SPSS论文.docx
- 文档编号:30170917
- 上传时间:2023-08-05
- 格式:DOCX
- 页数:15
- 大小:348.34KB
SPSS论文.docx
《SPSS论文.docx》由会员分享,可在线阅读,更多相关《SPSS论文.docx(15页珍藏版)》请在冰豆网上搜索。
SPSS论文
石油行业上市公司绩效与产业整合实证分析
作者:
杜刚刘慧芳 时间:
2007-11-2123:
57:
00 来源:
论文天下论文网
[摘要]本文根据多元统计学中的因子分析法,利用SPSS软件对2004年度石油行业上市公司财务指标进行了实证分析,并在此基础上对各公司经营绩效和产业整合做出分析评价。
笔者认为,运用因子分析法分析财务指标不失为一种评价公司运营状况的客观方法,它为公司长期投资价值的评估和公司管理决策提供了客观依据。
[关键词]因子分析;SPSS;绩效评价;产业整合
国际原油价格的暴涨,使得石油采掘销售行业盈利大幅增加。
从2004年原油价格大幅波动至本文成稿时,国际原油期货价格已从40美元左右攀升至60美元以上,中国的石油公司亦在此轮上涨行情中获益匪浅。
作为规模经济的石油行业,大企业特别是上市公司在整个行业中毋庸置疑地居于重要地位。
一般而言,对于以一个利润最大化为目标的企业的评价,从财务角度入手是最为科学和客观的。
本文应用因子分析法对石油行业中10家上市公司的财务指标进行了绩效评价,各项指标的计算数据来源于2005年中国证券期货业年鉴中的上市公司年报。
之所以采用年报数据计算,主要是基于较季报而言,年报数据更能准确地反映公司在一个财务年度中的运营情况。
投资者关注投资价值,管理者亦需要了解公司运营在同行业中所处水平。
通过因子分析和各自贡献率的评价,行业中各公司的经营绩效一目了然。
一、评价指标体系的建立
本文参考上海证券交易证所公布的2005年沪市上市公司行业分类,选取了10家主营业务为石油开采与销售行业的上市公司作为分析目标变量。
考虑到上市公司的治理结构和财务目标特点,本文在指标的选取上参考了财务指标评价体系,并考虑了EVA(经济剩余增加值)目标,从以下4个方面选取指标:
1.成长性指标
股份有限公司的成长的基础是公司获利能力,其根本目标是股东价值最大化。
公司在成长性方面的表现,直接关系到EVA目标以及股价的市场表现。
2.盈利能力指标
盈利能力是指公司的获利能力。
它以权责发生制为基础,反映了公司在经营过程中的产生的利润水平。
它是衡量企业收益与资本回报的核心指标。
3.经营效率指标
经营效率反映的是公司运营中资本运作的效率问题,股东与管理者关心的中心问题也正是资金的机会成本。
经营效率指标通过百分比的形式衡量管理者如何以最小的资产(现金流)获取最大的回报。
4.偿债能力指标
股东价值最大化的目标在一定程度上客观要求公司以一定比例负债经营。
它一般根据股本的机会成本与借贷资金成本的比值来确定最适度的借贷杠杆规模。
偿债能力指标反映了企业负债的风险水平和可续经营的能力,是衡量企业经营风险的必备指标。
在以上4个财务评价方面的基础上,本文分别选取了表1中的14个财务指标(X1—X14)进行分析。
二、数据处理与实证过程
本文选取了岳阳兴长、武汉石油、天发股份、泰山石油、大庆联谊、石油大明、胜利股份、大元股份、辽河油田和中原油气10家上市公司,并根据其2004财务年报进行计算各项财务指标,计算后的财务指标见表2。
因子分析是一种数学变换的方法,它把给定的一组相关变量通过线性变换转成另一组不相关的变量,这些新的变量按照方差依次递减的顺序排列。
在数学变换中保持变量的总方差不变,使第一变量具有最大的方差,称为第一因子;第二变量的方差次大,并且和第一变量不相关,称为第二因子,依次类推。
在多数情况下,不同指标之间是有一定相关性的,因子分析法正是根据评价指标中存在着一定相关性的特点,用较少的指标来代替原来较多的指标,并使这些较少的指标尽可能地反映原来指标的信息,从根本上解决了指标间的信息重叠问题。
因子分析法的优点在于各综合因子的权重不是人为确定的,而是根据综合因子的贡献率大小确定的。
正是由于它克服了人为因素,使得评价结果客观合理。
在本文评价体系中,由于公司经营性质的趋同性,同一行业中的财务指标具有较大的可比性。
首先计算相关矩阵,公式为rij=R(AT,A),即依次计算每列(指标列)的相关系数(这里i=j=14)。
经计算相关矩阵的非对角元素数值较大,说明指标之间具有较高的相关性,满足进行因子分析的前提。
方差分析中以累积贡献率≥85%为界限,据此定出主成分。
令F1,F2,F3,F4分别代表4个主成分。
从表3可以看出,这4个主成分累积贡献率已超过91%。
为了更清楚地表现个因子中各指标的贡献率,本文采用4次方(Qutimax)正交旋转,是个变量上的因子负荷平方的方差达到最大,得到旋转因子载荷矩阵。
从表3中可以看出,按照贡献率≥65%的原则,F1在X1,X2,X4,X7上的值较大;F2在X10,X12,X13,X14的值较大;相应的F3在X5,X6,X9和X11上的值较大;F4在X3,X8上的值较大。
第一主成分F1中的指标都和收益增长有关,所以这里把它定义为成长性因子;第二主成分F2中的指标与偿债能力和现金流关联,定义为营运风险因子;第三主成分F3与利润创造能力相关,定义为投资回报水平因子;第四主成分F4决定了资本边际效率(投资回收期),可定义为资本效率因子。
为了对10家上市公司进行绩效评价,需要计算各个因子得分再根据各自的权重计算综合得分。
这里对10家公司的14个财务指标(i)进行标准化计算,即令
Xi-X
X*i=----------
σi
(σi是样本标准差),并分别命名X*i为ZXti
三、绩效评价与产业整合分析
2005年底至2006年初,石油行业最为市场关注的事件要属中国石油和中国石化对各自旗下的上市公司私有化。
由于目前的高油价打乱了石油化工行业产业链中的原有利润分配格局,而解决的办法之一就是产业整合。
两家公司在上市之初就向海外投资者承诺将整合旗下公司,以简化公司结构,优化资本配置,减少关联交易,有效解决内部相互竞争造成的利润损失。
在当前国内炼油业大面积亏损的情况下,进行产业整合可以“消除我国产业政策风险带来的不良影响,避免大量资金撤离国内投资,并可以解决上市子公司大量亏损的尴尬局面,给广大投资者一个合理的交代”。
本文结合前面的因子分析法的结果得到如下分析:
(1)率先整合处于经营优势的子公司应该是此轮私有化进程最为明了的事实。
从表4容易看出,辽河油田位列10家上市公司综合绩效评估榜首,中石油事实上也是在2005年底对包括辽油在内的3家上市公司进行了第一轮的整合。
此外,排名较高的中原油气和石油大明也是出现在中石化的第一轮私有化名单中。
大庆联谊虽然综合绩效排名最低,但在经营风险、资本效率及投资回报水平(年度财务表现为亏损水平的大幅下降)上仍有一定的竞争力,说明公司的经营困境有所改善,不排除在产业整合中被收购的可能。
(2)收购实施方最为关注收益能力。
第一轮收购收购实施方均采取了现金收购的方式。
如果下一轮整合仍然采取现金收购,那么收购方就应该在此期间内创造出尽量多的正现金流。
辽河油田的投资回报率水平位列第一。
中原油气和石油大明虽然在综合绩效排名略低于尚未被整合的泰山石油,但在成长性和投资回报率水平方面均超过后者。
而成长性和投资回报率对于净现金流入无疑是最为关键的因素。
(3)关于中石化下轮整合目标的分析。
第一,下一轮私有化在其收购方式上主要是现金收购或股权置换。
而采用何种方式更为合理,这取决于目标公司分别在投资回报水平和成长性方面的表现。
成长性从根本上影响股价的走势,投资回报水平直接决定了现金收购(杠杆收购)的能力。
可以看出武汉石油在上述两方面表现优于泰山石油,但是在公司营运风险水平和综合绩效的方面,泰山石油的表现要大大好于武汉石油。
第二,泰山石油、武汉石油和岳阳兴长均在资本效率方面表现优良,实施收购后有利于提高整合后公司的每股收益水平和市盈率,进而促进股价上升,恢复投资者信心。
参考文献:
[1]高惠旋.应用多元统计分析[M].北京:
北京大学出版社,2005.
[2]余建英.数据统计分析与SPSS应用[M].北京:
人民邮电出版社,2003.
[3]中国证券监督管理委员会编.2005中国证券期货统计年鉴[J].上海:
学林出版社,2005.
SPSS在信度分析中的应用研究
摘要随着SPSS软件在我国的推广,它将成为科研人员最常用的工具。
本文分析了SPSS软件的特点,探讨了SPSS技术在信度分析中的几种方法,提出了利用SPSS进行信度分析的基本操作步骤,为减少研究人员的统计工作量、提高研究结果的准确性、可靠性和完整性提供了一种实用方案。
关键词SPSS技术信度分析应用研究
SPSS技术能为开展信度分析提供强有力的技术支撑。
目前,有些研究者还沿用传统的手工方法,或者利用计算机电子表格系统Excel进行信度分析。
Excel是通过函数对数据进行处理,使用者必须了解函数的功能和参数格式要求,使用起来有一定局限性。
SPSS是“社会科学统计软件包”(StatisticalPackagefortheSocialScience)的简称,是一种集成化的计算机数据处理应用软件,为广大的非专业人士设计,操作简便,好学易懂,简单实用。
因此,将其应用于信度分析中,能简单、快捷、准确地得到统计分析结果。
一、SPSS软件的特点
(一)界面友好,操作简单。
除了数据录入及部分命令程序等少数输入工作需要键盘键入外,大多数操作可通过“菜单”、“按钮”和“对话框”来完成,使得使用者根据需要轻轻点击鼠标就可以得到相关分析后的数据结果,同时还可以得到各种分析统计量表以及直观、清晰的统计分析图表。
这些结果不但能在屏幕显示,还能转化为其它图形文件保存或者通过打印机输出。
(二)集数据录入、资料编辑、数据管理、统计分析、报表制作、图形绘制为一体。
SPSS具有完整的数据输入、编辑、统计分析、报表、图形制作等功能,自带11种类型136个函数。
它提供了从简单的统计描述到复杂的多因素统计分析方法,比如数据的探索性分析、统计描述、列联表分析等。
通过相应“菜单”、“按钮”和“对话框”的操作,就可以得到我们需要的各种统计报表或统计分析图表。
(三)具有简单、快捷、准确地统计分析功能。
它包括常规的集中量数和差异量数、相关分析、回归分析等;也包括近期发展的多元统计技术,如多元回归分析、聚类分析等方法,并能在屏幕上显示如正态分布图、直方图、散点图等各种统计图表。
从某种意义上讲,SPSS软件还可以帮助数学功底不够的使用者学习运用现代统计技术。
使用者仅需要关心某个问题应该采用何种统计方法,并初步掌握对计算结果的解释,而不需要了解其具体运算过程,可在使用手册的帮助下定量分析数据。
(四)方便的数据接口。
能够读取及输出多种格式的文件,比如由dBASE、FoxBASE、FoxPRO产生的*.dbf文件,文本编辑器软件生成的ASCⅡ数据文件,Excel的*.xls文件等均可转换成可供分析的SPSS数据文件。
能够把SPSS的图形转换为8种图形文件,结果可保存为*.txt、*.html以及*.doc等格式的文件。
二、SPSS在信度分析中的应用方法
统计中所谓“信度”是指测量的一致性(Consistency),即一群受试者在同样测验卷上,测量多次的结果是否都具有一致性。
信度本身与测量所得结果正确与否无关,它的功用在于检验测量本身是否稳定,也即在测量多次情况下,其结果是否都能一致的问题。
利用SPSS软件进行信度分析的主要方法有以下几种:
1、再测信度(Test-retestReliability),是指同一测试试卷,让同一被测试群体,以一定的时间间隔进行两次测试,我们将两次测试得分间的相关系数作为信度系数的估计值。
2、折半信度(split-haltReliability),是指同样的量表由同一群受测者仅做一次,再利用折半的原则,将量表等分为二,这两部分的分数之间相关程度作为信度系数的估计值。
3、克朗巴哈系数(Cronbach’salphacoefficient),指同一群人在同一测验上,只做一次求得测验的实得分数与实际分数之间的相关程度,其公式如下:
=nn-1(1-ΣSi2Sx2)
n为题数,Si2为每一题分数的方差,Sx2为测验总分的方差。
4、复本信度(Alternate-formReliability),是指以同一群受测者,对两份内容类似,难易程度相近的测验实施作答,求得这两次分数的相关系数,当相关系数越大时,表示信度越高。
三、实际案例分析
在实际应用中,信度分析是由克朗巴哈系数来计算完成。
下面以《SPSS统计分析方法及应用》中的数据,作为例子来说明SPSS技术在信度分析中的应用。
操作步骤如下:
1、选择Analyze→Scale→Reliability→ReliabilityAnalysis命令。
2、把左侧列表框中将相关的变量加入到右侧Item的列表框中,在Model中选择Alpha选项。
在Model下拉列表中,有五种信度分析的项目模式可以选择,通常我们使用默认的Alpha(Cronbach’sAlpha模式),其他四个模式分别为:
Split-half(Spearman-Brown和Guttman折半系数模式,即将全部项目折为相等的两半,再期两部分的可信度系数),Guttman(此模式可估计真可信度的下界),Parllel(平行模式,即平行假设的最大似然可信度估计)以及Strictparallel(严格平行模式,即严格平行假设下最大似然可信度估计)。
3、单击Statistics按钮,选中Scaleifitemdeleted复选框(项目被删除后,所剩项目的各种统计量),单击Continue按钮和OK按钮,即可得到如表1所示的结果:
表1
ScaleMeanifItemDeletedScaleVarianceifItemDeletedCorrectedItem-TotalCorrelationCronbach’sAlphaifItemDeleted
支配性74.72211.59.75.82
稳定性75.58206.86.58.83
社会性77.61164.41.79.77
激动性76.49178.42.48.84
活动性79.59136.17.71.80
深思性77.59152.02.74.78
注:
若CronbachAlpha值<0.35为低信度,0.35≤CronbachAlpha值<0.7则尚可,若CronbachAlpha值≥0.7则属于高信度。
从表1中可以看出,在没有删除项目之前,稳定性和激动性的信度分别为0.584和0.481,在0.35到0.7之间,表示可信度尚可;在删除某些项目之后,各个方面的信度都超过了0.7,即表示具有较高的信度。
四、结束语
通过上边的实际例子,我们可以看到利用SPSS技术进行信度分析可减少统计工作量,为提高科研效率提供了强有力的支持。
随着SPSS技术在科研领域的广泛应用,必将会给科学研究带来革命性的变化。
参考文献
1.叶平.教育研究现代化的工具——SPSS统计软件应用操作入门[DB/OL].
2.薛薇.SPSS统计分析方法及应用[M].电子工业出版社,2004
3.林杰斌,刘明德.SPSS11.0与统计模型构建[M].清华大学出版社,2004
SPSS在铁路春运客流调查中的应用
公文易文秘资源网 佚名 2008-10-218:
48:
58 我要投稿 添加到XX搜藏
摘 要:
本文在对南昌站2005年春运客流状况的问卷抽样调查的基础上,利用SPSS软件提供的交叉列联、多选项、对应分析等功能,对调查数据进行了实证研究。
选择乘车目的、购票途径、出行考虑等因素、客流流向等问卷的代表性项目进行统计分析,得到南昌站春运客流相关因素的关系,为改善运输组织和提高服务质量提供依据。
关键词:
铁路,春运,客流,SPSS,分析
每年春运客流的构成和流向等信息对铁路部门的运输组织具有重要意义。
南昌站作为京九线上重要的客运站,每年春运都承担着较大的旅客发送任务,对车站的春运客流状况进行调查,有助于更好地进行春运组织。
为了尽量客观真实地了解南昌站的春运客流状况,分析各相关因素的关系,在对南昌站2005年春运客流状况的问卷抽样调查的基础上,利用SPSS(StatisticalProductandServiceSolutions)软件提供的统计功能(主要是交叉列联、多选项、对应分析)对问卷数据进行了较深入的分析,希望能为改善铁路运输组织和提高服务质量提供依据。
1抽样调查基本情况
1.1调查时间和对象
抽样调查从2005年2月17日—3月5日,每天进行一次。
每天上午、下午和晚上在每个候车室各发放10份问卷,即每天每个候车室30份问卷。
调查对象为由南昌站乘火车前往其他地区的旅客。
1.2抽样方法
本次抽样调查采用分层、等距抽样设计,即首先依照候车室分层,在候车室内按照候车区域再分层。
分层完毕后,在调查期间每天某时由调查员进入候车室进行随机抽样。
在每个候车区域随机选定一组候车旅客,每隔一固定数目等距抽取一名旅客,直到满足样本量为止。
1.3调查项目
考虑到南昌站春运客流较为集中,旅客密集且流动性大,在问卷中采用封闭性答题形式,以方便被调查人快速、准确地完成调查。
(1)您乘车的目的:
包括外出工作,探亲,旅游,学生返校。
(2)您的出行方向:
包括北京方向(内蒙/北京/东北/合肥等);上海方向(杭州/宁波/南京/温州/苏州等);福建方向(福州/厦门等);成都方向(重庆/成都/柳州/贵州/昆明等);广东方向(东莞/广州/深圳等):
武汉方向(武汉/长沙/郑州等);其他方向。
(3)您春节出行优先考虑的因素:
包括安全;票价;舒适;快捷;能走就行。
(4)您对列车席位种类的选择:
包括普通硬座;普通硬卧;空调硬座;空调硬卧;软座;软卧;其他。
(5)选择临时加开列车时,您考虑的因素(可多选):
包括有空调,票价便宜,到达或开车时间;乘车时间:
有卧铺:
乘车环境及服务。
(6)您更愿意接受以下哪种购票途径:
包括直接到车站窗口购买,直接到铁路客票代售处购买:
打电话提前预订:
上互联网提前预订。
(7)您的年龄阶段为:
12~17岁,18~23岁,24~30岁,31~40岁:
41~50岁:
51~60岁;60岁以上。
(8)您的平均月收入:
包括1000元以下,1001—2000元,2001—4000元,4001—6000元,6000元以上。
(9)您认为南昌站在接待旅客方面的服务:
包括很好,较好,一般,较差,极差。
1.4问卷发放回收情况
本次调查共发放问卷2100份,收回有效问卷2039份,有效问卷率达97.10%。
2SPSS中的统计分析
SPSS作为统计分析工具,理论严谨、内容丰富,具有数据管理、统计分析、趋势研究、制表绘图、文字处理等功能。
其中的统计分析功能包括从基本描述统计、推断统计到聚类分析、因子分析等多元统计分析方法。
本文主要利用其中的交叉列联分析、多选项分析、对应分析等功能对客流的相关信息进行统计分析,而基本描述统计功能就不再做介绍。
2.1交叉列联分析
(1)独立性与一致性检验。
一般独立性与一致性检验的检验统计量为Q,当然也可用其他的统计量检验,如似然比统计量(Likeli—hoodRatio)、样本数小于20时四格表的Fisher.s检验等。
(2)相关系数及相关分析。
经过一致性或独立性的卡方检验后,在得到差异是否显著或是否独立的同时,已经分析出两个特征(变量)是否相关了。
如差异显著或不独立,则说明两变量相关显著,反之则相关不显著。
但为了量化其相关程度,还应给出相关系数根据两个特征(变量)的数据类型,相关系数有以下种类。
①Pearson积矩相关系数:
适用于分区间的连续数据或计数数据之间,且总体呈正态或近似正态,样本数≥30。
②Spearman秩相关系数:
适用于等级或有序数据之间,应用范围较广,样本数<30,总体不呈正态均可。
③列联相关系数:
适用于名义数据之间,其定义基于卡方检验统计量Q。
(3)不同数据类型的有关统计量。
根据两个特征(变量)的数据类型的不同,列联表分析还可给出某些关联系数及一些特别的统计量。
①名义数据之间:
lambda系数、不确定系数。
②次序数据之间:
Gamma水平、Somers’d水平、Kendalls系数。
③名义数据与区间数据之间:
Eta系数。
SPSS对这些列联分析都有充分的支持。
2.2多选项分析
在实际问卷调查中,某些问题允许选择的答案是多个,也即有两个或两个以上的答案会被同时选中。
针对这种多选项问题,利用普通的频数分析或交叉列联分析会比较烦琐,需要手工进行一些额外计算。
为此,SPSS专门设计了一个子菜单MultipleResponse方便这种变量的统计分析。
2.3对应分析
对应分析(CorrespondenceAnalysis)是由法国人JeanPaul-Benzerci于20世纪60年代创立,直到20世纪80年代才在英语国家兴起的一种多元相依(Interdependence)变量统计分析技术。
它主要对名义变量或顺序变量多维频度表进行分析,探索同一变量的各个类别之间的差异,以及不同变量各个类别之间的对应关系。
对应分析的4个优点是:
名义变量划分的类别越多,这种分析的优势越明显;可以将名义变量或顺序变量转变为间距变量,揭示行变量类别间与列变量类别间的联系:
将变量类别间的联系直观地表现在图形中。
对应分析的使用条件包括:
变量是名义变量或顺序变量;行变量类别与列变量相互独立;行变量和列变量构成的交叉列表中不能有零值或负数。
3SPSS在春运客流调查中的应用
3.1春运客流调查的列联分析
以购票途径倾向与乘车目的进行列联分析,利用SPSS的Analyze->DescriptiveStatistics—>Crosstab得出卡方检验结果如表1所示。
进行/检验,得到Q=61.501,双尾P值=0.000,因此拒绝原假设,认为乘车目的与购票途径具有显著相关性,即不同购票途径在不同客流上有显著差别,相关强度值的计算选择名义变量的相关系数。
3.2春运客流调查的多选项分析
问卷中的出行考虑因素属于多选项问题,对它的分析采用多选项分析的二分法。
即对安全、票价、舒适、快捷、能走就行等因素分别设置一个变量,然后把5个变量合为一个多选项变量集,再进行频数分析和交叉列联分析。
调查中频数分析的结果如表2所示。
由输出结果可以看出,在对出行考虑的因素中有6205个答案。
其中安全是考虑最多的因素,达到30.7%,其次分别为舒适和快捷,而票价只以14.4%排在第四位,不加选择的有车就走排在在第五位。
这反映了旅客对春运期间铁路服务质量的要求在提高,相当多旅客在春运期间乘坐火车不只是因为铁路票价便宜。
3.3春运客流调查的对应分析
以乘车目的与旅客出行方向为例,由于乘车目的有4个选项,旅客出行方向有7个选项,较适合于对应分析的条件和优势。
(1)最终汇总统计量。
表3显示对应分析最终汇总统计量,包括维度、单一值、惯量、卡方值、户值、惯量解释比例,以及单一值稳定性等数据。
卡方值188.453,户小于0.01,表明乘车目的与出行方向之间有显著的依赖关系。
第一项是维度,其值是3。
单一值是各维度对变量各个类别之间差异的解释量,代表每
- 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:
- SPSS 论文