判别分析检验效果
本文选择若干比率指标，采用聚类分析方法对样本做分类，然后对分类结果用判别分析法检验聚类效果。
判别分析是判别样品所属类型的一种统计方法。它是在已知研究对象分成若干类型（或组别）并已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类。
分析步骤
选择聚类的基本变量指标 比率分析所用的比率有很多种，这些比率涉及企业经营管理的各个方面，本文选用了以下六项作聚类的基本变量：
流动比率，速动比率（偿债能力分析）。
总资产周转率（经营效率分析）。
净资产收益率（盈利能力分析）。
净利润增长率，总资产增长率（成长能力分析）。
流动比率＝流动资产／流动负债，可以反映短期偿债能力。
速动比率＝（流动资产﹣存货）／流动负债，比流动比率更进一步的反映有关变现能力。
总资产周转率＝销售收入／平均资产总额，反映资产总额的周转速度。
净资产收益率＝净利润／平均资产总额，其是一个综合指标，表明企业资产利用的综合效果。
净利润增长率＝本期净利润／基期净利润﹣1。
总资产增长率＝本期总资产／基期总资产﹣1。
净利润增长率和总资产增长率是增长比率，用来衡量公司扩展业务的情况，是价值评估的一种关键标准。
本研究较为全面的考察了在目前上市公司年报信息范围内可能获得的各种财务比率指标，选取上述六个指标都是极具代表意义的，也是经过谨慎比较和测试的，此六项指标基本能够反映一个上市公司的经营业绩。
数据采集 本文所有数据来自于金融街网站（www.jrj.com.cn），选取46个上市公司的财务比率数据作样本；选取9个上市公司进行应用（见表1）。
选择聚类方法 不同的系统聚类方法是指使用了不同的方法定义距离，如较常使用的Nearast neighbor(最近距离法)，Furthest neighbor(最远距离法)，Median clustering(加权距离法)，Ward’s method。
样本之间的距离也有不同的测量标准，即将一个样品看作P维空间的一个点，并在空间定义距离，距离越近的归为一类，距离越远的归为不同的类，常用距离选择如Squared Euclidean distance，Pearson Correlation(相似性距离)，Minkowski等方法。
一般情况下，不同类型的变量在选择聚类方法和样品间距离时，其结果是不会完全一致的。如果用几种方法的某些结果一致，则说明这样的聚类确实反映了事物的本质。
本文在具体操作时，选用了以下几种系统聚类法和不同的样本间距离相结合的方法：Furthest neighbor Pearson Correlation，Median clustering Pearson Correlation，Furthest neighbor Minkowski，Nearest neighbor Pearson Correlation等四种方法并做比较。由F-P与M-P得到的效果谱系图基本一致，且F-P谱系图效果更佳，最终选择F-P相结合的方法。
选择判别分析方法 常用的判别分析有两种，即Enter independents together(Fisher判别法)和Use stepwise method (逐步判别法)。前者是指将所有变量在判别分析时一次性强制进入模型；后者则以逐一进入模型的方式进入模型，如果变量的判别能力随着新引入变量而变得不显著，会及时将其从判别式中剔除去。
表1(点击看大图)
由二者的判别结果可知，逐步判别最终将全部六个变量中的五个剔除掉，且其检验效果很差；而Fisher判别法检验效果良好，且将已分类的样品各指标代入模型，与分类结果大体相同，所以本文最终选择了Fisher法。
使用统计软件SPSS12.0来实现聚类结果并作判别分析。
结论及启示
从聚类分析谱系图中，可以看到其将46个样品分为三类：第一类包括22个样品，第二类3个样品，第三类21个样品。
聚类之后就得到一个确定的分类总体，这正是判别分析的前提。
由Group Statistics 得到：
第一类最显著的是净利润增长率均值为-51.95，其它指标都与第二类，三类相差无几；各项指标方差中，净利润增长率与总资产增长率很突出，而其它项方差都很小。
第三类最显著的是净利润增长率很高达到71.07，总资产增长率也达到31.38，分别是三类中最高值，且其四项也都强于一、二类，其各项方差均较高。
第二类各指标均值居一、三类之间，各项方差都较稳定。
综合而看，第一类样品属于财务状况较差的类；第二类样品居中；第三类样品财务状况良好。在Wilks’ Lambda 检验中，Sig值分别是0.000和0.031，均小于0.05，所以拒绝原假设，即认为组间均值不相等，存在显著差异。
