原创SPSS中国上市银行竞争力因子分析和聚类分析论文报告文档格式.docx

资源描述

原创SPSS中国上市银行竞争力因子分析和聚类分析论文报告文档格式.docx

《原创SPSS中国上市银行竞争力因子分析和聚类分析论文报告文档格式.docx》由会员分享，可在线阅读，更多相关《原创SPSS中国上市银行竞争力因子分析和聚类分析论文报告文档格式.docx（12页珍藏版）》请在冰豆网上搜索。

原创SPSS中国上市银行竞争力因子分析和聚类分析论文报告文档格式.docx

-.025

-.009

-.086

资产负债率

.563

-.166

.105

.494

资本充足率

-.479

.357

.044

-.392

1.000

-.366

-.345

.159

.922

.551

.738

显著性（单尾）

.137

.346

.124

.154

.283

.472

.490

.407

.045

.323

.386

.073

.081

.155

.452

.131

.149

.164

.330

.000

.049

.007

通过观察原始变量的相关系数矩阵，可以看到，矩阵中存在许多比较高的相关系数，并且大多数变量通过了原假设为相应变量之间的相关系数为0的t假设。

相关系数实际上反映的是公共因子起作用的空间，相关系数越大，表明数据适合做因子分析。

KMO和巴特利特检验

KMO取样适切性量数。

.518

巴特利特球形度检验

近似卡方

50.188

自由度

显著性

.006

同时，KMO级Bartlett检验是否适合做因子分析。

以上是KMO级Bartlett检验结果，由表可知：

KMO值为0.518，说明该数据适合做因子分析。

上表中的巴特利特球体检验的X统计值的显著性概率是O．000，小于1％，因此拒绝原假设，说明数据具有相关性，适宜做因子分析。

反映像矩阵

反映像协方差矩阵

-.075

.025

-.005

.038

.031

-.012

-.031

-.064

-.001

-.007

.027

-.002

-.021

.011

.015

.207

-.026

.034

-.107

.018

.020

-.032

.175

反映像相关性矩阵

-.277

-.273

.306

-.019

.113

.266

-.114

-.101

-.464

-.158

.214

-.018

-.524

.307

.146

.496a

-.358

.533

-.560

-.932

.269

.503a

-.542

.651a

a.取样适切性量数（MSA）

反映像矩阵在其对角线上的数字若大于0.05（出口合同为0.406）则适合因子分析，小于0.05则不适合因子分析。

从表中得知，适合做因子分析。

公因子方差

初始

提取

.818

.519

.912

.928

.786

.953

.979

.865

提取方法：

主成分分析法。

变量共同度，它刻划了全部公共因子对各个变量的总方差所作的贡献，也称为公因子方差，从上表中可以得到变量共同度大部分都接近1，说明该变量的几乎全部原始信息都被所选取的公共因子说明了，也就是说，由原始变量空间转为因子空间转化的性质较好，保留原来信息量多，因此，

是

方差的重要组成部分。

检验可以做因子分析后，我们通过因子分析得到相应的特征值和对应因子的贡献率，如下表所示

成分

初始特征值

提取载荷平方和

旋转载荷平方和

总计

方差百分比

累积%

方差的%

2.800

34.998

2.664

33.302

2.671

33.383

68.381

2.646

33.070

66.372

1.288

16.104

84.485

1.449

18.113

10.225

94.710

.221

2.757

97.466

1.922

99.389

.478

99.867

.133

100.000

综合因子F，，F2，F3的特征值大于1，且对原始数据的累积贡献率达到了84.485％，其中F1的贡献率最强，达到了34.998％，F2的贡献率达到了33.383％，F3的贡献率也达到了16.104％。

这三个因子的贡献率都远远大于其它因子的贡献率，因此，F1，F2，F3是决定商业银行竞争力强弱的关键因子。

从碎石图中得到，第1个因子的特征值高于其他项，对解释原有变量的贡献最大；

第5个因子之后的特征值都小，对解释原有变量的贡献较小；

因此我们可以取3个或4个因子较为合适。

成分矩阵a

.897

-.157

.187

.892

.400

.150

.685

.607

.339

-.367

.873

.475

-.822

-.104

-.789

.391

-.596

-.006

.680

-.040

.239

-.678

a.提取了3个成分。

表中给出旋转前的因子载荷阵，从中可以看出，每个因子在不同原始变量上的载荷没有明显的差别，3个因子的实际含义比较模糊。

为了避免初始因子综合性太强，难以找出因子的实际意义的问题，需要通过旋转坐标轴，使负载尽可能向正负0或1的方向靠近，从而降低因子的综合性，使其真实意义凸现出来。

下面使用的因子旋转方法为方差最大正交旋转法，目的是使旋转后的因子载荷矩阵的结构简化，便于对各个公共因子进行合理的解释，同时保证每一个公共因子反映的信息量尽量最大。

旋转后的成分矩阵a

-.962

.051

.951

.084

.602

-.267

.593

.977

-.153

-.302

.016

.493

.788

.023

-.347

-.322

.771

-.131

-.151

-.692

旋转方法：

凯撒正态化最大方差法。

a.旋转在4次迭代后已收敛。

表中给出旋转后的因子载荷阵，从表中可以看出，经过旋转后的载荷系数已经明显的两极分化了。

第一个公共因子在指标X2每股收益增长率、X3资产负债率、X4资本充足率上有较大载荷，说明这3个指标有较强的关联性，可以归为一类，因此可以把第一个因子命名为“流动因子”；

第二个公共因子在指标X6贷款增长率、X7存款增长率、X8总资产增长率上有较大载荷，同样可以归为一类，第二个因子可以命名为“发展因子”；

同理，X1资产利润率、X5不良贷款率归到第3类，将其命名为“安全和盈利因子”。

在三维空间组件图中，各因子更接近于组价几，接近组件几对应的是‘旋转后的成分矩阵’的成分几。

成分得分系数矩阵

-.165

-.029

.544

-.138

-.516

.359

.012

-.034

-.368

.046

.072

.203

-.051

.370

.378

-.016

.371

.003

.167

.304

.083

组件得分。

表中给出了因子得分系数矩阵，根据表中的因子得分系数和原始变量的标准化值就可以计算出每个观测值的各因子的得分。

旋转后的因子得分表达式可以写成：

F1=-0.165x1+0.203x2+0.359x3-0.368x4-0.009x5-0.138x6-0.016x7+0.167x8

F2=-0.029x1-0.051x2+0.012x3+0.046x4-0.138x5+0.378x6+0.371x7+0.304x8

F3=0.544x1+0.370x2-0.034x3+0.072x4-0.516x5+0.137x6+0.003x7+0.083x8

（五）聚类分析：

本研究目的利用SPSS层次聚类对银行评分进行分类分析，以了解了解各银行之间的相互关系。

（六）研究步骤:

聚类成员

个案

3个聚类

2个聚类

表一可知，当聚成3类时，A，B俩个银行为一类，C银行自成一类，D，E两个银行为一类；

当聚成两类时，A，B俩个银行为一类，C，D，E三个银行为一类，SPSS的层次聚类能够产生任意类数的分类结果。

迭代历史记录a

迭代

聚类中心中的变动

1.803

4.031

a.由于聚类中心中不存在变动或者仅有小幅变动，因此实现了收敛。

任何中心的最大绝对坐标变动为.000。

当前迭代为2。

初始中心之间的最小距离为12.806。

表三，可知，第一次迭代后，3个类中心点分别偏移了1.803,4.013.0.000，第2类中心点的偏移最大，在第3类和第二次迭代时中心点偏移均小于判定标准（0.02），聚类分析结束。

五、结论

本文通过采用多元统计分析中的因子分析和聚类法对国有商业银行的经营绩效加以评价，从盈利能力、安全能力和发展能力三方面来具体分析我国上市商业银行竞争力，对上市银行及非上市银行具有一定的指导作用。

展开阅读全文