（一）主成分分析法的基本思想主成分分析（Pri
cipalCompo
e
tA
alysis）是利用降维的思想，将多个变量转化为少数几个综合变量（即主成分），其中每个主成分都是原始变量的线性组合，各主成分之间互不相关，从而这些主成分能够反映始变量的绝大部分信息，且所含的信息互不重叠。2采用这种方法可以克服单一的财务指标不能真实反映公司的财务情况的缺点，引进多方面的财务指标，但又将复杂因素归结为几个主成分，使得复杂问题得以简化，同时得到更为科学、准确的财务信息。（二）主成分分析法代数模型假设用p个变量来描述研究对象，分别用X1，X2…Xp来表示，这p个变量构成的p维随机向量为XX1，X2…Xpt。设随机向量X的均值为μ，协方差矩阵为Σ。假设X是以
个标量随机变量组成的列向量，并且μk是其第k个元素的期望
值，即，μkExk，协方差矩阵然后被定义为：ΣEXEXXEX如图
对X进行线性变化，考虑原始变量的线性组合：Z1μ11X1μ12X2…μ1pXpZ2μ21X1μ22X2…μ2pXp………………Zpμp1X1μp2X2…μppXp主成分是不相关的线性组合Z1，Z2……Zp，并且Z1是X1，X2…Xp的线性组合中方差最大者，Z2是与Z1不相关的线性组合中方差最大者，…，Zp是与Z1，Z2……Zp1都不相关的线性组合中方差最大者。（三）主成分分析法基本步骤第一步：设估计样本数为
，选取的财务指标数为p，则由估计样本的原始数据可得矩阵Xxijm×p，其中xij表示第i家上市公司的第j项财务指标数据。第二步：为了消除各项财务指标之间在量纲化和数量级上的差别，对指标数据进行标准化，得到标准化矩阵（系统自动生成）。第三步：根据标准化数据矩阵建立协方差矩阵R，是反映标准化后的数据之间相关关系密切程度的统计指标，值越大，说明有必要对数据进行主成分分析。其中，Rij（i，j1，2，…，p）为原始变量Xi与Xj的相关系数。R为实对称矩阵（即RijRji），只需计算其上三角元素或下三角元素即可，其计算公式为：
fRij

XkjXiXkjXj
k1

XkjXi2XkjXj2
k1
第四步：根据协方差矩阵R求出特征值、主成分贡献率和累计方差贡献率，
确定主成分个数。解特征方程ER0，求出特征值λi（i1，2，…，p）。
因为R是正定矩阵，所以其特征值λi都为正数，将其按大小顺序排列，即λ1≥λ2≥…≥λi≥0。特征值是各主成分的方差，它的大小反映了各个主成分的
影响力。主成分Zi的贡献率Wij
p
j，累计
j1
m
贡献率为jj1
p
j。根据选取主成分个数的原则，特征值要求大于1
j1
且累计贡
献率达8r