文档介绍：对中国88个房地产上市企业因子分析分析结果:表1KMO和Bartlett检验取样足够度Kaiser-Meyer-Olkin度量。...000由表1可知,,对应概率p值靠近0,小于显著性水平(),所以应拒绝原假设,认为相关系数矩阵和单位矩阵有显著差异。同时,,依据Kaiser给出KMO度量标准(;;;;)可知原有变量不算尤其适合进行因子分析。(手):主成份分析。表2为公因子方差,即因子分析初始解,显示了全部变量共同度数据。第一列是因子分析初始解下变量共同度,它表明,对原有10个变量假如采取主成份分析方法提取全部特征根(10个),那么原有变量全部方差全部可被解释,变量共同度均为1(原有变量标准化后方差为1)。实际上,因子个数小于原有变量个数才是因子分析目标,所以不可提取全部特征根;第二列是在按指定提取条件(这里为特征根大于1)提取特征根时共同度。能够看到,总资产酬劳率、成交量、流通市值、总市值绝大部分信息可被因子解释,这些变量信息丢失较少。但毛利率这一变量信息丢失相当严重(近70%),净资产收益率、应收应付比率两个变量信息丢失较为严重(近40%)。所以此次因子提取总体效果并不理想。表3展示了特征根及累积贡献率情况,根据特征根大于1标准,选入了4个公共因子,%,同时也能够看出,因子旋转后,累计方差比并没有改变,也就是没有影响原有变量共同度,但却重新分配了各个因子解释原有变量方差,改变了各因子方差贡献,使各因子更易于解释。图五为因子碎石图,需要说明是这里累积方差贡献率并不高,远没有达成85%,不过依据碎石图我们能够看出在这里选四个因子还是比较适宜。表3解释总方差成份初始特征值提取平方和载入旋转平方和载入累计方差%累积%累计方差%累积%累计方差%累积%:主成份分析。-.-.(手).849-.357.