因子分析.docx
- 文档编号:7275568
- 上传时间:2023-05-11
- 格式:DOCX
- 页数:12
- 大小:151.61KB
因子分析.docx
《因子分析.docx》由会员分享,可在线阅读,更多相关《因子分析.docx(12页珍藏版)》请在冰点文库上搜索。
因子分析
中国上市商业银行竞争力评价体系构建
——基于SPSS因子分析方法
1研究背景
随着我国银行业的不断发展和进步,很多拥有国际跨国背景的外资银行开始纷纷入驻我国,并在我国成立了多家外资银行,这样就标志着我国银行业的竞争会更加的激烈。
因此,通过对我国银行业竞争力的研究。
因此,拟选择一套科学的竞争力评价指标体系,来获取量化的指标信息,评价我国的上市银行所拥有的竞争力,找出影响各个银行竞争力的根本因素,从而为培育和提高我国商业银行的竞争力提出对策建议。
按照全面性、可得性以及科学性等原则为依据,来对能够反映出商业银行竞争力的盈利性、安全性、流动性、规模性和发展性五类指标共13个小指标,通过各个因子的方差贡献率我们了解到,对银行贡献率最高的主要是能够体现银行总体规模实力的各个因子。
构建了商业银行竞争力评价指标体系,在此基础上,运用因子分析法对我国上市商业银行的竞争力进行了实证分析。
本文建立的银行指标体系,其中的每个指标都能够影响到银行自身的竞争能力。
2研究方法
2.1评价模型构建
因子分析是多元统计学的一个分支,它的主要思想是降维。
因子分析法研究的是以最少的信息丢失把众多的具有较高相关关系的观测变量浓缩为少数几个假想变量。
这些假想变量能反映出原来众多具有错综复杂关系的变量的大部分信息,并对这些原有的变量之间的相互关系进行解释。
这些假想变量就是因子。
因子分析法能起到削减变量个数、降低变量维数,而不会造成原有变量信息大量丢失的作用。
因子分析模型与多元线性回归模型在形式上类似,每个观测变量可以写成一组公共因子的线性组合。
假设有P个观测变量:
X1,X2,…,Xp,这P个观测变量都是具有零均值、单位方差的标准化变量。
则因子分析模型可以表示为:
X1=a11F1+a12F2+……a1mFm+ɛ1
X2=a21F1+a22F2+…….a2mFm+ɛ2
…
Xp=aP1F1+aP2F2+……aPmFm+ɛP
其中F1、F2……Fm是该模型中各个观测变量所共有的公共因子,解释了变量之间的相关关系;ɛ1、ɛ2……ɛm为特殊因子,它表示每个观测变量不能被公共因子所解释的部分,相当于多元回归分析中的残差项;aij称为因子负载,类似于多元回归分析中的标准回归系数,表示第i个变量在第j个公因子上的负载(i=l,2,...p;j=l,2,...,m)
因子分析模型也可以用矩阵形式表示为
X=AF+ɛ
其中,X=(X1,X2,......Xp)'是观测变量向量,且E(X)=0,协方差矩阵COV(X)=∑与相关系数矩阵R相等;F=(F1,F2,......Fm)'是分向量相互独立公共因子向量,且E(F)=0,COV(F)=1;ɛ=(
1、ɛ2……ɛp)'是特殊因子向量,表示观测变量中不能由公因子所解释的部分,E(ɛ)=0,cov(ɛ)=∑ɛ是对角阵;A是因子载荷矩阵,aij表示Xi与Fj的相依程度。
2.2因子分析法的步骤
进行因子分析主要要解决两个问题:
构造因子变量和对因子变量进行命名解释,通常可以分为四个基本步骤。
1.计算变量的相关矩阵。
因子分析的最终目的是以最少的信息丢失把众多错综复杂的观测变量浓缩为少数几个公因子变量,但是,其前提条件是原有的观测变量之间应该具有较强的相关关系,否则,无法从较多的观测变量中提取出具有代表意义的公因子。
所以在进行因子分析时,首先要计算观测变量之间的相关系数矩阵,若相关系数矩阵中的大部分相关系数都小于0.3,则不适合对这些变量做因子分析。
2.确定因子变量。
这一步的主要目的是在样本数据的基础上,提取出少数几个可以反映大部分原有观测变量信息的因子,达到削减变量个数的目的。
确定因子变量的方法有多种,包括主成分分析法、主轴因子法、极大似然法、最小二乘法等。
采用主成分分析法来确定因子变量。
3.因子变量的命名解释。
求得的初始因子解,往往很难解释,因为某个观测变量可能同时与几个因子变量有较大的相关关系。
因此,必须通过因子旋转,对初始公共因子进行线性组合,让某个变量在某个因子上的载荷趋于1,而在其他因子上的载荷趋于0,使公因子变得更加容易解释。
4.计算因子值。
将因子变量表示为原始变量的线性组合,可以得到因子得分模型:
F1=b11X1+b12X2+……b1pXP+ɛ1
F2=b21X1+b22X2+…….b2pXP+ɛ2
…
Fp=bP1X1+bP2X2+……bmpXP+ɛP
从原始变量的观测值估计各个因子的值,这个值就是因子值(因子得分)。
2.3评价指标体系
秉承科学性、系统,全面性、可比性、可得性原则,借鉴其他论文的商业银行竞争力模型,从中选取了13个指标。
建立的竞争能力评价的指标体系初步结果如下:
X1.资本回报率
对资本回报率进行计算发方法是银行净利润除以银行股东的权益,再乘以100%,获得的值即资本回报率。
通过计算获得的资本回报率主要是对银行股东权益收获的利润进行体现,同时还是银行资本运行效率的体现,除此之外,它还可以反映出银行在财务管理方面的能力。
X2.资产收益率
对资产收益率进行计算的方法是银行净利润的总额除以平均资产总额,再乘以100%,获得的值即资产收益率。
通过计算获得的资产收益率主要是银行通过自身总资产进行盈利的能力,如果资产收益率越大,那么就表示银行的盈利能力越厉害。
X3.成本收入比
对成本收入比进行计算的方法是营业费用总额除以营业收入总额,再乘以100%,获得的值即成本收入比。
通过计算获得的成本收入比主要是对银行的创造盈利以及成本控制的指标进行反映,是针对商业银行的盈利能力进行的体现。
X4.资本充足率
对资本充足率进行计算的方法是一级资本和二级资本的总额除以风险加权资产,再乘以100%,获得的值即资本充足率。
主要通过资本充足率是能够稳定银行发展和安全经营的前提条件。
它主要是针对银行抵御风险的能力进行反映。
X5.核心资本充足率
对核心资本充足率进行计算的方法是银行的核心资本除以风险加权资产,再乘以100%,获得的值即核心资本充足率。
主要通过核心资本充足率来对商业银行的抵抗风险能力进行反映,并且,《巴塞尔协议》规定每个商业银行的核心资本充足率都不能低于4%以下。
X6.拨备覆盖率。
对拨备覆盖率进行计算的方法是银行的贷款损失准备金除以不良贷款余额,再乘以100%,获得的值即拨备覆盖率。
拨备覆盖率主要是针对银行将要面临的各种不良贷款的损失专门准备的比重金,通过拨备覆盖率主要来对银行的风险控制能力以及资产质量进行反映。
X7.存贷比。
对存贷比进行计算的方法是银行的期末各贷款余额除以期末存款总额,再乘以100%,获得的值即存贷比。
通过计算获得的对存贷主要反映了银行在流动性方面的管理能力。
如果计算的存贷比越高,那就表示银行在流动性方面越弱,这样就没有办法对银行安全性进行保证。
如果我们从盈利的角度进行分析,我们发现,如果银行的存贷比越高,那么就说明银行的盈利越多。
但是针对存贷比,国家有专门的规定,即不得超过75%。
X8.流动性比率
对流动性比率进行计算的方法是银行的流动资产除以流动负债,再乘以100%,获得的值即流动性比率。
通过计算获得的流动性比率主要是用作竞争力评价的指标,通过它来对银行的资金变化情况进行反映。
X9.资产规模
对于商业银行的抗风险能力以及经营绩效情况来说,影响它们的主要因素即商业银行的资产规模。
如果银行的规模越大,那么就表示银行能够拥有更加多样化的服务以及金融产品,这样就可以获得更加丰富的利润,有了更加多的调剂资金以后,企业在面临风险过程中就更加有把握。
X10.网点总数
对于银行的营业网点来说,它是商业银行的重要战略资源之一,通过网点的数目我们可以了解到商业银行的规模,还可以通过网点数目反映出商业银行占据的市场份额,另外,它也是衡量银行竞争力的重要指标之一。
X11.资产增长率。
对资产增长率进行计算的方法是银行的本期资产增长额除以期初资产总额,再乘以100%,获得的值即资产增长率。
X12.存款增长率
对存款增长率进行计算的方法是银行的本期资产增长额除以期初资产总额,再乘以100%,获得的值即存款增长率。
X13.净利润增长率
对净利润增长率进行计算的方法是本期净利润增长额除以期初净利润总额,再乘以100%,获得的值即净利润增长率。
净利润增长率反映商业银行净利润及经营状况的变化情况,是衡量商业银行经营业绩的主要指标。
指标类型
序号
指标名称
计算公式
盈利能力
X1
资本回报率
净利润÷股东权益*100%
X2
资产收益率
净利润总额÷平均资产总额*100%
X3
成本收入比
营业费用总额÷营业收入总额*100%
安全性
X4
资本充足率
(一级资本+二级资本)÷风险加权资产*100%
X5
核心资本充足率
核心资本÷风险加权资产*100%
X6
拨备覆盖率
贷款损失准备金÷不良贷款余额*100%
流动性
X7
存贷比
期末各贷款余额÷期末贷款总额*100%
X8
流动性比率
流动资产÷流动负债*100%
规模性
X9
资产规模
——
X10
网点总数
——
发展性
X11
资产增长率
本期资产增长额÷期初资产总额*100%
X12
存款增长率
本期存款增长额÷期初存款总额*100%
X13
净利润增长率
本期净利润增长额÷期初净利润总额*100%
2.4样本选取及数据来源
截至目前,我国共有16家商业银行在内地上市,包括5家国家控股商业银行——中国工商银行、中国银行、中国建设银行、交通银行和中国农业银行,8家股份制商业银行——招商银行、中信银行、光大银行、民生银行、上海浦发银行、福建兴业银行、平安(深发展)银行和华夏银行,3家城市商业银行——北京银行、宁波银行和南京银行。
我所使用的数据全部来源于16家样本银行在上海证券交易所和深圳证券交易所公布的2014年年报,各银行的样本原始数据见附表1所示。
为了保证数据处理过程的科学和有效,需要对原始数据进行正向化处理。
2.5分析过程
2.5.1标准化处理
由于各个指标经济意义不同量纲不同,不具有可比性,所以,正向化处理后的数据需要进行标准化处理,所谓标准化处理,也就是对评价指标数值的无量纲化、正规化处理,它主要是通过一定的数学变换方法,把性质、量纲各异的指标转化为可以进行综合的一个相对数——量化值,以此来消除量纲的影响,并使其保持方向上的一致性。
进行标准化处理时釆用的方法是Z—score法。
通过标准化处理后的数据见附表2。
2.5.2检验是否适合因子分析法
(1)KMO和Bartlett球形度检验
检验是否适合做因子分析,在SPSS中检验的方法是KMO检验法和Bartlett球形度检验。
KMO检验值大于0.5或者Bartlett球形度检验P值小于0.05即可。
所选取数据的KMO检验值为0.549>0.5,虽效果不好,但是可以进行因子分析。
Sig值小于0.05,适合做因子分析。
(2)主成分分析提取公因子方差
由于因子分析的主要任务之一是对原有变量进行浓缩,即将原有变量中的信息重叠部分提取综合为因子,进而最终实现减少变量个数的目的。
对此它要求原有变量之间应存在较强的相关关系,否则,如果原有变量相互独立,不存在信息重叠,那么也就无法将其综合和浓缩,也就无需进行因子分析。
本步正是希望通过各种方法分析原有变量是否存在相关关系,是否适合于进行因子分析。
运用SPSS计软件标准化数据进行实证分析,首先可以得到变量共同度表。
变量共同度说明了全部公因子反映出原变量信息的百分比,描述了全部公共因子对变量的总方差所做的贡献。
大的变量共同度说明变量空间转化为因子空间时,保留了比较多的信息。
它说明对原有13个变量如果采用主成分分析方法提取所有的特征值(13个),那么原有变量所有的方差都可被解释,变量的共同度均为1(原有变量标准化后的方差为1)事实上,因子个数要小于原有变量的个数才是因子分析的真正目的,所以不可提取全部特征根。
提取列是在给定条件下(特征根大于1)提取特征根时的共同度。
此时所有变量的共同度均较高,大部分变量的共同度均大于70%,各个变量的信息丢失都在30%以内,总体效果较为理想,各个变量的信息丢失都很少,说明变量空间转化为因子空间时,保留了比较多的信息,因此,此处是适合使用因子分析法做数据分析的。
2.5.3公因子提取
选用的提取因子的方法是主成分分析法,并按照因子累计贡献率大于80%的标准选取公因子。
SPSS按以上的方法提取的因子解释原有变量总方差的情况(对应因子的贡献率)如下所示。
从结果可以看出,前四个因子的累计方差贡献率达到了82.203%,说明这四个因子所代表的信息已经能够充分反映原有观测变量大部分信息。
因此,选取四个公因子F1、F2、F3和F4,得到的因子载荷矩阵如图所示。
2.5.4因子命名解释
因子载荷矩阵显示的是初始因子解,但是这很难解释因子的意义。
为了更好的解释各因子,使因子具有命名解释性,使用SPSS釆用方差最大法对因子载荷矩阵进行旋转。
旋转后的因子载荷矩阵如下所示。
由旋转后的因子载荷矩阵可知,第一个因子F1在X4(资本充足率)、X9(资产规模)、X10(网点总数)、X10(核心资本充足率)上有较大的载荷,因此,第一个因子可以概括为商业银行安全性和总体规模实力因子;第二个因子在X12(存款增长率)、X6(拨备覆盖率)、X13(净利润增长率)、X11(资产增长率)指标上有较大载荷,因此第二个因子可以解释为发展能力因子;第三个因子在X2(资产收益率)和X1(资本回报率)上有较大载荷,因此第三个因子可以解释为盈利能力因子;第四个因子在X8(流动性比率)上有较大载荷,因此第四个因子可以解释为流动性管理能力因子。
2.6因子得分计算
对因子命名之后,在SPSS中利用回归法求得得分系数矩阵。
如下所示
由此我们可以得出公共因子与初始变量之间的线性关系,并可根据初始变量的观测值,计算出各银行在各公共因子上的得分,计算公式如下:
F1=-0.078*ZX1+0.079*ZX2+……+0.034ZX13
F2=0.011*ZX1-0.045*ZX2+……+0.256ZX13
F3=0.425*ZX1+0.461*ZX2+……-0.277ZX13
F4=-0.038*ZX1+0.191*ZX2+……-0.172ZX13
计算出各项公共因子得分后,还可根据各公共因子的方差贡献率,对各公共因子得分按旋转后的方差贡献率权重进行加总,得到综合得分F,计算公式如下:
F=0.31354F1+0.25678F2+0.14176F3+0.10996F4
结果说明
(1)从总体规模和安全性实力来看,工商银行、建设银行、农业银行和中国银行在该因子上得分较高,说明这四家银行在总体规模实力方面的表现优于其他股份制商业银行。
同时,因子F1的方差贡献率高于其它因子的方差贡献率,所以这四家国有商业银行在F1上的高得分决定了其在我国银行业具有绝对竞争力优势的地位。
浦发银行及华夏银行在因子F1上的单项得分较低决定了这两家银行在我国上市商业银行中的竞争力排名靠后。
因此,商业银行的规模对银行的竞争力是至关重要的,能起决定性作用。
(2)从发展能力方面来看,平安银行、宁波银行、南京银行和农业银行在该因子上的得分最高,说明这几家银行在发展能力能力方面的表现比较好,而交通银行和中信银行在该项得分最低,表明交通银行和中信银行在发展能力有待加强。
发展能力已经成为影响商业银行进一步发展的重要因素。
(3)从盈利能力方面来看,兴业银行、民生银行、招商银行和建设银行在这个方面的表现都比较好,具有较高的盈利能力;而平安银行和交通银行的盈利能力较差,这两个银行在这方面的表现应该进一步加强,以提高银行的综合实力。
(4)从流动性管理方面来看,招商和宁波银行的流动性能力最强,而浦发银行和北京银行的流动性最差。
(5)从综合竞争力来看,各项指标都对银行的竞争力产生影响。
从各个因子的方差贡献率可知,体现的总体规模实力和安全性的因子F1因为具有较高的贡献率,因而对商业银行竞争力具有决定性作用。
其他因子都在一定程度上决定了商业银行的竞争力地位。
南京银行、中国银行、工商银行、建设银行和农业银行在规模实力上的绝对优势,决定了它们在我国上市商业银行竞争力排名靠前,充分体现了规模实力对竞争力的决定性地位。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 因子分析