❶ 請舉例說明因子分析方法的應用領域
因子分析可以做經濟效益的評價，指標有百元固定資產原值實現產值、利稅、總產值實現利稅、銷售收入實現利稅。。。。把很多指標綜合成較少因子，既有利於對問題進行分析和解釋，又能便於抓住主要矛盾做出科學評價。
不過實際中可能作為回歸分析的鋪墊比較多
❷ 因子分析法的統計意義
模型中F1，F2，…，Fm叫做主因子或公共因子，它們是在各個原觀測變數的表達式中都共同出現的因子，是相互獨立的不可觀測的理論變數。公共因子的含義，必須結合具體問題的實際意義而定。e1，e2，…，ep叫做特殊因子，是向量x的分量xi(i=1，2，…，p）所特有的因子，各特殊因子之間以及特殊因子與所有公共因子之間都是相互獨立的。模型中載荷矩陣A中的元素（aij）是為因子載荷。因子載荷aij是xi與Fj的協方差，也是xi與Fj的相關系數，它表示xi依賴Fj的程度。可將aij看作第i個變數在第j公共因子上的權，aij的絕對值越大（|aij|￡1），表明xi與Fj的相依程度越大，或稱公共因子Fj對於xi的載荷量越大。為了得到因子分析結果的經濟解釋，因子載荷矩陣A中有兩個統計量十分重要，即變數共同度和公共因子的方差貢獻。
因子載荷矩陣A中第i行元素之平方和記為hi2，稱為變數xi的共同度。它是全部公共因子對xi的方差所做出的貢獻，反映了全部公共因子對變數xi的影響。hi2大表明x的第i個分量xi對於F的每一分量F1，F2，…，Fm的共同依賴程度大。
將因子載荷矩陣A的第j列（ j =1，2，…，m）的各元素的平方和記為gj2，稱為公共因子Fj對x的方差貢獻。gj2就表示第j個公共因子Fj對於x的每一分量xi(i= 1，2，…，p）所提供方差的總和，它是衡量公共因子相對重要性的指標。gj2越大，表明公共因子Fj對x的貢獻越大，或者說對x的影響和作用就越大。如果將因子載荷矩陣A的所有gj2 ( j =1，2，…，m）都計算出來，使其按照大小排序，就可以依此提煉出最有影響力的公共因子。
3. 因子旋轉
建立因子分析模型的目的不僅是找出主因子，更重要的是知道每個主因子的意義，以便對實際問題進行分析。如果求出主因子解後，各個主因子的典型代表變數不很突出，還需要進行因子旋轉，通過適當的旋轉得到比較滿意的主因子。
旋轉的方法有很多，正交旋轉（orthogonal rotation）和斜交旋轉（oblique rotation）是因子旋轉的兩類方法。最常用的方法是最大方差正交旋轉法（Varimax）。進行因子旋轉，就是要使因子載荷矩陣中因子載荷的平方值向0和1兩個方向分化，使大的載荷更大，小的載荷更小。因子旋轉過程中，如果因子對應軸相互正交，則稱為正交旋轉；如果因子對應軸相互間不是正交的，則稱為斜交旋轉。常用的斜交旋轉方法有Promax法等。
4.因子得分
因子分析模型建立後，還有一個重要的作用是應用因子分析模型去評價每個樣品在整個模型中的地位，即進行綜合評價。例如地區經濟發展的因子分析模型建立後，我們希望知道每個地區經濟發展的情況，把區域經濟劃分歸類，哪些地區發展較快，哪些中等發達，哪些較慢等。這時需要將公共因子用變數的線性組合來表示，也即由地區經濟的各項指標值來估計它的因子得分。
設公共因子F由變數x表示的線性組合為：
Fj = uj1 xj1+ uj2 xj2+…+ujpxjp j=1，2，…，m
該式稱為因子得分函數，由它來計算每個樣品的公共因子得分。若取m=2，則將每個樣品的p個變數代入上式即可算出每個樣品的因子得分F1和F2，並將其在平面上做因子得分散點圖，進而對樣品進行分類或對原始數據進行更深入的研究。
但因子得分函數中方程的個數m小於變數的個數p，所以並不能精確計算出因子得分，只能對因子得分進行估計。估計因子得分的方法較多，常用的有回歸估計法，Bartlett估計法，Thomson估計法。
⑴回歸估計法
F = X b = X (X ￠X)-1A￠ = XR-1A￠ （這里R為相關陣，且R = X ￠X ）。
⑵Bartlett估計法
Bartlett估計因子得分可由最小二乘法或極大似然法導出。
F = [(W-1/2A）￠ W-1/2A]-1(W-1/2A）￠ W-1/2X = (A￠W-1A)-1A￠W-1X
⑶Thomson估計法
在回歸估計法中，實際上是忽略特殊因子的作用，取R = X ￠X，若考慮特殊因子的作用，此時R = X ￠X+W，於是有：
F = XR-1A￠ = X (X ￠X+W)-1A￠
這就是Thomson估計的因子得分，使用矩陣求逆演算法（參考線性代數文獻）可以將其轉換為：
F = XR-1A￠ = X (I+A￠W-1A)-1W-1A￠
❸ 因子分析法的優缺點
它的優缺點是相對主成分分析法而言的
因子分析法與主成分分析法都屬於因素分析法，都基於統計分析方法，但兩者有較大的區別：主成分分析是通過坐標變換提取主成分，也就是將一組具有相關性的變數變換為一組獨立的變數，將主成分表示為原始觀察變數的線性組合；而因子分析法是要構造因子模型，將原始觀察變數分解為因子的線性組合。通過對上述內容的學習，可以看出因子分析法和主成分分析法的主要區別為：
(1)主成分分析是將主要成分表示為原始觀察變數的線性組合，而因子分析是將原始觀察變數表示為新因子的線性組合，原始觀察變數在兩種情況下所處的位置不同。
(2)主成分分析中，新變數Z的坐標維數j(或主成分的維數)與原始變數維數相同，它只是將一組具有相關性的變數通過正交變換轉換成一組維數相同的獨立變數，再按總方差誤差的允許值大小，來選定q個(q<p)主成分；而因子分析法是要構造一個模型，將問題的為數眾多的變數減少為幾個新因子，新因子變數數m小於原始變數數P，從而構造成一個結構簡單的模型。可以認為，因子分析法是主成分分析法的發展。
(3)主成分分析中，經正交變換的變數系數是相關矩陣R的特徵向量的相應元素；而因子分析模型的變數系數取自因子負荷量，即。因子負荷量矩陣A與相關矩陣R滿足以下關系：
其中，U為R的特徵向量。
在考慮有殘余項ε時，可設包含εi的矩陣ρ為誤差項，則有R − AAT = ρ。
在因子分析中，殘余項應只在ρ的對角元素項中，因特殊項只屬於原變數項，因此，的選擇應以ρ的非對角元素的方差最小為原則。而在主成分分析中，選擇原則是使舍棄成分所對應的方差項累積值不超過規定值，或者說被舍棄項各對角要素的自乘和為最小，這兩者是不通的。
❹ 解釋因子分析起到什麼作用
因子分析的用處是：因子分析是將多個實測變數轉換為少數幾個綜合指標（或稱潛變數），它反映一種降維的思想。通過降維將相關性高的變數聚在一起，從而減少需要分析的變數的數量，而減少問題分析的復雜性。用來確定維度數量，對標體系的維度由主觀來做判斷。
因子分析的內容：
因子分析是指研究從變數群中提取共性因子的統計技術。最早由英國心理學家C.E.斯皮爾曼提出。
他發現學生的各科成績之間存在著一定的相關性，一科成績好的學生，往往其他各科成績也比較好，從而推想是否存在某些潛在的共性因子，或稱某些一般智力條件影響著學生的學習成績。因子分析可在許多變數中找出隱藏的具有代表性的因子。
將相同本質的變數歸入一個因子，可減少變數的數目，還可檢驗變數間關系的假設。
❺ 為什麼運用因子分析的方法做投資價值的研究
行業的市場表現受到宏觀經濟、行業經營周期、行業基本面以及市場本身等因素的影響，行業多因子模型就是通過對這些因素進行量化描述，分析其與行業市場表現的相關性，提取若干具有顯著影響的因子構建行業投資價值的分析評估體系。
經濟增長、商業周期、通貨膨脹、預期收益率等宏觀行業因素對各個行業產生不同的影響。周期性行業對於經濟增長、貨幣信貸的敏感性強於消費型行業；成長型行業對於市場預期收益率的敏感性高於收入或價值性行業；可選消費行業對於通貨膨脹的敏感度高於必需消費行業。宏觀行業指標數據的統計口徑往往在表徵基本面運行狀態上考慮得更多，而對於投資來說這些數據需要進行處理，排除干擾分離出更為有用的信息，或者將數據組合起來進行觀察。比如，貨幣供應量M2和M1的剪刀差反映了貨幣的活化程度；PPI和原材料購進價格之間的剪刀差反映了製造業盈利空間的變化；原材料庫存和產成品庫存之間的剪刀差又反映了庫存周期缺口等等。國際上著名的宏觀因素模型BIRR模型中的宏觀指標都經過符合邏輯的處理與調整，用公司債與政府債的息差反映市場的風險偏好，用長期政府債與短期國債的息差反映投資者預期收益率。
受宏觀經濟周期和產業周期的影響，行業的發展態勢不僅反映在成長速度、盈利能力、運營能力、收益質量等基本面指標上，還反映在分析師對行業成份公司的預期和市場估值層面，並最終體現在市場價格上。需要通過對行業的財務指標、市場預期、估值水平等因素的綜合分析，尋找行業的投資機會。通常情況下，預期增長快的行業處於行業景氣向上的周期中；毛利率高的行業占據著產業鏈中的優勢地位，具有較高的議價能力；周轉率較高的行業具有較高的資源使用效率。這也反映了公司經營最關鍵的因素，即量、價和速度。在過去的幾年裡，白酒行業從營收增長到毛利率，再到凈資產收益率的平均水平都高於多數其他行業，二級市場股價表現持續超越大盤。行業的基本面因素情況決定了行業中長期的市場表現，行業的估值水平則是影響行業短期表現的重要影響因素。由於行業收益的高低以及彈性特徵不同，各行業的平均估值水平和波動幅度有著固有的差異，降低行業間固有差異的干擾後，有助於幫助投資者把握短期行業的市場表現。
投資者經常說「強者恆強」和「皮球從高處落下總要彈幾下」，分別對應的是量化投資領域中的動量和反轉兩種不同股價運行模式。在行業層面，看似矛盾的動量與反轉效應普遍存在，並對應著不同的市場運行邏輯：宏觀及行業周期是行業基本面變化的主要推動因素，因此行業的市場表現具有較強的持續性；在行業投資中也經常遇見先期跌幅較大的行業未來一段時間有相當的漲幅。這種動量和反轉效應還夾雜著整個宏觀經濟冷暖導致的股市整體表現，將將市場整體波動從行業層面剝離，行業之間的動量和反轉效應更為明顯。
行業多因子模型的關鍵在於因子的選擇，不僅需要有普適的邏輯關系，還要有對指標的含義進行深度解讀，更要使用合適的數學方法進行規整，才能從繁雜的影響因素里發現市場的規律，分析行業投資價值，制定更為客觀可靠的投資決策。
❻ 因子分析有什麼用處
因子分析的用處是：因子分析是將多個實測變數轉換為少數幾個綜合指標（或稱潛變數），它反映一種降維的思想。通過降維將相關性高的變數聚在一起，從而減少需要分析的變數的數量，而減少問題分析的復雜性。用來確定維度數量，對標體系的維度由主觀來做判斷。
❼ 採用因子分析法的競爭力評價論文
炒股票所有的判斷分析都體現在個股的操作上了，所做的股票就是從基本面選出來的，具體怎麼樣操作自然得看你的操作手法自然又用到技術面了。
送你個小故事，博弈論中還有一個經典的故事，稱作「智豬博弈」。
故事的大意是，豬圈裡養了兩頭豬，一大一小，最有意思的是他們所待的豬圈很特別。四方型豬圈的一個角落裡有個食槽，但控制向食槽中投放食物的按鈕卻在對角位置。假設按一次鈕可以出７兩食物，如果大豬去按按鈕，小豬就可以在食槽邊先下嘴吃到４兩，而大豬因為跑過來晚了，只能吃到其中的３兩。而如果小豬去按按鈕，大豬會一嘴全包。它們的博弈策略情況如下：
面對上面的規則，結果會怎樣呢？不妨設身處地地為豬兒們想想。
很顯然，小豬的選擇自然是等待，而且是「死等」，否則只能是白忙乎。而大豬呢？不按就大家都沒得吃，所以只能去按按鈕。在這種規則下，最終的結果是，小豬在槽邊坐享其成，而原本處於優勢的大豬，卻不得不來回奔跑，為小豬服務，而自己還不如小豬吃到的多。真是好可憐哦！
在「智豬博弈」的情景中，大豬是占據比較優勢的，但是，由於小豬別無選擇，使得大豬為了自己能吃到食物，不得不辛勤忙碌，反而讓小豬搭了便車，而且比大豬還得意。這個博弈中的關鍵要素是豬圈的設計，即按按鈕的成本。
其實個股投資中也是有這種情形的。例如，當個股主力已經在底位買入大量股票後，他已經付出了相當的資金和時間成本，如果不拉抬就撤退，就等於接受虧損。所以，基於和大豬一樣的貪吃本能，只要大勢不是太糟糕，主力一般都會拉抬股價，以求實現吃進籌碼的增值。這時的中小散戶，就可以對該股追加資金，當一隻聰明的小豬，讓主力莊家給咱抬轎子。當然，這種股票的發覺並不容易，所以當小豬所需要忙碌的就是發現有這種情況存在的豬圈，並沖進去當聰明的小豬。
從散戶與莊家的策略選擇上看，這種博弈結果是有參考意義的。例如，對股票的操作是需要成本的，事先、事中和事後的信息處理都需要一定量的投入，如行業分析、個股調研、財務比較等等，一旦已經付出，機構投資者是不太甘心就此放棄的。而中小散戶，不太可能事先支付這些高額成本，更沒有資金控盤操作，因此只能採取小豬的等待策略。即在莊家重倉的股票里等著，莊家一定比散戶更著急。等到主力動手為自己覓食而主動出擊時，散戶就可以坐享其成了。
遺憾的是，股市中的機構們要比大豬們聰明的多，且不守本分，他們不會甘心為小豬們按按鈕。因此，他們會選擇破壞豬圈的規矩，甚至自己重新打造一個豬圈，比如把按鈕放在食槽旁邊，或者可以遙控，這樣小豬們就沒有機會了。例如，機構和上市公司串通，散布虛假的利空消息，這就類似於按按鈕前騙小豬離開食槽，好讓自己飽餐一頓。
股市中，散戶投資者與小豬的命運有相似之處，沒有能力承擔炒作成本，所以就應該充分利用資金靈活、成本低和不怕套的優勢，發現並選擇那些機構投資者已經或可能坐莊的股票，事先蹲點，等著大豬們為自己服務。由此也可看到，散戶和機構的博弈中，散戶並不是總沒有優勢的，關鍵是找到有大豬的那個圈兒，並等到對自己有利的豬圈規則形成時再進入。
❽ 請問做因子分析目的是什麼問答題。
目的是用有限個不可觀測的隱變數來解釋原始變數之間的相關關系。跟多因子分析有相同之處。
因子分析主要用於：1、減少分析變數個數；2、通過對變數間相關關系探測，將原始變數進行分類。即將相關性高的變數分為一組，用共性因子代替該組變數。