实证研究方法及数据处理.docx
《实证研究方法及数据处理.docx》由会员分享，可在线阅读，更多相关《实证研究方法及数据处理.docx（49页珍藏版）》请在冰豆网上搜索。
实证研究方法及数据处理
实证研究方法及数据处理
LT
第七章实证研究方法及数据处理——结构方程模型
7.1引言
与以往依据经验推导出理论知识的研究范式不同，实证研究强调理论知识的可靠性必须建立在观察和实验的经验证明的基础之上。
实证研究通过经验观察的数据和实验研究的手段来证明理论假设，就必须要求这种假设具有可证性。
实证研究方法不仅在自然科学领域得到广泛应用，而且已对社会科学的研究产生深刻影响，提升了社会现象的研究的精确性和科学性。
实证研究的过程一般包括如下几个步骤：
（1）问题确定
研究问题或是来源于研究者在实践中遇到的新问题或是在已有理论基础上的拓展，前一类问题研究往往有很强的创新性，但由于缺乏相关研究支撑，难度可能也较大，后一类类问题难度往往较小，但创新程度也可能不大。
研究者往往需要在这两个方面进行平衡。
（2）文献研究
文献研究有助于研究者熟悉所研究领域，对研究问题的价值进行评估，并寻找到真正的问题所在，同时有助于避免无意义的重复研究。
（3）提出理论框架和假设
理论框架主要包括变量、变量间关系和系统图，如路径分析和结构方程模型中的变量间关系的路径图。
假设则是指将变量间关系的合理推测以可验证的命题表达出来。
（4）样本选择及数据采集
样本的选择根据问题的差异而定，样本的数据或部分数据可以从公开的数据中获得如年鉴、报刊、上市公司年报等，也可以通过问卷调查的方式获得。
（5）数据分析及假设检验
数据分析一般结合各种统计软件进行，根据数据分析的结果可以确定测量模型是否合理以及总体模型的拟合情况，根据这些结果就可以进一步地确定能否对假设进行验证。
本章主要介绍实证研究方法中的结构方程模型方法，并按照结构方程模型的思想来源分别介绍因子分析（包括探索性因子分析和验证性因子分析）、路径分析等探索性和实证性的方法，
的因子，对具有高度相关性的变量作精简，都是为了将变量进行归类。
但在使用目的和数据处理上两者仍然存在着差别，探索性因子分析假设在实际的观测变量之下，存在着少数没有被观察到的潜在变量或构念，而主成分分析试图用数学方法推导出少数变量来传达尽可能多的信息。
代表主成分，
代表变量或测量指标
图7.1主成分分析
代表因子，
代表变量或测量指标
图7.2探索性因子分析
两种测量方法的差异如图7.1和图7.2所示。
方框代表可直接观测的变量或指标，圆框代表主成分或因子，箭头代表因果关系。
从图中可以看出，主成分分析中的主成分是所有变量的线性函数，并且不允许变量有测量误差；相反，因子分析是将变量区分为共同因子和测量误差两部分，变量是不可观察因子的线性函数。
2.探索性因子分析过程
为便于研究者深入理解并掌握探索性因子分析方法，我们首先给出探索性因子分析的步骤和流程图，接着结合SPSS软件分析通过案例分析具体介绍这一方法。
探索性因子分析一般包括如下步骤：
选取变量，并将其标准化；分析变量间的相关系数矩阵；求解公共因子及因子负荷矩阵；通过因子旋转得出因子得分；结果分析。
其分析流程如图7.3所示。
是
否
模型评价
选取变量
分析相关系数矩阵
其他分析
因子旋转
因子得分
结果分析
斜交旋转
正交旋转
求解共因子及负荷矩阵
相关系数是否
大于0.3
图7.3探索性因子分析流程图
例7.1由于主成分分析在前面已有介绍，在此，我们仅介绍探索性因子分析的软件分析步骤和结果解释。
我们基于2006年49家上市公司部分指标进行探索性因子分析，样本及指标见表7.1。
我们相信，在这些指标中可能会存在3个反映上市公司经营情况的潜在结构，大体上应该有收益、收益增长和负债等三个方面，据此我们通过探索性因子分析看看这些指标能否结合到这三个方面。
表7.1样本数据
公司简称
主营业
务收入
净利润
净利润率
净资产增长率
总资产增长率
营业利润增长率
每股收益
流动
资产
财务
费用
现金负债比率
现金流负债比
债务资产比率
万科A
1.78E+10
2154639315
0.12
0.79
1.21
0.69
0.49
4.47E+10
1.4E+08
0.56
0.81
0.64
国农
45638998
619804.46
0.01
0.01
0.31
-1.2
0.01
1.5E+08
774295
0.49
0.50
0.45
深振业
1.25E+09
216253765
0.17
0.15
0.14
2.12
0.85
1.65E+09
24453738
0.78
0.90
0.54
深达声
1.94E+08
-91523394
-0.47
-1.11
-0.06
-5.69
-0.49
2.95E+08
38976357
0.24
0.24
0.97
宝利来
10356391
-1756059
-0.16
0.05
-0.15
-0.56
-0.02
38218721
-76015
1.95
1.95
0.06
深宝安
2.49E+09
100265051
0.04
0.16
0.13
0.25
0.10
4.16E+09
1.17E+08
0.69
0.86
0.64
华新
98638149
7204444
0.07
0.09
-0.31
-0.55
0.04
1.73E+08
7628125
0.62
0.62
0.64
深物业
3.12E+08
-46054221
-0.14
-0.10
-0.08
-1.29
-0.08
1.24E+09
15268771
0.29
0.35
0.64
南玻A
2.95E+09
332111553
0.11
0.06
0.23
0.07
0.32
1.29E+09
87982201
0.77
0.96
0.56
沙河股份
3.35E+08
31022151
0.09
0.08
0.03
-0.08
0.23
9.34E+08
6851109
0.51
0.66
0.63
深康佳
1.27E+10
102638435
0.01
0.02
0.09
2.61
0.17
8.52E+09
13844699
1.97
1.98
0.64
中华
2.2E+08
-9648015
-0.04
0.02
-0.19
-0.24
-0.02
81858008
-1.4E+07
0.10
0.10
7.97
深中冠
2.41E+08
30057907
0.12
0.08
-0.10
0.25
0.17
2.4E+08
9814511
1.66
1.83
0.32
深深宝
1.02E+08
39059405
0.38
0.16
0.07
0.12
0.21
2.07E+08
2876537
0.59
0.59
0.36
华发A
1.61E+08
-19554248
-0.12
-0.06
-0.03
-4.11
-0.06
1.39E+08
5203253
1.05
1.05
0.40
长城开发
1.03E+10
341185208
0.03
0.08
-0.07
-0.08
0.38
2.74E+09
75597
11.7
11.8
0.22
深赤湾
1.91E+09
613964828
0.32
0.06
0.00
-0.02
0.95
4.41E+08
51050121
1.24
1.46
0.33
深天地
6.63E+08
32488942
0.04
0.13
-0.05
-2.50
0.23
5.02E+08
9840187
1.07
1.09
0.69
招商地产
2.94E+09
567912385
0.19
0.14
0.59
0.31
0.91
1.09E+10
-7902914
0.30
0.51
0.68
特力A
1.13E+09
-92148791
-0.08
-0.40
-0.03
-4.50
-0.41
2.92E+08
11645245
1.76
1.78
0.77
飞亚达
4.87E+08
29263221
0.06
0.05
0.24
0.73
0.11
4.85E+08
5684509
2.41
2.51
0.26
深能源
6.95E+09
800110239
0.11
0.04
0.02
-0.04
0.66
4.75E+09
72520665
2.27
6.74
0.27
一致药业
5.67E+09
72555229
0.01
0.13
1.49
1.47
0.25
2.11E+09
21028176
2.56
2.72
0.82
深深房
9.91E+08
19259485
0.01
0.03
0.05
-2.69
0.01
1.96E+09
31186645
0.75
0.80
0.54
盛润
0.0001
18660262
-97
-0.01
-0.24
-1.27
0.06
5649784
21533570
-97
-97
55.1
中粮地产
3.46E+08
174428317
0.50
0.10
0.29
-0.04
0.24
8.06E+08
23773931
0.33
0.36
0.41
深桑达
1.69E+09
41318145
0.02
0.03
0.04
0.50
0.21
1.06E+09
9012109
2.44
2.44
0.50
新都酒店
76419872
-138879856
-1.81
-0.31
-0.16
-11.5
-0.42
35701068
10749218
0.37
0.87
0.40
深泰
3.42E+08
2955737
0.01
0.12
-0.29
-0.49
0.01
4.15E+08
43840201
0.35
0.37
1.76
华联控股
5.36E+09
192908096
0.03
0.11
0.36
1.18
0.17
4.96E+09
1.38E+08
0.58
0.86
0.75
深南电
3.86E+09
63466109
0.01
0.04
0.13
2.29
0.11
1.72E+09
1.2E+08
1.29
1.45
0.62
中集集团
3.32E+10
2771723086
0.08
0.17
0.33
-0.08
1.24
1.51E+10
64233027
3.02
3.26
0.47
鸿基
5.72E+08
12202259
0.02
0.01
0.06
-1.91
0.02
1.17E+09
50010382
0.44
0.69
0.56
深长城
8.31E+08
76156189
0.09
0.02
0.34
0.48
0.31
2.19E+09
57228136
0.32
0.67
0.61
深南光
1.41E+09
69809738
0.04
0.12
0.47
0.11
0.50
1.79E+09
13850139
0.87
1.21
0.73
泛海建设
1.34E+09
255261903
0.19
1.88
0.92
6.34
0.33
6.9E+09
3464128
0.35
0.54
0.51
康达尔
7.46E+08
-95181189
-0.12
-4.30
-0.20
-8.35
-0.24
3.59E+08
40024997
0.74
0.75
1.14
德赛电池
8.69E+08
20038269
0.02
0.12
0.02
0.21
0.14
4.33E+08
7863900
2.38
2.38
0.59
深天马
1.51E+09
93795610
0.06
0.10
0.16
0.91
0.28
8.32E+08
36214863
2.21
2.25
0.44
方大A
6.71E+08
7986812
0.01
0.01
-0.06
-0.79
0.02
6.11E+08
21687075
0.96
0.97
0.61
深国商
71030842
-11479898
-0.16
-0.18
0.02
6.92
-0.05
6.14E+08
9243038
0.12
0.13
0.78
深赛格
1.91E+09
-67169248
-0.03
-0.04
-0.09
-0.28
-0.08
1.07E+09
44462818
1.16
1.22
0.51
辽通化工
2.48E+09
89314281
0.03
0.08
0.08
-0.57
0.13
7.96E+08
1.46E+08
0.92
1.58
0.59
中金岭南
6.24E+09
1134582368
0.18
1.24
0.51
2.50
1.7
4.48E+09
1.44E+08
1.61
2.33
0.53
农产品
1.7E+09
50015842
0.02
0.03
-0.04
-0.19
0.12
1.23E+09
50250251
0.76
1.04
0.52
深圳华强
2.11E+09
83546842
0.03
0.03
-0.07
-1.30
0.27
1.26E+09
3266753
1.99
2.01
0.42
中兴通讯
2.3E+10
807353000
0.03
0.05
0.19
-0.60
0.84
2.06E+10
2.4E+08
1.56
2.06
0.56
北方国际
1.49E+09
18832406
0.01
0.06
0.10
-0.17
0.11
1.26E+09
12306621
1.56
1.90
0.64
通过SPSS软件进行探索性因子分析的步骤如下：
（1）数据输入：
将上述数据进行标准化处理并转换为SPSS文件格式（略）。
（2）数据处理：
首先，单击Analyze=>DataReduction=>Factor，打开FactorAnalysis对话框，将左边的变量送入Variables对话框。
下一步，单击Descriptives按钮，选择Initialsolution,Coefficients,Determinant和KMOandBartlett’stestofsphericity；单击Continue按钮，然后返回主对话框。
接着，在主对话框中单击Extraction对话框，在Method的下拉菜单中选择Principalaxisfactoring，即采用主轴因子分析法；选择Correlationmatrix和Numberoffactors，在其框中选择3，即在指标中提取3个因子；然后单击Continue按钮，返回主对话框。
下一步，在主对话框中打开Rotation对话框，选择Varimax和Rotatedsolution，即采用最大方差和旋转解；然后单击Continue按钮，返回主对话框。
接下来，在主对话框中打开Options对话框，选择Sortedbysize和Suppressabsolutevalueslessthan，在其输入框中输入0.3，以抑制小于0.3的因子负荷，其原因在于因子负荷太小的变量不具解释力，加以抑制也使得输出结果更为清晰易读；然后单击Continue按钮，返回主对话框。
最后，在主对话框中单击OK按钮，输出结果。
（3）结果输出和解释
根据SPSS软件输出结果，指标的相关系数矩阵（correlationmatrix）显示了12个指标之间的关系，高的相关性表明两个指标之间很可能通过因子分析归入同一组中，该表下方的Determinant为2.47E-009，大于0.0001，表明有解（见表7.2）。
表7.2相关系数矩阵
Correlation
主营业
务收入
净利润
净利
润率
净资产
增长率
总资产
增长率
营利
增长率
每股
收益
流动
资产
财务
费用
现金债
务比率
现金流
负债比
债务资
产比率
主营业务收入
1.000
净利润
.849
1.000
净利润率
.081
.061
1.000
净资产增长率
.144
.267
.011
1.000
总资产增长率
.337
.439
.160
.394
1.000
营业利润增长率
.144
.201
.051
.602
.413
1.000
每股收益
.542
.700
.070
.425
.407
.450
1.000
流动资产
.718
.763
.068
.234
.549
.173
.390
1.000
财务费用
.508
.440
.054
.096
.244
.126
.380
.506
1.000
现金债务比率
.116
.072
.992
.010
.146
.037
.079
.064
.035
1.000
现金流负债比
.122
.083
.991
.014
.147
.037
.092
.068
.047
.999
1.000
债务资产比率
-.090
-.068
-.990
-.015
-.171
-.037
-.079
-.073
-.068
-.986
-.985
1.000
a.Determinant=2.47E-009
表7.3中KMO测度为0.729，大于0.7，表明析出因子所需的指标数量足够；Bartlett'sTest小于0.05，具有显著性，表明指标之间高度相关，能够析出因子。
表7.4的共因子方差表明了变量和所有其他变量间的关系。
表7.3KMOandBartlett'sTest
Kaiser-Meyer-OlkinMeasureofSamplingAdequacy.
.729
Bartlett'sTestofSphericity
Approx.Chi-Square
855.436
df
66
Sig.
.000
表7.4Communalities
Communalities
Initial
主营业务收入
.829
净利润
.878
净利润率
.992
净资产增长率
.437
总资产增长率
.466
营业利润增长率
.497
每股收益
.692
流动资产
.750
财务费用
.473
现金债务比率
.999
现金流动负债比率
.998
债务资产比率
.983
ExtractionMethod:
PrincipalAxisFactoring.
表7.5显示了12个可能因子之间的方差分配情况，其中三个因子的特征值大于1.0，表明三个因子都是可用的，这与我们分析前的预测和在分析过程中设定的因子数一致。
当然，也可以根据理论或相关系数矩阵将因子数设定为2个。
需要注意的是特征值低于1.0的不予采用，因为这时因子解释的信息低于单个指标。
表7.5TotalVarianceExplained
Factor
InitialEigenvalues
RotationSumsofSquaredLoadings
Total
%ofVariance
Cumulative%
Total
%ofVariance
Cumulative%
1
4.404
36.696
36.696
3.972
33.102
33.102
2
3.558
29.649
66.345
3.115
25.959
59.060
3
1.550
12.914
79.259
1.697
14.145
73.205
4
.714
5.946
85.205
5
.653
5.439
90.644
6
.449
3.742
94.385
7
.375
3.126
97.511
8
.189
1.577
99.089
9
.086
.721
99.809
10
.016
.130
99.939
11
.007
.054
99.993
12
.001
.007
100.000
ExtractionMethod:
PrincipalAxisFactoring.
表7.6非常重要，该表列出了因子在每个题项中的载荷，当然，根据分析过程的设定该表已经排除了绝对值低于0.3的载荷，研究者可以根据需要设定绝对值，如0.4、0.5等。
从表中可以看出，分析结果已经将12个指标按照大小顺序分为三组，其中有部分重叠。
当然每个因子在每个指标上事实上都有载荷，只是我们将绝对值设定在0.3，排除了绝对值更低的载荷。
由该表可见，Factor1有最高载荷的4项：
现金债务比率、净利润率、现金流动负债比率、债务资产比率；Factor2有5项：
净利润、主营业务收入、流动资产、每股收益、财务费用；Factor3有3项：
营业利润增长率、净资产增长率、总资产增长率。
从各因子的指标间关系来看，Factor1、Factor2和Factor3基本可看成为债务、收益和收益增长等三个方面的的因子。
当然，研究者还要根据这些指标的内容，进一步确定其能否合成一个因子。
如净利润率与债务方面应该没有相关性，不应将其作为Factor1的指标；Factor2和Factor3在每股收益上都有较高的载荷，但根据理论每股收益应在收益方面的范围内，并且由于因子分析要求以一个因子预测各个指标，因此应将每股收益作为Factor2指标，同理总资产增长率应作为Factor3的指标。
表7.7是用于初始的因子矩阵向旋转因子转换的，并不重要。
表7.6RotatedFactorMatrixa
RotatedFa
升级会员 