,如果作在一个图中,数据太小的则不容易观察出它的趋势,所以采用等倍数缩小法将数据缩小,因此把数据大致分开,用EXCEL软件作出折线图如下:Р图1 项目风险融资等折线图Р图2 项目资金利用率等折线图Р由图1、图2可以看出财务净现值率在在所有方案中波动较小,在项目评估中相对较稳定,不易受其他外生变量的影响。那么我们猜测对项目进行风险评估时,财务净现值率对风险的影响较大。Р由于下面模型的建立与求解需要用到主成分分析法,接下来对主层次分析法进行必要的概述,主成分分析法需要按照以下步骤进行:Рa.为了排除数量级和量纲不同带来的影响,首先对原始数据进行标准化处理:Р式中,为第个指标第个样本的原始数据;和分别为第个指标的样本均值和标准差。Рb.根据标准化数据表,计算相关系数矩阵。Р涉及相关公式为:Рc.计算的特征值和特征向量,根据特征方程,计算特征值,使其从大到小排列:,同时可得对应的特征向量,它们标准正交,称为主轴,这里为单位矩阵。Рd.分别计算各主成分的贡献率和累计贡献率,其求解公式分别为:Рe.计算项目主成分,其求解公式为:Рf.计算因子负荷量:第k个主成分与原始变量的相关系数,称作因子负荷量。因子负荷量是主成分解释中非常重要的解释依据,因子负荷量的绝对值大小刻画了该主成分的主要意义及其原因。其中,Рg.综合分析:进行主成分分析的目的之一是减少变量的个数,所以一般不会取p个主成分,而是取m个主成分,m取多少比较合适,是一个很实际的问题,通常可以通过求累计贡献率来判断。Р一般取的最小,则可得主超平面的维数,从而可对个主成分进行综合分析。用每个主成分对应的特征值占所提取主成分特征值之和的比例作为权重计算主成分综合模型,即: Р将(3)式代入可得到如下式子:Р其中表示各指标的权重。Р⑵模型的建立与求解Р根据主成分分析方法的概述,为了让读者更加直观,可以列出主成分分析的逻辑框图(如图3)。
全文预览
