实证研究方法及数据处理.docx
- 文档编号:957633
- 上传时间:2023-04-30
- 格式:DOCX
- 页数:55
- 大小:807.64KB
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(55页珍藏版)》请在冰点文库上搜索。
实证研究方法及数据处理
实证研究方法及数据处理
LT
接着重点介绍结构方程模型,最后应用结构方程模型软件Amos7.0对验证性因子分析、路径分析和结构方程模型加以应用举例,注重通过对不同方法之间关系的比较使研究者逐步加深对结构方程模型方法和技术的理解和掌握。
结构方程模型(StructuralEquationModeling,简称SEM)是一种融合了因子分析和路径分析的多变量统计方法和技术,是第二代数据分析方法和技术,能够进行高质量的数据分析。
与第一代数据处理技术如回归分析相比,结构方程模型能够对多个自变量和多个因变量的关系进行建模并通过简单而系统的分析同时解决一系列相关研究问题,同时,可以通过多个可直接观测变量来衡量无法直接观测的潜在变量,减少了变量的测量误差,根本上提高研究的精度。
因此,结构方程模型方法的问世极大便利了理论研究的验证。
自上世纪80年代以来,随着电脑科技的发展,该技术日益成熟,成为多变量数据分析的重要工具,日益受到研究者的青睐。
目前,已经有多种软件可以处理SEM,包括:
LISREL,AMOS,EQS,Mplus等。
7.2因子分析
因子分析(FactorAnalysis)起源于心理学,该领域的诸多变量如智力、动机、能力、兴趣等的无法直接测量,需要通过外显行为来测量,因子分析就是寻找许多可直接观测的指标或变量背后的不可直接观测的解释因子。
因子分析的思想是结构方程模型分析的重要组成部分,该思想的出现增加了难以直接观测的潜在变量衡量的精确性,减少了测量误差,使得变量间因果关系模型的研究更为接近事实真相。
按照用途和处理方法的不同,因子分析可分为探索性因子分析和验证性因子分析。
7.2.1探索性因子分析
1.探索性因子分析(EFA)和主成分分析(PCA)
探索性因子分析(ExploratoryFactorAnalysis)和主成分分析(PrincipalComponentsAnalysis)都是探索性的技术,是多变量统计中降低变量维度的方法,理清两者之间的关系有助于加深对因子分析的理解。
探索性因子分析和主成分分析的共同点在于通过找出不可直接观察的因子,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。
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。
- 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:
- 实证 研究 方法 数据处理