下载掌阅APP，畅读海量书库
立即打开
设有n个上市公司，每个被评价对象由p个指标 x 1 ， x 2 ，…， x p 来描述。则得到原始数据矩阵：
其中 x i ＝ （ x 1i ， x 2 i ，…， x ni ）′， i ＝ 1，2，…， p
用主成分分析法进行综合评价的基本思路是：首先求出原始p个评价指标的p个主成分，然后选取少数几个主成分来代替原始指标，再将所选取的主成分用适当形式综合，就可以得到一个综合评价指标，依据它就可以对上市公司进行排序比较。具体步骤是：
1.对原始数据进行标准化处理
上市公司财务指标体系所采用的 15 项评价指标有正向指标和适度指标两种，适度指标有流动比率、速动比率、长期负债比率和股东权益比率，其余为正向指标。在分析之前，适度指标应先转换成正向指标。按照国际惯例，流动比率、速动比率、长期负债比率和股东权益比率的适度值分别为 200％、100％、30％～ 60％、50％。对于适度指标（指标值落在某个区间为最好），适度指标按下式进行变换：
这里，
为适度指标的适度区间。
由于主成分是从协方差矩阵S出发求得的，而协方差矩阵要受评价指标量纲和数量级的影响，不同的量纲和数量级将得到不同的协方差矩阵，从而主成分也会因评价指标量纲和数量级的改变而不同。为了克服这一缺陷，更客观地说明主成分的内涵，就必须将原始指标数据标准化。一般采用z-score标准化公式：
，式中
。
由于标准化指标的协方差矩阵等于其相关系数矩阵，而相关系数矩阵不受指标量纲或数量级的影响，因此，标准化后的主成分是不受量纲和数量级影响的。
2.计算标准化的p个指标的协方差矩阵
此时即为相关系数矩阵R ＝（r
ij
）。 r
ij
的计算公式为
，其中
由上式可看出， r ii ＝ 1，且 r ij ＝ r ji 。
3.计算相关矩阵R的特征根、特征向量
通常用雅可比（Jacobi）方法求R阵的p个特征根 λ 1 ≥ λ 2 ≥．．．≥ λ p ≥ 0及其相应的特征向量 a 1 ， a 2 ，…， a p ，其中 a i ＝ （a i1 ， a i2 ，…，a ip ）’（i ＝ 1，2，…，p）。
由主成分方法可知，λ i 是第i个主成分y i 的方差，它反映了第i个主成分y i 在描述被评价对象时所起作用的大小。
4.计算各主成分的方差贡献率αk及累计方差贡献率α（k）
第k个主成分y
k
的方差贡献率
，前k个主成分y
1
，y
2
，…，y
k
的累计方差贡献率为
。 y
k
的方差贡献率α
k
表示var（y
k
）＝λ
k
在原始指标的总方差
中所占的比重，即第k个主成分提取的原始p个指标的信息量。因此，前k个主成分y
1
，y
2
，…，y
k
的累计方差贡献率α（k）越大，说明前k个主成分包含的原始信息越多。
5.选择主成分的个数
确定主成分的个数，一般是使前k个主成分的累计方差贡献率α（ k）达到一定的要求，通常要求α（k）≥85％。
6.由主成分计算综合评分值，以此对被评价对象进行排序和比较
先按累计方差贡献率不低于某阈值（比如 85％）的原则确定前k个主成分，然后以选择的每个主成分各自的方差贡献率为权数将它们线性加权求和求得综合评价值指标F。设按累计方差贡献率α（k） ≥85％选择的k个主成分y i
它们的方差贡献率为
，以此为权数，将k个主成分y
1
，y
2
，…，y
k
线性加权求和即得综合评价值
以F值的大小来评判被评价对象上市公司的优劣。