第一篇：多元數據處理——因子分析法

多元數據處理

---因子分析方法

多元數據處理主要包括多元隨機變量，協方差分析，趨勢面分析，聚類分析，判別分析，主成分分析，因子分析，典型相關分析，回歸分析以及各個分析方法的相互結合等等。本文主要針對其中的因子分析方法展開了論述，并舉了一個因子分析法在我國房地產市場績效評價中的應用實例。

第一章 因子分析方法概述

1.1因子分析的涵義

為了更全面和準確的測量和評估對象的特征，在實際的應用中，我們往往盡可能多的選用特征指標進行系統評估，選取的指標越多，就越能全面、客觀的反映評價對象的特征。選取眾多指標的同時也帶來了統計分析的困難：

一、不同的指標，不同重要程度需要賦予不同的權重，而靠主觀的評價避免不了一些失誤與錯誤。

二、收集到的指標之間可能存在較大的相關性，大量收集指標帶來了人力、物力和財力的浪費。而因子分析方法則較好的解決了上述問題。

因子分析[1]是一種多元統計方法，該方法起源于20世紀初 Karl Pearson 和 Charles Spearman 等人關于心理測試的統計分析，它的核心是用最少的相互獨立的因

[2]子反映原有變量的絕大部分信息。通過分析事物內部的因果關系來找出其主要矛盾，找出事物內在的基本規律。

因子分析的基本思想是通過變量的相關系數矩陣內部結構的研究，找出能控制所有變量的少數幾個隨機變量去描述多個變量之間的相關關系，但是，這少數幾個隨機變量是不可觀測的，通常稱為因子。然后根據相關性的大小把變量分組，使得同組內的變量之間相關性較高，使不同組內的變量相關性較低[3]。對于所研究的問題就可試圖用最少個數的所謂因子的線性函數與特殊因子之和來描述原來觀測的每一變量[4]。因子變量的特點：第一，因子變量的數量遠小于原指標的數量，對因子變量的分析能夠減少分析的工作量；第二，因子變量不是原有變量的簡單取舍，而是對原有變量的 1

重新組構，他們能夠反映原有變量的絕大部分信息，不會產生丟失；第三，因子變量之間線性相關性較低；第四，因子變量具有命名解釋性[5]。因子分析可以消除指標間的信息重疊，抽象出事物的本質屬性，不僅可以綜合評價，還可以綜合分析對其產生影響的主要因素。

1.2因子分析統計模型

設p個可以觀測的指標為X1,X2,X3，XpF1,F2,F3，Fm，則因子分析模型描述如下：[6] [7]

X1?a11F1?a12F2??a1mFm??1X2?a21F1?a22F2??a2mFm??2Xp?ap1F1?ap2F2?m?p，m個不可觀測的因子為

?apmFm??p

其中：m

F?(F1,F2,Fm)是不可測的向量，我們把F稱為X的公共因子，其均值向量

E,?p)是特（F）=0，協方差矩陣Cov（F）=1，即向量的各分量是相互獨立的?(?1,?2,殊因子，與F相互獨立，且E（e）=0。

A?(aij)，aij為因子載荷，數學上可以證明，因子載荷aij就是第 i 指標與第 j因子的相關系數，載荷越大，說明第j個指標與第i個因子的關系越密切；反之載荷越小，關系越疏遠[8]。

1.3因子分析步驟

（1）原始數據的標準化

原始數據的標準化包括指標正向化合和無量綱化處理兩方面。在多指標的評價中，有些指標數值越大，評價越好；有些指標數值越小，評價越好，這種指標稱為逆向指標；還有些指標數值越靠近某個具體數值越好，這種指標稱為適度指標。根據不同類型的指標需要將逆向指標、適度指標轉化為正向指標，此過程稱為指標的正向化。指標正向化過程既可以在無量綱化前處理也可以在無量綱化時處理。逆向指標可以選用公式X'i?(Xmax?Xi)/(Xmax?Xmin)。其中，Xmax、Xmin分別為指標的最大與最小值。適度指標方面，葉宗裕[9]認為正向化可以采用指標值減去適度值的絕對值的相反數。公式為Yxy??|Xxy?M|。其中Yxy為正向后數據，Xxy為原始數據，M為適度值。

指標的無量綱化則是通過標準化處理，將不同的指標通過數學變換轉化為統一的相對值，消除各個指標不同量綱的影響。常用的無量綱化包括：標準化法、均值法和極差正規化法。本文采用最常見的標準化法進行無量綱化處理，公式處理如下：（X是X的期望值，?X是 X 的標準差）

Z?X?X?X（2）計算相關矩陣 R 的特征值和特征向量

根據特征方程|R??E|?0，計算相關相關矩陣的特征值?及對應的特征向量A，?的大小描述了各個因子在解釋對象所起的作用的大小。

（3）計算因子貢獻率及累積貢獻率，確定公共因子個數

因子貢獻率表示每個因子的變異程度占所有因子變異程度的比率，公式為：

?i

Ci?

??i?1Pi，Ci表示方差貢獻率。當累積貢獻率達到85%以上或者特征根?不小于1，即確定了公因子的個數。

（4）求解初始因子載荷矩陣

X=AF，因子載荷矩陣A并不唯一，軟件則是運用不同的參數估計方法求出相應的估計矩陣，參數估計方法主要包括：最小平方法、極大似然法、主成分法、主因子法、多元回歸法。

（5）因子載荷矩陣的旋轉

若因子載荷較為平均，初始的因子載荷矩陣描述的經濟含義不太明顯，難以判斷與各個因子的關系時，就需要進行因子旋轉。通過因子旋轉，使使旋轉后公共因子的貢獻更加分散，并對主因子進行命名，確定經濟含義[10]。因子旋轉主要有正交旋轉法和斜交旋轉法。

（6）計算樣本的綜合得分

通過因子載荷矩陣，可以得出因子的因子得分系數矩陣 B。然后計算出每個因子的得分F=BZ，最后以各因子的方差貢獻率占因子總方差的貢獻率的比重作為權重加權匯總，得到應變綜合得分

F??1??i?1mF1??2i??i?1mF2???mi??i?1mFmi 3

第二章 我國房地產市場績效實證研究

運用構建的房地產市場績效評價指標體系及因子分析方法實證分析2007、2008、2009三年我國 31個省市各房地產市場的績效水平，利用 SPSS 軟件進行因子分析與評價。我國房地產業市場績效指標體系見表2-1。

表 2-1 我國房地產業市場績效指標體系

由上面的指標體系可以看出，我國房地產業市場績效包括三個層次，第一層為為總體層，總體層又稱為目標層，它反映了此指標體系的目的。第二層為狀態層，本文分五個方面對目標層進行解釋。

2.1 數據的采集和整理

根據本文構建的房地產績效評價指標體系，選取了《房地產統計年鑒》中 2007-2009年我國31個省市基礎數據（不包括臺灣省、香港特別行政區、澳門特別行政區3個地區）。

2.2 數據的同向化處理

本文中評價房地產業市場績效的指標中 X16房屋空置面積這個指標是績效評價的逆向指標，并不是越大越好，為了與其他指標保持同向性，需要將其轉化為正向指標，轉化公式為X'i?(Xmax?Xi)/(Xmax?Xmin)。其中，Xmax為評價指標最大值，Xmin為評價指標最小值。

2.3 數據的標準化處理

由于不同變量之間存在了不同量綱、不同數量級的情況，需要對原指標數據進行標準化處理，把不同指標數據轉化成相同量綱的數據，是得各指標數據具有可比性。

標準化處理方法如下：

Z?X?X?（X是 X的期望值，?X是X的標準查差）

X2.4 確定是否適合因子分析：KMO檢驗和Bartlett球形檢驗

KMO 檢驗給出抽樣充足量的測度，檢驗變量間的偏相關系數是否過小。Bartlett 球形檢驗檢驗相關系數矩陣是否是單位陣，如果是單位陣，則表明不適合采用因子模型。經SPSS檢驗結果如下表 2-2。

根據 Kaiser 給出的是否做因子分析的 KMO 標準為： KMO>0.9，非常適合；0.9>KMO>0.8，適合；0.8>KMO>0.7，一般；0.7>KMO>0.6，不太適合；KMO<0.5 不適合，故 KMO 檢驗通過。同時，相伴概率為 0.000，小于顯著水平0.05，表明 Bartlett球形檢驗通過，所以本文所選的變量適合做因子分析。

表2-2

KMO檢驗結果和Barlett球形檢驗結果

2.5 指標相關性檢驗

根據本文構建的房地產業市場績效指標體系，借助于多元分析軟件 SPSS，利用我國 2007 年房地產業基礎數據對我國房地產業市場績效做出分析與評價。通過 SPSS 軟件進行的相關性分析，得到2007年全國各省市房地產市場績效評價指標的相關系數矩陣，如表2-3

表 2-3 Correlation Matrix（相關系數矩陣）

續上表

通過以上相關系數矩陣的分析可以看出，各個房地產市場績效指標之間有較大的相關性，如果單純以一個指標來評價市場績效指標就會存在不夠準確甚至重迭。為了消除指標間的重迭，簡化計算，可以采用因子分析的方法進行降維處理，把原來比較復雜的相關矩陣內部找出幾個綜合指標，使綜合指標為原來變量的線性組合，利用相對較少的因子研究市場績效。

2.6 共同度分析

根據變量共同度的統計意義，它刻畫了全部公共因子對于原始變量的總方差所作的貢獻，它說明了全部公共因子反映出原變量信息的百分比[11]。如下表 2-4 所示的

變量共同度可知，除了X13企業所有者權益、X14從業人數、X15房屋銷售價格、X16商品房空置面積、的共同度為0.880、0.878、0.877、0.705，其余變量的共同度都在90%以上，因此這四個公共因子對各變量的解釋能力是比較強的。采用因子分析房地產市場績效的效果是比較好的。

表2-4 共同性公因子方差

2.7 公共因子分析

因子載荷是公共因子與指標變量之間的相關系數，載荷越大，說明公共因子與指標變量之間的關系越密切。在確定公共因子個數時，先選擇與原變量數目相等的因子個數，其因子計算結果見下表2-5。取初始特征矩陣大于1的因子為公共因子。經過總方差分解，可以明顯看出有二個因子旋轉后特征值大于1，它們的方差貢獻率分別為50.574%、41.199%，累計貢獻率為91.772%。當累積貢獻率達到85%以上，因此完

全可以采用這二個因子概況原始數據對全國31個省市的房地產市場績效做出評價是合適的。

表 2-5 總方差分解

從未轉軸的因素矩陣（見下表2-6）可以看出，結果并不非常令人滿意，有2個因素被抽取，所以本文采用方差最大化正交旋轉方法對因子進行了旋轉，得到了因子載荷矩陣，進而更清楚地觀察樣本。從旋轉后的因素矩陣（見下表2-7）可以看出：

（1）X4本年購置土地面積、X6新開工面積、X10商品房銷售套數、X9商品房銷售面積、X7商品房屋竣工面積、X5房屋施工面積、X1企業個數、X14從業人數、X2本年完成投資額、X16商品房空置面積為第一主因子，他們的載荷值分別為：0.959、0.948、0.926、0.894、0.848、0.835、0.802、0.781、0.728、0.630；這些指標都是從一個方面反映關于房地產開發銷售方面的情況，故可以命名此公共因子F1為：房地產市場開發銷售。

表 2-6 未旋轉因素矩陣表

2-7 轉軸因素矩陣

（2）X15房屋銷售價格、X13企業所有者權益、X11企業利潤總額、X12企業

經營收入、X8商品房銷售額、X3本年資金來源合計為第二因子，他們的載荷值分別為：0.935、0.908、0.874、、0.872、0.816、0.796；這些指標都是在一定程度上能夠反映房地產企業的經濟效益，故可以命名此公共因子F2為：房地產企業綜合效益水平。

2.8 計算因子得分計算分析及結果

表2-8 為因子得分系數矩陣，根據因子得分系數和原始變量的值可以計算出每個觀測值的各因子的分數，并可以據此對觀測值進行下一步的分析。旋轉后的因子得分表達式與計算結果如下：

表 2-8 2007年各因子得分系數矩陣

由估計出的因子的得分，可以描述我國各省市績效水平，利用因子得分可以從不同的角度對我國各省市房地產市場績效水平進行比較分析。為了對我國各省市房地產業市場績效進行評價，現利用各省市因子得分表計算綜合得分，各省市房地產市場績效的獲取是基于總方差分解表中旋轉后各因子的方差貢獻率及計算所得的上市公司各因得分所得，其具體計算公式為：

綜合績效=（50.574%×F1+41.199%×F2）/91.772%。詳細情況見表 2-9。

表 2-9 2007年31個省（市）各因子得分及排名

為了更直觀的觀察，本文也給出了樣本城市因子的柱狀圖，如下圖2-1，由表2-9可以看出2007年北京、上海在房地產市場開發因子F1得分僅-0.541、-0.8737，在31個省市自治區排名分別為21、26；而在房地產企業綜合績效F2得分為2.6789、3.4528，排名為第二、第一。江蘇、廣東在因子F1得分分別為：2.5437、1.6465，排名第一、第三；在因子F2得分為：0.3358、2.0979，排名第六、第三。江蘇、廣東在因子F1、F2得分均靠前。

圖 2-1 2007 年各省市因子得分

使用同樣的方法我們也給出了2008年及2009年各省市因子得分及排名情況。如表2-10和2-11所示。

通過表2-

9、2-

10、2-11的分析可知，廣東、江蘇、浙江三省份在因子F1房地產市場開發銷售、F2房地產企業綜合效益得分均較高，發展相對平衡，總的績效水平高。而其他各省市都有某一個因子或兩個得分相對較低，即所謂的“短板”，發展不平衡影響了其總的績效水平。

由表2-12可以看出，2007-2009三年內北京綜合績效得分排名從第五下降到第八，上海從第三下降到第七，市場績效沒有得到提高，房地產發展存在一定問題；江蘇從2007年的第二到2009年的第一，山東從2007年的第六到2009年第三，績效持續提高。西藏、陜西、甘肅、青海、寧夏、新疆等省市排名一直靠后，績效水平沒有得到提高。

表 2-10 2008年31個省（市）各因子得分及排名

表 2-11 2009年31個省（市）各因子得分及排名

表 2-12 2007-2009年31個省（市）綜合得分及排名

2.9 房地產市場績效綜合評價實證結果分析

2.9.1 房地產市場績效的綜合得分分析

通過因子分析法得到31個省（市）房地產市場績效的2項因子得分及綜合得分，按照綜合得分從高到低排名如表2-12所示。綜合得分越高，表明其市場績效水平越好。綜合得分為零或者負值，并不代表其績效水平為負，這里僅是將各省市的平均績效水平作為零點。根據綜合得分可以給我國各省市績效水平層次分類，分為四類，見表

2-13。

我國房地產市場績效跟經濟水平有很大關系，沿海東部省市績效水平靠前，經濟發展落后的西部地區績效水平相對較差。

表 2-13 我國各省市績效水平層次分類

2.9.2 各省市房地產績效的主因子得分分析

房地產市場開發銷售因子F1反映了一個省市在房地產市場的開發、投入、銷售等方面的水平。方差貢獻率最大。2007年為50.574%、2008年為55.895%、2009 年為54.716%。

根據2007-2009三年來因子F1得分可以把我國31個省市分為四個層次。如表2-14所示

表 2-14 我國各省市因子F1層次分類

根據2007-2009三年來因子F2得分可以把我國31個省市分為三個層次。如表2-15所示。

因子F2大部分城市沒有達到平均水平，都處于相對落后的水平，這跟當地的房地產企業發展水平有很大的關系。北京、上海為國際化大都市，房地產企業眾多，房地產綜合效益水平較高，此兩個直轄市房地產業綜合效益要比其他地區有優勢，房地

產企業 經營收入、銷售利潤更多、房地產企業發展更快。而中部及西部落后城市，經濟發展較為緩慢，房地產企業較少，企業綜合效益水平低。導致得分相對較低。

表 2-15 我國各省市因子F2層次分類

參考文獻

[1] 曉群, 統計學.現代統計分析方法與應用[M].中國人民大學出版社, 1998.[2] 張麗.基于因子分析法的基金綜合績效評價研究 [D].中南大學, 2007.[3] 李斌, 蔣濤, 吳俊芳, 等.房地產行業上市公司績效評價的實證研究[J].特區經濟, 2007(3): 122-123.[4] 陸璇.實用多元統計分析[J].2001.[5] 薛微.統計分析與 SPSS 的應用[J].北京:中國人民大學出版社, 2001: 234-256.[6] Anderson T W.An Introduction To Multivariate Stsisical Analysis[J].1954.[7] 張斌, 府亞軍.我國房地產上市公司經營業績實證研究[J].北京機械工業學院學報, 2006, 20(3): 62-66.[8] Harva M, Kabán A.Variational learning for rectified factor analysis[J].Signal Processing, 2007, 87(3): 509-527.[9] 余有賢.我國地方政府績效評估指標體系構建與實際測評[D].浙江大學, 2005.[10] 王家遠, 袁紅平.基于因子分析法的建筑業綜合評價[J].深圳大學學報: 理工版, 2007, 24(4): 373-378.[11] 周剛, 孫堯, 許遠明.我國房地產業市場結構探析[J].重慶建筑大學學報(社科版), 2001, 3.

第二篇：因子分析法典型案例

案例：基于因子分析法的高級管理者 人力資源價值計量模型

一、背景介紹及問題提出 1.人力資源價值計量的背景 著名會計學家 W.A 佩頓(Paton)教授曾經睿智地指出：在企業中，良好組織且忠誠的員工是一項遠比商品更為重要的“資產”。對于這樣重要的“資產”為什么直到現在都沒有納入財務會計核算體系呢？人力資源價值信息沒有在財務報表體系中加以披露的原因是：人力資源的價值計量是一個難題，使得人力資源會計一直處于理論探討和實驗階段，未能登堂入室。人力資源價值計量研究目的在于：用人力資源的創造能力來反映組織現有人力資源的質量狀況及企業對人力資源的能力回報，為企業管理當局和外部利害關系集團提供完整的決策信息。2． 高級管理者人力資源的研究背景 高級管理者是企業的核心和靈魂，在企業人力資源中居于中心地位是一種稀缺的生產要素，對高級管理者人力資源的壟斷是超額剩余價值的主要來源，幾乎每一個優秀的企業都與企業中高級管理團隊緊密地聯系在一起的。3.問題的提出 在人力資源價值計量發展的完善的過程中，如何動態地、客觀地、科學地綜合評價高管的價值，一直是困擾人力資源價值計量的一個難題，許多專家和學者采用未來收益折現或期權定價等方法對人力資源價值進行計量；未來收益折現是以工資為基礎對高級管理者的未來收益進行折現，這種貨幣計量方法存在主要問題在于工資不能反映人力資源真實價值，因為高級管理者人力資源價值本身存在復雜性、隱蔽性及能動性，僅以工資作為衡量人力資源價值的大小的標準，忽略了高級管理者在企業價值創造中的特殊性。由于高級管理者人力資源存在某些特性。因此，對高級管理者的采用非貨幣計量的方法更加具有現實的意義。

二、問題研究的意義

1、人力資源價值的科學計量會使企業更加全面、科學的掌握高級管理者的信息并更加重視人力資源的作用，從而為了保留和爭取人才，對企業的高級管理者進行有效的激勵。

2、對高級管理者人力資源價值計量的準確與否，關系到企業總資產的精確程度和企業未來發展的能力。對高級管理者人力資源價值的準確計量有利于實現人力資源會計核算體系的建立。

三、案例思路 首先，在分析高級管理者人力資源價值計量的基本理論與其特性分析的基礎上，案例建立影響高級管理者人力資源價值計量的指標體系，該體系由 29 個初級指標構成(如下圖一所示)。其次，通過問卷調查的方式，應用因子分析法對上述29 個指標進行篩選。隱性因子 學歷 天賦 社會資本 任職時間 職業背景 職業生命周期 薪酬 年齡 體質能力 心理能力 領導能力 戰略決策能力 風險承受能力 人力資源管理能力 領導管理因子 創新能力 學習能力 洞察能力 溝通能力 組織能力 團隊協作能力 個人特征及組織環境因子 價值觀 忠誠感 道德行為 敬業精神 樂觀自信 理智 情緒穩定 企業規模 職位 圖一 高級管理者人力資源價值指標體系

四、數據說明：案例采用問卷調查的方式進行數據收集。問卷發放的數量：本次共發放問卷180 份，其中包括電子文檔和紙質問卷，共回收有效問卷103 份，有效回收率為57.22%。問卷內容的設計：案例在分析了高級管理者人力資源價值計量的理論基礎和特性分析的基礎上建立了高級管理者人力資源價值指標體系。問卷的調查內容是該指標體系中的指標，由企業的高級管理人員依據各指標對高級管理者人力資源價值計量的影響做出基本判斷。問卷結構的設計：首先，針對案例提出的 29 個指標要素，設計了 29 個判斷指標程度的問題。通過被調查者選擇打分的方式，獲得各指標的具體分值。所有問題都劃分為 7 選項對應 7 個程度，由管理者根據題目的內容進行選擇。然后采用 7 分模糊打分法，每一個選項對應一個分值，選擇第一選項為 7 分，第二選項為6 分，依次為5 分、4 分、3 分、2 分、1 分（調查問卷如下所示）。高級管理者人力資源價值計量方法研究調查問卷 首先，感謝您在百忙之中填寫問卷，您的意見至關重要。為了客觀、準確地建立科學的高管人力資源價值計量模型，我們特進行此次《高級管理者人力資源價值計量方法研究》問卷調查。其次，本次問卷結果僅用于科研用途，調查數據我們將嚴格保密，不會用于任何與商業有關的用途！您的個人基本信息： 您的性別？ □ 男 □ 女 您的年齡？ □34 歲以下 □35-44 歲 □45-54 歲 □55 以上 您參加工作的時間？ □5 年以下 □6-10 年 □ 11-20 年 □21 年以上 您所在企業資產規模？ □100 萬以下 □100 萬-1000 萬 □ 1000 萬-1 億 □ 1 億以上 所在行業性質？ □ 國營 □ 私營 □ 外資或合資 您目前的職位：_____________________________________________________ 感謝您的支持！問卷正文： 1.您是否認為學歷是影響高級管理者知識豐富程度的關鍵因素？ A 非常贊同 B 贊同 C 基本贊同 D 不確定 E 不大贊同 F 不贊同 G 非常不贊同 2.您是否認為天賦影響高級管理者管理技能的發揮？ A 非常贊同 B 贊同 C 基本贊同 D 不確定 E 不大贊同 F 不贊同 G 非常不贊同 3.您是否認為高管自身的社會資本是高級管理者價值的體現？ A 非常贊同 B 贊同 C 基本贊同 D 不確定 E 不大贊同 F 不贊同 G 非常不贊同 4.您是否認為任職時間長短決定高級管理者職業技能優劣？ A 非常贊同 B 贊同 C 基本贊同 D 不確定 E 不大贊同 F 不贊同 G 非常不贊同 5.您是否認為職業背景會影響高級管理者在管理過程中職業技能水平的發揮？ A 非常贊同 B 贊同 C 基本贊同 D 不確定 E 不大贊同 F 不贊同 G 非常不贊同 6.您是否認為所處職業生命周期不同階段會影響高級管理者管理水平的發揮？ A 非常贊同 B 贊同 C 基本贊同 D 不確定 E 不大贊同 F 不贊同 G 非常不贊同 7.您是否認為薪酬是高級管理者職業能力的一種體現？ A 非常贊同 B 贊同 C 基本贊同 D 不確定 E 不大贊同 F 不贊同 G 非常不贊同 8.您是否認為年齡是影響高級管理者健康程度的要素？ A 非常贊同 B 贊同 C 基本贊同 D 不確定 E 不大贊同 F 不贊同 G 非常不贊同 9.您是否認為體質能力是高級管理者健康與否的一個標志？ A 非常贊同 B 贊同 C 基本贊同 D 不確定 E 不大贊同 F 不贊同 G 非常不贊同 10.您是否認為心理承受能力會影響高級管理者水平的發揮？ A 非常贊同 B 贊同 C 基本贊同 D 不確定 E 不大贊同 F 不贊同 G 非常不贊同 11.領導能力是高級管理者必備技能，您認同嗎？ A 非常贊同 B 贊同 C 基本贊同 D 不確定 E 不大贊同 F 不贊同 G 非常不贊同 12.戰略決策能力是高級管理者必備技能，您認同嗎？ A 非常贊同 B 贊同 C 基本贊同 D 不確定 E 不大贊同 F 不贊同 G 非常不贊同 13.風險承受能力是高級管理者必備技能，您認同嗎？ A 非常贊同 B 贊同 C 基本贊同 D 不確定 E 不大贊同 F 不贊同 G 非常不贊同 14.人力資源管理能力是高級管理者必備的技能，您認同嗎？ A 非常贊同 B 贊同 C 基本贊同 D 不確定 E 不大贊同 F 不贊同 G 非常不贊同 15.創新能力是高級管理者必備的能力，您認同嗎？ A 非常贊同 B 贊同 C 基本贊同 D 不確定 E 不大贊同 F 不贊同 G 非常不贊同 16.學習能力是高級管理者必備的能力，您認同嗎？ A.非常贊同 B.贊同 C.基本贊同 D.不確定 E.不大贊同 F.不贊同 G.非常不贊同 17.洞察能力是高級管理者必備的能力，您認同嗎？ A 非常贊同 B 贊同 C 基本贊同 D 不確定 E 不大贊同 F 不贊同 G 非常不贊同 18.溝通能力是高級管理者必備的技能，您認同嗎？ A 非常贊同 B 贊同 C 基本贊同 D 不確定 E 不大贊同 F 不贊同 G 非常不贊同 19.組織能力是高級管理者必備的技能，您認同嗎？ A 非常贊同 B 贊同 C 基本贊同 D 不確定 E 不大贊同 F 不贊同 G 非常不贊同 20.團隊協作能力是高級管理者必備的技能，您認同嗎？ A 非常贊同 B 贊同 C 基本贊同 D 不確定 E 不大贊同 F 不贊同 G 非常不贊同 21.高管的價值觀影響高級管理者職業素養，您認同嗎? A 非常贊同 B 贊同 C 基本贊同 D 不確定 E 不大贊同 F 不贊同 G 非常不贊同 22.高管的忠誠感影響高級管理者職業素養，您認同嗎？ A 非常贊同 B 贊同 C 基本贊同 D 不確定 E 不大贊同 F 不贊同 G 非常不贊同 23.高管的道德行為影響高級管理者職業素養，您認同嗎？ A 非常贊同 B 贊同 C 基本贊同 D 不確定 E 不大贊同 F 不贊同 G 非常不贊同 24.高管的敬業精神影響高級管理者職業素養，你認同嗎？ A 非常贊同 B 贊同 C 基本贊同 D 不確定 E 不大贊同 F 不贊同 G 非常不贊同 25.是否樂觀自信決定高級管理者技能水平的發揮，您認同嗎？ A 非常贊同 B 贊同 C 基本贊同 D 不確定 E 不大贊同 F 不贊同 G 非常不贊同 26.是否理智決定高級管理者技能水平的發揮，您認同嗎? A 非常贊同 B 贊同 C 基本贊同 D 不確定 E 不大贊同 F 不贊同 G 非常不贊同 27.情緒是否穩定決定高級管理者技能水平的發揮，您認同嗎？ A 非常贊同 B 贊同 C 基本贊同 D 不確定 E 不大贊同 F 不贊同 G 非常不贊同 28.企業規模會影響高級管理者自身人力資本價值的發揮，您認同嗎？ A 非常贊同 B 贊同 C 基本贊同 D 不確定 E 不大贊同 F 不贊同 G 非常不贊同 29.目前所在職位會影響高級管理者自身人力資本價值的發揮，您認同嗎？ A 非常贊同 B 贊同 C 基本贊同 D 不確定 E 不大贊同 F 不贊同 G 非常不贊同

五、數據分析

1、隱性指標公共因子篩選 高級管理者人力資源價值隱性因子，反映了管理者本身的健康因子及在教育投資和職業發展過程累積價值。1.1 隱性因子分析及統計性描述 案例在分析了高級管理者人力資源價值的理論及特性基礎上，經過仔細甄選，選用了學歷、天賦、社會資本，這些具有代表性的個人資本積累指標；任職時間、職業背景、職業生命周期、薪酬，這些具有代表性的職業因子指標，及反映健康指標的因子：年齡、體質能力、心理能力作為計量管理者人力資源價值基礎指標。經過SPSS 數據分析，高級管理者人力資源價值隱性因子總體描述性統計如下表 經過統計分析，分別得到具體指標的平均值和標準差。例如：學歷因素的平均得分為 4.74 分(基本贊同)，標準差為 1.281，標準差較大，總體而言學歷的作用比較顯著，但由于其標準差較大，因此學歷在高級管理者人力資本價值中所體現的作用仍有較大的差異。1.2 隱性因子指標的相關性判定 相關系數實際上反映的是公共因子起作用的空間。偏相關系數反映的是特殊因子起作用的空間。在進行相關矩陣檢驗時采取KMO 樣本測度和巴特利特球體檢驗法。KMO 越接近1，越適合做公共因子分析。KMO 過小，不適合于作因子分析。數據是否做因子分析，一般采用如下判斷：KMO 在0.9 以上，非常適合；0.8-0.9, 很適合；0.7-0.8，適合；0.6-0.7，不太適合；0.5-0.6，很勉強；0.5 以下不適合。利用 SPSS 分析后高級管理者人力資源價值隱性因子的相關性檢驗如表隱性因子的相關性說明：KMO 樣本測度的結果為KMO 值等于0.628，一般來說，當KMO 樣本測度大于0.6 的時候，此組數據適合做因子分析，巴特利特球體檢驗(Bartlett'sTestofSphericity)的了統計值的顯著性概率輸出結果為<1%。通過 KMO 樣本測度和巴特利特球體檢驗的測算結果，表明本文選取的各代表隱性因子指標，適合采用因子分析法進行統計分析。1.3 利用 SPSS 軟件提取領導隱性指標的公共因子 得到初始載荷矩陣和公共因子之后，為了能夠能更好地解釋公共因子，案例 對載荷矩陣進行旋轉，案例選用的是 Varimax（方差最大正交旋轉），旋轉后的因子載荷矩陣及因子得分系數都發生了變化，因子載荷矩陣中的元素更趨向 0 或者正負1。在估計因子載荷矩陣和特性方差矩陣時，選用的方法為主成分分析法，統計分析的結果見下表： 旋轉后的高級管理者人力資源價值隱性因子載荷矩陣，可以獲得因子的代表性指標：在旋轉后的因子荷重矩陣中，案例選取那些荷重較大的原始指標作為對應因子的代表性指標。教育投資因子：選取學歷、天賦指標作為因子4 的代表性指標；在因子4 中，管理者的學歷、天賦指標表現了管理者的受教育程度及在先天潛能的要素，故將其稱為教育投資因子。個體能力因子：選取心理能力、體質能力指標作為因子 3 的代表性指標；組織行為學對個體的研究結論表明：能力（ability）指的是個體能夠成功完成各項工作的可能性。它是對個體現在所能做的事情的一種評估。一個人的總體能力分為心理能力和體質能力，故將其合稱為個體能力因子。工作經驗因子：選取任職時間、薪酬、年齡指標作為因子 2 的代表性指標，表現的是跟工作經歷相關的要素，故稱其工作經驗因子。職業因子：選取社會資本、職業背景、職業生命周期作為因子 1 的代表性指標，因其指標選表現了與管理者職業相關的要素，案例將其稱為職業因子。通過上述分析，案例得到關于隱性指標的四個公共因子分別是：教育投資因子個體能力因子、工作經驗因子及職業因子。1.4 隱性指標公共因子的方差貢獻率分析 案例中公共因子方差貢獻率分析的目的在于：分析提出的公共因子代表原始指標的程度。即分別分析了教育投資因子、個體能力因子、工作經驗因子及職業因子對原隱性因子10 個指標的反映程度。具體分析的分析結果見下表： 各公共因子方差貢獻率分析結果說明：根據因子方差分析表可知，因子 1 的其方差貢獻率為23.76%；因子2 的方差貢獻率為12.89%；因子3 的方差貢獻率為 11.77%；因子 4 的方差貢獻率為 10.29%。這四個因子能反映原來 10 個指標所描述特征的58.71%。1.5 根據因子系數得分表確定隱性指標公共因子的權重比例 案例通過旋轉后的高級管理者人力資源價值隱性因子載荷矩陣和高級管理者人力資源價值隱性因子方差分析表得到了各個公共因子及各因子的對隱性因子的方差貢獻率。經過進一步分析，通過隱性因子因子得分矩陣表則可以對各個因子賦予相應權重。分析結果說明：根據表4.7 在因子分析中得到的因子系數得分矩陣，通過歸一化處理，對教育投資因子、個體能力因子、工作經驗因子及職業因子的賦予權重如下： 職 業 因 子=31.67%社會資本+36.66%職業背景+31.67%職業生命周期 工作經驗因子=30.39%任職時間+34.10%薪酬+35.51%年齡 個人體能因子=59.5%體質能力+40.5%心理能力 教育投資因子=53.14%學歷+46.86%天賦 綜上所述，案例通過對旋轉后的高級管理者人力資源價值隱性因子載荷矩陣，確定了反映隱性因子指標的四個公共因子分別為：教育投資因子、個體能力因子、工作經驗因子及職業因子。通過隱性因子因子得分矩陣表，確定了各公共因子的權重構成比例。

2、領導管理指標公共指標篩選 高級管理者人力資源價值領導管理因子，反映了管理者在生產經營過程中的領導和管理技能。2.1 領導管理因子分析及統計性描述 案例分析了高級管理者人力資源價值的理論及特性基礎上，經過仔細甄選選用了戰略決策能力、風險承受能力、人力資源管理能力、創新能力，這些具有代表性指標反映高級管理者領導能力；溝通能力、組織能力、團隊協作能力作為管理因子的指標；及反映高級管理者今后發展空間的拓展因子包括：領導能力、學習能力、洞察能力。經過 SPSS 數據分析，高級管理者人力資源價值領導管理因子總體描述性統計如下表： 經過統計分析，分別得到具體指標的平均值和標準差。例如：領導能力因素 的平均得分為6.17 分(贊同)，標準差為0.943,標準差中等，總體而言領導能力的作用較為顯著，但由于其標準差適中，因此領導在高級管理者人力資本價值中所體現的作用存在一定差異性，但差異性相對不大。2.2 領導管理因子指標的相關性判定 相關系數實際上反映的是公共因子起作用的空間。偏相關系數反映的是特殊因子起作用的空間。在進行相關矩陣檢驗時采取KMO 樣本測度和巴特利特球體檢驗法。KMO 越接近1，越適合做公共因子分析。KMO 過小，不適合于作因子分析。數據是否做因子分析，一般采用如下判斷：KMO 在0.9 以上，非常適合；0.8-0.9, 很適合；0.7-0.8，適合；0.6-0.7，不太適合；0.5-0.6，很勉強；0.5 以下，不適合。利用 SPSS 分析后高級管理者人力資源價值領導管理因子的相關性檢驗如下表： 領導管理因子的相關性說明：KMO 樣本測度的結果為KMO 值等于0.809，當 KMO 樣本測度大于 0.8 的時候，此組數據非常適合做因子分析，巴特利特球體檢驗(Bartlett'sTestofSphericity)的了統計值的顯著性概率輸出結果為<1%。通過KMO 樣本測度和巴特利特球體檢驗的測算結果，表明案例選取的各代表領導管理因子指標，適合采用因子分析法進行統計分析。2.3 利用 SPSS 軟件提取領導管理指標的公共因子 得到初始載荷矩陣和公共因子之后，為了能夠能更好地解釋公共因子，案例 對載荷矩陣進行旋轉，選用的是 Varimax（方差最大正交旋轉），旋轉后的因子載荷矩陣及因子得分系數都發生了變化，因子載荷矩陣中的元素更趨向0 或者正負1。在估計因子載荷矩陣和特性方差矩陣時，選用的方法為主成分分析法，統計分析的結果見表 旋轉后的高級管理者人力資源價值領導管理因子載荷矩陣，可以獲得因子的代表性指標：在旋轉后的因子荷重矩陣中，案例選取那些荷重較大的原始指標作為對應因子的代表性指標。領導技能因子：選取戰略決策能力指標、風險承受能力指標、人力資源管理能力指標、創新能力指標作為因子 1 的代表性指標，在因子 1 中，各個指標都表現了管理者的領導技能的要素，故將其稱為領導技能因子； 管理因子：選取溝通能力指標、組織能力指標、團隊協作能力指標作為因子 2 的代表性指標，在因子 2 中各個指標都表現了管理者管理能力，故將其稱之為管理因子。拓展因子：選取領導能力、學習能力指標作為因子 3 的代表性指標，因子 3 中的領導能力指標、學習能力指標、洞察能力指標表現了管理者在今后領導管理方面的拓展能力，故將其稱之為拓展因子。通過上述分析，案例得到關于領導者管理指標的三個公共因子分別是：領導技能因子、管理因子、拓展因子。2.4 領導管理指標公共因子的方差貢獻率分析 案例中公共因子方差貢獻率分析的目的在于：分析提出的公共因子代表原始指標的程度。即分別分析了領導技能因子、管理因子、拓展因子，對原領導管理因子10 個指標的反映程度。具體分析分析結果見表： 各公共因子方差貢獻率分析結果說明：根據因子方差分析表可知，因子 1 的其方差貢獻率為22.99%；因子2 的方差貢獻率為21.09%；因子3 的方差貢獻率為19.72%。這三個因子能反映原來 10 個指標所描述特征的 63.79%。另外，通過分析高級管理人力資源價值領導管理因子協方差矩陣，可以判斷提出的公共因子是否存在重復信息，若無重復信息則可以用這三個公共因子衡量領導者的管理水平。根據表 4.12 的因子協方差矩陣可知，三個主要因子已經相互正交，這三個因子在衡量管理者領導管理能力指標技能存量時己經沒有重復信息，因此，案例可以使用這三個因子來衡量高級管理者的領導管理水平。2.5 根據因子系數得分表確定領導管理指標公共因子的權重比例 案例通過旋轉后的高級管理者人力資源價值領導因子載荷矩陣和高級管理者人力資源價值領導管理因子方差分析表得到了各個公共因子及各因子的對領導因子的方差貢獻率。經過進一步分析，通過領導管理因子因子得分矩陣表，則可以對各個因子賦予相應權重。分析結果說明：根據表 4.13 在因子分析中得到的因子系數得分矩陣，通過歸一化處理，對領導技能因子、管理因子、拓展因子的賦予權重如下： 領導能力因子=18.53%戰略決策能力+26.57%風險承受能力+32.66%人力資源管理能力+22.24%創新能力 管理因子=31.02%溝通能力+36.65%組織能力+32.33%團隊協作能力 拓展因子=25.36%創新能力+38.60%學習能力+36.04%洞察能力 綜上所述，案例通過對旋轉后的高級管理者人力資源價值領導管理因子載荷矩陣，確定了反映領導管理因子指標的三個公共因子分別為：領導技能因子、管理因子、拓展因子。通過領導管理因子因子得分矩陣表，確定了各公共因子的權重構成比例。

3、個體與組織環境指標公共因子篩選 高級管理者人力資源價值個體與組織環境因子，反映了管理者本身的素質和人格特質及所在的組織環境對高級管理者人力資源水平發揮的影響。3.1 個體與組織環境指標分析及統計性描述 案例分析了高級管理者人力資源價值的理論及特性基礎上，經過仔細甄選，選用了價值觀、忠誠感、道德行為、敬業精神，這些具有代表性個體潛能發揮指標，反映高級管理者領導的素質對今后人力資源價值發揮程度的影響；選取樂觀自信、理智、情緒穩定來反映人格特質對今后管理水平的發揮的影響；高級管理者所處的組織環境也決定著高級管理人力資源價值水平的發揮，案例選用了企業規模和職位這兩個反映組織環境對管理者影響的因子。經過 SPSS 數據分析，高級管理者人力資源價值個體與組織環境因子因子總體描述性統計如表經過統計分析，分別得到具體指標的平均值和標準差。例如：價值觀因素的平均得分為 5.75 分(贊同)，標準差為 1.004，標準差偏高，總體而言價值觀的作用比較顯著，但由于其標準差偏高，因此價值觀在高級管理者人力資本價值中所體現的作用存在一定的差異性。3.2 個體與組織環境因子指標的相關性判定 相關系數實際上反映的是公共因子起作用的空間。偏相關系數反映的是特殊因子起作用的空間。在進行相關矩陣檢驗時采取KMO 樣本測度和巴特利特球體檢驗法。KMO 越接近1，越適合做公共因子分析。KMO 過小，不適合于作因子分析。數據是否做因子分析，一般采用如下判斷：KMO 在0.9 以上，非常適合；0.8-0.9，很適合；0.7-0.8，適合；0.6-0.7，不太適合；0.5-0.6，很勉強；0.5 以下不適合。利用 SPSS 分析后高級管理者人力資源價值個體與組織環境因子的相關性檢驗如下表： 個體與組織環境因子的相關性說明：KMO 樣本測度的結果為：KMO 值等于 0.656，當 KMO 樣本測度大于 0.6 的時候，此組數據適合做因子分析，巴特利特球體檢驗(Bartlett'sTestofSphericity)的了統計值的顯著性概率輸出結果為<1%。通過 KMO 樣本測度和巴特利特球體檢驗的測算結果，表明案例選取的各代表個體與組織環境因子指標，適合采用因子分析法進行統計分析。3.3 利用 SPSS 軟件提取個體與組織環境指標的公共因子 案例選用的是 Varimax（方差最大正交旋轉），旋轉后的因子載荷矩陣及因子得分系數都發生了變化，因子載荷矩陣中的元素更趨向0 或者正負1。在估計因子載荷矩陣和特性方差矩陣時，選用的方法為主成分分析法，統計分析的結果見表 旋轉后的高級管理者人力資源價值個體與組織環境因子載荷矩陣，可以獲得因子的代表性指標：在旋轉后的因子荷重矩陣中，案例選取那些荷重較大的原始指標作為對應因子的代表性指標。領導素質因子：選取價值觀指標、忠誠感指標、道德行為指標、敬業精神指標作為因子 1 的代表性指標，在因子 1 中，各個指標都表現了管理者的領導素質的要素，故將其稱為領導素質因子； 人格特質及組織環境因子：選取樂觀自信指標、理智指標、情緒穩定能力指標表明了高級管理者人格特質因子，企業規模指標、職位指標反映了高級管理者所在的組織環境對管理者的影響為因子 2 的代表性指標，故將其稱之為人格特質及組織環境因子。通過上述分析，案例得到關于個體與組織環境的三個公共因子分別是：領導素質因子及人格特質及組織環境因子。3.4 個體與組織環境公共因子的方差貢獻率分析 案例中公共因子方差貢獻率分析的目的在于：分析人力資源價值計量指標中各因子作用大小的程度，即分別分析了領導素質因子及人格特質及組織環境因子，對原個體與組織環境因子9 個指標的反映程度。具體分析結果見表4.17： 各公共因子方差貢獻率分析結果說明：根據因子方差分析表可知：因子 1 的其方差貢獻率為22.64%；因子2 的方差貢獻率為20.55%。這兩個因子能反映原來9 個指標所描述特征的 50%。另外，通過分析高級管理人力資源價值個體與組織環境因子協方差矩陣，可以判斷提出的公共因子是否存在重復信息，若無重復信息則可以用這兩個公共因子衡量領導者的管理水平。根據表 4.18 的因子協方差矩陣可知，兩個主要因子已經相互正交，這兩個因子在衡量管理者個體與組織環境因子技能存量時己經沒有重復信息，因此，案例可以使用這兩個因子來衡量高級管理者的個體與組織環境對管理者的影響。3.5 根據因子系數得分表確定個體與組織環境指標公共因子的權重比例 案例通過旋轉后的高級管理者人力資源價值個體與組織環境因子載荷矩陣和高級管理者人力資源價值個體與組織環境因子方差分析表得到了各個公共因子及各因子的對個體與組織環境因子的方差貢獻率。經過進一步分析，通過個體與組織環境因子因子得分矩陣表，則可以對各個因子賦予相應權重。分析結果說明：根據表 4.19 在因子分析中得到的因子系數得分矩陣，通過歸一化處理，對領導素質因子及人格特質及組織環境因子賦予權重如下： 領導素質因子 =18.89%價值觀+27.64%忠誠感+27.88%道德行為+25.59%敬業精神 人格特質及組織環境因子=14.54%樂觀自信+18.68%理智+17.11%情緒穩定 +26.32%企業規模+23.35%職位 綜上所述，案例通過對旋轉后的高級管理者人力資源價值個體與組織環境因子載荷矩陣，確定了反映個體與組織環境因子指標的兩個公共因子分別為：領導素質因子及人格特質及組織環境因子。通過個體與組織環境因子因子得分矩陣表，確定了各公共因子的權重構成比例。

五、結果分析 案例首先應用因子分析法分別對隱性指標因子、領導管理因子、個體與組織環境因子進行了公共因子篩選，確定了評價高級管理者人力資源價值的 9 個公共因子，它們分別是：領導能力因子、管理因子、拓展因子、職業因子、工作經驗因子、教育投資因子、個人體能因子、領導素質因子、人格特質及組織環境因子。驗證了各公共因子可以較好的反映高級管理者人力資源價值，并通過因子系數得分矩陣確定了各個公共因子的構成比例如下： 職 業 因 子 =31.67%社會資本+36.66%職業背景+31.67%職業生命周期 工作經驗因子 =30.39%任職時間+34.10%薪酬+35.51%年齡 個人體能因子 =59.5%體質能力+40.5%心理能力 教育投資因子 =53.14%學歷+46.86%天賦 領導能力因子 = 18.53%戰略決策能力+26.57%風險承受能力+32.66%人力資源管理能力 +22.24%創新能力 管理因子 =31.02%溝通能力+36.65%組織能力+32.33%團隊協作能力 拓展因子 =25.36%創新能力+38.60%學習能力+36.04%洞察能力 領導素質因子 = 18.89%價值觀+27.64%忠誠感+27.88%道德行為+25.59%敬業精神 人格特質及組織環境因子=14.54%樂觀自信+18.68%理智+17.11%情緒穩定+26.32%企業規模+23.35%職位

六、簡單應用舉例——高級管理人員的選拔 思路：如下圖 求得每位被考核人員的平均總得分 根據各位被考核人員平均總得分排序 各位專家分別利用打分表對每位被考核人員打分（見下表）根據所得相關權重匯總每位專家關于每位被考核人員的總得分 專家打分表如下表所示 編號 指標 非常好 很好 好 比較好 一般 比 較差 差 很差 非 常差 1 學歷 2 天賦 3 社會資本 4 任職時間 5 職業背景 6 職業生命周期 7 薪酬 8 年齡 9 體質能力 10 心理能力 11 領導能力 12 戰略決策能力 13 風險承受能力 14 人力資源管理能力 15 創新能力 16 學習能力 17 洞察能力 18 溝通能力 19 組織能力 20 團隊協作能力 21 價值觀 22 忠誠感 23 道德行為 24 敬業精神 25 樂觀自信 專家打分表 20 位專家對其中一位被考核者打分如下表所示： 說明：以上 9 個公共因子中有兩個指標完全是由客觀指標數據構成，這兩個公共因子是：職業因子和工作因子。所以每位專家關于這兩項因子的打分結果是一樣的。最后根據因子的權重確定最后得分。26 理智 27 情緒穩定 28 企業規模 29 職位

第三篇：國內典型高新區 技術創新 創新能力評價 因子分析法論文（推薦）

國內典型高新區論文：國內典型高新區技術創新能力比較研究

【中文摘要】高新技術產業開發區是科技創新的搖籃,是實現高新技術產業化的重要基地,技術創新是發展高技術產業的基本前提,是實現經濟可持續增長的新引擎。國內典型高新區擁有豐富的創新資源,聚集了大量高新技術產業,是眾多高新區中的佼佼者。然而,當前我國高新區的發展主要依靠土地、資金等要素驅動,并且更多依靠各種優惠政策,忽略了技術創新對經濟增長的重要作用。本文試圖通過對高新區技術創新能力進行比較分析,發現國內典型高新區在技術創新能力方面的缺陷與不足,為促進高新區技術創新能力的提升提供理論依據。本文以科技部相關指標體系為基礎,結合高新區發展特點,建立技術創新能力指標體系,使用因子分析法對國內54個國家級高新區的技術創新能力進行比較分析,并從15個指標中提取4個公因子,分別從技術創新獲利因子、技術創新投入因子、技術創新交易因子、技術創新成果因子四個方面對國內典型高新區技術創新能力進行綜合評價。分析結果顯示,國內典型的六個高新區綜合排名位于全國前列,其中北京排名第一,上海排名第二,深圳排名第五,西安排名第六,成都排名第七,武漢排名第九。雖然國內典型的六個高新區在發展進程中取得了可喜的成績,但是在技術創新過程中仍然存在著一些...【英文摘要】The high-tech zones are not only the cradles of technological innovation, but also the important bases to

implement the high-tech industries.Technological innovation is the basic premise of the development of high-tech industry.It is also the new engine to achieve sustainable economic growth.The typical domestic high-tech zones are leaders in many high-tech zones, which are rich in innovation resources and gathered a large number of high-tech industries.But now, the high-tech zones based on the land, ca...【關鍵詞】國內典型高新區 技術創新 創新能力評價 因子分析法

【英文關鍵詞】the Typical Domestic High-tech Zones Technological Innovation Innovation Capacity Factor Analysis 【目錄】國內典型高新區技術創新能力比較研究3-4Abstract4-5

第一章 導論9-151.1.1 研究背景9-10

摘要1.1 研究1.1.2 研1.2.1 研究背景和研究意義9-10究意義10方法10-1112-1415-22的起源1515-161.2 研究方法和研究內容10-121.2.2 研究內容11-121.4 本文的貢獻14-152.1 技術創新理論綜述

1.3 研究思路第二章 文獻綜述

15-172.1.1 創新理論2.1.2 技術創新理論的進一步發展2.1.3 技術創新概念的研究綜述16-17

2.2.1 國外研究綜述

2.3 技術創新能力評價

2.2 技術創新能力概念的研究17-1817-182.2.2 國內研究綜述18的研究18-20研究綜述19-2020-2220-2222-28

2.3.1 國外研究綜述18-192.3.2 國內

2.4 高新區技術創新能力的研究

2.4.2 國內研究綜述2.4.1 國外研究綜述20第三章 技術創新能力與國內典型高新區發展3.1 國內外創新型科技園發展經歷22-24

3.1.1 國外創新型科技園發展過程22-23發展狀況23-24究24-26

3.1.2 國內創新型科技園

3.2 國內典型高新區技術創新能力的現狀研

3.2.2 3.2.1 選擇國內典型高新區的依據24

24-26國內典型高新區技術創新能力發展現狀高新區技術創新能力的功效26-28內典型高新區產業結構升級26-27升國內典型高新區競爭力27高新區經濟增長27-28的構建28-39原則及功能28-3028-29

3.3 國內典型

3.3.1 技術創新能力與國3.3.2 技術創新能力與提

3.3.3 技術創新能力與國內典型第四章 高新區技術創新能力評價模型

4.1 高新區技術創新能力評價指標體系構建的4.1.1 評價指標體系構建的原則

4.2 高4.1.2 評價指標體系構建的功能29-30

30-33新區技術創新能力評價指標體系的構建標的設置30-31

4.2.1 評價指

4.3 高

4.2.2 評價指標的詮釋31-33新區技術創新能力綜合評價方法33-39能力評價方法比較分析33-3535-3939-57

4.3.1 多種技術創新

4.3.2 因子分析模型第五章 國內典型高新區技術創新能力的評價與比較5.1 數據來源與處理39-45

5.1.1 數據的收集

整理39-425.1.2 原始數據無量綱處理42-45

45-54

5.2 國內典型高新區技術創新能力因子分析新區技術創新能力比較分析54-57區技術創新能力的對策建議57-62創新投入力度57-58創新經費投入力度57-5858-59

5.3 國內典型高

第六章 提升國內典型高新6.1 加大園區內企業技術

6.1.1 增強自主創新和引進消化吸收再6.1.2 加大創新人才投入強度6.2 加大產學研合作力度,大力發展產業聯盟6.2.1 加大產學研合作力度

6.2.2 大力發展產業聯盟58-5959-60

6.3 建立以企業為核心的技術創新體系

6.3.2 完善科6.3.1 確立企業創新主體地位59技中介服務機構59-6060

6.3.3 營造良好的創新環境

6.4.1 制6.4 建立健全相關的政策法規體系60-62定財政稅收政策60-6161-6262-64問題63-64

6.4.2 構建知識產權保護體系第七章 本文總結及有待進一步研究的問題7.1 本文的結論62-63

參考文獻64-67

7.2 有待進一步研究的附錄67-69致謝70

攻讀碩士學位期間取得的科研成果69-70

第四篇：基于因子分析法的上市新股績效狀況實證分析論文

【摘要】中國證券市場進行了股權分置改革后，投資者對股市投資熱情加大。為了達到規避風險，客觀的評價尤為重要。本文借助因子分析的方法，運用運用SAS9.3和SPSS18.0等統計軟件對2014年上市新股的財務報表中的十二個主要指標應用多元統計分析方法中的因子分析法進行了總體評價，分析結果表明，新股市場發展蓬勃，具有發展潛力和增值空間，但是個股的績效水平存在較大差異。

【關鍵詞】因子分析上市新股績效分析

一、引言

我國證券市場日趨發展壯大，股票投資已逐漸成為國民主要的投資途徑。然而投資者面對的是不同行業、不同背景的上千支股票，為了達到規避風險，保值增值的目的，除了進行政策面分析外，還要對這些股票進行理性、客觀的評價，特別是那些長線、穩健型的投資者，就需要選擇有價值的股票，顯然股票評價尤為重要。

宏觀上，投資收益受國家經濟形勢，行業政策等方面影響，這對于投資者來說是不可控因素。但是投資者可以從微觀上，根據上市公司定期公布的財務報表，對上市公司財務狀況進行全面的剖析，因為財務報表既反映了公司的財務狀況，同時也是公司經營狀況的全面反映。多元統計中的因子分析法可以對上市公司的財務狀況進行定量分析，從一系列報表數據中，對股票投資價值進行綜合評價。

二、因子分析

因子分析是一種有效的降維和信息濃縮技術，通過變量(或樣品)的相關系數矩陣(對樣品來說是相似系數矩陣)出發所做的內部結構的研究，找出能控制所有變量(或樣品)的少數幾個不可觀測的隨機變量，我們稱其為因子，通過因子去描述多個變量(或樣品)之間的相關關系。具體來說，因子分析的主要應用有兩個方面：一是減少分析變量個數;二是通過對變量間相關關系探測，將原始變量進行分類，即將相關性高的變量分為一組，用共線性因子代替該組變量。因子分析常分為R型因子分析(對變量做因子分析)和Q型因子分析(對樣品做因子分析)，本文所用的因子分析為R型因子分析。

三、xxxx年上市新股績效實證分析

(一)樣本選擇和數據說明

本文選取2014年新上市的153支新股上市公司為研究對象，由于部分上市公司年報數據的缺失為未紕漏，剔除掉數據缺失的13支股票，最終選取140支上市新股。根據2014證券終期報告中的信息和數據，選擇Xl-主營業務利潤率，X2-每股凈資產，X3-凈資產周轉率，X4-總資產周轉率，X5-資產負債率，X6-流動比率，X7-凈利潤增長率，X8凈資產增長率，X9-凈資產收益率，Xl0-總資產收益率，X1.1-資本金收益率，X12-每股收益，共十二項財務指標，試圖將它們進行分類，為股票的分析和選擇提供依據。

(二)上市公司經營績效的因子分析

本文主要采用的是SPSS18.0數據分析軟件來進行上市公司績效分析，利用該軟件中的因子分析法對選取樣本中的標準化數據進行處理，得到相關的系數矩陣圖。

從指標間的相關系數陣可以看到，大多數指標間的相關系數大于0.6，再次為對原始數據的因子分析提供了可靠性保證。

四、總結與建議

通過上述因子分析，我們將上市新股的12個觀測指標簡化為4個具有現實意義的可解釋的公因子，在計算因子得分后我們依照四個公因子的得分按大小對上市新股進行排序，得出經營績效排名。

基于上述分析結果，筆者分別針對股票投資者和新股上市公司給出建議。

(一)降低投資風險的建議

對于股票投資者而言，中國的股票市場是一個不成熟的市場，盲目性很大，波動性很大。原因在于市場治理制度的不完善，上市公司造假作假現象層出不窮。對于普通投資者而言，應該掌握基本的股市常識，拒絕盲目跟風，輕信所謂黑幕，不僅需要借助專業的手段來甄別信息的真偽，更需要依靠股市知識去解讀信息背后的市場含義。最后，應結合國家的宏觀政策，做出理性正確的投資選擇。

(二)提升新股上市公司經營能力的途徑

對于新股上市公司的發展而言，上市公司增發新股，應將投資者的利益放在首位，而非一味融資。可以從以下兩個方面提高經營績效：

第一：樹立戰略管理理念，積極應對產業變革。對于大多數新股上市公司而言，企業大多數時候盲目跟隨市場的原因在于缺乏戰略管理。其后果會致使企業陷入多元化陷阱，最終被市場所淘汰。

第二，構建以股東為導向的公司治理結構。由于上市公司的員工并沒有擁有股票，所以“一股獨大”在我國演變為公司員工危害股東權益的現象。為此，只有真正建立起為股東導向的公司治理模式才能根本克服上市公司的造假行為。

第五篇：GPS數據處理

《GPS數據處理》課程總結報告

班級：地101 學號：2103071011291 姓名：常悅

成績：

北京建筑工程學院.測繪與城市空間信息學院

二零一三年.五月 《GPS數據處理》課程總結報告

1.GPS數據采集的基本作業流程

2.GPS數據處理涉及的計算公式

第 2 頁，共 8 頁

《GPS數據處理》課程總結報告

基線向量解：

3.GPS數據處理的質量檢驗方法與公式

基線向量的改正數。

根據基線向量的改正數的大小，可以判斷出基線向量中是否含有粗差。具體判定依據，若：，則認為基線向量中不含有粗差；反之，則含有粗差。鄰點的中誤差和相對中誤差。

若在進行質量評定時，發現有質量問題，需要根據具體情況進行處理，如果發現構成GPS網的基線中含有粗差，則需要采用刪除含有粗差的基線、重新對含有粗差的基線進行解算或重測含有粗差的基線等方法加以解決；如果發現個別起算數據有質量問題，則應該放棄有質量問題的起算數據

公式：

4.GPS數據處理的基本流程

基本流程：

1、數據預處理

與外業記錄對照，修改觀測文件中的一些參數：

（1）檢查外業觀測數據

第 3 頁，共 8 頁 《GPS數據處理》課程總結報告

（2）點名的編輯

（3）天線高檢查或編輯

（4）。。

2、基線解算

（1）設置基線解算的參數（使用的衛星，衛星高度角，對流層電離層模型 等）

（2）基線解算

（3）察看基線報告，不同的軟件成果質量判斷不一樣，LGO是看各個檢驗

（4）對于有問題的基線或其殘差過大，可采用開窗刪星等手段處理

（5）繼續解算，重復（2）（3）（4）過程，直到得到滿意的結果

3、無約束平差

（1）設置平差參數

（2）平差分析

（3）計算閉合環

（4）平差

（5）看平差報告

4、約束平差

(1)新建橢球投影坐標系

（2）導入控制點

（3）控制點匹配

（4）約束平差

5.GPS商業處理軟件的使用

5.1 Trimble軟件的使用

1．使用數據模塊建立項目 2．輸入樣本文件

3．導入NGS成果表文件 4.導入GPS數據文件 5.properties窗口查看實體 6.處理gps潛在基線 7.評估結算結果

8.查閱gps基線處理報告 9.使用時序器處理星歷 10.計算gps環閉合差 11.計算最小約束網平差

12．查看RTK和常規測量數據 13.輸出數據

5.2 Compass軟件的使用 安裝，注意安裝完畢按照說明進行破解。并且不能安裝在中文目錄名內，而且英文字符 不

第 4 頁，共 8 頁 《GPS數據處理》課程總結報告

能超過 8 位。安裝完畢運行首先進行單位設置，推薦使用國際單位 SI 標準，方法是點擊 Utilities 菜 單，選擇 units 再調入預設的 SI 單位集合即可，注意此時狗腿度的單位是 度/30m，可 以根據個人習慣進行調整。第一次使用首先建立一個新公司（company）如二勘、六勘等等，注意在 company 對話 框內一定要選擇中國鉆井行業規定的標準－曲率半徑法（Radius of Curvature），并且根 據需要選擇坐標的原點（Co-ordinate）是區塊site的中心還是井口（slot）的中心。如 果不涉及防碰，不需要比較兩井的相當位置時，建議選擇井口的中心作為原點。4 建立一個油田（field）如勝利、大慶、塔指等等。建立一個區塊（site）如哈得、塔河等等。可以輸入本區塊的中心坐標（如果愿意）。6 建立一口井（well），名字用井號如：輪古 37 等等，并輸入本井的井口坐標。建一個軌道（wellpath），一口井可以建立數個軌道。并可以指定其中的一個為確定的（definitive）軌道。選擇 EDIT編輯－Wellpath（軌道）－targets（靶點）菜單（或直接點工具欄的按鈕），進入靶點設計，輸入靶點的名字、垂深、坐標、形狀，保存退出。選擇 Planning－new plan 菜單，輸入軌道設計的名字和起始點，進行軌道設計。選擇 Survey－new survey 菜單，輸入測量過程的名字和起始點，進行實際測量的參數計 算。實際使用過程中，每進行一次測量都要重復 9 的過程建立一個以最后測量點為起點的新 設計，隨時調整下一步的定向方式。

6.RINEX格式的作用

RINEX格式已經成為了GPS測量應用等的標準數據格式，幾乎所有測量型GPS接收機廠商都提供將其格式文件轉換為RINEX格式文件的工具，而且幾乎所有的數據分析處理軟件都能夠直接讀取RINEX格式的數據。這意味著在實際觀測作業中可以采用不同廠商、不同型號的接收機進行混合編隊，而數據處理則可采用某一特定軟件進行。

7.RINEX格式的觀測文件讀取程序說明

基于matlab語言開發程序。

Rinex格式文件：

由程序命令一個字串一個字串的進行，然后根據文件頭的取舍將有效數據重新組合平面數據矩陣（二維）或立體數據矩陣（三維）。一般情況下，當讀取指定的字符串（如“END OF HEADER”）時，即開始讀取有效數據，在上述觀測文件和導航文件中，有效數據為字符串“END OF HEADER”以后的數據 相關函數：

fopen 開啟所要讀取的文件

fscanf 讀取所開啟文件中的資料

textread 讀取所開啟的文本文件中的資料

第 5 頁，共 8 頁 《GPS數據處理》課程總結報告

strcmp 比較兩字串是否相同

8.RINEX格式的導航文件讀取程序說明

同樣基于matlab語言程序。

因觀測文件和上述星歷文件的頭文件包含的信息量不同，觀測頭文件中包含有很多有效 信息，所以必須對頭文件進行必要的細致讀取。認為主要是1)“ANTENNA: DELTA H/E/N”2)“'APPROX POSITION XYZ”3)“# / TYPES OF OBSERV”，這三行數據對整個數據把握和以后的運算有幫助。

在讀主要的觀測值時，采用的思路也是將所有的觀測值看做是全矩陣（立體）的矩陣組成，將同歷元的數據放在一個二維矩陣中，有n顆衛星，m類觀測值如載波相位觀測值、偽

距觀測值、多普勒觀測值等，然后將所有的觀測值進行組裝。如下圖（部分），最終形成了7×７×31的一個大型矩陣，因最終進行計算的時候為了循環的需要，同時對應于按照時間的順序組織矩陣，所以要對這一中間過程進行排序（按照星歷文件衛星號的排列順序）。其讀取結果如表4，其中，midobs(:,:,31)表示第31個采樣間隔里所有的觀測值，第一、二列為L1、L2相位觀測值(cycle)，第三列為L1的C/A偽距觀測值(m)，第四、五列P1、P2為L1和L2的P碼偽距觀測值(m)，最后兩列為L1和L2的多普勒偽距觀測值(Hz)根據所需要的定位方式（載波定位、偽距定位等），合理的對讀取數據的結果進行取舍，方式就是根據行列號提取或者將所選以外的數據進行賦值為空（NULL）。

9.GPS單點坐標計算公式及流程圖

1.計算衛星運動的平均角速度n n = n0 + Δn 2.計算觀測瞬間衛星的平近點角M M =M0 + n(t-TOE)3.計算偏近點角

E = M+ esinE E°=M°+ ρ°·esinE° 4.計算真近點角f

5.計算升交距角u′ u′= ω+ f 6.計算攝動改正項δu , δr , δ

第 6 頁，共 8 頁 6 《GPS數據處理》課程總結報告

7.對u′、r′、i0 進行攝動改正

8.計算衛星在軌道面坐標系中的位置

9.計算觀測瞬間升交點的經度L

10.計算衛星在瞬時地球坐標系中的位置

11.計算衛星在協議地球坐標系中的位置

10.個人課程總結【1000字】

近年來，GPS測量定位理論和軟件科學的進步促進了不同功能GPS數據處理軟件的發展，為了滿足不同領域的應用需求，GPS數據處理軟件不斷問世。對于一個測量工作者來說選用一種好的數據處理方法和軟件對GPS數據結果影響很大。然而眾多的后處理軟件以及不同的處理方法使我們的測量工作者帶來多樣的選擇。盡管不同軟件在數據處理方法上各有其特點，但它們的總體結構基本上是一致的，即由數據準備、軌道計算、模型改正、數據編輯和參數估計5部分組成。究竟，哪一種GPS數據處理軟件性能更好？那一種GPS數據處理軟件的處理精度更高呢？本文就將針對國內外幾種常用GPS后處理軟件進行比較分析，其中包括南方國內公司開發的GPS后處理軟件、Ashtech Solutions2.6平差軟件、中海達HDS2003、Trimble TGO、leica Geo Office五種軟件。

一般情況下數據處理流程應該有很多個的過程，才能夠保證數據滿足工程需要，根據資料一般有以下步驟：野外數據采集——數據傳輸——手簿輸入——數據加工——數據預處理——基線解算——重復基線檢驗——同步環檢驗——異步環檢驗（以上為當天應完成的任務）——重測與補測——WGS-84無約束平差——網精度分析——北京54/80/地方獨立中三維無約束平差——三維約束平差——二維平差——成果報告——技術總結。網平差應該是整

第 7 頁，共 8 頁 《GPS數據處理》課程總結報告

個數據處理的核心內容，直接關乎數據的質量。

軟件只是實現了網平差的解算，更重要的是需要用戶參與，并最終作出正確的判斷。應當說明的是，這通常是一個反復的過程，雖然在實驗報告當中看起來只是一個小部分，但那是因為這主要由計算機進行解算，并且只考慮了一次成功的情況，而事實上可能要許多次才能夠完成。

通過這門課程，我學習到了許多關于計算gps的基礎知識和有關gps測量的工具使用和gps計算工具的使用方法。同時，我不僅對GPS原理有了更深入的了解，還對GPS外業數據采集和內業處理有了一定的理解。這個課程不僅是對動手能力的一種提升，更是對理論知識的一次綜合性鞏固。雖然測量是一門實踐性很強的學科，但是也要求我們掌握扎實的理論知識，如果沒有扎實的理論功底，只知道怎么做，但是不知道為什么那么做，當我們遇到類似的其他問題時，就不知道怎么解決。所以我覺得理論是實踐的前提，只有把理論知識學好，才能更好的促進實踐。所以我們要學好理論知識，為以后的工作打下堅實的基礎。當然理論知識學好了，動手能力也要努力培養，不能只會紙上談兵，所以我們要多動手，提高自己的動手能量，并在實踐中促進鞏固理論知識。只有理論是實踐這兩個環節都做好，我們才能更好的掌握理論知識，提高自己的動手能力。

第 8 頁，共 8 頁 8