全文鏈接：http://tecdat.cn/?p=32747

原文出處：拓端數(shù)據(jù)部落公眾號

隨著我國經(jīng)濟的快速發(fā)展，上市公司的經(jīng)營績效成為了一個備受關(guān)注的話題。本文旨在探討上市公司經(jīng)營績效的相關(guān)因素，并運用數(shù)據(jù)處理、圖示、檢驗和分析等方法進行深入研究，幫助客戶對我國45家上市公司的16項財務(wù)指標進行了因子分析與聚類分析。

分析脈絡(luò)如下：

• 數(shù)據(jù)預(yù)處理(包括缺失值，異常值，標準化這些)

• 數(shù)據(jù)圖示

• 相關(guān)性檢驗正態(tài)性檢驗

• 做因子分析和聚類分析

查看數(shù)據(jù)

讀取到r軟件中：

數(shù)據(jù)預(yù)處理(包括缺失值，異常值，標準化

首先，在進行數(shù)據(jù)分析前，需要對數(shù)據(jù)進行預(yù)處理。數(shù)據(jù)預(yù)處理包括缺失值的處理、異常值的排除、標準化處理等。另外，為了減少數(shù)據(jù)誤差，需要對數(shù)據(jù)進行標準化處理。

標準化和可視化

其次，在數(shù)據(jù)處理完成后，需要對數(shù)據(jù)進行圖示。通過繪制散點圖等圖示，可以直觀地了解各項指標的數(shù)值分布和趨勢變化。同時，圖示也有助于發(fā)現(xiàn)數(shù)據(jù)中的異常點和趨勢漂移等問題。

數(shù)據(jù)的標準化及適用性檢驗

然后，進行相關(guān)性檢驗和正態(tài)性檢驗等統(tǒng)計方法。相關(guān)性檢驗可以通過計算相關(guān)系數(shù)的方法來判斷各項指標之間的聯(lián)系程度。而正態(tài)性檢驗則可以通過繪制概率圖、矩陣圖等方法，來判斷數(shù)據(jù)是否符合正態(tài)分布。通過這些檢驗方法，可以更準確地分析數(shù)據(jù)，并確定適當?shù)姆治龇椒ā?/p>

相關(guān)性檢驗

正態(tài)性檢驗

信度檢驗結(jié)果

信度檢驗結(jié)果是指對某種測量工具（例如問卷、測試等）進行信度檢驗后得到的結(jié)果。信度檢驗是一種評估測量工具穩(wěn)定性和一致性的方法，通常使用統(tǒng)計學(xué)方法來計算測量工具的內(nèi)部一致性或者重測信度。通過信度檢驗，可以確定測量工具的可靠性和準確性，從而確定測量結(jié)果的可信度。信度檢驗結(jié)果可以幫助研究者評估測量工具的質(zhì)量，以確保研究結(jié)果的可靠性和有效性。?

KMO檢驗：

KMO檢驗是一種用于評估數(shù)據(jù)是否適合進行因子分析的統(tǒng)計方法。KMO（Kaiser-Meyer-Olkin）檢驗的主要目的是測量數(shù)據(jù)集中各個變量之間的相關(guān)性，以確定是否存在足夠的共性方差，從而確定是否適合進行因子分析。KMO值介于0和1之間，通常認為KMO值大于0.6表示數(shù)據(jù)適合進行因子分析。如果KMO值低于0.6，則表明數(shù)據(jù)不適合進行因子分析，需要重新考慮數(shù)據(jù)收集和分析方法。

因子分析和聚類分析

接下來，進行因子分析和聚類分析。因子分析旨在尋找出反映上市公司經(jīng)營績效的主要因素，并通過統(tǒng)計方法進行因素提取和旋轉(zhuǎn)。而聚類分析則是將樣本進行分類，以便于對不同類別的上市公司進行比較分析。

因子分析

因子分析是一種統(tǒng)計方法，用于確定多個變量之間的關(guān)系。它將一組相關(guān)變量分解為更少的未觀察到的變量，稱為因子，這些因子可以解釋原始變量的方差。因子分析可用于數(shù)據(jù)降維、變量選擇和構(gòu)建模型等應(yīng)用。它在社會科學(xué)、市場研究和心理學(xué)等領(lǐng)域得到廣泛應(yīng)用。?

旋轉(zhuǎn)成份矩陣

因子得分排名

K-means聚類分析上市公司經(jīng)營績效

K-means聚類分析是一種常用的無監(jiān)督學(xué)習(xí)方法，用于將一組數(shù)據(jù)分成K個不同的類別。該算法通過迭代的方式將數(shù)據(jù)點分配到不同的類別中，并且通過計算每個類別的中心點來更新類別的位置。K-means聚類分析的目標是最小化每個數(shù)據(jù)點到其所屬類別中心點的距離平方和，從而使得每個類別內(nèi)部的數(shù)據(jù)點盡可能的相似，不同類別之間的數(shù)據(jù)點盡可能的不同。該算法的優(yōu)點是簡單易懂，計算速度快，適用于大規(guī)模數(shù)據(jù)集的聚類分析。

在上市公司經(jīng)營績效的分析中，可以將公司的各項經(jīng)營指標作為輸入數(shù)據(jù)，通過K-means聚類算法將公司分成若干類別，同一類別內(nèi)的公司具有相似的經(jīng)營績效表現(xiàn)。這樣可以幫助投資者或經(jīng)營者更好地了解市場上不同公司的經(jīng)營狀況，從而做出更明智的投資或經(jīng)營決策。

群集成員

?綜上所述，我國上市公司經(jīng)營績效實證研究涉及到數(shù)據(jù)預(yù)處理、圖示、檢驗和分析等多個方面。其中，數(shù)據(jù)預(yù)處理和圖示為分析提供了基礎(chǔ)和依據(jù)，檢驗和分析則為研究提供了科學(xué)性和可靠性保障。通過本文的研究，可以更深入地了解上市公司經(jīng)營績效的相關(guān)因素，為政府部門和企業(yè)提供決策參考。

最受歡迎的見解

1.matlab偏最小二乘回歸(PLSR)和主成分回歸(PCR)

2.R語言高維數(shù)據(jù)的主成分pca、 t-SNE算法降維與可視化分析

3.主成分分析(PCA)基本原理及分析實例

4.R語言實現(xiàn)貝葉斯分位數(shù)回歸、lasso和自適應(yīng)lasso貝葉斯分位數(shù)回歸

5.使用LASSO回歸預(yù)測股票收益數(shù)據(jù)分析

6.r語言中對lasso回歸，ridge嶺回歸和elastic-net模型

7.r語言中的偏最小二乘回歸pls-da數(shù)據(jù)分析

8.R語言用主成分PCA、?邏輯回歸、決策樹、隨機森林分析心臟病數(shù)據(jù)并高維可視化

9.R語言主成分分析（PCA）葡萄酒可視化：主成分得分散點圖和載荷圖