運算，求解特征根與特征向量的信息，把握前因后果、各步驟間的相互關系，大量時間的節余可用在多元統計分析方法的專業應用上。
3 通過適宜教材激發學習興趣
多元統計分析原理部分的繁瑣復雜性對該課程的學習形成很大阻礙，且原理部分又不是醫學專業學生學習的重點，這提示了教材選擇的重要性。合適的教材不應該花費很大的篇幅在理論推導和模型建立的過程上，否則只會增加學生對該課程的畏懼心理。教材應當側重于多元統計方法的應用部分，應用部分和學生專業的相關性越強，就越容易激發學生學習興趣。
上文中提到學習醫用多元統計分析教學要結合統計分析軟件，因此，教材中最好在每個多元統計方法的介紹之后都安排一個章節，說明這種多元統計方法通過統計分析軟件如何實現，以及軟件運行結果如何解讀。醫學各專業學生一般都未經過系統的統計軟件的學習，因此，教材中軟件相關內容的安排就尤其重要，不僅要有這樣的章節，而且要通俗易懂，適合醫學專業學生的初次統計軟件學習，在每一種多元分析方法數據集的錄入、軟件實現的步驟、一些常用選擇項的介紹、軟件運行結果的每個部分的解讀以及結合專業知識后的結論等各個方面都要有詳盡的解釋。
醫學可以劃分成很多不同的專業，如公共衛生、醫藥和臨床專業等，就公共衛生專業又可以進一步詳細劃分成勞動衛生、兒少衛生和營養等專業。目前的醫用多元統計分析教材沒有具體針對各個專業的多元統計分析教材，能選擇到和醫學專業接近的教材充其量也就是醫用多元分析的教材了，因此，通過教材提高學習的積極性還是存在一定的局限性，但這種局限可以通過案例教學來彌補。在授課過程中，授課教師可能通過案例式教學[3]，選擇和授課學生專業休戚相關的例子來進行講解，就格外能吸引學生的注意力。
4 通過教學設計引導學生主動學習
多媒體技術在教學中的應用極大優化了教學過程[4]。隨著多媒體技術的發展，教學過程中“傳統的PPT教學”逐漸形成新的多媒體教學形式――微課件。微課件是指使用多媒體技術在五分鐘內就一個知識點進行針對性講解的一段視頻或音頻[5]。基于教學設計，微課件可用于難點講解、內容小結等各個環節。如在教學導入階段，教師根據新課知識點設計新穎的問題，通過簡短的視頻的形式展現。微課件以視頻的形式吸引學生的注意力的同時，將教學問題引入，讓學生帶著問題去聽完一堂課，從而起到引導學生主動學習、增強聽課效果的作用。
多元統計分析范文第4篇
【關鍵詞】教學質量；評估；主成分分析
教學評價是系統地收集教學信息，基于所獲得的信息，確定培養目標和要求對教學過程與結果進行衡量和價值判斷，為教學決策提供依據，從而實現對教學活動的宏觀調控，來達到預期結果的過程。對教師教學過程、教學水平進行科學合理的評價能夠顯示教師教學質量所達到的指標，亦能不斷給對教學提供反饋信息。
根據學校的教師教學質量評價細則，調查了我校不同年級的部分學生。除去外出或拒絕回答等因素外實際調查人數153，應答率為85%。
主要是通過教學態度、教學技能、教學效果三方面來，確定了7個指標，公平對待每位學生鼓勵學生對學習負責；上課準備充分、熟悉教學內容并注重課堂紀律；講課條理清楚、層次分明、重點突出程度；積極開展教學改革不斷改進教學；按要求完成教學任務，實際預期教學目標；學生能掌握或理解大部分教學內容；善于引導我們深入思考，課堂互動氣氛濃厚，最后對教師的教學質量做一個總評價。教學質量評價（10分制）：優秀：8.5分以上；良好：7.5分以上；合格：6.5分以上；基本合格：5.5分以上；不合格：5.5以下。
根據采集的100多份數據，利用excel錄入數據，通過加權平均處理分析得到樣本數據。論文根據多元統計分析建立了模型，應用了SAS軟件和MATLAB神經網絡環境分析處理。
在用統計分析方法研究這個多變量的課題時，變量個數太多就會增加課題的復雜性。人們自然希望變量個數較少而得到的信息較多。在很多情形，變量之間是有一定的相關關系的，當兩個變量之間有一定相關關系時，可以解釋為這兩個變量反映此課題的信息有一定的重疊。主成分分析是對于原先提出的所有變量，建立盡可能少的新變量，使得這些新變量是兩兩不相關的，而且這些新變量在反映課題的信息方面盡可能保持原有的信息。
從上文中確定評價指標有7個，按順序分別編為，代表學生對教師上課評價滿意程度。我們將評價指標的取值范圍定為[0，10]，表格通過隨機的153名同學評價，經過EXCEL處理得到數據，如表1所示。
將表1的組數據全部導入SAS中，調用主成分分析過程，編寫程序如下：
提交運行，完成相關性分析。從結果中得到各個變量之間的相關性，如表2所示。
從表2中可以看出，于的相關關系最為顯著，依次為0.6888，0.6550，0.5451，0.4496，0.4182。同時可以看到與的相關系數為0.6343；與的相關系數為0.6000。這些預測因子之間的相關系數較大，因此，需對預報因子做主成分分析，以提高評價準確性。
主成分分析將研究對象的多個相關變量指標化為少數幾個不相關變量的一種多元統計方法，而且這些不相關的綜合變量包含了原來變量提供的大部分信息。直接調用上面的SAS的主成分分析主程序，可以得到8個主成分的貢獻率和累積貢獻率如圖1所示，同時可以得到其主成分的相關負荷表如圖2所示。
從圖1中可以看出前5個主成分的特征值的累積貢獻率達到了91.18%，因此可以認為，用前面5個就足以獲取原始數據的方差結構了。在看對主成分分析的解釋，圖2中給出了主成分與各變量的相關系數（即因子負荷）。從因子負荷中我們可以看到第一主成分中和的相關系數比較高；而在第二主成分明顯的是由所支配的；同樣可得到第三主成分是，第四主成分中和特征向量系數比較大，第五主成分中是。綜述所述，可以得出特征性比較顯著。
本文主要是對目前我院教學質量效果評價進行了研究。基于多元統計分析的教學質量評價，在主成分分析基礎上建立教學質量評價模型。以主觀評價試驗和統計分析為基礎，SAS和MATLAB為運行環境，得到結果。通過試驗分析驗證了該方法的可行性和有效性，完成了研究工作，并得出結果，即影響教學質量評價的主要因素和因素對教學質量評價影響程度。
參考文獻
多元統計分析范文第5篇
關鍵詞：大學生;信用評估;主成分分析;因子分析;聚類分析法
引言
本文在國內外個人信用評價相關理論和生活經驗的基礎上，結合大學生相關特質，確定各指標的重要程度，并用層次分析方法確定各指標的評分值，構建大學生信用評價指標體系，通過對湖南農業大學本科生進行問卷調查，獲得客觀的原始數據;將多元統計分析中的主成分分析、因子分析和聚類分析作為主要研究方法，構建大學生信用評估模型，運用SPSS統計軟件進行相關操作來評估大學生信用好壞情況，并驗證所建指標體系的可行性。
一、研究方法
1.主成分分析。主成分方法由Hotelling于1933年提出，是利用降維的思想將多指標轉化為少數幾個綜合指標的多元統計分析方法。主成分分析是對原有所有變量進行簡化，建立盡可能少的新變量，使得這些新變量兩兩不相關，并在反映研究的信息方面盡可能保持原有的信息。
2.因子分析。因子分析是用于數據化簡和降維的多元統計分析方法，是在主成分分析的基礎上構筑若干意義較為明確的公因子，以它們為框架分解原變量，以此考察原變量間的聯系與區別，主要研究的是相關陣或協方差陣內部依賴關系。
3.聚類分析。聚類分析指將物理或抽象對象的集合分組為由類似的對象組成的多個類的分析過程。目標是在相似的基礎上對收集的數據進行分類。
利用系統聚類與主成分分析和因子分析相結合的思想，分別將通過主成分分析和因子分析得到的各位同學的最終得分進行聚類，將聚類結果進行比較分析，得到大學生中信用度的集中趨勢并進行深入研究。
二、大學生信用評估體系的建立
1.數據選取與處理。本文數據通過網上調查的方法獲得，對湖南農業大學各年級本科生進行《大學生誠信情況調查問卷》隨機問卷調查，共發放問卷126份，收回有效問卷126份，有效回收率達100%。通過調查問卷收集了大學生學習、經濟、社會實踐、生活、就業等六大方面誠信情況的數據。
將研究的六大因素作為一級指標、并設置具體問題作為二級指標，建立大學生信用評估體系，在此基礎上借鑒國內外個人信用評價指標體系的研究成果和專家評分，同時根據生活實際，對各級指標的重要程度以0～10（分值越高，表示該因素對誠信更重要）進行評分，并賦予相應分值。
2.實證研究過程。首先用主成分分析法對19個變量信息提取主成分解釋總方差百分比達到90%的前n個主成分，在操作過程中，發現抽取特征值大于0.6時，主成分解釋總方差百分比達90.964%，滿足原定的期望值，此時共提取了15個主成分，將得到的因子載荷矩陣復制到數據庫中，用依次命名，再將ai對應的特征向量zi計算出來，從而計算各主成分yi，最后計算得到每位同學的綜合得分y。再用因子分析來對數據進行處理。選擇降維――因子分析，同樣抽取特征值為0.6，得到90.964%的方差累積貢獻率。
在運行后得到15個公共因子的得分，最后通過公式：
F=（8.359*FAC1_1+6.708*FAC2_1+6.459*FAC3_1+6.41*
FAC4_1+6.363*FAC5_1+6.246*FAC6_1+5.973*FAC7_1+5.777*
FAC8_1+5.725*FAC9_1+5.72*FAC10_1+5.503*FAC11_1+5.472*
FAC12_1+5.422*FAC13_1+5.414*FAC14_1+5.413*FAC15_1）/90.964
計算得到每位同學的因子得分F。用系統聚類法分別將主成分分析法和因子分析法得到的每位同學的因子分F分成三類：第一類，信用度高;第二類，信用度中等;第三類，信用度偏低。再對各類別中男女組成及年級組成進行分析，得到相關結論。
三、結果分析
模型的調試：
考慮到問卷調查是隨機的，在男女及各年級的比例上存在較大的差距，得出的結果可能與實際情況不相符，因此，對實驗結果進行進一步分析前，先要使這兩組定性變量構成比例各自相同。
在調查的126份問卷中，參與調查的性別組成為男生57人、女生69人。因此，在調試時需將實驗結果性別組成中的男生乘上126/114、女生乘上126/138，使男女總比例為1∶1，得到最終結果。
參與調查的年級組成為大一21人、大二39人、大三57人、大四9人。因此，需將實驗得出的各類別在大一、大二、大三、大四數分別乘上126/84、126/156、126/228、126/36進行調整，得到最后的結果。
四、結果分析與討論
表1 主成分分析調試后性別分析的結果
由表1可得，類別1是誠信度高的，有40人，類別2是誠信度中等的，有51人，類別3是誠信度較差的，有35人。其中，類別1和2共91人，占總體的70%，可見大學生中誠信度較高的人還是居多。在誠信度較高的人群里，男性占43人，女性占48人，可見女性誠信度要高于男性。
根據表2計算得，大一中類別1和2占大一總體的62.5%，大二中的類別1和2占大二總體的77.4%，大三中的類別1和2占大三總體的74.2%，大四中的類別1和2占大四總體的78.1%。可見，大學生的誠信水平是普遍較高的，誠信水平大致上隨著年級的升高而增加，且大四學生的誠信水平最高。
因子分析法的結果研究的實驗結果：
表3 不同分類下的人數
由表3可知，第三類為誠信度最低的，占總人數的80.2%;第二類為誠信度中等的，占總人數的9.5%;第一類為誠信度最高的人，僅占總人數的10.3%。運用因子分析得到的結果與主成分分析結果差異較大，且與現實不符，因此舍棄運用因子分析得到的結果。
結語
本文根據主成分分析與因子分析兩種方法對大學生的誠信調查問卷進行分析，經對比可知，主成分分析的新變量是原始變量的線性組合，每個主成分都是由原有所有變量線性組合得到，但是因子分析不是對原始變量的重新組合，而是對原始變量進行分解，利用少數幾個公共因子去解釋較多個案觀測變量中存在的復雜關系。最終發現主成分分析的結果更符合實際情況，從而剔除因子分析的結果，保留主成分分析計算的結果，得到大學生群體中女性的誠信度要高于男性，同時隨著年級升高大學生的誠信度也逐漸增高的結論，這一結論與事實吻合，一般來說，女性比男性更有還貸意識，而且隨著年級的升高學生的閱歷也逐漸增加，使他們更有責任感。最后給銀行發卡部門提出了有建設性的建議，即銀行發卡時可注重向女性或者高年級學生多發卡，可減少男性或低年級學生的發卡數。
參考文獻：
[1] 王莉.基于SOM自組織神經網絡的企業信用評估模型[D].太原：太原理工大學計算機應用技術學院碩士學位論文，2005.
