统计分析是运用统计 方法 与分析对象有关的知识，从定量与定性的结合上进行的研究活动。下文是我为大家整理的关于统计分析论文的 范文 ，欢迎大家阅读参考!
浅谈统计分析与决策
[摘要] 统计分析与决策二者有联系又有区别。统计要参与决策，必须搞好统计分析。搞好统计分析，需要解决选题、分析、撰写 报告 三个问题。
[关键词] 统计分析 分析方法 决策
统计工作的全过程分为四个阶段，即统计设计，统计调查，统计整理，统计分析。其中，统计分析是统计工作的最后一个阶段，是出统计成果的阶段。现在倡导统计要参与决策，这是不是说统计工作还要增加一个决策阶段呢?如果不是，那么，统计分析与决策是什么关系呢?
狭义的说，统计分析与决策是有区别的。统计分析是以统计数字为基础，以统计方法为手段，对社会经济情况进行科学的分析和综合研究，以认识其本质和规律的过程。而决策则是为了达到某一预定目标，运用逻辑方法和统计方法，对两种或两种以上可能采取的方案进行比较、分析、研究，以做出合理的、科学的抉择的行为过程。假若把统计分析与决策比作医生看病，统计分析就是对病情的诊断，决策就是开处方，“诊断”和“处方”是有区别的。
广义的讲，统计分析与决策是密不可分的。一方面，统计分析贯穿于决策过程之中。一个决策过程大体上可分为下列三个大步骤：第一，诊断问题所在，确定决策目标;第二，探索和拟定各种可能的备选方案;第三，从各种备选方案中选出最合适的方案。从这三大步骤看，尽管要用到多种方法和手段，但哪一步也离不开统计分析，第一步就是通过统计分析，诊断问题所在，并在分析的基础上确定决策目标;第二步拟定备选方案，要经过“轮廊设想”和“细部设计”这个阶段对轮廊设想的方案要做初步筛选，对每一方案要充实具体内容，“筛选”和“充实”都要经过统计分析;第三步选择最佳方案，首先要对各个备选方案进行评价、论证，这又需要统计分析。因此可以说，没有统计分析，也就没有科学决策。另一方面，从某种意义上讲，决策是统计分析的结果。一般来说，统计分析报告是提出问题、分析问题、指出解决问题的办法，其实，决策方案也就是解决问题实现决策目标的办法，只不过比“今后意见”“几条 措施 ”之类的办法更全面、更详细、更科学罢了。医生诊断是为了正确处方，治病救人，不能只诊断不处方。统计分析是为了发现问题，解决问题，推动社会经济的顺利发展;也不能只提出问题，而不寻找解决问题的办法。从这个意义上讲，统计分析也就包括预测和决策。我们不能为统计而统计，也不能为分析而分析。统计应该参与决策，为了决策科学化，必须搞好统计分析。
搞好统计分析，需要解决选题、分析、撰写报告三个问题。
一、统计分析选题
所谓选题，就是在复杂的社会经济现象中,确定统计分析的内容和范围。进行统计分析,选题很重要。成功的选题是成功的分析的前提。
怎样选好题呢?选好题标准有两条:―是分析对象有意义，二是适合决策层和群众需要。关键是抓住党和国家的方针政策和企业的经济效益。
统计分析课题是很广泛的。工业统计分析课题如：计划执行情况分析、工业净产值统计分析、工业产品销售统计分析、工业原材料供应和消耗统计分析、工业能源消耗统计分析、工业生产设备统计分析、工业劳动与工资统计分析、成本利润统计分析、综合经济效益统计分析等。商品流通企业统计分析课题如：市场供求状况分析、市场占有率分析、主要商品经济寿命周期分析、市场商品价格分析、计划执行情况分析、购销合同执行情况分析、商品购进质量分析、商品销售动态分析、商品销售构成分析、商品库存分析、企业经济效益分析等。对于以上内容，可根据不同的时间、地点、条件，按两条选题标准适当选择。
统计分析有专题分析与综合分析之分。在一定的总体范围内，研究总体的各个方面及其相互关系，或研究总体的主要方面的统计分析，属于综合分析;只研究其中某一方面，或某一部分的统计分析，属于专题分析。两者各有不同的特点，都是必要的，但专题分析宜多，综合分析宜少。
二、统计分析方法
统计分析的关键是分析，怎样进行统计分析呢?统计分析有两个特点:一是以统计数字为基础,二是以统计方法为手段。因此,统计分析在选题之后,就要根据分析的需要,搜集整理有关数字资料及具体情况,在充分占有材料的基础上,灵活运用统计方法进行分析。
统计分析方法很多。统计学原理中除了有关统计调查、统计整理的内容外,综合指标、统计指数、时间数列、抽样推断等内容全部是统计分析方法。从方法角度上讲，统计分析就是统计学原理的运用。
统计方法与人们的认识过程是相适应的。人们的认识分感性认识和理性认识两个阶段。感性认识阶段所认识的是事物的现象，可采用统计调查和统计整理。理性认识阶段所认识的是事物的本质和规律，这个阶段要经过形成概念、进行判断和推理等思维活动。与此相适应，要分别采用不同的统计分析方法。
形成概念一般用描述性的综合指标法，即总量指标、相对指标和平均指标，以说明现象的规模大小、水平高低、速度快慢、内部结构以及比例关系等。判断推理就是要判断事物的性质，分析事物变化的原因，找出事物发展的规律。这一般要用分组分析法、动态分析法、因素分析法、相关回归分析法、平衡分析法等。
对统计学原理中的各种统计分析方法要熟练地掌握，灵活地运用。怎样灵活运用呢?这里有个技巧问题。技巧就是定性分析与定量分析巧妙结合。
所谓定性分析是指对事物的性质和影响事物发展变化的因素进行分析。定量分析就是分析事物的规模、水平、速度、结构、比例，以及各个因素对事物总体变化的影响方向和影响程度。定性分析与定量分析巧妙结合有两层含义，一是二者不可偏废，二是二者密不可分，
没有定性分析,定量分析就没有方向。没有定量分析,定性分析就不准确。结合的目的是在质与量的辩证统一中探寻事物的内在联系。
从根本上讲，统计分析就是完成从感性认识到理性认识，从现象到本质的飞跃。完成了这―飞跃，才是高质量的统计分析。有些统计分析质量不高，往往就是没有完成这一飞跃，仍然停留在表面现象上。
三、统计分析报告的撰写
统计分析报告是统计的最终产品。如果说统计数字的准确性是统计的生命，那么，统计分析报告的质量则关系到统计作用的发挥。对高质量的统计分析报告的要求，可以概括为五个字，就是“准、快、新、深、活”。
准:就是实事求是地反映客观实际。做到数字准确，情况准确，论点准确。
快:就是在决策层决策之前，不失时机地及时提供分析报告。
新:就是不断创新。要求不断开拓新领域，钻研新课题，反映新情况和新问题。
深:就是要在充分占有材料的基础上，提高分析的深度，使认识不只停留在反映现象上，而要揭示事物的本质和规律，并且用观点统帅材料，用材料说明观点，做到材料和观点的统一。
活:就是文字生动活泼，形式灵活多样。资料要多样化和生动具体，要有群众语言，要通俗易懂，文字要精精炼。
统计分析报告是在统计分析的基础上撰写出来的。没有好的分析，不可能写出好的报告。经过分析阶段，弄清了事实，判明了性质，探索出规律，得出了结论，在此基础上就可以撰写统计分析报告。但分析得好，并不等于报告写得好，这里还有个撰写的技巧问题，那就是准确地表述事实，透彻地阐明本质，深刻地揭示规律，恰当地提出建议。
1.准确地表述事实
每一篇统计分析报告，都需要表述所分析的现象，即说明“是什么”。准确地表述事实，才能给读者一个明确的概念。为此，须注意如下几点:(1)数字要真实;(2)运用数字要适当，不要堆砌数字，搞数字文字化;(3)语言要素准确。
2.透彻地阐明本质
现象只说明事物的各个片面，本质才说明事物的整体。撰写统计分析报告，必须深刻地揭示事物的本质，它是统计认识事物的正确程度和深度的反映。如果不能深刻地阐明事物的本质，那只能是现象罗列，没有多大价值。
阐明事物的本质，也就是阐明事物的基本性质。事物的性质是由事物内部矛盾的主要方面决定的。例如，某企业利润增加，是靠涨价，还是靠降低成本?经过分析，认识到利润增加主要是靠降低成本，这是矛盾的主要方面，这就反映出事物的性质。因此，在报告中就应阐明降低成本在提高经济效益中的重要作用。再如某企业，本质问题是钢材浪费严重，在报告中就应揭示浪费的若干方面和严重程度。
3.深刻地揭示规律
规律是事物内部固有的、本质的、必然联系。成本高低与产量多少有联系，经过推理，这种联系是事物内部固有的、本质的必然联系，反映了事物发展变化的规律性，而且存在一定的回归关系。而回归方程反映这种关系，所以在统计分析报告中，要利用回归方程揭示这种必然联系及其回归关系。
4.恰当地提出建议
认识世界的目的是为了改造世界。经过统计分析,透过现象认识到事物的本质和规律,还必须提出解决问题的建议,如“今后意见”、“几点建议”、“决策方案”等等。怎样才算恰当地建议呢?恰当的建议要符合三个条件:(1)符合分析目的;(2)合乎客观规律;(3)切实可行。
以上四点,一般可以作为分析报告的结构和顺序,但不能千篇一律。
统计分析报告是统计分析结果的反映。既要注意提高写作水平，更要努力锻炼分析问题和解决问题的能力。
试谈统计分析方法应用
【摘要】统计分析方法应用于各个领域，解决了很多工业、农业、经济、医学等领域的实际问题，本文分析多元统计分析方法的主要应用和构建多元统计方法检验体系的必要性，针对性的提出了需要引起注意的共性问题，具有很强的现实意义。
【关键词】统计分析方法;应用;检验体系;共性问题;现实意义前言
随着信息技术的普及和广泛应用，它推动了社会、经济和科学技术的发展，多元统计分析方法的难题得到了攻破，各个领域广泛采用，推动了各行各业经济的快速发展。
二、多元统计分析方法的主要应用
统计方法是科学研究的一种重要工具，其应用颇为广泛。在工业，农业，经济，生物和医学等领域的实际问题中，常常需要处理多个变量的观测数据，因此对多个变量进行综合处理的多元统计分析方法显得尤为重要。随着电子计算机技术的普及，以及社会，经济和科学技术的发展，过去被认为具有数学难度的多元统计分析方法，已越来越广泛地应用于实际。
聚类分析
它是研究分类问题的一种多元统计方法，聚类分析的基本思想是首先将每个样本当作一类，然后根据样本之间的相似程度并类计算新类与 其它 类之间距离，再选择近似者并类每合并一次减少一类，继续这一过程直到所有样本都合并成为一类为止。所以聚类分析依赖于对观测间的接近程度或相似程度的理解，定义不同的距离量度和相似性量度就可以产生不同的聚类结果。企业制定 市场营销 战略时要弄清在同一市场中哪些企业是直接竞争者，哪些是间接竞争者是非常关键的一个环节。要解决这个问题，企业首先可以通过 市场调查 ，获取自己和所有主要竟争者，从而寻找企业在市场中的机会。
判别分析
判别分析是已知研究对象分成若干类型，并取得各种类型的一批已知样品的观测数据、在此基础上根据某些准则建立判别式，然后对未知类型的样品进行判别分析，企业在市场预测中往往根据以往所调查的种种指标，用判别分析方法判断下季度产品是畅销平销或滞销。一般情况下判别分析经常与聚类分析联合起来使用。
主成分分析
主成分分析就是设法将原来指标重新组合成一组新的互相无关的几个综合指标，来代替原来指标，同时根据实际需要从中可取几个较少的综台指标，尽可能多反映原来指标的信息，在市场研究中常常利用主成分析方法分析顾客的偏好和当前市场的产品与顾客之间的差别，从而提供给生产企业新产品开发方向的信息。
因子分析
因子分析是主成分分析的推广和应用。它是将错综复杂的随机变量综合为数量较少的随机变量去描述，多个变量之间的相关关系以再现原始指标与因子之间的相互关系。也可以认为因子分析是将指标按原始数据的内在结构分类。例如:对Y个调查区的商业网点数、人口数、金融机构服务数、收入情况等N个指标进行因子分析，如果按照一般的分析方法，我们就需要处理N个指标，并给它们以不同的权重。这样不仅工作量变大而且由干指标之间存在比较高的相关性，会给分析结果带来偏差另外给具有较高相关性的众多指标，从而计算出各个调查区平均综合实力得分以便决定在某个调查区拟建何种类型的销售点。
三、构建多元统计分析方法检验体系的必要性
(一)构建多元统计分析方法检验体系，提高多元统计分析应用质量
多元统计分析方法已经越来越为人们广泛应用，但应用中盲目套用分析方法的情况很多，只关心模型方法的应用。许多教科书也只侧重介绍多元统计分析方法的思想、原理和分析步骤，对多元统计分析方法应用结果的统计检验叙述不多。这就直接影响了多元统计分析方法的应用效果和可信性。因此，本文拟对多元统计分析方法的统计检验问题进行探讨。构建多元统计分析方法检验体系的目的在于进一步丰富和完善多元统计分析方法的内容体系;实践上，使多元统计分析方法的应用更加合理、规范。推动多元统计分析方法应用质量的提高，推动多元统计分析方法获得更广泛的应用。
(二)多元统计分析统计检验体系的基础理论
多元正态分布总体的样本分布，即维希特分布，霍特林分布，威尔克斯分布,多元正态总体均值向量假设检验，包括一个正态总体均值向量假设检验，两个正态总体均值向量假设检验，多个正态总体均值向量假设检验;多元正态总体协方差阵假设检验，包括一个正态总体协方差阵假设检验，多个协差阵相等假设检验。
(三)关于统计检验体系
将上述统计检验体系有机结合在一起，就构成了多元统计分析方法检验体系的基本框架。多元统计分析方法检验体系的构建,用多元统计分析方法，充分发挥多元统计分析方法的应用价值，提高应用质量，我们建议，在应用时，应该按照上述框架进行相应的统计检验。当然。上述统计检验体系还是一个初步的框架，随着多元统计分析方法理论的逐步完善，上述检验体系也需要不断完善，也需要更多的同行关注此类问题并不断加以研究。另一方面，在实际应用中，即便是某种方法根据上述内容都进行了统计检验，由于各种方法自身存在的缺陷或局限性，也还会存在许多应用中考虑不周之处。应该引起注意。但是，因子分析结果还是具有较大主观性。特别是对公共主因子在专业方面实际意义的解释上，仍然保留着一种艺术气息，并没有统一做法，因此很多情况下也是不能令人满意的。总之，我们在应用时，对因子分析的适用性、公因子的估计方法、公因子选取的数目。公因子的实际意义的解释等一系列问题都要引起足够注意。检验体系有如下几个分类：
a.主成分分析统计检验体系
b.因子分析统计检验体裂引
c.系统聚类分析统计检验体系
d.判别分析统计检验体裂
e.对应分析统计检验体系
f.典型相关分析统计检验体系
四、多元统计分析方法应用中需要注意的几个共性问题
1.关于原始数据变量的总体分布问题。
对原始变量的总体分布各种方法各有不同的要求。有的方法对原始数据变量总体分布没有特殊的要求，如主成分分析、聚类分析、对应分析。有的方法在不同情况下，对原始变量分布有不同的要求，如因子分析中，公共因子的估计方法不同，对原始变量分布要求不同，采用极大似然估计方法估计主因子时，是假定原始变量是服从多元正态分布的，因此，应用时要引起重视，如典型相关分析要求原始变量服从正态分布，但在严格意义上，如果变量的分布形式比如高度偏态不会降低其他变量的相关关系，典型相关分析是可以包含这种非正态变量的。
样本容量问题。
进行多元统计分析时，样本容量n达到多少为宜，目前尚没有统一的结论。有的认为样本容量应是变量个数的10～20倍，有的认为样本容量要在100以上比较合适，有的认为进行巴特莱特检验时的样本容量应该大于150方可，也有的认为不必苛求太多的样本容量，如在进行主成分分析和因子分析时当原始变量之间的相关性很小时，即使再扩大样本容量，也难以得到满意效果。
原始变量之间的相关性以及非线性关系问题。
多元统计分析方法中，有的是的要求原始变量中要具有相关性。有的则不要求原始变量具有相关性。如聚类分析中，进行Q型系统聚类分析时对原始数据变量之间的相关性也是有要求的，如选择欧式距离、明氏距离、兰氏距离时，则要求原始变量之间是不相关的。只有对原始数据的相关性进行了处理后，才可以选择使用上述距离。若原始变量存在相关性，则选择马氏距离比较合适。另外原始变量之间的非线性关系也是需要注意的问题。如主成分分析、因子分析以及典型相关分析当基于相关矩阵来进行计算时，这里的相关矩阵实际上是Pearson的积差相关。但是，如果变量之间的关系不是线性的，而是非性相关关系，于是，所进行的分析以及结论也就失去应有的意义了。
数据处理问题。
多元统计分析中涉及多个变量，不同变量往往具有不同的量纲及不同的数量级别。在分析时，具有不同量纲的变量进行线性组合是没有意义的，不同的数量级别的变量之间进行分析时。会导致“以大吃小”，即数量级的变量的影响会被忽略，从而影响了分析结果的合理性。因此。为了消除量纲和数量级别的影响，进行多元统计分析时，必须对原始数据进行处里，最常用的是先作标准化变换处理，然后再作相应的分析。
五、结束语
在统计分析方法的应用中，会涉及到多个变量，因此，必须根据原来有的数量进行处理，然后才能得出相应的分析结论。本文结合多元统计分析方法的理论基础，对相关检验体系和分析体系进行了分析，具有现实的理论指导意义。
【参考文献】
[1]于秀林.多元统计分析[M].北京,中国统计出版社，1999：223—224.
[2]高惠璇.应用多元统计分析[M].北京,北京大学出版社 ，2005：343—366.
[3]郭志刚.社会科学分析方法一SPSS软件应用[M].,中国人民大学出版社，1999.
[4]傅德印.主成分分析中的统计检验问题 [J].统计 教育 ，2007(9)：4—7.
1. 因子分析模型
因子分析法是从研究变量内部相关的依赖关系出发，把一些具有错综复杂关系的变量归结为少数几个综合因子的一种多变量统计分析方法。它的基本思想是将观测变量进行分类，将相关性较高，即联系比较紧密的分在同一类中，而不同类变量之间的相关性则较低，那么每一类变量实际上就代表了一个基本结构，即公共因子。对于所研究的问题就是试图用最少个数的不可测的所谓公共因子的线性函数与特殊因子之和来描述原来观测的每一分量。
因子分析的基本思想：
把每个研究变量分解为几个影响因素变量，将每个原始变量分解成两部分因素，一部分是由所有变量共同具有的少数几个公共因子组成的，另一部分是每个变量独自具有的因素，即特殊因子
因子分析模型描述如下：
（1）X = (x1，x2，…，xp)￠是可观测随机向量，均值向量E(X)=0，协方差阵Cov(X)=∑，且协方差阵∑与相关矩阵R相等（只要将变量标准化即可实现）。
（2）F = (F1，F2，…，Fm)￠ （m<p）是不可测的向量，其均值向量E(F)=0，协方差矩阵Cov(F) =I，即向量的各分量是相互独立的。
（3）e = (e1，e2，…，ep)￠与F相互独立，且E(e)=0， e的协方差阵∑是对角阵，即各分量e之间是相互独立的，则模型：
x1 = a11F1+ a12F2 +…+a1mFm + e1
x2 = a21F1+a22F2 +…+a2mFm + e2
………
xp = ap1F1+ ap2F2 +…+apmFm + ep
称为因子分析模型，由于该模型是针对变量进行的，各因子又是正交的，所以也称为R型正交因子模型。
其矩阵形式为： x =AF + e .
其中：
x=，A=，F=，e=
这里，
（1）m ￡ p；
（2）Cov(F，e)=0，即F和e是不相关的；
（3）D(F) = Im ，即F1，F2，…，Fm不相关且方差均为1；
D(e)=，即e1，e2，…，ep不相关，且方差不同。
我们把F称为X的公共因子或潜因子，矩阵A称为因子载荷矩阵，e 称为X的特殊因子。
A = (aij)，aij为因子载荷。数学上可以证明，因子载荷aij就是第i变量与第j因子的相关系数，反映了第i变量在第j因子上的重要性。
2. 模型的统计意义
模型中F1，F2，…，Fm叫做主因子或公共因子，它们是在各个原观测变量的表达式中都共同出现的因子，是相互独立的不可观测的理论变量。公共因子的含义，必须结合具体问题的实际意义而定。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，各特殊因子之间以及特殊因子与所有公共因子之间都是相互独立的。模型中载荷矩阵A中的元素(aij)是为因子载荷。因子载荷aij是xi与Fj的协方差，也是xi与Fj的相关系数，它表示xi依赖Fj的程度。可将aij看作第i个变量在第j公共因子上的权，aij的绝对值越大(|aij|￡1)，表明xi与Fj的相依程度越大，或称公共因子Fj对于xi的载荷量越大。为了得到因子分析结果的经济解释，因子载荷矩阵A中有两个统计量十分重要，即变量共同度和公共因子的方差贡献。
因子载荷矩阵A中第i行元素之平方和记为hi2，称为变量xi的共同度。它是全部公共因子对xi的方差所做出的贡献，反映了全部公共因子对变量xi的影响。hi2大表明x的第i个分量xi对于F的每一分量F1，F2，…，Fm的共同依赖程度大。
将因子载荷矩阵A的第j列( j =1，2，…，m)的各元素的平方和记为gj2，称为公共因子Fj对x的方差贡献。gj2就表示第j个公共因子Fj对于x的每一分量xi(i= 1，2，…，p)所提供方差的总和，它是衡量公共因子相对重要性的指标。gj2越大，表明公共因子Fj对x的贡献越大，或者说对x的影响和作用就越大。如果将因子载荷矩阵A的所有gj2 ( j =1，2，…，m)都计算出来，使其按照大小排序，就可以依此提炼出最有影响力的公共因子。
3. 因子旋转
建立因子分析模型的目的不仅是找出主因子，更重要的是知道每个主因子的意义，以便对实际问题进行分析。如果求出主因子解后，各个主因子的典型代表变量不很突出，还需要进行因子旋转，通过适当的旋转得到比较满意的主因子。
旋转的方法有很多，正交旋转(orthogonal rotation)和斜交旋转(oblique rotation)是因子旋转的两类方法。最常用的方法是最大方差正交旋转法(Varimax)。进行因子旋转，就是要使因子载荷矩阵中因子载荷的平方值向0和1两个方向分化，使大的载荷更大，小的载荷更小。因子旋转过程中，如果因子对应轴相互正交，则称为正交旋转；如果因子对应轴相互间不是正交的，则称为斜交旋转。常用的斜交旋转方法有Promax法等。
4.因子得分
因子分析模型建立后，还有一个重要的作用是应用因子分析模型去评价每个样品在整个模型中的地位，即进行综合评价。例如地区经济发展的因子分析模型建立后，我们希望知道每个地区经济发展的情况，把区域经济划分归类，哪些地区发展较快，哪些中等发达，哪些较慢等。这时需要将公共因子用变量的线性组合来表示，也即由地区经济的各项指标值来估计它的因子得分。
设公共因子F由变量x表示的线性组合为：
Fj = uj1 xj1+ uj2 xj2+…+ujpxjp j=1，2，…，m
该式称为因子得分函数，由它来计算每个样品的公共因子得分。若取m=2，则将每个样品的p个变量代入上式即可算出每个样品的因子得分F1和F2，并将其在平面上做因子得分散点图，进而对样品进行分类或对原始数据进行更深入的研究。
但因子得分函数中方程的个数m小于变量的个数p，所以并不能精确计算出因子得分，只能对因子得分进行估计。估计因子得分的方法较多，常用的有回归估计法，Bartlett估计法，Thomson估计法。
（1）回归估计法
F = X b = X (X ￠X)-1A￠ = XR-1A￠ (这里R为相关阵，且R = X ￠X )。
（2）Bartlett估计法
Bartlett估计因子得分可由最小二乘法或极大似然法导出。
F = [(W-1/2A)￠ W-1/2A]-1(W-1/2A)￠ W-1/2X = (A￠W-1A)-1A￠W-1X
（3）Thomson估计法
在回归估计法中，实际上是忽略特殊因子的作用，取R = X ￠X，若考虑特殊因子的作用，此时R = X ￠X＋W，于是有：
F = XR-1A￠ = X (X ￠X＋W)-1A￠
这就是Thomson估计的因子得分，使用矩阵求逆算法(参考线性代数文献)可以将其转换为：
F = XR-1A￠ = X (I+A￠W-1A)-1W-1A￠
5. 因子分析的步骤
因子分析的核心问题有两个：一是如何构造因子变量；二是如何对因子变量进行命名解释。因此，因子分析的基本步骤和解决思路就是围绕这两个核心问题展开的。
（i）因子分析常常有以下四个基本步骤：
（1）确认待分析的原变量是否适合作因子分析。
（2）构造因子变量。
（3）利用旋转方法使因子变量更具有可解释性。
（4）计算因子变量得分。
（ii）因子分析的计算过程：
（1）将原始数据标准化，以消除变量间在数量级和量纲上的不同。
（2）求标准化数据的相关矩阵；
（3）求相关矩阵的特征值和特征向量；
（4）计算方差贡献率与累积方差贡献率；
（5）确定因子：
设F1，F2，…， Fp为p个因子，其中前m个因子包含的数据信息总量（即其累积贡献率）不低于80%时，可取前m个因子来反映原评价指标；
（6）因子旋转：
若所得的m个因子无法确定或其实际意义不是很明显，这时需将因子进行旋转以获得较为明显的实际含义。
（7）用原指标的线性组合来求各因子得分：
采用回归估计法，Bartlett估计法或Thomson估计法计算因子得分。
（8）综合得分
以各因子的方差贡献率为权，由各因子的线性组合得到综合评价指标函数。
F = (w1F1+w2F2+…+wmFm)／(w1+w2+…+wm )
此处wi为旋转前或旋转后因子的方差贡献率。
（9）得分排序：利用综合得分可以得到得分名次。
在采用多元统计分析技术进行数据处理、建立宏观或微观系统模型时，需要研究以下几个方面的问题：
· 简化系统结构，探讨系统内核。可采用主成分分析、因子分析、对应分析等方法，在众多因素中找出各个变量最佳的子集合，从子集合所包含的信息描述多变量的系统结果及各个因子对系统的影响。“从树木看森林”，抓住主要矛盾，把握主要矛盾的主要方面，舍弃次要因素，以简化系统的结构，认识系统的内核。
· 构造预测模型，进行预报控制。在自然和社会科学领域的科研与生产中，探索多变量系统运动的客观规律及其与外部环境的关系，进行预测预报，以实现对系统的最优控制，是应用多元统计分析技术的主要目的。在多元分析中，用于预报控制的模型有两大类。一类是预测预报模型，通常采用多元线性回归或逐步回归分析、判别分析、双重筛选逐步回归分析等建模技术。另一类是描述性模型，通常采用聚类分析的建模技术。
· 进行数值分类，构造分类模式。在多变量系统的分析中，往往需要将系统性质相似的事物或现象归为一类。以便找出它们之间的联系和内在规律性。过去许多研究多是按单因素进行定性处理，以致处理结果反映不出系统的总的特征。进行数值分类，构造分类模式一般采用聚类分析和判别分析技术。
如何选择适当的方法来解决实际问题，需要对问题进行综合考虑。对一个问题可以综合运用多种统计方法进行分析。例如一个预报模型的建立，可先根据有关生物学、生态学原理，确定理论模型和试验设计；根据试验结果，收集试验资料；对资料进行初步提炼；然后应用统计分析方法(如相关分析、逐步回归分析、主成分分析等)研究各个变量之间的相关性，选择最佳的变量子集合；在此基础上构造预报模型，最后对模型进行诊断和优化处理，并应用于生产实际。
Rotated Component Matrix，就是经转轴后的因子负荷矩阵，
当你设置了因子转轴后，便会产生这结果。
转轴的是要得到清晰的负荷形式，以便研究者进行因子解释及命名。
SPSS的Factor Analysis对话框中，有个Rotation钮，点击便会弹出Rotation对话框，
其中有5种因子旋转方法可选择：
1.最大变异法(Varimax)：使负荷量的变异数在因子内最大，亦即，使每个因子上具有最高载荷的变量数最少。
2.四次方最大值法(Quartimax)：使负荷量的变异数在变项内最大，亦即，使每个变量中需要解释的因子数最少。
3.相等最大值法(Equamax)：综合前两者，使负荷量的变异数在因素内与变项内同时最大。
4.直接斜交转轴法(Direct Oblimin)：使因素负荷量的差积（cross-products）最小化。
5.Promax 转轴法：将直交转轴(varimax)的结果再进行有相关的斜交转轴。因子负荷量取2，4，6次方以产生接近0但不为0的值，藉以找出因子间的相关，但仍保有最简化因素的特性。
上述前三者属於「直交(正交)转轴法」(Orthogonal Rotations)，在直交转轴法中，因子与因子之间没有相关，因子轴之间的夹角等於90 度。后两者属於「斜交转轴」(oblique rotations)，表示因子与因子之间彼此有某种程度的相关，因素轴之间的夹角不是90度。
直交转轴法的优点是因子之间提供的讯息不会重叠，受访者在某一个因子的分數与在其他因子的分數，彼此独立互不相关；缺点是研究迫使因素之间不相关，但这种情况在实际的情境中往往并不常存在。至於使用何种转轴方式，须视乎研究题材、研究目的及相关理论，由研究者自行设定。
在根据结果解释因子时，除了要看因子负荷矩阵中，因子对哪些变量呈高负荷，对哪些变量呈低负荷，还须留意之前所用的转轴法代表的意义。
2,主成分分析（principal component analysis）
将多个变量通过线性变换以选出较少个数重要变量的一种多元统计分析方法。又称主分量分析。在实际课题中，为了全面分析问题，往往提出很多与此有关的变量（或因素），因为每个变量都在不同程度上反映这个课题的某些信息。但是，在用统计分析方法研究这个多变量的课题时，变量个数太多就会增加课题的复杂性。人们自然希望变量个数较少而得到的信息较多。在很多情形，变量之间是有一定的相关关系的，当两个变量之间有一定相关关系时，可以解释为这两个变量反映此课题的信息有一定的重叠。主成分分析是对于原先提出的所有变量，建立尽可能少的新变量，使得这些新变量是两两不相关的，而且这些新变量在反映课题的信息方面尽可能保持原有的信息。主成分分析首先是由K.皮尔森对非随机变量引入的，尔后H.霍特林将此方法推广到随机向量的情形。信息的大小通常用离差平方和或方差来衡量。
（1）主成分分析的原理及基本思想。
原理：设法将原来变量重新组合成一组新的互相无关的几个综合变量，同时根据实际需要从中可以取出几个较少的总和变量尽可能多地反映原来变量的信息的统计方法叫做主成分分析或称主分量分析，也是数学上处理降维的一种方法。
基本思想：主成分分析是设法将原来众多具有一定相关性（比如P个指标），重新组合成一组新的互相无关的综合指标来代替原来的指标。通常数学上的处理就是将原来P个指标作线性组合，作为新的综合指标。最经典的做法就是用F1（选取的第一个线性组合，即第一个综合指标）的方差来表达，即Var(F1)越大，表示F1包含的信息越多。因此在所有的线性组合中选取的F1应该是方差最大的，故称F1为第一主成分。如果第一主成分不足以代表原来P个指标的信息，再考虑选取F2即选第二个线性组合，为了有效地反映原来信息，F1已有的信息就不需要再出现再F2中，用数学语言表达就是要求Cov(F1, F2)=0，则称F2为第二主成分，依此类推可以构造出第三、第四，……，第P个主成分。
（2）步骤
Fp=a1mZX1+a2mZX2+……+apmZXp
其中a1i, a2i, ……,api(i=1,……,m)为X的协方差阵∑的特征值多对应的特征向量，ZX1, ZX2, ……, ZXp是原始变量经过标准化处理的值，因为在实际应用中，往往存在指标的量纲不同，所以在计算之前须先消除量纲的影响，而将原始数据标准化，本文所采用的数据就存在量纲影响[注：本文指的数据标准化是指Z标准化]。
A=(aij)p×m=(a1,a2,…am,)，Rai=λiai，R为相关系数矩阵，λi、ai是相应的特征值和单位特征向量,λ1≥λ2≥…≥λp≥0 。
进行主成分分析主要步骤如下：
1. 指标数据标准化（SPSS软件自动执行）；
2. 指标之间的相关性判定；
3. 确定主成分个数m；
4. 主成分Fi表达式；
5. 主成分Fi命名；
选用以上两种方法时的注意事项如下：
1、因子分析中是把变量表示成各因子的线性组合，而主成分分析中则是把主成分表示成个变量的线性组合。
2、主成分分析的重点在于解释个变量的总方差，而因子分析则把重点放在解释各变量之间的协方差。
3、主成分分析中不需要有假设(assumptions)，因子分析则需要一些假设。因子分析的假设包括：各个共同因子之间不相关，特殊因子（specific factor）之间也不相关，共同因子和特殊因子之间也不相关。
4、主成分分析中，当给定的协方差矩阵或者相关矩阵的特征值是唯一的时候，的主成分一般是独特的；而因子分析中因子不是独特的，可以旋转得到不同的因子。
5、在因子分析中，因子个数需要分析者指定（spss根据一定的条件自动设定，只要是特征值大于1的因子进入分析），而指定的因子数量不同而结果不同。在主成分分析中，成分的数量是一定的，一般有几个变量就有几个主成分。和主成分分析相比，由于因子分析可以使用旋转技术帮助解释因子，在解释方面更加有优势。大致说来，当需要寻找潜在的因子，并对这些因子进行解释的时候，更加倾向于使用因子分析，并且借助旋转技术帮助更好解释。而如果想把现有的变量变成少数几个新的变量（新的变量几乎带有原来所有变量的信息）来进入后续的分析，则可以使用主成分分析。当然，这中情况也可以使用因子得分做到。所以这中区分不是绝对的。
总得来说，主成分分析主要是作为一种探索性的技术，在分析者进行多元数据分析之前，用主成分分析来分析数据，让自己对数据有一个大致的了解是非常重要的。主成分分析一般很少单独使用：a，了解数据。(screening the data)，b，和cluster analysis一起使用，c，和判别分析一起使用，比如当变量很多，个案数不多，直接使用判别分析可能无解，这时候可以使用主成份发对变量简化。（reduce dimensionality）d，在多元回归中，主成分分析可以帮助判断是否存在共线性（条件指数），还可以用来处理共线性。
在算法上，主成分分析和因子分析很类似，不过，在因子分析中所采用的协方差矩阵的对角元素不在是变量的方差，而是和变量对应的共同度（变量方差中被各因子所解释的部分）。
(1)了解如何通过SPSS因子分析得出主成分分析结果。首先，选择SPSS中Analyze－Data Reduction－Factor…，在Extraction…对话框中选择主成分方法提取因子，选择好因子提取个数标准后点确定完成因子分析。打开输出结果窗口后找到Total Variance Explained表和Component Matrix表。将Component Matrix表中第一列数据分别除以Total Variance Explained表中第一特征根值的开方得到第一主成分表达式系数，用类似方法得到其它主成分表达式。打开数据窗口，点击菜单项的Analyze－Descriptive Statistics－Descriptives…，在打开的新窗口下方构选Save standardized values as variables，选定左边要分析的变量。点击Options，只构选Means，点确定后既得待分析变量的标准化新变量。
选择菜单项Transform－Compute…，在Target Variable中输入：Z1（主成分变量名，可以自己定义），在Numeric Expression中输入例如：0.412（刚才主成分表达式中的系数）*Z人口数（标准化过的新变量名）+0.212*Z第一产业产值+…，点确定即得到主成分得分。通过对主成分得分的排序即可进行各个个案的综合评价。很显然，这里的过程分为四个步骤：
Ⅰ.选主成分方法提取因子进行因子分析。
Ⅱ.计算主成分表达式系数。
Ⅲ.标准化数据。
Ⅳ.计算主成分得分。
我们的程序也将依该思路展开开发。
（2）对为何要将Component Matrix表数据除以特征根开方的解释
我们学过主成分分析和因子分析后不难发现，原来因子分析时的因子载荷矩阵就是主成分分析特征向量矩阵乘以对应特征根开方值的对角阵。而Component Matrix表输出的恰是因子载荷矩阵，所以求主成分特征向量自然是上面描述的逆运算。
成功启动程序后选定分析变量和主成分提取方法即可在数据窗口输出得分和在OUTPUT窗口输出主成分表达式。
3,聚类分析(Cluster Analysis)
聚类分析是直接比较各事物之间的性质，将性质相近的归为一类，将性质差别较大的归入不同的类的分析技术 。
在市场研究领域，聚类分析主要应用方面是帮助我们寻找目标消费群体，运用这项研究技术，我们可以划分出产品的细分市场，并且可以描述出各细分市场的人群特征，以便于客户可以有针对性的对目标消费群体施加影响，合理地开展工作。
4.判别分析(Discriminatory Analysis)
判别分析(Discriminatory Analysis)的任务是根据已掌握的1批分类明确的样品，建立较好的判别函数，使产生错判的事例最少，进而对给定的1个新样品，判断它来自哪个总体。根据资料的性质，分为定性资料的判别分析和定量资料的判别分析；采用不同的判别准则，又有费歇、贝叶斯、距离等判别方法。
费歇（FISHER）判别思想是投影，使多维问题简化为一维问题来处理。选择一个适当的投影轴，使所有的样品点都投影到这个轴上得到一个投影值。对这个投影轴的方向的要求是：使每一类内的投影值所形成的类内离差尽可能小，而不同类间的投影值所形成的类间离差尽可能大。贝叶斯（BAYES）判别思想是根据先验概率求出后验概率，并依据后验概率分布作出统计推断。所谓先验概率，就是用概率来描述人们事先对所研究的对象的认识的程度；所谓后验概率，就是根据具体资料、先验概率、特定的判别规则所计算出来的概率。它是对先验概率修正后的结果。
距离判别思想是根据各样品与各母体之间的距离远近作出判别。即根据资料建立关于各母体的距离判别函数式，将各样品数据逐一代入计算，得出各样品与各母体之间的距离值，判样品属于距离值最小的那个母体。
5.对应分析(Correspondence Analysis)
对应分析是一种用来研究变量与变量之间联系紧密程度的研究技术。
运用这种研究技术，我们可以获取有关消费者对产品品牌定位方面的图形，从而帮助您及时调整营销策略，以便使产品品牌在消费者中能树立起正确的形象。
这种研究技术还可以用于检验广告或市场推广活动的效果，我们可以通过对比广告播出前或市场推广活动前与广告播出后或市场推广活动后消费者对产品的不同认知图来看出广告或市场推广活动是否成功的向消费者传达了需要传达的信息。
企业财务管理是企业围绕利润最大化和风险最小化这一经营目标,筹集资金、有效投放资金,并监督控制财务的一系列管理活动,财务管理是企业管理的核心。下面是我为大家整理的浅谈财务管理论文，供大家参考。
摘 要:利用有限的资金投入取得最佳的社会及经济效应,是政府、企业或业主对建设项目的共同期望。本文从工程建设项目决策阶段的投资估算的概念、编制原则及方法的介绍入手,对建设项目的投资控制进行了系统介绍,并强调进行价值分析是有效提高工程建设项目竞争力、优选项目方案的重要手段。
关键词:投资估算 价值分析 项目决策
1 项目在决策阶段的投资
一个建设项目从投资意向开始到投资终结的全过程,大体分为四个阶段:项目决策阶段;准备工作阶段;实施阶段;项目总结阶段。项目策划和决策阶段的工作是投资项目的首要环节和重要方面,对投资项目能否取得预期的经济和社会效益起着关键作用。
投资估算是在项目决策阶段,对项目的建设规模、工艺和工程方案、项目进度计划等进行研究并初步确定的基础上,估算项目投入总资金的过程。
按照《投资项目可行性研究指南》的划分,项目投入总资金由建设投资(含建设期利息)和流动资金两项构成。投资估算时,需对不含建设期利息的建设投资、建设期利息和流动资金各项内容分别进行估算。投资估算的具体内容包括:建筑工程费、设备及工器具购置费、安装工程费、工程建设其他费、基本预备费、建设期利息及流动资金等。
2 工程投资估算编制的基本原则
2.1 投资估算的具体内容
a建筑工程费;b设备及工器具购置费;
c安装工程费;d工程建设其他费用;e基本预备费;f建设期利息;g流动资金。
可用公式作如下表示:
不含建设期利息的建设投资=a+b+…+e
建设投资=不含建设期利息的建设投资+f
建设投资=静态投资+动态投资
静态投资=a+b+…+e
动态投资=f
项目投入总资金=建设资金+g
2.2 投资估算的深度要求
由于不同阶段工作深度和掌握的资料不同,投资估算的准确度也就不同。随着工作的进展,工程造价会不断深入,准确度会逐步提高,从而对项目投资起到有效的控制作用。项目前期的不同阶段对投资估算的允许误差率如下(如表1):
2.3投资估算编制的依据及重要性
建设投资估算的基础资料与依据主要包括以下几个方面:(1)拟建项目的工程方案及工程量;(2)专门机构发布的工程建设项目估算办法和费用标准,及政府部门发布的物价指数;(3)专业机构发布的建设工程造价费用构成、计算方法、计经指标等。
投资估算的作用可以概括如下:(1)投资估算是投资项目建设前期的重要环节。(2)是满足工程设计招投标及城市建筑方案设计竞选的需要。
3 投资估算编制的基本方法
3.1 建设投资简单估算法
(1)比例估算法;(2)生产能力指数法;(3)朗格系数估算法;(4)投资估算指标法。
投资估算指标分为单位工程指标、单项工程指标、项目综合指标三种。建设项目综合指标一般以项目的综合生产能力单位投资表示。单项工程指标一般以单项工程生产能力单位投资表示。单位工程指标按规定应列入能独立设计、施工的工程项目的费用,即建筑安装工程费用。
3.2 建设投资分类估算法
分别估算各单项工程的建筑工程费、设备及购置费和安装工程费;在汇总各单项工程费用的基础上,估算工程建设其他费;估算基本预备费和涨价预备费;加和求得建设投资(不含建设期利息)总额;最后再根据项目的资金筹措方案计算建设期利息。以上加总求和即得出项目总投资估算。
其中,建筑工程费的估算方法有单位建筑工程投资估算法(单位建筑工程量投资*建筑工程总量)、单位实物工程量投资估算法(单位实物工程量投资*实物工程总量)和概算指标投资估算法。前两种方法比较简单,后一种方法要以较为详细的工程资料为基础,工作量较大,可根据具体条件和要求选用。
4 决策阶段投资控制理论探讨
价值工程(Value Engineering,缩写为VE)又叫价值分析,它要求以最低的寿命周期成本可靠地实现工程的必要功能。其表达式为:价值=功能(效用)/成本(费用)或V=F/C 这个定义包含了三个方面的内容:
(1)VE研究要从降低项目全寿命周期成本(Life-Cycle Cost,简称LCC)的角度来提高研究对象的价值。VE研究要重视降低全寿命周期成本,而不是仅考虑建设成本。价值工程的目的是以研究对象的最低寿命周期成本,来实现使用者所需功能。实施价值工程,可以避免一味的降低工程造价而导致研究对象功能水平偏低的现象,也可以避免一味的提高使用成本而导致功能水平偏高的现象,使工程造价使用成本及建筑产品功能合理匹配,节约社会资源。
(2)价值工程的核心是对项目进行功能分析。通过功能分析,删除过剩的功能和不合理的功能要求,加强不足功能,把节约成本放在有效保证工程质量的基础上。功能分析的一个重要内容是功能的数量化,把定性指标转化为定量指标。
(3)价值工程是一种依靠集体智慧所进行的有组织的系统工作。进行价值工程研究,要组织各方面人员参加,并提出技术方案,吸取各方面的经验,把方案优选和方案改进结合起来,达到提高价值的目的。
价值工程本质上是以功能为中心来规划某项工作,其目的有以下几方面:
①实现必要功能,剔除多余功能。
②求得必要功能与成本的最佳匹配。
③使各部分的功能寿命大体一致,以取得最好的经济效益。
一般来说,提高产品的价值,有以下五种途径:提高功能,成本降低。这是最理想的途径;保持功能不变,降低成本;保持成本不变,提高功能水平;成本稍有增加,但功能水平大幅度提高;功能水平稍有下降,但成本大幅度下降。
5 结语
建设项目一般周期长、投资大、风险也较高,而且建设项目具有不可逆转性,一旦投入资金,工程建起来、设备安装起来了,即使发现错了,也很难更改,这样势必会造成巨大的损失和浪费。因此,投资估算是投资项目建设前期的重要环节,科学合理的编制投资估算、进行价值分析是有效提高建设项目竞争力、优选项目方案的重要手段。
参考文献
[1] 马辉,王雪青.基于多元统计分析的建设工程项目投资估算方法研究[J].统计与信息论坛,2010,25(4):25～29.
[2] 曹甲,葛宏翔,王蕊.工程建设投资估算研究[J].建筑管理现代化,2009,23(4):343～346.
摘要：受金融期权的启发,人们提出了与金融期权这种虚拟资产相对应的概念——实物期权,开始将期权思想和方法应用于金融期权市场以外的实物资产投资与管理领域,使企业可以在不确定经济环境中做出投资决策，赢得那些传统方法无法得到的战略价值。本文认为,实物期权成为今后企业投资决策的关键管理工具。
关键词：不确定性 实物期权 企业投资决策
实物期权(Real Option)是金融期权理论对实物资产期权的延伸。可以将标的资产为非金融资产的期权称为实物期权。实物期权在资本密集产业特别盛行，对实物期权的积极支持者包括著名的大型企业惠普—康柏(Hp-compaq)，波音(BoEing)，美国电话电报公司(AT&T)等全球500强企业，并在不同行业的企业中得到运用，这不仅是因为实物期权允许决策者在获得新信息后，再选择最有吸引力的备选投资项目，而且实物期权的存在增加了投资机会的价值，特别是在不确定的环境中，这一价值可能是非常大的。因此，企业要想做出正确的投资决策，在决策制定中，必须要考虑和包含这些实物期权的价值。
一、实物期权的概念、核心思想和意义
(一)实务期权的概念“实物期权”一词最初由MIT斯隆管理学院斯图尔特·迈尔斯(Stewart Myers，1984)教授提出。他最先指出，期权分析对公司成长机会的合理估价是重要的，许多公司的实物资产可以看成是一种看涨期权。这种期权价值依附在利润增长的商业业务上。如迈尔斯所讨论的，由于公司在未来一些项目上可能有机会超过竞争性费率的收益，公司的价值可能超过当前所属项目的市场价值。传统资本决策为这样的项目估价所采用的标准方法，是把预期完成日期的价值贴现为当前的净现值。因此，这种方法隐含了一个假定：一旦投资者决定投资就要始终坚持投资直到项目终结。这一标准方法忽略了在完工日之前条件变化的情况下，管理层不再推进该项目的选择权的价值。而且由于财务人员对投资项目的未来利润只能作出不精确的估计，因此考虑到这种约束性条件，考虑相关经营选择权就显得更重要了。迈尔斯还指出，公司资本结构的选择也会极为重要地影响到这些项目的价值。传统资本预算方法不考虑项目经营选择权，也不考虑公司资本结构的灵活性。然而和经营选择一样，财务灵活性也可以用财务选择权的价值来衡量，公司通过资本结构的选择而获得财务选择权。对于包含相当不确定性的长期投资项目来说，财务灵活性和经营灵活性之间的相互影响是相当明显的。迈尔斯强调，实物期权是分析未来决策能如何增加价值的一种方法或研究在将来可以相机而动这种灵活性有多大价值的一种方法。在相关的文献中，与实物期权类似的概念是，“管理期权”，“在不确定条件下的投资”等概念。詹姆斯(James C. Van Horne，1998)，给出的管理期权定义是：所谓管理期权是指管理人员进一步作出决策来影响一个项目的预期现金流量，项目寿命或未来是否接受的灵活性。迪克西特(Avinash K. Dixit)和平狄克(Robert Pindyck)1994年提出了“在不确定条件下的投资”这个概念，详细论述了在不确定条件下不可逆投资的基本理论，强调了投资机会中类似于期权的特征，分析了如何能根据从金融市场中发展出来的期权定价方法获得最优投资规则，说明了企业在提供满足未来条件的灵活性程度不同的投资类型间的选择等问题。迪克西特和平狄克还指出，”获得实际资产的机会经常被称做”实物期权”。因此，“管理期权”，“在不确定条件下的投资”这些概念也就是”投资中的实物期权方法”。
(二)实物期权的核心思想 实物期权的核心思想不仅与期权的基本特征相承，而且与实物投资决策的特征有关。(1)实物投资决策的特征。迪克西特和平狄克强调：大多数投资决策有三个重要特征，这三个特征之间的相互作用决定了投资者的最优决策且这种相互作用正是实物期权的核心。一是不能撤销性或不可逆性。 投资的初始成本至少部分是沉没的：如果当你改变主意时，或业务不能成功运营时，不能完全收回投资的初始成本。如开采石油，当钻一座油井后，如果油井的产量小于预期产量，或者油价下降，那么就不能收回已投入的资金。再比如，一个企业营销和广告上的大多数投资都是不能收回的。二是投资未来回报的不确定性。不确定性主要产生于信息的不完全性。在做出投资决策之前，无法进行为获得亟需的信息所需的实验或测试。大多数项目只有在证实可行才能进行投资。投资的这种不确定性与实物期权有着密切的相关性。一般来讲，投资的不确定性越大，实物期权的价值就越大。三是管理者对投资时机是可以选择的。多数投资选择或投资机会并不是要现在投资或是永远不投资两个选项，投资者在投资时机上有一定的选择空间。投资者可以推迟行动以获得有关未来的更多信息。如对一个产油量不确定的油田，只有逐步的投资策略，打一些油井，试探产量等行为慢慢能减少这种不确定性。因此，逐步地投资会提供一些有价值的信息，减少不确定性的差异并修正预期价值。如果实际价值是关于不确定性有利的一面，那就继续投资，如果是关于不确定性的不利的一面，那就停止投资。通常来说，投资者选择的自由度越高，投资选择的价值就越大。(2)与金融看涨期权类似。直观上，一个不可逆的投资机会非常类似于金融看涨期权。在金融的范畴中，一个典型的看涨期权赋予其持有者这样的权利：在特定的时间范围内支付执行价格以获得具有一定价值的资产。如买入100股普通股期权，若股票的市场价格高于执行价格， 即可在约定期限内按照合约规定的”执行价格”买入该股票，通过执行期权赚取股票市场价格与执行价格的差价;相反，若股票的市场价格最终低于于价格，期权的持有者不会执行期权，此时期权是无价值的，其损失最多不超过最初购买期权的价格。可以用如下模型表示： C=MAX(S-K，0)。其中：C表示看涨期权的价值;S表示到期日的股票价格;K表示执行价格。对一项投资而言，假定其是完全不可逆的，那么适当项目的价值仅仅是它所产生的利润或损失流的预期现值。根据潜在不确定性的观点，这个投资决策仅仅是支付沉没成本的决策，其回报是获得价值会波动的一种资产。这实际上与金融看涨期限权类似，以预选设定的执行价格购买一种价值波动的资产的权利而不是义务。拥有类似投资机会的企业持有现在支出货币或未来支出货币以获得具有一定价值的资产的选择权。执行这种期权是不可逆的，尽管这种资产可以出售给其他投资者，但人们也不能收回其期权或执行该期权所支付的资金。这种投资的价值，部分是由于通过投资获得的资产的未来价值是不确定的。若该资产价值上涨，来自投资的净回报也上涨，若该资产价值下降，企业不必投资，而仅仅损失的是起动该项目时的初始投资。因此，实物期权与金融期权一样，具备一个同样的特征，或是赢得的回报数额大于风险可能带来的损失数额;或是可以选择停止执行期权从而控制损失。
(三)实物期权在企业投资决策中的意义将实物期权的理论与方法用于企业投资决策中，具有重要的意义。(1)能较好地处理不确定性。传统的NPV法在进行企业投资决策评估时隐含的一个假设是：未来以现金流度量的收益是可以预测的，是确定的。如果出现不确定性则会降低这项投资的价值。因此，不确定性越大，投资的价值就越小。但我们处在一个不确定的外界环境中：我们无法判断次贷危机爆发的时间，持续有多久，也不能确定10年以后石油黄金的价格是多少。一些原来预期能够成功的投资项目却失败了，而一些本来看起来希望渺茫的新产品却获得了出乎意料的成功。沃顿商学院的道林(Don Doering)和派瑞尔(Roch Parayre)提供的一组调查数据表明：将现有技术渗透进现有市场的成功概率是0.75;如果市场或技术中的一项对公司而言是新的，成功的概率就下降到0.25—0.45;如果公司要靠新技术进入新市场，则成功率仅为0.05—0.15。人们发现，最有价值的机会常常伴随着大量的不确定性。实物期权方法突破了传统的处理不确定性的方法，即在投资的不可逆性，不确定性及时机选择两两之间的相互作用中处理不确定性，而不是把交易不确定性作为一个理论假设。实物期权概念的引入将彻底改变投资者对待风险的态度。不确定性越大，使用期权的机会就越大，从而期权的价值就越大。因此，实物期权能够更好地处理不确定性，更好地解释经济主体的投资行为。即投资者在做项目决策时，不仅仅只计算项目的净现值，而且还要计算隐含在项目中实物期权的价值。(2)建立了公司投资项目分析与公司投资战略之间的联系.在利用实物期权进行企业投资决策时首先是识别和估计战略性投资中的期权，然后是重新设计投资方案，以便更好地利用所具有的期权，最后是通过创立期权，事先积极管理好投资。在实物期权方法的应用中可以研究下面的一些问题，对公司来说什么样的创造价值的投资机会是唯一的。为创造这个价值，公司必须承受多大和什么类型的风险?什么样的风险能分散?预期给企业带来的损失和对企业战略实施的影响如何?实物期权方法提供了一个解决这些问题的分析框架，在该构架内，我们可以将投资项目分析和企业战略投资分析联系起来，集中起来管理公司的净风险。同时，实物期权方法的应用使得管理者能够更为深刻的理解项目的不确定性如何影响项目的投资价值，并且如何帮助企业获得额外的战略价值。(3)对传统投资决策方法结果进行了再一次谨慎的测试。传统投资决策方法如：净现值法(NPV)的一个重要观点是假设一条结果固定的单一决策路线，以及最初制定的所有决策在以后是不能改变和发展的，而实物期权法则把多重决策路线看作是在选择最优战略高度不确定性与管理层灵活性联系起来的结果，或者是在发展过程中可以利用新信息时出现的选择权。也就是说，当未来存在不确定性时，管理层可以灵活地在中途修正战略，与传统的投资决策方法相比，实物期权提供了超过传统分析的额外洞察力，传统投资决策方法计算的净现值为负时应该放弃该投资方案，但可能将来存在较大的战略投资价值，实物期权方法的运用对净现值法等传统投资决策方法的结果进行了再一次谨慎的测试。 二﹑实物期权在企业投资决策中的应用
(一)实物期权的分类 企业在进行投资决策时，当外部条件变化时公司经常需要做出修改投资计划，放弃已经投资的项目，放弃购买项目的投资权等投资决策。传统的投资决策理论，如净现值分析方法，决策树分析法和模拟分析法认为：要么现在马上进行投资，要么永远放弃投资，而利用实物期权理论，管理者可以依赖于未来事件发展的不确定性做出一些或有决策，而不一定是传统上必须马上投资和永远放弃投资的两项选择，否则投资者有可能失去一些较好的投资机会。而且传统投资决策方法没有考虑到管理者的积极主动进行决策，有关投资项目内外交困信息的不断变化和项目技术的一些不确定性。根据实物期权的特点，大致可以将实物期权分为以下六种：延迟期权(Defer Option)﹑扩张期权(Change Scale Option)﹑收缩期权(Contract Option)，放弃期权(Abandon Option)，转换期权(Switch Option)，增长期权(Growth Option)。
(二)延迟期权的应用在现实生活中，延迟投资决策往往是有成本的。如由于选择等待更多的信息放弃了项目在等待期间可能产生的利润，竞争对手可能利用这段延迟的时间开发竞争性的产品，新的竞争者进入市场等。等待的决策涉及保持灵活性的收益和成本之间的权衡。假如我们已经与某特许经营商签订了开设连锁店的合同，合同规定，或者现在立即开设，或者等待一年后才开设。如果这两种选择都不接受，将失去开设连锁店的机会。那么，不管我们现在还是1年后开设，都将耗资525万。如果现在立即开设，预期在第一年将会产生50万元的自由现金流量。假设预期现金流量将以每年2%的速度增长。与这项投资相适应的资本成本为10%，项目可以永续经营。如果现在投资，估计项目的价值为=625万元。这样，立即投资所实现的净现值为100万元，这意味着这分合同最低值100万元。但是如果考虑延迟1年后再投资带来的灵活性，应该何时投资呢?如果选择等待，那么从现在起1年后，要么选择投资525万元，要么失去投资机会而一无所获。到那时，决策相对容易：如果基于经济状况，顾客品味以及潮流趋势方面的新信息，开设连锁店的价值超过525万元，那么毫无疑问将会选择投资。但如果该行业的发展趋势变化非常快，关于期望现金流量和连锁店的价值是多少存在很大的不确定性。可将延迟投资视为，以连锁店为标的资产，执行价格为525万元的1年期欧式看涨期权。假设无风险利率为7%。通过公开交易的可比公司的报酬率的波动率来估计连锁店价值的波动率，假设波动率为35%。另外，如果选择等待，你将失去若立即投资第1年本该获得的50万元自由现金流量。这一现金流量相当于股票支付的股利，欧式看涨期权的持有者在执行期权前不会收到股利，假设这一成本是延迟投资的唯一成本。应用布莱克—期科尔斯模型对上述延迟投资的欧式看涨期权估值，首先计算不含股利资产的当前价值：S*=S-PV(DIV)=525-50/1.1=579.55(万元);其次计算1年后才投资成本的现值。这一现金流量是确定的，以无风险利率折现：PV(K)= 525/1.07=490.65(万元);然后计算d1和超过了今天立即投资将获得100万元的净现值。因此，最好延迟投资。如果今天就投资的话，意味着放弃了“离开”的期权。只有在今天投资的净现值超过等待期权的价值时，才会选择在今天投资。若未来的投资价值具有很大的不确定性，等待的期权就越有价值。等待的成本越高，延迟投资期权的吸引力也就越小。
(三)其他实物期权的应用除了延迟期权以外，还有如下实务期权：(1)扩张期权。项目的持有者有权在未来的时间内增加项目的投资规模，即未来时间内，如果项目投资效果好则投资者有权扩张投资项目的投资规模。例如：投资者在投资连锁店后，市场条件变得比较好(产品价格上涨或成本的降低等)则投资者通过扩张投资项目的规模，可以取得比开始预期较好投资收益。对公司来讲，扩张期权能够使公司利用未来的一些增长机会，因此扩张期权具有战略性的重要意义。(2)收缩投资期权。收缩投资权是与上述扩张投资权相对应的实物期权，即项目的持有者有权在未来的时间内减少项目的投资规模，即未来时间内，如果项目投资效果不好，则投资者有权收缩投资规模。例如： 投资者在投资连锁店后，市场条件变坏(产品成本上涨或产品价格下降)，则投资者可能通过收缩投资项目的规模，降低投资的风险。(3)放弃期权。放弃期权就是离开项目的选择权。放弃期权可以增加投资项目的价值，如果项目的收益不足以弥补投入的成本或市场条件变坏，则投资者有权放弃对项目的继续投资。例如：我们可以将投资者从研发某一产品致电产品推向市场分成若干个投资阶段，如果市场条件变坏，则投资者有权放弃对项目的继续投资，以控制继续投资的可能损失。这种类型的期权大多存在于研发密集型产业，这些项具有高度的不确定性，开发期长等特点。(4)转换期权。在未来的时间内，项目的持有者有权在多种决策之间进行转换，相应的转换期权蕴涵于项目的初始设计之中，灵活的生产设备允许生产线在产品之间容易地进行转换，转换期权将成为设备成本的一部份。例如：投资者在从事石油治炼的项目设计时，可能设计能够使用多种能源，如：电力，油气等，进行石油冶炼的设备，投资者可以根据这几种能源价格的变化情况，选择合适的能源，以降低成本。(5)增长期权。增长期权能够为公司提供将来的一些投资机会。未来的投资机会可被看作潜在的投资项目的实物看涨期权的集合。虚值看涨期权比实值看涨期权的风险更大，并且因为大多数的增长期权很可能处于虚值状态，所以企业价值中的增长部分的风险，很可能比企业正在经营的资产的风险更大。例如：投资于第一代高技术产品尽管净现值为负值，但是在第一代产品开发过程中的基础设施，经验以及潜在的资源是开发高质量的下一代产品的基础，如果公司不做最初的投资，也就不可能获得接下来的产品或其他的投资机会。因为存在增长期权，才使得今天的投资变得可行。企业在进行投资时可以先小规模地实施项目，同时保持以后增长的期权，而不要在最初就投入整个项目，如果证明可行的话，就再执行增长期权。
在实际市场上，公司投资所面临的环境存在着各种各样的不确定性和竞争性，项目的产生的现金流也不是像投资者所预测的那样，是一成不变的。随着时间的变化，当投资者获得新的信息时，项目有关的一些不确定性将逐渐得到解决。投资者对投资项目的决策，会面临多种选择，而不是传统分析法下简单地接受或者拒绝项目的投资，而应当将实物期权模型运用到企业投资决策中，甚至在单个项目对于需要多阶段投资的项目，在企业投资决策实施过程中，决策者需要采取多种不同的实物期权组合。
参考文献：
[1]乔纳森·芒：《实物期权分析》，中国人民大学出版社2004年版。
[2]郁洪良：《金融期权与实物期权——比较和应用》，上海财经大学出版社2003年版。
[3]杨春鹏：《实物期权及其应用》，复旦大学出版社2003年版。
[4]乔治·戴等，石莹译：《沃顿论新兴技术管理》，华夏出版社2002年版。
[5]詹姆斯·范霍恩等，郭浩等译：《现代企业财务管理》，经济科学出版社1998年版。
[6]Myers S.. Finance Theory and Financial Stratery. interfaces， 1984.
43 经济统计学早期思想发展简史 44 多元统计分析方法思想发展思想史 45 现代概率论思想发展简史 46 数理统计学早期思想发展简史 47 现代数理经济学发展简史 48 概率论早期思想发展简史 49 数理经济学早期思想发展简史 50 灰色理论在社会经济中的应用 51 现代经济统计学思想发展简史 52 现代数理统计学思想发展简史 53 社会统计学早期思想发展简史 54 现代社会统计学思想发展简史 55 中国汽车保有量定量研究 56 中国股市波动性定量研究 57 中国股票市场风险研究 58 中国收入差距研究 59 论统筹城乡与城乡差距 60 重庆市城乡差距定量研究 61 重庆汽车消费需求的动态分析与预测 62 灰色系统预测方法在我国私人汽车拥有量预测中的应用 63 旅游业对重庆市社会经济贡献的定量分析 64 房价上涨的成因及对策研究
提供一些经济统计类的学年论文题目，供写作参考。
1. 某省各地市经济发展水平的综合评价
2. 工业企业经济效益综合评价的应用研究
3. 某省市经济发展水平分区研究
4. 某省市消费拉动第三产业增长的实证分析
5. 某省市城镇居民消费结构变化趋势研究
6. 某省普通高等教育生源变动趋势与对策研究
7. 某省城镇居民消费结构比较研究
8. 某高校学生的心理健康统计分析
9. 课堂教学评估体系与方法研究
10. 某市各区县经济综合实力评价研究
11. 基于多元统计的某省经济分区研究
12. 因子分析在某省利用外资效果评价中的应用
13. 因子分析在居民消费结构变动分析中的应用
14. 因子分析在企业竞争力评价中的应用
15. 深沪股市收益率分布特征的统计分析
16. 某省市农民收入问题的调查与思考
17. 最优加权组合法在GDP预测中的运用研究
18. 最优加权组合法在粮食产量预测中的运用研究
19. 最优加权组合法在能源消耗预测中的运用研究
20. 我国（某省）实际人均GDP的趋势分析及预测
21. 某省市工业经济效益的综合评价
22. 工业企业科技竞争力的综合评价
23. 某省市城镇居民消费结构的地区差异分析
24. 某省市各地区经济综合实力的评价
25. 基于因子分析法的上市公司财务状况评价研究
26. 某省工业化进程统计测度及实证分析
27. 某省城市化进程统计测度及实证分析
28. 某省城市规模发展水平分析与比较研究
29. 某省市工业行业结构特征的因子分析
30. 城镇居民消费的典型相关分析
31. 我国（某省）各地区人口素质差异的统计分析
32. 我国（某省）三次产业结构变动的统计分析
33. 某省农业产业化发展的实证研究
34. 某省外贸出口与经济发展关系的实证研究
35. 县域经济发展综合评价的实证研究
36. 某省各县市经济发展的聚类分析
37. 某省各县市产业结构的聚类分析
38. 某省（市）信息化实现程度实证评价
39. 某省（市）环境保护综合评价
40. 我国科技进步贡献率的测度
41. 某省（市）居民生活水平与质量实证评价
42. 某省（市）经济外向度实证研究
43. 县级政绩考核指标体系与方法研究
44. 我国城乡居民收入差距实证研究
45. 我国东西部城镇居民收入差距实证研究
46. 某省市城镇居民消费水平与结构变化趋势研究
47. 某省市投资拉动GDP增长的实证研究
48. 耐用品需求预测模型及其应用研究
49. 某省市GDP周期波动实证研究
50. 某省市工业周期波动实证研究
51. 某省市零售市场周期波动实证研究
52. 某省市农民收入周期波动实证研究
53. 某省市人口最优预测模型与应用研究
54. 某省市人口老龄化趋势与对策研究
55. 某省市财政收支变化趋势与对策研究
56. 某省市城镇居收入差距变化趋势与对策研究
57. 某省市农民收入差距变化趋势与对策研究
58. 长江水质的综合评价与预测
59. 多元统计分析方法在股票市场板块中的应用研究
60. ARCH族波动模型研究及其在我国股市中的应用研究
